40 – Matem´aticas Matem´aticas I
Parte II
Algebra Lineal´
Prof: Jos´e Antonio Abia Vian
I.T.I. en Electricidad
41 – Matem´aticas I : Algebra Lineal´
Tema 4
Espacios vectoriales reales 4.1
Espacios vectoriales
V es un conjunto de elementos denominados vectores, junto con Definici´on 88.- Un espacio vectorial real dos operaciones, una que recibe el nombre de “suma de vectores” y otra que recibe el nombre de “producto de vectores por n´umeros reales” o “producto por escalares”, que verifican las siguientes propiedades: (1) u + v
∈ V
;
∀ u
(2) u + v
=v+u;
,v
∈ V
∀ u
.
,v
∈ V
.
(3) u + ( v + w ) = (u + v ) + w ;
∀ u,
v,w
∈ V
.
(4) Existe un vector, llamado vector cero y denotado por
0, tal que:
(5) Para cada
opuesto
u
∈
V , existe un vector de
V , llamado
0+u=u+0=u;
de u
y denotado por
∀ u ∈ V
.
−u , tal que
u + (−u) = 0 . (6) k u ∈ V ;
∀ k ∈
IR y
∀ u ∈ V
(7) k( u + v ) = k u + k v ; (8) (k + l)u = k u + l u ; (9) (kl)u = k(l u ); (10) 1 u = u ;
∀ k ∈ ∀ k,
∀ k,
∀ u ∈ V
. IR y
l ∈ IR y
l ∈ IR y
∀ u
,v
∈ V
∀ u ∈ V
∀ u ∈ V
.
.
.
.
Por ser los escalares de IR , se dice que V es un IR -espacio vectorial. Se pueden considerar espacios vectoriales sobre otros cuerpos de escalares, como C. Ejemplo Los conjuntos IR n, los conjuntos de polinomios P n[X] = {P (X) ∈ IR [X] : gr(P ) ≤ n} y los conjuntos de matrices reales M m×n = {matrices de tama˜no m×n} , con las operaciones usuales en cada uno de ellos, son espacios vectoriales reales. Propiedades 89.-
Algunas propiedades que se deducen de las anteriores son:
(i) 0 u = 0 .
(iii) (−1)u = −u .
(ii) k0 = 0 .
(iv) k u = 0
⇐⇒
k = 0 ´o
u=0.
(v) El vector cero de un espacio vectorial es ´unico. (vi) El vector opuesto de cada vector del espacio vectorial es ´unico.
4.2
.
Subespacios vectoriales
Definici´on 90.- Un subconjunto W de un espacio vectorial V se dice que es un subespacio vectorial de V , si W es un espacio vectorial con las operaciones definidas en V. Como W
⊆
V , todos los vectores de
W verifican las propiedades 2 a 5 y 7 a 10, por
probar que las operaciones suma y producto por escalares son internas en
tanto es suficiente
W , es decir, que se verifican las
propiedades (1) y (6) en W : ( 1∗)u + v
∈ W
Prof: Jos´e Antonio Abia Vian
;
∀ u,
v ∈ W
( 6∗)ku ∈ W ;
∀ u ∈ W
y
∀ k ∈
IR
I.T.I. en Electricidad
42 – Matem´aticas I : Algebra Lineal´
4.3 Base y dimensi´on
Estas dos propiedades son equivalentes a la pr opiedad ´unica: Nota: Es claro, que si W Ejemplo
ku + l v ∈ W ; ∀ u , v ∈ W y ∀ k, l ∈ IR . es un subespacio de V , entonces 0 ∈ W .
P2[X] es un subespacio de
P4[X], pues es un subconjunto suyo y si P (X), Q(X)
∈ P2[X],
el grado de
kP (X) + lQ(X) es P2[X]. gr(kP + lQ) = m´ax{gr(kP ), gr(lQ)} ≤ m´ax{gr(P ), gr(Q)} ≤ 2, por lo que est´a en Sin embargo, {P (X) : gr(P) = 2} no es un subespacio de P 4[X], por dos razones: primero, porque no contiene X2y 2X − X 2son polinomios del conjunto al polinomio cero; y segundo, no verifica la pro piedad (1∗) ya que pero su suma X2+ (2X − X2) = 2X es un polinomio de grado 1 que no est´a en el conjunto. 4
Definici´on 91.- Se dice que un vector y s´olo si,
∃ c1,
Definici´on 92. -
v ∈ V es una combinaci´on lineal de los vectores tales que v = c1v1+ c2v2+ · · · + cnvn.
c2, . . . , cn∈ IR
Dado un conjunto de vectores
S = { v 1, v2, . . . , vk }
v 1, v2, . . . , v nsi,
de un espacio vectorial
V , llamaremos
subespacio lineal generado por S y que denotaremos por lin S ´o lin{ v 1, v2, . . . , v k } , al conjunto de todas las combinaciones lineales que se pueden formar con los vectores de S: n o lin S = lin{ v 1, v2, . . . , v k } = c1v1+ c2v2+ · · · + ck vk : ∀ ci∈ IR y se dir´a que S genera
lin S o que v 1, v2, . . . , v k generan lin S .
Naturalmente lin S es un subespacio vectorial de vectores de S (ver ejercicio 4.6).
Definici´on 93.- Dado un conjunto
V
S = { v 1, v2, . . . , v k }
y, de hecho, es el m´as peque˜no que contiene a los de vectores del espacio vectorial
V , la ecuaci´on
vectorial c1v1+ c2v2+ · · · + ck vk = 0 tiene al menos una soluci´on, a saber: c 1= c2= · · · = ck = 0. Si esta soluci´on es ´unica, entonces se dice que S es un conjunto linealmente independiente (o que los vectores de S son linealmente independientes). Si existen otras soluciones, entonces se dice que S es linealmente dependiente (los vectores son linealmente dependientes).
