Académique Documents
Professionnel Documents
Culture Documents
FACULTAD DE INGENIERA
ESCUELA DE POSTGRADO
MAESTRA EN ESTRUCTURAS
CURSO: MATEMTICA APLICADA
CAT: Msc. FERNANDO AJIATAZ
INDEPENDENCIA LINEAL
Y
BASES EN ESPACIOS VECTORIALES
NOMBRE
Oscar Manuel Monterroso
CARNE
9616960
Ramrez
Luis Fernando Garnica Lpez
Melvin Ral Rojas Palacios
Jonattan Garca Prez
130081
200516275
1300183
INDICE
28
INDICE
02
INTRODUCCIN
03
OBJETIVOS
04
12
CONCLUSIONES
27
BIBLIOGRAFA
28
MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA
28
INTRODUCCIN
En el presente trabajo observaremos la representacin de operaciones con
vectores aplicados en planos de diversas dimensiones, lo cual su comprensin
es fundamental para su aplicacin en diversas situaciones, tambin
identificaremos la relacin que puede haber entre vectores como es
combinacin lineal, dependencia lineal y base y dimensin tambin
abordaremos en el tema de subespacio los conceptos de fundamentales de
subespacios y base en Rn. La eleccin y uso de una base de un subespacio se
parece a la eleccin y uso de un marco de coordenadas en el plano o en el
espacio.
La ventaja principal de estas generalizaciones estriba en los inmensos ahorros
de trabajo, porque las propiedades de los vectores abstractos se aplican a
todos los ejemplos particulares. Adems, las demostraciones se tornan claras y
fciles, porque no tienes la notacin de algn ejemplo especifico
En lgebra lineal, se dice que un conjunto ordenado B es base de un espacio
vectorial V si se cumplen las siguientes condiciones:
MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA
28
OBJETIVOS
General
Conocer las diferentes aplicaciones reales que se pueden resolver utilizando
sistemas de independencia lineal y espacios vectoriales.
Especficos
MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA
28
MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA
28
Si m1 es la pendiente de la recta L1, m2 la del L2, m1 0 y L1, L2 son
perpendiculares, entonces m2 = - 1m1.
Las rectas paralelas al eje x tienen pendiente cero.
Las rectas paralelas al eje y tienen pendiente indefinida.
DOS ECUACIONES LINEALES EN DOS INCOGNITAS
a11x1 + a12x2 = b1
a21x1 + a22x2 = b2
donde a11, a12, a22, b1 y b2 son nmeros dados. Cada una de estas
ecuaciones es la ecuacin de una lnea recta (en el plano x 1 x2 en vez del
plano xy). La pendiente de la primera recta es a 11/a12 y la pendiente de la
segunda es a21/a22 (si a12 0 y a22 0). Una solucin del sistema (1) es un
par de nmeros, denotados (x1, x2), que satisface (1). Las preguntas que
surgen naturalmente son: cundo (1) tiene soluciones? y, si la tiene,
cuntas son? Responderemos a estas preguntas despus de ver algunos
ejemplos. En estos ejemplos usaremos dos propiedades importantes del
lgebra elemental:
Propiedad A. Si a = b y c = d entonces a + c = b + d
Propiedad B. Si a = b y c es cualquier nmero real,
entonces ca = cb.
La propiedad A dice que si sumamos dos ecuaciones obtenemos una tercera
ecuacin valida. La B dice que si multiplicamos ambos lados de una
ecuacin por una constante obtenemos una segunda ecuacin valida.
MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA
28
VECTORES
MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA
28
sistema de tres ecuaciones en tres incgnitas como la terna de nmeros (4,
-2, 3). Ambos, (x1, x2) y (4, -2, 3) son vectores.
Vector rengln de n componentes. Definimos un vector rengln de n
componentes (o ndimensional) como un conjunto ordenado de n nmeros
escrito como
(x1, x2, , xn)
(1)
ESPACIOS VECTORIALES
MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA
28
Los conjuntos R2 (vectores en el plano) y R3 (vectores en el espacio) tienen
propiedades interesantes. As, si sumamos dos vectores en R 2 obtenemos otro
vector en R2. Sometidos a la suma, los vectores en R2 son conmutativos y
satisfacen la ley asociativa. Si X R2, entonces
x + 0 = x y x + (- x) = 0.
MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA
28
nmeros reales. En este libro se trata bsicamente con espacios vectoriales
reales, pero no es muy difcil hacer generalizaciones a otros conjuntos de
escalares.
Teorema 1
Sea V un espacio vectorial. Entonces
0 = 0 para todo nmero real .
MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA
28
0 . x = 0 para todo x V.
Si x = 0, entonces = 0 o bien x = 0 (o ambos).
(-1) x = -x para todos x V.
SUBESPACIOS
Sabemos que R2 = { (x,y): x R y y R} es un espacio vectorial. Adems, es
claro que V R2. Esto es, R2 tiene un subconjunto que es tambin un espacio
vectorial. De hecho, todos los espacios vectoriales tienen subconjuntos que son
a su vez espacios vectoriales. En esta seccin estudiaremos estos conjuntos
tan importantes.
