Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
EVIDENCIA: Investigación 4
SEMESTRE: Tercero
Grupo: A
Introducción…………………………………………………………….. Pág.3
y sus propiedades………………………………………………………Pág.7,8,9
de Gram-Schmidt………………………………………………….…… Pág.19,29,21,22
Conclusiones…………………………………………………………… Pág.23
P á g i n a 3 | 24
4. ESPACIOS VECTORIALES.
2. u +v =v +u.
3. (u + v) + w =u +( v +w ).
7. c ( u + v) = cu+ cv.
8. (C +d ) u = cu + du.
9. c(du) = (cd)u.
10. 1u=u
Los espacios de nℜ con 1≥n, son los ejemplos principales de espacios vectoriales.
La intuición geométrica desarrollada para 3ℜ nos ayudará a entender y a visualizar
muchos conceptos.
P á g i n a 4 | 24
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 útil pensar en R2 o R3 al manejar un espacio vectorial, con
frecuencia ocurre que el espacio vectorial parece ser muy diferente a estos cómodos
espacios (en breve tocaremos este tema). En segunda instancia, la definición 1
ofrece una definición de un espacio vectorial real. La palabra “real” significa que los
escalares que se usan son números reales. Sería igualmente sencillo definir un
espacio vectorial complejo utilizando números complejos en lugar de reales. Este
libro está dedicado principalmente a espacios vectoriales reales, pero las
generalizaciones a otros conjuntos de escalares presentan muy poca dificultad.
[A2] Existe un vector en V, denotado por 0 y denominado el vector cero, tal que
u+0=u para todo vector uϵV.
[A3] Para todo vector uϵV existe un único vector en V, denotado por –u, tal que u+(-
u)=0.
[M1] Para todo escalar kϵK y todo par de vectores u, vϵV, k(u+v)=ku+kv.
[M2] Para todo par de escalares a, bϵK y todo vector uϵV, (a+b)u=au+bu.
[M3] Para todo par de escalares a, bϵK y todo vector uϵV, (ab)u=a(bu).
[M4] La escalar unidad 1ϵK cumple 1u=u para todo vector uϵV.
Por otra parte, los cuatro axiomas restantes se refieren a la acción del cuerpo K
sobre V. obsérvese que la rotulación de los axiomas refleja este desdoblamiento.
Empleando estos axiomas adicionales probaremos las siguientes propiedades
elementales de un espacio vectorial.
P á g i n a 6 | 24
2. Para 0ϵK y todo vector uϵV, 0u=0.
Teorema de subespacio
i) Si x € H y y € H, entonces x + y € H.
P á g i n a 7 | 24
vectores en H son también vectores en V, las identidades asociativa, conmutativa,
distributiva y multiplicativa [axiomas ii), v), vii), viii), ix) y x)] se cumplen.
2). H es cerrado bajo la suma de vectores. Esto es, para cada u y v en H, la suma
u + v está en H.
Ejemplo.
El
P á g i n a 8 | 24
4.3 COMBINACIÓN LINEAL E INDEPENDENCIA LINEAL
Una combinación lineal de dos o más vectores es el vector que se obtiene al sumar
esos vectores multiplicados por escalares. Cualquier vector se puede poner como
combinación lineal de otros que tengan distinta dirección.
c1v1+c2v2+…+ckvk=0
Sean u1, u2, …,uk k vectores en Rn y A la matriz que tiene como columnas a estos
vectores, los vectores son linealmente independientes si el sistema Ax = 0 tiene
únicamente solución trivial.
P á g i n a 9 | 24
Los vectores son linealmente dependientes si el sistema Ax=0 tiene soluciones no
triviales (solución múltiple).
Teoremas
-Cualquier conjunto formado por dos vectores diferentes de cero, S = {v1, v2}, donde
v1 ≠ 0, v2 ≠ 0, es linealmente dependiente si, y sólo si, uno de los vectores es
múltiplo escalar del otro.
COMBINACIÓN 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 combinación lineal de v1, v2,…,vn.
P á g i n a 10 | 24
Una combinación 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 combinación lineal de los mismo. Es decir,
para todo vÎV, existen escalares a1, a2, …, an tales que v=a1v1+a2v2+…+anvn.
P á g i n a 11 | 24
y z=4a 1+6ª 2. Si se piensa que (x, y, z) esta fija, entonces estas ecuaciones se
pueden ver como un sistema de tres ecuaciones con tres incógnitasa1, a2. Este
INDEPENDENCIA LINEAL
Existe una relación espacial entre los vectores, se puede apreciar que v2=2v1; o si
se escribe esta ecuación de otra manera. 2v1-v2=0.
