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, vV una suma u+vV y a cada par uV, kK 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 uV.

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. observece 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.

COMBINACIN 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. 2v1v2=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. es una base para un

BASEUn conjunto finito de vectores

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 a

generan

, entonces es evidentemente que . As, estas cuatro matrices son linealmente independientes y forman una base para M22, lo que se denomina base cononica para M22. TEOREMA: si conjunto nico de escalares es una base para V y si vV, entonces existe un 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 combinacin lineal de

porque de lo contrario podramos escribir u como una 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 independientes. Ahora sea W=gen{

ya que los v son linealmente ,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, constituye una base para V. genera a V y, por lo tanto,

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 existen escalares c1 y c2 tales que (1)

Como B es otra base en R2, 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)

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

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 proyHv 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).