El vector 2X − X de
P2[X] est´a generado por los vectores X − 1 y X 2−
2
Ejemplo
2X − X2 = λ(X − 1) + µ(X2 − 2) = λX − λ + µX 2 − 2µ = (−λ − 2µ) + λX + µX 2
−λ − 2µ = 0 λ=2 µ = −1
=⇒
luego 2X − X = 2(X − 1) + (−1)(X − 2). 2
Ejemplo
2
Los polinomios
X + 2 y X2de
P2[X] son linealmente independientes: si
polinomio cero), se tiene que 0 = λ(X + 2) + µX = 2λ + λX + µX =⇒ 2
2λ = 0,
2
λ(X + 2) + µX = 0 (al 2
λ=0y
µ = 0, ya que los
coeficientes de ambos polinomios deben coincidir.
4
Nota: Si los vectores { v1, v2, . . . , vk } son linealmente dependientes, al menos uno de ellos se puede escribir como una combinaci´on lineal de los restantes; y si so n linealmente independientes ninguno de ellos puede ser generado por los restantes. Es decir, se tiene la siguiente caracterizaci´on para que un conjunto de dos o m´as
vectores sea linealmente dependiente (ver ejercicio 4.7):
“Un conjunto de dos o m´as vectores es linealmente dependiente si, y s´olo si, al menos uno de los vectores es una combinaci´on lineal de los restantes.”
4.3
Base y dimensi´on
Lema 94.-
Si vn+1
= c1v1+ · · · + cnvn, entonces lin{ v 1, . . . , v n, vn+1 } = lin{ v 1, . . . ,
vn} .
Es f´acil asumir que este resultado es cierto, ya que cualquier combinacion lineal de los n + 1 vectores puede reconvertirse a una combinaci´on lineal de los n primeros, por simple sustituci´on. En otras palabras, puede reducirse el n´umero de generadores mientras haya dependencia lineal, lo que nos lleva a:
Definici´on 95.- Sean V un espacio vectorial y S base de V
un conjunto finito de vectores de V . Diremos que S
es una
si: a) S es linealmente independiente
Prof: Jos´e Antonio Abia Vian
y
b) S genera a V
I.T.I. en Electricidad
43 – Matem´aticas I : Algebra Lineal´
4.3 Base y dimensi´on
Observaci´on: El comentario anterior a esta definici´on nos indica la manera de reducir un conjunto generador del espacio a una base. Igualmente, podemos construir una base a partir de un conjunto linealmente independiente de vectores: si S es linealmente independiente y
lin S6= V , tomando
v
∈
V pero que
v / lin S , el conjunto
linealmente independiente (ver el Lema 96 siguiente); y as´ı, se a˜naden vectores a S Lema 96.- Si S es un conjunto linealmente independiente de vectores de V es linealmente independiente.
hasta generar
y v
∈
S ∪ { v } es
V.
V −lin S , entonces S ∪{ v } .
De cierta forma, estamos diciendo que una base tiene el menor n´umero posible de generadores y el mayor n´umero posible de vectores linealmente independientes (ver Lema 97 siguiente); luego ¿no tendr´a una base un
n´umero fijo de vectores? La respuesta la proporciona el Teorema de la base. Lema 97.-
Sean V un espacio vectorial y
conjunto { v1, v2, . . . , vm}
B una base de
V formada por
n vectores. Entonces cualquier
de vectores de V, con m > n, es linealmente dependiente.
Teorema de la base 98.-
.
Cualesquiera dos bases de un espacio vectorial tienen el mismo n´umero de elementos.
Demostraci´on: La demostraci´on es muy sencilla si tenemos en cuenta el Lema anterior, pues si B 1es una base de n elementos y B2es una base de m elementos, por ser B base y B2linealmente independiente, m6> n y por ser B base 1 2 y B1linealmente independiente n6> m, luego n = m.
Definici´on 99.- Un espacio vectorial V se dice de dimensi´on finita si tiene un conjunto finito de vectores que forman una base, y llamaremos dimensi´on de V , dim V , al n´umero de vectores de cualquier base de
V.
Al espacio vectorial V = { 0} le consideramos de dimensi´on finita, de dimensi´on cero, a´un cuando no tiene conjuntos linealmente independientes.
Si no existe un conjunto finito de este tipo, se dice que
V
es de dimensi´on infinita
(y no nos son ajenos pues
IR [X] es un espacio vectorial de dimensi´on infinita). Ejemplo
P2[X] = {P (X) ∈ IR [X] : gr(P) ≤ 2}
tiene dimensi´on 3, pues
general, dim(P n[X]) = n + 1 y B = {1, X, . . . , X n} Ejemplo
100 Los conjuntos
IR n=
B = {1, X, X 2}
forman una base. En
es una base suya.
IR × IR × · · · × IR
= {(x1, . . . , xn) :
xi∈
IR ,
∀
i}
con las operaciones
habituales de suma y producto por escalares x + y = (x 1, . . . , xn) + (y1, . . . , yn) = (x1+ y1, . . . , xn+ yn)
λx = λ(x , . . . , x ) = (λx , . . . , λx ) 1
n
1
n
son espacios vectoriales con dim IR n= n, ya que cualquier vector
x
∈
n escribirse de la forma IR puede
x = (x1, x2, . . . , xn) = x1(1, 0, . . . , 0) + x 2(0, 1, . . . , 0) + · · · + xn(0, 0, . . . , 1) y este conjunto de vectores o n e1= (1, 0, . . . , 0), e2= (0, 1, . . . , 0), . . . , e n= (0, 0, . . . , 1) B= es linealmente independiente. A esta base se la denomina base can´onica de IR n.
4
Conocer a priori la dimensi´on de un espacio facilita la obtenci´on de bases: Proposici´on 101.- Si V es un espacio vectorial, con es base de V , a) si el conjunto es linealmente independiente, o
4.3.1
dim V = n. Entonces, un conjunto de b) si genera a
n vectores de V
V.
.