En otras palabras, el vector cero se puede escribir como una combinación no trivial
de v1 y v2 (es decir, donde los coeficientes en la combinación lineal no son ambos
cero). ¿Qué tienen de especial los vectores? La respuesta a esta pregunta es más
difícil a simple vista. Sin embargo, es sencillo verificar que v3=3v1+2v2; rescribiendo
esto se obtiene:
P á g i n a 12 | 24
4.4 BASE Y DIMENSIÓN DE UN ESPACIO VECTORIAL, CAMBIO DE BASE
Base de un vector: Si un espacio vectorial V tiene una base con n vectores, entonces
toda base de V tiene n vectores.
Base un conjunto finito de vectores es una base para un espacio vectorial de V si:
Propiedades
V y se denota por dim (V)=n. Si V consta solamente del vector cero, entonces la
dimensión de V se define como cero.
P á g i n a 13 | 24
Se ha visto en R2 conviene escribir vectores como una combinación lineal de los
En Rn se define puesto que los vectores e, son las columnas d una matriz identidad
DIMENSIÓN
Si el espacio vectorial V tiene una base con un numero finito de elementos, entonces
la dimensión de V es el número de vectores en todas las bases y V se denomina
espacio vectorial de dimensión finita. De otra manera, V se denomina espacio
P á g i n a 14 | 24
vectorial de dimensión infinita. Si V={0}, entonces se dice que V tiene dimensión
cero.
P á g i n a 15 | 24
4.5 ESPACIO VECTORIAL CON PRODUCTO INTERNO Y SUS PROPIEDADES
Un producto interior sobre V es una función que asocia un número real ‹u, v› con
cada par de vectores u y v cumple los siguientes axiomas:
Propiedades:
i. (v, v) ≥ 0
v. (u, v) = (v, u)
Espacios con producto interior: el producto interior euclidiano es solo uno más
de los productos internos que se tiene que definir en Rn Para distinguir entre el
producto interno normal y otros posibles productos internos se usa la siguiente
notación.
1. ‹0, v› = ‹v, 0› = 0
2. ‹u + v, w› = ‹u, w› + ‹v, w›
P á g i n a 16 | 24
3. ‹u, cv› = c‹u, 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:
Nota 1. Aquí se usa la doble barra en lugar de una sola para evitar confusión con el
valor absoluto. Por ejemplo, ǁsen tǁ denota la norma de sen t como un “vector” en
C [0, 2π] mientras que |sen t| denota el valor absoluto de la función sen t.
P á g i n a 17 | 24
Conjunto ortonormal
Proyección ortogonal
Sea H un subespacio del espacio con producto interno V con base ortonormal
P á g i n a 18 | 24
Teorema: si H es un subespacio del espacio con producto interno V, entonces
Teorema: sea A una matriz de nxn; entonces A tiene vectores propios linealmente
independientes si y solo si multiplicidad geométrica de cada valor propio es igual a
su multiplicidad 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).
-Sea B = {v1, v2, . . ., vn} una base de un espacio V con producto interno.
-Sea B´= {w1, w2, . . ., wn} donde wi está dado por: w1= v
3. Sea ui= wi ││w1││ entonces el conjunto B´´={ u1, u2, . . ., un} es una base
ortonormal de V.
P á g i n a 19 | 24
Ejemplo: Forma alternativa del proceso de ortonormalización de Gram-Schmidt
Determine una base ortonormal del espacio solución del siguiente sistema
homogéneo de ecuaciones lineales
w+ x + z= 0
Una base del espacio solución es:B= {v1, v2,} = {(-2,2,1,0), (1,-8,0,1)}.
Para hallar una base ortonormal B´= {u1, u2}, se usa la forma alternativa del proceso
de ortonormalización de Gram- Schmidt como sigue:
Conjunto ortonormal en Rn
P á g i n a 20 | 24
Nota. Si entonces v*v= Esto significa
que (9)
De esta forma se puede obtener la raíz cuadrada en (8), y se tiene (10) (11)
Suponga que
Como v≠0 por hipótesis |v|2>0 y se dice que c=0. Esto es cierto para i=1, 2, k, lo que
completa la prueba.
P á g i n a 21 | 24
Resulta que el vector w dado es ortogonal a v cuando w y v están en Rn para
cualquier n≥2. Obsérvese que como u es un vector unitario,
P á g i n a 22 | 24
CONCLUSIÓN
P á g i n a 23 | 24
FUENTES DE CONSULTA
P á g i n a 24 | 24