Subespacio. Sea H un subconjunto de un espacio vectorial V y supongamos que
H es en s un espacio vectorial con las operaciones de suma y multiplicacin
escalar definidas sobre V. Se dice entonces que H es un subespacio de V.
Teorema 1: Un subconjunto no vacio H de un espacio vectorial V es un
subespacio de V si las dos reglas de cerradura valen:
Reglas para verificar si un subconjunto es un subespacio:
Si x H y y H, entonces x + y H.
Si x H, entonces x H para todo escalar .
Demostracin: Para demostrar que H es un espacio vectorial, debemos
verificar que los axiomas (i) a (x) cumplen con las operaciones de la suma
vectorial y multiplicacin escalar definidas en V. Las dos operaciones de
cerradura (axiomas i y vi) se cumplen por hipotesis. Puesto que los vectores
en H tambien estan en V, las leyes asociativa, conmutativa, distributiva y la
del neutro multiplicativo (axiomas ii, v, vii, viii, ix y x) se satisfacen.
Este teorema nos dice que para probar que H es un subespacio de V, nos
basta con verificar que:
x + y y x estn en H, siempre que x y y estn en H y sea un escalar.
La demostracin anterior contiene un resultado importante que debe
mencionarse explcitamente:
MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA
28
Todo subespacio de un espacio vectorial V contiene al 0.
Este resultado nos permitir ver fcilmente si un subespacio particular V no
es un espacio vectorial. Esto es, si un subconjunto no contiene al 0,
entonces no es un subespacio.
Subespacio propio. Los primeros dos ejemplos nos muestran que todo
espacio vectorial V contiene dos espacios vectoriales, {0} y V (a menos que
V = {0}). Desde luego, es mucho ms interesante encontrar otros
subespacios. Los subespacios que no son ni {0} ni V se conocen como
subespacios propios.
INDEPENDENCIA LINEAL
MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA
(1)
28
Qu propiedad especial comparten los vectores v 1 =
Esta pregunta es ms fcil de contestar a simple vista. Es fcil verificar que
v3 = 3v1 +2v2, o escribiendo de otra manera
3v1 + 2v2 v3 = 0
(2)
se ve pues que los dos vectores en la Ecuacin (1) y los tres vectores en la
Ecuacin (2), mantienen una relacin ms cercana que un par cualquiera de
vectores 2 o una terna arbitraria de vectores 3. En cada caso, decimos
que los vectores son linealmente dependientes. En general, se tiene la
siguiente definicin importante.
Definicin 1. Dependencia e independencia lineales. Sean V1, V2, , Vn n
vectores en un espacio vectorial V. Entonces se dice que los vectores son
linealmente dependientes si existen n escalares c1, c2, , cn no todos cero,
tales que
c1v1 + c2v2 + + cn vn = 0
(3)
Teorema 2
Un conjunto de n vectores en Rm es siempre linealmente dependiente si n > m.
Demostracin. Sean v1, v2, , vn n vectores Rm y tratemos de evaluar
constantes c1, c2, , cn, no todas nulas, tales que
c1v1 + c2v2 + . + cnvn = 0
MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA
28
Teorema 3
Sean v1, v2,, vn, n vectores en Rn, y sean A una matriz de n x n cuyas
columnas son v1, v2,, vn. Entonces v1, v2, , vn son linealmente
independientes si y slo si la nica solucin al sistema homogneo Ax = 0 es la
solucin trivial x = 0.
(1)
MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA
28
Teorema. Sean los n + 1 vectores v1, v2,, vn, vn+1, de un espacio vectorial
V. Si v1, v2,, vn generan V, entonces v1, v2,.., vn, vn+1 tambin generan V.
Esto es, la adicin de uno (o ms) vectores a un conjunto generador resulta
en otro conjunto generador.
Combinacin lineal
Una combinacin lineal de dos o ms vectores es el vector que se obtiene
al sumar esos vectores multiplicadospor sendos escalares.
MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA
28
Propiedades
1. Si varios vectores son linealmente dependientes, entonces al
menos uno de ellos se puede expresar como combinacin lineal de los
dems.
= (u1, u2) y
= (v1, v2)
Ejemplo
MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA
28
Determinar los valores de k para que sean linealmente dependientes los
vectores
. escribir
MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA
28
a1 = a2 = = an = 0
Los vectores linealmente independientes tienen distinta direccin y
sus componentes no son proporcionales.
Ejemplos
1. Estudiar si son linealmente dependientes o independientes los
vectores:
= (2, 3, 1),
= (1, 0, 1),
= (0, 3, 1)
MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA
28
es un sistema generador
, de igualar
de ser
. Por ejemplo, si
, tendremos
.
No todos los conjuntos de vectores forman un sistema generador de un espacio
Si lo fueran,
no forman un
tales que
MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA
28
ecuacin,
generador de
sea sistema
se ha de cumplir la relacin
. Evidentemente,
particular, el
Envoltura lineal
Al conjunto de todos los vectores que son combinacin lineal de los vectores
representa
, y se
.
