2017

ÁLGEBRA LINEAL

GALINDO HERNÁNDEZ CRISTIAN F.

INGENIERÍA ELÉCTRICA
8-12-2017
 ÁLGEBRA LINEAL

UNIDAD IV-V

INSTITUTO TECNOLÓGICO DE VERACRUZ 1

PERIODO: AGOSTO/DICIEMBRE 2017

3er SEMESTRE
MATERIA:
ALGEBRA LINEAL
CATEDRÁTICO: CLAUDIO YÉPEZ SOSA
CARRERA: INGENIERÍA ELÉCTRICA
INVESTIGACIONES
UNIDAD IV.
UNIDAD V.
ALUMNO:
 GALINDO HERNÁNDEZ CRISTIAN FABIO

H. VERACRUZ, VER. 8 DE DICIEMBRE DE 2017

 ÁLGEBRA LINEAL

Contenido
1. DEFINICIÓN DE ESPACIO VECTORIAL. ........................................................................................ 3
-Definición espacio vectorial real. ............................................................................................................. 3
-Axiomas de un espacio vectorial. ............................................................................................................ 3
-Ejemplos de espacios vectoriales (extraídos del libro algebra lineal): ..................................... 4
2. DEFINICIÓN DE SUBESPACIO VECTORIAL. .............................................................................. 6
-Definición subespacios vectoriales ......................................................................................................... 6
-Ejemplos de subespacios (extraídos del libro algebra lineal): ..................................................... 7 2
3. DEPENDENCIA E INDEPENDENCIA LINEAL. ............................................................................. 8
-Criterio de dependencia lineal ................................................................................................................10
-Pruebas de Dependencia Lineal ............................................................................................................10
4. Definición de base y la dimensión de un espacio vectorial. ....................................................11
DEFINICION DE BASE: es un conjunto B del espacio vectorial V ..........................................11
-Ejemplos de bases (extraídos del libro algebra lineal): ................................................................12
-Definición de dimensión ............................................................................................................................13
-Ejemplos de dimensiones (extraídos del libro algebra lineal): ..................................................14
5. DEFINICION DE UNA TRANFORMACION LINEAL. .................................................................15
-Propiedades de una transformación lineal ........................................................................................16
-Propiedad 1................................................................................................................................................16
-Propiedad 2................................................................................................................................................16
-Propiedad 3................................................................................................................................................16
-Ejemplos de transformaciones lineales (extraídos del libro algebra lineal) .........................17
6. REPRESENTACIÓN MATRICIAL DE UN ESPACIO VECTORIAL Y UNA
TRANSFORMACIÓN LINEAL. .....................................................................................................................18
-Matriz de transformación lineal...............................................................................................................18
Ejemplos de representaciones matriciales vectoriales (extraídos del libro algebra lineal):
..............................................................................................................................................................................19
7. BIBLIOGRAFÍA ..........................................................................................................................................21
 ÁLGEBRA LINEAL

1. DEFINICIÓN DE ESPACIO VECTORIAL.

Los conjuntos R2 (vectores en el plano) y R3 (vectores en el espacio) cuentan
con diversas propiedades peculiares. Se puede sumar dos vectores en R 2 y obtener
otro vector en R2. En la suma, los vectores en R2 obedecen las leyes conmutativa y
asociativa. Si x ϵ R2, entonces x + 0 = x y x + (-x) = 0. Se puede multiplicar
vectores en R2 por escalares y obtener las leyes distributivas. En R3 se cumplen las
mismas propiedades. Los conjuntos R2 y R3 junto con las operaciones de suma de
vectores y multiplicación por un escalar se denominan espacios vectoriales. Se
puede decir, de forma intuitiva, que un espacio vectorial es un conjunto de objetos 3
con dos operaciones que obedecen las reglas que acaban de escribirse.

-Definición espacio vectorial real.

Un espacio vectorial real V es un conjunto de objetos, denominados
vectores, junto con dos operaciones binarias llamadas suma y multiplicación por
un escalar, y que satisfacen los diez axiomas enumerados en el siguiente recuadro.

Si x y y están en V y si α es un número real, entonces la suma se escribe como x

+ y y el producto escalar de α y x como αx.
Antes de presentar la lista de las propiedades que satisfacen los vectores en
un espacio vectorial deben mencionarse dos asuntos de importancia. En primer
lugar, mientras que puede ser útil pensar en R2 o R3 al manejar un espacio vectorial,
con frecuencia ocurre que el espacio vectorial parece ser muy diferente a estos
cómodos espacios. En segunda instancia, la definición anterior ofrece una definición
de un espacio vectorial real. La palabra “real” significa que los escalares que se
usan son números reales. Sería igualmente sencillo definir un espacio vectorial
complejo utilizando números complejos en lugar de reales. Las generalizaciones a
otros conjuntos de escalares presentan muy poca dificultad.

