CAPITULO 1.
ESPACIOS VECTORIALES
CAPITULO 1.
ESPACIOS VECTORIALES
El propsito de este captulo es mostrar en apariencia grande, el
mundo concreto de la solucin de ecuaciones y el manejo sencillo de
los vectores que se pueden visualizar al mundo abstracto de los
espacios vectoriales arbitrarios.
CONTENIDO
1.1. DEFINICION
Y
PROPIEDADES
BASICAS
DE
ESPACIOS VECTORIALES
1.2. SUBESPACIOS
1.3. COMBINACION LINEAL Y ESPACIO GENERADO
1.4. INDEPENDENCIA LINEAL
1.5. BASES Y DIMENSIONES
1.6. RANGO,NULIDAD,ESPACIO DE LOS RENGLONES Y
ESPACIO DE LAS COLUMNAS DE UNA MATRIZ
1.7. CAMBIO DE BASE
n
1.8. BASES ORTONORMALES Y PROYECCIONES EN R
1.9. APROXIMACION POR MINIMOS CUADRADOS
1.10.
ESPACIO CON PRODUCTO INTERNO Y
PROYECCIONES
1.1.
DEFINICION
Y
PROPIEDADES
BASICAS DE ESPACIOS VECTORIALES
DEFINICION 1: Un espacio vectorial real V es un conjunto de
objetos, llamados vectores, junto con dos operaciones llamadas
Fuente: LGEBRA LINEAL. Stanley I. Grossman
Pgina1
Apuntes de Clase Prof. JORGE VILLAMIZAR
Grupo de LGEBRA LINEAL II S1 1er semestre 2012 Sede
Socorro
CAPITULO 1.
ESPACIOS VECTORIALES
suma y multiplicacin por un escalar que satisfacen los diez
axiomas enumerados a continuacin.
NOTACION. Si X y Y estn en V y si es un nmero real, entonces
la suma se escribe como X+Y y el producto como x.
AXIOMAS DE UN ESPACIO VECTORIAL.
i. Si x
VyY
V, entonces X+Y
V (CERRADURA BAJO LA SUMA).
ii. Para todo X, Y y Z en V, (X+Y)+Z =X+ (Y+Z)
(LEY ASOCIATIVA DE LA SUMA DE VECTORES).
iii. Existe un vector 0
V tal que para todo x
V, X+0=0+x=x
(EL 0 SE LLAMA VECTOR CERO O IDENTICO ADITIVO).
iv. Si x
V, existe un vector X en V
tal que X + (-X)= 0
(-X SE LLAMA INVERSO ADITIVO DE X).
v. Si X y y estn en V, entonces X+Y =Y+X
(LEY CONMUTATIVA DE LA SUMA DE VECTORES).
vi. Si x
y es un escalar entonces, x
V.
(CERRADURA BAJO LA MULTIPLICACION POR UN ESCALAR).
vii. Si X y y estn en V y es un escalar, entonces
(x+Y) = x +Y (PRIMERA LEY DISTRIBUTIVA).
Fuente: LGEBRA LINEAL. Stanley I. Grossman
Pgina2
Apuntes de Clase Prof. JORGE VILLAMIZAR
Grupo de LGEBRA LINEAL II S1 1er semestre 2012 Sede
Socorro
CAPITULO 1.
viii. Si X
ESPACIOS VECTORIALES
V y y son escalares, entonces (+ )X= X+ X
(SEGUNDA LEY DISTRIBUTIVA).
ix. Si X
V y y son escalares, entonces (X) = ()X
(LEY ASOCIATIVA DE LA MULTIPLICACION POR ESCALARES).
x. Para cada vector X
V,
1X = X.
NOTA: No es difcil demostrar que el idntico aditivo y el inverso
aditivo en un espacio vectorial son nicos.
n
Los vectores en R se pueden escribir indistintamente como vectores
rengln o vectores columna.
TEOREMA 1: Sea V un espacio vectorial. Entonces
i.0= 0para todo escalar .
ii. 0.X = 0 para todo X
V.
iii. Si x = 0, entonces = 0 X = 0(O AMBOS).
Iv. (-1)X = -X para todo X
1.2.
V.
SUBESPACIOS
DEFINICION 1: Sea H un subconjunto no vacio de un espacio
vectorial
y suponga que
es en s un espacio vectorial bajo las
operaciones de suma y multiplicacin por un escalar definidas en
V.
entonces se dice que H es un subespacio de V.
