Anda di halaman 1dari 25

INSTITUTO TECNOLGICO

ASIGNATURA:

ALGEBRA LINEAL

INVESTIGACIN:

UNIDAD IV ESPACIOS VECTORIALES

ALUMNO:

LUIS NGEL MIGUEL MACARENO

CATEDRTICO:

MIGUEL LIBREROS LANDA

SEMESTRE: 1 GRUPO: B

ESPECIALIDAD:

INGENIERA ELECTROMECNICA
4.1 DEFINICIN DE ESPACIO VECTORIAL.

Sean K un cuerpo dado y V un conjunto no vacio, con reglas de suma y producto


por escalar que asigna a cada par u, v V una suma u+v V y a cada par u V, k K
un producto kuV. V recibe el nombre de espacio vectorial sobre K (y los
elementos de V se llaman vectores) si satisfacen los siguientes axiomas.

[A1] para toda terna de vectores u, v, wV, (u+v)+w=u+(v+w).


[A2] existe un vector en V, denotado por 0 y denominado el vector cero, tal que
u+0=u para todo vector uV.
[A3] para todo vector uV existe un nico vector en V, denotado por u, tal que u+
(-u)=0.
[A4] para todo par de vectores u, vV, u+v=v+u.
[M1] para todo escalar kK y todo par de vectores u, vV, k(u+v)=ku+kv.
[M2] para todo par de escalares a, bK y todo vector uV, (a+b)u=au+bu.
[M3] para todo par de escalares a, bK y todo vector uV, (ab)u=a(bu).
[M4] el escalar unidad 1K cumple 1u=u para todo vector u V.

Los axiomas precedentes se desdoblan de forma natural en dos categoras. Los


cuatro primeros ataen nicamente a la estructura aditiva de V y pueden
resumirse diciendo que V es un grupo conmutativo bajo la suma. De ello se deriva
que cualquier suma de vectores de la forma v1+v2++vm no requieren parntesis
y no depende del orden de los sumandos, que el vector cero, 0, es nico, que el
opuesto u de u es nico y que se verifica la ley de cancelacin; esto es, para tres
vectores cualesquiera u, v, wV.

U+w=v+w implica u=v. Asimismo, la resta se define segn u-v=u+(-v).

Por otra parte, los cuatro axiomas restantes se refieren a la <<accin>> del cuerpo
K sobre V. obsrvese que la rotulacin de los axiomas refleja este desdoblamiento.
Empleando estos axiomas adicionales probaremos las siguientes propiedades
elementales de un espacio vectorial.
Teorema: sea V un espacio vectorial sobre un cuerpo K.
Para todo escalar kK y 0V, k0-0.
Para 0K y todo vector uV, 0u=0.
Si ku=0, donde kK y uV, entonces k=0 o u=0.
Para todo kK y todo uV, (-k)u=-ku
.4.2 DEFINICIN DE SUBESPACIO VECTORIAL Y SUS PROPIEDADES.

Sea W un subconjunto de un espacio vectorial V sobre un cuerpo K. W se


denomina un subespacio de V si es a su vez un espacio vectorial sobre K con
respecto a las operaciones de V, suma vectorial y producto por un escalar. Un
criterio simple para identificar subespacios es el siguiente.

Teorema: supongamos que W es un subconjunto de un espacio vectorial V.


entonces W es un subespacio de V si y solo si se cumple:
0W
W es cerrado bajo la suma de vectores, es decir: para todo par de vectores u,
vW, la suma u+vW.
W es cerrado bajo el producto por un escalar, esto es: para todo uW y para todo
kK el mltiplo kuW.

Corolario: W es un subespacio de V si y solo si:


0W.
au+bvW para todos los u, vW y a, bK.

Ejemplo: sean U y W subespacios de un espacio vectorial V. probemos que la


interseccin UW es tambin subespacio de V. claramente, 0U y 0W, porque U y
W son subespacios, de donde 0UW. Supongamos ahora que u, vUW.
Entonces u, vU y u, vE y, dado que U y W son subespacios, u+v, kuU y u+v,
kuW para cualquier escalar k. as u+v, kuUW y por consiguiente UW es un
subespacio de V. El resultado del ejemplo precedente se generaliza como sigue.

