4.

1 Definicin de espacio vectorial

Espacio vectorial real.

Un espacio vectorial real V es un conjunto de objetos, denominados vectores, junto con dos
operaciones binarias llamadas suma y multiplicacin por un escalar y que satisfacen los diez
axiomas enumerados a continuacin.

Notacin. Si x y y estn en V y si a es un nmero real, entonces la suma se escribe como

x + y y el producto escalar de a y x como ax.

Antes de presentar la lista de las propiedades que satisfacen los vectores en un espacio vectorial
deben mencionarse dos asuntos de importancia. En primer lugar, mientras que puede ser til pens
R2 o R3 al manejar un espacio vectorial, con frecuencia ocurre que el espacio vectorial parece ser
diferente a estos cmodos espacios (en breve tocaremos este tema). En segunda instancia, la
definicin 1 ofrece una definicin de un espacio vectorial real. La palabra real significa que los
escalares que se usan son nmeros reales. Sera igualmente sencillo definir un espacio vectorial
complejo utilizando nmeros complejos en lugar de reales. Este libro est dedicado principalmente
espacios vectoriales reales, pero las generalizaciones a otros conjuntos de escalares presentan m
poca dificultad. [1]
Axiomas de un espacio vectorial. [1]

1-

Si X pertenece a V y Y pertenece a V, entonces X+Y pertenece a V.

2-

Para todo X, Y y Z en V, (x+y)+z = x(y+z).

3-

Existe un vector |0 pertenece V tal que para todo X pertenece a V, X+0=0+X=X.

4-

Si x pertenece a V, existe un vector x en V tal que x+(-x)=0.

5-

Si X y Y estn en V, entonces x+y=y+x.

6-

Si x pertenece a V y a es un escalar, entonces ax pertenece a V.

7-

Si X y Y estn en V y a es un ecalar, entonces a(x+y)= ax + ay

8-

Si X pertenece a V y a y b son escalares, entonces (a+b) x = ax+ by.

9-

Si X pertenece a V y a y b son escalares, entonces a(bx) = (ab)x.

10- Para cada vector X pertenece a V, 1x = x.

4.2 Definicin de subespacio vectorial y sus propiedades

DEFINICION DE SUB ESPACIO VECTORIAL

Sea H un subconjunto no vaco de un espacio vectorial V y suponga que H es en s un espacio ve

bajo las operaciones de suma y multiplicacin por un escalar definidas en V. Entonces se dice que
un sub espacio de V.

Existen mltiples ejemplos de sub espacio, sin embargo, en primer lugar, se demostrar un res
que hace relativamente sencillo determinar si un subconjunto de V es en realidad sub espacio de V
Teorema de sub espacio

Un subconjunto no vacio de H de un espacio vectorial V es un sub espacio de V si se cumplen las

reglas de cerradura:
Reglas de cerradura para ver si un subconjunto no vaci es un sub espacio
i)
ii)

Si x H y y H, entonces x + y H.
Si x H, entonces x H para todo escalar .

Es obvio que si H es un espacio vectorial, entonces las dos reglas de cerradura se debern cump
lo contrario, para demostrar que es un espacio vectorial, se deber demostrar que los axiomas i) a
la definicin cumplen bajo las operaciones de suma de vectores y multiplicacin por un e
definidas en V. Las dos operaciones de cerradura [axiomas i) y iv)] se cumplen por hiptesis, com
vectores en H son tambin vectores en V, las identidades asociativa, conmutativa, distribu
multiplicativa [axiomas ii), v), vii), viii), ix) y x)] se cumplen.

Este teorema demuestra que para probar si H es o no es un sub espacio de V, es suficiente ve

que:
x + y y X estn en H cuando x y y estn en H y es un escalar.

PROPIEDADES DE SUB ESPACIO VECTORIAL

1). El vector cero de V est en H.2

2). H es cerrado bajo la suma de vectores. Esto es, para cada u y v en
H, la suma u + v est en H.
3). H es cerrado bajo la multiplicacin por escalares. Esto es, para cada
u en H y cada escalar c, el vector cu est en H.
Comentarios
No tienes permiso para agregar comentarios.
4.3 Combinacin lineal

Una combinacin lineal de dos o ms vectores es el vector que se obtiene al sumar esos vectores
multiplicados por escalares.
Cualquier vector se puede poner como combinacin lineal de otros que tengan distinta direccin.
Esta combinacin lineal es nica.
Sean v1,v2,,vn vectores en un espacio vectorial V. Entonces cualquier vector de la forma:
1v1+2v2++nvn
donde 1v1+2v2++nvn son escalares se denomina combinacin lineal de v1,v2,,vn.
Todo vector V = (a, b, c) en R3 se puede expresar como
i = (1,0,0);
j = (0,1,0);
k =(0,0,1)
V = (a, b, c) = a(i) + b(j) + c(k)
Entonces se dice que V es una combinacin lineal de los 3 vectores i,j,k.

4.3 Dependencia e Independencia lineal

Los vectores son linealmente independientes si tienen distinta direccin y sus componentes n
proporcionales.