Fuente: LGEBRA LINEAL. Stanley I. Grossman
Pgina3
Apuntes de Clase Prof. JORGE VILLAMIZAR
Grupo de LGEBRA LINEAL II S1 1er semestre 2012 Sede
Socorro
CAPITULO 1.
ESPACIOS VECTORIALES
NOTA:
Todo subespacio de un espacio vectorial V contiene al 0.
X +Y y X estn en H cuando x yy estn en h y es un
escalar.
TEOREMA 1. Un subconjunto no vacio H de un espacio vectorial V
es un subespacio de V si se cumple las dos reglas de cerraduras:
Reglas de cerraduras para ver si un subconjunto no vacio es un subespacio
i. Si X
Hyy
ii. Si X
H, entonces x
H para todo escalar .
H1
H2
H, entonces X +Y
TEOREMA 2. Sean
vectorial V. Entonces
H1 H2
H.
dos subespacios de un espacio
es un subespacio de V.
1.3.
COMBINACION LINEAL Y ESPACIO
GENERADO
3
Se ha visto que todo vector V = (a, b, c) en R se puede escribir de la
forma
Fuente: LGEBRA LINEAL. Stanley I. Grossman
Pgina4
Apuntes de Clase Prof. JORGE VILLAMIZAR
Grupo de LGEBRA LINEAL II S1 1er semestre 2012 Sede
Socorro
CAPITULO 1.
ESPACIOS VECTORIALES
V = ai+bj+ck
En este caso se dice que V es una combinacin lineal de los tres
vectores i, j, k. De manera ms general, se tiene la siguiente
definicin.
DEFINICION
1:
Combinacin
Vectores en un espacio vectorial
forma
a1 V 1+ a2 V 2
Donde
lineal de
a1
V.
lineal
sean
V 1, V 2
,..,
V n.
Entonces cualquier vector de la
+..+ an V n
,
a2
,.,
V 1 ,V 2 , .., V n
an
son escalares se llama una combinacin
DEFINICION 2: Conjunto generador se dice que los vectores
V 1 ,V 2 , .., V n
. En un espacio vectorial
V generan a V si todo vector
v se puede escribir como una combinacin lineal de ellos. Es decir,
a
a
a
V
V, existen escalares
,
,.,
tales que
en
V=
a1 V 1+ a2 V 2
+..+
an V n
DEFINICION 3: espacio generado por un conjunto de vectores
sea
V 1 ,V 2 , .., V k
generado por {
lineales de
kvectores en un espacio vectorial V. El espacio
V 1 ,V 2 , .., V k
V 1 ,V 2 , .., V k
} es el conjunto de combinaciones
. Es decir,
Fuente: LGEBRA LINEAL. Stanley I. Grossman
Pgina5
Apuntes de Clase Prof. JORGE VILLAMIZAR
Grupo de LGEBRA LINEAL II S1 1er semestre 2012 Sede
Socorro
CAPITULO 1.
Gen {
Donde
ESPACIOS VECTORIALES
V 1 ,V 2 , .., V k
a1
a2
} = {V: V=
,.,
an
a1 V 1+ a2 V 2
+..+
ak V k
son escalares arbitrarios.
TEOREMA 1. Si
V 1 ,V 2 , .., V k
son vectores en un espacio vectorial
V, entonces gen {
V 1 ,V 2 , .., V k
} es un subespacio de V.
TEOREMA 2. Sean
un espacio vectorial
V 1 ,V 2 , .., V n
V n+1
V 1 ,V 2 , .., V n
V.
Si
V n+1
n+1 vectores que estn en
V 1 ,V 2 , .., V n
tambin genera a
V.
genera a V, entonces
es decir, si se agregan
uno, o ms, vectores a un conjunto generador se obtiene otro conjunto
generador.
1.4.
INDEPENDENCIA LINEAL
En el estudio de lgebra 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.
DEFINICION 1: Dependencia e independencia lineal
V 1 ,V 2 , .., V n n
vectores en un espacio vectorial
V.
sean
Entonces se dice
Fuente: LGEBRA LINEAL. Stanley I. Grossman
Pgina6
Apuntes de Clase Prof. JORGE VILLAMIZAR
Grupo de LGEBRA LINEAL II S1 1er semestre 2012 Sede
Socorro
CAPITULO 1.
ESPACIOS VECTORIALES
que los vectores son linealmente dependientes si existen
escalares
c 1 V 1 +c 2 V 2
c 1 , c 2 , .. , c n no todos ceros
tales que
+..+ c n V n = 0
Si los vectores no son linealmente dependientes, se dice que son
linealmente independientes.
TEOREMA 1. Dos vectores en un espacio vectorial son linealmente
dependientes si y slo si uno es mltiplo escalar del otro.
NOTA: Tres vectores en
R3
son linealmente dependientes si y slo
si son coplanares.
TEOREMA 2. Un conjunto de
vectores en
Rm
siempre es
linealmente dependiente si n>m
Corolario: Un conjunto de vectores linealmente independiente en
Rn
contiene a lo mas n vectores
TEOREMA 3. Sea
A=
a11 a12 a1 n
a21 a22 a23
a m1 am 2 amn
Entonces las columnas de A, consideradas como vectores, son
linealmente dependientes si y slo si el sistema homogneo se puede
escribir como combinaciones lineales Ac=0. Tiene soluciones no
Fuente: LGEBRA LINEAL. Stanley I. Grossman
Pgina7
Apuntes de Clase Prof. JORGE VILLAMIZAR
Grupo de LGEBRA LINEAL II S1 1er semestre 2012 Sede
Socorro
CAPITULO 1.
Triviales. Aqu c =
ESPACIOS VECTORIALES
c1
c2
cn
()
TEOREMA 4. Sean
matriz de
V 1 ,V 2 , .., V n
V 1 ,V 2 , .., V n n
vectores en
x n . Cuyas columnas son
Rn
y sea A una
V 1 ,V 2 , .., V n .
Entonces
son linealmente independientes si y slo si la nica
solucin al sistema homogneo AX =0es la solucin trivial X =0.
x n . Entonces det A0 si y
slo si las columnas de A son linealmente independientes.
TEOREMA 5. Sea A una matriz de
x n .
Entonces las ocho afirmaciones siguientes; es decir, cada una implica
a las otras siete (de manera que si una es cierta, todas son ciertas).
TEOREMA 6. Teorema de resumen Sea A una matriz de
i. A es invertible.
ii. La nica solucin al sistema homogneo AX = 0es la solucin trivial
(X = 0).
iii. El sistema AX= b tiene una solucin nica para todo
-vector b.
iv. A es equivalente por renglones a la matriz identidad de
x n ,
I n.
v. A se puede escribir como el producto de matrices elementales.
vi. La forma escalonada por renglones de A tiene n pivotes.
vii. detA0.
viii. Las columnas (y renglones) de A son linealmente independiente.
Fuente: LGEBRA LINEAL. Stanley I. Grossman
Pgina8
Apuntes de Clase Prof. JORGE VILLAMIZAR
Grupo de LGEBRA LINEAL II S1 1er semestre 2012 Sede
Socorro
CAPITULO 1.
ESPACIOS VECTORIALES
n
TEOREMA 7. Cualquier conjunto de
independiente en R
1.5.
vectores linealmente
genera a R .
BASES Y DIMENSIONES
Se ha visto que en
R2
es conveniente escribir vectores como una
(1 )
combinacin lineal de los vectoresi= 0
escribieron los vectores en trminos de
(0 )
y j= 1 . En
() () ()
1
0
0
0
1
0
0
0
1
R3
se
. Ahora se
generalizara esta idea.
DEFINICION 1: Base Un conjunto finito de vectores
V 1 ,V 2 , .., V n
} es una base para un espacio vectorial V si
i. {
V 1 ,V 2 , .., V n
} es linealmente independiente.
ii. {
V 1 ,V 2 , .., V n
} genera a V.
Todo conjunto de n vectores linealmente independiente en
Rn es
n
una base en R .
TEOREMA 1. Si {
V 1 ,V 2 , .., V n
} es una base para
entonces existes un conjunto unico
que V =
c 1 V 1 +c 2 V 2
+..+
cn V n
de escalares
y si V
c 1 , c 2 , .. , c n
V,
tales
Fuente: LGEBRA LINEAL. Stanley I. Grossman
Pgina9
Apuntes de Clase Prof. JORGE VILLAMIZAR
Grupo de LGEBRA LINEAL II S1 1er semestre 2012 Sede
Socorro
CAPITULO 1.
