Académique Documents
Professionnel Documents
Culture Documents
GUIA DE TRABAJO
Nombre de la Asignatura : ALGEBRA LINEAL Cdigo : 1524
Unidad 6 : Espacios Vectoriales
Gua No. 4/4 Tiempo estimado para el desarrollo de la gua : 10 horas
Autor de la Gua : ICFM Revisado: ICFM
OBJETIVOS ESPECIFICOS
Que el estudiante logre :
1. PREREQUISITOS:
Sistemas de ecuaciones.
Determinantes.
Matrices.
Vectores.
Funciones
Libro de texto: Introduccin al lgebra Lineal Howard Anton, Editorial Limusa. Mxico.
Calculadora cientfica con funciones trigonomtricas
Regla.
3. ACTIVIDADES:
3.1. ACTIVIDADES PREVIAS GUIA 5 extra clase .
3.1.1. Algunos cuestionamientos previos
a. Sabe usted lo que es un vector?
b. Sabe usted sumar vectores?
c. Recuerda usted la multiplicacin de un vector por un escalar?
d. Recuerda usted el producto punto entre dos vectores?
e. Recuerda usted el producto cruz entre dos vectores?
ESPACIOS VECTORIALES.
Introduccin.
La idea de vector est tomada de la Fsica, donde sirven para representar magnitudes vectoriales como
fuerzas, velocidades o aceleraciones. Para ello se emplean vectores de dos componentes en el plano, de
tres componentes en el espacio.
En este tema, tratamos de abstraer las propiedades que caracterizan a los vectores para extenderlas
tambin a otro tipo de objetos diferentes de los vectores de la Fsica.
Esencialmente, el comportamiento que caracteriza a los vectores es el siguiente:
NOTACION.-
DEFINICION 5.1.1
Sea V un conjunto cualesquiera no vaco de elementos sobre el que estn definidas dos operaciones: la
adicin y la multiplicacin por escalares. Por adicin 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 multiplicacin escalar se
entiende una regla que asocia a cada escalar y cada elemento u en V un elemento u, denominado
mltiplo escalar de u por . Si los elementos u, v, w en V y los escalares y satisfacen los axiomas
siguientes, entonces V se denomina espacio vectorial, y sus elementos se denominan vectores.
4.- Existe un nico 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.
A los elementos de cualquier espacio vectorial los llamaremos vectores, a pesar de que segn su
naturaleza concreta dichos elementos pueden ser distintos de los segmentos dirigidos . Las
representaciones geomtricas, relacionadas con el nombre de vectores, nos ayudaran en aclarar y, con
frecuencia, en prever los resultados necesarios, como tambin a buscar la interpretacin geomtrica de
diferentes hechos la cual no siempre resulta obvia. Cualquier tipo de objeto puede ser un vector, y es
posible que las operaciones de adicin y multiplicacin escalar no guarden ninguna relacin o semejanza
con las operaciones vectoriales usuales sobre . El nico requisito es que se cumplan los axiomas de la
definicin de espacio vectorial.
TE
TEOREMA.
Sean V un espacio vectorial, u un elemento de V y un escalar, entonces se cumple lo siguiente:
1.- 0u = 0.
2.- 0= 0.
3.- (-1)u = -u.
4.- Si u = 0, entonces = 0 o u = 0.
El espacio, formado por los vectores de n componentes (1 , . . ., ) es un espacio vectorial real, en el que
se pueden sumar vectores y multiplicar por un escalar (real) de la forma habitual. .
Se puede comprobar que se cumplen las propiedades requeridas para ambas operaciones.
El vector cero es 0,. . .,0.
No es un espacio vectorial complejo, pues no podemos multiplicar por escalares complejos (si lo
hacemos, el resultado no se mantendr dentro de ).
Si el conjunto de objetos estudiados V son polinomios de una variable de grado igual o menor a 2, a cada
polinomio con la estructura P(x)= 1 2 + 2 + 3 donde (1 , 1 , 1 ) se le
denomina vector. La suma y el producto escalar estn definidos de la siguiente manera:
= (1 2 + 2 + 3 ) + (1 2 + 2 + 3 ) = 1 + 1 2 + 2 + 2 + (3 + 3 )
+
= (1 2 + 2 + 3 ) = (1 2 + 2 + 3 )
.
Tanto
,
as como
DEMOSTRACIN:
1
+
2
+
+
( 2 + + ) + ( + ) ( + ) + ( 2 + + )
2 + ( + ) + ( + ) 1 2 + ( + ) + ( + )
2 + ( + ) + ( + ) (2) se
cambia el orden de
la suma de cada
elemento gracias a
la propiedad
conmutativa de los
nmeros reales
+
=
+
debido a que (1)=(2)
3 + (
)
+ ( ) +
+
( 2 + + ) [( 2 + + ) + ( + )]
+ [( + ) + ( 2 + + )] + ( 2 + + )
( 2 + + ) + [ 2 + ( + ) + ( + )] ( 2 + ( + ) + ( + ) )
+ ( 2 + + )
( + ) 2 + ( + + ) + ( + + )
(1) ( + 2 + ( + + ) + ( + + )
(2)
+ (
) = (
+ ) +
+ debido a que (1)=(2)
4 + 0
0 +
( 2 + + ) + (0 2 + 0 + 0 ) (0 2 + 0 + 0 ) + ( 2 + + )
(( + 0) 2 + ( + 0) + ( + 0) ) ((0 + ) 2 + (0 + ) + (0 + ) )
( 2 + + ) ( 2 + + )
+ 0 = 0 +
=
5 ( 2 + + ) + ( 2 ) ( 2 ) + ( 2 + + )
(( ) 2 + ( ) + ( ) (( + ) 2 + ( + ) + ( + ) )
(0 2 + 0 + 0 ) (0 2 + 0 + 0 )
0 0
+ (
) = (
)+
= 0
6 ( 2 + + ) = ( 2 + + )
7 ( )
+
+
[( 2 + + ) + ( + )] ( 2 + + ) + ( + )
( 2 + ( + ) + ( + ) ( 2 + + ) + ( + )
2 + ( + ) + ( + ) 2 + ( + ) + ( + ) (2)
2 + ( + ) + ( + ) (1)
( ) =
+ +
debido a que (1) = (2)
8 ( +
+
( + )( 2 + + ) ( 2 + + ) + ( 2 + + )
(( + ) 2 + ( + ) + ( + ) ) ( 2 + + ) + ( 2 + + )
(( + ) 2 + ( + ) + ( + ) ) (( + ) 2 + ( + ) + ( + ) )
(1) (2)
( + )
= +
debido a que (1) = (2)
9 ()
(
)
(kl) ( 2 + + ) ( 2 + + )
(kl 2 + kl + kl ) (kl 2 + kl + kl )
() )
= ( debido a que (1) = (2)
10 1
1 ( 2 + + )
(1 2 + 1 + 1 )
( 2 + + )
1 =
Si el conjunto de objetos estudiados V son matrices de tamao 2x2 con elementos de nmeros reales, a
11 12
cada matriz con la estructura [ ] se le denomina vector. La suma y el producto escalar estn
21 22
definidos de la siguiente manera:
11 12 11 12 11 12
Dado
= [ 22 ],
= [ 22 ],
= [ 22 ] y k=a
21 21 21
Tanto
,
as como
11 12 11 12 11 + 11 11 + 12
+
= [ 22 ] + [21 22 ] = [21 + 21
21 22 + 22 ]
11 12
.