Teorema: la interseccin de cualquier nmero de subespacios de un espacio


vectorial V es un subespacio de V.

Recurdese que toda solucin de un sistema de ecuaciones lineales con n


incgnitas AX=B puede verse como un punto en Kn y por tanto el conjunto
solucin de tal sistema es un subconjunto de Kn. Supongamos que el sistema
homogneo, es decir, supongamos que el sistema tiene la forma AX=0.
Denotemos por W su conjunto solucin. Como A0=0, el vector cero 0W adems,
si u y v pertenecen a W, esto es, si u y v son soluciones de AX=0, necesariamente
Au=0 y Av=0. Por esta razn, para todo par de escalares a y b en K, tendremos
A(au+bv)=aAu+bAv=a0+b0=0+0=0. De esta manera, au + bv es tambin una
solucin de AX=0 o, dicho de otro modo, au+bvW. En consecuencia, segn el
corolario, hemos demostrado:

Teorema: el conjunto solucin W de un sistema homogneo con n incgnitas AX=0


es un subespacio de kn.

Hacemos nfasis en que el conjunto solucin de un sistema inhomogneo AX=B


no es subespacio de Kn. De hecho, el vector cero, 0, no pertenece a dicho
conjunto solucin.
4.3 COMBINACIN LINEAL. INDEPENDENCIA LINEAL.

Sean v1, v2, , vn, vectores en un espacio vectorial V. entonces cualquier vector
de la forma: a1v1+a2v2++anvn, donde a1,a2,,an son escalares se denomina
una combinacin lineal de v1, v2,,vn.

Una combinacin lineal en M23

Conjunto generador.

Se dice que los vectores v1, v2, , vn de un espacio vectorial V generan a V si


todo vector en V se puede escribir como una combinacin lineal de los mismo. Es
decir, para todo vV, existen escalares a1, a2, , an tales que v=a1v1+a2v2+
+anvn

Cuatro vectores que generan a M22

Espacio generado por un conjunto de vectores.

Sean v, v2, , vk, k vectores de un espacio vectorial V. el espacio generado por


{v1, v2, , vk} es el conjunto de combinaciones lineales v1, v2, , vk. Es decir

donde a1, a2, , ak, son


escalares arbitrarios.

Teorema: si v1, v2, , vk son vectores en un espacio vectorial V, entonces gen{v1,


v2, , vk} es un subespacio de V.

Ejemplo: el espacio generado por dos vectores en R3

Sea v1=(2,-1,4) y v2=(4,1,6). Entonces H=gen{v1, v2}={v:v=a1(2,-1,4)+a2(4,1,6)}.


Cul es la apariencia de H? si v=(x, y,z)H, entonces tiene x=2a1+4a 2, y=-a1+a2
y z=4a 1+6 2. Si se piensa que (x, y, z) esta fijo, entonces estas ecuaciones se
pueden ver como un sistema de tres ecuaciones con tres incognitas a1, a2. Este
sistema se resuelve en la forma usual:

INDEPENDENCIA LINEAL
En el estudio del algebra lineal, una de las ideas centrales es la de dependencia o
independencia lineal de los vectores. En esta seccin se define el significado de
independencia lineal y se muestra su relacin con la teora de sistemas
homogneos de ecuaciones y determinantes.

Existe una relacin espacial entre los vectores , se


puede apreciar que v2=2v1; o si se escribe esta ecuacin de otra manera. 2v1-
v2=0.

En otras palabras, el vector cero se puede escribir como una combinacin no


trivial de v1 y v2 (es decir, donde los coeficientes en la combinacin lineal no son
ambos cero). Qu tienen de especial los
vectores ? La respuesta a esta
pregunta es ms difcil a simple vista. Sin embargo, es sencillo verificar que

v3=3v1+2v2; rescribiendo esto se obtiene .

