Espacio Vectorial (Parte 2)

Ulises Martinez Araiza umartinez@gdl.cinvestav.mx www.ulisesmartinez.com

Espacio Vectorial (Parte 2)

Contenido
Contenido ............................................................................................................................... 2 1. Isomorfismo de Espacios Vectoriales................................................................................. 3 2. Producto Interno de Vectores ............................................................................................. 4 3. Norma (o longitud) de un Vector ....................................................................................... 6 4. Distancia entre Dos Vectores ............................................................................................. 7 5. Inequidad de Schwarz ......................................................................................................... 8 6. Ortogonalidad ..................................................................................................................... 9 7. Inequidad de Bessel .......................................................................................................... 11 8. Referencias ....................................................................................................................... 12

Ulises Martinez Araiza umartinez@gdl.cinvestav.mx www.ulisesmartinez.com

Espacio Vectorial (Parte 2)

1. Isomorfismo de Espacios Vectoriales

Dos espacios vectoriales y se dice que son isomorfos entre ellos si es posible establecer una correspondencia o mapeo uno a uno y dentro entre los elementos , . y , . , tal que si () = y () = , entonces:

( + ) = + = () + () () = = ()

La correspondencia se dice que es un isomorfismo de dentro de . En otras palabras, un isomorfismo de dos espacios vectoriales es una correspondencia dentro y uno a uno la cual preserva las operaciones del espacio vectorial de adicin y multiplicacin por escalar. Teorema 2.8 Cualquier espacio vectorial -dimensional sobre un campo es isomorfo a un espacio para todas las -tuplas de elementos de . Este teorema nos dice que cualquiera dos espacios vectoriales -dimensionales son esencialmente el mismo y es posible estudiar las propiedades de todos los espacios vectoriales -dimensionales en trminos del espacio de -tuplas. El enfoque que se usara no se hace referencias a un sistema de coordenadas mientras se definen vectores. Estas son definidas como entidades algebraicas abstractas.

Ulises Martinez Araiza umartinez@gdl.cinvestav.mx www.ulisesmartinez.com

Espacio Vectorial (Parte 2)

2. Producto Interno de Vectores

Sea un espacio vectorial sobre el campo de los nmeros reales ( ) o complejos ( ). Una funcin que asigna un escalar , a cada par de vectores , es llamada el producto interno de si y solo si para todo , , y , o , , , = , > 0 si y , = 0 , = , , + = , + , Un espacio vectorial en el cual el producto interno est definido se le llama espacio de producto interno. Un espacio de producto interno real es llamado un espacio euclidiano y un espacio de producto interno complejo es llamado espacio unitario. La primera condicin establece que , es el conjugado complejo de , . Para un espacio real esto se reduce a , = , . Para un espacio complejo, tomamos el conjugado complejo; de otro modo la inequidad de la segunda condicin no tiene sentido. , podemos asegurar que , es real y por lo tanto Sin embargo teniendo que , = la condicin , > 0 es significativa. La condicin establece que un producto interno asocia positivos reales a cada vector diferente de cero. Las condiciones tercera y cuarta pueden ser remplazadas por la siguiente condicin: , + = , + , o de manera ms general:

, = ,
=1 =1

El cual establece el producto interno es una funcin lineal de la segunda componente. Por las condiciones primera y tercera podemos establecer que: , = , = , = , = , Lo cual nos lleva a:

, = ,
=1 =1

Ulises Martinez Araiza umartinez@gdl.cinvestav.mx www.ulisesmartinez.com

Espacio Vectorial (Parte 2)

Por lo tanto, el producto interno es el conjugado lineal de la primera componente. Para un campo real, = . Por lo tanto, el producto interno real es lineal de la primera componente tambin. Se puede ver fcilmente que el producto interno de cualquier vector con el vector cero es cero. , = 0, = 0, = 0

Ulises Martinez Araiza umartinez@gdl.cinvestav.mx www.ulisesmartinez.com

Espacio Vectorial (Parte 2)

3. Norma (o longitud) de un Vector

En cualquier espacio vectorial el nmero real no negativo , 1/2 es llamado la norma o longitud del vector y es denotada por : = , 1/2 Recordando que en algebra vectorial la longitud de un vector es expresada en trminos del producto escalar como ( )1/2. Si = 1, entonces podemos decir que el vector esta normalizado. En trminos familiares, podemos decir que es un vector unitario. Para cualquier vector m el vector / esta normalizado.