= [ 22 ]
21
DEMOSTRACIN.- A continuacin se realiza la demostracin de una forma muy detallada, para los
siguientes ejemplos se realizarn las operaciones estrictamente necesarias:
2. La operacin suma debera ser conmutativa, para lo cual realizo las operaciones
+
, luego la
de +
y verifico si realmente son iguales
+
+
11 12 11 12 11 12 11 12
[ 22 ] + [21 22 ] [ 22 ] + [ 21 22 ]
21 21
+ 11 + 12 + 11 + 12
[11 + 11 22 + 22 ] (1) [11 + 11 22 + 22 ]
21 21 21 21
11 + 11 121 + 12
[ ] (2) se cambia el orden de la
21 + 21 22 + 22
suma de cada elemento gracias a
la propiedad conmutativa de los
nmeros reales
+
=
+
debido a que (1)=(2)
3. La operacin suma debe ser asociativa, para lo cual debe cumplirse que
+ (
)
+ ( ) +
+
11 12 11 12 11 12 11 12 11 12
[
21 22 ] + ( [21 22 ] + [21 22 ]) ([
21 22 ] + [21 22 ])
11 12
+ [ ]
21 22
11 12 11 + 11 11 + 12
[
21 22 ] + ( [21 + 21 22 + 22 ]) + 11 + 12
([11 + 11 22 + 22 ])
21 21
11 12
+ [ ]
21 22
+ + 11 + 12 + 12
[11 + 11 + 11 22 + 22 + 22 ] (1)
21 21 21 + + 11 + 12 + 12
[11 + 11 + 11 22 + 22 + 22 ]
21 21 21
(2
+ (
) = (
+ ) +
+ debido a que (1)=(2)
= [0
4. Se debe encontrar un elemento neutro 0
0
] tal que
0 0
+ 0
0 +
11 12 0 0 0 0 11 12
[
21 22 ] + [0 0
] [
0 0
] + [
21 22 ]
11 + 0 11 + 0 0 + 11 0 + 12
[ ] [ ]
21 + 0 22 + 0 0 + 21 0 + 22
11 12 11 12
[ 22 ] [ 22 ]
21 21
+ 0 = 0 +
=
11 12
5. Se deber definir un vector negativo a
= [ 22 ]
21
+ (
) (
)+
11 12 11 12 11 12 11 12
[ 22 ] + [21 22 ] [ 22 ] + [21 22 ]
21 21
11 + (11 12 + (12 + 12 + 12
[ ] [11 + 11 22 + 22 ]
21 + (21 22 + (22 21 21
11 11 12 12 0 0
[ [ ]
21 21 22 22 ] 0 0
0 0
[ ]
0 0
+ (
) = (
)+
= 0
6. Debo demostrar que el objeto resultante de la operacin producto escalar pertenece al conjunto
V estudiado, lo cual podemos decir que es verdad basada en la definicin de la operacin de
multiplicacin.
( )
+
+
11 12 11 12 11 12 11 12
([ 22 ] + [21 22 ]) [ 22 ] + [21 22 ]
21 21
+ 11 + 12 11 12 11 12
( [11 + 11 22 + 22 ])
[ 22 ] + [21 22 ]
21 21 21
+ 11 + 12
[11 + 11 22 + 22 ]
(2
21 21
(11 + 11 (11 + 12
[ ]
(21 + 21 (22 + 22
+ 11 + 12
[11 + 11 22 + 22 ] (1)
21 21
( ) =
+ +
debido a que (1) = (2)
( +
+
11 12 11 12 11 12
( + [ 22 ] [ 22 ] + [21 22 ]
21 21
( + 11 ( + 12 11 12 11 12
[
( + 21 ( + 22
] [
21 22 ] + [21 22
]
11 + 11 11 + 12
[ ] (2
21 + 21 22 + 22
11 + 11 11 + 12
[ ] (1)
21 + 21 22 + 22
( + )
=
+
debido a que (1) = (2)
()
(
)
11 12 11 12
() [ 22 ] ( [ 22 ])
21 21
()11 ()12 12
[ ] [ 11 ]
()21 ()22 21 22
11 12
[ ] (2
21 22
11 12
[ ] (1
21 22
() )
= ( debido a que (1) = (2)
111 112
[ ]
121 122
11 12
[ 22 ]
21
=
1
EJEMPLO #4 QU NO ES UN ESPACIO VECTORIAL?
Si el conjunto de objetos estudiados V son las ternas de nmeros reales (x, y, z). La suma y el producto
escalar estn definidos de la siguiente manera:
= ( , , ) ,
= (, , ) ,
Dado = ( , , )
Tanto
,
as como
= ( + , + , + )
+
= ( , , ) = ( , , )
.
DEMOSTRACIN:
1
+
2
+
+
(, , ) + ( , , ) ( , , ) + (, , )
( + , + , + ) (1 ( + , + , + )
( + , + , + ) (2 se cambia el
orden de cada
elemento gracias
a la propiedad
conmutativa de
los nmeros
reales
+
=
+
debido a que (1=(2
+ (
3 )
+ ( ) +
+
(, , ) + [( , , ) + ( , , ) ] [(, , ) + ( , , )] + ( , , )
(, , ) + ( + , + , + ) ( + , + , + ) + ( , , )
( + + , + + , + + ) (1) ( + + , + + , + + ) (2)
+ (
) = (
+ ) +
+ debido a que (1)=(2)
4
+0 +
0
(, , ) + (0,0,0 (0,0,0) + (, , )
( + 0, + 0, + 0) (0 + , 0 + , 0 + )
(, , ) (, , )
+ 0 = 0 +
=
+ (
5 ) (
)+
(, , ) + (, , ) (, , ) + (, , )
( + (, + (, + () ( + , + , + )
( , , ) (0,0,0)
(0,0,0)
+ (
) = ( = 0
)+
6 = (, , ) = (, , )
7 ( )
+
+
[(, , ) + ( , , )] a(, , ) + ( , , )
a( + , + , + ) (, , ) + ( , , )
(( + , + , + ) ( + , + , + ) (2)
( + , + , + ) (1)
( ) =
+ +
debido a que (1) = (2)
8 ( + )
+
( + )(, , ) (, , )+b(, , )
(( + ), , ) (, , ) + (, , )
( + , , ) (1 ( + , + , + ) (2
no cumple el axioma
es suficiente que uno no cumpla para que
no sea esspacio vectorial
( + )
+
() ()
SUBESPACIOS VECTORIALES.
Con frecuencia, se tiene que un espacio vectorial est contenido en otro, y que la adicin y la
multiplicacin por escalares del primer espacio vectorial se llevan a cabo de manera exactamente igual
a la del segundo. Cuando esto es as, se dice que el primer espacio vectorial es subespacio del segundo.
Sin embargo, si U es parte de un conjunto ms grande V del que se sabe es un espacio vectorial, entonces
no es necesario verificar ciertos axiomas para U porque son heredados de V.
DEFINICION.
DEFINICIONES INICIALES:
1- Como no dan ninguna restriccin para las
operaciones de suma y resta utilizaremos los
procedimientos usuales para vectores en R3
2- Existen los vectores:
= 1 , 1,1
= 2 , 1,1
DEMOSTRACIN:
Primera condicin: + 3
+ = 1 + 2 , 1 + 1,1 + 1
=1 + 2 , 2,2
Segunda condicin:
No Es Necesario Porque No Cumpli La Primera
CONCLUSIN: No es un sub-espacio vectorial de R3 porque
no cumple la condicin de cerradura de la adicin.
EJEMPLO.- Determinar si S7 es un sub espacio vectorial (S7 Conjunto formado por los vectores
pertenecientes al plano de cuatro dimensiones tales que se cumplan la restriccin indicada)
S7={x, y, z, w R4 / x+2z=z-w=0}
DEFINICIONES INICIALES:
1- Como no dan ninguna restriccin para las operaciones de suma y resta utilizaremos los
procedimientos usuales para vectores en R4
2- Existen los vectores:
= 1 , 1 , 1 , 1 tal que = 2 , 2 , 2 , 2 tal que
1 + 21 = 0 (3) 2 + 22 = 0 (5)
1 1 = 0 (4) 2 2 = 0 (6)
DEMOSTRACIN:
Primera condicin: + 7 si y solo si cumple las restricciones.
1 + 2 + 2(1 + 2 ) = 0 primera
restriccin
1 + 2 + 21 + 22
1 + 21 + 2 + 22
(1 + 2 ) (1 + 2 ) = 0 segunda
restriccin
1 1 + 2 2
(1 + 21 )
= 1 , 1 , 1 , 1
(0) = 0 por la definicin (3)
1 1 = 0 segunda restriccin
1 , 1 , 1 , 1
(1 1 )
Una combinacin lineal de dos o ms vectores es el vector que se obtiene al sumar esos vectores
multiplicados por escalares.
= + + . +
Cualquier vector se puede poner como combinacin lineal de otros que tengan distinta direccin.
W=2.6u+3.2v
Un conjunto de vectores 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:
En un conjunto con vectores que son linealmente dependientes, al menos uno de ellos se puede
expresar como combinacin lineal de los dems.