Se ha escrito el vector cero como una combinacin lineal de v1, v2, y v3. Parece
que los dos vectores de la ecuacin y los tres vectores de la otra ecuacin tienen
una relacin ms cercana que un par arbitrario de 2-vectores a una terna arbitraria
de 3-vectores. En cada caso, se dice que los vectores son linealmente
dependientes. En trminos generales, se tiene la importante definicin a
continuacin presentada.

Definicin: sean v1, v2, , vn vectores en un espacio vectorial V. entonces se dice


que lois vectores son linealmente dependientes si existen n escalares c1, c2, ,

cn no todos ceros tales que .

Si los vectores no son linealmente dependientes, se dice que son linealmente


independientes.

Para decirlo de otra forma, v1, v2, .., vn son linealmente independientes si la
ecuacin c1v1+c2v2++cnvn=0 se cumple nicamente para c1=c2==cn=0. Son
linealmente dependientes si el vector cero en V se puede expresar como una
combinacin lienal de v1, v2,,vn con coeficientes no todos iguales a cero.

Nota. Se dice que los vectores v1, v2, , vn son linealmente independientes (o
dependientes), o que el conjunto de vectores {v1, v2, , vn} es linealmente
independiente (o pendiente). Esto es, se usan las dos frases indistintivamente.

Teorema:dependencia e independencia lineal

Dos vectores en un espacio vectorial son linealmente dependientes si y solo si uno


de ellos es un mltiplo escalar del otro.

Demostracin: primero suponga que v2=cv1 para elgun escalar c0. Entonces
cv1-v2=0 y v1 y v2 son linealmente dependientes. Por otro parte, suponga que v1
y v2 son linealmente dependientes. Entonces existen constantes c1 y c2 al menos
uno distinto a cero, tales que c1v1+c2v2=0. Si c10, entonces dividiendo entre c1
se obtiene v1+(c2/c1)v2=0, o sea,

Es decir, v1 es un mltiplo escalar de v2. Si c1=0, entonces c20 y, por lo tanto,


v2=0=0v1.
4.4 BASE Y DIMENSIN DE UN ESPACIO VECTORIAL, CAMBIO DE
BASE.

Se ha visto en R2 conviene escribir vectores como una combinacin lineal de los

vectores . En R3 se escribieron los vectores en trminos

de . Ahora se generalizara esta idea.

BASEUn conjunto finito de vectores es una base para un

espacio vectorial V si

Todo conjunto de n vectores linealmente independiente en Rn es una base en Rn.

En Rn se define
Puesto que los vectores e, son las columnas d una matriz identidad (que tiene

determinante 1), es un conjunto linealmente independiente y, por


lo tanto, constituye una base en Rn. Esta base especial se denomina base
canonica en Rn. Ahora se encontraran bases para otros espacios.

EJEMPLO: base canonica para M22


Se vio que generan
a

, entonces es evidentemente que . As, estas cuatro


matrices son linealmente independientes y forman una base para M 22, lo que se
denomina base cononica para M22.

TEOREMA: si es una base para V y si vV, entonces existe un


conjunto nico de escalares tales que

Existe cuando menos un conjunto de dichos escalares porque


genera a V. suponga entonces que v se puede escribir e dos maneras como una
combinacin lineal de los vectores de la base.

Es decir, suponga que

Sea dos bases para V. debe


demostrarse que m=n. esto se prueba mostrando que si m>n, entonces S es un
conjunto literalmente independiente, lo que contradice la hiptesis de que S es una
bse. Esto demostrara que mn. la misma prueba demostrara que m y esto
prueba el teorema. As, basta demostrar que si m>n, entonces S es independiente.
Como S constituye una base, todo u se puede expresar como una combinacin

lineal de las v. se tiene (1)


TEOREMA: suponga que dimV=n. si
Entonces, restando se obtiene la ecuacin
pero como los v son linealmente
independientes, esta ecuacin se cumple si y solo si

As, y el teorema queda demostrado.

