Académique Documents
Professionnel Documents
Culture Documents
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
( + ) = + = () + () () = = ()
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.
, = ,
=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
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
5. Inequidad de Schwarz
En cualquier espacio de producto interno , |, |2 , , O, equivalentemente en trminos de normas |, | Para todo , .
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
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
7. Inequidad de Bessel
Sea {1 , 2 , , } una base ortonormal para un espacio de producto interno . Entonces para cualquier vector ,
| , | ,
=
11
8. Referencias
[1] M. C. Jain. 2008. Vector Spaces and Matrices in Physics, Second Edition. Alpha Science Intl Ltd, Delhi, India.
12