UNIDAD 4 ESPACIOS VECTORIALES

4.1 DEFINICION DE ESPACIO VECTORIAL

Un espacio vectorial real V es un conjunto de objetos,
denominados vectores, junto con dos operaciones binarias
llamadas suma y multiplicacin por un escalar y que satisfacen los diez
axiomas enumerados a continuacin.
Notacin. Si x y y estn en V y si a es un nmero real, entonces la suma
se escribe como
x + y y el producto escalar de a y x como ax.
Antes de presentar la lista de las propiedades que satisfacen los vectores en
un espacio vectorial deben mencionarse dos asuntos de importancia. En
primer lugar, mientras que puede ser til pensar en R2 o R3 al manejar un
espacio vectorial, con frecuencia ocurre que el espacio vectorial parece ser
muy diferente a estos cmodos espacios (en breve tocaremos este tema). En
segunda instancia, la definicin 1 ofrece una definicin de un espacio
vectorial real. La palabra real significa que los escalares que se usan son
nmeros reales. Sera igualmente sencillo definir un espacio vectorial
complejo utilizando nmeros complejos en lugar de reales. Este libro est
dedicado principalmente a espacios vectoriales reales, pero las
generalizaciones a otros conjuntos de escalares presentan muy poca
dificultad.

EJERCICIOS:

4.2 DEFINICION DE SUBESPACIO VECTORIAL Y SUS PROPIEDADES

DEFINICION DE SUB ESPACIO VECTORIAL
Sea H un subconjunto no vaco de un espacio vectorial V y suponga
que H es en s un espacio vectorial bajo las operaciones de suma y
multiplicacin por un escalar definidas en V. Entonces se dice que H
es un sub espacio de V.
Existen mltiples ejemplos de sub espacio, sin embargo, en primer
lugar, se demostrar un resultado que hace relativamente sencillo
determinar si un subconjunto de V es en realidad sub espacio de V
Teorema de sub espacio
Un subconjunto no vaco de H de un espacio vectorial V es un sub
espacio de V si se cumplen las dos reglas de cerradura:
Reglas de cerradura para ver si un subconjunto no vaci es un sub
espacio
i) Si x H y y H, entonces x + y H.
ii) Si x H, entonces x H para todo escalar .
Es obvio que si H es un espacio vectorial, entonces las dos reglas de
cerradura se debern cumplir. De lo contrario, para demostrar que
es un espacio vectorial, se deber demostrar que los axiomas i) a x)
de la definicin cumplen bajo las operaciones de suma de vectores
y multiplicacin por un escalar definidas en V. Las dos operaciones
de cerradura [axiomas i) y iv)] se cumplen por hiptesis, como los
vectores en H son tambin vectores en V, las identidades
asociativa, conmutativa, distributiva y multiplicativa
[axiomas ii), v), vii), viii), ix) y x)] se cumplen.
Este teorema demuestra que para probar si H es o no es un sub
espacio de V, es suficiente verificar que:
x + y y X estn en H cuando x y y estn en H y es un escalar.

PROPIEDADES DE SUB ESPACIO VECTORIAL

1). El vector cero de V est en H.2

2). H es cerrado bajo la suma de vectores. Esto es, para

cada u y v en
H, la suma u + v est en H.

3). H es cerrado bajo la multiplicacin por escalares. Esto es, para

cada
u en H y cada escalar c, el vector cu est en H.

EJERCICIOS:

4.3 COMBINACION LINEAL. INDEPENDENCIA LINEAL.

Una combinacin lineal es una expresin matemtica que consiste
en la suma entre pares de elementos, de determinados conjuntos,
multiplicados entre s.
En particular, la combinacin lineal de un conjunto de vectores se
trata de un vector de la forma

con los elementos de un cuerpo.

EJERCICIOS:
INDEPENDENCIA LINEAL
En lgebra lineal, un conjunto de vectores es linealmente
independiente si ninguno de ellos puede ser escrito con
una combinacin lineal de los restantes. Por ejemplo, en R3, el
conjunto de vectores (1, 0, 0), (0, 1, 0) y (0, 0, 1) es linealmente
independiente, mientras que (2, 1, 1), (1, 0, 1) y (3, 1, 2) no lo es,
ya que el tercero es la suma de los dos primeros.
Dado un conjunto finito de vectores , se dice que
estos vectores son linealmente independientes si existen
nmeros , tales que:

donde la nica posibilidad que se cumpla esta ecuacin es que

dichos escalares sean todos nulos. En caso contrario, se dice que
son linealmente dependientes. Ntese que el smbolo 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 nmeros
no existen, entonces los vectores son linealmente independientes.
La definicin anterior tambin puede extenderse a un conjunto
infinito de vectores, concretamente un conjunto cualquiera de
vectores es linealmente dependiente si contiene un conjunto finito
que sea linealmente dependiente.

