Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1 Espacio vectorial
1.1 Definición general
En su versión más general un espacio vectorial V es una estructura algebraica
cuyos elementos se llaman vectores, junto con otros elementos que se denom-
inan escalares. Para simplificar la lectura y evitar confusiones escribiremos
los vectores con negritas y a los escalares con letras griegas. En un espacio
vectorial hay dos operaciones, la suma , denotada por + y la multiplicación
por un escalar, denotada por ×. Es importante recalcar que las operaciones
+ y × en un espacio vectorial no corresponden a la suma y el producto en
IR. Los axiomas de un espacio vectorial V son los siguientes:
Axiomas de la suma.
(a) conmutatividad: v + w = w + v.
(b) Asociatividad: (v + w) + z = v + (w + z).
(c) Existencia de 0. Existe 0 ∈ V , tal que v + 0 = v para todo v ∈ V.
(d) Existencia del vector negativo Para todo v ∈ V existeun vector w, tal
que v + w0, al cual denotamos por −v.
1
(a) α(βv) = (αβ)v.
(d) Existe el valor, que denotamos por 1, tal que 1v = v, para todo v ∈ V.
2 Subespacios
2.1 Definición de subespacio y ejemplos
Se dice que un subconjunto M es un subespacio de V que satisface las condi-
ciones
2
(i) v ∈ M y w ∈ M implica v + w ∈ M.
3
• Base: Se dice que B = {v 1 , v 2 , . . . , v k } es una base de M si M =
span{v 1 , v 2 , . . . , v k y si estos vectores son linealmente independientes.
2. Bilinealidad
Ejemplos:
4
3.2 Desigualdad de Cauchy-Schwartz
< x , y >2 ≤ ||x||2 ||y||2
3.3 Ortogonalidad
Definición: Se dice que v es ortogonal a w, lo que se denota por w ⊥ v, si
< v w >= 0. Se dice que un vector v es ortogonal a un subespacio M , si él
es ortogonal a todo vector z contenido en M.
Teorema de Pitagoras: Si x es ortogonal a y,
Demostración: ||x+y||2 =< x+y , x+y >. Por la bilinealidad del producto
interno esto se reduce a
5
si, y solo si, < w v >= 0. para todo v ∈ M. Si G es un conjunto generador,
M = span(v
P r , r k= 1, . . . , k que igual al conjunto de todas las combinaciones
lineales j = 1 βj v j . La bilinealidad del producto interno implica que
k
X k
X
< βj v j y = βj < v j w >,
j=1 j=1
4 Proyecciones ortogonales
4.1 Definición
Denominemos a los vectores en M por puntos. Teorema Dado un subespa-
cio M y un vector y, la proyección ortogonal de y sobre M es el punto x0
en M , que minimiza la distancia entre y y cualquier punto x en M. Notar
que la valdez de la demostración requiere que x0 sea único.
Sea Grj =< v r , v j >, 1r, j ≤ k y sea cr =< v r , y >, para 1r ≤ k. La
forma matricial del sistema de ecuaciones es
G β = c. (4.1)
6
G se denomina matriz gramiana de (v 1 , v 2 , . . . , v k ). Si ella es invertible, la
única solución del sistema de ecuaciones es
β̂ = G−1 c. (4.2)
7
• Sea Nj = span{v i , i ≤ j y denotemos por Pi al proyector sobre Ni .
– T (x + y) = T (x) + T (y).
– T (αx) = αT (x)
para todo x, y en V y para todo número real α. Los casos más impor-
tantes son V2 = V1 = V y V2 = IR.
8
(b) y − PM (y) ⊥ M implica que α[y − PM (y)] ⊥ M y por tanto αy −
αPM (y) ⊥ M. La unicidad de la proyección ortogonal concluye la
demostración.
9
Nota: Si la transformación PM está representada por la matriz A, las
propiedades de PM se traducen en que A sea simétrica e idenpotentes, es
decir A2 = A.
10
la factibilidad de elegir bases ortonormales que cumplan ciertas condi-
ciones que se desee imponer.
11
ortogonales y se habla de una descomposición ortogonal del espacio vec-
torial, que es un caso particular de suma directa.
(a) Sea ν(A) = dim W (A). Usando una base adecuada se verifica directa-
mente que ν es una función estándar aditiva, es decir
k
! k
X X
ν ν(Aj ) = ν(Aj ). (6.5)
j=1 j=1
12
ortonormales, el teorema de Pitágoras demuestra que g es aditiva, es
decir, : !
Xk X k
g Bi ) = g(Bj ), (6.6)
i=1 j=1
6.1 Reticulados
la relación A ⊆ establece una relación de orden parcial entre los subcon-
juntos de I. La demostración de las siguientes propiedades es directa.
• φ A para todo A.
• A I para todo A.
13