2.
al cual
MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA
28
sistema generador.
, siendo
. Estos
BASE DE UN SUBESPACIO DE Rn
DEFINICION
(BASE)
Un subconjunto no vacio B de un espacio V no cero de Rn es una base de
V si
Vanse en la figura 4.3 Y 4.4
B es linealmente independiente;
B genera a V
Tambin se acostumbra decir que el conjunto vacio es la nica base del
subespacio cero {0}
v2
v2
V2
V1
V1
Figura algunas bases del plano.
v2
MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA
v1
28
v1
v3
[ ][ ][ ]
1
0 2
1 , 1 , 1
1 2
0
Es una base de R3
SOLUCION primero es necesario demostrar que B es linealmente independiente
que genera R3. Sea A la matriz cuyas columnas son los vectores de B como
A=
1 0 2
1 1 1
1 2 0
1 0 2
0 1 3
0 0 8
Vemos que cada columna de A es una columna pivote; y por tanto, las
columnas de A son linealmente. Tambin cada regln de A tiene una posicin
pivote. Por consiguiente, las columnas de A genera R 3 de acuerdo con los
teoremas anteriores.
EJEMPLO
es el conjunto S={(1,0,0),(0,1,0)} Es S una base del subespacio V=
{(x,y,,0),x,y R} de R3
RESPUESTA
S es linealmente independiente, por que todas las columnas de A =
[]
10
01
10
28
Por consiguiente, S si es una base de V.
EJEMPLO
Es el subconjunto T= {(1,1,1),(2,1,-1),(1,0,-2) } una base de R 3
RESPUESTAS
No, puesto que [
1 2
1
1 1
0 ]~ [
1 1 2
1 2
1
1 1 1 ] T no es linealmente
0 0
0
MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA
28
ordenada B como una combinacin de los vectores v de la base ordenada B
como sigue
Vi m1i v1 + m2i v2 + + mI v i
t
CB = vI = mi = m 1i m 2i m pi
Suponga que tiene las coordenadas , CB (v) y se requiere conocer las
coordenadas B, CB (v) esto es, se tiene tales que v v1 = + v y se desea encontrar tales que v = v + - teorema 5.38
sobre el isomorfismo CB y de ( 5.4 ) se sabe que ( usando rotacin de matrices
separadas
CB(v) = CB ( v+ + v )
= 1 CB ( v) ++ CB (v)
= m1 + 2m2 + +m
= m1 m2 m
= McB (v),
en donde M es la matriz p x p , M = m1 m2mi
Lo anterior dice como obtener las coordenadas en B partiendo de las
coordenadas en B solamente hay que multiplicar la matriz p x p M, cuyos
elementos M i j son iguales a m i j de 5.41. A la inversa, es posible obtener
las coordenadas en B partiendo de las coordenadas en B y multiplicando M
porque es no singular. Para comprobar que M es no singular, suponga que M =
0; si puede demostrar que x = 0: entonces el teorema clave 4.18 dir que M es
no singular. Sea v el vector en V cuyas coordenadas en B, 1 son los
elementos de alguna x para la cual Mx = 0: = x por (5.42), las
coordenadas en B de v son justamente Mx , que es = 0; entonces,
V = 0v1 + 0v2 + +0vp = 0 en V
MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA
28
Pero si v = 0 V, entonces sus coordenadas en B son todas 0 y que B es
linealmente independiente; como v se defini para que esas coordenadas
fueran los x se tiene que x = 0 como x = 0 s Mx = 0, M es no singular.
Esto demuestra el siguiente resultado que es extremadamente importante:
Ejemplo
1t t y B=
3
1 1 t1 t t de del ejemplo 5.36 para moverse entre ellas, es necesario
que la matriz M: cada v1 se debe escribir en trminos de la vj como en (5.41)
lo cual es fcil:
v1 = 1 = 1(1) + 0(t) + 0(t) para la primera columna de M
v2 = 1 + t = 1(1) + 1(t) + 1(t) para la segunda columna
v3 = 1 + t + t = 1(1) + 1(t) + 1(t) para la tercera columna
por lo tanto.
1
-1
1 -1
y se encuentra M
MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA
-1
0
1
28
-1
Es posible usar en M y en M
t
a b c = a b b c c
a + bt + ct son M
Base
Tres vectores
Base ortogonal
Una base es ortogonal si los vectores de la base
son perpendiculares entre s.
Base ortonormal
MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA
28
Una base es ortonormal si los vectores de la base
son perpendiculares entre s, y adems tienen mdulo 1.
se denomina base
cannica.
Ejemplo
MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA
28
CONCLUSIONES
En el tema de los espacios vectoriales nos damos cuenta de que nos son muy tiles
los mtodos que este utiliza ya que nos ofrece ventajas como el ahorro de tiempo
y esfuerzo a la hora de aplicarlos tanto en nuestro campo de trabajo como en otras
situaciones que requieran de estos mtodos. Con esto podramos decir que nos ha
enseado a tener un amplio criterio de la utilidad de temas ya vistos en nuestra
carrera.
MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA
28
BIBLIOGRAFA
28
MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA