Espacio vectorial

Cualquier conjunto que posea unas operaciones suma y producto por

escalares, cumpliendo todas las propiedades siguientes:

Para todo u, v elementos de V / u y v existen en los reales.

1. Tenga la propiedad conmutativa u + v = v + u

2. Tenga la propiedad asociativa (u + v)+ w = u + (v + w)
3. Tenga elemento neutro: 0 u + 0v = u
4. Tenga elemento opuesto u + up (-u) = Ov
5. Tenga operacin externa: Sea k un escalar / k . v elementos de V

Los elementos de tal conjunto se llamarn vectores (aunque pueda

tratarse de objetos diferentes a los vectores de la Fsica).

Diremos que el espacio vectorial es real o complejo, segn sean los

escalares.

Ejemplos de espacios vectoriales

1) El espacio formado por los vectores de n componentes (x1, . . .,xn)

es un espacio vectorial real, en el que se pueden sumar vectores y
multiplicar por un escalar (real) de la forma habitual. Se puede comprobar
que se cumplen las propiedades requeridas para ambas operaciones.

El vector cero es (0,. . .,0). No es un espacio vectorial complejo, pues

no podemos multiplicar por escalares complejos.

2) Consideremos el conjunto P2 de los polinomios de grado 2 con

coeficientes reales:

P2 = { ax2 + bx + c : a, b, c }

Es un espacio vectorial real, pues podemos sumar dos elementos de

P2 y obtenemos otro elemento de P2; tambin podemos multiplicar un
elemento de P2 por un escalar real y obtenemos otro elemento de P2.
Vemoslo:

Suma: ( ax2 + bx + c ) + ( ax2 + bx + c ) = (a+a) x2 + (b+b) x +

(c+c) que pertenece a P2.

Producto por un escalar real: , (ax + bx + c) = ax2 + bx + c

que pertenece a P2.

Se puede comprobar que se cumplen las propiedades requeridas. El

vector es el polinomio

Cero: 0x2 + 0x + 0 0K. No es un espacio vectorial complejo, pues al

multiplicar por un escalar complejo el resultado podr ser un polinomio
complejo que no pertenece a P2.

3) Consideremos el conjunto G de los polinomios de grado = 3

(exactamente 3) con coeficientes reales.

No es un espacio vectorial (real ni complejo), pues al sumar dos

elementos de G, no est garantizado que el resultado est en G. En
efecto, consideremos los polinomios

p = x3+x2+x+1 , q = x3+x2+x+1

Pertenecen a G, pues su grado es 3. Pero su suma es p+q = 2x2+2x+2

que no pertenece a G (su grado no es 3).

4) Consideremos el conjunto M2x2 (tambin denotado por M2) de las

matrices 2x2 con trminos reales: M2x2 =

Subespacios vectoriales
 Dado un espacio vectorial V, se dice que un subconjunto S de V es un
subespacio vectorial si contiene al vector K, y si al efectuar las
operaciones de suma y producto por escalar entre vectores de S, el
resultado permanece en S (se puede decir que S es cerrado para las
operaciones suma y producto por escalar).

Es decir:

0 S . K

Si v, w S entonces v + w S.

Si v S y es un escalar, entonces v S.

Ya no hace falta comprobar que se cumplen las propiedades

asociativa, conmutativa, etc. puesto que sabemos que se cumplen en V, y
por tanto tambin en S (se dice que S hereda las propiedades de las
operaciones en V). Por supuesto si para V utilizamos escalares reales,
tambin para S; si para V utilizamos complejos, tambin para S.

Ejemplos de subespacios

1) La recta x=y est formado por los vectores de la forma (a,a). 2 .

Contiene al vector (0,0).

Adems, es cerrado para la suma y producto por escalar:

Suma: (a,a) + (b,b) = (a+b, a+b) que tambin es un elemento de la

recta.

Producto por un escalar: , (a,a) = (a, a) que tambin es un

elemento de la recta.

