Asignatura: Tcnicas De Lectura

Trabajo de: Investigacin sobre espacios vectoriales

Catedrtico: Edgardo Farach

Alumno: ngel Vivas

Nmero de Cuenta: 20161003696

Seccin: 1700

Fecha De Entrega: 10/11/2017

 ndice

INTRODUCCIN. .................................................................................................................................. 3
Vuelo espacial y sistemas de control .................................................................................................. 4
Subespacios............................................................................................................................................ 6
Combinaciones Lineales ....................................................................................................................... 8
BASES Y DIMENSIN ........................................................................................................................ 10
Bases ortonormales y proyecciones en Rn ...................................................................................... 12
Transformaciones lineales .................................................................................................................. 14
Valores y vectores caractersticos ..................................................................................................... 15
Conclusiones......................................................................................................................................... 16
Bibliografa ................................................................................................................................................ 17

2
 INTRODUCCIN.

En la estructura de espacio vectorial se fundamenta una parte muy importante de

la matemtica: el lgebra Lineal.

Hoy en da se puede decir que no hay parte de la matemtica que no contemple esta
estructura, cuyo modelo ms sencillo es el de los vectores libres que se estudia en
fsica y geometra. Ahora bien, si en esta estructura se tiene en cuenta su aspecto formal, se
puede aplicar a diversas situaciones no necesariamente geomtricas. En fsica, llamamos
vector a una magnitud orientada, significado muy preciso que sirve para diferenciar de
otras magnitudes que se llaman escalares. En matemticas, un vector es un e l e m e n t o d e u n
espacio vectorial; de esta forma reciben el nombre de vector tanto los
polinomios como las sucesiones acotadas, o las funciones continuas definidas en un intervalo,
etc. Todos estos entes matemticos responden a una estructura comn: el espacio vectorial.

3
 Vuelo espacial y sistemas de control

Con doce pisos de altura y peso de 75 toneladas, el Columbia se elev majestuosamente desde
la plataforma de lanzamiento en una fresca maana de abril de 1981. El primer transbordador de
Estados Unidos, producto de diez aos de investigacin, fue un triunfo de la ingeniera de
sistemas de control que abarca muchas ramas ingenieriles aeronutica, qumica, elctrica,
hidrulica y mecnica. Los sistemas de control del transbordador espacial resultan
absolutamente crticos para el vuelo. Como el transbordador tiene un fuselaje inestable, requiere
de constante vigilancia por computadora durante el vuelo atmosfrico. Los sistemas de control
de vuelo envan una corriente de comandos a las superficies de control aerodinmicas y a 44
pequeos impulsores de propulsin a chorro. En la fi gura 1 se muestra un tpico sistema con
retroalimentacin en ciclo cerrado que controla el ngulo de inclinacin de la punta de la nariz
del transbordador durante el vuelo. Los smbolos de empalme () muestran dnde se aaden
las seales de diversos sensores a las seales de la computadora que fluyen por la parte superior
de la fi gura.
Matemticamente, las seales de entrada y salida de un sistema de control son funciones. Es
importante, para las aplicaciones, que estas seales puedan sumarse, como en la fi gura 1, y
multiplicarse por escalares. Estas dos operaciones con funciones tienen propiedades algebraicas
completamente anlogas a las operaciones de suma de vectores en Rn y multiplicacin de un
vector por un escalar. Por esta razn, al conjunto de todas las posibles entradas (funciones) se
le denomina espacio vectorial. Los fundamentos matemticos de la ingeniera de sistemas
descansan sobre los espacios vectoriales y las funciones.

Un espacio vectorial es un conjunto no vaco V de objetos, llamados vectores, en el que estn

definidas dos operaciones, llamadas suma y multiplicacin por escalares (nmeros reales),
sujetas a los diez axiomas (o reglas) que se enlistan a continuacin. Los axiomas deben ser
vlidos para todos los vectores u, v y w en V y todos los escalares c y d.
1. La suma de u y v, denotada mediante u + v, est en V.
2. u + v = v + u.
3. (u + v) + w = u + (v + w).
4. Existe un vector cero 0 en V tal que u + 0 = u.
5. Para cada u en V, existe un vector u en V tal que u + (u) = 0.

4
6. El mltiplo escalar de u por c, denotado mediante cu, est en V.
7. c(u + v) = cu + cv.
8. (c + d)u = cu + du.
9. c(du) = (cd)u.
10. 1u = u.
Ejemplo 1: Determinar si el conjunto H de todas los nmeros reales positivos x dotados de las
operaciones x x = xx y x = x es un espacio vectorial.
Observamos que en H la suma de dos nmeros reales positivos se define como el producto
ordinario de estos nmeros y que el producto por un escalar se define como una potencia en R.
Como esto es vlido para cualesquiera vectores en H, entonces H satisface los axiomas (1) y
(6) de la definicin, se procede entonces con los 8 axiomas restantes.

