SlideShare una empresa de Scribd logo
1 de 43
INSTITUTO TECNOLOGICO
DE CIUDAD VICTORIA.

ALUMNO:EDGAR IVAN LOPEZ GARCIA.
PROFESOR: LIC. ESTEBAN REQUENA.
MATERIA: ALGEBRA LINEAL.

SAN FERNANDO

15-10-2013
4.1-ESPACIO
VECTORIAL.
ESPACIO VECTORIAL.

Un espacio vectorial es una terna (V,+,·), donde V es un conjunto no vacío
(llamada suma, definida para los elementos del conjunto) y +,· son dos
operaciones del tipo + : V

V → R, · : R

V → V a las que llamaremos

’suma de vectores’ y ’producto por escalares respectivamente y con las
siguientes propiedades: denotando +(u, v) = u+v y ·(λ, v) = λv,
Los espacios vectoriales tienen aplicaciones en otras ramas de la

matemática, la ciencia y la ingeniería. Se utilizan en métodos como
las series de Fourier, que se utiliza en las rutinas modernas de compresión
de imágenes y sonido, o proporcionan el marco para resolver ecuaciones en
derivadas parciales. Además, los espacios vectoriales proporcionan una
forma abstracta libre de coordenadas de tratar con objetos geométricos y
físicos, tales como tensores, que a su vez permiten estudiar las propiedades
locales de variedades mediante técnicas de línealización.
En el estudio de las matemáticas o de la física, el término vector se aplica
a una amplia variedad de objetos, principalmente a cantidades que
representan magnitudes y dirección , ya sea un fuerza, una velocidad o una
distancia. El término vector también se usa para describir entidades como
matrices, polinomios o funciones.
Supongamos que tenemos un conjunto ”V” donde para X, Y, €,V y a ,
b escalares cumplen con las siguientes propiedades:
Entonces ”V” se denomina un espacio vectorial. Podemos decir por lo anterior
que en un espacio vectorial intervienen dos conjuntos, vectores y escalares,
los segundos como coeficientes de los primeros. Los vectores forman un grupo
abeliano con respecto a la adición (la suma es cerrada, asociativa,
conmutativa, existe el elemento 0 y los negativos) y los escalares forman un

campo con la inclusión del 0 y del 1.
Dicho de manera informal, en un espacio vectorial tenemos elementos los
cuales podemos sumar entre ellos, alargarlos o contraerlos; un paso a seguir
es encontrar todas las características estructurales de estos espacios.
Para esto recurriremos a ideas provenientes del Álgebra Universal, tales como
relaciones de orden, relaciones de equivalencia, mapeos de un conjunto a otro
y la generación de espacios más complejos por medio de productos
cartesianos.
4.2-SUBESPACIO
VECTORIAL.
Teorema.
La intersección de cualquier número de sub espacios de un espacio vectorial
V es un sub espacio de V.
Recuérdese que toda solución de un sistema de ecuaciones lineales con n
incógnitas AX=B puede verse como un punto en K n y por tanto el conjunto
solución de tal sistema es un subconjunto de K n. Supongamos que el sistema
homogéneo, es decir, supongamos que el sistema tiene la forma AX=0.
Denotemos por W su conjunto solución. Como A0=0, el vector cero 0ÎW
además, si u y v pertenecen a W, esto es, si u y v son soluciones de AX=0,
necesariamente Au=0 y A v=0. Por esta razón, para todo par de escalares a y
b en K, tendremos A(a u + b v)=a A u + b A v = a 0 + b 0 = 0 + 0 = 0. De esta
manera, a u + b v es también una solución de AX=0 o, dicho de otro modo, a u
+ b v Î W. En consecuencia, según el corolario, hemos demostrado:
Teorema: el conjunto solución W de un sistema homogéneo con n incógnitas
AX=0 es un sub espacio de k n.
Hacemos énfasis en que el conjunto solución de un sistema in homogéneo
AX=B no es sub espacio de K n. De hecho, el vector cero, 0, no pertenece a
dicho conjunto solución.
4.3-COMBINACION
LINEAL E
INDEPENDENCIA LINEAL.
COMBINACIÓN LINEAL.
Sea (V,K,+,*), Espacio Vectorial, S={1, 2,..., n} Se dice que un
vector es combinación lineal de un conjunto de vectores
S = { 1, 2,..., n} si es que existe alguna forma de expresarlo

como suma de parte de todos los vectores de S, multiplicados a
cada uno de ellos por un escalar cualquiera .
El vector es combinación lineal de los vectores S si tal que:
Ejemplo:

Sea

, espacio Vectorial

S = {(1,-1,0),(-2,3,-1),(2,1,-3)}

Combinación Lineal:

---> 3(1,-1,0) + 4(-2,3,-1) - 2(2,1,-3) = (-9,7,2)
---> 4(1,-1-0) + 5(-2,3,-1) - 6(2,1,-3) = (-18,5, 13)
Para saber que un vector es combinación lineal de otro,
procedemos de la siguiente manera:

=0
Se nos formara un sistema de ecuaciones, el cual tendrá dos
opciones por el hecho de ser un sistema de ecuaciones
homogéneo:

Que tenga única solución, lo que significa que ninguno de los
vectores es combinación lineal de otros.

Que tenga infinitas soluciones, es decir algún vector es
combinación lineal de los otros.
Por Ejemplo:
Determine si es combinación lineal.
S = {(1,0) , (0,1)}
ą ( 1, 0 ) + ß( 0 , 1 ) = ( 0 , 0 )

(ą , ß) = ( 0 , 0 ) Realizamos la matriz ampliada

Al desarrollar el determinante de la matriz ampliada, podemos ver

que tiene única solución, debido a que su determinante es
diferente de cero, por lo tanto, ninguno de sus vectores es
combinación lineal de otro.
2. S = { ( 1,2,3 ), ( 2, -1,0), (3,1,3) }
Entonces, como primer paso:
a ( 1, 2, 3 ) + b ( 2 , -1, 0 ) + t (3, 1, 3 ) = ( 0 , 0 )
Al desarrollarlo tenemos:
(a , 2b ,3 t) + (a 2, - b , t) + (3a ,3 t) = ( 0, 0, 0 )

Al Hacer la matriz ampliada, tenemos:

Al obtener el determinante , nos da como resultado igual a cero, por lo que

podemos concluir dos cosas, que el sistema no tiene solución o tiene
infinitas soluciones, pero como es un sistema de ecuaciones
homogéneas, concluimos que tiene infinitas soluciones.
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 sección se define
el significado de independencia lineal y se muestra su relación con la teoría de
sistemas homogéneos de ecuaciones y determinantes.