+ + . + =
= .
Si un vector es combinacin lineal de otros, entonces todos los vectores son linealmente
dependientes.
u=kv
, , , . = + + + +
1 2 3
= = = = =
1 2 3
1 1 1
[2 2 2 ] = 0
3 3 3
EJEMPLO 1.
DEFINICIONES INICIALES:
1- En un conjunto con vectores que son linealmente
dependientes, al menos uno de ellos se puede
expresar como combinacin lineal de los dems.
2- Existen los vectores:
v1 = 2, 1 , 0,3
v2 = 1,2,5,-1
v3 = 7,-1,5,8
DEMOSTRACIN:
v3=k1v1+k2v2
2k1 + k2 = 7
k1 + 2k2 = -1
7
1 7 1 1
2 1 7 1 2 2
[ ][ ] [ ][ ] [0 3] [29]
1 2 1 1 2 1 2
2
7 1
1 1 2 1 0 3
[ ][ ] [ ][ ]
0 1 1 0 1 1
3 3
1 1
k2= 3 k1=3
1 1
V3 = v1 - v2
3 3
EJEMPLO 2
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 combinacin lineal de v y w, siendo k el valor calculado.
DEFINICIONES INICIALES:
1- Los vectores son linealmente dependientes si el
determinante de la matriz que forman es nulo.
2- Existen los vectores:
u=3,k,-6
v=-2, 1, k+3
w=1, k+2, 4
DEMOSTRACIN:
3 6
[2 1 + 3] = 0
1 +2 4
31*4-k+2k+3-k-2*4-1k+3-6-2k+2-1*1=0
k2 4k + 12 = 0
k=-2 k=6
u=3, -2, -6
v=-2, 1, 1
w=1, 0, 4
u= av + bw
-2a + b = 3
a = -2
a + 4b = -6
a=-2 b=-1
Varios vectores son linealmente independientes si ninguno de ellos puede ser escrito con una
combinacin lineal de los restantes. Por lo tanto en la ecuacin vectorial:
1 1 + 2 2 + . + = 0
1 = 2 = . = = 0
Los vectores linealmente independientes tienen distinta direccin y sus componentes no son
proporcionales por lo tanto el determinante de la matriz que forman es diferente de cero.
1 1 1
[ 2 2 2 ] 0
3 3 3
a b c
EJEMPLO 1:
Demostrar que los vectores i = 1,0,0 , j = 0,1,0 y k = 0,0,1 en R3. Son linealmente
dependientes.
DEFINICIONES INICIALES:
1- Varios vectores son linealmente independientes si
ninguno de ellos puede ser escrito con una combinacin
lineal de los restantes.
2- El conjunto de vectores es:
i = 1,0,0
j = 0,1,0
k = 0,0,1
DEMOSTRACIN:
EJEMPLO 2
Siendo u = 1, 0, 1, v = 1, 1, 0 y w = 0, 1, 1, demostrar que dichos vectores son linealmente
independientes
DEFINICIONES INICIALES:
1- Varios vectores son linealmente independientes si
ninguno de ellos puede ser escrito con una combinacin
lineal de los restantes.
2- El conjunto de vectores es:
u = 1, 0, 1
v = 1, 1, 0
w = 0, 1, 1
DEMOSTRACIN:
k1+ k2 =0
k2 + k3 = 0
k1+ k3 = 0
1 1 0 0
[0 1 1] 0
1 0 1 0
1 1 0 0
[ 0 1 1] 0
0 1 1 0
1 0 1 0
[0 1 1] 0
0 0 2 0
1 0 1 0
[0 1 1] 0
0 0 1 0
1 0 0 0
[0 1 0] 0
0 0 1 0
EJEMPLO 3
DEFINICIONES INICIALES:
1- La combinacin lineal de estos vectores igualada a cero
nos determinara si son linealmente independientes o
linealmente dependientes.
2- El conjunto de vectores es:
v1 = 1.-2,3
v2 = 5,6, -1
v3 = 3, 2,1.
DEMOSTRACIN:
K1 +5k2 +3k3 =0
-2K1+6k2 +2k3 =0
1 5 3 0
[2 6 2] 0
3 1 1 0
1 5 3 0
[0 16 2] 0
3 1 1 0
1 5 3 0
[0 1 1/2] 0
3 1 1 0
1 5 3 0
[0 1 1/2] 0
0 16 8 0
1 5 3 0
[0 1 1/2] 0
0 1 1/2 0
K1 +5k2 +3k3 =0
1
k2 + k3 =0
2
1
k2 + =0
2 3
Reemplazando k3=t
11 1
K1 = - k2 = - t k3 = t
2 2
1 5 3
|2 6 2| = 8 + 40 48 = 0
3 1 1
CONCLUSIN: Por tanto, k1, k2 y k3 son diferentes de cero; ya que
la matriz dada no tiene inversa debido a que su determinante es
cero. Por lo tanto como consecuencia, el conjunto { v1, v2 y v3 } es
linealmente dependiente.
EJEMPLO 4
DEFINICIONES INICIALES:
1- La combinacin lineal de estas funciones igualada a cero
nos determinara si son linealmente independientes o
linealmente dependientes.
2- El conjunto de funciones es:
{ , }
DEMOSTRACIN:
En este ejercicio nos limitaremos a demostrar que el conjunto es
una solucin de la ecuacin diferencial si es linealmente
independiente y encontraremos la solucin general.
1 + 2 = 0
x=0 1 + 2 = 0
1
x=1 1 + 2 = 0
1 1
[ 1] [ 1 ] = [ 0]
2 0
1 1
[ 1] 0
0
1 0 0
[ ]
0 1 0
1 = 2 = 0
CONCLUSIN: El conjunto de soluciones { , } es
linealmente y la solucin general se puede expresar como:
= 1 + 2
EJEMPLO 5
DEFINICIONES INICIALES:
1- La combinacin lineal de estas funciones igualada a cero
nos determinara si son linealmente independientes o
linealmente dependientes.
2- El conjunto de funciones es:
{1, , cos }
DEMOSTRACIN:
En este ejercicio demostraremos que el conjunto podra ser una
solucin de alguna ecuacin diferencial si es linealmente
independiente y encontraremos la solucin general.
1 + 2 + 3 = 0
x=0 1 + 3 = 0
x=90 1 + 2 = 0
x=180 1 3 = 0
1 0 1 1 0
[1 1
0 ] [ 2 ] = [0]
1 0 1 3 0
1 0 1 0
[1 1 0 ] [ 0]
1 0 1 0
1 0 0 0
[0 1 0] [ 0]
0 0 1 0
1 = 2 = 3 = 0
= 1 + 2 + 3
EJEMPLO 5
Demostrar que el conjunto de funciones {1, sen2 x, cos2 x} es linealmente dependiente o independiente.
DEFINICIONES INICIALES:
1- La combinacin lineal de estas funciones igualada a cero
nos determinara si son linealmente independientes o
linealmente dependientes.
2- El conjunto de funciones es:
{1, 2 , 2 }
DEMOSTRACIN:
En este ejercicio demostraremos que el conjunto podra ser una
solucin de alguna ecuacin diferencial si es linealmente
independiente y encontraremos la solucin general.
EJEMPLO 6
DEFINICIONES INICIALES:
1- La combinacin lineal de estas funciones igualada a cero
nos determinara si son linealmente independientes o
linealmente dependientes.
2- El conjunto de funciones es:
{ , , + 1 }
DEMOSTRACIN:
En este ejercicio nos limitaremos a demostrar que el conjunto es
una solucin de la ecuacin diferencial si es linealmente
independiente y encontraremos la solucin general.
1 + 2 + 3 + 1 = 0
1 0 1
1 0
2
[1 1 ] [ 2 ] = [ 0]
0 3 0
1 0 1
0
2
[1 1 ] [0]
0 0
1 0 1 0
[1 1 2] [ 0]
1 1 0 0
1 0 1 0
[0 1 1] [0]
0 1 1 0
1 0 1 0
[0 1 1] [ 0]
0 1 1 0
1 0 1 0
[0 1 1] [ 0]
0 0 0 0
BASE Y DIMENSION
En algebra lineal, una base proporciona un sistema coordenado para un espacio vectorial, mediante la
nocin de vectores coordenados. La eleccin de la base correcta con frecuencia simplificara
enormemente un problema particular.
