4.

1 Definición 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 multiplicación por un
escalar y que satisfacen los diez axiomas enumerados a continuación.

Notación. Si “x” y “y” están en V y si a es un número 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 útil pensar en R2 o R3 al manejar un espacio vectorial,
con frecuencia ocurre que el espacio vectorial parece ser muy diferente a estos
cómodos espacios (en breve tocaremos este tema). En segunda instancia, la
definición 1 ofrece una definición de un espacio vectorial real. La palabra “real”
significa que los escalares que se usan son números reales. Sería igualmente
sencillo definir un espacio vectorial complejo utilizando números complejos en
lugar de reales. Este libro está dedicado principalmente a espacios vectoriales
reales, pero las generalizaciones a otros conjuntos de escalares presentan muy
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 están en V, entonces x+y=y+x.

6- Si x pertenece a V y es un escalar, entonces x pertenece a V.

7- Si X y Y están en V y es un ecalar, entonces x+y)=x +y

8- Si X pertenece a V y y son escalares, entoncesxx+y.

9- Si X pertenece a V y  y  son escalares, entonces (x) = ()x.

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

.2 Definición de subespacio vectorial y sus propiedades

DEFINICION DE SUB ESPACIO VECTORIAL

Sea H un subconjunto no vacío de un espacio vectorial V y suponga que H es en sí

un espacio vectorial bajo las operaciones de suma y multiplicación por un escalar
definidas en V. Entonces se dice que H es un sub espacio de V.

Existen múltiples ejemplos de sub espacio, sin embargo, en primer lugar, se

demostrará un resultado 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 dos reglas de cerradura:

Reglas de cerradura para ver si un subconjunto no vació es un sub

espacio

i) Si x € H y y € H, entonces x + y € H.

ii) Si x € H, entonces αx € H para todo escalar α.

Es obvio que si H es un espacio vectorial, entonces las dos reglas de cerradura se

deberán cumplir. De lo contrario, para demostrar que es un espacio vectorial, se
deberá demostrar que los axiomas i) a x) de la definición cumplen bajo las
operaciones de suma de vectores y multiplicación por un escalar definidas en V. Las
dos operaciones de cerradura [axiomas i) y iv)] se cumplen por hipótesis, como los
vectores en H son también vectores en V, las identidades asociativa, conmutativa,
distributiva y 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 verificar que:

x + y y αX están en H cuando x y y están en H y α es un escalar.

PROPIEDADES DE SUB ESPACIO VECTORIAL

1). El vector cero de V está

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 está en H.

3). H es cerrado bajo la multiplicación por escalares. Esto es, para cada
u en H y cada escalar c, el vector cu está en H.

4.3 Combinación lineal

Una combinación lineal de dos o más vectores es el vector que se

obtiene al sumar esos vectores multiplicados por escalares.

Cualquier vector se puede poner como combinación lineal de

otros que tengan distinta dirección.

Esta combinación lineal es única.

Sean v1,v2,…,vn vectores en un espacio vectorial V. Entonces

cualquier vector de la forma:

α1v1+α2v2+…+αnvn
donde α1v1+α2v2+…+αnvn son escalares se denomina combinación
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 combinación lineal de los 3 vectores i,j,k.

.3 Dependencia e Independencia lineal

Los vectores son linealmente independientes si tienen distinta

dirección y sus componentes no son proporcionales.

Un conjunto de vectores {v1,v2,…,vk} es un espacio vectorial V es

linealmente dependiente si existen 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.

Criterios de Independencia Lineal

Sean u1, u2, …,uk k vectores en Rn y A la matriz que tiene como

columnas a estos vectores, los vectores son linealmente independientes
si el sistema Ax = 0 tiene únicamente solución trivial.
Los vectores son linealmente dependientes si el sistema Ax=0 tiene
soluciones no triviales (solución múltiple).

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 es múltiplo escalar del otro.

Un conjunto de vectores linealmente independientes en n contiene a lo

más n vectores.

Tres vectores en 3 son linealmente dependientes si y sólo si son

coplanares, esto es, que están en un mismo plano.
Teoremas

1. Cualquier conjunto que contenga al vector 0 es linealmente dependiente.

2. Cualquier conjunto que contenga un único vector diferente de cero, v ≠0, es linealmente
independiente.
3. Cualquier conjunto formado por dos vectores diferentes de cero, S = {v1, v2}, donde v1 ≠
0, v2 ≠ 0, es linealmente dependiente si, y sólo si, uno de los vectores es múltiplo escalar
del otro.
4. Cualquier conjunto que contenga un subconjunto linealmente dependiente es
linealmente dependiente.
5. Cualquier subconjunto de un conjunto linealmente independiente es linealmente
independiente.

4 Base y dimensión de un espacio vectorial

Base y dimensión 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 características que se acaban de ver, debe tener suficientes
valores para generar a V, pero no tantos de modo que uno de ellos pueda escribirse
como una combinación lineal de los demás vectores en S. Si un espacio vectorial
consta de un número finito de vectores, entonces V es de dimensión finita. En caso
contrario, V es de dimensión infinita.

Base

En términos generales, una “base” para un espacio vectorial es un conjunto de

vectores del espacio, a partir de los cuales se puede obtener cualquier otro vector
de dicho espacio, haciendo uso de las operaciones en él definidas.