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

Se ha escrito el vector cero como una combinación lineal de v1, v2, y v3.
Parece que los dos vectores de la ecuación y los tres vectores de la otra
ecuación tienen una relación más 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 términos generales, se tiene la importante
definición a continuación presentada.
Definición: sean v1, v2, …, vn vectores en un espacio vectorial V. entonces se
dice que los 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
ecuación c1v1+c2v2+…+cnvn=0 se cumple únicamente para c1=c2=…=cn=0.
Son linealmente dependientes si el vector cero en V se puede expresar como
una combinación lineal 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 indistintamente.
TEOREMA.
Dos vectores en un espacio vectorial son linealmente dependientes si y solo si
uno de ellos es un múltiplo escalar del otro.
Demostración: primero suponga que v2=cv1 para algún escalar c≠0. 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 c1≠0, entonces
dividiendo entre c1 se obtiene v1+(c2/c1)v2=0, o sea,

Es decir, v1 es un múltiplo escalar de v2. Si c1=0, entonces c2≠0 y, por lo
tanto, v2=0=0v1.
4.4-BASE Y DIMENSION DE
UN ESPACIO VECTORIAL.
CAMBIO DE BASE
Base y dimensión de un espacio vectorial, cambio
de base.

Se ha visto en R2 conviene escribir vectores como una combinación lineal de
los vectores
. En R3 se escribieron los vectores en términos

De

Ahora se generalizara esta idea.

BASE
Un conjunto finito de vectores
vectorial V si

es una base para un espacio
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 canónica
en Rn. Ahora se encontraran bases para otros espacios.
EJEMPLO: base canónica para M22

Se vio que

generan a
,

entonces es evidentemente

que
. Así, estas cuatro matrices son
linealmente independientes y forman una base para M22, lo que se denomina
base canónica para M22.

DIMENSIÓN
Si el espacio vectorial V tiene una base con un numero finito de elementos,
entonces la dimensión de V es el numero de vectores en todas las bases y V
se denomina espacio vectorial de dimensión finita. De otra manera, V se
denomina espacio vectorial de dimensión infinita. Si V={0}, entonces se dice
que V tiene dimensión cero.
Notación. La dimensión V se denota por dimV.
EJEMPLO: la dimensión de Mmn
En Mmn sea A la matriz de mxn con un uno en la posición 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. Así, dimMmn=mn.
TEOREMA: suponga que dimV=n.si
es un conjunto de m
vectores linealmente independientes en V, entonces m≤n.
Sea

entonces, igual que la prueba del teorema, se pueden

encontrar constantes
no todas cero, tales que la
ecuación (2) se satisface. Esto contradice la independencia lineal de los
vectores u. así, m≤n.
EJEMPLO: una base para el espacio de solución de un sistema
homogéneo
Encuentre una base (y la dimensión) para el espacio de solución S del sistema
homogéneo

SOLUCIÓN: aquí
. Como A es una matriz de 2x3, S es un
Sub espacio de R3. Reduciendo por renglones, se encuentra, sucesivamente,
4.5-ESPACIO VECTORIAL
CON PRODUCTO INTERNO
Y SUS PROPIEDADES.
Definición. 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 único
número complejo (u, v), llamado el producto interior de u y v, tal que si u, v y w
están en V y si α ∈ C, entonces

Propiedades
i. (v, v) ≥ 0
ii. (v, v) = 0 si y sólo 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. (αu, v) = α(u, v)
vii. (u, αv) = α(u, v)
La barra en las condiciones (v) y (vii) denota el conjugado complejo.
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 están en V.
entonces
PROPIEDADES
CONJUNTO ORTONORMAL.

El conjunto de vectores
Si
es ortonormal.

es un conjunto ortonormal en V
y Si solo el primero se cumple, se dice que el conjunto

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.
Proyección ortogonal.
Sea H un subespacio del espacio con producto interno V con base ortonormal

Si vϵV, entonces la proyección ortonormal de v sobre H denotada por proyHv
esta dada por (6)
Las demostraciones de los siguientes teoremas son idénticas a sus
contrapartes en Rn.
TEOREMA: sea H un subespacio de dimensión finita con producto interno V.
suponga que H tiene dos bases ortonormales
Sea vϵV. entonces
COMPLEMENTO ORTOGONAL.
Sea H un sub espacio del espacio con producto interno V. entonces el
complemento ortogonal de H, denotado por H, esta dado por (7)

TEOREMA: si H es un sub espacio del espacio con producto interno V,
entonces
TEOREMA DE PROYECCIÓN.
sea H un sub espacio de dimensión finita del espacio con producto interno V y
suponga que vϵV. entonces existe un par único de vectores h y p tales que
hϵH, pϵH, y (8) v=h+p donde h=proyHv.

Si V tiene dimensión finita, entonces p=proyHv.

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 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-CAMBIO DE BASE.
BASE ORTONORMAL.
PROCESO DE
ORTONORMALIZACION
GRAM-SCHMIDT.
CAMBIO DE BASE.
El cambio de base consiste en conocidas las coordenadas de un vector
respecto a una base B, encontrar las coordenadas de dicho vector con
respecto a otra base B’.
TEOREMA 4.10 (La inversa de la matriz de transición).
Si P es la matriz de transición de una base B a una base B’ en , entonces P es invertible
y la matriz de transición de B’a B es .
TEOREMA 4.11 (Matriz de transición de una base B a una base B’).
Sean

y

dos bases de Rn, entonces la matriz de

transición P-1 de B a B’ puede determinarse mediante eliminación de Gauss – Jordán en
la matriz como se muestra a continuación
En la matriz

B’ representa la matriz que tiene por columnas las

componentes de los vectores de la base B’ respectivamente, de forma
similar B representa la matriz que tiene por columnas las componentes de los
vectores de la base B respectivamente.
Base ortonormal.
En algebra lineal, una base ortonormal de un espacio prehilbertiano V (es
decir, un espacio vectorial con producto interno) o, en particular, de un espacio de
HilbertH, 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 ortogonal satisface las mismas condiciones, salvo la de magnitud unitaria; es muy
sencillo transformar una base ortogonal en una base ortonormal mediante el producto
por un escalar apropiado y de hecho, esta es la forma habitual en la que se obtiene una
base ortonormal: por medio de una base ortogonal.
Así, 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 dimensión finita como
de dimensión infinita. Para espacios de dimensión finita, la condición de span
denso es la misma que la de 'span', como se usa en álgebra lineal.

