Espacios vectoriales un espacio vectorial es una estructura algebraica creada a partir de un conjunto no vaco, una operacin interna (llamada

suma, definida para los elementos del conjunto) y una operacin externa (llamada producto por un escalar, definida entre dicho conjunto y otro conjunto, con estructura de cuerpo ), sus miembros se llaman escalares, con 8 propiedades fundamentales. A los elementos de un espacio vectorial se les llama vectores y a los elementos del cuerpo, escalares.

Notacion
Dado un espacio vectorial Los elementos de como: se llaman vectores. Caligrafias de otras obras sobre un cuerpo , se distinguen.

Si el texto es de fsica suelen representarse bajo una flecha:

Los elementos de

como:

se llaman escalares.

Definicin de espacio vectorial [editar]

Un espacio vectorial sobre un cuerpo los nmeros complejos) es un conjunto cuales ser cerrado: (como el cuerpo de los nmeros reales o no vaco, dotado de dos operaciones para las

operacin interna tal que: 1) tenga la propiedad conmutativa, es decir

2) tenga la propiedad asociativa, es decir

3) tenga elemento neutro

, es decir

4) tenga elemento opuesto, es decir

y la operacin producto por un escalar:

operacin externa tal que: 5) tenga la propiedad asociativa:

6)

sea elemento neutro del producto:

7) tenga la propiedad distributiva del producto respecto la suma de vectores:

8) tenga la propiedad distributiva del producto respecto la suma de escalares:

Observaciones [editar]
La denominacin de las dos operaciones no condiciona la definicin de espacio vectorial por lo que es habitual encontrar traducciones de obras en las que se

utiliza multiplicacin para elproducto y adicin para la suma, usando las distinciones propias de la aritmtica. Para demostrar que un conjunto

es un espacio vectorial: y y admiten una cumpliendo las

Lo es si sus dos operaciones, por ejemplo redefinicin del tipo 8 condiciones exigidas.

Si supisemos que es un grupo conmutativo o abeliano respecto la suma ya tendramos probados los apartados 1, 2, 3 y 4. Si supisemos que el producto es una accin por la izquierda de probados los apartados 5 y 6. Si no se dice lo contrario: . tendramos

Propiedades
Unicidad del vector neutro de la propiedad 3: supongamos que el neutro no es nico, es decir, sean neutros, entonces: y dos vectores

Unicidad del vector opuesto de la propiedad 4: supongamos que el opuesto no es nico, es decir, sean vectores opuestos de , entonces, como el neutro es nico: y dos

Unicidad del elemento

en el cuerpo

: y dos unidades, entonces:

supongamos que 1 no es nico, es decir, sean

Unicidad del elemento inverso en el cuerpo Supongamos que el inverso opuestos de

: y dos

de a, no es nico, es decir, sean

, entonces, como el neutro es nico:

Producto de un escalar por el vector neutro:

Producto del escalar 0 por un vector:

Si

Si Si

es cierto. entonces:

Notacin . Observacin

Si Si

Primer ejemplo con demostracin al detalle [editar]

Se quiere probar que Si juega el papel de es un espacio vectorial sobre y el de :

Los elementos:

son, de forma genrica:

es decir, pares de nmeros reales. Por claridad se conserva la denominacin del vector, en este caso u, en sus coordenadas, aadiendo el subndice x o y para denominar su componente en el eje x o y respectivamente En se define la operacin suma:

donde:

y la suma de u y v sera:

donde:

esto implica que la suma de vectores es interna y bien definida. La operacin interna suma tiene las propiedades: 1) La propiedad conmutativa, es decir:

2) La propiedad asociativa:

3) tiene elemento neutro

4) tenga elemento opuesto:

La operacin producto por un escalar:

El producto de a y u ser:

donde:

esto implica que la multiplicacin de vector por escalar es externa y aun as est bien definida. 5) tenga la propiedad:

Esto es:

6)

sea elemento neutro en el producto:

Que resulta:

Que tiene la propiedad distributiva: 7) distributiva por la izquierda:

En este caso tenemos:

8) distributiva por la derecha:

Que en este caso tenemos:

Queda demostrado que es espacio vectorial.

Definicin de subespacio vectorial [editar]

Sea un espacio vectorial sobre vectorial de si: y no vaco, es un subespacio

Un subespacio vectorial que cumple las dos condiciones anteriores es un espacio vectorial.

Notaciones Dado un subespacio vectorial, se tiene: , e incluso , e incluso es correcto. es correcto.

i) el abuso de lenguaje ii) el abuso de lenguaje

Es posible sintetizar i) y ii) en una condicin nica: Si V es un espacio vectorial, entonces un subconjunto U de V es un subespacio vectorial si y slo si para cualquiera dos vectores v, w pertecientes a U y cualquier escalar r perteneciente al campo asociado, el vector es tambin un elemento de U.

Dado el espacio vectorial

, sus elementos son del tipo

estn alineados,

forman un paralelogramo si no estn alineados,

Suma de 3 elementos.

El subconjunto . es un subespacio vectorial.

El subconjunto

no es un subespacio vectorial.

Operaciones con subespacios

Sea (V, +, K, *) un espacio vectorial; (S, +, K, *) y (W, +, K, *) subespacios de V, se definen las siguientes operaciones: [editar]Unin En la gran mayora de los casos la unin de dos subespacios no es un subespacio de V,

pues no se cumple con la ley de composicin interna. S pertenece de forma segura la unin a V en los casos en que S este contenido en W o viceversa. [editar]Interseccin La interseccin de dos subespacios es un subespacio de V. [editar]Suma La suma de dos subespacios es un subespacio de V.

Suma directa
Si la interseccin entre S y W es el subespacio trivial (es decir, el vector nulo), entonces a la suma se la llama "suma directa".1 Es decir que si Lo que quiere decir tambin que todo vector de V, se escribe de manera nica como la suma de un vector de S y otro de W.

Dimensiones de subespacios
Esta frmula resuelve que la dimensin de la suma de los subespacios y ser igual a la dimensin del subespacio ms la dimensin del subespacio menos la dimensin de la interseccin de ambos. Por ejemplo, siendo subespacio de dimensin 1. Luego, . y y teniendo como interseccin un

En la suma directa
En el caso particular de la suma directa, como La frmula de Grassman resulta: .

Entonces en el ejemplo anterior, resultara

Propiedades de subespacios vectoriales:

(S1) Asociativa: (u + v) + w = u + (v + w) u, v, w V . (S2) Conmutativa: u + v = v + u u, v V . (S3) Existencia de elemento neutro: 0 V tal que 0+v = v+0 = vv V

(S4) Existencia de elemento opuesto: v V existe otro vector v V tal que v + (v) = 0. El producto de un escalar, o elemento del cuerpo K, por un vector da lugar a otro elemento de V , y tiene las propiedades: (M1) a(u+v) = au+av para todo a K y para todo par de vectores u, v V . (M2) (a + b)u = au + bu para todo par de escalares a, b K y para todo uV. (M3) a(bu) = (ab)u para todo u V y a, b K. (M4) 1u = u para todo u V , donde 1 es la unidad para el producto en K. Las primeras cuatro propiedades hacen referencia a la suma de vectores y se resumen diciendo que (V, +) es un grupo conmutativo. Trabajaremos habitualmente con el cuerpo K = R, si bien todos los resultados que se obtienen en este captulo son vlidos en cualquier cuerpo K. Observacin 1. De las propiedades enunciadas se deducen las siguientes: 1. 0u = 0, 2. A0 = 0, 3. Si au = 0, entonces a = 0 u = 0, 4. (a)u = a(u) = (au). Denicin 2. (Subespacio vectorial) Un subconjunto W del espacio vectorial V es un subespacio vectorial de V si cumple: i) W es cerrado para la suma: si u, v W, entonces u + v W. ii) W es cerrado para el producto por escalares: si u W y a K,

entonces au W. Estas dos condiciones se pueden resumir en una escribiendo: iii) au + bv W para todo u, v W y a, b K. Observacin 2. 1. Si W es un subespacio vectorial de V , entonces 0 W. 2. Todo subespacio vectorial W de V tiene asimismo estructura de espacio vectorial con las mismas operaciones que V . Denicin 3. (Combinacin lineal) Diremos que un vector v V es combinacin lineal de la familia S = {v1, . . . , vm} V si v = a1v1+ +amvm con ai K para todo i = 1, . . . , m. Sea S un subconjunto del espacio vectorial V y sea L(S) el conjunto formado por todas las combinaciones lineales de elementos de S: L(S) = {a1v1 + + amvm tal que m N, vi S, ai K, i = 1, . . . , m} Al conjunto L(S) se le llama envolvente lineal de S o subespacio generado por S y es el menor subespacio vectorial de V que contiene al conjunto S, esto es, si S W, con W un subespacio vectorial de V , entonces L(S) W

combinacin lineal
Un vector se dice que es combinacin lineal de un conjunto de

vectores si se puede expresar como suma de los vectores de multiplicados cada uno de ellos por un coeficiente escalar , es decir:

As, es combinacin lineal de vectores de si podemos expresar de productos por escalar de una cantidad finita de elementos de . Ejemplo:

como una suma

El vector (20, 12, 37) es una combinacin lineal de los vectores (1, 3, 5) y (6, 2, 9):

Otro ejemplo: : Se dice que es combinacin lineal de y de , porque

podemos escribir sin ms que despejar la . De la misma manera, despejando oportunamente, cada una de estas variables se podra expresar como combinacin lineal de las otras dos. Los escalares dicen cunto de cada vector del conjunto necesito para que, cuando se combinen linealmente dichos elementos, pueda formar el vector en cuestin.

Expansin lineal
Dado un conjunto de vectores como al conjunto. , finito o infinito, se llama expansin lineal, denotada

Dicho conjunto es el mnimo subespacio vectorial de

que contiene al conjunto

Espacio generado:
Sea V un espacio vectorial sobre un cuerpo F, y sea S un subconjunto de V. Definimos W como el conjunto generado por S como:

Sigue por definicin que W es un subespacio vectorial de V, el espacio vectorial generado por S.

Los elementos de W son todas las combinaciones lineales de elementos de S. . El espacio de estos vectores es

Dependencia e independencia lineal

un conjunto de vectores es linealmente independiente si ninguno de ellos puede ser 3 escrito con una combinacin lineal de los restantes. Por ejemplo, en R , el conjunto de vectores (1, 0, 0), (0, 1, 0) y (0, 0, 1) es linealmente independiente, mientras que (2, 1, 1), (1, 0, 1) y (3, 1, 2) no lo es, ya que el tercero es la suma de los dos primeros. Dado un conjunto finito de vectores son linealmente dependientes si existen nmeros cero, tales que: , se dice que estos vectores , no todos iguales a

Ntese que el smbolo a la derecha del signo igual no es cero, sino que simboliza al vector nulo . El conjunto de vectores nulos forma la matriz nula. Si tales nmeros no existen, entonces los vectores son linealmente independientes. La definicin anterior tambin puede extenderse a un conjunto infinito de vectores, concretamente un conjunto cualquiera de vectores es linealmente dependiente si contiene un conjunto finito que sea linealmente dependiente. Utilizando conceptos de espacios vectoriales podemos redefinir la independencia lineal as:

Un conjunto de vectores si

de un espacio vectorial es linealmente independiente

Esta idea es importante porque los conjuntos de vectores que son linealmente indepedientes, generan un espacio vectorial y forman una base para dicho espacio. Entre las propiedades de los vectores linealmente dependientes e independientes encontramos: 1. Un conjunto de vectores es linealmente dependiente si y solamente si alguno de los vectores es combinacin lineal de los dems. 2. Si un conjunto de vectores es linealmente independiente cualquier subconjunto suyo tambin lo es. Obviamente, si tenemos un conjunto de vectores tales que ninguno de ellos es combinacin de los dems, escogiendo solamente unos cuantos, no podrn ser combinacin de los otros.

3. Si un conjunto de vectores es linealmente dependiente, tambin lo es todo conjunto que lo contenga. 4. Un conjunto de vectores son linealmente paralelos s y slo s son paralelos. 5. Un conjunto de vectores son linealmente dependientes si los componentes entre ellos son proprcionales, bien sea directa o inversamente proporcional. Ya que un conjunto de vectores es linealmente dependiente si y solo si tiene algn vector que es combinacin lineal de los dems, si metemos este conjunto de vectores en otro ms grande, seguimos teniendo el vector que es combinacin lineal de otros, por tanto, el conjunto ms grande ser linealmente dependiente.