Coordenadas en una base
Definici´on 102.- Sean V un espacio vectorial de dimensi´on finita y Para cada vector v ∈ V , se llaman coordenadas de c1, c2, . . . , cntales que v = c1v1+ c2v2+ · · · + cnvn. Fijando un orden para los vectores de la base, el vector de
B = { v1, v2, . . . , v n} v en la base B a los n ´
IR n, de las coordenadas de por (v )B= (c1, c2, . . . , cn) y m´as usualmente por [ v ] Bcuando lo escribimos como vector columna en las operaciones con matrices: [ v ] B= (c1, c2, . . . , cn)t .
Prof: Jos´e Antonio Abia Vian
una base de V . umeros reales v en B se denota
I.T.I. en Electricidad
44 – Matem´aticas I : Algebra Lineal´
Ejemplo
Si B = { v1,
v2, v3}
4.3 Base y dimensi´on
es una base de V
(v )B= (1, −1, 2)
( v1)B= (1, 0, 0)
y v = v 1− v2+ 2 v3, se tiene que ( v2)B= (0, 1, 0)
( v3)B= (0, 0, 1)
o tambi´en 1
1
[v]B
[v1]B
0
0
[v2]B
2
[v3]B
0
0
4
1
Nota: Al usar vectores de coordenadas, es imprescindible mantener el orden de los vectores. Si, en el ejemplo anterior, tomamos como base
B 1=
{ v2,
v3,
v1} , tenemos que ( v ) B1= (−1, 2, 1) que es un vector de
coordenadas distinto de (v ) B= (1, −1, 2). Fijada una base, la unicidad de las coordenadas asigna a cada vector de V un ´unico vector de IR n, de manera que disponer de las coordenadas es, en el fondo, dispo ner del vector. Adem´as, se cumple (ver ej ercicio 4.14):
[λv ] = λ[ v ] ,
[ v + w ] B= [ v ]B+ [w ] By
B
luego [λ v +· · ·+λ v ] = λ [ v ] + · · · + λ [ v ]
B
1
1
n
n B
1
1 B
n
n B
y con esto, no es dificil probar que: v ∈ lin{v1, . . . , vk } ⊆ V ⇐⇒ [v]B∈ lin{[v1]B, . . . , [vk ]B} ⊆ IR n {v1, . . . , vk }
lin. independiente en V {v1, . . . , v n}
⇐⇒ {[v1]B,
lin. independiente en IR n
. . . , [vk ]B}
n
base de V ⇐⇒ {[v1]B, . . . , [vn]B}
base de IR
por lo que se puede trabajar sobre las coordenadas en lugar de sobre los vectores.
4.3.2
Espacios de las filas y las columnas de una matriz
De lo anterior, tenemos que independientemente del espacio vectorial en que nos encontremos, fijada una base, IR n; por lo que resulta muy interesante
podemos trasladar todo el trabajo operativo sobre los vectores de conocer esta secci´on.
Definici´on 103.- Consideremos la matriz A
m×n
=
a11a12. . .
a1n
a21a22. . . .. .. . .
a2n .. .
...
.
am1 am2 . . . amn Los m vectores de IR : r 1= (a11, . . . , a1n), r 2= (a21, . . . , a2n), . . . , r m= (am1, . . . , amn), se denominan y al subespacio lineal generado por ellos, E f (A) = lin{ r 1, r 2, . . . , r m} , espacio de las vectores fila de A filas de A . Por supuesto Ef (A) ⊆ IR n. n
Los n vectores de
IR m:
c1= (a11, . . . , am1),
c2= (a12, . . . , am2), . . . ,
vectores columna de A y el subespacio lineal generado por ellos, las columnas de A. Por supuesto Ec(A) ⊆ IR m.
cn= (a1n, . . . , amn), se denominan
E c(A) = lin{ c1, c2, . . . , cn} , espacio de
Proposici´on 104.- Si A es una matriz de tama˜no m×n, entonces las operaciones elementales sobre las filas (resp. columnas) de A A. no cambian el espacio de las filas (resp. columnas) de Demostraci´on:
Puesto que hacer operaciones elementales sobre las filas es hacer combinaciones lineales de los vectores fila, el subespacio lineal generado es el mismo. (Igual para las columnas.) Corolario 105.-
Sea A una matriz, entonces:
a) Los vectores no nulos de una for ma escalonada de la matriz A , forman una base de E f (A). t
b) Los vectores no nulos de una forma escalonada de la matriz A , forman una base de E c(A). Demostraci´on: Basta probar que los vectores no nulos de una forma escalonada son linealmente independientes, pero eso se
comprueba f´acilmente ya que debajo de cada elemento principal s´olo hay ceros.
Prof: Jos´e Antonio Abia Vian
I.T.I. en Electricidad
45 – Matem´aticas I : Algebra Lineal´
Teorema 106.-
Sea
4.4 Cambios de base
A una matriz de tama˜no m×n, entonces:
dim(Ef (A)) = dim(E c(A)).
Demostraci´on: El resultado es inmediato, teniendo en cuenta que rg(A) = rg(A t), y que el rango coincide con el n´umero de
vectores no nulos en la forma escalonada, as´ı como el resultado anterior. Estos resultados nos permiten usar el m´etodo de Gauss, y por lo tanto nos ofrecen un operativo sencillo, para comprobar cuando un conjunto de vectores es linealmente independiente y para obtener bases. Ejemplo ¿Los vectores X − 1, X + 1 y X − 1 de P 2[X] son linealmente independientes? 2 Tomemos la base B = {1, X, X } de P2[X], entonces formamos por filas la matriz: 2
B
−1 1 0
(X + 1) B (X2− 1)B
110 −1 0 1
(X − 1) A=
F3−F
−→1
−1 1 0
F2+F1
0 0
20
−1 1
3+12 2
−1 1 0
020 001
Por lo anterior, los vectores fila de la ´ultima matriz son lineal mente independientes y consecuencia, los tres vectores fila de la matriz A
inicial que generan
dim Ef (A) = 3. En
Ef (A) son tambi´en base, luego linealmente
independientes y los polinomios del enunciado tambi´en son linealmente independientes. Adem´as, forman una base de P 2[X] (¿por qu´e?).
4.4
4
Cambios de base
Puesto que las coordenadas est´an referidas a una base, al cambiar la base de trabajo, habr´a que cambiar a las coordenadas en la nueva base. Pero este proceso puede realizarse f´acilmente, teniendo en cuenta lo siguiente:
Definici´on 107.- Sean B = { u , u , . . . , u } 1
1
2
y B2= { v1, v2, . . . , vn}
n
son bases de un espacio vectorial
V . Recibe el nombre de matriz de transici´on o matriz de cambio de la base B 1a la base de dimensiones n×n, que por columnas es ( ¶ [ P= , [u1]B2 u2]B2 [un]B2 ··· es decir, la columna i-´esima est´a constituida por las coordenadas en la base
B2, la matriz
B 2, del vector
uide la base B 1.
En otras palabras, la matriz de cambio de base tiene por columnas las coordenadas en la base de llegada de los vectores de la base de partida.
El porqu´e la matriz de paso se contruye as´ı, puede observarse en la prueba de la proposici´on siguiente: Proposici´on 108.1.-
∀ x ∈ V
Sea P la matriz de paso de una base
B 1en otra base
B2de un espacio
V . Entonces:
se tiene que [ x ] B2=P · [x ]B1.
2.- P es inversible y su inversa,
P−1 , es la matriz de paso de la base
B 2a la base
B 1.
Demostraci´on: Sea B1= { u1,
u2, . . . , u n}
y sea x = c1u1+ c2u2+ · · · + cnun. Entonces, Apartado 1: c1
(
2
[
[u1]B2 u2]B2
· · · [un]B2
=
.. . cn
P [x]B1
= c1[u1]B2+c2[u2]B2+· · · + cn[un]B2= [c1u1+ c2u2+ · · · + cnun]B2= [x]B2 Apartado 2: como los vectores de la base la base
B 1son linealmente independientes, sus vectores de coordenadas en
B2tambi´en lo son. Luego las columnas de
P son vectores linealmente independientes y
rg(P ) = n ,
por lo que P es inversible. Adem´as,
[ x]B2=P[ x]B1=⇒
de cambio de la base
Prof: Jos´e Antonio Abia Vian
B 2en la base B 1.
P −1[x]B2=P −1P[x ]B1=⇒
P−1[x ]B2= [x ]B1yP−1
es la matriz
I.T.I. en Electricidad
46 – Matem´aticas I : Algebra Lineal´
4.5 Espacios vectoriales con producto interior
Ejemplo Consideremos las bases B = {1, X, X } y B1= {X − 1, X + 1, X La matriz de paso de la base B 1a la base B ser´a: 2
(
−1 1
¶
[X − 1] [X + 1] [X − 1]
P=
2
B
la matriz de paso de B
B
de P2[X].
−1
−1
110 001
B
− 1}
2
y
P−1=
1 2 1 2
−1
2 1 2
0
0
1
2 1 2
a B 1.
Ejemplo Consideremos en IR 3 la base can´onica B c= { e1= (1, 0, 0), e2= (0, 1, 0), e3= (0, 0, 1)} y la base B1= { v1= (1, 0, −1), v2= (2, −1, 1), v3= (0, −1, 1)} . Como v1= 1(1, 0, 0) + 0(0, 1, 0) − 1(0, 0, 1) = e 1− e3, se tiene que ( v 1)Bc = (1, 0, −1); y lo mismo para los otros vectores, luego la matriz de paso de la base B 1a la base Bcser´a: ( P=
¶
1 2 0 −1 −1 1
[v1]Bc[v2]Bc[v3]Bc
la matriz de paso de la base B ca la base
0 y
1 0
P −1=
−1 1
1
2
0
−1
−1 1
B 1.
4
Nota: A la vista del ejemplo anterior, obtener las coordenadas de un vector de IR nen la base can´onica de IR n es inmediato, pues (x ) Bc=x . Pero ¡ciudado!, al trabajar con vectores de IR nno hay que confundir el vector con las coordenadas en una base, pues la igualdad anterior ´unicamente es cierta en la base can´onica.
4.5
Espacios vectoriales con producto interior
4.5.1
Producto interior. Norma. Distancia
Definici´on 109.- Un producto interior en un espacio vectorial real
V es una funci´on que a cada par de vectores u, v ∈ V le asocia un n´umero real, que denotaremos por h u, v i, de tal manera que se cumplen las siguientes propiedades: 1.- hu , v i = h v , u i;
∀ u
,v
∈ V
.
2.- hu + v , w i = h u, w i + hv , w i ; 3.- hk u, v i = khu , v i ; 4.-
hu , u i ≥ 0;
∀ u ∈
∀ u,
V
v y
∀ u
∈ V
,v,w
∈ V
.
y ∀ k ∈ IR .
hu , u i = 0
⇐⇒
u=0.
Otra propiedades que se deducen de las anteriores son: 1.- h0, u i = 0 Ejemplo
2.- hu, v + w i = hu , v i + hu , w i
Considerar en P 2[X], la funci´on
3.- h u, k v i = khu , v i
hP(X), Q(X)i = P (1)Q(1) + P 0(1)Q0(1) + P 00(1)Q00(1).