Axioma (2): {(x x) x =x (xx)}

(x x) x = (xx) x = (xx) x = x(xx) = x (xx) = x (x x)

H satisface el axioma (2).

Axioma (3): Debe existir x en H tal que x x = x

x x = xx = x si y solo si x = 1
Como 1 e H entonces el idntico aditivo de H es 1.

Axioma (4): Para cada x e H existe (x) e H tal que x (x) = 1

x (x) = x x = x +1 = 1 = -1 x = x-1

Axioma (5): x x = x x

x x = xx = xx = x x

Axioma (7): (x x) = ( x) ( x)

(x x) = (xx) = (xx) = x (x) = x (x) = ( x) ( x)

Axioma (8): ( ) x = ( x) ( x)

( ) x = x+ =xx = x x = ( x) ( x)

Axioma (9): ( x) = () x

( x) = x = xx = () x
Axioma (10): 1 x = x
1 x = x = x

5
 Como los 10 axiomas de la definicion se satisfacen se concluye que H es un espacio
vectorial.

Subespacios

Un subespacio de un espacio vectorial V es un subconjunto H de V que tiene tres

propiedades:
a. El vector cero de V est en H2
b. H es cerrado bajo la suma de vectores. Esto es, para cada u y v en H, la suma
u + v est en H.
c. H es cerrado bajo la multiplicacin por escalares. Esto es, para cada u en H y
cada escalar c, el vector cu est en H.

Las propiedades (a), (b) y (c) garantizan que un subespacio H de V es en s mismo un espacio
vectorial, bajo las operaciones de espacio vectorial ya definidas en V. Para verificar esto, observe
que las propiedades (a), (b) y (c) son los axiomas 1, 4 y 6. Los axiomas 2, 3, y del 7 al 10 son
verdaderos de manera automtica en H porque se aplican a todos los elementos de V, incluidos
aquellos que estn en H. El axioma 5 tambin es verdadero en H, porque si u est en H, entonces
(1)u est en H segn (c), y por la ecuacin (3) de la pgina 217 se sabe que (1)u es el vector
u del axioma 5. As, todo subespacio es un espacio vectorial. De manera recproca, todo espacio
vectorial es un subespacio (de s mismo o posiblemente de espacios mayores). El trmino
subespacio es usado cuando se consideran por lo menos dos espacios, con uno dentro de otro,
y la frase subespacio de V identifica a V como el espacio ms grande.

EJEMPLO 1 El conjunto que consta de nicamente el vector cero en un espacio vectorial V es

un subespacio de V, llamado subespacio cero y que se escribe como {0}.

EJEMPLO 2 Sea P el conjunto de todos los polinomios con coeficientes reales, con operaciones
en P definidas igual que para las funciones. Entonces P es un subespacio del espacio de todas
las funciones que producen un valor real definidas en R. Tambin, para cada n 0, Pn es un
subespacio de P, porque Pn es un subconjunto de P que contiene al polinomio cero, la suma de
dos polinomios en Pn tambin est en Pn, y un mltiplo escalar de un polinomio en Pn tambin
est en Pn.
EJEMPLO 3 Un plano en R3 que no pasa por el origen no es un subespacio de R3,
porque el plano no contiene al vector cero de R3. De manera similar, una lnea en R2 que
no pasa por el origen no es un subespacio de R2.

6
EJEMPLO 4: Determinar si el conjunto H = {(x, y, z) R3: y = x+z } es u subespacio de R3
Observamos que H define un plano que contiene el vector 0, luego H satisface la condicin 1
del teorema 1. Supngase que U= (x, y, z) y V= (x, y, z) tales que u, v e H y reescribimos a y=
x+z como y-x-z=0 . Al sustituir (x, y, z) por U+V= (x+x, y+y, z+z) en la ecuacin y-x-z=0, se
tiene que:
(x+x)-(y+y)-(z+z)=0
(y-x-z) + (y-x-z)= 0
0+0 = 0
0=0
Luego U+V e H y H satisface el teorema 1, por tanto H es un subespacio de R3.

Teorema 2: Si H y H son dos subespacios de un espacio vectorial V, entonces H n H es un

subespacio de V.

7
 Combinaciones Lineales

Dados dos vectores: y , y dos nmeros: a y b, el vector se dice que es

una combinacin lineal de y . Una combinacin lineal de dos o ms vectores es
el vector que se obtiene al sumar esos vectores multiplicados por sendos escalares.

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

Esta combinacin lineal es nica.

Dados los vectores , hallar el vector combinacin

lineal

El vector , se puede expresar como combinacin lineal de los

vectores ?

8
Definicin 2: Se dice que el conjunto de vectores {V1, V2,, Vk} en un espacio vectorial V
genera a V, si todo vector en V es una combinacin lineal de V1, V2,, Vk.

Definicin 3: sea el conjunto de vectores {V1, V2,, Vk} en un espacio vectorial V. El espacio
lineal generado o simplemente el espacio generado por {V1, V2,, Vk} es el conjunto de las
combinaciones lineales posibles de V1, V2,, Vk. Es decir
Gen {V1, V2, , Vk} = {V:V = C1V1 +C2V2 + CkVk}
En donde c1, c2, , ck son escalares.
Vectores linealmente dependientes
Varios vectores libres del plano se dice que son linealmente dependientes si hay una
combinacin lineal de ellos que es igual al vector cero, sin que sean cero todos los coeficientes
de la combinacin lineal.

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

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

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

3 Dos vectores libres del plano = (u1, u2) y = (v1, v2) son linealmente dependientes si sus
componentes son proporcionales.

Vectores linealmente independientes

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

9
a1 = a2 = = an = 0
Los vectores linealmente independientes tienen distinta direccin y sus componentes no
son proporcionales.
Ejemplo:
Deterrminar si son linealmente dependientes o independientes los vectores.:

= (3, 1) y = (2, 3)

Linealmente independientes

BASES Y DIMENSIN

Definicin: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador

de dicho espacio o subespacio, que sea a la vez linealmente independiente.
Propiedades de las bases.
1. Una base de S es un sistema generador mnimo de S (lo ms pequeo posible).
2. Adems es un conjunto independiente mximo dentro de S (lo ms grande posible).
3. Una base de S permite expresar todos los vectores de S como combinacin lineal de ella, de
manera nica para cada vector.
Ejemplos de bases.
1. La base cannica (o base natural, o base estndar) de n:
e1 = (1,0,. . . ,0)
e2 = (0,1,. . . ,0)
en = (0,0,. . . ,1)
- Son linealmente independientes porque forman un determinante no nulo.
- Son sistema generador de n porque todo vector (a1,a2,. . . ,an) n se puede expresar como
combinacin lineal de ellos:
(a1,a2,. . . , an)= a1(1,0,. . . ,0)+ a2(0,1,. . . ,0)+ . . . + an(0,0,. . . ,1)

10
2. Otra base de R3 distinta de la cannica: (1,0,0), (1,1,0), (0,2,-3).
- Son linealmente independientes porque forman un determinante no nulo.
- Son sistema generador de R3
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)
Se obtiene un sistema:
+=a
+2 =b
-3 = c
en las incgnitas , , , que es compatible determinado para cualesquiera a,b,c.
3. (1,2,3), (4,5,6), (7,8,9) en R3 no forman base porque no son linealmente independientes (su
determinante es nulo).
Dimensin: La dimensin de un espacio vectorial V de base finita se define como el nmero de
vectores en una base de V (por conveniencia la dimensin del espacio trivial se define como cero
) y se denota por dimV.
Teorema I: Si un conjunto H de m vectores linealmente independiente esta en un espacio
vectorial V de dimensin n, entonces:
a) mn
b) H es una base de V, solo si m = n.
c) Si m < n, podemos agregar a H vectores finalmente independientes {Vm+1, , Vn} sea una
base de V.

Teorema II: Si un conjunto de n vectores genera al espacio vectorial V de dimensin n, entonces

H es una base de V.

Teorema III: Si el conjunto H de n vectores es una base de un espacio vectorial V de dimensin

n, entonces:
a) Cualquier subconjunto de V con mas de n vectores es linealmente dependiente.
b) La representacin de cualquier vector v e V en trminos de los vectores H es nica.

11
 Bases ortonormales y proyecciones en Rn

Conjunto Ortonormal: se dice que un conjunto de vector S = {u1,u2, uk} en Rn es un conjunto

ortonormal si

Ui , uj =0 Si i j

Ui , u1 = 1

Si solo satisface la ecuacin 1 se dice que es una base ortogonal.

Ortogonal significa que son perpendiculares o normales que forman ngulos rectos. Pero

normalmente decimos que un vector es normal a una recta; no ortogonal; orgonal se usa para

hablar de 2 vectores.