2) El plano XY es un subespacio de . Est formado por los vectores

de la forma (x,y,0). Contiene al vector (0,0,0).
 Adems, es cerrado para la suma y producto por escalar:

Suma: (x,y,0) + (x,y,0) = (x+x, y+y, 0) que tambin es un elemento

del plano.

Producto por un escalar: , (x,y,0)=(x, y, 0) que tambin es un

elemento del plano.

Relacin entre la forma implcita y paramtrica

Si S es un subespacio de n, la forma implcita y paramtrica de S

satisfacen en general la siguiente relacin:

N de ecuaciones implcitas + N de parmetros = n.

Comprobar esta relacin en los ejemplos anteriores.

Sin embargo para que esto sea cierto debe cumplirse que las
ecuaciones implcitas sean independientes entre s, es decir, que ninguna
sea combinacin lineal de otras. Esto significa que, considerando las
ecuaciones como un sistema, no sobre ninguna ecuacin: es decir, que
la matriz de coeficientes tenga rango igual al nmero de ecuaciones.

Tambin los parmetros deben ser independientes entre s

Dependencia e independencia lineal

Combinacin lineal

Dado un conjunto de vectores (v1, . . ., vn) se llama una combinacin

lineal de ellos a cualquier vector de la forma v = 1 v1 + . . . + n vn,
donde (1 , . . . , n) son escalares, llamados coeficientes de la
combinacin lineal.
Teorema

Para probar que un conjunto S es subespacio, basta probar que:

La combinacin lineal de elementos de S est en S. (Ello es debido a

que calcular una combinacin lineal de vectores involucra tanto la suma
como el producto por escalares, as que equivale a probar ambas cosas
por separado). Esto se suele expresar diciendo que un subespacio es un
conjunto cerrado para las combinaciones lineales.

Ejemplo

Veamos si es subespacio del conjunto U={ (, ) : }. 2

Tomamos dos elementos genricos de U, (, ) y (, ). Una

combinacin lineal de ellos es:

(, ) + (, ) = (+, +) que tambin es un elemento de U.

Por tanto U es subespacio.

Dependencia lineal.

Se dice que un conjunto de vectores es linealmente dependiente (o

ligado) si:

1) Al menos uno de ellos es combinacin lineal de los dems.

Esto se puede expresar tambin as:

2) El vector 0 es combinacin lineal de ellos (con coeficientes no todos

nulos).

Ejemplo

Sean en los vectores u=(1,1), v=(0,3), w=(2,5) . 2

 Observamos que son linealmente dependientes por (a):

w es combinacin lineal de u y v , puesto que w = v+2u, (pueden

encontrarse tambin otras combinaciones, como u = 12 w 12 v , etc).

Tambin podemos verlo por (b):

(0 G) es combinacin lineal de u, v , w puesto que 0 = v+2uw, (y los

coeficientes de esta combinacin lineal son 1, 2, 1 que no son todos
nulos).

Independencia lineal

En caso de que un conjunto de vectores no sea linealmente

dependiente, se dice que es linealmente independiente (o libre ) .

Por tanto, escribiendo la negacin de la definicin de dependencia lineal,

tendremos que un conjunto de vectores es linealmente independiente
cuando:

1) Ninguno de ellos es combinacin lineal de los dems.

O equivalentemente:

2) El vector 0 no es combinacin lineal de ellos, a no ser que la

combinacin tenga coeficientes todos nulos.

Expresando 2) de otra manera,

2) La nica forma de poner como combinacin lineal de los vectores,

es con todos los coeficientes nulos.

Propiedades de la dependencia / independencia lineal

1) El conjunto formado por un solo vector v no nulo, es libre. (En

efecto, una combinacin lineal de v es solamente v, y v=0 slo puede
conseguirse con =0).
 2) Dos vectores v, w son linealmente dependientes cuando uno es
mltiplo del otro, v=w, (ya que esto equivale a decir que uno es
combinacin lineal del otro).

3) Todo conjunto que contenga al 0 es ligado.