(1) hP (X), Q(X)i = P (1)Q(1) + P0(1)Q0(1) + P 00(1)Q00(1) = Q(1)P (1) + Q 0(1)P0(1) + Q00(1)P00(1) = hQ(X), P (X)i ³ ´ ³ ´ ³ ´ 0 0 0 00 00 (2) hP (X) + R(X), Q(X)i = P (1) + R(1) Q(1) + P (1) + R (1) Q (1) + P (1) + R (1) Q00(1) ´ ´ ³ ³ 0 0 0 0 00 00 00 00 = P(1)Q(1)+P (1)Q (1)+P (1)Q (1) + R(1)Q(1)+R (1)Q (1)+R (1)Q (1) = hP(X), Q(X)i + hR(X), Q(X)i (3) hkP (X), Q(X)i = kP (1)Q(1) + kP 0(1)Q0(1) + kP 00(1)Q00(1) = k P (1)Q(1) + P0(1)Q0(1) + P 00(1)Q00(1)
Prof: Jos´e Antonio Abia Vian
= khP (X), Q(X)i
I.T.I. en Electricidad
47 – Matem´aticas I : Algebra Lineal´
4.5 Espacios vectoriales con producto interior
³ P(1)
(4) hP (X), P (X)i = P (1)P (1) + P 0(1)P 0(1) + P 00(1)P00(1) = 0
³
´2 +
+
P 0(1)
00
⇐⇒
⇐⇒
´2 P 00(1)
≥ 0.
P (X) = a + bX + cX 2, de donde
Y, se da la igualdad si y s´olo si, P(1) = P (1) = P (1) = 0. Entonces, sea P0(X) = b + 2cX y P 00(X) = 2c ; de las igualdades se tiene: P(1) = P 0(1) = P 00(1) = 0
³
´2
a =b =c =0
P(X) = 0.
⇐⇒
2c = 0
Luego tenemos un producto interno definido en P [X].
4
2
A partir de un producto interior sobr e un espacio V
se definen los conceptos de norma, distancia y ´angulo.
Definici´on 110.- Si V es un espacio vectorial con producto interior, entonces la m´odulo) de un vector v ∈ V se denota mediante k v k y se define como Ⲛ kvk=+ La distancia entre dos vectores
Ⲛ
d(u , v ) = k u − v k = + Para todo
u,v
∈ V,
1.-
k u k ≥ 0;
2.- k u k = 0
∀ u ∈ ⇐⇒
3.- kk u k =|k| ku k ; 4.-
|hu, vi| ≤ kuk kvk .
1.-
u=0
d(u , v ) ≥ 0;
2.- d(u , v ) = 0
k u + v k ≤ ku k+k v k ;
y
∀ u
∀ k ∈
,v
.
Propiedades b´asicas de la distancia 113.-
V
∀ u ∈ V
se define como
d( u, v ) y
espacio con producto interior, se tiene
2
Propiedades b´asicas de la norma 112.-
o
h u − v , u − v i.
hu, vi2≤ kuk kvk o en la forma 2
(o longitud
h v , v i.
u y v de V se denota mediante
Desigualdad de Cauchy-Schwarz 111.-
norma
∈
IR
V
∀ u
,v
∈ V
⇐⇒
u=v
3.- d(u , v ) = d(v , u );
∀ u
4.-
,v
∈ V
d(u , v ) ≤ d(u , w )+d( w , v );
∀ u
,v,w
∈ V
La prueba de estas propiedades es an´aloga a la de las propiedades del m´odulo colplejo. Observaci´on: Sean V un espacio con producto interior y B = { u 1, . . . , u n} vectores v = a1u1+ · · · + anuny w = b1u1+ · · · + bnun, entonces
una base de V . Tomemos dos
hv, wi = ha 1u1+ · · · + anun, wi = a 1hu1, wi + · · · + anhun, wi = a1hu1, b1u1+ · · · + bnuni + · · · + anhun, b1u1+ · · · + bnuni = a1hu1, u1ib1
· · · + a1hu1, unibn+ · · ·
hu1, u1i · · · hu1, uni
( =
a
a1· · ·
hun
,
u1ib1+ · · · + anhun, unibn b1
.. . .. .. . . hun, u1i · · · hun, uni
an
n
..
QB[w]B= [v]tBQB [w]B
.
B
bn
luego, fijada una base, un producto interior se puede obtener a partir de las coordenadas en la base. La matriz QBobtenida se denomina matriz de Gram o matriz m´etrica. Por las propiedades del producto interior, es sim´etrica y los elementos de la diagonal positivos. 4.5.1.1
El espacio eucl´ıdeo
QB
n -dimensional IR n
Definici´on 114.- Sobre el espacio vectorial IR definimos la funci´on que a cada n
x, y
∈
IR nle asocia
∑n
hx , y i = x · y = (x 1, . . . , x n) · (y1, . . . , yn) = x1y1+ · · · + xnyn=
xiyi i=1
Como puede comprobarse f´acilmente dicha funci´on es un producto interior, el q ue se conoce como producto interior eucl´ıdeo o producto escalar eucl´ıdeo (ya usado en IR 2y IR 3).
Este producto interior da lugar a la norma y distancia eucl´ıdeas, ya conocidas: Ⲛ Ⲛ k xk = + (x − y )2 + · · · + (x − y )2 . d(x, y) = k x − y k = x 1 · · · + x2 y n -dimensional a Se llama espacio eucl´ıdeo IR con el producto interior eucl´ıdeo. 2
1
n
1
n
n
n
Prof: Jos´e Antonio Abia Vian
I.T.I. en Electricidad
48 – Matem´aticas I : Algebra Lineal´
4.5 Espacios vectoriales con producto interior
Nota: Si la matriz m´etrica del producto interior en la base B , Q B, es la identidad, el producto interior se reduce al producto escalar eucl´ıdeo de los vectores de coordenadas. Esto ocurre precisamente para las bases ortonormales que se estudian en la siguiente secci´on.
