ndice de contenido.

Pgina
Unidad 4. Espacios vectoriales.

2-16

4.1 Definicin de espacios

vectoriales....
2
4.2 Definicin de subespacio vectorial y sus
propiedades.
3
4.3 Combinacin lineal e Independencia
lineal..
5
4.4 Base y dimensin de un espacio vectorial y
cambio de base
10
4.5 Espacio vectorial con producto interno y sus
propiedades14

Bibliografa
15

4.1.- Espacio vectorial.

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.
Axiomas de un espacio vectorial.
1. Si x V y y V, entonces x + y V (Cerradura bajo la suma).
2. Para todo x, y, z en V, (x + y) + z = x + (y + z)
(Ley asociativa de la suma de vectores)
3. Existe un vector 0 V tal que para todo x V, x + 0 = 0 + x = x
4. Si x V, existe un vector x en V tal que x + (x) = 0
(x se llama inverso aditivo de x)
5. Si x y y estn en V, entonces x + y = y + x.
(Ley conmutativa de la suma de vectores).
6. Si x V y es un escalar, entonces x V
(Cerradura bajo la multiplicacin por un escalar).
7. Si x y y estn en V y es un escalar, entonces (x + y) = x + y
(Primer ley distributiva)
8. Si x V y y son escalares, entonces ( + )x = x + x
(Segunda ley distributiva)
9. Si x V y y son escalares, entonces (x) = ()x
(Ley asociativa de la multiplicacin por escalares)
10.

Para cada vector x V, 1x = x.

4.2.- Subespacio vectorial.

Definicin: Sea H un subconjunto no vaco de un espacio vectorial V y
suponga que H 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

Para que H sea un sub espacio de V debe cumplir las propiedades de

cierre de la suma y la multiplicacin por un escalar tambin debe
cumplir la ley del elemento neutro bajo la suma, el inverso bajo la suma
y el neutro bajo la multiplicacin por un escalar.

Propiedades:
I.

Si x H y y H, entonces x + y H.

II.

Si x H, entonces x H para todo escalar .

Ejemplos:

4.3.- Combinacin lineal. E independencia lineal.

Combinacin lineal.
Se ha visto que todo vector v = (a, b, c) en R3 se puede escribir en la
forma
V = ai 1 bj 1 ck

Definicin: En cuyo caso se dice que v es una combinacin lineal de los

tres vectores i, j y k. De manera ms general, se tiene la siguiente
definicin.
Sean v1, v2, . . . , vn. vectores en un espacio vectorial V. Entonces
cualquier vector de la forma

a1v1 + a2v2 + . . . + anvn

donde, a1, a2, . . . , an son escalares se denomina una combinacin
lineal de

v1, v2, . . . , vn.

Ejemplo 1: Una combinacin Lineal en R3.

Ejemplo 2: Una combinacin lineal en M23.

Ejemplo 3: Combinaciones lineales en Pn

En Pn todo polinomio se puede describir como una combinacin lineal de
los monomios 1, x, x2 ,, xn.

Independencias lineales.
Introduccin: En el estudio del 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.
Existe una relacin especial entre los vectores

?
por supuesto, se puede apreciar que v2 5 2v1; o si se escribe esta
ecuacin de otra manera,
2V1 V2 = 0
En otras palabras, el vector cero se puede escribir como una
combinacin no trivial de v1 y v2 (es decir, donde los coeficientes en la
combinacin lineal no son ambos cero). Qu tienen de especial los
vectores

v1=

? La respuesta a esta pregunta es:

ms difcil a simple vista. Sin embargo, es sencillo verificar que v3 = 3v1

+ 2v2; rescribiendo esto se obtiene
3V1 - 2V2 V3 = 0
Se ha escrito el vector cero como una combinacin lineal de v1, v2 y v3.
Parece que los dos vectores en la ecuacin (1) y los tres vectores en la
ecuacin (2) tienen una relacin ms cercana que un par arbitrario de 2vectores o 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 que a continuacin se presenta.
Definicin: Sean v1, v2, , vn, n vectores en un espacio vectorial V.
Entonces se dice que los vectores son linealmente dependientes si

existen n escalares c1, c2, . . . , cn no todos cero tales que c1v1 + c2v2
+ + cnvn = 0
Si los vectores no son linealmente dependientes, se dice que son
linealmente independientes.
Para decirlo de otra forma, v1, v2, , vn son linealmente independientes
si la ecuacin c1v1 + c2v2 + . . . + cnvn = 0 se cumple nicamente para
c1 = c2 = . . . = cn = 0. Son linealmente dependientes si el vector cero en
V se puede expresar como una combinacin lineal de v1, v2, . . . , vn con
coeficientes no todos iguales a cero. Nota. Se dice que los vectores
v1, v2, . . . , vn son linealmente independientes (o dependientes), o que el
conjunto de vectores {v1, v2, . . . , vn} es linealmente independiente (o
dependiente). Esto es, se usan las dos frases indistintamente.
Cmo se determina si un conjunto de vectores es linealmente
dependiente o independiente? El caso de 2-vectores es sencillo.
Teorema: Dos vectores en un espacio vectorial son linealmente
dependientes si y slo si uno de ellos es un mltiplo escalar del otro.
Primero suponga que v2 + cv1 para algn escalar c 0. Entonces cv1
v = 0 y v1 y v2 son linealmente dependientes. Por otro parte, suponga
que v1 y v2 son linealmente dependientes. Entonces existen constantes
c1 y c2 al menos uno distinto de cero, tales que c1v1 1 c2v2 5 0. Si c1
0, entonces dividiendo entre c1 se obtiene v1 + (c2/c1)v2 = 0, o sea,
V1 = (-C1/c2) v2
Es decir, v1 es un mltiplo escalar de v2. Si c1 = 0, entonces c2 0 y, por
lo tanto, v2 = 0 = 0v1.