Combinacin lineal

Sea V un espacio vectorial. Se dice que v V es combinacin lineal de

los vectores {1 , 2 , . } V, si existen 1 , 2 , . , K tales que

= 1
=1

Otra definicin es: Dados dos vectores u y v, y dos nmeros: a y b, el

vector au + bv se dice que es una combinacin lineal de u y v. Una
combinacin lineal de dos o ms vectores es el vector que se obtiene al
sumar esos vectores multiplicados por sendos escalares

Base y dimensin

Base

Se llama base de un espacio (o subespacio) vectorial a un sistema

generador de dicho espacio o subespacio, que sea a la vez linealmente
independiente.

Propiedades de las bases

 1) Una base de S es un sistema generador minimal de S (lo ms
pequeo posible).

2) Adems es un conjunto independiente maximal dentro de S (lo ms

grande posible).

3) Una base de S permite expresar todos los vectores de S como

combinacin lineal de ella, de manera nica para cada vector.

Dimensin

La dimensin es el mximo nmero de vectores independientes que

podemos tener en el espacio o subespacio. En otras palabras, es el
mximo rango que puede tener un conjunto de vectores de dicho espacio.

Propiedades de la dimensin.

1) Significado fsico de la dimensin: el espacio tiene dimensin 3, los

planos dimensin 2, las rectas dimensin 1, el punto dimensin 0. El
subespacio {0} es el nico de dimensin 0.

2) La dimensin de un subespacio en n, coincide con el nmero de

parmetros libres en su forma paramtrica. (1 parmetro=recta, 2
parmetros= plano...)

3) Si S y T son subespacios y S est contenido en T, entonces dim S

dim T. Adems, si se da la igualdad, dim S = dim T, entonces ambos
espacios han de coincidir.

4) El rango de una familia de vectores, es igual a la dimensin del

subespacio que generan. Es decir: si v1,v2,. . . vn generan un cierto
subespacio S, y si el rango de dicho conjunto es r, entonces dim S = r. (Si
un cierto conjunto de vectores tienen rango 2, entonces generan un plano;
etc).
 Transformaciones lineales

Una transformacin lineal es un conjunto de operaciones que se

realizan sobre un vector para convertirlo en otro vector. En ocasiones
trabajar con vectores es muy sencillo ya que pueden ser fcilmente
interpretados dentro de un contexto grfico, lamentablemente no siempre
ocurre y es necesario transformar a los vectores para poderlos trabajar
ms fcilmente. Por otra parte, trabajar con sistemas lineales es mucho
ms sencillo que con sistemas no lineales, ya que se puede utilizar una
tcnica llamada superposicin, la cual simplifica de gran manera gran
variedad de clculos, por lo que es de gran interes demostrar que un
proceso puede ser reducido a un sistema lineal, lo cual solo puede
lograrse demostrando que estas operaciones forman una transformacin
lineal.

Se denomina transformacin lineal, funcin lineal o aplicacin lineal a

toda aplicacin cuyo dominio y codominio sean espacios vectoriales y se
cumplan las siguientes condiciones:

Clasificacin de las transformaciones lineales

1. Monomorfismo: Si es inyectiva, o sea si el nico

elemento del ncleo es el vector nulo.

2. Epiformismo: Si es sobreyectiva (exhaustiva).
3. Isomorfismo: Si es biyectiva (inyectiva y exhaustiva).
4. Endomorfismo: Si o sea si el dominio es igual al
codominio (el espacio vectorial de salida y el de llegada son el
mismo).
5. Automorfismo: Si es endomorfismo e isomorfismo a la
vez.
 CONCLUSIN

Un espacio vectorial es una tripla (V,+, ) donde V es un conjunto, +

una forma de sumar y una forma de multiplicar elementos de V por
escalares reales. El espacio vectorial cumple algunas propiedades como
la asociativa, conmutativa, existencia de identidad aditiva, existencia de
inverso aditivo. Los espacios vectoriales se aplican totalmente en la vida
cotidiana, ya que nuestro mundo son dos vectores aunque no nos demos
cuenta, desde abrir una puerta hasta caminar de un lado a otro en
nuestros hogares.

