Professional Documents
Culture Documents
Un espacio vectorial sobre un cuerpo (como el cuerpo de los números reales o los
números complejos) es un conjunto no vacío, dotado de dos aplicaciones:
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
multiplicación 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 multiplicación por un escalar también debe cumplir la ley del elemento
neutro bajo la suma, el inverso bajo la suma y el neutro bajo la multiplicación por
un escalar.
PROPIEDADES DE LOS SUB ESPACIOS VECTORIALES
(1) La intersección de sub espacios vectoriales de E , si es sub espacio
vectorial de E
(E,+,•) es K-ev ∧ { Hi} i ∊ I una familia de S.E.V de E ⇒ ∩ H i es S.E.V de E </b>
->Demostración:
H1 = {(x, y, z) / x + y + z = 0 } ∧ H2 = { ( x, y, z ) / x - y + z = 0 } son S.E.V de R3
H1 ∩ H2 = { (x, y, z) / x + y + z = 0} = { (x, y, z) / x + z = 0 ∧ y = 0} = {(x, y, z) / x = - z
∧ y = 0}
->Caso particular:
(1, 0, -1) + (-2, 0, 2) = (-1, 0 , 1) ∊ H 1 ∩ H2 es lci α (1, 0, -1) + β (-2, 0, 2) ∊ H 1 ∩ H2
∀α, β ∊ K ⇒ La intersección es S.E.V
(3) La suma de sub espacios vectoriales (el conjunto suma) es sub espacio
vectorial de E
(E,+,•) es K-ev ∧ H,G dos S.E.V de E ⇒ H + G es S.E.V de E
->Demostración:
H + G = { v ∊ E / v = h + g tal que h ∊ H ∧ g ∊ G}. Queremos demostrar que H + G
∊E
Sean:
h + g ∊ H+G;
h´+ g´ ∊ H+G;
α, β ∊ K
α (h + g) + β (h´+ g´) = (α h + β h´) + (α g + β g´) ∊ H+G por el teorema H+G es
S.E.V de E
CONBINACIÓN LINEAL
En otras palabras, cuánto de cada vector del conjunto necesito para que,
cuando se combinen linealmente dichos elementos, pueda formar al vector en
cuestión.
DEPENDENCIA E INDEPENDENCIA LINEAL
Nótese que el símbolo a la derecha del signo igual no es cero, sino que simboliza
al vector nulo . El conjunto de vectores nulos forma la matriz nula. Si tales
números no existen, entonces los vectores son linealmente independientes.
Esta idea es importante porque los conjuntos de vectores que son linealmente
independientes, generan un espacio vectorial y forman una base para dicho
espacio. Entre las propiedades de los vectores linealmente dependientes e
independientes encontramos:
U=
Nota: A la u se le pone doble barra para evitar confusión con el valor absoluto
EJEMPLO: Dos vectores ortogonales en C2 En 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 además
(3, -i)) = = .
H=x
Sea x un vector que en base B 1 (de vectores unitarios u 1, u2, ...) será igual a m1u1+
m2u2 + m3u3 + ... El mismo vector, utilizando otra base B 2 (de vectores unitarios v1,
v2, ...) será n1v1+ n2v2 + n3v3 + ...
Reordenando queda:
X' = AX
X = A-1X'
EL PROCESO DE ORTOGONALIZACIÓN DE GRAM–SCHMIDT
TEMA DE DESARROLLO:
UNIDAD 4: ESPACIOS VECTORIALES
ING. GESTIÓN EMPRESARIAL
ALUMNOS: