Espacios vectoriales

INSTITUTO TECNOLOGICO DE TUXTLA GUTIERREZ

Materia:
Algebra Lineal


Profesor:
Ing. Roberto Nafate Gmez


Integrantes del equipo:
Hernndez Flores Freddy
Contreras Gmez Luis Eduardo
Del Carpio Gutirrez Gilberto Jovanny








19 de Mayo de 2014

Introduccin
La idea de vector est tomada de la Fsica, donde sirven para representar
magnitudes vectoriales como fuerzas, velocidades o aceleraciones. Para
ello se emplean vectores de dos componentes en el plano, de tres
componentes en el espacio... Se supone conocida la representacin
grfica y manejo de los vectores de
2
y de
3
.
En Matemticas, tratamos de abstraer las propiedades que caracterizan a
los vectores para extenderlas tambin a otro tipo de objetos diferentes de
los vectores de la Fsica.
Esencialmente, el comportamiento que caracteriza a los vectores es el
siguiente:
Podemos sumar dos vectores y obtenemos otro vector;
Podemos multiplicar un vector por un nmero (escalar) y obtenemos
otro vector.
Adems estas operaciones cumplen ciertas propiedades, que observamos
en los vectores de 2 y de 3:
En lo sucesivo, utilizaremos habitualmente la siguiente notacin: u, v, w (u
otras letras latinas) para vectores, mientras que las letras griegas
designarn escalares.

4.1 Definicin de espacio vectorial
Cualquier conjunto que posea unas operaciones suma y producto por
escalares, cumpliendo todas las siguientes propiedades, diremos que es
un espacio vectorial. Los elementos de tal conjunto se llamarn vectores
(aunque pueda tratarse de objetos diferentes a los vectores de la Fsica.)
-Propiedades de los vectores:
Propiedades de la suma de vectores.
Asociativa: (u + v) + w = u + (v + w)
Conmutativa: v + u = u + v.
Existe un elemento neutro, el vector , tal que + v = v para cualquier
vector v.
Para cada vector v existe un elemento opuesto, v, que sumado con l
da .
Propiedades del producto de un vector por un escalar.
Asociativa: (v) = ( ) v
Distributivas:
>Respecto de la suma de escalares: ( + ) v = v + v
>Respecto de la suma de vectores: (u + v) = u + v
Existe un elemento unidad: el escalar 1, tal que 1 v = v para cualquier
vector v.

Diremos que el espacio vectorial es real o complejo, segn sean los
escalares.
Otras propiedades de los espacios vectoriales pueden deducirse de las
anteriores propiedades bsicas. Por ejemplo:
Si v = (escalar, v vector) entonces o bien es = 0 o bien es v = .

Ejemplos de espacios vectoriales.
1) El espacio , formado por los vectores de n componentes (x
1
,. . ., x
n
) es
un espacio vectorial real, en el que se pueden sumar vectores y multiplicar
por un escalar (real) de la forma habitual.
Se puede comprobar que se cumplen las propiedades requeridas para
ambas operaciones. El vector cero es (0,. . ., 0).
No es un espacio vectorial complejo, pues no podemos multiplicar por
escalares complejos
(Si lo hacemos, el resultado no se mantendr dentro de ).

2) Consideremos el conjunto P
2
de los polinomios de grado 2 con
coeficientes reales:
P
2
= {ax
2
+ bx + c: a, b, c }
Es un espacio vectorial real, pues podemos sumar dos elementos de P
2
y
obtenemos otro elemento de P
2
; tambin podemos multiplicar un
elemento de P
2
por un escalar real y obtenemos otro elemento de P
2
.
Vemoslo:
-Suma: (ax
2
+ bx + c) + (ax
2
+ bx + c) = (a + a) x
2
+ (b + b) x + (c + c) que
pertenece a P
2
.
-Producto por un escalar real: , (ax
2
+ bx + c) = ax
2
+ bx + c que
pertenece a P
2
.
Se puede comprobar que se cumplen las propiedades requeridas. El
vector es el polinomio cero: 0x
2
+ 0x + 0
No es un espacio vectorial complejo, pues al multiplicar por un escalar
complejo el resultado podr ser un polinomio complejo que no pertenece
a P
2
.

3) Consideremos el conjunto M
2x2
(tambin denotado por M
2
) de las
matrices 2x2 con trminos reales:
a c
M
2x2
=

: a, b, c, d R
b d
Es un espacio vectorial real, pues podemos sumar dos matrices de M
2x2

obteniendo otra matriz de M
2x2
, y multiplicar una matriz de M
2x2
por un
escalar real obteniendo otra matriz de M
2x2
. Se puede comprobar que se
cumplen las propiedades. El vector es, en este caso, la matriz con todos
sus trminos nulos.
No es un espacio vectorial complejo.

Observacin.
En algunos espacios vectoriales reales, distintos de , puede hacerse un
paralelismo o identificacin con , para un n adecuado.
Por ejemplo, ya hemos visto cmo el espacio vectorial real C de los
nmeros complejos puede identificarse con
2
, correspondiendo el
nmero complejo a + bi al vector (a, b).
Veamos cmo el espacio P
2
= ,polinomios de grado 2- puede
identificarse con
3
: cada polinomio ax
2
+bx+c correspondera al vector (a,
b, c) de
3

Lo mismo ocurre con el espacio de matrices M
2x2
= {matrices 2x2, que se
identifica con
4
, correspondiendo a la matriz el vector (a, b, c, d).
En todos los casos las operaciones de suma y producto por escalar se
pueden trasladar paralelamente del espacio considerado a .
Esto hace posible efectuar las operaciones en en lugar de otros
espacios.

4.2 Definicin de subespacio vectorial y sus propiedades
Dado un espacio vectorial V, podemos considerar una parte S de l que
funcione como un espacio vectorial ms pequeo, incluido en V.
Como V es un espacio vectorial, posee unas operaciones (suma, producto
por un escalar) que en particular se pueden efectuar en S. Slo
necesitaremos que, al efectuarlas, su resultado quede dentro de S.

Definicin: Subespacio.
Dado un espacio vectorial V, se dice que un subconjunto S de V es un
subespacio vectorial si contiene al vector , y si al efectuar las
operaciones de suma y producto por escalar entre vectores de S, el
resultado permanece en S.
(Se puede decir que S es cerrado para las operaciones suma y producto
por escalar.) Es decir:
S.
Si v, w S entonces v + w S.
Si v S y es un escalar, entonces v S.
Ya no hace falta comprobar que se cumplen las propiedades asociativa,
conmutativa, etc. puesto que sabemos que se cumplen en V, y por tanto
tambin en S (se dice que S hereda las propiedades de las operaciones
en V). Por supuesto si para V utilizamos escalares reales, tambin para S; si
a b
c d
para V utilizamos complejos, tambin para S.

Ejemplos de subespacios
1) La recta x=y es un subespacio de
2
. Est formado por los vectores de la
forma (a, a).Contiene al vector (0,0).
Adems, es cerrado para la suma y producto por escalar:
Suma: (a, a) + (b, b) = (a + b, a + b) que tambin es un elemento de la
recta.
Producto por un escalar: , (a, a) = ( a, a) que tambin es un
elemento de la recta
2) El plano XY es un subespacio de
3
. Est formado por los vectores de la
forma (x, y, 0). Contiene al vector (0, 0, 0).
Adems, es cerrado para la suma y producto por escalar:
Suma: (x, y, 0) + (x, y, 0) = (x + x, y + y, 0) que tambin es un elemento
del plano.
Producto por un escalar: , (x, y, 0) = ( x, y, 0) que tambin es un
elemento del plano.
Podemos decir que este plano es como
2
pero incluido en
3
.

Subespacios
n
Los subespacios de
n
pueden describirse de dos formas: implcita y
paramtrica.
Forma implcita: Mediante ecuaciones. Los vectores que verifiquen las
ecuaciones son los que pertenecen al subespacio.
Forma paramtrica: Mediante una expresin con parmetros, los cuales
al tomar distintos valores producen todos los vectores del subespacio.
Para pasar de una a otra forma:

De la forma implcita a la paramtrica: Basta considerar las ecuaciones
implcitas como un sistema, y resolverlo. La solucin general del sistema
(que podr depender de parmetros) es la expresin paramtrica.
De la forma paramtrica a la implcita: Podemos decir, aunque no es un
mtodo riguroso, que se trata de describir mediante ecuaciones cmo
es el vector genrico del subespacio.
Ayudar el conocer qu nmero de ecuaciones es necesario (lo que se
ver ms adelante).

Ejemplos:
1) En
2
, la recta bisectriz del primer cuadrante puede describirse en
implcitas como {y=x-, y en paramtricas como ,(, ): }
2) En
3
, dado el subespacio en paramtricas ,(, , ): , }, su
forma implcita es la ecuacin {z=xy}.

Relacin entre la forma implcita y paramtrica.

Si S es un subespacio de
n
, la forma implcita y paramtrica de S
satisfacen en general la siguiente relacin:
N de ecuaciones implcitas + N de parmetros = n.
(n es el n de incgnitas).
Comprobar esta relacin en los ejemplos anteriores.
Sin embargo para que esto sea cierto debe cumplirse que las ecuaciones
implcitas sean independientes entre s, es decir, que ninguna sea
combinacin lineal de otras. Esto significa que, considerando las
ecuaciones como un sistema, no sobre ninguna ecuacin: es decir, que
la matriz de coeficientes tenga rango igual al nmero de ecuaciones.
Tambin los parmetros deben ser independientes entre s por ejemplo
en la expresin paramtrica (+, +, 0), que en
3
corresponde a la
forma implcita {x=y, z=0}, no se cumple la relacin anterior: 2+2 3. Esto
ocurre porque los dos parmetros no son independientes. En realidad
puede sustituirse + por un solo parmetro y as tendramos (, , 0) y
ya se cumple 2+1=3.

(Esto ser ms fcil de comprobar ms adelante, en el punto Bases y
dimensin, pues el nmero de parmetros independientes es igual a la
dimensin del subespacio).

Inclusin de subespacios.
Dados dos subespacios A y B, puede ocurrir que uno est incluido en otro
(una recta dentro de un plano, por ejemplo).
Se dice que A est contenido o incluido en B (y se denota A B) si todos
los elementos de A estn tambin en B.
En cualquier espacio vectorial V, el subespacio {} est contenido en
todos los dems subespacios; mientras que todos ellos estn contenidos
en el total V.
Veamos cmo reconocer si un subespacio est incluido en otro:

- En forma implcita: Si las ecuaciones de B estn incluidas en las de A,
entonces A B. (Cuantas ms ecuaciones implcitas, ms pequeo es el
subespacio).
- En forma paramtrica: Para ver si A B, tendremos que ver si todo
vector genrico de A, est en B.

Ejemplos:
1) En
3
, sean los siguientes subespacios dados en implcitas:
A= B = {Y=0}
Tenemos que A B, pues todo vector que satisfaga las dos ecuaciones de
A, es decir que cumpla y=0, z=0, tambin satisface la ecuacin de B, y=0.
2) En
3
, sean los siguientes subespacios dados en paramtricas:
A= {(, 0, 0): } B = {(, 0, ): , }
Y=0
Z=0
Tenemos que A B, pues todo vector de la forma (, 0, 0) tambin es de
la forma (, 0, ), tomando =0. Ambos ejemplos son el mismo, pues se
trata del eje X contenido en el plano XZ.

OPERACIONES CON SUBESPACIOS
A partir de dos subespacios podemos construir otro efectuando las
operaciones de suma o interseccin de subespacios.

1. Interseccin de subespacios.
La interseccin, indicada por el smbolo , puede aplicarse a conjuntos
cualesquiera, no slo a espacios vectoriales. Consiste en encontrar los
elementos comunes a dos conjuntos.
Por ejemplo, la interseccin de dos planos en
3
podr ser una recta.
Notar que dados dos subespacios cualesquiera, siempre hay vectores
comunes a ambos (al menos el , que est en todos los subespacios.)
-Teorema
La interseccin de subespacios es un subespacio.
En efecto, es posible sumar vectores dentro de ST, pues por ser S y T
subespacios, la suma debe permanecer dentro de S y dentro de T, y por
tanto dentro de ST. Lo mismo para el producto por escalares.
-Clculo de la interseccin.
La forma ms sencilla (aunque no la nica) de calcular ST es utilizar la
expresin implcita de S y de T.
Como buscamos los vectores que verifiquen a la vez ambas condiciones,
podremos describir ST considerando conjuntamente las ecuaciones
implcitas de S y las de T (formando un sistema con todas ellas).
Este sistema, si es sencillo, puede considerarse ya como la forma
implcita de ST.
En todo caso, resolviendo este sistema obtenemos la forma paramtrica
de ST.
-Ejemplo:
Sean en
3
los subespacios S=plano XY, T=plano XZ.
Sus ecuaciones implcitas son: S ,z=0-, T ,y=0-
Uniendo ambas tenemos que es la expresin implcita de ST.
Se trata por tanto del eje X, ,(, 0, 0)} en paramtricas.

2. Suma de subespacios.
Dados dos subespacios S, T se define el subespacio suma como:
S + T = {u + v: u S, v T} es decir, aquellos vectores que podamos
construir sumando un vector de S y uno de T.

-Teorema
La suma de subespacios es un subespacio.

-Clculo del subespacio suma.
Al contrario que la interseccin, la suma S+T se calcula ms fcilmente
usando la forma paramtrica de S y de T. Esto nos permite tomar un
vector genrico de cada uno de los subespacios y sumarlos, obtenindose
una expresin paramtrica de S+T. No obstante la forma paramtrica as
obtenida puede tener parmetros no independientes. Ms adelante, en el
punto Sistemas generadores se dar otro mtodo para calcular el
subespacio suma.
-Ejemplo.
Consideremos los subespacios en
3
dados en paramtricas por:
H= {(, +, ): , }
K= {(0,0, ): }
Entonces los elementos de H+K se formarn sumando (, +, ) + (0,0, )
= (, +, +) es decir, H + K = {(, +, +): , , }

-Observacin
La interseccin ST es un subespacio ms pequeo que S y que T (est
contenido en S y tambin en T). Por el contrario la suma S+T es un
Y=0
Z=0
subespacio ms grande que S y que T, pues contiene a ambos. De hecho
ST es el mayor subespacio contenido en ambos, y S+T es el menor
subespacio que contiene a ambos.

COMBINACIN LINEAL E INDEPENDENCIA LINEAL.
COMBINACIN LINEAL

Sean v
1
, v
2
,, v
n
, vectores en un espacio vectorial V. entonces cualquier vector de la
forma: a
1
v
1
+ a
2
v
2
++ a
n
v
n
, donde a
1
, a
2
,a
n
son escalares se denomina una
combinacin lineal de v
1
, v
2
,v
n
.

Una combinacin lineal en M
23





Conjunto generador.

Se dice que los vectores v
1
, v
2
,, v
n
de un espacio vectorial V generan a V
si todo vector en V se puede escribir como una combinacin lineal de los
mismos. Es decir, para todo vector, existen escalares a
1
, a
2
,, a
n
tales que
v = a
1
v
1
+ a
1
v
2
++ a
n
v
n


Cuatro vectores que generan a M
22




Espacio generado por un conjunto de vectores.

Sean v
1
, v
2
, , v
k
, vectores de un espacio vectorial V. el espacio generado
por {v
1
, v
2
,, v
k
} es el conjunto de combinaciones lineales v
1
, v
2
, , v
k
. Es
decir
donde a
1
, a
2
,, a
k
, son escalares arbitrarios.



Teorema:
Si v
1
, v
2
,, v
K
son vectores en un espacio vectorial V, entonces gen {v
1
,
v
2
,, v
K
} es un sub espacio de V.

Ejemplo: el espacio generado por dos vectores en R
2



Sea v
1
= (2,-1,4) y v
2
= (4, 1,6). Entonces H=gen {v1, v2} = {v: v=a
1
(2,-1,4) +a
2

(4, 1,6)}. Cul es la apariencia de H? si v=(x, y, z) H, entonces tiene x = 2a
1

+ 4a
2
, y = - a
1
+a
2
y z = 4a
1
+6a
2
. Si se piensa que (x, y, z) esta fijo, entonces
estas ecuaciones se pueden ver como un sistema de tres ecuaciones con
tres incgnitas a
1
, a
2
. 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 v=2v
1
; o si se escribe esta ecuacin de otra manera.
2v
1
-v
2
=0.