Por otra parte, se puede decir que uno de los temas fundamentales
que estudia el lgebra Lineal es el de las Transformaciones Lineales.
Desde el punto de vista terico, les habrn parecido muy abstractas pero,
como vimos en algunos ejemplos que trabajamos en la prctica, muchas
de ellas estn presentes en la vida diaria como todos los das cuando
nos miramos al espejo.
 INTRODUCCIN

Estamos habituados en diferentes cursos a trabajar con el concepto de

Vector. Concretamente sabemos que un vector es un segmento orientado
Caracterizado por una direccin, un sentido y un mdulo. Estas
definiciones las hemos visto en el curso de Matemtica Bsica I y se
suelen dar para vectores de R2 y R3. Tambin conocemos que dos
vectores en R2 y en R3 se pueden sumar analticamente (es decir
sumando cada y geomtricamente (mediante la regla del paralelogramo).

Adems tambin se puede multiplicar un nmero (escalar) por un

vector, cuyo resultado es alargar o encoger el vector o cambiarle su
sentido en funcin de si el nmero es negativo o no. Por tener definidas
estas operaciones (y cumplir una serie de propiedades) se dice que R2 (o
R3) es un espacio vectorial. Sin embargo el concepto de espacio
vectorial, en definitiva de vector, es mucho ms amplio y no slo se
reduce al de segmento orientado sino que a la luz del siguiente tema
veremos que otros conjuntos comparten todas las propiedades de las
operaciones con vectores de R2 y R3 con lo cual tambin los llamaremos
vectores. As, en este tema, veremos que el conjunto de los polinomios de
grado menor o igual que dos con las operaciones de suma de polinomios
y la multiplicacin de un nmero por un polinomio, es un espacio vectorial
(con lo cual un polinomio es un vector).

Tambin las matrices de 2 filas y 3 columnas es un espacio vectorial

con la suma de matrices y multiplicacin de un nmero por una matriz (por
tanto una matriz 2 3 tambin es un vector) y otros muchos conjuntos
tambin cumplen las propiedades de ser un espacio vectorial, con lo cual
sus elementos se pueden llamar vectores. Sin embargo, por gran
importancia, comenzaremos estudiando con detalle los espacios
vectoriales de la forma (donde K = Q, R o , con p primo) y veremos
como otros espacios vectoriales se pueden estudiar a partir de ellos.
 La idea de vector est tomada de la Fsica, donde sirven para
representar magnitudes vectoriales como fuerzas, velocidades o
aceleraciones. Para ello se emplean vectores de dos componentes en el
plano, de tres componentes en el espacio.

Se supone conocida la representacin grfica y manejo de los vectores

de 2 y de 3. En Matemticas, tratamos de abstraer las propiedades
que caracterizan a los vectores para extenderlas tambin a otro tipo de
objetos diferentes de los vectores de la Fsica. Esencialmente, el
comportamiento que caracteriza a los vectores es el siguiente:

Podemos sumar dos vectores y obtenemos otro vector;

Podemos multiplicar un vector por un nmero (escalar) y obtenemos

otro vector.

Adems estas operaciones cumplen ciertas propiedades, que

observamos en los vectores de 2 y de 3:

En lo sucesivo, utilizaremos habitualmente la siguiente notacin: u,v,w

(u otras letras latinas) para vectores, mientras que las letras griegas
designarn escalares.
 REPBLICA BOLIVARIANA DE VENEZUELA
MINISTERIO DEL PODER POPULAR PARA LA
EDUCACIN SUPERIOR
INSTITUTO UNIVERSITARIO POLITCNICO
SANTIAGO MARIO
EXTENSIN: COL - SEDE: CIUDAD OJEDA
DIURNO D

Espacios vectoriales y transformaciones lineales

Integrantes:

Emanuel Gonzlez 25.941.524

Vernica Pino 24.431.088

Annety Rodrguez 26.201.322