You are on page 1of 16

ESPACIO VECTORIAL

Un espacio vectorial (o espacio lineal) es el objeto básico de


estudio en la rama de la matemática llamada álgebra lineal. Las
operaciones que podemos realizar entre ellos son: la suma de vectores y
la multiplicación por un escalar, el producto punto, el producto vectorial
y el triple producto escalar con algunas restricciones naturales como el
cierre de estas operaciones, la asociatividad de estas y la combinación
de estas operaciones, siguiendo, llegamos a la descripción de una
estructura matemática llamada espacio vectorial.

CUERPO

Un cuerpo o campo es un anillo de división conmutativo, es decir,


un anillo conmutativo en el que todo elemento distinto de cero (todo
elemento no nulo) es invertible respecto del producto (es una unidad).

Ejemplos: los números racionales, reales, complejos.

En álgebra abstracta, un cuerpo es una estructura algebraica en


la cual las operaciones de adición y multiplicación se pueden realizar y
cumplen las propiedades asociativa, conmutativa y distributiva, además
de la existencia de un inverso aditivo y de un inverso muliplicativo, los
cuales permiten efectuar la operaciones de substracción y división
(excepto la división por cero); estas propiedades ya son familiares de la
aritmética de números ordinarios.

Los cuerpos son objetos importantes de estudio en álgebra puesto


que proporcionan la generalización apropiada de dominios de números
tales como los conjuntos de números racionales, de los números reales,
o de los números complejos. Los cuerpos eran llamados dominios
racionales.
Ejemplos de cuerpos

 Los números racionales donde está


incluido el conjunto de los números enteros.

 Los números reales .

 Los números complejos .

 El cuerpo más pequeño tiene solamente dos elementos: 0 y 1. Es


denotado por o y puede a veces ser definido por las dos
tablas

+ 0 1 * 0 1
0 0 1 0 0 0
1 1 0 1 0 1
Tiene aplicaciones importantes en informática, especialmente en
criptografía y teoría de la codificación.
 Más generalmente, para un número primo p, el conjunto de los
números enteros módulo p es un cuerpo finito con los p

elementos: esto se escribe a menudo como


donde las operaciones son definidas realizando la operación en ,
dividiendo por p y tomando el resto, ver aritmética modular.

 Los números reales contienen varios subcuerpos interesantes: los


números reales algebraicos, los números computables, y los
números definibles.

GRUPO DE UN ESPACIO VECTORIAL

En el estudio de los grupos matemáticos, una representación de


grupo es una "descripción" de un grupo como grupo concreto de
transformaciones (o grupo de automorfismos) de un cierto objeto
matemático. Más formalmente, la "descripción" significa que hay un
homomorfismo del grupo a un cierto grupo de automorfismos. Una
representación fiel es una en el cual este homomorfismo es inyectivo.

Ejemplos

Alguna gente utiliza realización para esta noción y reserva el


término representación para lo qué más abajo se llamará
representaciones lineales. La teoría de la representación se divide en
subteorías dependiendo de la clase de grupo que es representado. Las
diversas teorías son absolutamente diferentes en su detalle, aunque
algunas definiciones y conceptos básicos son similares. Las divisiones
más importantes son:

Grupos finitos: las representaciones de grupo son una herramienta


muy importante en el estudio de grupos finitos. También aparecen en
ciertas aplicaciones de la teoría de grupos finitos cristalografía y en
geometría

Grupos topológicos compactos o localmente compactos: muchos


de los resultados de la teoría de representación de grupos finitos son
probados haciendo un promedio sobre el grupo.

Grupos de Lie: Muchos grupos de Lie importantes son compactos,


así que los resultados de la teoría compacta de representación se
aplican a ellos. Otras técnicas específicas de los grupos de Lie se utilizan
también.