En otras palabras, el vector cero se puede escribir como una combinacin
no lineal de v
1
y v
2
(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 v
3
=3v
1
+2v
2
; rescribiendo esto se obtiene
.

Se ha escrito el vector cero como una combinacin lineal de v
1
, v
2
, y v
3
.
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 v
1
, v
2
, , v
n
vectores en un espacio vectorial V. entonces
se dice que los vectores son linealmente dependientes si existen n
escalares c
1
, c
2
, , c
n
no todos ceros tales que


Si los vectores no son linealmente dependientes, se dice que son
linealmente independientes.

Para decirlo de otra forma, v
1
, v
2
,.., v
n
son linealmente independientes si la
ecuacin c
1
v
1
+c
2
v
2
++ c
n
v
n
= 0 se cumple nicamente para c
1
= c
2
== c
n
=
0. Son linealmente dependientes si el vector cero en V se puede expresar
como una combinacin lineal de v
1
, v
2
,,v
n
con coeficientes no todos
iguales a cero.

Nota. Se dice que los vectores v
1
, v
2
,, v
n
son linealmente independientes
(o dependientes), o que el conjunto de vectores {v
1
, v
2
,, v
n
} es
linealmente independiente (o pendiente). Esto es, se usan las dos frases
indistintamente.

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 v
2
=cv
1
para algn escalar c0.
Entonces cv
1
-v
2
=0 y v
1
y v
2
son linealmente dependientes. Por otro parte,
suponga que v
1
y v
2
son linealmente dependientes. Entonces existen
constantes c
1
y c
2
al menos uno distinto a cero, tales que c
1
v
1
+c
2
v2=0. Si
c
1
0, entonces dividiendo entre c
1
se obtiene v
1
+ (c
2
/c
1
) v
2
=0, o sea,

Es decir, v
1
es un mltiplo escalar de v
2
. Si c
1
=0, entonces c
2
0 y, por lo
tanto, v
2
= 0 = 0 v
1
.
BASE Y DIMENSIN DE UN ESPACIO VECTORIAL, CAMBIO DE BASE.
BASES Y DIMENSIN
Base Un conjunto finito de vectores v
1
, v
2
,. . ., v
n
es una base para un
espacio vectorial V si
l.- v
1
, v
2
,. . ., v
n
es linealmente independiente
ll.- v
1
, v
2
,. . ., v
n
genera V.

Todo conjunto de n vectores linealmente independiente R
n
es una base
en R
n

En R
n
se define
1
0
0
.
e
1
=
0
1
0
e
2
=
0
0
1
.
e
3
=
0
0
0
.
e
n
=
,
, ,........
,



Base cannica.- Entonces, como los vectores e
1
son las columnas de una
matriz identidad e
1
, e
2
, . . ., e
n
es un conjunto linealmente independiente
y, por lo tanto, constituye una base en R
n
.

Ejemplo:
Base cannica para M
22
que y
generan a M
22

Si

= C
1
+ C
2
+ C
3
+ C
4
=

Entonces es obvio que c
1
= c
2
= c
3
= c
4
= 0. As, estas matrices son
linealmente independientes y forman una base para M
22
.
Dimensin: Si el espacio vectorial V tienen una base finita, entonces la
dimensin de V es el nmero de vectores en todas las bases y V se llama
espacio vectorial de dimensin finita. De otra manera, V se llama espacio
de dimensin infinita. Si V = 0, entonces se dice que V tiene dimensin
cero.

La dimensin de R
n
Como n vectores linealmente independientes en R
n

constituye una base, se ve que
Dim R
n
= n
Cambio de base
Sea x un vector que en base B
1
(de vectores unitarios u
1
, u
2
,...) ser igual a
m
1
u
1
+ m
2
u
2
+ m
3
u
3
+...m
n
u
n
El mismo vector, utilizando otra base B
2
(de
vectores unitarios v
1
, v
2
,...) ser n
1
v
1
+ n
2
v
2
+n
3
v
3