ESPACIOS VECTORIALES
TEOREMA 2. Si {
espacio vectorial
V.
u1 ,u 2 , .. ,u m
}y{
V 1 ,V 2 , .., V n
Entonces
} son bases en un
; es decir, cualesquiera dos
bases en un espacio vectorial V tienen el mismo nmero de vectores.
DEFINICION 2: dimensin Si el espacio vectorial V tiene 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, se c llama espacio vectorial de dimensin infinita.
Si,
V = {0}, entonces se dice que V
tiene dimensin cero.
Notacin. La dimensin de V se denota por dimV.
TEOREMA 3. Suponga que dimV =
conjunto de
. Si
u1 ,u 2 , .. ,u m
es un
de vectores linealmente independiente en
V,
entonces m n .
TEOREMA 4. Sea H un subespacio de un espacio vectorial de
dimensin finita V. Entonces H tiene dimensin finita y
dimH dimV
Teorema 5. Cualesquiera
en un espacio vectorial
vectores linealmente independiente
de dimensin
constituyen una base
para V.
Fuente: LGEBRA LINEAL. Stanley I. Grossman
Pgina10
Apuntes de Clase Prof. JORGE VILLAMIZAR
Grupo de LGEBRA LINEAL II S1 1er semestre 2012 Sede
Socorro
CAPITULO 1.
ESPACIOS VECTORIALES
1.6.
RANGO,NULIDAD,ESPACIO DE LOS
RENGLONES Y ESPACIO DE LAS
COLUMNAS DE UNA MATRIZ
En esta seccin se estudiara como se puede obtener una base para el
espacio generado de un conjunto de vectores mediante la reduccin
por renglones
Sea A una matriz de m x n y sea
El espacio nulo de una matriz
NA
n
= {X R : AX = 0}
Definicin 1: Espacio nulo y nulidad de una matriz
el espacio nulo de A y v (A) = dim N A
NA
NA
se llama
se llama nulidad de A. si
contiene slo al vector cero, entonces v (A) =0.
Teorema 1. Sea A una matriz de
x n . Entonces A es invertible
si y slo si v (A) =0.
Definicin 2. Imagen de una matriz Sea A una matriz de
x n
. Entonces la imagen de A, denotada por imagen A, est dada por
n
m
Imagen A= {Y R : AX =Y para alguna x R }
Teorema 2. Sea A una matriz de
x n . Entonces la imagen de
m
A, es un subespacio de R .
Definicin 3. Rango de una matriz Sea A una matriz de
x n .
Entoncesel rango de A, denotado por (A), est dado por
(A) = dim Imagen A.
Fuente: LGEBRA LINEAL. Stanley I. Grossman
Pgina11
Apuntes de Clase Prof. JORGE VILLAMIZAR
Grupo de LGEBRA LINEAL II S1 1er semestre 2012 Sede
Socorro
CAPITULO 1.
ESPACIOS VECTORIALES
Definicin 4. Espacio de los renglones y espacio de las columnas
de una matriz Si Aes una matriz de m x n , sean { r 1 ,r 2 , .. ,r m }los
renglones de A y{ c 1 , c 2 , .. , c n } las columnas de A. Entonces se
define
RA
= espacio de los renglones de A = gen { r 1 ,r 2 , .. ,r m }
Y
CA
= espacio de las columnas de A = gen { c 1 , c 2 , .. , c n }
Nota:
RA
es un subespacio de
Rn
CA
es un subespacio de
Rm .
Teorema 3. Para cualquier matriz A,
CA
= Imagen A. Es decir, la
imagen de una matriz es igual al espacio de sus columnas.
Teorema 4. Si A es una matriz de
dim
RA
= dim
CA
x n , entonces
= dim imagen c = (A).
Teorema 5. Si A es equivalente por renglones a B, entonces
RB
RA
(A)=
(b) y
v (A)= v (b).
Teorema 6. El rango de una matriz es igual al nmero de pivotes en
su forma escalonada por renglones.
Teorema 7. Sea A una matriz de
x n . Entonces
Fuente: LGEBRA LINEAL. Stanley I. Grossman
Pgina12
Apuntes de Clase Prof. JORGE VILLAMIZAR
Grupo de LGEBRA LINEAL II S1 1er semestre 2012 Sede
Socorro
CAPITULO 1.