Una base ortonormal por lo general no es una "base", es decir, en general no
es posible escribir a cada elemento del espacio como una combinación lineal
de un número finito de elementos de la base ortonormal. En el caso de
dimensión infinita, esta distinción cobra importancia: la definición dada requiere
solo que el span de una base ortonormal sea densa en el espacio vectorial, y
no que iguale al espacio entero.
Una base ortonormal de un espacio vectorial V no tiene sentido si el espacio no
posee un producto interno. Un Espacio de Banach no tendrá una base
ortonormal a no ser que sea unespacio de Hilbert.
Proceso de orto normalización Gram – Schmidt
El proceso de ortogonalización de Gram–Schmidt de álgebra lineal es un
proceso utilizado en matemática y análisis numérico, para ortogonalizar un
conjunto de vectores en un espacio prehilbertiano, más comúnmente el
espacio euclídeo Rn. Ortogonalización en este contexto significa lo siguiente:
comenzamos con vectores v1,…, vk los cuales son linealmente independientes
y queremos encontrar mutuamente vectores ortogonales u1, …, uk los cuales
generan el mismo subespacio que los vectores v1, …, vk.
Este proceso lleva el nombre en honor a Jørgen Pedersen Gram y Erhard
Schmidt. Proceso de Gram–Schmidt Definimos el operador proyección
condonde los corchetes angulares representan el producto interior, proyecta el
vector v ortogonalmente en el vector u. Antes de ver el proceso, debemos
comprender el porqué de la definición de proyección. Si recordamos la
definición de producto escalar, tenemos para el caso del numerador, módulo
de u por módulo de v por el coseno del ángulo que forman.
En el denominador tenemos módulo de u por módulo de u, ya que el coseno
sería 1. Si separamos los dos módulos de u en el denominador, vemos que a
la izquierda tenemos únicamente “módulo de v * cos (ángulo que forman)”, lo
que nos da claramente el módulo del vector proyección. Teniendo el módulo

del vector proyección lo único que debemos hacer es asignarle una
dirección, cosa que hacemos multiplicándolo por u/módulo(u), lo que es el
vector de módulo 1 con dirección u (el vector unitario).
EspacioVectorial

Más contenido relacionado

La actualidad más candente

Matriz Inversa y Matrices Semejantes
Matriz Inversa y Matrices SemejantesMatriz Inversa y Matrices Semejantes
Matriz Inversa y Matrices Semejantesalgebragr4
 
Matriz asociada a una transformacion lineal
Matriz asociada a una transformacion linealMatriz asociada a una transformacion lineal
Matriz asociada a una transformacion linealalgebra
 
Presentaciòn de funciones matemàticas..
Presentaciòn de funciones matemàticas..Presentaciòn de funciones matemàticas..
Presentaciòn de funciones matemàticas..stheprinces
 
Ejercicios resueltos y explicados (norma de un vector)
Ejercicios resueltos y explicados (norma de un vector)Ejercicios resueltos y explicados (norma de un vector)
Ejercicios resueltos y explicados (norma de un vector)algebra
 
Subespacios vectoriales
Subespacios vectorialesSubespacios vectoriales
Subespacios vectorialesBelen Calero
 
Algebra lineal 2. Espacios vectoriales
Algebra lineal 2. Espacios vectorialesAlgebra lineal 2. Espacios vectoriales
Algebra lineal 2. Espacios vectorialesEdward Ropero
 
Grafos eulerianos y hamiltonianos
Grafos eulerianos y hamiltonianosGrafos eulerianos y hamiltonianos
Grafos eulerianos y hamiltonianosAron Boza
 
Conjunto generador
Conjunto generadorConjunto generador
Conjunto generadoralgebra
 
Base y dimension de los espacios vectoriales
Base y dimension de los espacios vectorialesBase y dimension de los espacios vectoriales
Base y dimension de los espacios vectorialesManuel Alejandro Garza
 
Sistemas coordenadas (diferenciales, lineales, área y volumen)
Sistemas coordenadas (diferenciales, lineales, área y volumen)Sistemas coordenadas (diferenciales, lineales, área y volumen)
Sistemas coordenadas (diferenciales, lineales, área y volumen)Norman Rivera
 
TEMA 1: MATRICES. OPERACIONES CON MATRICES
TEMA 1: MATRICES. OPERACIONES CON MATRICESTEMA 1: MATRICES. OPERACIONES CON MATRICES
TEMA 1: MATRICES. OPERACIONES CON MATRICESelisancar
 
Eliminación gaussiana simple
Eliminación gaussiana simpleEliminación gaussiana simple
Eliminación gaussiana simplekendrys07
 
Volumen de solidos_de_revolucion
Volumen de solidos_de_revolucionVolumen de solidos_de_revolucion
Volumen de solidos_de_revolucionEdixon Urquiola
 

La actualidad más candente (20)

Matriz Inversa y Matrices Semejantes
Matriz Inversa y Matrices SemejantesMatriz Inversa y Matrices Semejantes
Matriz Inversa y Matrices Semejantes
 
Matriz asociada a una transformacion lineal
Matriz asociada a una transformacion linealMatriz asociada a una transformacion lineal
Matriz asociada a una transformacion lineal
 
Presentaciòn de funciones matemàticas..
Presentaciòn de funciones matemàticas..Presentaciòn de funciones matemàticas..
Presentaciòn de funciones matemàticas..
 
Ejercicios resueltos y explicados (norma de un vector)
Ejercicios resueltos y explicados (norma de un vector)Ejercicios resueltos y explicados (norma de un vector)
Ejercicios resueltos y explicados (norma de un vector)
 
Taller2
Taller2Taller2
Taller2
 
Subespacios vectoriales
Subespacios vectorialesSubespacios vectoriales
Subespacios vectoriales
 
Algebra lineal 2. Espacios vectoriales
Algebra lineal 2. Espacios vectorialesAlgebra lineal 2. Espacios vectoriales
Algebra lineal 2. Espacios vectoriales
 
Grafos eulerianos y hamiltonianos
Grafos eulerianos y hamiltonianosGrafos eulerianos y hamiltonianos
Grafos eulerianos y hamiltonianos
 
Conjunto generador
Conjunto generadorConjunto generador
Conjunto generador
 
Base y dimension de los espacios vectoriales
Base y dimension de los espacios vectorialesBase y dimension de los espacios vectoriales
Base y dimension de los espacios vectoriales
 
Sistemas coordenadas (diferenciales, lineales, área y volumen)
Sistemas coordenadas (diferenciales, lineales, área y volumen)Sistemas coordenadas (diferenciales, lineales, área y volumen)
Sistemas coordenadas (diferenciales, lineales, área y volumen)
 
Capitulo 3 ejercicios
Capitulo 3 ejerciciosCapitulo 3 ejercicios
Capitulo 3 ejercicios
 
TEMA 1: MATRICES. OPERACIONES CON MATRICES
TEMA 1: MATRICES. OPERACIONES CON MATRICESTEMA 1: MATRICES. OPERACIONES CON MATRICES
TEMA 1: MATRICES. OPERACIONES CON MATRICES
 
Eliminación gaussiana simple
Eliminación gaussiana simpleEliminación gaussiana simple
Eliminación gaussiana simple
 
2 matrices
2 matrices2 matrices
2 matrices
 
Operadores lineales
Operadores linealesOperadores lineales
Operadores lineales
 
Integrales
IntegralesIntegrales
Integrales
 
Volumen de solidos_de_revolucion
Volumen de solidos_de_revolucionVolumen de solidos_de_revolucion
Volumen de solidos_de_revolucion
 
Intervalos
IntervalosIntervalos
Intervalos
 
Longitud de curva
Longitud  de curvaLongitud  de curva
Longitud de curva
 

Similar a EspacioVectorial (20)

Espacios vectoriales
Espacios vectorialesEspacios vectoriales
Espacios vectoriales
 
Espacio vectorial
Espacio vectorialEspacio vectorial
Espacio vectorial
 
Espacio vectorial
Espacio vectorialEspacio vectorial
Espacio vectorial
 
Espacio Vectorial
Espacio VectorialEspacio Vectorial
Espacio Vectorial
 
Espacios vectoriales
Espacios vectoriales Espacios vectoriales
Espacios vectoriales
 
Resumen de espacios vectoriales
Resumen de espacios vectorialesResumen de espacios vectoriales
Resumen de espacios vectoriales
 
E.V. Power Point (3) (3).pptx
E.V. Power Point (3) (3).pptxE.V. Power Point (3) (3).pptx
E.V. Power Point (3) (3).pptx
 
El Espacio Vectorial
El Espacio VectorialEl Espacio Vectorial
El Espacio Vectorial
 
Resumen+de+teoria+matemticas+i+1112
Resumen+de+teoria+matemticas+i+1112Resumen+de+teoria+matemticas+i+1112
Resumen+de+teoria+matemticas+i+1112
 
espacios vectoriales
espacios vectorialesespacios vectoriales
espacios vectoriales
 
espacios vectoriales
espacios vectoriales espacios vectoriales
espacios vectoriales
 
Unidad ii material complementario vectores
Unidad ii material complementario vectoresUnidad ii material complementario vectores
Unidad ii material complementario vectores
 
Espacios vectoriales
Espacios vectorialesEspacios vectoriales
Espacios vectoriales
 
1 vectores
1 vectores1 vectores
1 vectores
 
Apuntes de vectores
Apuntes de vectoresApuntes de vectores
Apuntes de vectores
 
Vectores en el espacio
Vectores en el espacioVectores en el espacio
Vectores en el espacio
 
Vectores en el espacio
Vectores en el espacioVectores en el espacio
Vectores en el espacio
 
Af espacios vectoriales_victor camargo
Af espacios vectoriales_victor camargoAf espacios vectoriales_victor camargo
Af espacios vectoriales_victor camargo
 
Algebra Lineal
Algebra LinealAlgebra Lineal
Algebra Lineal
 
Presentación sobre Espacios Vectoriales.
Presentación sobre Espacios Vectoriales.Presentación sobre Espacios Vectoriales.
Presentación sobre Espacios Vectoriales.
 

Último

LA ECUACIÓN DEL NÚMERO PI EN LOS JUEGOS OLÍMPICOS DE PARÍS. Por JAVIER SOLIS ...
LA ECUACIÓN DEL NÚMERO PI EN LOS JUEGOS OLÍMPICOS DE PARÍS. Por JAVIER SOLIS ...LA ECUACIÓN DEL NÚMERO PI EN LOS JUEGOS OLÍMPICOS DE PARÍS. Por JAVIER SOLIS ...
LA ECUACIÓN DEL NÚMERO PI EN LOS JUEGOS OLÍMPICOS DE PARÍS. Por JAVIER SOLIS ...JAVIER SOLIS NOYOLA
 
Los Nueve Principios del Desempeño de la Sostenibilidad
Los Nueve Principios del Desempeño de la SostenibilidadLos Nueve Principios del Desempeño de la Sostenibilidad
Los Nueve Principios del Desempeño de la SostenibilidadJonathanCovena1
 
TUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJO
TUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJOTUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJO
TUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJOweislaco
 
Tarea 5-Selección de herramientas digitales-Carol Eraso.pdf
Tarea 5-Selección de herramientas digitales-Carol Eraso.pdfTarea 5-Selección de herramientas digitales-Carol Eraso.pdf
Tarea 5-Selección de herramientas digitales-Carol Eraso.pdfCarol Andrea Eraso Guerrero
 
periodico mural y sus partes y caracteristicas
periodico mural y sus partes y caracteristicasperiodico mural y sus partes y caracteristicas
periodico mural y sus partes y caracteristicas123yudy
 