Longitud o Norma de un Vector

Si v Rn, entonces la longitud o norma de v, denotada por |v|, esta dada por

|v| = (v*v)

Si v = ( x1, x2, xn), entonces v*V = x12+ x22+ + xn2. Esto significa que V*v 0 y v*v = 0 si y

solo si v=0, de esta forma se puede obtener la raz cuadrada.

Teorema 1: Si S = { v1, v2,, vk} es un conjunto ortogonal de vectores diferentes de cero,

entonces S es linealmente independiente.

Teorema 2: Proceso de ortonomalizacion de Gram-Shmidt: Sea H un subespacio de dimensin

m de Rn. entonces H tiene una base ortonormal.

12
Matriz Ortogonal

Una matriz Q de nXn se llama ortogonal si Q es invertible y

Q-1 = QT

En su Teorema dice que, la matriz Q de nXn es ortogonal si y solo si las columnas de Q forman

una base ortonormal de Rn.

Proyeccin Ortogonal.

Sea H un subespacio de Rn con base ortonarmal {{u1,u2, uk}. Si Rn entonces la Proyeccion

ortogonal de v sobre H , de notada por proy H v, esta dada por

ProyHv = (v*u1)u1 + (v* u2)u2 +, ( u*uk)uk

Observe que proyhv H

13
Teorema 4

Sea B = {u1,u2, un} una base ortonormal para Rn y sea V Rn. entonces ProyHv = (v*u1)u1 + (v*

u2)u2 +, ( u*uk)uk Esto es, v = proy Esto es, v = proyRnv.

Teorema 5

Sea H un subespacio de Rn.suponga que H tiene dos bases ortonomales, {u1,u2, uk}

Y {w1,w2, wk}. sea v un vector en Rn. entonces (v*u1)u1 + (v* u2)u2 +, ( u*uk)uk = (v*w1)w1 +

(v* w2)w2 +, ( v*wk)wk

Transformaciones lineales

Las transformaciones lineales son las funciones con las que trabajaremos en Algebra Lineal. Se
trata de funciones entre K-espacios vectoriales que son compatibles con la estructura (es decir,
con la operacin y la accin) de estos espacios.
Definiciones, y propiedades bsicas
Teorema:
Una funcin f de V en W que asigna a cada vector v , un vector f(v) W es una transformacin
lineal, si y slo si, K, vi, vj V, satisface los siguientes axiomas:
1. f (vi +vj) = f (vi) + f (vj)
2. f (vi) = .f (vi)
Teorema:
Sea f : V W Una transformacin lineal, entonces se cumple que:
1. f (0v) = 0w
2. f (vi - vj) = f (vi) - f (vj)
Teorema:
Sea f : V W Una transformacin lineal, dimV=n
dimV = dimN (f) + dimIm (f)

14
 Valores y vectores caractersticos

Sea T: V --> W una transformacin lineal. En diversas aplicaciones, resulta til encontrar un vector v en V
tal que Tv y v son paralelos. Es decir, se busca un vector v y una escalar tal que

Tv = v (1)

Si v 0 y satisface a (1), entonces se denomina un valor caracterstico de T y v un vector caracterstico

de T correspondiente al valor caracterstico. Si V tiene dimensin finita, entonces T se puede representar
por una matriz A. Por esta razn se estudiarn los valores y los vectores caractersticos de las matrices
de n x n.

Definicin: Sea A una matriz de n x n con componentes reales. El nmero (real o complejo) se denomina
valor caracterstico de A si existe un vector diferente de cero v en Cn tal que

Av = v (2)

Teorema 1
Sea a una matriz de n x n. Entonces es un valor caracterstico de A si y solo si p()= det (A I) = 0

15
 Conclusiones

1. Las transformaciones lineales intervienen en muchas situaciones en Matemticas y son

algunas de las funciones ms importantes.

2. Los espacios vectoriales tienen diversas aplicaciones en las ramas de la fsica. Como los
que vimos en el ejemplo prctico al inicio de este trabajo.

3. Los conjuntos R2 , R3, son espacios vectoriales pues cumplen los 10 axiomas que son
requisito para que sean denominados como tal.

16
 Bibliografa

1.-Carrasco, I. E. (1996). Guias metodologicas MM211 Vectores y Matrices. Tegucigalpa.

2.- Enrique, I. A. (2010). Valores y vectores Caractersticos.

3.- Lay, D. C. (2007). Algebra lineal y sus aplicaciones. Mxico: Pearson.

4.- Godoy, S. I. (2012). Algebra lineal. Mexico : Mc Grawhill.

17