DEFINICION 5.3.3
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.
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:
Se dice que un espacio vectorial V diferente de cero es de dimensin finita si contiene un conjunto
finito de vectores { , , . . } que forma una base. Si no es as, se dice que V es de dimensin
infinita. Adems, se considera que el espacio vectorial cero es de dimensin finita.
DEFINICION DE DIMENSION
La dimensin de un espacio vectorial V de dimensin finita, denotada por Dim(V), se define como el
nmero de vectores que hay en una base de V. Adems, por definicin, el espacio vectorial cero es de
dimensin cero.
EJEMPLO 1
Demostrar que los vectores i = 1,0,0 , j = 0,1,0 y k = 0,0,1 en R3. Son una base para R3.
DEFINICIONES INICIALES:
1- Varios vectores forman una base para un espacio
vectorial si estos generan a dicho espacio y adems son
linealmente independientes.
2- El conjunto de vectores es:
i = 1,0,0
j = 0,1,0
k = 0,0,1
DEMOSTRACIN:
Para generar a R3 un vector arbitrario = 1 , 2 , 3 se puede
expresar como combinacin lineal de i, j, k.
k1, k2, k3 = 1 , 2 , 3
EJEMPLO 2
DEFINICIONES INICIALES:
1- Varios vectores forman una base para un espacio vectorial si estos generan
a dicho espacio y adems son linealmente independientes.
2- El conjunto de vectores S es:
1 = 1, 2, 1
2 = 2, 9, 0
3 = 3, 3, 4.
DEMOSTRACIN:
Para demostrar que S genera a R3, es necesario demostrar que un vector arbitrario
= 1 , 2 , 3 se puede expresar como combinacin lineal del conjunto de
vectores S.
= 1 1 + 2 2 + 3 3
1 , 2 , 3 = 1 1, 2, 1 + 2 2, 9, 0 +3 3, 3, 4
1 , 2 , 3 = 1 + 22 + 33 , 21 + 92 + 33 , 1 + 43
1 + 22 + 33 = 1
21 + 92 + 33 = 2
1 + 43 = 3
1 2 3 1
[2 4 3] [2 ]
1 0 4 3
1 2 3 1
[0 0 3] [21 + 2 ]
0 2 1 1 3
1
1 2 3 2 +
1 2
[0 0 1 ] [ ]
0 2 1 3
1 3
1 0 4 23 1
0 0 1 21 2
[ 1] [ ]
0 1 3
2 1 3
42 + 63 111
3
1 0 0 21 2
[0 0 1]
0 1 0 3
81 2 63
[ 6 ]
1 1 + 2 2 + 3 3 = 0
Es 1 = 2 = 3 = 0
1 + 22 + 33 = 0
21 + 92 + 33 = 0
1 + 43 = 0
1 2 3 0
[ 2 4 3] [ 0]
1 0 4 0
1 2 3 0
[0 0 3] [0]
0 2 1 0
1 2 3 0
[0 0 1 ] [ 0]
0 2 1 0
1 0 4
0
0 0 1
[ 1 0]
] [
0 1 0
2
1 0 0 0
[ 0 0 1] [ 0]
0 1 0 0
Por lo tanto: 1 = 2 = 3 = 0
1 2 3
A= 2 9 3
1 0 4
1 2 3
Det(A)= 2 9 3 = 36-2(8-3)+3(-9)=-1
1 0 4
EJEMPLO 3
DEMOSTRACIN:
A fin de ver que S genera a 22 , ntese que un vector matriz arbitrario es:
a b
c d
El cual se puede escribir como como una combinacin lineal del conjunto S.
a b 1 0 0 1 0 0 0 0
c d = a 0 0 + b 0 0 + c 1 0 + d 0 1
= a1 + b2 + c3 + 4
a1 + b2 + c3 + 4 = 0
Es decir
1 0 0 1 0 0 0 0 0 0 0 0
a +b 0 0 + c 1 0 + d 0 1 = 0 0 = 0 0
0 0
Entonces
a b 0 0
c d = 0 0
SISTEMAS HOMOGENEOS.
El procedimiento para determinar una base para el espacio solucin de un sistema homogneo Ax=0
(o espacio nulo de A) donde A es una matriz de m*n, es el siguiente:
3. El conjunto de vectores { x1, x2, , xp } es una base para el espacio solucin de Ax=0; la
dimensin del espacio solucin es p.
Si A es una matriz de m*n, entonces el conjunto de todas las soluciones del sistema de ecuaciones
lineales homogneo Ax=0 es un subespacio de Rn llamado espacio nulo de A y es denotado por N(A).
EJEMPLO 1
Determnese una base y la dimensin para el espacio de soluciones del sistema homogneo Ax=0
1 + 2 + 43 +4 + 25 = 0
2 + 23 + 4 + 5 = 0
4 + 25 = 0
1 - 2 + 25 = 0
21 + 2 + 63 + 5 = 0
PASOS A SEGUIR:
Paso 1: Resolver el sistema homogneo dado Ax=0, mediante reduccin de Gauss-
Jordan.
1 1 4 1 2 1 0
0 1 2 1 1 2 0
0 0 0 1
2 3 = 0
1 1 0 0 2 4 0
[2 1 6 0 1] [5 ] [0]
1 1 4 1 2 0
0 1 2 1 1 0
0 0 0 1 2 0
1 1 0 0 2 0
[2 1 6 0 1] [0]
1 1 4 1 2 0
0 1 2 1 1 0
0 0 0 1 2 0
0 2 4 1 0 0
[0 1 2 2 3] [0]
1 0 2 0 1 0
0 1 2 1 1 0
0 0 0 1 2 0
0 0 0 1 2 0
[0 0 0 1 2] [0]
1 0 2 0 1 0
0 1 2 0 1 0
0 0 0 1 2 0
0 0 0 0 0 0
[0 0 0 0 0 ] [0]
1 23 5 = 0
2 + 23 5 = 0
4 + 25 = 0
1 = 2 +
2 = +
3 =
4 = 2
5 =
1 2 +
2 2 +
X= 3 =
4 2
[5 ] [ ]
1 2
2 2
X= 3 = + 0
4 0 2
[5 ] [ 0 ] [ ]
1 2 1
2 2 1
X= 3 = 1 + 0
4 0 2
[5 ] [0] [1]
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 as las soluciones:
2 1
2 1
1 = 1 2 = 0
0 2
[0] [1]
11 12 1
21 22 2
=[ ]
1 2
En donde:
1 = 11 12 ..1n
2 = 21 22 ..2n
= m1 m2 ..mn
Se llaman vectores rengln de A. El subespacio de generado por los vectores rengln es el espacio
de renglones de A.
11 12 1
21 22 2
1 = 31 2 = 32 .. = 3
[1 ] [2 ] [ ]
Se llaman vectores columna. El subespacio de generado por los vectores columna es el espacio de
columnas de A.
EJEMPLO 1
7 5 1
Sea la matriz: A= [ ]. Determinar los vectores renglon y vectores columna.
4 3 0
DEFINICIONES INICIALES:
Se llaman vectores rengln de A. El subespacio de generado por los vectores
rengln 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.
Se tiene la matriz:
7 5 1
A= [ ]
4 3 0
1 = 7,-5,1 2 = 4,3,0
7 5 1
1 = [ ] 2 = [ ] 3 = [ ]
4 3 0
Propiedades:
Las operaciones elementales sobre los renglones no cambian el espacio de renglones de una matriz.
Los vectores rengln diferentes de cero en una forma escalonada de una matriz A forman una base
para el espacio de renglones de A.
La dimensin del espacio de renglones y columnas de una matriz A se conoce como rango de A.
EJEMPLO 2:
Los vectores rengln diferentes de cero en una forma escalonada de una matriz A
forman una base para el espacio de renglones de A.
