Espacios vectoriales.
4.1 Definición de espacio vectorial.
Un vector es una magnitud que consta de módulo, dirección y sentido alguno, sin
embargo; más teóricos, explicarían que un vector es una entidad tal que para ser
expresada necesita de n escalares (números); siendo n cualquier número natural.
Un espacio vectorial es un conjunto no vacío de V objetos, llamados vectores, en
el que están definidas dos operaciones, llamadas suma y multiplicación por
escalares (números reales), sujetas a diez axiomas (o reglas) que se dan a
continuación. Los axiomas deben valer para todos los vectores u, v, y w en V y
todos los escalares c y d.
Los axiomas son los siguientes:
1. La suma de u y v, denotada por u + v, está en V
2. u + v = v + u
3. (u + v) + w = u + (v + w)
4. Existe un vector 0 en V tal que u + 0 = u
5. Para cada u en V, existe un vector –u en V tal que u + (-u) = u.
6. El múltiplo escalar de u por c, denotado cu, está en V
7. c (u + v) = cu + cv
8. (c+ d) u = cu + du
9. c(du) = (cd)u
10. 1u=u
Ejemplos:
1- R3es un espacio vectorial.
2-Los espacios Rn , con n≥1n≥1, son los ejemplos principales de espacios
vectoriales.
4.2 Definición de subespacio vectorial y sus propiedades.
Un subespacio vectorial V es un subconjunto H de V que tiene tres propiedades:
a. El vector cero de V está en H 2
b. H es cerrado bajo la suma de vectores. Esto es, para cada u y v en H, la suma u
+ v está en H.
c. H es cerrado bajo la multiplicación por escalares. Esto es, para cada u en H y
cada escalar c, el vector cu está en H.
Las propiedades (a), (b) y (c) garantizan que un subespacio H de V es en sí
mismo un espacio vectorial, bajo las operaciones de espacio vectorial ya definidas
en V.
Ejemplo.
El conjunto que consta únicamente de un vector cero en un espacio vectorial V es
un subespacio de V llamado subespacio cero se escribe {0}
Teorema de subespacio
Un subconjunto no vacío de H de un espacio vectorial V es un sub espacio de V si
se cumplen las dos reglas de cerradura:
Reglas de cerradura para ver si un subconjunto no vació es un sub espacio
1) Si x € H y y € H, entonces x + y € H.
2) Si x € H, entonces αx € H para todo escalar α.
Es obvio que, si H es un espacio vectorial, entonces las dos reglas de cerradura
se deberán cumplir. De lo contrario, para demostrar que es un espacio vectorial,
se deberá demostrar que los axiomas 1) a 10) de la definición cumplen bajo las
operaciones de suma de vectores y multiplicación por un escalar definidas en V.
Las dos operaciones de cerradura [axiomas 1) y 4)] se cumplen por hipótesis,
como los vectores en H son también vectores en V, las identidades asociativa,
conmutativa, distributiva y multiplicativa [axiomas 2), 5), 7), 8), 9) y 10)] se
cumplen.
Este teorema demuestra que para probar si H es o no es un sub espacio de V, es
suficiente verificar que:
x + y y αX están en H cuando “x” y “y” están en H y α es un escalar.
4.3 Combinación lineal. Independencia lineal.
Sean Diremos que son LINEALMENTE DEPENDIENTES si al
menos uno de ellos se puede escribir como combinación lineal del resto. Ejemplo;
Consideremos los siguientes vectores.
Independencia Lineal
Definición:
Sean . Diremos que son LINEALMENTE INDEPENDIENTES si
ninguno de ellos puede expresarse como combinación lineal de los restantes.
Ejemplo.
Si tenemos los vectores (1,1,1), (1,1,0), (1,0,0), podríamos intentar ver si alguno
de ellos se puede expresar como combinación lineal de los dos restantes. Para
efectuar esta comprobación en derive, primero definiríamos nuestros tres vectores
Los vectores son linealmente independientes si tienen distinta dirección y sus
componentes no son proporcionales.
Un conjunto de vectores {v1v2,,vk} es un espacio vectorial V es linealmente
dependiente si existen escalares c1,c2,…,ck, al menos uno de los cuales no es cero,
tales que:
c1v1+c2v2+…+ckvk=0
Si los vectores no son linealmente dependientes, se dice que son linealmente
independientes.
Criterios de Independencia Lineal
Sean u1, u2, uk k vectores en Rn y A la matriz que tiene como columnas a estos
vectores, los vectores son linealmente independientes si el sistema Ax = 0 tiene
únicamente solución trivial. Los vectores son linealmente dependientes si el
sistema Ax=0 tiene soluciones no triviales (solución múltiple).