SISTEMA INMUNE FISIOLOGIA MEDICA UNSL 2024
SISTEMA INMUNE FISIOLOGIA MEDICA UNSL 2024SISTEMA INMUNE FISIOLOGIA MEDICA UNSL 2024
SISTEMA INMUNE FISIOLOGIA MEDICA UNSL 2024gharce
 
DECÁGOLO DEL GENERAL ELOY ALFARO DELGADO
DECÁGOLO DEL GENERAL ELOY ALFARO DELGADODECÁGOLO DEL GENERAL ELOY ALFARO DELGADO
DECÁGOLO DEL GENERAL ELOY ALFARO DELGADOJosé Luis Palma
 
SINTAXIS DE LA ORACIÓN SIMPLE 2023-2024.pptx
SINTAXIS DE LA ORACIÓN SIMPLE 2023-2024.pptxSINTAXIS DE LA ORACIÓN SIMPLE 2023-2024.pptx
SINTAXIS DE LA ORACIÓN SIMPLE 2023-2024.pptxlclcarmen
 
Tarea 5_ Foro _Selección de herramientas digitales_Manuel.pdf
Tarea 5_ Foro _Selección de herramientas digitales_Manuel.pdfTarea 5_ Foro _Selección de herramientas digitales_Manuel.pdf
Tarea 5_ Foro _Selección de herramientas digitales_Manuel.pdfManuel Molina
 
PLANIFICACION ANUAL 2024 - INICIAL UNIDOCENTE.docx
PLANIFICACION ANUAL 2024 - INICIAL UNIDOCENTE.docxPLANIFICACION ANUAL 2024 - INICIAL UNIDOCENTE.docx
PLANIFICACION ANUAL 2024 - INICIAL UNIDOCENTE.docxJUANSIMONPACHIN
 
PPT_Formación integral y educación CRESE (1).pdf
PPT_Formación integral y educación CRESE (1).pdfPPT_Formación integral y educación CRESE (1).pdf
PPT_Formación integral y educación CRESE (1).pdfEDILIAGAMBOA
 
FICHA DE MONITOREO Y ACOMPAÑAMIENTO 2024 MINEDU
FICHA DE MONITOREO Y ACOMPAÑAMIENTO  2024 MINEDUFICHA DE MONITOREO Y ACOMPAÑAMIENTO  2024 MINEDU
FICHA DE MONITOREO Y ACOMPAÑAMIENTO 2024 MINEDUgustavorojas179704
 
ÉTICA, NATURALEZA Y SOCIEDADES_3RO_3ER TRIMESTRE.pdf
ÉTICA, NATURALEZA Y SOCIEDADES_3RO_3ER TRIMESTRE.pdfÉTICA, NATURALEZA Y SOCIEDADES_3RO_3ER TRIMESTRE.pdf
ÉTICA, NATURALEZA Y SOCIEDADES_3RO_3ER TRIMESTRE.pdfluisantoniocruzcorte1
 
Uses of simple past and time expressions
Uses of simple past and time expressionsUses of simple past and time expressions
Uses of simple past and time expressionsConsueloSantana3
 
Estas son las escuelas y colegios que tendrán modalidad no presencial este lu...
Estas son las escuelas y colegios que tendrán modalidad no presencial este lu...Estas son las escuelas y colegios que tendrán modalidad no presencial este lu...
Estas son las escuelas y colegios que tendrán modalidad no presencial este lu...fcastellanos3
 
Presentación de Estrategias de Enseñanza-Aprendizaje Virtual.pptx
Presentación de Estrategias de Enseñanza-Aprendizaje Virtual.pptxPresentación de Estrategias de Enseñanza-Aprendizaje Virtual.pptx
Presentación de Estrategias de Enseñanza-Aprendizaje Virtual.pptxYeseniaRivera50
 

Último (20)

LA ECUACIÓN DEL NÚMERO PI EN LOS JUEGOS OLÍMPICOS DE PARÍS. Por JAVIER SOLIS ...
LA ECUACIÓN DEL NÚMERO PI EN LOS JUEGOS OLÍMPICOS DE PARÍS. Por JAVIER SOLIS ...LA ECUACIÓN DEL NÚMERO PI EN LOS JUEGOS OLÍMPICOS DE PARÍS. Por JAVIER SOLIS ...
LA ECUACIÓN DEL NÚMERO PI EN LOS JUEGOS OLÍMPICOS DE PARÍS. Por JAVIER SOLIS ...
 
Los Nueve Principios del Desempeño de la Sostenibilidad
Los Nueve Principios del Desempeño de la SostenibilidadLos Nueve Principios del Desempeño de la Sostenibilidad
Los Nueve Principios del Desempeño de la Sostenibilidad
 
TUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJO
TUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJOTUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJO
TUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJO
 
Tarea 5-Selección de herramientas digitales-Carol Eraso.pdf
Tarea 5-Selección de herramientas digitales-Carol Eraso.pdfTarea 5-Selección de herramientas digitales-Carol Eraso.pdf
Tarea 5-Selección de herramientas digitales-Carol Eraso.pdf
 
periodico mural y sus partes y caracteristicas
periodico mural y sus partes y caracteristicasperiodico mural y sus partes y caracteristicas
periodico mural y sus partes y caracteristicas
 
SISTEMA INMUNE FISIOLOGIA MEDICA UNSL 2024
SISTEMA INMUNE FISIOLOGIA MEDICA UNSL 2024SISTEMA INMUNE FISIOLOGIA MEDICA UNSL 2024
SISTEMA INMUNE FISIOLOGIA MEDICA UNSL 2024
 
DECÁGOLO DEL GENERAL ELOY ALFARO DELGADO
DECÁGOLO DEL GENERAL ELOY ALFARO DELGADODECÁGOLO DEL GENERAL ELOY ALFARO DELGADO
DECÁGOLO DEL GENERAL ELOY ALFARO DELGADO
 
SINTAXIS DE LA ORACIÓN SIMPLE 2023-2024.pptx
SINTAXIS DE LA ORACIÓN SIMPLE 2023-2024.pptxSINTAXIS DE LA ORACIÓN SIMPLE 2023-2024.pptx
SINTAXIS DE LA ORACIÓN SIMPLE 2023-2024.pptx
 