Grupos topológicos no compactos: La clase de grupos no compactos es


demasiado amplia para construir cualquier teoría general de
representación, pero se han estudiado casos especiales específicos, a
veces usando técnicas ad hoc. Los grupos de Lie semisimples tiene una
teoría profunda, basada en el caso compacto.

Dentro de una clase dada de teoría de representación, los


resultados se diferencian dependiendo de la clase de grupo de
automorfismos que se busque. Un posible 'blanco' para el
homomorfismo de la definición son los grupos de permutaciones. Pero
los 'blancos' más importantes son grupos de matrices sobre algunos
cuerpos, o, más generalmente, grupos de transformaciones lineales
inversibles de un espacio vectorial.

DIMENSIÓN DE UN ESPACIO VECTORIAL

La dimensión de un espacio vectorial es la respuesta a la


pregunta: ¿Cuántos parámetros se necesitan para localizar con toda
precisión un punto en este espacio?

Bien es sabido que sobre una recta donde se ha escogido dos


puntos, O(origen) e I(1,0) todo punto, M, está perfectamente definido a
partir de su abscisa x:

En un plano (P), se escogen tres puntos distintos O,I e J, y se


definen los vectores:

y un punto M es localizado por su abscisa x y su ordenada y: M(x, y)


significa
Si se cambia el cuerpo de los escalares, de a , entonces el
mismo punto M será deteminado por el complejo zM =x + yi, es decir por
un solo parámetro.

La dimensión de P es 1 sobre y dos sobre :

Un plano real es por lo tanto una recta compleja. La apelación


plano complejo para designar un plano real con escritura compleja de
las coordenadas ( x + yi en vez de (x; y) ) es errónea, pero muy común.

El espacio ambiente es tridimensional y se requiere por lo tanto


tres reales (x, y, z) para definir un punto. No se le puede considerar
como un espacio sobre .

En la teoría de la relatividad, se añade una cuarta variable: el


tiempo, y un punto (x, y, z, t) de este espacio cuadridimensional
corresponde a un evento o acontecimiento (las coordenadas nos dicen
donde y cuando ocurrió).

BASE DE UN ESPACIO VECTORIAL

Hasta el momento, hemos visto que las relaciones de orden nos


ofrecen una forma de organizar los subespacios de un espacio vectorial
según su contención, en especial, todos los múltiplos escalares de un

subespacio forman el menor conjunto que incluye a .


Supongamos que para , con , todo

elemento es una combinación lineal de los elementos de , es


decir:

(1
)

entonces se dice que es una expansión de .

Para , decimos que es linealmente

dependiente si existen escalares no todos iguales a 0 tal que:

(2
)

Esto indica que alguno de los elementos de es múltiplo de otro; en


caso contrario, si la ecuación 2 no se cumple más que para

, entonces los elementos de son linealmente


independientes.

De aquí, si es una expansión de , entonces el conjunto de

vectores linealmente independientes forma una base de . Con

las relaciones de orden sobre , podemos encontrar como el conjunto

de elementos linealmente independientes que generan a por medio


de todas las posibles combinaciones lineales, así, el número de vectores

linealmente independiente en dado por define la dimensión del


espacio.

COMBINACIÓN LINEAL

Un vector (elemento de un espacio vectorial) es combinación


lineal de un conjunto de vectores si existe una cantidad finita, pero a
su vez se encuentra regida por la ley de Bohegiher IV de elementos de
que denotaremos por , y esa misma cantidad de
escalares (elementos del cuerpo sobre el que el espacio vectorial está
construido) , de forma que

Así, es combinación lineal de vectores de si podemos


expresar como una suma de múltiplos de una cantidad finita de
elementos de .