Geomtricamente, dos vectores son independientes si no tienen la misma direccin. Esta definicin supone que el vector nulo tiene todas las direcciones, en otras palabras este debe generar un rea. Tres vectores son independientes si y solo si no estn contenidos en el mismo plano vectorial, o sea si ninguno de ellos es una combinacin lineal de los otros dos (en cuyo caso estara en el plano generado por estos vectores) en otras palabras este debe generar un volumen. El espacio generado por un sistema de vectores es el conjunto de todas las combinaciones lineales de estos vectores. Es un espacio vectorial. El espacio generado por un vector no nulo es la recta vectorial dirigido por este vector. El espacio generado por dos vectores independientes es el plano que los contiene. Resulta fcil comprobar que el espacio generado por un sistema de vectores es el menor (por la inclusin) espacio vectorial que los contiene a todos. Se le denomina vect A, donde A es el sistema de vectores. Si n vectores son independientes, el espacio generado es de dimensin n (dimensin en el sentido usual: 0 para un punto, 1 para una recta, 2 para un plano...).

Ejemplo:
En el espacio tridimensional usual:

u y j son dependientes por tener la misma direccin. u y v son independientes y definen el plano P. u, v y w son dependientes por estar los tres contenidos en el mismo plano. u, v y k son independientes por serlo u y v entre s y no ser k una combinacin lineal de ellos o, lo que es lo mismo, por no pertenecer al plano P. Los tres vectores definen el espacio tridimensional. Los vectores o (vector nulo, cuyas componentes son iguales a cero) y k son dependientes ya que o = 0 k

Ejemplo del uso de la frmula f: Son los tres vectores siguientes independientes?

Buscamos tres valores x, y y z que satisfagan la ecuacin:

Lo que equivale al sistema de ecuaciones siguiente:

Dado que la nica solucin es la trivial (x = y = z = 0), los tres vectores son independientes.

Mtodo alternativo usando determinantes

Un mtodo alternativo usa el hecho que n vectores en Rn son linealmente independientes si y solo si el determinante de la matriz formada por estos vectores como columnas es distinto de cero. Dados los vectores:

La matriz formada por stos es:

El determinante de esta matriz es:

Ya que el determinante es no nulo, los vectores (1, 1) y (3, 2) son linealmente independientes. Ejemplo II: Sea V = Rn y consideremos los siguientes elementos en V:

Entonces e1, e2,..., en son linealmente independientes. Estos vectores constituyen la base cannica en R.

Demostracin
Supongamos que a1, a2,..., an son elementos de R tales que:

Sustituyendo e1, e2,..., en resulta:

Multiplicando:

Sumando coordenadas:

Por lo que se obtiene: As que:

Adems: Pero 0 es un vector, entonces:

Por lo que ai = 0 para todo i en {1,..., n}. Entonces los vectores son linealmente independientes

EJEMPLO III: Sea V el espacio vectorial de todas las funciones a variable real. Entonces las funciones et y e2t en V son linealmente independientes. Supongamos que a y b son dos nmeros reales tales que: aet + be2t = 0 Para todos los valores de t. Necesitamos demostrar que a = 0 y b = 0. Para hacer esto dividimos por et (que es un nmero real diferente de cero, sea cual sea t) y restando obtenemos: bet = a En otras palabras, la funcin bet debe ser independiente de t, lo cual ocurre cuando b = 0. Por lo tanto, a es cero.

Base de un espacio vectorial

Las bases revelan la estructura de los espacios vectoriales de una manera concisa. Una base es el menor conjunto (finito o infinito) B = {vi}i I de vectores que generan todo el espacio. Esto significa que cualquier vector v puede ser expresado como una suma (llamada combinacin lineal) de elementos de la base a1vi1 + a2vi2 + ... + anvin, donde los ak son escalares y vik (k = 1, ..., n) elementos de la base B. La minimalidad, por otro lado, se hace formal por el concepto de independencia lineal. Un conjunto de vectores se dice que es linealmente independiente si ninguno de sus elementos puede ser expresado como una combinacin lineal de los restantes. Equivalentemente, una ecuacin a1vi1 + ai2v2 + ... + anvin = 0 slo se consigue si todos los escalares a1, ..., an son iguales a cero. Por definicin de la base cada vector puede ser expresado como una suma finita de los elementos de la base. Debido a la independencia lineal este tipo de representacin es nica. Los espacios vectoriales a veces se introducen desde este punto de vista.

