Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Espacios Vectoriales PDF
Espacios Vectoriales PDF
Indice
15.1. Objetivos . . . . . . . . . . . . . .
15.2. Motivaci
on . . . . . . . . . . . . .
15.3. Abstracci
on y Generalizacion . . .
15.4. Generalizacion . . . . . . . . . . .
15.5. El concepto de operaci
on . . . . .
15.6. Espacio Vectorial . . . . . . . . . .
15.7. Teoremas sobre espacios vectoriales
15.8. Ejemplos de EV . . . . . . . . . .
15.9. Subespacio Vectorial . . . . . . . .
15.1.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
1
3
3
3
4
7
7
12
Objetivos
En esta lectura se introduce el concepto de espacio vectorial. Este concepto generaliza los vectores n y las
matrices m n. El concepto es abstracto y por tanto tiene alguna dificultad natural; se le pide al estudiante
un esfuerzo extra para pensar las cosas desde un punto de vista general.
15.2.
Motivaci
on
1 2
0 1
2 0
1 2
2 4 1 1
0 0
5
0
1 2
0 0
1 2
1 0
0 0
1 1 1 0
0 0
De donde la f
ormula para las soluciones son:
z =y
w
t
2
1
0
0
0
+w
1
0
1
1
0
reducida queda:
0 1
2 0
1 1 1 0
0 0
0 0
0 0
0 0
+t
2
0
1
0
1
Si utilizamos el orden x y w
1 2
2 4
1 2
0 0
1
0
2 0
1 2 0 1
3 0
1 1
5 0
1 1 0
0 0 1
0 0 0
2
1
1 0
0
0 0
1
1 1 0
0 0 0
0
0 0
De donde la f
ormula para las soluciones son:
x
y
z =y
2
1
0
0
0
+z
1
0
1
1
0
+t
3
0
0
1
1
1 2 0
2
3 0
1 2
2
0 1 0
2 4
5 1 1 0
0 0 1 1 1 0
1 2
0 0 0
0
0 0
1
1 2 0
0 0 0
0
0 0
0 0 1
1 1 0
De donde la f
ormula para las soluciones son:
z =y
w
t
2
1
0
0
0
+z
2
0
1
0
1
+w
1
2 1
0 1
2 0
1
2
4 2 1 1
5 0
0 0
2 1
1 2
1 0
0 0
0 0
1 1 1 0
0 0
De donde la f
ormula para las soluciones
x
y
z =x
w
t
son:
1
1/2
0
0
0
+w
0
1/2
1
1
0
3
0
0
1
1
reducida queda:
1
0
1 0
2
1 1 1 0
0 0
0 0
0
+t
0 0
0
1
1
0
1
Todas las soluciones previas aparentant ser diferentes, sin embargo, todas representan el mismo conjunto
solucion. Necesitamos una teora que nos de confianza en los resultados obtenidos; que nos indique las cosas que permanecen y las cosas que pueden cambiar en las m
ultiples respuestas v
alidas en Rn que podemos
n
obtener.
Adem
as de los conjuntos soluci
on en R , existen otras areas de la ingeniera que requieren un
apoyo matem
atico: las matrices tienen su importancia y uso en ingeniera industrial y en control; las series
trigonometricas en procesamiento de se
nales; los conjuntos de polinomios y las series de potencias para los
IFIs, etc..
C
omo desarrollar una teora comodn que se pueda aplicar a diferentes contextos sin ning
un cambio importante?
15.3.
Abstracci
on y Generalizaci
on
15.4.
Generalizaci
on
Para entender como ocurre la generalizacion en nuestra materia recordemos algunos conceptos hemos visto
en diferentes cursos de matem
aticas:
1. vectores en el espacio n dimensional (Rn ),
2. matrices con entradas reales (Mnm ),
3. polinomios reales,
4. series de pontencias,
5. series trigonometricas, y
6. soluciones a ecuaciones diferenciales lineales homogeneas
entre otros elementos.
El objetivo que se persigue en el presente tema consiste en introducir aquella estructura abstracta que engloba
las anteriores construcciones, y que resultados se pueden obtener en lo general sin importar a cual de las
estructuras especficas se haga referencia.
15.5.
El concepto de operaci
on
3. (a b) c
= (11, 0) (1, 1) = (5 (11) + (1), 2 (1) + 2 (0)) = (56, 2)
4. a (b c)
= (2, 3) (6, 4) = (16, 2)
Ejemplo 15.3
Suponga que V = R2 y que se definen las operaciones:
(x, y) (z, w) = (2 x, 3 w + y)
y
t (x, y) = (2 t x, 3 t y)
Si
a = (1, 0) , c1 = 1, c2 = 4
Calcule:
1. (c1 + c2 ) a = 3 (1, 0) = (2(3)(1), 3(3)(0)) = (6, 0)
2. (c1 a) (c2 a) = (2, 0) (8, 0) = (4, 0)
3. (c1 c2 ) a = 4 (1, 0) = (8, 0)
4. c1 (c2 a) = 1 (8, 0) = (16, 0)
15.6.
Espacio Vectorial
Definici
on 15.1
Sea V un conjunto no vaco sobre el cual existen dos operaciones. Una llamada suma de vectores y otra
llamada mulitplicaci
on de un escalar por un vector. La suma de vectores, o simplemente suma, es una regla o
funci
on que asocia a dos vectores, digamos u y v un tercer vector, a este se le representar
a como u v. La
multiplicaci
on es una regla que asocia a un escalar y a un vector, digamos c y u un segundo vector representado
por c u. Diremos que el conjunto V se llama espacio vectorial si cumple todos y cada uno de los siguientes
axiomas:
(A1) Para cualquiera dos vectores u y v en V
uv V
(1)
(2)
(3)
(5)
(6)
(7)
Este axioma se conoce como la propiedad distributiva del producto (por escalares) sobre la suma (de
vectores):
En un producto de un escalar por una suma de vectores, da lo mismo realizar la suma de los
vectores y el resultado multiplicarlo por el vector que individualmente multiplicar cada vector
por el escalar y despues sumar los resultados.
(M3) Para cualquier vector u V y para cualquiera dos escalares a y b en R se cumple
(a + b) u = (a u) (b u)
(8)
Este axioma se conoce como la propiedad distributiva del producto por escalares sobre la suma escalares.
(M4) Para cualquier vector u V y para cualquiera dos escalares a y b en R se cumple
a (b u) = (a b) u
(9)
Esta propiedad se conoce como la ley asociativa del producto entre escalares y el producto de escalar
con vector. Lo llamaremos simplemente como la propiedad asociativa del producto.
5
(10)
15.7.
15.8.
Ejemplos de EV
Ejemplo EV 2: Rn
El conjunto de todas las n-adas con componentes reales Rn :
operaciones:
La suma: La suma de dos vectores con n componentes es un vector tambien con n componentes cuya
componente i-esima es la suma de las componentes i-esimas de los vectores que se estan sumando:
(xi ) + (yi ) = (xi + yi )
El producto por escalares: El producto de un escalar por un vector de n componentes se tambien un
vector de n componetes cuya componente i-esima es el producto del escalar por la iesima componente
del vector que se multiplica:
c (xi ) = (c xi )
Axiomas A1 y M1: x + y Rn y c x Rn
De la misma definici
on de la suma y producto por escalares.