VISITA À PROTEÇÃO CIVIL _
VISITA À PROTEÇÃO CIVIL                  _VISITA À PROTEÇÃO CIVIL                  _
VISITA À PROTEÇÃO CIVIL _
 
Tarea 5_ Foro _Selección de herramientas digitales_Manuel.pdf
Tarea 5_ Foro _Selección de herramientas digitales_Manuel.pdfTarea 5_ Foro _Selección de herramientas digitales_Manuel.pdf
Tarea 5_ Foro _Selección de herramientas digitales_Manuel.pdf
 
PPTX: La luz brilla en la oscuridad.pptx
PPTX: La luz brilla en la oscuridad.pptxPPTX: La luz brilla en la oscuridad.pptx
PPTX: La luz brilla en la oscuridad.pptx
 
DIA INTERNACIONAL DAS FLORESTAS .
DIA INTERNACIONAL DAS FLORESTAS         .DIA INTERNACIONAL DAS FLORESTAS         .
DIA INTERNACIONAL DAS FLORESTAS .
 
PLANIFICACION ANUAL 2024 - INICIAL UNIDOCENTE.docx
PLANIFICACION ANUAL 2024 - INICIAL UNIDOCENTE.docxPLANIFICACION ANUAL 2024 - INICIAL UNIDOCENTE.docx
PLANIFICACION ANUAL 2024 - INICIAL UNIDOCENTE.docx
 
PPT_Formación integral y educación CRESE (1).pdf
PPT_Formación integral y educación CRESE (1).pdfPPT_Formación integral y educación CRESE (1).pdf
PPT_Formación integral y educación CRESE (1).pdf
 
FICHA DE MONITOREO Y ACOMPAÑAMIENTO 2024 MINEDU
FICHA DE MONITOREO Y ACOMPAÑAMIENTO  2024 MINEDUFICHA DE MONITOREO Y ACOMPAÑAMIENTO  2024 MINEDU
FICHA DE MONITOREO Y ACOMPAÑAMIENTO 2024 MINEDU
 
ÉTICA, NATURALEZA Y SOCIEDADES_3RO_3ER TRIMESTRE.pdf
ÉTICA, NATURALEZA Y SOCIEDADES_3RO_3ER TRIMESTRE.pdfÉTICA, NATURALEZA Y SOCIEDADES_3RO_3ER TRIMESTRE.pdf
ÉTICA, NATURALEZA Y SOCIEDADES_3RO_3ER TRIMESTRE.pdf
 
Uses of simple past and time expressions
Uses of simple past and time expressionsUses of simple past and time expressions
Uses of simple past and time expressions
 
Estas son las escuelas y colegios que tendrán modalidad no presencial este lu...
Estas son las escuelas y colegios que tendrán modalidad no presencial este lu...Estas son las escuelas y colegios que tendrán modalidad no presencial este lu...
Estas son las escuelas y colegios que tendrán modalidad no presencial este lu...
 
TL/CNL – 2.ª FASE .
TL/CNL – 2.ª FASE                       .TL/CNL – 2.ª FASE                       .
TL/CNL – 2.ª FASE .
 
Presentación de Estrategias de Enseñanza-Aprendizaje Virtual.pptx
Presentación de Estrategias de Enseñanza-Aprendizaje Virtual.pptxPresentación de Estrategias de Enseñanza-Aprendizaje Virtual.pptx
Presentación de Estrategias de Enseñanza-Aprendizaje Virtual.pptx
 

