4-1-1 ESPACIO VECTORIAL 1.DOCX

Embed Size (px)

Citation preview

ESPACIOS VECTORIALESDEFINICIN Y PROPIEDADES BSICASEspacio vectorial realUnespacio vectorial realV es un conjunto de objetos, llamadosvectores, junto con dos operaciones llamadassumaymultiplicacin por un escalarque satisfacen los diez axiomas enumerados a continuacin.Notacin.Sixyyestn enVy si a es un nmero real, entonces la suma se escribe comox + yy el producto escalar de a yxcomo ax.AXIOMAS DE UN ESPACIO VECTORIAL SixE Vyy E V, entoncesx+yV (cerradura bajo la suma) Para todox,yyzen V, (x+y) + z =x +(y+z) (ley asociativa de la suma de vectores) Existe un vector0V tal que para todoxV,x+0=0+x=x (el0 se llamavector cero o idntico aditivo) Six EV, existe un vector -xen V tal quex +(-x) =0(-xse llamainverso aditivo dex) Sixyyestn en V, entoncesx+y=y+x (ley conmutativa de la suma de vectores) SixE V y a es un escalar, entonces a.x- V (cerradura bajo la multiplicacin por un escalar) Sixyyestn en V yes un escalar, entonces(x+y) =x +y (primera ley distributiva) SixV yyson escalares, entonces (+)x=x+x (Segunda ley distributiva) SixV y y son escalares, entonces (x) = ()x (ley asociativa de la multiplicacin por escalares) Para cada vectorxV, 1x= xEJEMPLO 1El espacioRn SeaV= Rn = : xj E R para i = 1,2,...,n.Cada vector en Rn es una matriz de n * 1. segn la definicin de suma de matrices, x + y es una matriz de n * 1 sixyyson matrices de n*1. Haciendo0= y -x= , se ve que los axiomas ii) ax ) se obtienen de ladefinicin de matrices. SUBESPACIOSDEFINICINSeaHun subconjunto no vaco de un espacio vectorialVy suponga queHes en s un espacio vectorial bajo las operaciones de suma y multiplicacin por un escalar definidas enV. Entonces se dice queHes un subespaciodeV.Se puede decir que el subespacio Hheredalas operaciones del espacio vectorial padre V.TEOREMA 1Un subconjunto no vacio H es un espacio vectorial V es un subespacio de V si se cumplen las dos reglas de cerradura. Este teorema demuestra que para probar si H es o no un subespacio de V, es suficiente verificar quex+yy axestn en H cuandoxyyestn en H y a es un escalar.Lo anterior dice que:Todo subespacio de un espacio vectorial V contiene al 0.EJEMPLOEl subespacio trivialPara cualquier espacio vectorial V, el subconjunto 0 que consiste en el vector cero nada ms es un subespacio ya que 0+0= 0 y a0 = 0 para todo nmero real a.TEOREMA 2Sean H1 y H2 dos subespacios de un espacio vectorial V. EntoncesH1 H2 es un subespacio de V.5.3 INDEPENDENCIA LINEALEn el estudio de lgebra lineal, una de las ideas centrales es la dependencia o independencia lineal de los vectores.DEFINICINDependencia e independencia lineal seanv1,v2,..., vn, n vectores en un espacio vectorial V. Entonces se dice que los vectores sonlineamientos dependientessi existen n escalares no todos cero tales queC1v1 + c2v2 + ... cnvn = 0Si los vectores no son lineamientos dependientes, se dice que sonlineamientos independientes.TEOREMA 1Dos vectores en un espacio vectorial son linealmente dependientes si y slo si uno es un mltiplo escalar del otro.TEOREMA 2Un conjunto de n vectores en Rm siempre es linealmente dependiente si n>m.TEOREMA 3A=Entonces las columnas de A, consideradas como vectores, son linealmente dependientes si y solo si el sistema , que se puede escribir comoAc= 0, tiene soluciones no triviales.TEOREMA 4Sean v1, v2, ..., vn, n vectores en Rn y sea A una matriz de n*n cuyas columnas son v1, v2, ..., vn. Entonces v1, v2, ..., vn son linealmente independientes si y slo si la nica solucin al sistema homogneo Ax= 0 es la solucin trivial x=0.TEOREMA 5Sea A una matriz de n*n. Entonces det A = 0 si y solo si las columnas de A son linealmente independientes.TEOREMA 6Cualquier conjunto n vectores linealmente independientes en Rn genera a RnEJEMPLODos vectores linealmente dependientes enR4Los vectores v1= y v2= son linealmente dependientes ya que v2= -3v1.5.4 BASES Y DIMENSINDEFINICINBaseUn conjunto finito de vectores v1, v2, . . ., vn es una base para un espacio vectorial V si v1, v2, . . ., vn es linealmente independiente v1, v2, . . ., vn genera V.Todo conjunto de n vectores linealmente independiente Rn es una base en RnEn Rn se defineBase cannica.-Entonces, como los vectores e1 son las columnas de una matriz identidad e1, e2, . . ., en es un conjunto linealmente independiente y, por lo tanto, constituye una base en Rn.EJEMPLOBase cannica para M22que , , y generan a M22Si= C1 + C2 + C3 + C4 = , entonces es obvio que c1 = c2=c3=c4= 0. As, estas matrices son linealmente independientes y forman una base paraM22.DEFINICINDimensin.-Si el espacio vectorial V tienen una base finita, entonces ladimensinde V es el nmero de vectores en todas las bases y V se llamaespacio vectorial de dimensin finita.De otra manera, V se llamaespacio de dimensin infinita.Si V = 0 , entonces se dice que V tienedimensin cero.EJEMPLOLa dimensin deRn Como n vectores linealmente independientes en Rn constituye una base, se ve queDim Rn = n ESPACIOS CON PRODUCTO INTERNODEFINICIN 1Espacio con producto interno.-Un espacio vectorial complejo V se llamaespacio con producto internosi para cada par ordenado de vectoresuyven V, existe un nmero complejo nico (u,v), llamadoproducto internodeuyv,tal que siu,vywestn en V y

C, entoncesEJEMPLOUn producto interno enRn Rn .- es un espacio con producto interno con (u, v)= u * v.DEFINICIN 2Sea V un espacio con producto interno y suponga que u y v estan en V. Entoncesi. U y v sonortogonalessi (u, v) = 0 Lanormade u, denota por u, esta dada porU=Nota:A la u se le pone doble barra para evitar confusin con el valor absolutoEJEMPLODos vectores ortogonales enC2En 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 3Conjunto ortonormal.-El conjunto de vectores v1, v2, . . ., vn es un conjunto ortonormal en V si(vi, vj) = 0 para iyvi = = 1DEFINICIN 4Complemento ortogonal.-Sea H un subespacio del espacio con producto interno V. Entonces el complemento ortogonal de H, denotado por H, est dado porH= xV : (x, h) = 0 para todohH