Ejemplo: 2x + 3y − 2z = 0. Se dice que z es combinación lineal de x y de

y, porque podemos escribir sin más que despejar la z. De la


misma manera, despejando oportunamente, cada una de estas variables
se podría expresar como combinación lineal de las otras do

DEPENDENCIA E INDEPENDENCIA LINEAL

En álgebra lineal, un conjunto de vectores es linealmente


independiente si ninguno de ellos puede ser escrito con una
combinación lineal de los restantes. Por ejemplo, en R3, los vectores (1,
0, 0), (0, 1, 0) y (0, 0, 1) son linealmente independientes, mientras que
(2, −1, 1), (1, 0, 1) y (3, −1, 2) no lo son, ya que el tercero es la suma de
los dos primeros. Los vectores que no son linealmente independientes
son linealmente dependientes.

Sea {v1, v2,..., vn} un conjunto de vectores. Decimos que son


linealmente dependientes si existen números 'a 1, a2,..., an, no todos
iguales a cero, tal que:

Nótese que el cero en el lado derecho es el vector nulo, no el número


cero. y el conjunto de vectores nulos forma la matriz nula.

Si tales números no existen, entonces los vectores son


linealmente independientes.

Utilizando conceptos de espacios vectoriales podemos redefinir la


independencia lineal así:

Un conjunto de vectores U de un espacio vectorial es linealmente

independiente si ∀

Esta idea es importante porque los conjuntos de vectores que son


linealmente indepedientes y generan a un espacio vectorial, forman una
base para dicho espacio.

Entre las propiedades de los vectores linealmente dependientes e


independientes encontramos:

1. Un conjunto de vectores es linealmente dependiente si y


solamente si alguno de los vectores es combinación lineal de los
demás.
2. Si un conjunto de vectores es linealmente independiente cualquier
subconjunto suyo también lo es.

Obviamente, si tenemos un conjunto de vectores tales que ninguno


de ellos es combinación de los demás, escogiendo solamente unos
cuantos, no podrán ser combinación de los otros.

1. Si un conjunto de vectores es linealmente dependiente también lo


es todo conjunto que lo contenga.

Ya que un conjunto de vectores es linealmente dependiente si y solo


si tiene algún vector que es combinación lineal de los demás, si
metemos este conjunto de vectores en otro más grande, seguimos
teniendo el vector que es combinación lineal de otros, por tanto, el
conjunto más grande sigue siendo linealmente dependiente.

Ejemplo

En el espacio tridimensional usual:

 u y j son dependientes por tener la misma dirección (y sentidos


opuestos).
 u y v son independientes y definen el plano P.
 u, v y w son dependientes por estar los tres contenidos en el
mismo plano.
 u v y k son independientes por serlo u y v entre sí y no ser k una
combinación lineal de ellos o, lo que es lo mismo, por no
pertenecer al plano P. Los tres vectores definen el espacio
tridimensional.
 Los vectores o (vector nulo, cuyas componentes son iguales a
cero) y k son dependientes ya que o = 0 ·k

Ejemplo del uso de la fórmula f:

¿Son los tres vectores siguientes independientes?

Buscamos tres valores x, y y z que satisfagan la ecuación:

Lo que equivale al sistema de ecuaciones siguiente:

Dado que la única solución es la trivial (x = y = z = 0), los tres


vectores son independientes.

TRANSFORMACION LINEAL

Una transformación lineal es un conjunto de operaciones que se


realizan sobre un elemento de un sub espacio, para transformarlo en un
elemento de otro sub-espacio. En ocasiones trabajar con vectores es
muy sencillo ya que pueden ser fácilmente interpretados dentro de un
contexto gráfico, lamentablemente no siempre ocurre y es necesario
transformar a los vectores para poderlos trabajar más fácilmente. Por
otra parte, trabajar con sistemas lineales es mucho más sencillo que con
sistemas no lineales, ya que se puede utilizar una técnica llamada
superposición, la cual simplifica de gran manera gran variedad de
cálculos, por lo que es de gran interés demostrar que un proceso puede
ser reducido a un sistema lineal, lo cual solo puede lograrse
demostrando que estas operaciones forman una transformación lineal.