-Axiomas de un espacio vectorial.

Los primeros cinco axiomas se utilizan para definir a un grupo abeliano, y los
axiomas vi) al x) describen la interacción de los escalares y los vectores mediante
la operación binaria de un escalar y un vector.
 ÁLGEBRA LINEAL

Los escalares tienen una estructura denominada campo, la cual consiste en un

conjunto de elementos y dos operaciones binarias (por ejemplo, los números reales
y las operaciones de adición y multiplicación). Los números reales con la operación
de suma cumplen con los axiomas del grupo abeliano. Además, la multiplicación es
asociativa y distributiva por la derecha e izquierda. Existe un elemento neutro
llamado unidad, y todo número real diferente de cero tiene un elemento inverso.

-Ejemplos de espacios vectoriales (extraídos del libro algebra lineal):

ÁLGEBRA LINEAL

5
 ÁLGEBRA LINEAL

2. DEFINICIÓN DE SUBESPACIO VECTORIAL.

Se sabe que R2 = {(x,y): x ϵ R y y ϵ R} es un espacio vectorial, V = {(x,y):
y=mx} también es un espacio vectorial. Adicionalmente, es evidente que V c R2.
Esto es, R2 tiene un subconjunto que también es un espacio vectorial. De hecho,
todos los espacios vectoriales tienen subconjuntos que también son espacios
vectoriales.

-Definición subespacios vectoriales

Se dice que H es un subespacio vectorial de V si H es un subconjunto no vacío de 6
V, y H es un espacio vectorial, junto con las operaciones de suma entre vectores y
multiplicación por un escalar definidas para V.

Se puede decir que el subespacio H hereda las operaciones del espacio vectorial
“padre” V. Existen múltiples ejemplos de subespacios; sin embargo, en primer lugar,
se demostrará un resultado que hace relativamente sencillo determinar si un
subconjunto de V es en realidad un subespacio de V.

Para probar si H es o no un subespacio de V, es suficiente verificar que:

La prueba anterior contiene un hecho que por su importancia merece ser

mencionado de forma explícita:

Este hecho con frecuencia facilitará la averiguación de si un subconjunto de V en

particular no es un subespacio de V. Es decir, si un subconjunto no contiene al 0,
entonces no es un subespacio. Note que el vector cero en H, un subespacio de V,
es el mismo que el vector cero en V. A continuación se mostrarán algunos
ejemplos de subespacios.
 ÁLGEBRA LINEAL

-Ejemplos de subespacios (extraídos del libro algebra lineal):

7
 ÁLGEBRA LINEAL

3. DEPENDENCIA E INDEPENDENCIA LINEAL.

En el estudio del álgebra lineal, una de las ideas centrales es la de dependencia o
independencia lineal de los vectores. En esta sección se define el significado de
independencia lineal y se muestra su relación con la teoría de sistemas
homogéneos de ecuaciones y determinantes. Empezamos tratando de contestar la

siguiente pregunta: ¿existe una relación especial entre los vectores

Por supuesto, se puede apreciar que v2 - 2v1; o si se escribe esta ecuación de otra
8
manera, 2v1 - v2 = 0

En otras palabras, el vector cero se puede escribir como una combinación no trivial
de v1 y v2 (es decir, donde los coeficientes en la combinación lineal no son ambos

cero). ¿Qué tienen de especial los vectores

difícil a simple vista. Sin embargo, es sencillo verificar que v3 = 3v1 + 2v2;
reescribiendo esto se obtiene 3v1 + 2v2 - v3 = 0.

Se ha escrito el vector cero como una combinación lineal de v1, v2 y v3. Parece que
los dos vectores en la primera ecuación y los tres vectores en la segunda ecuación
tienen una relación más cercana que un par arbitrario de dos vectores o una terna
arbitraria de tres vectores. En cada caso, se dice que los vectores son linealmente
dependientes. En términos generales, se tiene la importante definición que a
continuación se presenta.
ÁLGEBRA LINEAL

9
 ÁLGEBRA LINEAL

-Criterio de dependencia lineal

El principal resultado para caracterizar conjuntos de vectores linealmente

independientes es el siguiente:

Teorema
Sea A = {v1, v2, . . . , vk} un conjunto de vectores en Rn . Son equivalentes los
siguientes hechos.
 El conjunto A es linealmente independiente.
 Tiene solución única el sistema [v1 v2 · · · vk|0] 10
 Tiene k pivotes la matriz reducida obtenida de [v1 v2 · · · vk]

-Pruebas de Dependencia Lineal

Hay otras pruebas que no reemplazan a proceso de reducción en lo general, pero

cuando aplican ahorran trabajo: Algunas pruebas de Dependencia Lineal

1. Si el conjunto solo tiene un vector, el conjunto es linealmente dependiente si

y sólo si el vector es el vector cero.

