ESPACIOS VECTORIALES
Transcripción
ESPACIOS VECTORIALES
ESPACIOS VECTORIALES Luisa Martín Horcajo U.P.M. Vector libre. Operaciones Definición: Un vector fijo es una segmento orientado, que queda caracterizado por su origen A y su extremo B y se representa por AB . Los vectores tienen: Módulo (distancia entre A y B) Dirección (recta que pasa por A y B) Sentido (el que va de A a B) Observaciones: 1.- Al conjunto formado por un vector y todos los equivalentes a él (mismo módulo, dirección y sentido) se le llama vector libre. 2.- Se llama vector cero, 0 , a aquél cuyo origen y extremo coinciden, su módulo es cero y no tiene dirección ni sentido. 1 Vector libre. Operaciones Definición: Para sumar dos vectores u y v, (u+v): Para multiplicar un vector u por un escalar λ, λu: Vectores de ℝ2 y ℝ3 ℝ2 = {(a,b) / a , b ∈ ℝ } Diremos que (x,y) son las coordenadas Del punto P del plano y del vector u=OP, y escribiremos P(x,y) y u=(x,y). Aplicando el teorema de Pitágoras se Puede obtener el módulo del vector u=(x,y): u = x2 + y2 ℝ3 = {(a,b,c) / a , b ,c ∈ ℝ } Diremos que (x,y,z) son las coordenadas Del punto P del espacio y del vector u=OP, y escribiremos P(x,y,z) y u=(x,y,z). El módulo del vector u=(x,y,z): u = x 2 + y 2 + z2 2 Vectores de ℝ2 y ℝ3 Suma En ℝ2: (x1 , y1) + (x2 , y2) = (x1+x2 , y1+y2) En ℝ3: (x1 , y1 , z1) + (x2 , y2 , z2) = (x1+x2 , y1+y2 , z1+z2) Multiplicación por un escalar En ℝ2: λ (x , y) = (λ x , λ y) En ℝ3: λ (x , y , z) = (λ x , λ y , λ z) Hay vectores especiales que se utilizan para representar cualquier otro vector llamados vectores canónicos En ℝ2: los vectores (1,0) y (0,1) se representan por i y por j. En ℝ3: los vectores (1,0,0), (0,1,0) y (0,0,1) representados por i, j y k. Así u = (x,y,z) = xi + yj + zk Producto escalar de dos vectores En ℝ2: el producto escalar de u=(x1,y1) y v=(x2,y2) es el número real u · v = x1 x2 + y1 y2 En ℝ3: el producto escalar de u=(x1,y1,z1) y v=(x2,y2,z2) es el número real u · v = x1 x2 + y1 y2 + z1 z2 Propiedades Para vectores arbitrarios u, v, w ∈ ℝ2 ó ℝ3 y para λ ∈ ℝ se cumple: u·v = v·u u · (v+w) = u · v + u · w (λ u) · v = λ(u · v) = u · (λ v) 2 u · u = u ≥ 0. Además u ⋅ u = 0 ⇔ u = 0 u·0 = 0 Observación: Si u · v = 0 no implica que u=0 ó v=0. 3 Ángulo entre dos vectores El ángulo entre dos vectores no nulos u y v es el ángulo θ, 0 ≤ θ ≤ π , definido por representantes de ambos vectores con el mismo origen. cos θ = u⋅v u ⋅ v Dos vectores u y v son ortogonales cuando su producto escalar es cero, u·v = 0. Si ambos vectores son no nulos se dice que son vectores perpendiculares, siendo el ángulo entre u y v igual a π / 2 . Dos vectores no nulos u y v son paralelos cuando forman un ángulo de 0 ó π radianes, lo que ocurre si existe un número real λ tal que u=λv, es decir las coordenadas de u y v son proporcionales. Producto vectorial de dos vectores en ℝ3 El producto vectorial de u = (x1,y1,z1) = x1 i + y1 j + z1 k y v = (x2,y2,z2) = x2 i + y2 j + z2 k es el vector i j u × v = x1 x2 Propiedades: y1 y2 k y1 z1 x1 z1 x1 z1 = i− j+ y2 z2 x2 z2 x2 z2 y1 y2 k u × v = −(v × u) ( αu) × v = α(u × v) = u × ( αv) u × (v + W) = (u × v) + (u × w) u× v 2 = u 2 2 v − (u ⋅ v)2 u × v = u v senθ 4 Producto vectorial de dos vectores en ℝ3 Propiedades: Si u y v son paralelos, entonces u x v = 0. Si u x v = 0, entonces u y v son paralelos o alguno de ellos es el vector 0. El producto vectorial (u x v) es un vector ortogonal a u y a v. El sentido de (u x v) viene dado por el avance del sacacorchos que gira de u a v, o bien por la regla de la mano derecha Producto vectorial de dos vectores en ℝ3 Interpretación geométrica: El producto vectorial de los vectores u y v es un vector cuyo módulo es igual al área del paralelogramo que tiene a u y a v como lados adyacentes Área del paralelogramo = base x altura = ║u║ ║v║ senθ Área = ║u x v║ 5 Producto mixto de tres vectores en ℝ3 Dados los vectores u = (x1,y1,z1) v = (x2,y2,z2) y w = (x3,y3,z3) Su producto mixto es el número real x1 Interpretación geométrica: u ⋅ (v × w) = x2 x3 y1 z1 y2 z2 y3 z3 El valor absoluto del producto mixto de u, v y w es igual al volumen del paralelepípedo que tiene a dichos vectores con lados adyacentes Espacio Vectorial Un espacio vectorial sobre ℝ es un conjunto E donde se define la operación suma, +, que cumple: para u, v, y w ∈ E y λ, µ ∈ ℝ 1) u + v ∈ E (es operación interna) 2) (u + v) + w = u + (v + w) (asociativa) 3) u + v = v + u (conmutativa) 4) ∃ 0 ∈ E tal que u + 0 = u (vector cero) 5) ∀ u ∈ E, ∃ -u ∈ E tal que u + (-u) = 0 (vector opuesto) Y una operación producto que cumple: 1) λ u ∈ E (es operación externa) 2) λ (u + v) = λ u + λ v 3) (λ + µ) v = λ v + µ v 4) λ (µ u) = (λ µ) u 5) 1u = u 6 Espacio Vectorial Los elementos de un espacio vectorial se llaman vectores y los números reales escalares. Propiedades: I) λu=0⇔λ=0óu=0 II) (-1) u = -u Subespacio Vectorial (subconjunto que conserva la estructura de e.v.) Un subespacio vectorial de un e.v. E es un subconjunto S de E, que es espacio vectorial con la suma y el producto de E. Caracterización S, subconjunto de E distinto del vacío, es subespacio vectorial de E si y sólo si se cumple que u + v ∈ S y λ u ∈ S siempre que u, v ∈ S y λ ∈ ℝ Dependencia Lineal Definiciones: Sea A={v1, v2, …, vn} vectores de un e.v. E, llamaremos combinación lineal de A a todo vector w ∈ E que puede expresarse de la forma w = α1 v1 + α2 v2 + … + αn vn con α1, α2, …, αn ∈ ℝ Al conjunto de todos los vectores que son combinación lineal de la familia A, le llamaremos clausura lineal de A y se nota L(A) = { α1 v1 + α2 v2 + … + αn vn / αi ∈ ℝ} Teorema: En las condiciones de la definición, el conjunto L(A) es subespacio vectorial de E 7 Dependencia Lineal Diremos que la familia de vectores A genera el subespacio L(A). Corolarios: 1) Existen infinitas familias de vectores que generan el mismo subespacio vectorial que una familia dada. Es decir, todo subespacio vectorial tiene infinidad de familias generadoras. 2) Sea S un subespacio vectorial y A= {v1, v2, …, vn} vectores del e.v. E. Entonces v1 , v2 ,..., vn ∈ S todo vector de S es combinació n lineal de {v1 , v2 ,..., vn } A genera a S ⇔ Dependencia Lineal Definiciones: 1) Diremos que v1, v2, …, vn ∈ E e.v. son linealmente independientes (forman una familia libre) si la ecuación α1 v1 + α2 v2 + … + αn vn = 0 tiene como única solución α1 = α2 = … = αn = 0. 2) En caso contrario, algún escalar es distinto de cero por lo que algún vector es combinación lineal del resto, y en ese caso diremos que son linealmente dependientes (forman una familia ligada). Propiedades: - Toda familia que contenga el vector 0 es ligada. - Un solo vector w ∈ E, w ≠ 0 es linealmente independiente. 8 Dependencia Lineal Observaciones: 1. Un método para estudiar la dependencia lineal de k vectores de ℝn es el basado en que el máximo número de vectores linealmente independientes es igual al rango de la matriz que tiene por filas (ó columnas) a dichos vectores. 2. Más de n vectores de ℝn siempre son linealmente dependientes. 3. Exactamente n vectores de ℝn son linealmente independientes si, y sólo si el determinante formado por sus coordenadas es distinto de cero. Bases y Dimensión Definición: Sea E e.v., B= {v1, v2, …, vn} es base de E si es una familia libre y generadora de E. Teorema: Todas las bases de un e.v. tienen el mismo número de vectores. Definición: Se llama dimensión de un e.v. E al número de vectores de una cualquiera de sus bases. Observaciones: El e.v. nulo {0} no tiene base y su dimensión es 0. Si S es subespacio v. de E, entonces dim(S) ≤ dim(E). Si dim(S) = dim(E), entonces S = E. Si cambiamos el orden de los vectores tenemos otra base. 9 Bases y Dimensión Teorema: Sea E un e.v. tal que dim(E) = n y {v1, v2, …, vk} una familia libre de vectores de E, donde k < n. Entonces existen vectores vk+1, …, vn tales que {v1, v2, …, vk,vk+1, …,vn} es una base de E. Es decir, la familia puede ampliarse hasta formar una base de E. Teorema: Si dim(E) = n entonces toda familia libre de n vectores de E es base. Definiciones: Sea B= {v1, v2, …, vn} una base de un espacio vectorial E 1) B es base ortogonal de E si ui uj = 0 ∀ i ≠ j. 2) B es base ortonormal de E si es base ortogonal y ║ui║ = 1 para i=1,..n. Por ejemplo las bases canónicas. Coordenadas Teorema: Dada una base B = {v1, v2, …, vn} del e.v. E, todo vector v ∈ E se puede expresar, de forma única, como combinación lineal de los vectores de B, es decir v = α1v1 + α2v2 +, …, + αn vn Los n números reales α1, α2,…, αn se llaman coordenadas del vector v en la base B. Notación: vB = (α1, α2, …, αn) 10 Cambio de base Ecuación del cambio de base. Esta ecuación relaciona las coordenadas de un vector v respecto una base B con las coordenadas del mismo vector respecto de otra base B’ X=PY Donde X: vector columna de las coordenadas de v respecto de B. Y: vector columna de las coordenadas de v respecto de B’. P: matriz cuya columna i-ésima son las coordenadas del vector i-ésimo de la base B’ respecto de la base B. 11