EspacioVectorial

  • 1. INSTITUTO TECNOLOGICO DE CIUDAD VICTORIA. ALUMNO:EDGAR IVAN LOPEZ GARCIA. PROFESOR: LIC. ESTEBAN REQUENA. MATERIA: ALGEBRA LINEAL. SAN FERNANDO 15-10-2013
  • 3. ESPACIO VECTORIAL. Un espacio vectorial es una terna (V,+,·), donde V es un conjunto no vacío (llamada suma, definida para los elementos del conjunto) y +,· son dos operaciones del tipo + : V V → R, · : R V → V a las que llamaremos ’suma de vectores’ y ’producto por escalares respectivamente y con las siguientes propiedades: denotando +(u, v) = u+v y ·(λ, v) = λv,
  • 4. Los espacios vectoriales tienen aplicaciones en otras ramas de la matemática, la ciencia y la ingeniería. Se utilizan en métodos como las series de Fourier, que se utiliza en las rutinas modernas de compresión de imágenes y sonido, o proporcionan el marco para resolver ecuaciones en derivadas parciales. Además, los espacios vectoriales proporcionan una forma abstracta libre de coordenadas de tratar con objetos geométricos y físicos, tales como tensores, que a su vez permiten estudiar las propiedades locales de variedades mediante técnicas de línealización.
  • 5. En el estudio de las matemáticas o de la física, el término vector se aplica a una amplia variedad de objetos, principalmente a cantidades que representan magnitudes y dirección , ya sea un fuerza, una velocidad o una distancia. El término vector también se usa para describir entidades como matrices, polinomios o funciones. Supongamos que tenemos un conjunto ”V” donde para X, Y, €,V y a , b escalares cumplen con las siguientes propiedades:
  • 6.
  • 7. Entonces ”V” se denomina un espacio vectorial. Podemos decir por lo anterior que en un espacio vectorial intervienen dos conjuntos, vectores y escalares, los segundos como coeficientes de los primeros. Los vectores forman un grupo abeliano con respecto a la adición (la suma es cerrada, asociativa, conmutativa, existe el elemento 0 y los negativos) y los escalares forman un campo con la inclusión del 0 y del 1. Dicho de manera informal, en un espacio vectorial tenemos elementos los cuales podemos sumar entre ellos, alargarlos o contraerlos; un paso a seguir es encontrar todas las características estructurales de estos espacios. Para esto recurriremos a ideas provenientes del Álgebra Universal, tales como relaciones de orden, relaciones de equivalencia, mapeos de un conjunto a otro y la generación de espacios más complejos por medio de productos cartesianos.
  • 9.
  • 10.
  • 11.
  • 12.
  • 13. Teorema. La intersección de cualquier número de sub espacios de un espacio vectorial V es un sub espacio de V. Recuérdese que toda solución de un sistema de ecuaciones lineales con n incógnitas AX=B puede verse como un punto en K n y por tanto el conjunto solución de tal sistema es un subconjunto de K n. Supongamos que el sistema homogéneo, es decir, supongamos que el sistema tiene la forma AX=0. Denotemos por W su conjunto solución. Como A0=0, el vector cero 0ÎW además, si u y v pertenecen a W, esto es, si u y v son soluciones de AX=0, necesariamente Au=0 y A v=0. Por esta razón, para todo par de escalares a y b en K, tendremos A(a u + b v)=a A u + b A v = a 0 + b 0 = 0 + 0 = 0. De esta manera, a u + b v es también una solución de AX=0 o, dicho de otro modo, a u + b v Î W. En consecuencia, según el corolario, hemos demostrado: Teorema: el conjunto solución W de un sistema homogéneo con n incógnitas AX=0 es un sub espacio de k n. Hacemos énfasis en que el conjunto solución de un sistema in homogéneo AX=B no es sub espacio de K n. De hecho, el vector cero, 0, no pertenece a dicho conjunto solución.
  • 15. COMBINACIÓN LINEAL. Sea (V,K,+,*), Espacio Vectorial, S={1, 2,..., n} Se dice que un vector es combinación lineal de un conjunto de vectores S = { 1, 2,..., n} si es que existe alguna forma de expresarlo como suma de parte de todos los vectores de S, multiplicados a cada uno de ellos por un escalar cualquiera . El vector es combinación lineal de los vectores S si tal que:
  • 16. Ejemplo: Sea , espacio Vectorial S = {(1,-1,0),(-2,3,-1),(2,1,-3)} Combinación Lineal: ---> 3(1,-1,0) + 4(-2,3,-1) - 2(2,1,-3) = (-9,7,2) ---> 4(1,-1-0) + 5(-2,3,-1) - 6(2,1,-3) = (-18,5, 13)
  • 17. Para saber que un vector es combinación lineal de otro, procedemos de la siguiente manera: =0 Se nos formara un sistema de ecuaciones, el cual tendrá dos opciones por el hecho de ser un sistema de ecuaciones homogéneo: Que tenga única solución, lo que significa que ninguno de los vectores es combinación lineal de otros. Que tenga infinitas soluciones, es decir algún vector es combinación lineal de los otros.
  • 18. Por Ejemplo: Determine si es combinación lineal. S = {(1,0) , (0,1)} ą ( 1, 0 ) + ß( 0 , 1 ) = ( 0 , 0 ) (ą , ß) = ( 0 , 0 ) Realizamos la matriz ampliada Al desarrollar el determinante de la matriz ampliada, podemos ver que tiene única solución, debido a que su determinante es diferente de cero, por lo tanto, ninguno de sus vectores es combinación lineal de otro.
  • 19. 2. S = { ( 1,2,3 ), ( 2, -1,0), (3,1,3) } Entonces, como primer paso: a ( 1, 2, 3 ) + b ( 2 , -1, 0 ) + t (3, 1, 3 ) = ( 0 , 0 ) Al desarrollarlo tenemos: (a , 2b ,3 t) + (a 2, - b , t) + (3a ,3 t) = ( 0, 0, 0 ) Al Hacer la matriz ampliada, tenemos: Al obtener el determinante , nos da como resultado igual a cero, por lo que podemos concluir dos cosas, que el sistema no tiene solución o tiene infinitas soluciones, pero como es un sistema de ecuaciones homogéneas, concluimos que tiene infinitas soluciones.
  • 20. 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 sección se define el significado de independencia lineal y se muestra su relación con la teoría de sistemas homogéneos de ecuaciones y determinantes. 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.
  • 21. 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 Se ha escrito el vector cero como una combinación lineal de v1, v2, y v3. Parece que los dos vectores de la ecuación y los tres vectores de la otra ecuación tienen una relación más 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 términos generales, se tiene la importante definición a continuación presentada.
  • 22. Definición: sean v1, v2, …, vn vectores en un espacio vectorial V. entonces se dice que los 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 ecuación c1v1+c2v2+…+cnvn=0 se cumple únicamente para c1=c2=…=cn=0. Son linealmente dependientes si el vector cero en V se puede expresar como una combinación lineal 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 indistintamente.
  • 23. TEOREMA. Dos vectores en un espacio vectorial son linealmente dependientes si y solo si uno de ellos es un múltiplo escalar del otro. Demostración: primero suponga que v2=cv1 para algún escalar c≠0. 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 c1≠0, entonces dividiendo entre c1 se obtiene v1+(c2/c1)v2=0, o sea, Es decir, v1 es un múltiplo escalar de v2. Si c1=0, entonces c2≠0 y, por lo tanto, v2=0=0v1.
  • 24. 4.4-BASE Y DIMENSION DE UN ESPACIO VECTORIAL. CAMBIO DE BASE
  • 25. Base y dimensión de un espacio vectorial, cambio de base. Se ha visto en R2 conviene escribir vectores como una combinación lineal de los vectores . En R3 se escribieron los vectores en términos De Ahora se generalizara esta idea. BASE Un conjunto finito de vectores vectorial V si es una base para un espacio