2. Si el vector cero pertenece a un conjunto de vectores, el conjunto es

linealmente dependiente.

3. Si en un conjunto de vectores aparecen vectores repetidos el conjunto es

linealmente dependiente.

4. Si el conjunto consta de más de dos vectores: el conjunto es linealmente

dependiente si y solamente si un vector del conjunto es combinación lineal
de los restantes.

5. Si en un conjunto de vectores uno de ellos es múltiplo escalar de otro el

conjunto es linealmente dependiente.

6. Si el conjunto consta de más de dos vectores y el primer vector no es el vector

cero: el conjunto es linealmente dependiente si y solamente si un vector del
conjunto es combinación lineal de los vectores anteriores en el conjunto.

7. Si un conjunto de vectores contiene un subconjunto de vectores que es

linealmente dependiente, el conjunto es a su vez linealmente dependiente.

8. Si un conjunto de vectores es linealmente independiente, entonces cualquier

subconjunto de él también será linealmente independiente.
 ÁLGEBRA LINEAL

4. Definición de base y la dimensión de un espacio vectorial.

Se ha visto en R2 conviene escribir vectores como una combinación lineal de los

vectores . En R3 se escribieron los vectores en términos

11

de . Ahora se generalizara esta idea.

DEFINICION DE BASE: es un conjunto B del espacio vectorial V

Un conjunto finito de vectores es una base para un espacio

vectorial V si

. En Rn se define

Puesto que los vectores e, son las columnas d una matriz identidad (que tiene

determinante 1), es un conjunto linealmente independiente y, por

lo tanto, constituye una base en Rn. Esta base especial se denomina base canónica
en Rn. Ahora se encontraran bases para otros espacios.
 ÁLGEBRA LINEAL

-Ejemplos de bases (extraídos del libro algebra lineal):

12
 ÁLGEBRA LINEAL

13

-Definición de dimensión
La dimensión de un espacio vectorial (también llamada dimensión de Hamel de
un espacio vectorial, para distinguirla de la dimensión de Hilbert en el caso de los
espacios de Hilbert) es el número de vectores que forman una base [de Hamel] del
espacio vectorial.

Si el espacio vectorial V tiene una base con un número finito de elementos,

entonces la dimensión de V es el número de vectores en todas las bases y V se
denomina espacio vectorial de dimensión finita. De otra manera, V se denomina
espacio vectorial de dimensión infinita. Si V = {0}, entonces se dice que V tiene
dimensión cero.

La dimensión V se denota por dim V.

No se ha demostrado que todo espacio vectorial tiene una base. si V tiene una base
finita, entonces V es de dimensión finita. De otra manera, V tiene dimensión infinita.
Por lo tanto, con el fin de demostrar que V tiene dimensión infinita, sólo es necesario
demostrar que V no tiene una base finita, lo que se puede hacer probando que V
contiene un número infinito de vectores linealmente independientes.
 ÁLGEBRA LINEAL

-Ejemplos de dimensiones (extraídos del libro algebra lineal):

14
 ÁLGEBRA LINEAL

5. DEFINICION DE UNA TRANFORMACION LINEAL.

Una transformación lineal es una función que tiene como dominio un espacio
vectorial, y como contradominio también un espacio vectorial, y que además
conserva las propiedades de linealidad de dichos espacios

Las transformaciones lineales ocurren con mucha frecuencia en el álgebra lineal y

otras ramas de las matemáticas. Éstas tienen una gran variedad de aplicaciones
importantes.
15

El espacio vectorial V es el dominio de la función T, y el conjunto de vectores

es el contradominio.

Tres observaciones sobre notación:

1. Se escribe T: V → W para indicar que T toma el espacio vectorial real V y lo lleva

al espacio vectorial real W; esto es, T es una función con V como su dominio y un
subconjunto de W como su imagen.

2. Se escriben indistintamente Tv y T(v). Denotan lo mismo; las dos se leen “T de

v”. Esto es análogo a la notación funcional f (x), que se lee “f de x”.

3. Gran parte de las definiciones y teoremas también se cumplen para los espacios
vectoriales complejos (espacios vectoriales en donde los escalares son números
complejos).

Las transformaciones lineales con frecuencia se denominan operadores lineales.