Axioma A2 : x + y = y + x
Los vectores son iguales pues tienen la misma dimensi
on y al comparar las componente i se tiene
xi + yi = yi + xi
Axioma A3: x + (y + z) = (x + y) + z
Los vectores son iguales pues tienen la misma dimensi
on y al comparar las componente i se tiene
xi + (yi + zi ) = (xi + yi ) + zi
Axioma A4: Existe el vector neutro bajo la adici
on:
Este vector es el vector con todas sus componentes cero 0 = (0) y cumple 0 + x = x + 0 = x pues al comparar
las i-esimas componentes se cumple:
0 + xi = xi + 0 = xi
Axioma A5: Cada vector de tiene su inverso aditivo:
Para cada vector x = (xi ) el vector x = (xi ) cumple x + (x) = (x) + x = 0 pues al comparar las i-esimas
componentes se cumple:
xi + xi = 0 = xi + xi
Axioma M2: c(x + y) = c x + c y: Los vectores son iguales pues tienen la misma dimensi
on y al comparar las
componentes i se tiene
c(xi + yi ) = c xi + c yi
Axioma M3: (c1 + c2 )x = c1 x + c2 x: Los vectores son iguales pues tienen la misma dimensi
on y al comparar
las componentes i se tiene
(c1 + c2 )xi = c1 xi + c2 xi
Axioma M4: (c1 c2 )x = c1 (c2 x): Los vectores son iguales pues tienen la misma dimensi
on y al comparar
las componentes i se tiene
(c1 c2 )xi = c1 (c2 xi )
Axioma M5: 1 (xi ) = (1 xi ) = (xi )
Habiendose cumplido los 10 axiomas, concluimos que Rn con las operaciones
(xi ) + (yi ) = (xi + yi ) y
c(xi ) = (c xi )
s es un espacio vectorial
Ejemplo EV 3: Mmn
El conjunto de todas las matrices m n con componentes reales Mmn :
operaciones:
La suma: La suma de dos matrices m n es una matriz tambien m n cuyo elemento (i, j) es la suma
de los elementos (i, j) de las matrices que se estan sumando:
(aij ) + (bij ) = (aij + bij )
El producto por escalares: El producto de un escalar por una matriz m n es tambien una matriz m n
cuyo elemento (i, j) es el producto del escalar por el elemento (i, j) de la matriz que se multiplica:
c (aij ) = (c aij )
Axiomas A1 y M1: A + B Mmn y c A Mmn : De la misma definici
on de la suma de matrices y
producto por escalares.
Axioma A2 ; A + B = B + A: Las matrices son iguales pues tienen la misma dimensi
on y al comparar los
elementos (i, j) se tiene
aij + bij = bij + aij
Axioma A3: A + (B + C) = (A + B) + C: Las matrices son iguales pues tienen la misma dimensi
on y al
comparar los elementos (i, j) se tiene
aij + (bij + cij ) = (aij + bij ) + cij
Axioma A4, Existe una matriz neutra bajo la adici
on: Esta matriz es la matriz con todas sus componentes
cero 0 = (0) y cumple 0 + A = A + 0 = A, pues al comparar los elementos (i, j) componentes se cumple:
0 + aij = aij + 0 = aij
Axioma A5: Cada matriz de tiene su invero aditivo:
Para cada matriz A = (aij ), la matriz A = (aij ) cumple A + (A) = (A) + A = 0, pues al comparar los
elementos (i, j) se cumple:
aij + aij = 0 = aij + aij
9
Axioma M2: c(A + B) = c A + c B: Las matrices son iguales pues tienen la misma dimensi
on y al comparar
los elementos (i, j) se tiene
c(aij + bij ) = c aij + c bij
Axioma M3: (c1 +c2 )A = c1 A+c2 A: Las matrices son iguales pues tienen la misma dimensi
on y al comparar
los elementos (i, j) se tiene
(c1 + c2 )aij = c1 aij + c2 aij
Axioma M4: (c1 c2 )A = c1 (c2 A): Las matrices son iguales pues tienen la misma dimensi
on y al comparar
los elementos (i, j) se tiene
(c1 c2 )aij = c1 (c2 aij )
Axioma M5: 1 (aij ) = (1 aij ) = (aij )
Habiendose cumplido los 10 axiomas, concluimos que Mmn con las operaciones
(aij ) + (bij ) = (aij + bij ) y
c(bij ) = (c aij )
s es un espacio vectorial
Ejemplo EV 4: P
De todos los polinomios con coeficientes reales en la variable x con las operaciones:
Suma: Cuando son dos polinomios, esta operaci
on se lleva a cabo sumando los coeficientes de las mismas
potencias de x de los polinomios.