Supongamos que u
1
, u
2
,... se representan en la base B
2
de esta forma:
1 0
0 0
0 1
0 0
0 0
0 1
0 0
1 0
1 0
0 0
0 0
1 0
0 1
0 0
C1 C2
C3 C4
0 0
0 1
0 0
0 0
u
1
= a
11
v
1
+ a
21
v
2
+... + an
1
v
n

u
2
= a
12
v
1
+ a
22
v
2
+... + a
n2
v
n

.............................................................
u
n
= a
1n
v
1
+ a
2n
v
2
+ ... + a
n
v
n

Por lo tanto, sustituyendo estas ecuaciones en la frmula original nos
queda:
x = m
1
(a
11
v
1
+ a
21
v
2
+ ... + a
n1
v
n
) + m
2
(a
12
v
1
+ a
22
v
2
+ ... + a
n2
v
n
)
Reordenando queda:
x = (m
1
a
11
+ m
2
a
12
+... + m
n
a
1n
) v
1
+... + (m
1
a
n1
+ m
2
a
n2
+... + m
n
a
nn
)v
n

Comparando con la frmula x = n
1
v
1
+ n
2
v
2
+ n
3
v
3
+... deducimos que:
n
1
= m
1
a
11
+ m
2
a
12
+ ... + m
n
a
1n

n
2
= m
1
a
21
+ m
2
a
22
+ ... + m
n
a
2n

.................................................................
n
n
= m
1
a
nn
+ m
2
a
n2
+ ... + m
n
a
nn

Esto se puede expresar de forma matricial:
n
1
a
11
+ a
12
+ ... + a
1n
m
1

n
2
= a
21
+ a
22
+ ... + a
2n
m
2

..... ........................................
n
n
a
2n
+ a
n2
+ ... + a
nn
m
n

Llamando A a la matriz de coeficientes, X al vector en la base B
2
y X al
vector en la base B
1
nos queda:
X' = AX
Despejando X nos queda:
X = A-1X'
Base
Un conjunto de vectores {v
1
, v
2
,..., v
n
} forma una base para V si
l.- {v
1
, v
2
, ..., v
n
} es linealmente independiente.
ll.- {v
1
, v
2
, ..., v
n
} genera V.
As pues,
Todo conjunto de n vectores linealmente independientes en R
n
es una
base en R
n
En R
n
definimos

Como los trminos e
i
son las columnas de la matriz identidad (cuyo
determinante es 1), entonces {e
1
, e
2
, ..., e
n
} es linealmente independiente
y, por tanto, constituye una base en R
n
. Esta entidad especial se llama
base cannica en R
n

Teorema 1
Si {v
1
, v
2
,..., v
n
} es una base de V y si v V, entonces existe un conjunto
nico de escalares c
1
, c
2
,..., c
n
tales que v= c
1
v
1
, c
2
v
2
,..., c
n
v
n
.

Teorema 2
Si {u
1
, u
2
,..., u
n
} y {v
1
, v
2
,..., v
n
} son bases del espacio vectorial V, entonces
m = n; esto es, cualesquiera dos bases en un espacio vectorial V poseen el
mismo nmero de vectores.

Dimensin
Si el espacio vectorial V posee una base finita, la dimensin de V es el
nmero de vectores en la base, y V se llama espacio vectorial de
dimensin finita. De otra manera, V se denomina espacio vectorial de
dimensin infinita. Si V = {0}, entonces V se dice que es de dimensin cero.
Notacin. Se simboliza la dimensin de V como Dim V.



Teorema 3
Supngase que dim V = n. Si u
1
, u
2
,..., u
m
es un conjunto de m vectores
linealmente independientes en V, entonces m n.

Teorema 4
Sea H un subespacio del espacio vectorial V de dimensin finito. Entonces
H es finito-dimensional y
dim H dim V

Demostracin
Sea dim V = n. Cualquier conjunto de vectores en H linealmente
independiente, lo es tambien en V. Por el Teorema 3, cualquier conjunto
linealmente independiente en H, cuando ms, contiene n vector. As pues,
H es de dimensin finita. Ms an, como una base en H es un conjunto
linealmente independiente, se ve que
dim H n.

Teorema 5
Cualesquiera n vectores linealmente independientes en un espacio
vectorial V de dimensin n, constituyen una base.







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

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 proy
H
v
est 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, est 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=proy
H
v.

Si V tiene dimensin finita, entonces p=proy
H
v.

TEOREMA: sea A una matriz de n x n; 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).