1 =1,-2,0,0,3
2 =2,-5,-3,-2,6
3 =0,5,15,10,0
4 =2,16,18,8,6
Expresamos los vectores en forma de matriz:
1 2 0 0 3
2 5 3 2 6
[ ]
0 5 15 10 0
2 6 18 8 6
1 2 0 0 3
0 1 3 2 0
[ ]
0 5 15 10 0
0 10 18 8 0
1 2 0 0 3
0 1 3 2 0
[ ]
0 1 3 2 0
0 10 18 8 0
1 2 0 0 3
0 1 3 2 0
[ ]
0 0 0 0 0
0 0 12 12 0
1 2 0 0 3
0 1 3 2 0
[ ]
0 0 0 0 0
0 0 1 1 0
1 = 1, 2,0,0,3
2 = 0,1,3,2,0
3 = 0,0,1,1,0
1 0 1 1
= [3 2 5 1]
0 4 4 4
DEFINICIONES INICIALES:
Los vectores rengln 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 .
Se tiene la matriz A:
1 0 1 1
= [3 2 5 1]
0 4 4 4
1 3 0
0 2 4
=[ ]
1 5 4
1 1 4
1 3 0
0 2 4
= [ ]
0 2 4
0 2 4
1 3 0
0
2 4
=[ ]
0 0 0
0 0 0
1 = 1, 3,0
2 = 0,2,4
Por tanto los vectores {1 , 2 } forman una base para el espacio de renglones de
o, lo que es equivalente:
1 0
1 = [3] 2 = [1]
0 2
Ahora se muestra cmo producir una base que sea un subconjunto del conjunto dado de vectores. La
idea es eliminar vectores del conjunto dado que sean combinaciones lineales del resto, dejando en
consecuencia un conjunto de vectores linealmente independientes que generen el mismo espacio que el
conjunto original de vectores. El mtodo, el cual se aplica nicamente a vectores en Rn, se explica por
medio de un ejemplo.
EJEMPLO 4.
v3 = 0, 1,3, 0, v4 = 2, 1 , 4. 7, v5 = 5,-8, 1, 2
que forme una base para el espacio generado por estos vectores.
DEFINICIONES INICIALES:
Los vectores rengln diferentes de cero en una forma escalonada de una matriz A
forman una base para el espacio de renglones de A.
1 =1,-2,0,3
2 =2,-5,-3,6
3 =0,1,3,0
4 =2,-1,4,-7
5 =5,-8,1,2
1 + 22 + 24 + 55 = 0
21 52 + 3 4 85 = 0
32 + 33 + 44 + 5 = 0
31 + 62 74 + 25 = 0
1
1 2 0 2 5 0
2
2 5 1 1 8 0
[ ] 3 =[ ]
0 3 3 4 1 0
4
3 6 0 7 2 [ ] 0
5
1 2 0 2 5 0
2 5 1 1 8 0
[ ][ ]
0 3 3 4 1 0
3 6 0 7 2 0
1 2 0 2 5 0
2 5 1 1 8 0
| |
0 3 3 4 1 0
3 6 0 7 2 0
1 2 0 2 5 0
0 1 1 3 2 0
| |
0 3 3 4 1 0
0 0 0 13 13 0
1 2 0 2 5 0
0 1 1 3 2 0
| |
0 3 3 4 1 0
0 0 0 1 1 0
1 2 0 2 5 0
0 1 1 3 2 0
| |
0 0 0 5 5 0
0 0 0 1 1 0
1 2 0 2 5 0
0 1 1 3 2 0
| |
0 0 0 1 1 0
0 0 0 1 1 0
1 + 22 + 4 + 55 = 0
2 + 3 34 25 = 0
4 + 5 = 0
4 = 5
5 =
4 =
3 =
2 2 34 25 = 0
2 5 + 3 2 = 0
2 =
1 22 + 24 + 55 = 0
2 + 2(5 ) 2 + 5 = 0
1 = 2
Sustituyendo se obtiene
(-2s-t) 1 +(s-t) 2 +s 3 -t 4 +t 5 =0
Ya que s y t son arbitrarias, asumimos s=1, t=0 y, entonces s=0, t=1. Lo cual nos lleva
a las ecuaciones de dependencia
-2 1 + 2 + 3 =0
- 1- 2 - 4 + 5=0
3 =2 1 - 2
5 = 1 + 2 + 4
lo cual indica que es posible descartar 3 y 5 del conjunto original, sin afectar el
espacio generado.
1 + 22 + 24 = 0
21 52 4 = 0
32 + 44 = 0
31 + 62 74 = 0
1 2 2 0
2 5 1 0
[ ][ ]
0 3 4 0
3 6 7 0
1 2 2 0
0 1 3 0
[ ][ ]
0 3 4 0
0 0 13 0
1 2 2 0
0 1 3 0
[ ][ ]
0 3 4 0
0 0 1 0
1 0 4 0
0 1 3 0
[ ][ ]
0 0 5 0
0 0 10 0
1 0 4 0
0 1 3 0
[ ][ ]
0 0 1 0
0 0 1 0
1 0 0 0
0 1 0 0
[ ][ ]
0 0 1 0
0 0 0 0
Entonces:
1 =0; 2 =0, 4 =0
vs = c1, c 2, . . . cn
EJEMPLO 1
Si el conjunto S = {v1, v2} es una base para R2, en donde v1 = 1, 2, v2 = 4, 2. Encuntrese el vector de
coordenadas y la matriz de coordenadas de v = 6,6 con respecto a S.
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
vs y es el vector en Rn definido por: vs = c1, c 2, . . . cn
Existen los vectores:
v1 = 1, 2
v2 = 4, 2
v = 6,6
DESARROLLO:
V = c1 v1 + c2 v2
1 4 1 6
[ ][ ] = [ ]
2 2 2 6
1 4 6
[ ][ ]
2 2 6
1 0 2
[ ][ ]
0 1 1
c1=2 c2=1
vs=2,1
2
vs=[ ]
1
vector de coordenadas.ggb
EJEMPLO 2
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
vs y es el vector en Rn definido por: vs = c1, c 2, . . . cn
Existen los vectores:
v1 = 1, 2, 1
v2 = 2, 9, 1
v3 = 3, 3, 4
v = 5, -1, 9
DESARROLLO:
v = c1v1 + c2v2 + c3v3
c1 + 2c2 + 3c3 = 5
2c1 + 9c2 + 3c3 = -1
c1 + 4c3 = 9
1 2 3 1 5
[2 9 3] [2 ] = [1]
1 0 4 3 9
1 2 3 5
[2 9 3] [1]
1 0 4 9
1 0 0 1
[0 1 0] [1]
0 0 1 2
[v]s = 1, -1, 2
1
[v]s = [1]
2
Aplicando la definicin del vector de coordenadas vs , se obtiene
[v]s = c1, c 2, c3
[v]s = -1, 3, 2
v = -1 v1 + 3v2 + 2v3
v = 11, 31, 7
Cambio de base.
En muchas aplicaciones, un problema descrito en un sistema coordenado puede resolverse ms
fcilmente al cambiar a un nuevo sistema coordenado. Este cambio por lo general se logra al realizar un
cambio de variables. En algebra lineal, una base proporciona un sistema coordenado para un espacio
vectorial, mediante la nocin de vectores coordenados. La eleccin de la base correcta con frecuencia
simplificara enormemente un problema particular.
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 est relacionada
con la nueva matriz de coordenadas [v]w, por medio de la ecuacin
[v]w = P [v]u
En donde las columnas de P son las matrices de coordenadas de los vectores base iniciales con relacin
a la nueva base, es decir los vectores columnas de P son:
P =[ [ ] [ ] [ ] ]
EJEMPLO 1
1 0 1 2
Para R2, en donde: u1 = [ ], u2 = [ ]; w1 = [ ], w2 = [ ]
0 1 1 1
7
2.- Hallar [v]w, si v = [ ]
2
DEFINICIONES INICIALES:
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 est relacionada con la
nueva matriz de coordenadas [v]w, por medio de la ecuacin
[v]w = P [v]u
En donde las columnas de P son las matrices de coordenadas de los
vectores base iniciales con relacin a la nueva base, es decir los vectores
columnas de P son:
[[u1]w, [u2]w, , [un]w]
DESARROLLO:
En primer lugar deben encontrarse las matrices de coordenadas para los
vectores base iniciales, u1 y u2, en relacin con la nueva base W.
u1 = a1 w1 + a2 w2 u2 = b1 w1 + b2 w2
1 1 1 1 1 1 1 0
[ ][ ] = [ ] [ ][ ] = [ ]
2 1 2 0 2 1 2 1
1 1 1 1 1 1
[ ][ ] [ ][ ]
2 1 0 2 1 0
1 0 1 1 0 2
[ ][ ] [ ][ ]
0 1 1 0 1 1
[1 ]w=-1,1 [2 ]w =2,-1
1 2
[1 ]w =[ ] [2 ]w =[ ]
1 1
1 2
P=[ ]
1 1
Solucin (b).