4.5.2
Ortogonalidad
Definici´on 115.- Si u y v son vectores distintos de cero de un espacio con producto interior, como conse−1 ≤ huu ,vvi ≤ 1 y, por tanto, existe un ´unico
cuencia de la desigualdad de Cauchy-Schwarz se tiene que ´ , θ , tal que
k
kk
k
h
cos θ = u, v i ,
k u k k v k con 0 ≤ θ ≤ π
Definici´on 116.- En un espacio vectorial con producto interior, dos vectores gonales si hu , v i = 0. Suele denotarse por u ⊥ v . Si u es ortogonal a todos los vectores de un conjunto W , se dice que Se dice que
S = { v1, v2, . . . , vk }
u y v se dicen que son ortou es ortogonal a
W.
es un conjunto ortogonal si los vectores son ortogonales dos a dos, es
decir, si vi⊥ v j para todo i6= j . Los vectores de la base can´onica de IR 3con el producto escalar eucl´ıdeo son ortogonales entre si, h v , w i = v1w1+ v1w2+ v2w1+ 2v2w2+ v3w3. (Pru´ebese pero no lo son si el producto interior definido es: que es un producto interior). En efecto: he 1, e2i = h(1, 0, 0), (0, 1, 0)i = 0 + 1 + 0 + 0 + 0 = 16= 0. Ejemplo
4
Nota: Si dos vectores son ortogonales, el ´angulo que forman es de π radianes (los famosos 90 grados). De hecho, en IR con el producto escalar eucl´ıdeo, la ortogonalidad coincide con la perpendicularidad. n
Una curiosidad: Teorema general de Pit´agoras 117. producto interior, entonces
Si u y v son dos vectores ortogonales de un espacio vectorial con 2
2
2
k u + v k = k uk + k v k . Este resultado, de f´acil comprobaci´on, se reduce en IR 2con el producto escalar al Teorema de Pit´agoras. Tambi´en es sencillo probar el resultado siguiente (ver ej ercicio 4.21): Proposici´on 118.-
Si w
⊥ {
v1, v2, . . . , vk } , entonces
w ⊥ lin{ v1, v2, . . . , vk } .
Mucho m´as interesante es el siguiente, que relaciona ortogonalidad e independencia:
un conjunto finito de vectores no nulos, ortogonales dos a dos,
Teorema 119.- Si S = { v1, v2, . . . , v k } entonces S es linealmente independiente.
4.5.2.1
.
Bases ortonormales. Proceso de Gram-Schmidt
Definici´on 120.- Sean V un espacio vectorial de dimensi´on B = { v1, v2, . . . , vn}
es una base ortonormal de V , si B n³
1
√1
Ejemplo
eucl´ıdeo.
n con producto interior. Se dice que la base ∀ i . es un conjunto ortogonal y k v ik = 1,
Las bases can´onica y B 1=
,
,
2√
√
La base B2= {(2, 0), (0, −
´ ³
2
1
−1 ,
´o son ortonormales en IR 2
2√
con el producto escalar
2
2)} es ortonormal para el producto interior hx, yi =x14y +x22y .4 1
Teorema 121.entonces
Si B = { v1, v2, . . . , v n}³es una base ortonormal para un espacio
∀ v ∈
V se tiene que
(v ) B=
hv , v1i,
hv , v2i, . . . , h v , v ni
2
V con producto interior, . Es decir,
v = hv , v1iv1+ hv , v 2i v2+ · · · + hv , vni vn, Demostraci´on: Si v = c 1v1+ · · · + civi+ · · · + cnvn, para cada
i, se tiene que
hv, vii = hc 1v1+ · · · + civi+ · · · + cnvn, vii = c1hv1, vii + · · · + cihvi, vii + · · · + cnhvn, vii = cihvi, vii = cikvik 2= ci
Prof: Jos´e Antonio Abia Vian
I.T.I. en Electricidad
49 – Matem´aticas I : Algebra Lineal´
4.6 Ejercicios
Es decir, en una base ortonormal, la obtenci´on de cordenadas puede resultar m´as sencilla. Pero no s´olo eso, si no que tambi´en se tiene: Teorema 122.- Si P es la matriz de paso de una base ortonormal P es una matriz ortogonal (es decir, P −1=Pt).
B 1a otra base ortonormal
B 2, entonces
La prueba es puramente operativa, usando la definici´on de matriz de paso y el apartado b) del ejercicio 4.24 (ver tambi´en el ejercicio 4.29).
Definici´on 123.- Sean V un espacio vectorial con producto interior, { w1, w2, . . . , wk } una base ortonormal de de v sobre W al vector de W
W . Para cada
v
W subespacio de
∈
V , llamaremos
V y B
=
proyecci´on ortogonal
ProyW(v ) = hv , w1i w1+ h v , w2iw2+ · · · + hv , w k i wk . Al vector
v −Proy (v ) se le llama componente ortogonal de
v sobre W .
W
El vector proyecci´on ortogonal no depende la base ortonormal elegida, es decir, tomando cualquier base ortonormal se obtiene el mismo vector. La prueba puede encontrarse en el Anexo 1, p´ag. 49, tras la demostraci´on
del Lema 124 siguiente. Lema 124.-
Sean V un espacio vectorial con producto interior,
normal de W . Entonces para cada
v
∈ V
, el vector
W un subespacio de V
y B una base orto-
v − Proy ( v ) es ortogonal a W .
.
W
Proceso de ortonormalizaci´on de Gram-Schmidt 125.Sean V un espacio vectorial con producto interior y B ={ v 1, v2, . . . , vn} de dimensi´on finita. Vamos a describir este proceso que construye a partir de una base una base ortonormal B ∗ = { u1, u2, . . . , u n} . Demostraci´on: 1aetapa.- Como 2aetapa.-
v16= 0
Sea W 1=
particular a
por ser de B , el vector u 1=
1
kv1k
tiene norma 1 y (
(
u1, y es distinto del vector v
0 pues ProyW1 v2) ∈ W1y
− Proy 1(v )°
2
W
v2− hv2, u1iu1
2
=
(
Sea ahora
particular a
u1y
W1, en
v2/ W1= lin{ v1} , entonces tiene que
° v2− ProyW1 v2)° k v2− hv2, u1iu1k u1y tiene norma 1. Adem´as, lin{ u1, u2} = lin{ v1, v2} .