TEOREMA: si son bases en un espacio


vectorial V, entonces m=n; es decir, cualesquiera dos bases en un espacio
vectorial V tienen el mismo numero de vectores.

Para demostrar que S es dependiente, deben encontrarse escalares

no todos cero, tales que (2)

Sustituyendo (1) en (2) se obtiene (3)

La ecuacin (3) se puede reescribir como


Pero como son linealmente independientes, se debe tener (5)

El sistema (5) es un sistema homogneo de n ecuaciones con las m incgnitas


y como m>n, el teorema dice que el sistema tiene un numero
infinito de soluciones. De esta forma, existen escalares no todos
cero, tales que (2) se satisface y, por lo tanto, S es un conjunto linealmente
dependiente. Esta contradiccin prueba que mn si se cambian los papeles de S1
y S2, se demuestra que nm y la prueba queda completa.
Por este teorema se puede definir uno de los conceptos centrales en el algebra
lineal.

DIMENSIN
Si el espacio vectorial V tiene una base con un numero finito de elementos,
entonces la dimensin de V es el numero de vectores en todas las bases y V se
denomina espacio vectorial de dimensin finita. De otra manera, V se denomina
espacio vectorial de dimensin infinita. Si V={0}, entonces se dice que V tiene
dimensin cero.
Notacin. La dimensin V se denota por dimV.

EJEMPLO: la dimensin de Mmn


En Mmn sea A la matriz de mxn con un uno en la posicin ij y cero en otra parte. Es
sencillo demostrar que las matrices a para i=1,2,,m y j=1,2,,n forman una base
para Mmn. As, dimMmn=mn.

TEOREMA: suponga que dimV=n. si es un conjunto de m


vectores linealmente independientes en V, entonces mn.
Sea entonces, igual que la prueba del teorema, se pueden
encontrar constantes no todas cero, tales que la ecuacin (2) se
satisface. Esto contradice la independencia lineal de los vectores u. as, mn.

TEOREMA: sea H un subespacio de un espacio vectorial de dimensin finita V.

entonces H tiene dimensin finita y (6)

Sea dimV=n. cualquier conjunto de vectores linealmente independientes en H es


tambin linealmente independiente en V. por el teorema anterior, cualquier
conjunto linealmente independiente en H puede contener a lis mas n vectores. Si
H={0}, entonces dimH=0. Si dimH{0}, sea v0 un vector en H y H=gen{v}. si H=H,
dimH=1 y la prueba queda completa. De lo contrario, elija a vH tal que vH y sea
H=gen{v1,v2}, y as sucesivamente. Continuamos hasta encontrar vectores

linealmente independientes tales que H=gen{ }.


El proceso tiene que terminar porque se pueden encontrar a lo mas n vectores
linealmente independientes en H. entonces H-kn.

EJEMPLO: una base para el espacio de solucin de un sistema homogneo


Encuentre una base (y la dimensin) para el espacio de solucin S del sistema

homogneo

SOLUCIN: aqu . Como A es una matriz de 2x3, S es un


subespacio de R3. Reduciendo por renglones, se encuentra, sucesivamente,
Entonces y=z y x=-z de manera que todas las soluciones son de la forma

.As, es una base para S y dimS=1. Obsrvese que S es el conjunto de


vectores que se encuentran en la recta x=-t, y=t, z=t.
TEOREMA: cualquier conjunto de n vectores linealmente independientes en eun
espacio vectorial V de dimensin n constituyen una base apara V.

Sean , n vectores. Si generan el espacio V, entonces


constituyen una base. De lo contrario, existe un vector uV tal que

ugen . Esto significa que los n+1 vectores ,u


donde linealmente independientes. Para ver esto observe que si
(8)

Entonces porque de lo contrario podramos escribir u como una

combinacin lineal de dividiendo la ecuacin (8) entre y

poniendo todos los trminos, excepto u, en el lado derecho. Pero si

entonces (8) es
Lo que significa que ya que los v son linealmente

independientes. Ahora sea W=gen{ ,u}. como todos los vectores

entre las llaves estn en V, W es un subespacio de V. como ,u


son linealmente independientes, forman una base para W, y dimW=n+1. Pero por
el teorema, dimWn. esta contradiccin muestra que no existe el vector uV tal que

ugen{ }. As, genera a V y, por lo tanto, constituye


una base para V.

