4 ESPACOS VECTORIALES: 4.1 DEFINICION DE ESPACIO VECTORIAL Y SUS PROPIEDADES.

n espacio vectorial sobre un cuerpo (como el cuerpo de los números reales o los números complejos) es un conjunto no vacío, dotado de dos operaciones: Con la operación interna tal que: 1) tenga la propiedad conmutativa, es decir 2) tenga la propiedad asociativa, es decir

3) tenga elemento neutro , es decir 4) tenga elemento opuesto, es decir

y la operación producto por un escalar:

operación externa tal que: 5) tenga la propiedad:

6) tenga elemento neutro 1: Que tenga la propiedad distributiva: 7) distributiva por la izquierda:

8) distributiva por la derecha:

Propiedades Unicidad del vector neutro de la propiedad 3: supongamos que el neutro no es único. es decir. es decir. sean y dos opuestos de . sean y dos unidades. entonces. entonces: Unicidad del elemento inverso en el cuerpo K: supongamos que el inverso a − 1 de a. no es único. como el neutro es único: Unicidad del elemento en el cuerpo K: supongamos que 1 no es único. sean y dos vectores neutros. como el neutro es único: Producto de un escalar por el vector neutro: Producto del escalar 0 por un vector: . es decir. sean y dos vectores opuestos de . es decir. entonces. entonces: Unicidad del vector opuesto de la propiedad 4: supongamos que el opuesto no es único.

entonces x + y ∈ H. ▪ ▪ . Si a=0 es cierto. Sub espacio vectorial: Esto dice que si W es un sub conjunto del espacio vectorial V entonces este es un sub espacio de V. Si x ∈ H.Si . entonces αx ∈ H para todo escalar α . el inverso bajo la suma y el neutro bajo la multiplicación por un escalar.2 DEFINICION DE SUBESPACIO DE UN ESPACIO VECTORIAL Y SUS PROPIEDADES. Si entonces: Signos equivalentes: ▪ . Si W es un espacio vectorial bajo las operaciones de suma y multiplicación por un escalar definidas en V. Si x ∈ H y y ∈ H. Notación 4. Un subconjunto no vacío H de un espacio vectorial V es un subespacio de V si las dos reglas de cerradura valen: Reglas para verificar si un subconjunto es un subespacio i. Teorema. 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. ii.

Las dos operaciones de cerradura se cumplen por hipótesis. distributiva y la del neutro multiplicativo se satisfacen. Puesto que los vectores en H también están en V. Este teorema nos dice que para probar que H es un subespacio de V. debemos verificar que los axiomas de los espacios vectoriales cumplen con las operaciones de la suma vectorial y multiplicación escalar definidas en V. Consecuentemente 0 ∈ H y el axioma (iii) se cumple. -x = (-1)x ∈ H. de la parte (ii) tenemos que (-1)x ∈ H para todo x ∈ H. las leyes asociativa. de tal forma que el axioma (iv) también se cumple y con ello concluimos la demostración. Finalmente. Combinación lineal Un vector se dice que es combinación lineal de un conjunto de vectores si existe una forma de expresarlo como suma de parte o todos los vectores de multiplicados cada uno de ellos por un coeficiente escalar que: . conmutativa. nos basta con verificar que: x + y y αx están en H. si x ∈ H entonces 0x ∈ H. de forma . . Ahora. debido a la hipótesis (ii). siempre que x y y estén en H y α sea un escalar 4. COMBINACION LINEAL. 0x = 0. Para demostrar que H es un espcacio vectorial. Pero por el teorema de espacios vectoriales (parte ii). DEPENDENCIA E INDEPENDENCIA LINEAL.3 PROPIEDADES DE VERTICES.Demostración. Por el teorema de espacios vectoriales (parte iv).

generan un espacio vectorial y forman una base para dicho espacio. Decimos que son linealmente dependientes si existen números . Utilizando conceptos de espacios vectoriales podemos redefinir la independencia lineal así: Un conjunto de vectores U de un espacio vectorial es linealmente independiente si Esta idea es importante porque los conjuntos de vectores que son linealmente indepedientes.Así. cuánto de cada vector del conjunto necesito para que. Ejemplo: 2x + 3y − 2z = 0. De la misma manera. cada una de estas variables se podría expresar como combinación lineal de las otras dos. no todos iguales a cero. tal que: Nótese que el símbolo a la derecha del signo igual no es cero. Se dice que z es combinación lineal de x y de y. Si tales números no existen. porque podemos escribir sin más que despejar la z. despejando oportunamente. sino que simboliza al vector nulo . El conjunto de vectores nulos forma la matriz nula. Dependencia e independencia lineal Sea un conjunto de vectores. Entre las propiedades de los vectores linealmente . cuando se combinen linealmente dichos elementos . X es combinación lineal de A vectores de si podemos expresar como una suma de múltiplos de una cantidad finita de elementos de A . En otras palabras. pueda formar al vector en cuestión. entonces los vectores son linealmente independientes.