(A) + v (A) =
ESPACIOS VECTORIALES
n .
nota: Se sabe que
(A) es igual al nmero de pivotes en la forma
escalonada por renglones de A y es igual al nmero de columnas de la
forma escalonada por renglones de A que contiene pivotes. Entonces
del Teorema 7,
(A) = nmero de columnas de la forma
escalonada por renglones de A que no contiene pivotes.
Teorema 8. Sea A una matriz de
x n . Entonces A es invertible
si y slo si (A) = n
Teorema 9. El sistema AX=b tiene al menos una solucin si y slo
si b
C A
. Esto ocurrir si y slo si A y la matriz aumentada (A, b)
tiene el mismo rango.
Teorema 10. Teorema de resumen Sea A una matriz de
x n .
Entonces, las siguientes diez afirmaciones son equivalentes; es decir,
cada una implica a la otras nueve (si una se cumple, todas se
cumplen.)
i. A es invertible.
ii. La nica solucin al sistema homogneo AX = 0es la solucin trivial
(X = 0).
iii. El sistema AX = b tiene una solucin nica para cada
-vector b.
iv. Aes equivalente por renglones a la matriz identidad,
In
, de n x
v. A se puede expresar como un producto de matrices elementales.
Fuente: LGEBRA LINEAL. Stanley I. Grossman
Pgina13
Apuntes de Clase Prof. JORGE VILLAMIZAR
Grupo de LGEBRA LINEAL II S1 1er semestre 2012 Sede
Socorro
CAPITULO 1.
ESPACIOS VECTORIALES
vi. La forma escalonada por renglones de Atiene n pivotes.
vii. Los renglones (y columnas) de A son linealmente independientes.
viii. detA 0.
ix. v (A) =0.
x. (A)= n .
Ms an, si una de ellas no se cumple, entonces para cada vector b
R
, el sistema AX= b no tiene solucin o tiene un nmero infinito
de soluciones. Tiene un nmero infinito de soluciones si y slo si
(A)= (A, b).
1.7.
CAMBIO DE BASE
Definicin 1. En esta seccin se ver cmo cambiar de una base a
otra mediante el clculo de cierta matriz.
Matriz de transicin la matriz A de
dadas por (u j)B =
2
B1
a la base
B2
a1 j
a2 j
a nj
()
x n cuyas columnas estn
y se llama matriz de transicin de la base
. Esto es,
Fuente: LGEBRA LINEAL. Stanley I. Grossman
Pgina14
Apuntes de Clase Prof. JORGE VILLAMIZAR
Grupo de LGEBRA LINEAL II S1 1er semestre 2012 Sede
Socorro
CAPITULO 1.
ESPACIOS VECTORIALES
A=
(u1 )B (u2 )B (u3 )B (u n)B
2
a21 a 22 a23 a2 n
a n1
an 2 an 3 ann
B1
Teorema 1. Sea
B2
bases para un espacio vectorial
Sea A la matriz de transicin de
a11 a 12 a13 a1 n
B1
B2
V.
. Entonces para todo
V.
(X )B
=A (X )B
Teorema 2. Si A es una matriz de transicin de
B1
B2
1
B2
B
entonces A
es la matriz de transicin de
a 1 .
Procedimiento para encontrar la matriz de transicin de la base
cannica a la base
B2
={
V 1 ,V 2 , .., V n
V 1 ,V 2 , .., V n
i. Se escribe la matiz C cuyas columnas son
.
ii. Se calcula
. Esta es la matriz de transicin que se
busca.
Teorema 3. Sea
B1
vectorial V de dimensin
= {
n
V 1 ,V 2 , .., V n
} una base del espacio
.suponga que
Fuente: LGEBRA LINEAL. Stanley I. Grossman
Pgina15
Apuntes de Clase Prof. JORGE VILLAMIZAR
Grupo de LGEBRA LINEAL II S1 1er semestre 2012 Sede
Socorro
CAPITULO 1.
(X 1 )B
a11
a21
a n1
()
ESPACIOS VECTORIALES
, (X 2 )B =
1
a12
a22
a n2
()
, . ,(X n )B =
1
a1 n
a 2n
ann
()
Sea
A=
a11 a 12 a1 n
a21 a 22 a 2n
a n1
an 2 ann
X 1 , X 2 , .. , X n
Entonces
son linealmente independiente si y slo si
detA0.