es ortogonal a
lin{ u 1} = lin{ v1} .
v 2− ProyW1 v2) es ortogonal a
lin{ u1} , por el Lema anterior, el vector
u2= °
3a etapa.-
v
0 , pues
v1, v2}
(
v3− ProyW2 v3) es ortogonal a
W 2= lin{ u1, u2} , como antes, el vector
u2, y es distinto del vector
∈ lin{
(
ProyW2 v3)
∈
W2y
v3/
W2=
W2, en lin{ v1, v2} ,
entonces se tiene que W
u3= °°vv33−− ProyProy
2
( v
W2
3
) °
v3− hv3, u1iu1− hv3, u2iu2
( v3) =
∈ lin{ v1, v2, v3} ° k v3− hv3, u1iu1− hv3, u2iu2k es ortogonal a u1y u2, y tiene norma 1. Adem´as, lin{ u 1, u2, u3} = lin{ v1, v2, v3} . naetapa.- Con la repetici´on del proceso se ha construido un conjunto ortonormal de n vectores no nulos, B∗ = { u1, u2, . . . , u n} , tal que lin B ∗ = lin B = V . Luego B ∗ es una base ortonormal de V .
4.6 4.1
Ejercicios Determinar si son espacios vectoriales los siguientes conjuntos: a) IR 2con las operaciones: (x, y) + (x 0, y0) = (x + x0, y + y0) y k(x, y) = (2kx, 2ky). b) A = {(x, 0) : x ∈ IR }
con las operaciones usuales de IR 2.
c) IR 2con las operaciones: (x, y) + (x 0, y0) = (x + x0+ 1, y + y0+ 1) y k(x, y) = (kx, ky).
d) El conjunto de los n´umeros reales estr´ıctamente positivos,
IR +−{0} , con las operaciones:
x+x0= xx0
k
y kx = x .
Prof: Jos´e Antonio Abia Vian
I.T.I. en Electricidad
50 – Matem´aticas I : Algebra Lineal´
4.2
4.6 Ejercicios
¿Cu´ales de los siguientes conjuntos son subespacios vectoriales de IR 3´o a) {(a, 1, 1) ∈ IR 3: a ∈ IR } ⊆ IR 3 b) c) {(a, b, c, d)
4.3
∈
IR 4: a + 2d = 7}
Sean v1= (2, 1, 0, 3),
⊆
IR 4?
{(a, b, c) ∈ IR 3: b = a + c} IR 4d)
{(a, b, c, d)
v2= (3, −1, 5, 2) y
∈
⊆
IR 3
IR 4: ba = 0}
⊆
v3= (−1, 0, 2, 1) vectores de
IR 4
IR 4. ¿Cu´ales de los vectores
(2, 3, −7, 3), (0, 0, 0, 0), (1, 1, 1, 1) y (−4, 6, −13, 4), est´an en lin{ v , v , v } ? 1
4.4
¿Para qu´e valores reales de λ los vectores
3
v1= (λ, −21,−21)v2= ( −21 , λ, −21) yv3= ( −21,−21 , λ) forman IR 3?
un conjunto linealmente dependiente en 4.5
2
Dados tres vectores linealmente independientes
u , v y w , demostrar que
u+v,
v+w
y w+ u
son
tambi´en linealmente independientes. 4.6
Sea V un espacio vectorial y
S = { v 1, . . . , v k }
a) lin S es un subespacio vectorial de b) Si W es un subespacio de V 4.7
Probar que si los vectores
un conjunto de vectores de V . Probar que:
V.
que contiene a los vectores de S , entonces
v 1, . . . ,
lin S
⊆ W
.
vk son linealmente dependientes, al menos uno de ellos se puede
escribir como una combinaci´on lineal de los restantes. 4.8
Determinar la dimensi´on de los siguientes subespacios de
IR 4 :
a) Todos los vectores de la forma (a, b, c, 0).
yc=a−b.
b) Todos los vectores de la forma (a, b, c, d) con d = a + b c) Todos los vectores de la forma (a, b, c, d) con a = b = c = d. 4.9
Demostrar que los vectores soluci´on de un sistema no homog´eneo compatible, AX = B , de m ecuaciones IR n. ¿Qu´e ocurre si el sistema es homog´eneo, es decir, si
con n inc´ognitas no forman un subespacio de B = 0? 4.10
Sean E y F subespacios de un espacio
E∩F ={v
V . Probar que:
∈
V : v
∈
E y v
∈
F}
es un
subespacio de V . 4.11
Considerar en IR 4
los conjuntos de vectores:
A = {(1, 2, −1, 3), (0, 1, 0, 3)}
B = {(1, −1, 1, 0), (2, 3, 1, 2), (0, 0, 0, 1)}
a) Hallar las dimensiones de lin(A) y de lin(B), y encontrar una base b) Hallar las ecuaciones param´etricas de c) Hallar las ecuaciones cartesianas de d) Hallar la dimensi´on de 4.12
lin(A) y de lin(B). lin(A) y de
lin(B).
lin(A) ∩ lin(B).
Consideremos en el espacio vectorial
IR 3la base
B = { u1, u2, u3} . Sea
E el subespacio engendrado
por los vectores v1= u1+ 3 u3, v2= 2 u1− 3 u2+ u3, v3= 4 u1− 3 u2+ 7 u3. Sea F el subespacio engendrado por los vectores w1= u1+ u2+ u3, w2= 2 u1+ 3 u2+ 4 u3, w3= 3u1+ 4 u2+ 5 u3. Hallar una base de E , una base de F , el subespacio E ∩ F y una base de E ∩ F . 4.13
Sea M2×2
M2×2
el espacio vectorial de las matrices cuadradas de orden 2 sobre
formado por las matrices de la forma
a) Demostrar que
(
a b + c ¶ con a, b, c − b + c a
E es un subespacio vectorial. ( ¶ 10 b) Probar que las matrices A1= , A2= 01 4.14
IR y sea
(
01
−1 0
¶
( y A3=
∈
E el subconjunto de
IR .