La base es natural, estándar o canónica si los vectores v1, v2,…, vn forman 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, combinación 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 det A = [(1*9*4)+(2*3*1)+0]-[(1*9*3)+0+(4*2*2)]

2c1 + 9c2 + 3c3 = b2 = [36+6]-[27+16]
c1 + 4c3 = b3 = -1 Si genera a R3
Unicidad representación de la base

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

Para demostrar la unicidad (que en un vector dado puede representarse sólo de

una manera), se supone que u tiene otra representación u= b1v1 + b2v2+…+bnvn. Al
restar la segunda representación de 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 única solución de

esta ecuación es la trivial,

c1-b1=0 c2-b2=0, …, cn-bn=0.

Ejemplo: Unicidad de la Representación de la Base

Sea u = (u1, u2, u3) cualquier vector en R3. Demuestre que la ecuación u= c1v1+ c2v2
+ c3v3 tiene solución única para la base S= {v1, v2, v3}= {(1,2,3),(0,1,2), (-2,0,1).

Solución: Con base en la ecuación

(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 -2c3= u1

2C1 + C2 = u2

3C1 + 2C2 + C3= u3

A C U

Como la matriz A es invertible, se sabe que este sistema tiene una solución única
dada por C=A-1U. Al 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 única como una
combinación lineal de v1, v2 y v3 en la forma siguiente.

(1,0,0) = -v1 + 2v2 – v3

Dimensión

Se llama dimensión de un espacio vectorial V al número de vectores que hay en

cualquiera de sus bases. Se denota dim (V).

La dimensión de Rn con las operaciones normales es n.

La dimensión de Pn con las operaciones normales es n+1.

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

Ejemplo: Determinación de la dimensión de un subespacio

Sea W el subespacio de todas las matrices simétricas en M2,2 ¿Cuál es la dimensión
de W?

Solución: Toda matriz simétrica 2 X 2 es de la forma

Por consiguiente, el conjunto

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

concluye que la dimensión de W es 3.

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

Definición de Espacio Renglón y Espacio Columna de una matriz

Sea A una matriz m x n.

El espacio renglón de A es el subespacio de Rn generado por los vectores renglón
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 renglón de una matriz. Cabe recordar que dos matrices son equivalentes
por renglones si una puede obtenerse a partir de la otra al aplicar operaciones
elementales en los renglones. El siguiente teorema establece que las matrices
equivalentes por renglones tienen el mismo espacio renglón.

Base para el Espacio Renglón de una Matriz

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

Ejemplo: Determinación de una base para un espacio renglón

Encuentre una base para el espacio renglón de

Solución: Mediante las operaciones elementales en los renglones, A vuelve a

escribirse en forma escalonada como se muestra a continuación
Los vectores renglón diferente de cero, w1=(1,3,1,3), w2=(0,1,2,0), w3= (0,0,1,-1),
forman una base del espacio renglón de A.

Ejemplo: Determinación 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.
Así w1=(1,0,-3,3,2), w2= (0,1,9,-5,-6), y w3 =(0,0,1,-1,-1) forman una base del
espacio renglón de At, lo que equivale a afirmar que forman una base del espacio
columna de A.

Definición del Rango de una Matriz

La dimensión del espacio renglón (o columna) de una matriz A se llama rango de

A y se denota por rango (A).

Ejemplo: Determinación del Rango de una Matriz

Encuentre el rango de la matriz

Solución: La matriz dada se convierte a la forma escalonada como sigue:

Como B tiene tres renglones diferentes de cero, entonces el rango de A es 3.

.5 Espacio vectorial con producto interno

Producto Interno:

Un producto interno sobre un espacio vectorial V es una operación que asigna

a cada par de vectores u y v en V un número real <u, v>.

Un producto interior sobre V es una función que asocia un

número real ‹u, v› con cada par de vectores u y v cumple los
siguientes axiomas:

Propiedades:

i. (v, v) ≥ 0
ii. (v, v) = 0 si y sólo 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. (αu, v) = α(u, v)
vii. (u, αv) = α(u, v)

Espacios con producto interior:

El producto interior euclidiano es solo uno más de los productos

internos que se tiene que definir en Rn Para distinguir entre el
producto interno normal y otros posibles productos internos se
usa la siguiente notación.

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› = c‹u, v›.

Un espacio vectorial con producto interno se denomina espacio

con producto interno.

.6 Base ortonormal

Definición de conjunto ortogonales y conjuntos ortonormales

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

si todo par de vectores en S es ortogonal, además cada vector en este conjunto
es unitario, entonces S se denomina ortonormal.

Proceso de ortonormalización 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 está 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 ortonormalización de Gram-Schmidt

Determine una base ortonormal del espacio solución del siguiente sistema
homogéneo de ecuaciones lineales

w+ x + z= 0

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

Solución: La matriz aumentada se reduce como se sigue.

-->

Entonces cada solución del sistema es de la forma

Una base del espacio solución es:

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

Para hallar una base ortonormal B´= {u1, u2}, se usa la forma alternativa del proceso
de ortonormalización de Gram- Schmidt como sigue.

Construcción de un conjunto ortonormal.