v = c 1 u1 + c2 u2
1 0 7
[ ][ ]
0 1 2
7
[v]U = [ ]
2
1 2 7 1 7 + 2 5
[v]w =[ ] [ ]= [ ]
1 1 2 1 7 + (1)2
3
[v]w =[ ]
5
EJEMPLO 2
6 4 5
1 = [3] 2 = [1] 3 = [ 5]
3 3 2
2 1 1
1 = [0] 2 = [2] 3 = [1]
1 0 1
1.- Calcule la matriz de transicin P de la base U a la base W y la matriz (vector) de coordenadas [v]w
para
4
v = [9]
5
DEFINICIONES INICIALES:
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 est relacionada con la
nueva matriz de coordenadas [v]w, por medio de la ecuacin
[v]w = P [v]u
En donde las columnas de P son las matrices de coordenadas de los
vectores base iniciales con relacin a la nueva base, es decir los vectores
columnas de P son:
[[u1]w, [u2]w, , [un]w]
6 4 5
1 = [3] 2 = [1] 3 = [ 5]
3 3 2
2 1 1
1 = [0] 2 = [2] 3 = [1]
1 0 1
DESARROLLO:
En primer lugar deben encontrarse las matrices de coordenadas para los
vectores base iniciales, u1,u2 y u3, en relacin con la nueva base W.
u1 = a1 w1 + a2 w2+ a3 w3
u2 = b1 w1 + b2 w2+ b3 w3
u3 = b1 w1 + b2 w2+ c3 w3
[w1 w2 w3 | u1 | u2 | u3 ]
2 1 1 6 4 5
[0 2 1] [3] [1] [5]
1 0 1 3 3 2
0 1 1 0 2 1
[0 2 1 ] [3] [1] [5]
1 0 1 3 3 2
0 1 1 0 2 1
[0 0 3 ] [ 3] [ 3 ] [ 3]
1 0 1 3 3 2
0 1 1 0 2 1
[0 0 1 ] [ 1] [ 1 ] [ 1]
1 0 1 3 3 2
0 1 0 1 1 2
[0 0 1] [ 1 ] [ 1 ] [ 1 ]
1 0 0 2 2 1
1 0 0 2 2 1
[0 1 0] [ 1 ] [1] [ 2 ]
0 0 1 1 1 1
2 2 1
P = [ 1 1 2 ]
1 1 1
v = d1 u1 + d2 u2 +d3u3
4,-9,5= d1 6,3,3 + d24,-1,3+d3 5,5,2
6 4 5 4
[3 1 5] [9]
3 3 2 5
0 2 1 6
[0 4 3] [ 14 ]
3 3 2 5
0 2 1 6
[0 2 0] [4]
3 7 0 17
0 2 1 6
[ 0 1 0] [ 2 ]
3 7 0 17
0 0 1 2
[0 1 0] [ 2 ]
3 0 0 3
1 0 0 1
[0 1 0] [ 2 ]
0 0 1 2
1
[v]u=[ 2 ]
2
2 2 1 1
[v]w =[ 1 1 2 ] [ 2 ]
1 1 1 2
4
[v]w =[5]
1
v = e1 w1 + e2 w2 +e3w3
4,-9,5= e1 2,0,1 + e2 1,2,0 +e31,1,1
2 1 1 4
[0 2 1] [9]
1 0 1 5
0 1 1 6
[0 2 1 ] [9]
1 0 1 5
0 1 1 6
[0 0 3 ] [ 3 ]
1 0 1 5
0 1 1 6
[0 0 1 ] [ 1 ]
1 0 1 5
0 1 0 5
[0 0 1] [ 1 ]
1 0 0 4
1 0 0 4
[0 1 0] [5]
0 0 1 1
4
[v]w =[5]
1
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 rotacin como un cambio desde
una base U = { u1 , u2 } hata una nueva base W = { w1 , w2 }, por tanto, las nuevas coordenadas ( x, y) y
las coordenadas iniciales ( x, y ) de un punto Q estn relacionadas por
[ ] = P []
En donde P es una matriz de transicin de U hacia W. Para encontrar P, deben determinarse las matrices
de coordenadas de los vectores base iniciales u1 y u2, con relacin a la nueva base.
Figura a
Figura b
Figura c
Figura d
Como se indica en la figura c, las componentes de 1 en la nueva base son cos y sen , de modo que
cos
[1 ]W=[ ]
En tanto que, como se indica en la figura d en seguida las componentes de 2, en la nueva base son
cos ( 2 ) = y sen ( 2 ) = , de modo que
[2 ]w= [ ]
cos
=[ ]
Y que da:
[ ]=[
cos
][
]
O de modo equivalente
x= xcos + ysen
y= -xsen + ycos
EJEMPLO 3
Hallar las coordenadas del punto Q(2,-1) si se hacen girar los ejes = 45 . entonces puesto que
DEFINICIONES INICIALES:
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 est relacionada con la
nueva matriz de coordenadas [v]w, por medio de la ecuacin
[v]w = P [v]u
En donde las columnas de P son las matrices de coordenadas de los
vectores base iniciales con relacin a la nueva base, es decir los vectores
columnas de P son:
[[u1]w, [u2]w, , [un]w]
DESARROLLO:
La matriz de transicin de la base U hacia W es
cos
=[ ]
[ ]=[
cos
][
]
1
45 = cos 45 =
2
Reemplazando en la ecuacin:
1 1
[
]=[ 21 1
2
] [ ]
2 2
2 1
[ ]=[ 2
2
2
1 ]
2 2
21
[ ]=[ 2
21 ]
2
1 1 1
[
]=[ 2
1
2
1 ][ 2
1
]=[ 2
3 ]
2 2 2
EJEMPLO 4
Supngase que se hace girar un sistema de coordenadas rectangulares xyz, alrededor de su eje z, en
sentido contrario al de las manecillas del reloj. Si se introduce los vectores unitarios 1 , 2 , 3 a lo largo
de los ejes x, y, z positivos y los vectores unitarios 1 , 2 , 3 a lo largo de los ejes x, y y z positivos es
posible considerar la rotacin como un cambio de basa U= {1 , 2 , 3 } hacia la nueva base en el ejemplo.
debe resultar evidente que
DEFINICIONES INICIALES:
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 est relacionada con la
nueva matriz de coordenadas [v]w, por medio de la ecuacin
[v]w = P [v]u
En donde las columnas de P son las matrices de coordenadas de los
vectores base iniciales con relacin a la nueva base, es decir los vectores
columnas de P son:
[[u1]w, [u2]w, , [un]w]
cos
0
[1 ]w= [ ] [2 ]w= [ ] [3 ]w= [ 0 ]
0 0 1
DESARROLLO:
Por tanto, la matriz de transicin de U hacia W es
cos 0
P=[ 0 ]
0 0 1
cos 0
[ ] = [ 0 ] []
0 0 1
EJEMPLO 5
Efecte la rotacin de ejes para eliminar el termino xy y trace la grfica de la cnica xy+1=0.
DEFINICIONES INICIALES:
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 est relacionada con la nueva matriz de
coordenadas [v]w, por medio de la ecuacin
[v]w = P [v]u
En donde las columnas de P son las matrices de coordenadas de los vectores
base iniciales con relacin a la nueva base, es decir los vectores columnas de P
son:
[[u1]w, [u2]w, , [un]w]
DESARROLLO:
Para realizar un cambio de base utilizamos la ecuacin:
[v]w = P [v]u
cos
=[ ]
[ ]=[
cos
][
]
cos 1 0
1 = [ ][ ]
0 1
1
1 = [ 1 ] [ 0]
0 1
1 1
1 =[ ] [ 0]
1
0 0 1
1
1
= [1 ] [
0 ]
0 1
1 0
1 = [ ][ ]
0 1
1 = [ ]
[ ] = 1 [ ]
[ ]=[ ][ ]
x= xcos ysen
y= xsen + ycos
2 + + 2 + + + = 0
2 + 2 + + + = 0
x= xcos45 ysen45
y= xsen45 + ycos45
1
45 = cos 45 =
2
=
2 2
= +
2 2
Reemplazando en la ecuacin: + 1 = 0
( )( + ) + 1 = 0
2 2 2 2
2 2
+1=0
2 2
2 2
=1
2 2
Rotacin de la hiprbola
En muchos problemas referentes a espacios vectoriales, la seleccin de una base para el espacio se hace
segn convenga al que lo resuelve. Naturalmente, la mejor estrategia es elegir la base a fin de simplificar
la solucin 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 s.