Se denomina transformación lineal, función lineal o


aplicación lineal a toda aplicación cuyo dominio y codominio sean
espacios vectoriales que cumpla la siguiente definición:

Sean V y W espacios vectoriales sobre el mismo cuerpo o campo K, y


T una función de V en W. T es una transformación lineal si para todo par
de vectores u y v pertenecientes a V y para todo escalar k perteneciente
a K, se satisface que:

1.

2. donde k es un escalar.

La particularidad de una transformación lineal es que preserva las


operaciones de suma de vectores y producto de un escalar por un
vector.

Son aplicaciones lineales los operadores usados en la formulación


matemática de la mecánica cuántica
NÚCLEO (KERNEL) E IMAGEN

Si es lineal, se define el núcleo y la imagen de T de la


siguiente manera:

Es decir que el núcleo de una transformación lineal está formado


por el conjunto de todos los vectores del dominio que tienen por imagen
al vector nulo del codominio.

El núcleo de toda transformación lineal es un subespacio del dominio:

1. dado que
2. Dados

3. Dados

Se denomina nulidad a la dimensión del núcleo. Nulidad(T) =


dim(ker(T))

O sea que la imagen de una transformación lineal está formada por el


conjunto de todos los vectores del codominio que son imágenes de al
menos algún vector del dominio.

 La imagen de toda transformación lineal es un subespacio del


codominio.
 El rango de una transformación lineal es la dimensión de la
imagen.

rg(T) = dim(Im(T))
INTRODUCCIÓN

El álgebra lineal es la rama de las matemáticas que estudia


conceptos tales como vectores, matrices, sistemas de ecuaciones
lineales y en un enfoque más formal, espacios vectoriales, y
transformaciones lineales.

Es un área activa que tiene conexiones con muchas áreas dentro y


fuera de las matemáticas como análisis funcional, ecuaciones
diferenciales, investigación de operaciones, gráficas por computadora,
ingeniería, etc

De manera más formal, el álgebra lineal estudia conjuntos


denominados espacios vectoriales, los cuales constan de un conjunto de
vectores y un conjunto de escalares (que tiene estructura de campo, con
una operación de suma de vectores y otra de producto entre escalares y
vectores que satisfacen ciertas propiedades (por ejemplo, que la suma
es conmutativa).

CONCLUSIÓN

La historia del álgebra del siglo XIX quedaría incompleta si no


atendiésemos a la formación del álgebra lineal, surgida de la teoría de
los sistemas de ecuaciones lineales y relacionada con la teoría de
determinantes y matrices. Durante la segunda mitad de siglo se
realizaron investigaciones muy importantes de la teoría de los
invariantes de las ecuaciones. En este camino del desarrollo, creció la
teoría de las formas que encontró aplicación además de en el álgebra,
en la teoría de números, la geometría diferencial, la geometría
algebraica y la mecánica.
Puesto que el álgebra lineal es una teoría exitosa, sus métodos se
han desarrollado por otras áreas de la matemática: en la teoría de
módulos, que remplaza al cuerpo en los escalares por un anillo; en el
álgebra multilineal, uno lidia con 'múltiples variables' en un problema de
mapeo lineal, en el que cada número de las diferentes variables se
dirige al concepto de tensor; en la teoría del espectro de los operadores
de control de matrices de dimensión infinita, aplicando el análisis
matemático en una teoría que no es puramente algebraica. En todos
estos casos las dificultades técnicas son mucho más grandes.

BIBLIOGRAFIA

SEYMOUR LIPSCHUTZ, Álgebra Lineal, Mc Graw Hill, Madrid, 1992


(recomendado).

D. FADDIEEV, I Sominski, Problemas de Álgebra superior, Mir.

ALBA VALVERDE COLMEIRO, Problemas de Álgebra Lineal y


geometría,Addenda, UNED.

I. V. PROSKURIAKOV, 2000 problemas de Álgebra Lineal. Reverté


Barcelona (1978).