Ulises Martinez Araiza umartinez@gdl.cinvestav.mx www.ulisesmartinez.com

Espacio Vectorial (Parte 2)

4. Distancia entre Dos Vectores

El nmero real no negativo (, ) = Es la distancia entre los vectores y . Un espacio vectorial en el cual la distancia est definida se llama un espacio mtrico.

Ulises Martinez Araiza umartinez@gdl.cinvestav.mx www.ulisesmartinez.com

Espacio Vectorial (Parte 2)

5. Inequidad de Schwarz
En cualquier espacio de producto interno , |, |2 , , O, equivalentemente en trminos de normas |, | Para todo , .

Ulises Martinez Araiza umartinez@gdl.cinvestav.mx www.ulisesmartinez.com

Espacio Vectorial (Parte 2)

6. Ortogonalidad
Dos vectores y se dice que son ortogonales si y solo si su producto interno es cero. , = 0 Un conjunto de vectores se dice que es un conjunto ortogonal si cada par de dos vectores distintos en es ortogonal, esto es: , = 0 Para todo , y . Si adicionalmente, cada vector esta normalizado, entonces el conjunto se dice que es un conjunto ortonormal. Por lo tanto, si es un conjunto ortonormal, entonces: , = Para todo , . Note que en un espacio euclidiano, podemos definir el ngulo entre dos vectores diferentes de cero y , en analoga con el lgebra de vectores ordinaria, por; = ,

Para un espacio unitario, no se puede tener esa definicin ya que , es complejo. Sin embargo, el concepto de ortogonalidad sigue siendo vlido. Teorema 2.9 Un conjunto ortogonal de vectores es linealmente independiente. Corolario Un conjunto ortonormal de vectores es linealmente independiente. Teorema 2.10 Sea {1 , 2 , , } un conjunto ortonormal en . Entonces para todo vector , el vector

= ,
=1

Es ortogonal para cada , = 1,2, . 9 Ulises Martinez Araiza umartinez@gdl.cinvestav.mx www.ulisesmartinez.com

Espacio Vectorial (Parte 2)

Proceso de Ortogonalizacin de Gram-Schmidt Este es un proceso en el cual dada cualquier base arbitraria de un espacio vectorial , podemos obtener una base ortonormal para . Sea {1 , 2 , , } una base de . Debido a que este es un conjunto linealmente independiente, y por lo tanto > 0 para toda . Sea 1 = 1 /1 , entonces el vector 2 = 2 2 , 1 1 es ortogonal para 1 . Si tenemos que 2 = 2 /2 entonces {1 , 2 } es un conjunto ortonormal. Por lo tanto, el vector 3 = 3 3 , 1 1 3 , 2 2 es ortogonal para 1 y 2 . Teniendo 3 = 3 /3 el conjunto {1 , 2 , 3 } es ortonormal. Continuando este proceso de esta manera, obtenemos un conjunto ortonormal {1 , 2 , 3 , }. Cada vector en este conjunto es una combinacin lineal de los vectores 1 , 2 , , . Por el corolario y el teorema 2.9 dice que un conjunto ortonormal es linealmente independiente. Entonces, el conjunto {1 , 2 , 3 , } forma una base para debido a que este consiste de vectores linealmente independientes. Producto Interno y Bases Ortonormales Teorema 2.11 Con respecto a una base ortonormal, el producto interno es necesariamente el producto interno estndar.

10

Ulises Martinez Araiza umartinez@gdl.cinvestav.mx www.ulisesmartinez.com

Espacio Vectorial (Parte 2)

7. Inequidad de Bessel
Sea {1 , 2 , , } una base ortonormal para un espacio de producto interno . Entonces para cualquier vector ,

| , | ,
=

para . La equidad que se mantiene si y solo si = es llamada la identidad de Parseval.

11

Ulises Martinez Araiza umartinez@gdl.cinvestav.mx www.ulisesmartinez.com

Espacio Vectorial (Parte 2)

8. Referencias
[1] M. C. Jain. 2008. Vector Spaces and Matrices in Physics, Second Edition. Alpha Science Intl Ltd, Delhi, India.

12

Ulises Martinez Araiza umartinez@gdl.cinvestav.mx www.ulisesmartinez.com