4.2 Definicin de subespacio vectorial y sus propiedades.
4.3 Combinacin lineal. Independencia lineal.
4.4 Base y dimensin de un espacio vectorial, cambio de base.
4.5 Espacio vectorial con producto interno y sus propiedades.
4.6 Base ortonormal, proceso de ortonormalizacin de Gram-Schmidt.
4.1 Definicin de espacio vectorial.
Sea V un conjunto no vaco sobre el cual existen dos operaciones. Una llamada suma de vectores y otra llamada multiplicacin de un escalar por un vector. La suma de vectores, o simplemente suma, es una regla o funcin que asocia a dos vectores, digamos u y v un tercer vector, a este se le representara como u v. La multiplicacin es una regla que asocia a un escalar y a un vector, digamos c y u un segundo vector representado por c u. Diremos que el conjunto V se llama espacio vectorial si cumple todos y cada uno de los siguientes axiomas:
(A1) Para cualquiera dos vectores u y v en V u v V (1) Este axioma se conoce como el axioma de cerradura bajo la suma: La suma de dos elementos del conjunto debe dar como resultado tambin un elemento del conjunto. (A2) Para cualquiera dos vectores u y v en V u v = v u (2) Este axioma se conoce como el axioma de la conmutatividad de la suma: El orden de los sumandos no altera el resultado de la suma. (A3) Para cualquiera tres vectores u, v y w en V u (v w) = (u v) w (3) Este axioma se conoce como axioma de la asociatividad de la suma:
En una suma de vectores, no importa el orden como asocien la sumas entre dos; el resultado ser siempre el mismo. (A4) Existe un nico vector en V que se simbolizara por 0 y que se llamara el vector cero tal que para cualquier vector u V se cumple u 0 = 0 u = u (4) Este axioma se conoce como el axioma de la existencia del elemento neutro: Existe en el conjunto un elemento distinguido que sumado con cualquier elemento da el mismo segundo elemento. (A5) Para cualquier vector u V existe un nico vector tambin en V y simbolizado por u que cumple u (u) = (u) u = 0 (5) Este axioma se conoce como axioma de la existencia de inversos aditivos: Cada elemento del conjunto posee un inverso aditivo; un elemento del conjunto que sumado con el da el neutro aditivo. (M1) Para cualquier vector u V y para cualquier escalar c R se cumple c u V (6)Este axioma se conoce como el axioma de cerradura bajo la multiplicacin por escalares: El resultado del producto entre cualquier escalar por cualquier elemento del conjunto debe dar como resultado tambin un elemento del conjunto. (M2) Para cualquiera dos vectores u y v en V , y para cualquier escalar c en R se cumple c (u v) = (c u) (c v) (7)Este axioma se conoce como la propiedad distributiva del producto (por escalares) sobre la suma (de vectores):
En un producto de un escalar por una suma de vectores, da lo mismo realizar la suma de los vectores y el resultado multiplicarlo por el vector que individualmente multiplicar cada vector por el escalar y despus sumar los resultados. (M3) Para cualquier vector u V y para cualquiera dos escalares a y b en R se cumple (a + b) u = (a u) (b u) (8) Este axioma se conoce como la propiedad distributiva del producto por escalares sobre la suma escalares. (M4) Para cualquier vector u V y para cualquiera dos escalares a y b en R se cumple a (b u) = (a b) u (9) Esta propiedad se conoce como la ley asociativa del producto entre escalares y el producto de escalar con vector. Lo llamaremos simplemente como la propiedad asociativa del producto. (M5) Para cualquier vector u V se cumple 1 u = u (10) Cuando se elabora una argumentacin en algn calculo o demostracin uno debe hacer referencia a los axiomas. Por ellos es que es conveniente y elegante llamarlos por su descripcin. Se le pide al alumno que entienda la lgica de cada uno de ellos y memorice sus descripciones.
4.2 Definicin de subespacio vectorial y sus propiedades.
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.
SUBESPACIO VECTORIAL Si la terna ((E/), (K ), )) es un espacio vectorial todo U _ E : ((U /), (K $), )) tenga Tambin estructura de espacio vectorial se denomina subespacio vectorial de E. Para probar que U es un subespacio vectorial solo son necesarias dos propiedades: XVIII) / es una ley de composicin interna en U: (du / dv) c U du,dvc U XIX) a )du c U a c K y duc U
Propiedades: XX) Todo espacio vectorial tiene al menos dos subespacios: y. D 0 E
XXI) La interseccin U1 3 U2 de dos subespacios vectoriales U1 y U2 es subespacio Vectorial. XXII) La unin U1 4 U2 de dos subespacios vectoriales U1 y U2 no necesariamente es subespacio vectorial.