Definicin: 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 ortogonales. Un conjunto ortogonal en el que cada vector
tiene norma 1vector unitario se conoce como ortonormal.
EJEMPLO 1
1 1 1 1
1 = 0,1,0 2 = , 0, , 3 = , 0,
2 2 2 2
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 ortogonales. Un
conjunto ortogonal en el que cada vector tiene norma 1vector unitario se
conoce como ortonormal.
Dos vectores son ortogonales si su producto punto es cero
Existen los vectores:
1 1 1 1
1 = 0,1,0 2 = , 0, , 3 = , 0,
2 2 2 2
DESARROLLO:
Determinacin de la ortogonalidad:
1 2 = 2 3 = 1 3 = 0
1 1 1 1 1 1
(0 ) + (1 0) + (0 ) = ( ) + (0 0) + ( )
2 2 2 2 2 2
1 1
= (0 ) + (1 0) + (0 ) = 0
2 2
0=0=0
Determinacin de la ortonormalidad:
1 = 2 = 3 = 1
1 = 02 + 12 + 02 = 1 = 1
12 12
2 = + 02 + = 1 = 1
2 2
12 1 2
3 = + 02 + ( ) = 1 = 1
2 2
Paso 1: Sea =
2 = 1 1 + 2 2
Como:
1 = 1
Entonces:
2 = 1 1 + 2 2
1 . 2 = 0
1 . 1 1 + 2 2 = 0
1 1 . 1 + 2 (1 . 2 ) = 0
2 (1 . 2 )
1 =
1 . 1
(1 . 2 )
1 =
1 . 1
Por lo tanto:
(1 . 2 )
2 = 1 1 + 2 2 = 2
1 . 1 1
( . )
=
( . )
1 . 3 = 0 2 . 3 = 0
3 = 1 1 + 2 2 + 3 3
1 . 3 = 1 . (1 1 + 2 2 + 3 3 ) = 1 (1 . 1 ) + 2 (1 . 2 ) + 3 (1 . 3 ) = 0
1 . 2 = 0 (son ortogonales)
1 (1 . 1 ) + 3 (1 . 3 ) = 0
3 (1 . 3 )
1 =
(1 . 1 )
2 . 3 = 2 . (1 1 + 2 2 + 3 3 ) = 1 (1 . 2 ) + 2 (2 . 2 ) + 3 (2 . 3 ) = 0
1 . 2 = 0 (son ortogonales)
2 (2 . 2 ) + 3 (2 . 3 ) = 0
3 (2 . 3 )
3 =
(2 . 2 )
Por lo tanto:
(1 . 3 )
1 =
(1 . 1 )
(2 . 3 )
3 =
(2 . 2 )
3 = 1 1 + 2 2 + 3 3
Obtenemos:
(1 . 3 ) (2 . 3 )
3 = 1 + 13
(1 . 1 ) (2 . 2 ) 2
( . ) ( . )
=
( . ) ( . )
Este procedimiento se puede extender hasta obtener la frmula:
( . ) ( . ) ( . )
=
( . ) ( . ) ( . )
Paso 4: Hasta ahora hemos encontrado un conjunto {1 , 2, 3 , . . . , } 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.
= = = =
.
.
. .
EJEMPLO 2:
Considrese el espacio vectorial R3. Aplquese el proceso de Gram-Schmidt para transformar la base 1
= 1, 1,1, 2 = 0, 1,1, 3 = 0, 0,1 en una base ortonormal.
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 ortogonales. 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 cero
Existe la base:
DESARROLLO:
Paso 1:
1 = 1
1 = 1, 1,1
Paso 2:
( . )
=
( . )
1, 1,1. 0, 1,1 2
= 0, 1,1 1, 1,1 = 0, 1,1 1, 1,1
1, 1,1. 1, 1,1 3
2 1 1
2 = , ,
3 3 3
Paso 3:
( . ) ( . )
=
( . ) ( . )
2 1 1
1, 1,1. 0, 1,1 3 , 3 , 3 . 0, 0,1 2 1 1
= 0, 1,1 1, 1,1 , ,
1, 1,1. 1, 1,1 2 1 1 2 1 1 3 3 3
3 , 3 , 3 . 3 , 3 , 3
1 1
3 = 0, ,
2 2
1, 1,1 1 1 1
= = = , ,
. 1, 1,1. 1, 1,1 3 3 3
2 1 1
3,3,3 2 1 1
= = = , ,
. 6 6 6
2 , 1 , 1 . 2 , 1 , 1
3 3 3 3 3 3
1 1
, 0, 1 1
= = 2 2 = 0, ,
. 1 1 1 1 2 2
0, 2 , 2 . 0, 2 , 2
1 1 1 2 1 1 1 1
1 = , , 2 = , , 3 = 0, ,
3 3 3 6 6 6 2 2
Sean V y W espacios vectoriales reales. Una transformacin lineal T de V en W es una funcin que
asigna a cada vector v V un vector nico T(v) W y que satisface, para cada u y v en V y cada escalar
,
T(v) = T(v)
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 funcin 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 anlogo a
la notacin funcional f (x), que se lee f de x.
DEFINICIONES INICIALES:
Una funcin es una relacin entre dos magnitudes, de tal manera que
a cada valor de entrada (dominio) le corresponde un nico valor de
salida, llamada imagen.
Existen el vector v y la funcin T:
= 1 , 2
T1 , 2 = 1 2 , 1 + 22
DESARROLLO:
T1 , 2 = 1 2 , 1 + 22
T1,2 = (1 2, 1 + 2(2))
T1,2 = 3, 3
EJEMPLO 2
DEFINICIONES INICIALES:
Sean V y W espacios vectoriales reales. Una transformacin lineal T de V en W
es una funcin que asigna a cada vector v V un vector nico T(v) W y que
satisface, para cada u y v en V y cada escalar ,
T(u + v) = T(u) + T(v)
Tv = T(v)
Existen el vector v y la funcin T:
= 1 , 2
= 1 , 2
T(1 , 2 ) = 1 2 , 1 + 22
DESARROLLO:
Demostracin de T(u + v) = T(u) + T(v)
+ = 1 , 2 + 1 , 2 = (1 + 1 ), (2 + 2 )
( + ) = (1 + 1 ), (2 + 2 )
( + ) = (1 + 1 ) (2 + 2 ), (1 + 1 ) + 2(2 + 2 )
( + ) = (1 2 ) + (1 2 ), (1 + 22 ) + (1 + 22 )
( + ) = (1 2 ), (1 + 22 ) + (1 2 ), (1 + 22 )
( + ) = () + ()
() = 1 , 2
() = 1 2 , 1 + 22
() = 1 2 , 1 + 22
() = ()
CONCLUSIN: T es una transformacin lineal.
EJEMPLO 3
DEFINICIONES INICIALES:
Una funcin es una relacin entre dos magnitudes, de tal manera que a cada
valor de entrada dominio le corresponde un nico valor de salida, llamada
imagen.
Sean V y W espacios vectoriales reales. Una transformacin lineal T de V en W
es una funcin que asigna a cada vector v V un vector nico T(v) W y que
satisface, para cada u y v en V y cada escalar ,
T(u + v) = T(u) + T(v)
T(v) = T(v)
Existen el vector v y la funcin T que los expresamos en forma de matrices:
1
= [ ]
2
1 + 2
1
T[ ] = [1 2 ]
2
32
DESARROLLO:
1 + 2
1
T[ ] = [1 2 ]
2
32
2 + 3
2
T[ ] = [2 3]
3
3 3
1
2
T[ ] = [ 5 ]
3
9
DEMOSTRACION
Existen los vectores y la funcin:
1 1
= [ ] = [ ]
2 2
1 + 2
1
T[ ] = [1 2 ]
2
32
Demostracin de T(u + v) = T(u) + T(v)
1 + 1 + 2 + 2
1 1 1 + 1
T(u + v)=[[ ] + [ ]] = [ + ] = [(1 + 1 ) 2 + 2 ]
2 2 2 2
32 + 2
(1 + 2 ) + (1 + 2 ) 1 + 2 1 + 2
T(u + v)= [(1 2 ) + (1 2 )] = [1 2 ] + [1 2 ]
32 + 32 32 32
1 + 2 1 + 2 1 + 2
1 1
T(v) = T [ ] =T[ ] = [ 1 2 ] = [ 1 2 ] = [1 2 ]
2 2
32 32 32
T(v) = T(v)
CONCLUSIN: La imagen de = 2, 3 es =
1,5, 9 .