Si k=n Los vectores son linealmente independientes si A es invertible
Si k>n Los vectores son linealmente dependientes.
Dos vectores en un espacio vectorial son linealmente dependientes si uno de ellos
es múltiplo escalar del otro.
Un conjunto de vectores linealmente independientes en n contiene a lo más n
vectores.
Tres vectores en 3 son linealmente dependientes si y sólo si son coplanares, esto
es, que están en un mismo plano.
4.4 Base y dimensión de un espacio vectorial, cambio de base.
Base de un vector
En términos generales, una “base” para un espacio vectorial es un conjunto de
vectores del espacio, a partir de los cuales se puede obtener cualquier otro vector
de dicho espacio, haciendo uso de las operaciones en él definidas.
La base es natural, estándar o canónica si los vectores v1, v2,vn forman base para
Rn.
Si S= {v1, v2,, vn} es una base para un espacio vectorial V entonces todo vector v
en V se puede expresar como:
1. V = c1v1+ c2v2+…+ cnvn
2. V = k1v1+ k2v2+…+ knvn
Restar 2-1
0 = (c1- k1) v1+(c2- k2) v2+…+(cn- kn) vn
Si un espacio vectorial V tiene una base con n vectores, entonces toda base de V
tiene n vectores
Base <un conjunto finito de vectores {V 1, V 2, V 3., V n} es una base para un espacio
vectorial de V si
I. {V 1, V 2, V 3., V n} es linealmente independiente
II. {V 1, V 2, V 3., V n} genera a V.
ℜ𝑛
Todo conjunto de n vectores linealmente independientes en Rn es una base de
Propiedades
1. Sea V un espacio vectorial de dimensión finita. Entonces todas las bases de V
tienen el mismo número de elementos. El espacio vectorial {0} tiene dimensión 0
por definición. Cuando un espacio vectorial no es de dimensión finita, se dice que
es de dimensión infinita.
2. Sea V un espacio vectorial de dimensión finita n, cualquier conjunto de n+1 o
más vectores son linealmente dependientes.
Dimensión de un espacio vectorial
Si un espacio vectorial V tiene una base que consta de n vectores, entonces el
número n se denomina dimensión de V y se denota por dim (V)=n. Si V consta
solamente del vector cero, entonces la dimensión de V se define como cero.
La dimensión de Rn con las operaciones normales es n.
La dimensión de Pn con las operaciones normales es n+1.
La dimensión de Mm,n con las operaciones normales es mn.
4.5 Espacio vectorial con producto interno y sus propiedades.
Espacios con producto interno.
Un espacio complejo V se llama espacio vectorial con producto interno si para
producto interno de u y v, tal que si u, v y w están en V y α ∈C, entonces las
cada par ordenado u y v en V, existe un número complejo único (u, v), llamado
propiedades son:
Espacios con producto interior:
El producto interior euclidiano es solo uno más de los productos internos que se
tiene que definir en Rn Para distinguir entre el producto interno normal y otros
posibles productos internos se usa la siguiente notación.
u * v = producto punto (producto interior euclidiano para Rn)
‹u, v› = producto interno general para espacio vectorial V.
Propiedades de los productos interiores:
1. ‹0, v› = ‹v, 0› = 0
2. ‹u + v, w› = ‹u, w› + ‹v, w›
3. ‹u, cv› = c‹u, v›.
4.6 Base ortonormal, proceso de ortonormalización de Gram-
Schmidt.
Proceso de Ortonormalización de Gram-Schmidt.
Sea H un subespacio de dimensiones m de Rn. Entonces H tiene una base
ortonormal.
Paso 1.-Elección del primer valor unitario sea.
Paso 2.- Elección del segundo vector ortogonal a u1
En álgebra lineal, el proceso de ortonormalización de Gram–Schmidt es
un algoritmo para construir, a partir de un conjunto de vectores linealmente
independientes de un espacio prehilbertiano (usualmente, el espacio euclídeo Rn),
otro conjunto ortonormal de vectores que genere el mismo subespacio vectorial.
El proceso se basa en un resultado de la geometría euclídea, el cual establece
que la diferencia entre un vector y su proyección sobre otro, es perpendicular al
primero. Dicho resultado constituye una herramienta para construir, a partir de un
conjunto de dos vectores no paralelos, otro conjunto, conformado por dos vectores
perpendiculares.
Este algoritmo recibe su
nombre de los
matemáticos Jorgen Pedersen
Gram y Erhard Schmidt.