1.8.
BASES
ORTONORMALES
PROYECCIONES EN R
n
En R se vio que n vectores linealmente independientes constituyen
una base. La de uso ms comn es la base cannica E= {
e 1 , e 2 , .. , en
i.
ei
ej
}. Estos vectores tienen dos propiedades:
=0
si i j .
Fuente: LGEBRA LINEAL. Stanley I. Grossman
Pgina16
Apuntes de Clase Prof. JORGE VILLAMIZAR
Grupo de LGEBRA LINEAL II S1 1er semestre 2012 Sede
Socorro
CAPITULO 1.
ii.
ei
ei
ESPACIOS VECTORIALES
=1
Definicin 1. Conjunto ortonormal en
u ,u , .. ,u k
conjunto de vectores S = { 1 2
} en
R
R
Se dice que un
es un conjunto
ortonormal si
(1)
(2)
ui
uj
ui
ui
= 0 si i j .
=1
Si slo se satisface la ecuacin (1), se dice que el conjunto es
ortogonal.
Definicin 2. Longitud o norma de un vector Si V
entonces la longitud o norma de V, denota por est |V | dada por
|V | = V V
|V | = V V 0para toda V Rn
|V | = 0si y slo si V = 0
Un conjunto de vectores es ortonormal si cualquier par de ellos es
ortogonal y cada uno tiene longitud 1.
={
diferentes
de
Teorema 1. Si
vectores
V 1 ,V 2 , .., V k
cero,
} es un conjunto ortogonal de
entonces
es
linealmente
independiente.
Fuente: LGEBRA LINEAL. Stanley I. Grossman
Pgina17
Apuntes de Clase Prof. JORGE VILLAMIZAR
Grupo de LGEBRA LINEAL II S1 1er semestre 2012 Sede
Socorro
CAPITULO 1.
ESPACIOS VECTORIALES
Teorema 2. Proceso de ortonormalizacion de Gram-SchmidtSea
un subespacio de dimensin
Rn
de
. Entonces H tiene una
base ortonormal.
Definicin 3. Matriz ortogonal Una matriz
de
se
llama ortogonal si Q es invertible y
Q1
Qt
1
t
t
Observe que si Q = Q , entonces Q Q = I .
No es difcil construir matrices ortogonales, segn el siguiente
teorema.
Teorema 3. La matriz
de n x n es ortogonal si y slo si las
n
columnas de Q forman una base ortonormal para R .
Definicin 4. Proyeccin ortogonal Sea H un subespacio de
Rn con base ortonormal { u1 ,u 2 , .. ,u k } si V Rn
H,
proyeccin ortogonal de V sobre
denotada por
, entonces la
proy H
V, esta
dada por
proy H
V = (V
u1
u1
+ (V
u2
u2
u
+ .. + (V k )
uk
Observe que
proy H
Teorema 4. Sea B = {
Rn
H.
u1 ,u 2 , .. ,u n
} sea una base ortonormal para
n
y sea V R . Entonces
Fuente: LGEBRA LINEAL. Stanley I. Grossman
Pgina18
Apuntes de Clase Prof. JORGE VILLAMIZAR
Grupo de LGEBRA LINEAL II S1 1er semestre 2012 Sede
Socorro
CAPITULO 1.
ESPACIOS VECTORIALES
V = (V
u1
u2
proyR V
Teorema 5. Sea H un subespacio de
Esto es, V =
dos bases ortonormales, {
u1
+ (V
u2
u1 ,u 2 , .. ,u k
}y{
u
u
+ .. + (V n ) n
. Suponga que H tiene
w 1 , w 2 , .. , wk
}. Sea V un
n
vector en R . Entonces
(V.
u1
u1
+ (V.
= (V.
w1
u2
u2
u
u
+ .. + (V. k ) k
w1
+ (V.
w2
w2
w
w
+ .. + (V. k ) k
Definicin 5. Complemento ortogonal Sea H un subespacio de
Rn
. El complemento ortogonal de H, denotado por
H , est
dado por
H = {X Rn : Xh= 0
Teorema 6. Si H es un subespacio de
H es un subespacio de
i.
ii. H
para toda h
Rn , entonces
Rn .
= {0}
iii. dim H = n dim
H.