EJERCICIOS:
4.4.- BASE Y DIMENSIN DE UN ESPACIO VECTORIAL
Las bases revelan la estructura de los espacios vectoriales de una manera
concisa. Una base es el menor conjunto (finito o infinito) B = {vi}i I de
vectores que generan todo el espacio. Esto significa que cualquier vector v
puede ser expresado como una suma (llamada combinacin lineal) de
elementos de la base
a1vi1 + a2vi2 + ... + anvin,
donde los ak son escalares y vik (k = 1, ..., n) elementos de la base B. La
minimalidad, por otro lado, se hace formal por el concepto deindependencia
lineal. Un conjunto de vectores se dice que es linealmente independiente si
ninguno de sus elementos puede ser expresado como una combinacin lineal
de los restantes. Equivalentemente, una ecuacin
a1vi1 + ai2v2 + ... + anvin = 0
slo se consigue si todos los escalares a1, ..., an son iguales a cero. Por
definicin cada vector puede ser expresado como una suma finita de los
elementos de la base. Debido a la independencia lineal este tipo de
representacin es nica. Los espacios vectoriales a veces se introducen desde
este punto de vista.
Todo espacio vectorial tiene una base. Este hecho se basa en el lema de Zorn,
una formulacin equivalente del axioma de eleccin. Habida cuenta de los
otros axiomas de la teora de conjuntos de Zermelo-Fraenkel, la existencia
de bases es equivalente al axioma de eleccin. El ultrafilter lemma, que es
ms dbil que el axioma de eleccin, implica que todas las bases de un
espacio vectorial tienen el mismo "tamao", es decir,cardinalidad. A sta, se
le llama la dimensin del espacio vectorial, representada por dim V. Si el
espacio es generado por un nmero finito de vectores, todo lo anterior
puede demostrarse sin necesidad de acudir a la teora de conjuntos.
La dimensin de un espacio de coordenadas Fn es n, pues cualquier vector
(x1, x2, ..., xn) puede expresarse de forma nica como combinacin lineal de
n vectores (llamados vectores coordenadas) e1 = (1, 0, ..., 0), e2 = (0, 1, 0, ...,
0), a en = (0, 0, ..., 0, 1), es decir, la suma
x1e1 + x2e2 + ... + xnen,
La dimensin de los espacios de funciones, como por ejemplo el espacio de
funciones definidas en algn intervalo acotado o no, es infinita. Bajo unas
adecuadas asunciones de regularidad de los coeficientes involucrados, la
dimensin del espacio de soluciones de una ecuacin diferencial
ordinaria homognea es igual al grado de la ecuacin. Por ejemplo,
la ecuacin anterior tiene grado 2. El espacio de soluciones est generado
por ex y xex (que son linealmente independientes en R), por lo que la
dimensin de este espacio es dos.
La dimensin (o grado) de una extensin como por ejemplo Q(z) sobre Q
depende de si z es o no algebraico, i.e. satisface una cierta ecuacin
polinomial
qnzn + qn1zn1 + ... + q0 = 0, con coeficientes racionales qn, ..., q0.
Si es algebraico, la dimensin es finita. Es ms, es igual al grado del
polinomio mnimo del que z es raz. Por ejemplo, el conjunto de los nmeros
complejos es un espacio vectorial bidimensional sobre los nmeros reales,
generado por 1 y la unidad imaginaria i. sta ltima cumple i2 + 1 = 0, una
ecuacin de grado dos. Si z no es algebraico, la dimensin es infinita. As,
para z = no existe dicha ecuacin, pues es trascendente.

EJERCICIOS:

4.5 ESPACIO VECTORIAL CON PRODUCTO INTERNO Y SUS

PROPIEDADES
Definicin. El espacio vectorial complejo V se conoce como un
espacio con producto interior si para cualquier par de
vectores u y v en V, existe un nico nmero complejo (u, v),
llamado el producto interior de u y v, tal que si u, v y w estn en V y
si C, entonces
Propiedades
i. (v, v) 0
ii. (v, v) = 0 si y slo si v = 0.
iii, (u, v +w) = (u, v)+ (u, w)
iv. (u + v, w) = (u, w)+(v, w)
v. (u, v) = (v, u)
vi. (u, v) = (u, v)
vii. (u, v) = (u, v)
La barra en las condiciones (v) y (vii) denota el conjugado complejo.

EJERCICIOS:

4.6 BASE ORTONORMAL PROCESO DE ORTONORMALIZACIN DE

GRAM-SCHMIDT
En lgebra lineal, una base ortonormal de un espacio
prehilbertiano V (es decir, un espacio vectorial con producto
interno) o, en particular, de un espacio de Hilbert H, es un conjunto
de elementos cuyo span es denso en el espacio, en el que los
elementos son mutuamente ortogonales y normales, es decir, de
magnitud unitaria. Una base ortogonalsatisface las mismas
condiciones, salvo la de magnitud unitaria; es muy sencillo
transformar una base ortogonal en una base ortonormal mediante
el producto por un escalarapropiado y de hecho, esta es la forma
habitual en la que se obtiene una base ortonormal: por medio de
una base ortogonal.
As, una base ortonormal es una base ortogonal, en la cual
la norma de cada elemento que la compone es unitaria.
Estos conceptos son importantes tanto para espacios de dimensin
finita como de dimensin infinita. Para espacios de dimensin
finita, la condicin de span denso es la misma que la de 'span',
como se usa en lgebra lineal.
Proceso de ortonormalizacin de Gram-Schmidt

1. Sea B = {v1, v2, . . ., vn} una base de un espacio V con producto

interno
2. Sea B= {w1, w2, . . ., wn} donde wi est dado por:

w1= v1

Entonces B es una base ortogonal de V.

3. Sea ui= wi w1 entonces el conjunto B={ u1, u2, . . ., un} es
una base ortonormal de V.
EJERCICIOS: