4 ESPACOS VECTORIALES: 4.1 DEFINICION DE ESPACIO VECTORIAL Y SUS PROPIEDADES.

n espacio vectorial sobre un cuerpo (como el cuerpo de los nmeros reales o los nmeros complejos) es un conjunto no vaco, dotado de dos operaciones: Con la operacin interna tal que: 1) tenga la propiedad conmutativa, es decir 2) tenga la propiedad asociativa, es decir

3) tenga elemento neutro , es decir 4) tenga elemento opuesto, es decir

y la operacin producto por un escalar:

operacin externa tal que: 5) tenga la propiedad:

6) tenga elemento neutro 1: Que tenga la propiedad distributiva: 7) distributiva por la izquierda:

8) distributiva por la derecha:

Propiedades
Unicidad del vector neutro de la propiedad 3: supongamos que el neutro no es nico, es decir, sean y dos vectores neutros, entonces:

Unicidad del vector opuesto de la propiedad 4: supongamos que el opuesto no es nico, es decir, sean y dos vectores opuestos de , entonces, como el neutro es nico:

Unicidad del elemento en el cuerpo K: supongamos que 1 no es nico, es decir, sean y dos unidades, entonces:

Unicidad del elemento inverso en el cuerpo K: supongamos que el inverso a 1 de a, no es nico, es decir, sean y dos opuestos de , entonces, como el neutro es nico:

Producto de un escalar por el vector neutro:

Producto del escalar 0 por un vector:

Si . . Si a=0 es cierto. Si entonces:

Signos equivalentes:

Notacin

4.2 DEFINICION DE SUBESPACIO DE UN ESPACIO VECTORIAL Y SUS PROPIEDADES. Sub espacio vectorial: Esto dice que si W es un sub conjunto del espacio vectorial V entonces este es un sub espacio de V. Si W es un espacio vectorial bajo las operaciones de suma y multiplicacin por un escalar definidas en V. Para que W sea un sub espacio de V debe cumplir las propiedades de cierre de la suma y la multiplicacin por un escalar tambin debe cumplir la ley del elemento neutro bajo la suma, el inverso bajo la suma y el neutro bajo la multiplicacin por un escalar.

Teorema. Un subconjunto no vaco 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 i. Si x H y y H, entonces x + y H. ii. Si x H, entonces x H para todo escalar

Demostracin. Para demostrar que H es un espcacio vectorial, debemos verificar que los axiomas de los espacios vectoriales cumplen con las operaciones de la suma vectorial y multiplicacin escalar definidas en V. Las dos operaciones de cerradura se cumplen por hiptesis. Puesto que los vectores en H tambin estn en V, las leyes asociativa, conmutativa, distributiva y la del neutro multiplicativo se satisfacen. Ahora, si x H entonces 0x H, debido a la hiptesis (ii). Pero por el teorema de espacios vectoriales (parte ii), 0x = 0. Consecuentemente 0 H y el axioma (iii) se cumple. Finalmente, de la parte (ii) tenemos que (-1)x H para todo x H. Por el teorema de espacios vectoriales (parte iv), -x = (-1)x H, de tal forma que el axioma (iv) tambin se cumple y con ello concluimos la demostracin. 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 4.3 PROPIEDADES DE VERTICES, COMBINACION LINEAL, DEPENDENCIA E INDEPENDENCIA LINEAL.

Combinacin lineal
Un vector se dice que es combinacin lineal de un conjunto de vectores si existe una forma de expresarlo como suma de parte o todos los vectores de multiplicados cada uno de ellos por un coeficiente escalar que: , de forma

As, X es combinacin lineal de A vectores de si podemos expresar como una suma de mltiplos de una cantidad finita de elementos de A . Ejemplo: 2x + 3y 2z = 0. Se dice que z es combinacin lineal de x y de y,

porque podemos escribir

sin ms que despejar la z.

De la misma manera, despejando oportunamente, cada una de estas variables se podra expresar como combinacin lineal de las otras dos. En otras palabras, cunto de cada vector del conjunto necesito para que, cuando se combinen linealmente dichos elementos , pueda formar al vector en cuestin.