CAMBIO DE BASE
En R2 se expresaron vectores en trminos de la base cannica

. En Rn se defini la base canonica . En Pn

se defini la base estandra como . Estas bases se usan


ampliamente por la sencillez que ofrecen a la hora de trabajar con ellas. Pero en
ocasiones ocurre que es mas conveniente alguna otra base. Existe un numero
infinito de bases para elegir, ya que en un espacio vectorial de dimensin n,
cualesquiera n vectores, linealmente independientes, forman una base. En esta
seccin se vera como cambiar de una base a otra mediante el calculo de cierta

matriz. Iniciaremos por un ejemplo sencillo. Sean u .

entonces, es la base canonica en R2. Sean

Como v1 y v2 son linealmente independientes (porque

v1 no es un mltiplo de v2), es una segunda base en R2. Sea

un vector en R2. Esta notacin significa que


Es decir, x esta expresando en trminos de los vectores de la base B. para hacer

hincapi en este hecho, se escribe Como B es otra base en R2,

existen escalares c1 y c2 tales que (1) Una vez que se

encuentran estos escalares. Se puede escribir para indicar que x


esta ahora expresado en trminos de los vectores en B. para encontrar los
nmeros c1 y c2, se escribe la base anterior en trminos de la nueva base. Es

sencillo verificar que (2)

y es decir,

Entonces,
As, de (1),

Por ejemplo, si

entonces
4.5 ESPACIO VECTORIAL CON PRODUCTO INTERNO Y SUS
PROPIEDADES.
Un espacio vectorial complejo V se denomina espacio con producto interno si
para cada par ordenado de vectores u y v en V, existe un numero complejo nico
(u,v), denominado producto interno de u y v, tal que si u, v y w estn en V y C,
entonces

La barra es las condiciones v) y vii) denota el conjugado complejo.


Nota. Si (u,v) es real, entonces (u,v)=(u,v) y se puede eliminar la barra en v).

EJEMPLO: producto interno de dos vectores en C3


En C3 sean x=(1+i, -3, 4-3i) y y=(2-i, -i, 2+i). entonces

Sea V un espacio con producto interno y suponga que u y v estn en V. entonces


Nota 1. Aqu se usa la doble barra en lugar de una sola para evitar confusin con
el valor absoluto. Por ejemplo sen t denota la norma de sen t como un vector
en C[0, 2] mientras que |sen t| denota el valor absoluto de la funcin sen t.
Nota 2. La ecuacin anterior tiene sentido ya que (u, u)0.

EJEMPLO: dos vectores ortogonales en C2


En C2 los vectores (3,-i) y (2,6i) son ortogonales porque

Conjunto ortonormal

El conjunto de vectores es un conjunto ortonormal en V si

y
Si solo el primero se cumple, se dice que el conjunto es ortonormal.

TEOREMA: cualquier conjunto finito de vectores ortonormales diferentes de cero


en un espacio con producto interno es linealmente independiente.

TEOREMA: cualquier conjunto finito linealmente independiente en un espacio con


producto interno se puede convertir en un conjunto ortonormal mediante el
proceso de Gram-Schmidt. En particular, cualquier espacio con producto interno
tiene una base ortonormal.