Teorema 7. Teorema de proyeccin Sea H un subespacio de
R
y sea V
R . Entonces existe un par nico de vectores h y p
Fuente: LGEBRA LINEAL. Stanley I. Grossman
Pgina19
Apuntes de Clase Prof. JORGE VILLAMIZAR
Grupo de LGEBRA LINEAL II S1 1er semestre 2012 Sede
Socorro
CAPITULO 1.
tales que h
y p=
proy H V
ESPACIOS VECTORIALES
H, p
, y V = h + p. En particular, h =
proy H V
de manera que
V = h+ p =
proy H V
proy H V
Teorema 8. Teorema de aproximacin de la norma Sea H un
subespacio de
Rn
y sea V
un vector en
es la mejor aproximacin para V en
Rn . Entonces
proy H V
H en el sentido siguiente: si h es
cualquier otro vector en H, entonces
|V proy H V | < |V h|
Esta seccin termina con un teorema importante
Teorema 9. Desigualdad de cauchy-schwarz en
dos vectores en
i. |u V | |u|
ii. |u V | = |u|
Rn
Rn
Sea u y V
. Entonces
|V | .
u
para algn nmero
POR
MINIMOS
|V | si y slo si u= 0 o V =
real .
1.9.
APROXIMACION
CUADRADOS
En esta seccin el objetivo es encontrar la curva del tipo especifico
que se ajuste mejor a los datos dados; como lograr esto cuando se
tiene dos variables en el problema.
Fuente: LGEBRA LINEAL. Stanley I. Grossman
Pgina20
Apuntes de Clase Prof. JORGE VILLAMIZAR
Grupo de LGEBRA LINEAL II S1 1er semestre 2012 Sede
Socorro
CAPITULO 1.
ESPACIOS VECTORIALES
Problema de mnimos cuadrados en el caso de una recta
Encuentre
nmeros
[ y 1 ( b+m x1 ) ]2
tales
que
la
suma
2
2
+ [ y 2 ( b+m x 2) ] ++ [ y n( b+ m x n ) ]
sea mnima. Para estos valores de m y b , la recta y= mx + b se
llama aproximacin por la recta de mnimos cuadrados a los datos (
x1
y1
), (
x2
y2
),, (
xn
yn
).
Forma vectorial del problema de mnimos cuadrados
Encuentre un vector u tal que la norma euclideana
| y Au|
Sea mnima.
Solucin al problema de mnimos cuadrados para un ajuste por
lnea recta
Si A y
son como se definen
y 1=b+ m x 1
y 2=b+ m x 2
y n=b+ m x n
O
y= Au
Fuente: LGEBRA LINEAL. Stanley I. Grossman
Pgina21
Apuntes de Clase Prof. JORGE VILLAMIZAR
Grupo de LGEBRA LINEAL II S1 1er semestre 2012 Sede
Socorro
CAPITULO 1.
ESPACIOS VECTORIALES
y1
y= y 2
yn
()
1 x1
1 x2
1 xn
( )
(mb )
(1)
y=b +mx
Entonces la recta
da el mejor ajuste (en el sentido de
mnimos cuadrados) para los puntos (
yn
) cuando
(mb )
u
R2
y1
), (
x2
y2
y2
),, (
xn
yn
), n puntos
),, (
xn
= u y
t
1 t
= ( A A) A y
x1
Teorema 1. Sea (
en
x1
y1
), (
x2
, suponga que no todas las
,
xi
son iguales. Entonces si
t
esta dada como en (1), la matriz A A es una matriz invertible de 2x2.
Nota: Si
x1
recta vertical
x2
=
x
==
=
x1
xn
, entonces todos los datos etas sobre la
, y la mejor aproximacin lineal es, por
supuesto, esta recta.
1.10. ESPACIO CON PRODUCTO INTERNO
Y PROYECCIONES
Esta seccin utiliza los conocimientos sobre las propiedades
elementales de los nmeros complejos.
Definicin 1. Espacio con producto interno Un espacio vectorial
complejo V se llama espacio con producto interno si para cada par
Fuente: LGEBRA LINEAL. Stanley I. Grossman
Pgina22
Apuntes de Clase Prof. JORGE VILLAMIZAR
Grupo de LGEBRA LINEAL II S1 1er semestre 2012 Sede
Socorro
CAPITULO 1.