Ejemplo1: Dos vectores linealmente dependientes en R4

Ejemplo 2: Dos vectores linealmente dependientes en R3.

6

Ejemplo 3: Determinacin de la dependencia o independencia lineal de

tres vectores en R3

Ejemplo 4: Determinacin de la dependencia lineal de tres vectores en R 3

4.4.- Base y dimensin de un espacio vectorial. Cambio

de base
Base de un espacio vectorial.
Introduccin:

Definicin: Un conjunto finito de vectores {v1, v2, . . . , vn} es una base para
un espacio vectorial V si I. {v1, v2, . . . , vn} es linealmente independiente.
II. {v1, v2, . . . , vn} genera a V.

Ya se han analizado algunos ejemplos de bases. En el teorema 4.5.7, por

ejemplo, se vio que cualquier conjunto de n vectores linealmente
independientes en n genera a n. De esta forma,
Todo conjunto de n vectores linealmente independiente en n es una base en n.
Ejemplo: una base para un sub espacio R3

Dimensin.
Definicin: Si el espacio vectorial V tiene una base con un nmero finito de
elementos, entonces la dimensin de V es el nmero de vectores en todas las
bases y V se denomina espacio vectorial de dimensin finita. De otra
manera, V se denomina espacio vectorial de dimensin infinita. Si
V=
{0}, entonces se dice que V tiene dimensin cero.
Notacin. La dimensin V se denota por dim V.
Ejemplo 1: Dimensiones de Rn
Como n vectores linealmente independientes en n constituyen una base, se
observa que
dim Rn = n

Ejemplo 2: La dimensin de Pn
S los polinomios {1, x, x2, . . . , xn} constituyen una base en Pn. Entonces dim
Pn = n + 1.

10

Ejemplo 3: La dimensin de Mmn.

En Mmn sea Aij la matriz de m 3 n con un uno en la posicin ij y cero en otra
parte. Es sencillo demostrar que las matrices A ij para i 5 1, 2, . . . , m y j = 1,
2, . . . , n forman una base para Mmn. As, dim Mmn = mn.

Ejemplo 4: P tiene dimensin infinita.

Si se sabe que ningn conjunto finito de polinomios genera a P. Entonces P no
tiene una base finita y, por lo tanto, es un espacio vectorial de dimensin
infinita.

Cambio de base.
En R2 se expresaron vectores en trminos de la base cannica

defini la base canonica

. En Rn se

. En Pn se defini la base estandra como

. Estas bases se usan ampliamente por la sencillez que

ofrecen a la hora de trabajar con ellas. Pero en ocasiones ocurre que es mas
conveniente alguna otra base. Existe un numero infinito de bases para elegir,
ya que en un espacio vectorial de dimensin n, cualesquiera n vectores,
linealmente independientes, forman una base. En esta seccin se vera como
cambiar de una base a otra mediante el calculo de cierta matriz. Iniciaremos
por un ejemplo sencillo. Sean u
base canonica en R2. Sean

. entonces,

es la

Como v1 y v2 son linealmente

11

independientes (porque v1 no es un mltiplo de v2),

segunda base en R2. Sea

es una

un vector en R2. Esta notacin significa que

Es decir, x esta expresando en trminos de los vectores de la base B. para

hacer hincapi en este hecho, se escribe

R2, existen escalares c1 y c2 tales que (1)

Como B es otra base en

Una vez que se

encuentran estos escalares. Se puede escribir

para indicar que x
esta ahora expresado en trminos de los vectores en B. para encontrar los
nmeros c1 y c2, se escribe la base anterior en trminos de la nueva base. Es
sencillo

verificar

que

(2)

es decir,

Entonces,

As, de (1),

Por ejemplo, si
12

entonces

13

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
nmero complejo nico (u, v), denomina- do producto interno de u y v,
tal que si u, v y w estn en V y a C , entonces se dan las siguientes
propiedades:
I.
II.
III.
IV.
V.
VI.
VII.

(V,V)>=0
(V , V ) si y solo si V = 0
(u, V + W) = (U,V) + (U,W)
(U +V, W) = (U,W) + (V,W)
(U, V) = (U, V)
(U, V) = (U, V)
(U , V) = (U, V)

La barra en 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 1: 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.

14

Ejemplo 2: dos vectores ortogonales en c2

En C2 los vectores (3,-i) y (2,6i)

son

ortogonales

porque

Bibliografa

lgebra lineal

Algebra Lineal V: Subespacios

Vectoriales.

Sexta edicin

Jos Mara Rico Martnez

Stanley I. Grossman

Departamento de Ingeniera
Mecnica
Facultad de Ingeniera Mecnica
Elctrica y electrnica
Universidad de Guanajuato

15