a0 + a1 x + + am xm
+
b0 + b1 x + + bm xm
=
(a0 + b0 ) + (a1 + b1 ) x + + (am + bm ) xm
(Alguno de los polinomios se completa hasta el grado mayor de los dos con coeficientes cero)
Multiplicaci
on: La multiplicaci
on por escalar es la multiplicaci
on de todo el polinomio por una constante:
c(a0 + a1 x + a2 x2 + + am xm )
=
c a0 + c a1 x + + c am xm
Axiomas A1 y M1: p(x) + q(x) P y c p(x) P: De la misma definici
on de la suma de polinomios y
producto por escalares.
Axioma A2 ; p(x) + q(x) = q(x) + q(x): Los polinomios son iguales pues estan en la misma variable y
comparando los coeficientes de xi se tiene:
pi + qi = pi + qi
Axioma A3: p(x) + (q(x) + r(x)) = (p(x) + q(x)) + r(x): Los polinomios son iguales pues estan en la misma
variable y comparando los coeficientes de xi se tiene:
pi + (qi + ri ) = (pi + qi ) + ri
10
Ejemplo EV 5: Pn
Todos los polinomios con coeficientes reales en la variable x de grado menor o igual que n (n es entero mayor
o igual que cero):
1 operaciones:Sea x la variable independiente de los polinomios.
a) Suma: Misma que en P.
b) Multiplicaci
on por escalares: Misma que en P.
2 el cero: El polinomio 0, es
aquel cuya totalidad de coeficientes es cero.
3 inversos aditivos: El inverso de p de un polinomio p tiene por coeficientes los opuestos de los coeficientes de p
Ejemplo EV 6: F (R)
El conjunto de todas las funciones de valor real definidas en R:
1 operaciones: Sean f y g dos funciones de valor real con dominio R y sea c cualquier escalar.
11
15.9.
Subespacio Vectorial
Como se ha visto probar que un conjunto es un espacio vectorial es un trabajo arduo. Sin embargo, hay
situaciones en las que la prueba se reduce considerablemente: Cuando el conjunto esta contenido en un conjunto mayor que ya es un espacio vectorial. En este caso, como todas las propiedades de los axiomas hacen
referencia a elementos del conjunto y por tanto a elementos al conjunto mayor que ya es espacio vectorial y
por consiguiente se verifican. Salvo posiblemente los axiomas A1 y M1 que hacen referencia a la cerradura.
Definici
on 15.2
Sea V = (V, +, ) un espacio vectorial. Un subconjuto U de V (U V ) que no es vaco se dice
subespacio vectorial o simplemente subespacio de V si U con las mismas operaciones de suma y
multiplicaci
on por escalares que estan definidas en V , pero restringidas a vectores de U , es un
espacio vectorial.
Apesar que en la defincion de subespacio esta implicita la verificaci
on de los axiomas, el siguiente resultado da
la clave para la verificaci
on de que un conjunto se subespacio.
Teorema
Un subconjunto no vaco U de un espacio vectorial V es subespacio de V si cumple las siguientes
condiciones:
El conjunto U es cerrado bajo la suma;
Cualquiera dos elementos de U sumados dan como resultado un elemento que tambien esta en
U.
El conjunto U es cerrado bajo la multiplicaci
on por escalares;
Cualquier elemento de U multiplicado por cualquier escalar da como resultado un elemento
que tambien esta en U .
Observe que realmente el resultado anterior hace referencia a tres condiciones: La que esta en el enunciado:
que el conjunto no sea vaco, y las dos explcitamente citadas.
12
trans=R,toc=Ejemplo
Ejemplo 15.7
El subconjuto W de P2 formado por solo polinomios de la forma
p(x) = a x + 3 a x2
donde a es un n
umero real, es un subespacio vectorial?