Un conjunto de vectores {v1,v2,,vk} es un espacio vectorial V es linealmente dependiente si exist

escalares c1,c2,,ck, al menos uno de los cuales no es cero, tales que:
c1v1+c2v2++ckvk=0

Si los vectores no son linealmente dependientes, se dice que son linealmente independientes.Crit
de Independencia LinealSean u1, u2, ,uk k vectores en Rn y A la matriz que tiene como columna
estos vectores, los vectores son linealmente independientes si el sistema Ax = 0 tiene
nicamente solucin trivial.Los vectores son linealmente dependientes si el sistema Ax=0 tiene
soluciones no triviales (solucin mltiple).
Si k=n
Los vectores son linealmente independientes si A es invertible
Si k>n
Los vectores son linealmente dependientes.

Dos vectores en un espacio vectorial son linealmente dependientes si uno de ellos esmltiplo esca
del otro.Un conjunto de vectores linealmente independientes en n contiene a lo ms n vectores.

Tres vectores en 3 son linealmente dependientes si y slo si son coplanares, esto es, que estn en
mismo plano. .

4.4 Base y dimensin de un espacio

vectorial

Base y dimensin de un espacio vectorial

Un conjunto de vectores S={v1, v2,, vn} en un espacio vectorial V se denomina base de V si se
cumplen las siguientes condiciones.
* S genera a V.

* S es linealmente independiente

Una base posee 2 caractersticas que se acaban de ver, debe tener suficientes valores para gener
V, pero no tantos de modo que uno de ellos pueda escribirse como una combinacin lineal de los
dems vectores en S. Si un espacio vectorial consta de un nmero finito de vectores, entonces V e
dimensin finita. En caso contrario, V es de dimensin infinitaBase

En trminos generales, una base para un espacio vectorial es un conjunto de vectores del espac
partir de los cuales se puede obtener cualquier otro vector de dicho espacio, haciendo uso de las
operaciones en l definidas.La base es natural, estndar o cannica si los vectores v 1, v2,, vn for
base para Rn.
Si S={v1, v2,, vn} es una base para un espacio vectorial V entonces todo vector v en V se puede
expresar como:
1.

V = c1v1+ c2v2++ cnvn

2.

V = k1v1+ k2v2++ knvn

Restar 2-1
0 = (c1- k1) v1+(c2- k2) v2++(cn- kn) vn
Ejemplo:
demostrar si S = {v1, v2,, v3} es base de R3, v1 = (1,2,1); v2 = (2,9,0); v3 = (3,3,4)
Proponer vector arbitrario, combinacin lineal
b = c1v1+ c2v2+ c3v3
(b1, b2, b3) = c1(1,2,1)+ c2(2,9,0)+ c3(3,3,4)
(b1, b2, b3) = c1+2c2+3c3;2c1+9c2+3c3; c1+4c3
c1 + 2c2 + 3c3 = b1
2c1 + 9c2 + 3c3 = b2
c1
+ 4c3 = b3

det A = [(1*9*4)+(2*3*1)+0]-[(1*9*3)+0+(4*2*2)]
= [36+6]-[27+16]
= -1
Si genera a R3

Unicidad representacin de la base

Si S = {v1, v2,, vn} es una base de un espacio vectorial V, entonces todo vector en V puede escri
de una y solo una forma como combinacin lineal de vectores en S.

Para demostrar la unicidad (que en un vector dado puede representarse slo de una manera), se
supone que u tiene otra representacin u= b1v1 + b2v2++bnvn. Al restar la segunda representacin
la primera se obtiene:

u-u = (c1-b1)v1 + (c2-b2)v2 + + (cn-bn)vn = 0.

Sin embargo como S es linealmente independiente, entonces la nica solucin de esta ecuacin e
trivial,

c1-b1=0

c2-b2=0,

cn-bn=0.

Ejemplo: Unicidad de la Representacin de la Base

Sea u = (u1, u2, u3) cualquier vector en R3. Demuestre que la ecuacin u= c1v1+ c2v2 + c3v3 tiene so
nica para la base S= {v1, v2, v3}= {(1,2,3),(0,1,2), (-2,0,1).
Solucin: Con base en la ecuacin

(u1, u2, u3)= c1(1,2,3) + c2(0,1,2)+c3(-2,0,1)

= (c1-2c, 2c1 + c2, 3c1 + 2c2 + c3),

Se obtiene el siguiente sistema de ecuaciones

C1
2C1 + C2

-2c3= u1
= u2

3C1 + 2C2 + C3= u3

Como la matriz A es invertible, se sabe que este sistema tiene una solucin nica dada por C=A -1U
despejar A-1 se obtiene

Lo cual implica que

c1= -u1 + 4u2 2u3

c2= 2u1 7u2 + 4u3
c3= -u1 + 2u2 u3

Por ejemplo, el vector u = (1,0,0) puede representarse de manera nica como una combinacin lin
dev1, v2 y v3 en la forma siguiente.