  • 26. 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 canónica en Rn. Ahora se encontraran bases para otros espacios.
  • 27. EJEMPLO: base canónica para M22 Se vio que generan a , entonces es evidentemente que . Así, estas cuatro matrices son linealmente independientes y forman una base para M22, lo que se denomina base canónica para M22. DIMENSIÓN Si el espacio vectorial V tiene una base con un numero finito de elementos, entonces la dimensión de V es el numero de vectores en todas las bases y V se denomina espacio vectorial de dimensión finita. De otra manera, V se denomina espacio vectorial de dimensión infinita. Si V={0}, entonces se dice que V tiene dimensión cero. Notación. La dimensión V se denota por dimV.
  • 28. EJEMPLO: la dimensión de Mmn En Mmn sea A la matriz de mxn con un uno en la posición 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. Así, dimMmn=mn. TEOREMA: suponga que dimV=n.si es un conjunto de m vectores linealmente independientes en V, entonces m≤n. Sea entonces, igual que la prueba del teorema, se pueden encontrar constantes no todas cero, tales que la ecuación (2) se satisface. Esto contradice la independencia lineal de los vectores u. así, m≤n.
  • 29. EJEMPLO: una base para el espacio de solución de un sistema homogéneo Encuentre una base (y la dimensión) para el espacio de solución S del sistema homogéneo SOLUCIÓN: aquí . Como A es una matriz de 2x3, S es un Sub espacio de R3. Reduciendo por renglones, se encuentra, sucesivamente,
  • 30. 4.5-ESPACIO VECTORIAL CON PRODUCTO INTERNO Y SUS PROPIEDADES.
  • 31. Definición. 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 único número complejo (u, v), llamado el producto interior de u y v, tal que si u, v y w están en V y si α ∈ C, entonces Propiedades i. (v, v) ≥ 0 ii. (v, v) = 0 si y sólo 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. (αu, v) = α(u, v) vii. (u, αv) = α(u, v) La barra en las condiciones (v) y (vii) denota el conjugado complejo.
  • 32. 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 están en V. entonces
  • 33. PROPIEDADES CONJUNTO ORTONORMAL. El conjunto de vectores Si es ortonormal. es un conjunto ortonormal en V y Si solo el primero se cumple, se dice que el conjunto 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.
  • 34. Proyección ortogonal. Sea H un subespacio del espacio con producto interno V con base ortonormal Si vϵV, entonces la proyección ortonormal de v sobre H denotada por proyHv esta dada por (6) Las demostraciones de los siguientes teoremas son idénticas a sus contrapartes en Rn. TEOREMA: sea H un subespacio de dimensión finita con producto interno V. suponga que H tiene dos bases ortonormales Sea vϵV. entonces
  • 35. COMPLEMENTO ORTOGONAL. Sea H un sub espacio del espacio con producto interno V. entonces el complemento ortogonal de H, denotado por H, esta dado por (7) TEOREMA: si H es un sub espacio del espacio con producto interno V, entonces
  • 36. TEOREMA DE PROYECCIÓN. sea H un sub espacio de dimensión finita del espacio con producto interno V y suponga que vϵV. entonces existe un par único de vectores h y p tales que hϵH, pϵH, y (8) v=h+p donde h=proyHv. Si V tiene dimensión finita, entonces p=proyHv. 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 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).
  • 37. 4.6-CAMBIO DE BASE. BASE ORTONORMAL. PROCESO DE ORTONORMALIZACION GRAM-SCHMIDT.
  • 38. CAMBIO DE BASE. El cambio de base consiste en conocidas las coordenadas de un vector respecto a una base B, encontrar las coordenadas de dicho vector con respecto a otra base B’. TEOREMA 4.10 (La inversa de la matriz de transición). Si P es la matriz de transición de una base B a una base B’ en , entonces P es invertible y la matriz de transición de B’a B es . TEOREMA 4.11 (Matriz de transición de una base B a una base B’). Sean y dos bases de Rn, entonces la matriz de transición P-1 de B a B’ puede determinarse mediante eliminación de Gauss – Jordán en la matriz como se muestra a continuación
  • 39. En la matriz B’ representa la matriz que tiene por columnas las componentes de los vectores de la base B’ respectivamente, de forma similar B representa la matriz que tiene por columnas las componentes de los vectores de la base B respectivamente. Base ortonormal. En algebra lineal, una base ortonormal de un espacio prehilbertiano V (es decir, un espacio vectorial con producto interno) o, en particular, de un espacio de HilbertH, 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 ortogonal satisface las mismas condiciones, salvo la de magnitud unitaria; es muy sencillo transformar una base ortogonal en una base ortonormal mediante el producto por un escalar apropiado y de hecho, esta es la forma habitual en la que se obtiene una base ortonormal: por medio de una base ortogonal.
  • 40. Así, 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 dimensión finita como de dimensión infinita. Para espacios de dimensión finita, la condición de span denso es la misma que la de 'span', como se usa en álgebra lineal. Una base ortonormal por lo general no es una "base", es decir, en general no es posible escribir a cada elemento del espacio como una combinación lineal de un número finito de elementos de la base ortonormal. En el caso de dimensión infinita, esta distinción cobra importancia: la definición dada requiere solo que el span de una base ortonormal sea densa en el espacio vectorial, y no que iguale al espacio entero. Una base ortonormal de un espacio vectorial V no tiene sentido si el espacio no posee un producto interno. Un Espacio de Banach no tendrá una base ortonormal a no ser que sea unespacio de Hilbert.
  • 41. Proceso de orto normalización Gram – Schmidt El proceso de ortogonalización de Gram–Schmidt de álgebra lineal es un proceso utilizado en matemática y análisis numérico, para ortogonalizar un conjunto de vectores en un espacio prehilbertiano, más comúnmente el espacio euclídeo Rn. Ortogonalización en este contexto significa lo siguiente: comenzamos con vectores v1,…, vk los cuales son linealmente independientes y queremos encontrar mutuamente vectores ortogonales u1, …, uk los cuales generan el mismo subespacio que los vectores v1, …, vk. Este proceso lleva el nombre en honor a Jørgen Pedersen Gram y Erhard Schmidt. Proceso de Gram–Schmidt Definimos el operador proyección condonde los corchetes angulares representan el producto interior, proyecta el vector v ortogonalmente en el vector u. Antes de ver el proceso, debemos comprender el porqué de la definición de proyección. Si recordamos la definición de producto escalar, tenemos para el caso del numerador, módulo de u por módulo de v por el coseno del ángulo que forman.
  • 42. En el denominador tenemos módulo de u por módulo de u, ya que el coseno sería 1. Si separamos los dos módulos de u en el denominador, vemos que a la izquierda tenemos únicamente “módulo de v * cos (ángulo que forman)”, lo que nos da claramente el módulo del vector proyección. Teniendo el módulo del vector proyección lo único que debemos hacer es asignarle una dirección, cosa que hacemos multiplicándolo por u/módulo(u), lo que es el vector de módulo 1 con dirección u (el vector unitario).