ESPACIOS VECTORIALES
ordenado de vectores u y v, tal que si u, V
y w estn en V y
c, entonces
i. ( V , V ) 0
ii. ( V , V ) = 0 si y slo si V
iii. (u, V
=0
+ w) = (u, V ) + (u, w)
iv. (u + V , w) = (u, w) + ( V , w)
v. (u, V ) = (V ,u)
vi. (u, V ) = (u, V )
vii. (u, V ) = (u, V )
La barra en v. y vii denota el conjugado complejo.
Si (u, V ) es real, entonces ( V ,u ) = (u, V ) y se puede eliminar la
barra en v.
Definicin 2. Sea
uy V
i. u y V
V un espacio con producto interno y suponga que
estn en V. Entonces
son ortogonales si (u, V ) = 0
u = (u , u)
Definicin 3. Conjunto ortonormal
V 1 ,V 2 , .., V n
el conjunto de vectores {
} es un conjunto ortonormal en V si
Fuente: LGEBRA LINEAL. Stanley I. Grossman
Pgina23
Apuntes de Clase Prof. JORGE VILLAMIZAR
Grupo de LGEBRA LINEAL II S1 1er semestre 2012 Sede
Socorro
CAPITULO 1.
(
ESPACIOS VECTORIALES
Vi
Vj
para i
)=0
V i = (V i ,V i) =1
Vi
Si y slo si (
Vj
)=0
para i
se cumple, se dice que el
conjunto es ortogonal
Teorema 1. Cualquier conjunto finito de vectores ortogonales
diferentes de cero en un espacio con producto interno es linealmente
independiente.
Teorema 2. 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.
Definicin 4. Proyeccin ortogonal Sea H un subespacio del
espacio con producto interno V
con una base ortonormal {
V 1 ,V 2 , .., V n
V
}. Si
V,
proy H V
sobre H denotada por
proy H V
entonces la proyeccin ortogonal de
= (V,
u1
, esta dada por
u1
+ (V,
u2
u2
u
+ .. + (V, k )
uk
Teorema 3. Sea H un subespacio de espacio de dimensin finita
con producto interno V. suponga que
ortonormales {
u1 ,u 2 , .. ,u k
}y{
tiene
w 1 , w 2 , .. , wk
tiene dos bases
}. Sea V
V.
Entonces
Fuente: LGEBRA LINEAL. Stanley I. Grossman
Pgina24
Apuntes de Clase Prof. JORGE VILLAMIZAR
Grupo de LGEBRA LINEAL II S1 1er semestre 2012 Sede
Socorro
CAPITULO 1.
(V,
u1
u1
+ (V,
ESPACIOS VECTORIALES
u2
u2
u
u
+ .. + (V, k ) k
= (V,
(V,
wk
w1
w1
+ (V,
w2
w2
+ .. +
wk
Definicin 5. Complemento ortogonal Sea H un subespacio del
espacio con producto interno V. Entonces el complemento ortogonal
de H, denotado por H est dado por
= {X
Teorema 4.
Sea
V: (X, h) = 0
H
para toda h
H}
un subespacio del espacio con producto
interno V, entonces
i. H es un subespacio de V.
ii. H
= {0}.
iii. dim H = n -dim H si dim V = n < .
Teorema 5. Teorema de proyeccin Sea H un subespacio de
dimensin finita del espacio con producto interno V y suponga que V
V. Entonces existe un par nico de vectores h y p tales que h
H, p
,y
V = h+ p
Donde h =
proy H V
Si V tiene dimensin finita, entonces p =
proy H V
Fuente: LGEBRA LINEAL. Stanley I. Grossman
Pgina25
Apuntes de Clase Prof. JORGE VILLAMIZAR
Grupo de LGEBRA LINEAL II S1 1er semestre 2012 Sede
Socorro
CAPITULO 1.
ESPACIOS VECTORIALES
Teorema 6. Teorema de aproximacin de la norma Sea H un
subespacio de dimensin finita del espacio con producto interno V y
sea V un vector en
V.
Entonces, en h,
proy H V
es la mejor
aproximacin a V en el siguiente sentido: si h es cualquier vector en h,
entonces
V proy H V <V h
Fuente: LGEBRA LINEAL. Stanley I. Grossman
Pgina26
Apuntes de Clase Prof. JORGE VILLAMIZAR
Grupo de LGEBRA LINEAL II S1 1er semestre 2012 Sede
Socorro
