Vamos a abordar el estudio de Álgebra Lineal Bien Hecha (Linear Algebra Done Right) paso a paso. El objetivo es entender las ideas clave y aprender a aplicarlas. Comenzaremos con los fundamentos y construiremos desde ahí.
Espacios Vectoriales
El concepto fundamental es el de espacio vectorial. Un espacio vectorial es un conjunto donde puedes sumar vectores y multiplicarlos por escalares (números). Estos deben obedecer ciertas reglas. Piensa en un plano como un ejemplo de espacio vectorial.
Para verificar si algo es un espacio vectorial, debes verificar que cumpla los axiomas. Por ejemplo, la suma de dos vectores debe estar en el mismo espacio. También, la multiplicación de un vector por un escalar debe estar en el mismo espacio. Hay otros axiomas que deben cumplirse. Ejemplo: R2 (pares ordenados de números reales) es un espacio vectorial.
Must Read
Subespacios
Un subespacio es un subconjunto de un espacio vectorial que también es un espacio vectorial en sí mismo. Es decir, si tomas dos vectores de un subespacio, su suma debe estar en el subespacio. Además, si multiplicas un vector del subespacio por un escalar, el resultado debe estar en el subespacio. El conjunto que solo contiene el vector cero siempre es un subespacio.
Ejemplo: Una línea que pasa por el origen en R2 es un subespacio de R2. Pero una línea que no pasa por el origen no lo es, porque no contiene el vector cero. Verificar que un conjunto es un subespacio es más fácil que verificar si es un espacio vectorial en sí mismo, porque ya sabes que está contenido dentro de un espacio vectorial.
Transformaciones Lineales
Una transformación lineal es una función entre espacios vectoriales que preserva las operaciones de suma y multiplicación por escalares. Es decir, T(u + v) = T(u) + T(v) y T(cu) = cT(u), donde u y v son vectores y c es un escalar. Las transformaciones lineales son la clave para entender cómo se relacionan los espacios vectoriales.
Para verificar que una función es una transformación lineal, debes verificar esas dos propiedades. Ejemplo: La función T(x, y) = (2x, x + y) es una transformación lineal de R2 a R2. Puedes comprobarlo verificando las propiedades de la suma y la multiplicación por escalares.
Núcleo e Imagen
El núcleo (kernel) de una transformación lineal T es el conjunto de todos los vectores que T manda al vector cero. La imagen (range) de T es el conjunto de todos los vectores que se obtienen al aplicar T a todos los vectores del espacio vectorial de partida. El núcleo es un subespacio del espacio vectorial de partida, y la imagen es un subespacio del espacio vectorial de llegada.
El núcleo te dice qué vectores se "colapsan" al cero, y la imagen te dice qué vectores puedes "alcanzar" con la transformación. Ejemplo: Si T(x, y) = (x, 0), entonces el núcleo es el conjunto de todos los vectores de la forma (0, y), y la imagen es el conjunto de todos los vectores de la forma (x, 0).
Bases y Dimensión
Una base de un espacio vectorial es un conjunto de vectores linealmente independientes que generan todo el espacio. La dimensión de un espacio vectorial es el número de vectores en una base. La dimensión es una medida del "tamaño" del espacio vectorial. Todos los espacios vectoriales que tienen una base finita tienen una dimensión.
Para encontrar una base, puedes empezar con un conjunto generador y eliminar vectores linealmente dependientes hasta que te quede un conjunto linealmente independiente. Ejemplo: Los vectores (1, 0) y (0, 1) forman una base de R2, y por lo tanto R2 tiene dimensión 2.
Producto Interno
Un producto interno (producto escalar) es una forma de multiplicar vectores que produce un escalar. Debe satisfacer ciertas propiedades, como ser lineal en cada argumento y ser definido positivo. Permite definir conceptos como la longitud de un vector y el ángulo entre dos vectores. Es esencial para la geometría en espacios vectoriales. En Rn, el producto interno estándar es el producto punto.
El producto interno te permite definir la norma de un vector (su longitud) y la ortogonalidad (perpendicularidad) entre vectores. Ejemplo: En R2, el producto interno de (x1, y1) y (x2, y2) es x1x2 + y1y2.