Dependencia e independencia lineal

Sea un conjunto de vectores. Decimos que son linealmente dependientes si existen nmeros , no todos iguales a cero, tal que:

Ntese que el smbolo a la derecha del signo igual no es cero, sino que simboliza al vector nulo . El conjunto de vectores nulos forma la matriz nula. Si tales nmeros no existen, entonces los vectores son linealmente independientes. Utilizando conceptos de espacios vectoriales podemos redefinir la independencia lineal as: 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, generan un espacio vectorial y forman una base para dicho espacio. Entre las propiedades de los vectores linealmente

dependientes e independientes encontramos: Un conjunto de vectores es linealmente dependiente si y solamente si alguno de los vectores es combinacin lineal de los dems. Si un conjunto de vectores es linealmente independiente cualquier subconjunto suyo tambin lo es. Obviamente, si tenemos un conjunto de vectores tales que ninguno de ellos es combinacin de los dems, escogiendo solamente unos cuantos, no podrn ser combinacin de los otros. Si un conjunto de vectores es linealmente dependiente tambin lo es todo conjunto que lo contenga. Ya que un conjunto de vectores es linealmente dependiente si y solo si tiene algn vector que es combinacin lineal de los dems, si metemos este conjunto de vectores en otro ms grande, seguimos teniendo el vector que es combinacin lineal de otros, por tanto, el conjunto ms grande sigue siendo linealmente dependiente. 4.4 BASE, DIMENCION DE UN ESPACIO VECTORIAL.

Definicion: Base. Se llama base de un espacio (o subespacio) vectorial a un

sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente.

Propiedades de las bases.

1. Una base de S es un sistema generador minimal de S (lomaspequenoposible). 2. Ademas es un conjunto independiente maximal dentro de S (lomasgrandeposible). 3. UnabasedeSpermiteexpresartodoslosvectoresdeScomocombinacionlinealdeella, de manera unica para cada vector.

4.5 Espacio vectorial con producto interno y sus propiedades.

DEFINICIN 1
Espacio con producto interno.- Un espacio vectorial complejo V se llama espacio con producto interno si para cada par ordenado de vectores u y v en V, existe un nmero complejo nico (u,v), llamado producto interno de u y v, tal que si u, v y w estn en V y

C, entonces

EJEMPLO
Un producto interno en Rn Rn .- es un espacio con producto interno con (u, v)= u * v.

DEFINICIN 2
Sea V un espacio con producto interno y suponga que u y v estan en V. Entonces i. U y v son ortogonales si (u, v) = 0 La norma de u, denota por u, esta dada por U= Nota: A la u se le pone doble barra para evitar confusin con el valor absoluto

EJEMPLO

Dos vectores ortogonales en C2 En C2 los vectores (3, -1) y (2, 6i) son ortogonales porque ((3, -1), (2, 6i)) = 3*2 + (-i)(6i) = 6 + (-i)(-6i) = 6 -6 = 0 adems (3, -i)) = = .

DEFINICIN 3
Conjunto ortonormal .- El conjunto de vectores v1, v2, . . ., vn es un conjunto ortonormal en V si (vi, vj) = 0 para i y vi = = 1

DEFINICIN 4
Complemento ortogonal.- Sea H un subespacio del espacio con producto interno V. Entonces el complemento ortogonal de H, denotado por H, est dado por H=x V : (x, h) = 0 para todo h H

4.6 Cambio de base, base ortogonal, Proceso de ortogonalizacin de Gram-Schmidt

ectores ortogonales y ortonormales Vectores ortogonales
Dos vectores son ortogonales si su producto escalar es cero.

Ejemplo

Vectores ortonormales
Dos vectores son ortonormales si:

1. 2.

Su producto escalar es cero. Los dos vectores son unitarios.

En lgebra lineal, el proceso de ortogonalizacin de GramSchmidt es un algoritmo para construir, a partir de un conjunto de vectores linealmente independientes de un espacio prehilbertiano (usualmente, el espacio eucldeo Rn), otro conjunto ortonormal de vectores que genere el mismo subespacio vectorial. Este algoritmo recibe su nombre de los matemticos Jrgen Pedersen Gram y Erhard Schmidt.

Descripcin del algoritmo de ortogonalizacin de GramSchmidt

Los dos primeros pasos del proceso de GramSchmidt

Se define, en primer lugar, el operador proyeccin mediante

donde los corchetes angulares representan el producto interior. Es evidente que

es un vector ortogonal a . Entonces, dados los vectores algoritmo de GramSchmidt construye los vectores ortonormales

, el

de la manera siguiente:

A partir de las propiedades de la proyeccin y del producto escalar, es sencillo probar que la sucesin de vectores es ortogonal.