Soluci
on
Requisito 0: Se debe probar que el conjunto posee al menos un elemento: Debemos dar un ejemplo concreto
de un polinomio que corresponde a este formato: Por ejemplo
p(x) = 2 x + 6 x2
el coeficiente de x2 , 6, es justo el doble del coeficiente de x, que es 2. Por tanto, W 6= .
Requisito 1: Debemos probar que si se suman dos elementos cualquiera del conjunto, el resultado tambien
esta en el conjunto. Para abarcar cualquier elemento de W no podemos utilizar un valor numerico de a;
debemos utilizar letras. Sean p(x) = a1 x + 3 a1 x2 y q(x) = a2 x + 3 a2 x2 dos elementos de W , veamos si
p(x) + q(x) W :
p(x) + q(x) = a1 x + 3 a1 x2 + a2 x + 3 a2 x2 = (a1 + a2 ) x + 3 (a1 + a2 ) x2
de donde vemos que el coeficiente de x2 es el de x multiplicado por 3. Por tanto, p(x) + q(x) W . Por tanto,
W es cerrado bajo la suma.
Requisito 2: Debemos probar que si se multiplica un escalar cualquiera por un elemento cualquiera del
conjunto, el resultado tambien esta en el conjunto. Para abarcar cualquier elemento de W no podemos utilizar
un valor numerico de a; debemos utilizar letras. Sea p(x) = a1 x + 3 a1 x2 un elemento cualquiera de W y c
un escalar cualquiera, veamos si c p(x) W :
c p(x) = c (a1 x + 3 a1 x2 ) = (c a1 ) x + 3 (c a1 ) x2
de donde vemos que el coeficiente de x2 es el de x multiplicado por 3. Por tanto, c p(x) W . Por tanto, W
es cerrado bajo el producto por escalares.
Como hemos probado los tres requisitos, W es un subespacio vectorial de P2 .
Ejemplo 15.8
El conjunto W de todas las matrices 2 2 de la forma:
a 0
0 b
donde a y b son n
umeros reales que cumplen a b 0, es un subespacio vectorial de M22 ?
Soluci
on
Requisto 0: Como la matriz
1
0
A=
0 1
tiene el patr
on de las matrices de W para a = 1 y b = 1 y se cumple a b = 1 0, A W . Por tanto,
W 6= .
Requisito 1: Debemos probar que si se suman dos elementos cualquiera del conjunto, el resultado tambien
esta en el conjunto. Para abarcar cualquier elemento de W no podemos utilizar valores numericos; debemos
utilizar letras. Sean
a1 0
a2 0
A=
yB=
0 b1
0 b2
13
1
0
0 5
y Bo =
3 0
0 1
que s estan en W , pero cuya suma no esta en W . A estos ejemplos conctretos que prueban que una cierta
afirmaci
on no se cumpla se le llama contra ejemplo. El anterior contra ejemplo hace que W no sea cerrado
bajo la suma. Fallando un requisito como ahora, W no es un subespacio. Sin embargo, como nos interesa
ver la opci
on que se ajusta a W deberemos revisar el otro requisito.
Requisito 2: Debemos probar que si se multiplica un escalar cualquiera por un elemento cualquiera del
conjunto, el resultado tambien esta en el conjunto. Para abarcar cualquier elemento de W no podemos utilizar
un valor numerico de a; debemos utilizar letras. Sea
a1 0
A=
0 b1
un elemento cualquiera de W (y por tanto a1 b1 0) y c un escalar cualquiera, veamos si c A W :
c a1 0
cA =
0 c b1
Ahora apliquemos la prueba u
ltima para ver si pertenece a W
(c a1 ) (c b1 ) 0?
Como
(c a1 ) (c b1 ) = c2 (a1 b1 )
y c2 0 y a1 b1 0 entonces
(c a1 ) (c b1 ) = c2 (a1 b1 ) 0
14