01 10
¶ , forman una base de E .
Sea B una base de un espacio vectorial V de dimensi´on n. Demostrar que el conjunto { v 1, v2, . . . , vn} es una base de V si, y s´olo si el conjunto {[ v 1]B, [ v2]B, . . . , [ v n]B} es una base de IR n.
Prof: Jos´e Antonio Abia Vian
I.T.I. en Electricidad
51 – Matem´aticas I : Algebra Lineal´
4.15
En una cierta base
4.6 Ejercicios
{ u1, u2, u3, u4}
de un espacio vectorial
(3, 1, 2, 6). Hallar las coordenadas de v1= u1+ u2, v2= 2u4−u1, 4.16
En IR 3se consideran las bases
W en otra base v3= u2− u3y
V , un vector
{ v 1, v2, v3, v4} v4= 2u1− u2.
v2= (0, −1, 2),
B = { v1= (2, 0, 0),
u1= (−3, 0, −3),
u2= (−3, 2, −1),
u3= (1, 6, −1) y
v1= (−6, −6, 0),
v2= (−2, −6, 4),
v3= (−2, −3, 7).
4.18
y la base can´onica
B a B0 .
b) Calcular la matriz de coordenadas, [ w ] B, siendo c) Calcular [ w ] B0
v3= (0, 0, −3)}
y B0= { v1, v2, v3} , siendo
Se consideran en IR 3las bases B = { u 1, u2, u3}
a) Hallar la matriz de paso de
cuyos vectores verifican que
B del vector x = 4 e 1+ e2− 5 e3.
Bc= { e1, e2, e3} . Hallar las coordenadas respecto de la base 4.17
w tiene por coordenadas
w
= (−5, 8, −5).
de dos formas diferentes v = (v1, v2, v3). Determinar si hu , v i = u 1v1− u2v2+ u3v3define un producto
Sean u = (u1, u2, u3) y interior en IR 3.
4.19
IR 2con norma eucl´ıdea uno y cuyo producto interior eucl´ıdeo con (−2, 4)
a) Encontrar dos vectores de sea cero.
b) Demostrar que hay un n´umero infinito de vectores en IR con norma eucl´ıdea uno y cuyo producto interior eucl´ıdeo con (−1, 7, 2) es cero. 3
4.20
2
√−1
Sean a = ( √1 ,
3
2
{ a, b} es ortonormal si IR tiene el producto v = (v1, v2), y que no lo es si IR 2 tiene el producto
)y
b = ( √30, √30). Demostrar que interior h u, v i = 3u 1v1+ 2u2v2donde u = (u1, u2) y 5
5
interior eucl´ıdeo. 4.21
Sea V un espacio con producto interior. Demostrar que si
w es ortogonal a cada uno de los vectores
v1, v2, . . . , vk entonces es ortogonal a lin{v 1, v2, . . . , vk } . 4.22
4.23
Considera IR 3con el producto interior euclideo. Utiliza el proceso de Gram-Schmidt para transformar, en cada caso, la base
{ u 1, u2, u3}
a) u1= (1, 1, 1),
u2= (−1, 1, 0),
u3= (1, 2, 1).
b) u1= (1, 0, 0),
u2= (3, 7, −2),
u3= (0, 4, 1).
Sea IR 3con el producto interior
en una base ortonormal.
h u, v i = u 1v1+ 2u2v2+ 3u3v3. Utilizar el proceso de Gram-Schmidt
para transformar la base formada por los vectores base ortonormal. 4.24
Sea B = { v1, v2, v3}
u 1= (1, 1, 1),
una base ortonormal de un espacio V
2
a) k w k = hw , v 1i2 + hw , v 2i2 + hw , v3i2 ; [
b) h u, w i = (u )B· ( w ) B= [ u]tB w ]B; 4.25
w
∈ V
.
.
Tomemos en IR 4el producto interior euclideo. Expresar el vector w2donde,
w1est´e en el subespacio
u3= (1, 0, 0) en una
con producto interior. Probar que:
∀ w ∈ V ∀ u,
u2= (1, 1, 0) y
w
W generado por los vectores
= (−1, 2, 6, 0) en la forma w = w+ u = (−1, 0, 1, 2) y u = (0, 1, 0, 1), 1
1
2
y w2sea ortogonal a W . 4.26
Suponer que IR 4tiene el producto interior euclideo. a) Hallar un vector ortogonal a
vectores u2= (0, 1, 0, 0) y b) Hallar un vector
u 1= (1, 0, 0, 0) y
u3= (0, 0, 1, 0).
x de longitud 1, ortogonal a
u3sea el doble del coseno del ´angulo entre 4.27
u4= (0, 0, 0, 1), y que forme ´angulos iguales con los
Hallar la distancia del vector u = (1, 1, 1, 1) de IR 4
u 1y a
u2, tal que el coseno del ´angulo entre
x y
x y u 4. al subespacio generado por los vectores v 1= (1, 1, 1, 0)
y v2= (1, 1, 0, 0).
Prof: Jos´e Antonio Abia Vian
I.T.I. en Electricidad
52 – Matem´aticas I : Algebra Lineal´
4.28
Dados los vectores
4.6 Ejercicios
x = (x 1, x2, x3) e
y = (y1, y2, y3) de
IR 3, demostrar que la expresi´on
h x, y i =
2x1y1+ 2x2y2+ x3y3+ x1y2+ x2y1define un producto interior. Encontrar una base { u1, u2, u3} ortonormal respecto al producto interior anterior tal que tengan igual direcci´on y sentido que los vectores ( 0, 1, 0) y (0, 0, 1), respectivamente. 4.29
Probar que una matriz
ortonormal en
Prof: Jos´e Antonio Abia Vian
A de orden
n
u 2y
u3
es ortogonal si, y s´olo si sus vectores fila forman un conjunto
IR n.
I.T.I. en Electricidad