(1,0,0) = -v1 + 2v2 v3

Dimensin

Se llama dimensin de un espacio vectorial V al nmero de vectores que hay en cualquiera de sus
bases. Se denota dim (V).

La dimensin de Rn con las operaciones normales es n.

La dimensin de Pn con las operaciones normales es n+1.
La dimensin de Mm,n con las operaciones normales es mn.

Si W es un subespacio de un espacio vectorial n-dimensional, entonces se puede demostrar que l

dimensin de W es finita y que la dimensin de W es menor o igual que n.

Ejemplo: Determinacin de la dimensin de un subespacio

Sea W el subespacio de todas las matrices simtricas en M 2,2 Cul es la dimensin de W?

Solucin: Toda matriz simtrica 2 X 2 es de la forma

Por consiguiente, el conjunto

Genera a W. Adems puede demostrarse que S es linealmente independiente, y se concluye que

dimensin de W es 3.

Para concluir que un conjunto S= { v1, v2, , vn} es una base de un espacio vectorial V es necesar
saber que S satisface dos condiciones: que S genera a V y es linealmente independiente.

Definicin de Espacio Rengln y Espacio Columna de una matriz

Sea A una matriz m x n.

El espacio rengln de A es el subespacio de Rn generado por los vectores rengln de A.

El espacio columna de A es el subespacio de Rn generado por los vectores columna de A.

Estos dos comparten muchas propiedades, pero debido al conocimiento que se tiene sobre las
operaciones elementales en los renglones se empieza por considerar el espacio rengln de una m
Cabe recordar que dos matrices son equivalentes por renglones si una puede obtenerse a partir d
otra al aplicar operaciones elementales en los renglones. El siguiente teorema establece que las
matrices equivalentes por renglones tienen el mismo espacio rengln.

Base para el Espacio Rengln de una Matriz

Si una matriz A es equivalente por renglones a una matriz B que est en forma escalonada, enton
los vectores rengln de B diferentes de cero forman una base del espacio rengln de A.

Ejemplo: Determinacin de una base para un espacio rengln

Los vectores rengln diferente de cero, w1=(1,3,1,3), w2=(0,1,2,0), w3= (0,0,1,-1), forman una bas
espacio rengln de A.

Ejemplo: Determinacin de una base del espacio columna de una Matriz

Determine una base del espacio columna de la matriz A

Se empieza considerando la traspuesta de A, y luego aplicar las operaciones elementales en los
renglones para volver a escribir A en forma escalonada.

As w1=(1,0,-3,3,2), w2= (0,1,9,-5,-6), y w3 =(0,0,1,-1,-1) forman una base del espacio rengln de A
que equivale a afirmar que forman una base del espacio columna de A.Definicin del Rango de u
MatrizLa dimensin del espacio rengln (o columna) de una matriz A se llama rango de A y se de
por rango (

4.5 Espacio vectorial con producto interno

Producto Interno:

Un producto interno sobre un espacio vectorial V es una operacin que asigna a cada par de
vectores u y v en V un nmero real <u, v>.

Un producto interior sobre V es una funcin que asocia un nmero real u, v

cada par de vectores u y v cumple los siguientes axiomas:
Propiedades:

i. (v, v) 0
ii. (v, v) = 0 si y slo si v = 0.
iii, (u, v +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)

Espacios con producto interior:

El producto interior euclidiano es solo uno ms de los productos internos que

tiene que definir en Rn Para distinguir entre el producto interno normal y otro
posibles productos internos se usa la siguiente notacin.
u v = producto punto (producto interior euclidiano para Rn)
u, v = producto interno general para espacio vectorial V.

Propiedades de los productos interiores:

1. 0, v = v, 0 = 0
2. u + v, w = u, w + v, w
3. u, cv = cu, v.

Un espacio vectorial con producto interno se denomina espacio con producto

interno.

4.6 Base ortonormal

Definicin de conjunto ortogonales y conjuntos ortonormales

Un conjunto S de vectores en un espacio V con producto interior se llama ortogonal si todo p

vectores en S es ortogonal, adems cada vector en este conjunto es unitario, entonce
denominaortonormal.

Proceso de ortonormalizacin de Gram-Schmidt

1.

Sea B = {v1, v2, . . ., vn} una base de un espacio V con producto interno

2. Sea B= {w1, w2, . . ., wn} donde wi est dado por:

w1= v1

Entonces B es una base ortogonal de V.

3. Sea ui= wi w1 entonces el conjunto B={ u1, u2, . . ., un} es una base ortonormal de V.

Ejemplo: Forma alternativa del proceso de ortonormalizacin de Gram-Schmidt

Determine una base ortonormal del espacio solucin del siguiente sistema homogneo de ecuac
lineales

w+ x +

z= 0

2w+x + 2y+ 6z=0

Solucin: La matriz aumentada se reduce como se sigue.

-->

Entonces cada solucin del sistema es de la forma

Una base del espacio solucin es:

B= {v1, v2,} = {(-2,2,1,0), (1,-8,0,1)}.