Proyeccin ortogonal
Sea H un subespacio del espacio con producto interno V con base ortonormal
Si vV, entonces la proyeccin ortonormal de v sobre H denotada por proy Hv esta

dada por (6)

Las demostraciones de los siguientes teoremas son idnticas a sus contrapartes


en Rn.
TEOREMA: sea H un subespacio de dimensin finita con producto interno V.
suponga que H tiene dos bases ortonormales

Sea vV. entonces

Complemento ortogonal
Sea H un subespacio del espacio con producto interno V. entonces el
complemento ortogonal de H, denotado por H, esta dado por (7)

TEOREMA: si H es un subespacio del espacio con producto interno V, entonces

TEOREMA DE PROYECCIN: sea H un subespacio de dimensin finita del


espacio con producto interno V y suponga que vV. entonces existe un par nico
de vectores h y p tales que hH, pH, y (8) v=h+p donde h=proyHv.

Si V tiene dimensin finita, entonces p=proyHv.


TEOREMA: sea A una matriz de nxn; entonces A tiene vectores propios
linealmente independientes si y solo si multiplicidad geomtrica de cada valor
propio es igual a su multiplicidades algebraica. En particular, A tiene n vectores
propios linealmente independientes si todos los valores propios son distintos (ya
que entonces la multiplicidad algebraica de cada valor propio es 1).
4.6 BASE ORTONORMAL, PROCESO DE ORTONORMALIZACIN DE GRAM-
SCHMIDT.
Conjunto ortonormal en Rn
Se dice que un conjunto de vectores S={u1, u2, , uk} en Rn es un conjunto
ortonormal si (1) (2)

Si solo satisface la ecuacin (1), se dice que el conjunto es ortogonal.


Si u, v y w en Rn y es un numero real, entonces (3) (4) (5) (6)(7)

Ahora se presenta otra definicin til

Si vRn, entonces la longitud o norma de v, denotada por |v|, esta dada por (8)

Nota. Si entonces v*v= Esto


significa que (9)

De esta forma se puede obtener la raz cuadrada en (8), y se tiene (10)(11)


TEOREMA: si S= es un conjunto ortogonal de vectores
diferentes de cero, entonces S es linealmente independiente.

Suponga que
Entonces, para cualquier i=1,2,,k

Como v0 por hiptesis |v|2>0 y se dice que c=0. Esto es cierto para i=1,2,,k, lo
que completa la prueba.

Proceso de ortonormalizacion de Gram-Schmidt


Sea H un subespacio de dimensin m de Rn. Entonces H tiene una base
ortonormal.

Sea S= una base de H. se probara el teorema construyendo


una base ortonormal a partir de vectores en S. antes de dar los espacios para esta
construccin, se observa el hecho sencillo de que un conjunto de vectores
linealmente independiente no contiene al vector cero.

Paso 1. Eleccin del primer vector unitario

Sea (12)

Entonces
De manera que |u|=1.

Paso 2. Eleccin de un segundo vector ortogonal a u

Como anteriormente se ha visto que, en R2, el vector es la

ortogonal a v. en este caso es la proyeccin de u sobre v. esto se ilustra


en la siguiente figura.

Resulta que el vector w dado es ortogonal a v cuando w y v estn en Rn para


cualquier n2. Obsrvese que como u es un vector unitario,

para cualquier vector v.

Sea (13)
entonces de manera que
v es ortogonal a u. mas aun, por el teorema, u y vson linealmente

independientes. v0 porque de otra manera


lo que contradice la independencia de v1 y v2.
Paso 3. Eleccin de un segundo vector unitario

Sea (14) entonces es evidente que {u1,u2} es un conjunto ortonormal.


Suponga que se han construido los vectores u1, u2,,uk(k<m) y que forman un
conjunto ortonormal. Se mostrara como construir uk+1.

Paso 4. Continuacin del proceso

Sea (15) entonces para

i=1,2,,k

Pero Por lo

tanto,

As, es un conjunto linealmente independiente, ortogonal


y vk+10.

Paso 5

Sea

Entonces es claro que es un conjunto ortonormal y se


puede continuar de esta manera hasta que k+1=m con lo que se completa la
prueba.
Nota. Como cada u es una combinacin lineal de vectores v,

gen es un subespacio de gen y como cada


espacio tiene dimensin k, los espacio son iguales.