 ÁLGEBRA LINEAL

-Propiedades de una transformación lineal

-Propiedad 1

La imagen del vector nulo del dominio 0V es el vector nulo del codominio 0w
T(0V)=0w

Demostración:

T(0V)=T(0.v)=0.T(v)=0.w=0W
Donde hemos expresado a 0V como el producto del escalar 0 por cualquier vector 16
del espacio vectorial V, hemos usado la segunda condición que debe cumplir una
transformación lineal, y finalmente hemos vuelto a usar la propiedad de espacios
vectoriales sobre el producto del escalar 0 por cualquier vector.

-Propiedad 2

La imagen del vector –v es igual al opuesto de la imagen de v:

T(–v)=–T(v)

Demostración:

T(–v)=T(–1.v)=–1.T(v)=–T(v)
La justificación de los pasos dados en la demostración es similar a la anterior.

-Propiedad 3

Consideremos r vectores del espacio vectorial V:

v1,v2,…,vr∈V
Tomemos una combinación lineal en el dominio:

α1v1+α2v2+α3v3+...+αrvr

Donde αi∈R
Si aplicamos la transformación lineal F de V a W, teniendo en cuenta las
propiedades enunciadas en la definición, resulta:

F(α1v1+α2v2+α3v3+...+αrvr)=α1F(v1)+α2F(v2)+…+αrF(vr)

Es decir que una transformación lineal “transporta” combinaciones lineales

de V a W, conservando los escalares de la combinación lineal.
 ÁLGEBRA LINEAL

-Ejemplos de transformaciones lineales (extraídos del libro algebra

lineal)

17
 ÁLGEBRA LINEAL

6. REPRESENTACIÓN MATRICIAL DE UN ESPACIO VECTORIAL

Y UNA TRANSFORMACIÓN LINEAL.

Así como se pueden representar operadores lineales como matrices, cualquier

transformación lineal entre espacios vectoriales de dimensión finita se puede
representar mediante una matriz. A pesar de que las transformaciones matriciales
son las transformaciones lineales más sencillas, en Rn son las únicas. Esto lo afirma
el siguiente resultado.
Teorema: Toda transformación lineal T : Rn → Rm es una transformación matricial.
18
Sean V y W dos espacios vectoriales de dimensión n y m, respectivamente, y sea
T: V → W una transformación lineal, entonces existe una matriz A de orden m × n
llamada matriz de transformación o representación matricial de T que satisface T(v)
= Av. para toda v en V.

-Matriz de transformación lineal

Sea T: Rn → Rm una transformación lineal, de acuerdo a los teoremas de

representación matricial, solo existe una matriz única de m x n, la matriz de
transformación At, donde toda x pertenece a R^n y donde w representa la x
transformada, de modo que la transformación de x es igual a x multiplicada por la
matriz de transformación.
 ÁLGEBRA LINEAL

Ejemplos de representaciones matriciales vectoriales (extraídos del

19
libro algebra lineal):

-Representación matricial de una transformación de proyección

La representación matricial de una transformación de proyección se obtiene, al

tomar el vector original y multiplicarlo por una matriz de identidad acorde al plano al
que se quiere proyectar.
Ejemplo: Proyeccion de un vector en R^3 sobre un plano xy se representaría como:
ÁLGEBRA LINEAL

20
 ÁLGEBRA LINEAL

7. BIBLIOGRAFÍA
Libro base de la investigación:
https://gerortiz.files.wordpress.com/2015/08/algebra_lineal_-
_7ma_edicion_-_stanley_l-_grossman.pdf

Páginas de consulta para complemento de información:

http://cb.mty.itesm.mx/ma1010/materiales/ma1010-08.pdf
https://aga.frba.utn.edu.ar/espacios-y-subespacios-vectoriales/ 21
https://es.wikipedia.org/wiki/Dimensi%C3%B3n_de_un_espacio_vector
ial
https://es.wikipedia.org/wiki/Base_(%C3%A1lgebra)
http://fcm.ens.uabc.mx/~matematicas/algebralineal/V%20Transformaci
ones%20Lineales/01%20transformaciones%20lineales.htm
https://aga.frba.utn.edu.ar/definicion-y-propiedades-de-las-
transformaciones-lineales/
https://gerortiz.files.wordpress.com/2015/08/algebra_lineal_-
_7ma_edicion_-_stanley_l-_grossman.pdf
https://lineal2cx07.wordpress.com/2016/04/08/representacion-
matricial-de-una-transformacion-lineal/
https://prezi.com/cnf9va35nn9l/representacion-matricial-de-una-
transformacion-lineal/