Base formalmente

v1 y v2 son base de un plano, si hubiese dependencia lineal(alineados) la cuadrcula no podra generarse

Dado un sistema de generadores, diremos que es una base si son linealmente independientes. Proposicin 3. Dado un espacio vectorial es

una base Proposicin 4. Dado un espacio vectorial independiente y independiente.

. linealmente es linealmente

Teorema de la base de generadores

Todo sistema de generadores tiene una base.

Teorema Steinitz
Toda base de un espacio vectorial puede ser cambiada parcialmente por vectores linealmente independientes. Corolario. Si un espacio vectorial otra base posee vectores. tiene una base de vectores cualquier

Observacin
Todo espacio vectorial tiene una base. Este hecho se basa en el lema de Zorn, una formulacin equivalente del axioma de eleccin. Habida cuenta de los otros axiomas de la teora de conjuntos de Zermelo-Fraenkel, la existencia de bases es equivalente al axioma de eleccin. El ultrafilter lemma, que es ms dbil que el axioma de eleccin, implica que todas las bases de un espacio vectorial tienen el mismo "tamao", es decir, cardinalidad. Si el espacio es generado por un nmero finito de vectores, todo lo anterior puede demostrarse sin necesidad de acudir a la teora de conjuntos.

Dimensin
Dado un espacio vectorial sobre

Si tiene base finita, diremos dimensin al nmero de elementos de dicha base. Si tiene base no finita, diremos que es de dimensin infinita.

Notacin [editar]
Dado un espacio vectorial

y un subespacio lo indicaremos como como subespacio de .

, tenemos que: . lo indicaremos

Si Si como

tiene dimensin tiene dimensin

TRANFOMACION LINEAL:
Se denomina aplicacin lineal, funcin lineal o transformacin lineal a toda aplicacin cuyo dominio y codominio sean espacios vectoriales que cumpla la siguiente definicin: Sean vectores y y espacios vectoriales sobre el mismo espacio o campo en . pertenecientes a y para todo escalar ,y una , se

funcin de satisface que: 1. 2.

es una transformacin lineal si para todo par de perteneciente a

donde k es un escalar. EJEMPLO:

3. Sea V el conjunto de polinomios sobre y se define : V V mediante

4.

:: (f(t)) =

5. Por motivo de que

6. 7. y

8.

=c

para c

9. Como se cumplen (f +g) = (f) + (g) y (cf)= c(f) para todo f y g en V y todo c en , es una aplicacin lineal de V en V 1

10.
11.

Transformacin lineal identidad Homotecias

con

12.
13.

14. Si k > 1 se denominan dilataciones 15. Si k < 1 se denominan contracciones

PROPIEDADES DE TRANSFORMACIONES LINELAES:

Sean y espacios vectoriales sobre satisface que: (donde representa el cuerpo) se

Si es lineal, se define el ncleo (ker) y la imagen (Im) de siguiente manera:

de la

Es decir que el ncleo de una transformacin lineal est formado por el conjunto de todos los vectores del dominio que tienen por imagen al vector nulo del codominio. El ncleo de toda transformacin lineal es un subespacio vectorial del dominio: 1. 2. Dados 3. Dados dado que

Se denomina nulidad a la dimensin del ncleo. La imagen de una transformacin lineal est formada por el conjunto de todos los vectores del codominio que son imgenes de al menos algn vector del dominio.

La imagen de toda transformacin lineal es un subespacio del codominio.

El rango de una transformacin lineal es la dimensin de la imagen.

una funcin lineal es la correspondencia

TEOREMA: Sea B = {v1,v2,v3,...vn} base de V y C = {w1, w2, w3,...wn} un conjunto de n vectores de W no necesariamente distintos, entonces existe una nica transformacin lineal T: V W que satisface:

MATRIS ASOCIADA A UNA RANSFORMACION LINEAL Segn la teora de Brevis-Devaud, una matriz asociada es la matriz formada por las coordenadas de los elementos de una base. Dada T: V W, con B = {v1, v2, v3, ..., vn} y C = {w1, w2, w3, ..., wp} bases de V y W respectivamente, llamamos coordenadas de v1 en base C, al vector formado por los coeficientes de los elementos de C que usamos para llegar al transformado de v1. T(v1) = a1.w1 + a2.w2 + ... + ap.wp Entonces: coordC(v1) = (a1, a2,..., ap) Y la matriz asociada a T, en las bases B y C, es la matriz res/sub>(v2), ..., coordC(vn))