4.3 Combinacin lineal. Independencia lineal.
Vectores linealmente dependientes Varios vectores libres del plano son linealmente dependientes si existe una combinacin lineal de ellos que sea igual al vector cero, sin que sean cero todos los coeficientes de la combinacin lineal.
Propiedades 1. Si varios vectores son linealmente dependientes, entonces al menos uno de ellos se puede expresar como combinacin lineal de los otros.
Si un vector es combinacin lineal de otros, entonces todos los vectores son linealmente dependientes. 2. Dos vectores del plano son linealmente dependientes si, y slo si, son paralelos. 3. Dos vectores del plano = (u1, u2) y = (v1, v2) son linealmente dependientes si sus componentes son proporcionales.
Vectores linealmente independientes Varios vectores libres son linealmente independientes si ninguno de ellos se puede expresar como combinacin lineal de los otros.
a1 = a2 = = an = 0 Los vectores linealmente independientes tienen distinta direccin. Combinacin lineal de vectores Dados los nmeros a1, a2, ..., an y los vectores v1, v2, ..., vn, se llama combinacin lineal a cada uno de los vectores de la forma:
Cualquier vector se puede poner como combinacin lineal de otros dos que tengan distinta direccin.
Dados los vectores , calcular el vector combinacin lineal
El vector , se puede expresar como combinacin lineal de los vectores ?
4.4 Base y dimensin de un espacio vectorial, cambio de base.
Definicin: 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 mnimo de S (lo ms pequeo posible). 2. Adems es un conjunto independiente mximo dentro de S (lo ms grande posible). 3. Una base de S permite expresar todos los vectores de S como combinacin lineal de ella, de manera nica para cada vector. definicin: Dimensin. Todas las bases de un mismo espacio o subespacio tienen el mismo nmero de vectores. Se llama dimensin de dicho espacio o subespacio. Por tanto, la dimensin es el mximo nmero de vectores independientes que podemos tener en el espacio o subespacio. En otras palabras, es el mximo rango que puede tener un Es tambin el rango de cualquier sistema generador de dicho espacio.
4.5 Espacio vectorial con producto interno y sus propiedades. 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. 4.6 Base ortonormal, proceso de ortonormalizacin de Gram-Schmidt.
Base ortonormal
Los vectores que forman una base ortonormal son perpendiculares entre s, y adems tienen de mdulo la unidad. Cualquier vector del plano se puede poner como combinacin lineal de los vectores que forman la base:
Esta base formada por los vectores y se denomina base cannica. Es la base que se utiliza habitualmente, de modo que si no se advierte nada se supone que se est trabajando en esa base. Proceso De Ortonormalizacin Gram Schmidt El proceso de ortogonalizacin de GramSchmidt de lgebra lineal es un proceso utilizado en matemtica y anlisis numrico, para ortogonalizar un conjunto de vectores en un espacio prehilbertiano, ms comnmente el espacio eucldeo Rn. Ortogonalizacin en este contexto significa lo siguiente: comenzamos con vectores v1,, vk los cuales son linealmente independientes y queremos encontrar mutuamente vectores ortogonales u1, , uk los cuales generan el mismo subespacio que los vectores v1, , vk. Este proceso lleva el nombre en honor a Jrgen Pedersen Gram y Erhard Schmidt. Proceso de GramSchmidt Definimos el operador proyeccin con donde los corchetes angulares representan el producto interior, proyecta el vector v ortogonalmente en el vector u. Antes de ver el proceso, debemos comprender el porqu de la definicin de proyeccin. Si recordamos la definicin de producto escalar, tenemos para el caso del numerador, mdulo de u por mdulo de v por el coseno del ngulo que forman. En el denominador tenemos mdulo de u por mdulo de u, ya que el coseno sera 1. Si separamos los dos mdulos de u en el denominador, vemos que a la izquierda tenemos nicamente mdulo de v * cos (ngulo que forman), lo que nos da claramente el mdulo del vector proyeccin. Teniendo el mdulo del vector proyeccin lo nico que debemos hacer es asignarle una direccin, cosa que hacemos multiplicndolo por u/mdulo(u), lo que es el vector de mdulo 1 con direccin u (el vector unitario).
Citas bibliogrficas
http://campusvirtual.unex.es/cala/epistemowikia/index.php?title=Espacios_Vectorial es http://matematicasuniversitaria.blogspot.com/2009/10/tema-42-definicion-de-un- subespacio.html http://usuarios.iponet.es/agusbo/uned/propios/apuntes/vectorial.PDF http://www.geoan.com/vectores/dependencia.html http://www.mitecnologico.com/Main/CambioDeBase http://www.mitecnologico.com/Main/BaseOrtonormal