si metemos este conjunto de vectores en otro más grande.5 Espacio vectorial con producto interno y sus propiedades. seguimos teniendo el vector que es combinación lineal de otros. β Propiedades de las bases. U y v son ortogonales si (u. entonces EJEMPLO Un producto interno en Rn Rn . DEFINICIÓN 2 Sea V un espacio con producto interno y suponga que u y v estan en V. 2. Obviamente. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio. Definición: Base. por tanto. denota por u. Una base de S es un sistema generador minimal de S (lomáspequeñoposible). 3. que sea a la vez linealmente independiente. 4. no podrán ser combinación de los otros. esta dada por U= Nota: A la u se le pone doble barra para evitar confusión con el valor absoluto EJEMPLO . llamado producto interno de u y v. si tenemos un conjunto de vectores tales que ninguno de ellos es combinación de los demás. Entonces i. el conjunto más grande sigue siendo linealmente dependiente. ▪ Si un conjunto de vectores es linealmente dependiente también lo es todo conjunto que lo contenga. ▪ Si un conjunto de vectores es linealmente independiente cualquier subconjunto suyo también lo es.4 BASE. existe un número complejo único (u. UnabasedeSpermiteexpresartodoslosvectoresdeScomocombinaciónlinealdeella. 4. v) = 0  La norma de u. DIMENCION DE UN ESPACIO VECTORIAL. v)= u * v. tal que si u. de manera única para cada vector..dependientes e independientes encontramos: ▪ Un conjunto de vectores es linealmente dependiente si y solamente si alguno de los vectores es combinación lineal de los demás. DEFINICIÓN 1 Espacio con producto interno. Ya que un conjunto de vectores es linealmente dependiente si y solo si tiene algún vector que es combinación lineal de los demás. escogiendo solamente unos cuantos.es un espacio con producto interno con (u. Además es un conjunto independiente maximal dentro de S (lomásgrandeposible).Un espacio vectorial complejo V se llama espacio con producto interno si para cada par ordenado de vectores u y v en V. v y w están en V y C. 1..v).

h) = 0 para todo h H 4. 6i) son ortogonales porque ((3. Entonces el complemento ortogonal de H. base ortogonal. (2.6 Cambio de base. .. Proceso de ortogonalización de Gram-Schmidt ectores ortogonales y ortonormales Vectores ortogonales Dos vectores son ortogonales si su producto escalar es cero. v2. vn es un conjunto ortonormal en V si (vi. -1) y (2. 6i)) = 3*2 + (-i)(6i) = 6 + (-i)(-6i) = 6 -6 = 0 además (3.. Ejemplo .El conjunto de vectores v1.. vj) = 0 para i y vi = = 1 DEFINICIÓN 4 Complemento ortogonal. .Sea H un subespacio del espacio con producto interno V. denotado por H.Dos vectores ortogonales en C2 En C2 los vectores (3. -1). . -i)) = = . está dado por H=x V : (x. DEFINICIÓN 3 Conjunto ortonormal .

• Su producto escalar es cero. Los dos vectores son unitarios. 2. .Vectores ortonormales Dos vectores son ortonormales si: 1.

en primer lugar. Es evidente que es un vector ortogonal a . Este algoritmo recibe su nombre de los matemáticos Jørgen Pedersen Gram y Erhard Schmidt. el proceso de ortogonalización de Gram–Schmidt es un algoritmo para construir. Descripción del algoritmo de ortogonalización de Gram–Schmidt Los dos primeros pasos del proceso de Gram–Schmidt Se define. Entonces. dados los vectores algoritmo de Gram–Schmidt construye los vectores ortonormales . otro conjunto ortonormal de vectores que genere el mismo subespacio vectorial. el . el espacio euclídeo Rn). a partir de un conjunto de vectores linealmente independientes de un espacio prehilbertiano (usualmente.En álgebra lineal. el operador proyección mediante donde los corchetes angulares representan el producto interior.

.de la manera siguiente: A partir de las propiedades de la proyección y del producto escalar. es sencillo probar que la sucesión de vectores es ortogonal.