ACTIVIDADES A DESARROLLAR.
Analice detenidamente y resuelva los problemas citados a continuacin en caso de duda consulte con
el docente a cargo
ESPACIOS VECTORIALES
1) De las siguientes afirmaciones indique si son falsas o verdaderas:
a) El conjunto de vectores x, y en R2 con y=-3x es un espacio vectorial real.
b) El conjunto de vectores x, y en R2 con y=-3x+1 es un espacio vectorial real.
c) El conjunto de vectores x, y, z en R3 con 2x-y-12z=1 es un espacio vectorial real.
d) El conjunto de vectores x, y, z en R3 con 2x-y-12z=0 es un espacio vectorial real.
2) Determine cual de los siguientes conjuntos son espacios vectoriales bajo las operaciones dadas.
Para aquellos que no lo son, liste todos los axiomas que no se cumplen.
a) El conjunto de todas las ternas ordenadas de nmeros reales x , y , z con las operaciones
x , y , z + x , y , z = x+x , y+y , z+z y k x , y , z = kx , y , z .
b) El conjunto de todas las ternas ordenadas de nmeros reales x , y , z con las operaciones
x , y , z + x , y , z = x+x , y+y , z+z y k x , y , z = 0 , 0 , 0 .
SUBESPACIOS VECTORIALES
2) Un subespacio es:
INDEPENDENCIA LINEAL
BASE Y DIMENSION
10) Seleccione dos de las siguientes opciones para completar la siguiente definicin:
Si V es cualquier espacio vectorial y S = { V1 , V2 , . . . , Vn } es un conjunto finito de vectores en V,
entonces S se denomina base para V si:
S es un subconjunto de V.
S es linealmente independiente.
S cumple con las reglas de cerradura
S es linealmente dependiente.
S genera a V.
13) De una explicacin de por qu los conjuntos siguientes de vectores no son bases para los espacios
vectoriales que se indican.
a) u1 = 1 , 2 , u2 = 0 , 3 , u3 = 2 , 7 para R2
b) u1 = -1 , 3 , 2 , u2 = 6 , 1 , 1 para R3
14) Cules de los siguientes conjuntos de vectores son bases para R2?
a) 2 , 1 , 3 , 0
b) 4 , 1 , -7 , -8
15) Cules de los siguientes conjuntos de vectores son bases para R3 ?
a) 1 , 0 , 0 , 2 , 2 , 0 , 3 , 3 , 3
b) 3 , 1 , -4 , 2 , 5 , 6 , 1 , 4 , 8
SISTEMAS HOMOGENEOS
16) Indique si las siguientes afirmaciones son verdaderas o falsas e indique el motivo.
a) Espacio nulo es el conjunto de todas las soluciones del sistema homogneo Ax=0
b) La dimensin del espacio nulo se denomina rango.
17) En los siguientes ejercicios determine una base y la dimensin del espacio solucin del sistema
homogneo.
a) 1 + 2 + 3 +4 = 0
21 + 2 - 3 +4 = 0
b) 1 + 22 - 3 +34 = 0
21 + 2 2 -3 +24 = 0
1 + 33 +34 = 0
c) 1 - 2 + 23 +34 + 45 = 0
1 + 2 2 + 33 +44 + 55 = 0
1 - 2 + 33 +54 + 65 = 0
31 - 42 + 3 +24 + 35 = 0
4 1 0
[3 7 2]
1 4 2
20) Encuentre los vectores que generan el espacio de renglones y los vectores que generan el espacio de
columnas de la matriz
2 1 0 1
[3 5 7 1]
1 4 2 7
21) Hllese una base para el espacio de renglones y una base para el espacio de columnas de
1 3
a) [ ]
2 6
1 2 1
b) [2 4 6 ]
0 0 8
1 1 2 1
c) [1 0 1 2]
2 1 3 4
22) Determine cual de las expresiones es verdadera o falsa y proporcione una razn.
a) Si P es la matriz de transicin de una base U a W entonces la ecuacin [v]w=P[v]u representa el
cambio de base de U a W
b) Si P es la matriz de transicin utilizada para realizar el cambio de base de U a W, entonces P-1 es
la matriz de transicin de W a U.
23) Si el conjunto S = {v1, v2} es una base para R2 .Encuntrese el vector de coordenadas y la matriz de
coordenadas de w con respecto a S.
a) v1 = 2, -4, v2 = 3, 8; w = 1, 1.
b) v1 = 1, 1, v2 = 0, 2; w=a, b.
24) Si el conjunto S = {v1, v2, v3} es una base para R2. Encuntrese el vector de coordenadas y la matriz
de coordenadas de w con respecto a S.
a) v=2,-1.3, v1=1,0,0, v2=2,2,0, v3=3,3,3
b) v=5,-12.3, v1=1,2,3, v2=-4,5,6, v3=7,-8,9
25) Halle el vector de coordenadas y la matriz de coordenadas para p, con relacin a S={p1, p2, p3}.
a) P=4-3x+x2 ,p1=1, p2=x, p3=x2
b) P=2-x+x2, p1=1+x, p2=1+x2 ,p3=x+x2
26) Halle el vector de coordenadas y la matriz de coordenadas para A, con relacin a S = {A1, A2, A3, A4}
2 0 1 1 1 1 0 0 0 0
=[ ] 1 = [ ] 2 = [ ] 3 = [ ] 4 = [ ]
1 3 0 0 0 0 1 0 0 1
3 3 1
1 = [ 0 ] 2 = [ 2 ] 3 = [ 6 ]
3 1 1
6 2 2
1 = [6] 2 = [6] 3 = [3]
0 4 7
Calcule la matriz de transicin P de la base U a la base W y la matriz vector de coordenadas vw
para
5
v=[ 8 ]
5
BASES ORTONORMALES
30) Indique si las siguientes expresiones son verdaderas o falsas, de una explicacin.
a) Para probar que un conjunto de vectores diferentes de cero es una base para Rn, basta que se
trata de un conjunto ortogonal.
b) Una base ortonormal deducida por el proceso de ortonomalizacin de Gram-Schmidt no
depende del orden de los vectores en la base.
c) Un conjunto S de vectores en un espacio V es ortonormal si cada vector es unitario y cada par de
vectores en S es ortogonal.
31) Aplique el proceso de Gram-Schmidt para transformar la base { u1 , u2 }en R2 en una base ortonormal.
a) u1 = 1 , -3 y u2 = 2 , 2 .
b) u1 = 1 , 0 y u2 = 3 , -5 .
32) Suponga que R3 tiene el producto euclidiano interior. Aplique el proceso de Gram-Schmidt para
transformar la base { u1 , u2 , u3 } en una base ortonormal.
a) u1 = 1 , 1 , 1 , u2 = -1 , 1 , 0 , u3 = 1 , 2 , 1 .
b) u1 = 1 , 0 , 0 , u2 = 3 , 7 , -2 , u3 = 0 , 4 , 1 .
TRASFORMACIONES LINEALES.
33) Falso-verdadero
a Si T es una transformacin lineal, entonces T3x = 3Tx.
b Si T es una transformacin lineal, entonces Tx + y = Tx + Ty.
c Si T es una transformacin lineal, entonces Txy = TxTy.
34) Determinar si T: 2 2 es una transformacin lineal:
a) Tx, y=2x, y
b) Tx, y=x, y
c) Tx, y= 2x+y, x-y
3
d) Tx, y= , 3
a) T[ ]=+
b) T[ ] = 2 + 3 +
PROYECTO INTEGRADOR.
Cada grupo de estudiantes deber elegir un conjunto diferente de vectores y realizar los graficos
respectivos..