Está en la página 1de 7

ESPACIOS VECTORIALES

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.

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.

En lo sucesivo, utilizaremos habitualmente la siguiente notacin: u,v,w (u otras letras latinas)


para vectores, mientras que las letras griegas designarn escalares.

Propiedades de la suma de vectores.

Asociativa: (u+v)+w = u+(v+w)

Conmutativa: v+u=u+v.

Existe un elemento neutro, el vector 0 , tal que + v = v para cualquier vector v. K 0 K

Para cada vector v existe un elemento opuesto, v, que sumado con l da 0 .

Propiedades del producto de un vector por un


escalar.
Asociativa: ( v) = ( ) v

Distributivas: Respecto de la suma de escalares: ( + ) v = v + v Respecto de la suma


de vectores: (u + v) = u + v

Existe un elemento unidad: el escalar 1, tal que 1 v = v para cualquier vector v.

Definicin: espacio vectorial.


Cualquier conjunto que posea unas operaciones suma y producto por escalares, cumpliendo
todas las propiedades anteriores, diremos que es un espacio vectorial.
SUBESPACIOS VECTORIALES
Dado un espacio vectorial V, podemos considerar una parte S de l que funcione como un
espacio vectorial ms pequeo, incluido en V. Como V es un espacio vectorial, posee unas
operaciones (suma, producto por un escalar) que en particular se pueden efectuar en S. Slo
necesitaremos que, al efectuarlas, su resultado quede dentro de S.

Definicin: Subespacio.
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. 0 (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:
1) En 2 , la recta bisectriz del primer cuadrante puede describirse en implcitas como { y=x }, y
en paramtricas como { (,) : } .

2) En 3 , dado el subespacio en paramtricas { (, , ) : , }, su forma implcita es la


ecuacin { z=xy } . .

3) En 3 , dado el subespacio en paramtricas { (, , 3) : }, para describirlo en forma


implcita necesitamos dos ecuaciones: y = x z = 3x.
OPERACIONES CON SUBESPACIOS
A partir de dos subespacios podemos construir otro efectuando las operaciones de suma o
interseccin de subespacios.

1. Interseccin de subespacios. La interseccin, indicada por el smbolo ,


puede aplicarse a conjuntos cualesquiera, no slo a espacios vectoriales. Consiste en
encontrar los elementos comunes a dos conjuntos. ST T S Por ejemplo, la
interseccin de dos planos en 3 podr ser una recta. Notar que dados dos
subespacios cualesquiera, siempre hay vectores comunes a ambos (al menos el K 0 ,
que est en todos los subespacios.
2. Clculo de la interseccin.
La forma ms sencilla (aunque no la nica) de calcular ST es utilizar la expresin
implcita de S y de T. Como buscamos los vectores que verifiquen a la vez ambas
condiciones, podremos describir ST considerando conjuntamente las ecuaciones
implcitas de S y las de T (formando un sistema con todas ellas). Este sistema, si es
sencillo, puede considerarse ya como la forma implcita de ST. En todo caso,
resolviendo este sistema obtenemos la forma paramtrica de ST.

Ejemplos.
1) Sean en los subespacios S=plano XY, T=plano XZ. 3 Sus ecuaciones implcitas son:
S { z=0 }, T { y=0 } Uniendo ambas tenemos que es la expresin implcita de ST.
z=0 y=0 Se trata por tanto del eje X , { (,0,0) } en paramtricas.

2) Sean en los subespacios dados por las ecuaciones implcitas 4 U W x+z=0


y+t=0 2x+3z=0 x+y=0 Uniendo todas las ecuaciones resulta x+z = 0 y + t = 0 2x
+ 3z = 0 x +y = 0 sistema cuya solucin es (0,0,0,0) por tanto UW = { (0,0,0,0) }.
Suma de subespacios
Dados dos subespacios S, T se define el subespacio suma como: S+T = { u + v : u S , v
T } es decir, aquellos vectores que podamos construir sumando un vector de S y uno
de T.

Teorema
La suma de subespacios es un subespacio.

Clculo del subespacio suma


Al contrario que la interseccin, la suma S+T se calcula ms fcilmente usando la
forma paramtrica de S y de T. Esto nos permite tomar un vector genrico de cada uno
de los subespacios y sumarlos, obtenindose una expresin paramtrica de S+T. No
obstante la forma paramtrica as obtenida puede tener parmetros no
independientes. Ms adelante, en el punto Sistemas generadores se dar otro
mtodo para calcular el subespacio suma.

Ejemplo
Consideremos los subespacios en dados en paramtricas por:
H={ (, +, ) : , }
K={ (0,0, ) : }
Entonces los elementos de H+K se formarn sumando
(, +, ) + (0,0, ) = (, +, +) es decir, H + K = { (, +, +) : , , }

Observacin
La interseccin ST es un subespacio ms pequeo que S y que T (est contenido en
S y tambin en T). Por el contrario la suma S+T es un subespacio ms grande que S y
que T, pues contiene a ambos. De hecho ST es el mayor subespacio contenido en
ambos, y S+T es el menor subespacio que contiene a ambos.
DEPENDENCIA E INDEPENDENCIA LINEAL

Definicin: 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 de el 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.

Definicin: Dependencia lineal


Se dice que un conjunto de vectores es linealmente dependiente (o ligado) si:
(a) Al menos uno de ellos es combinacin lineal de los dems. Esto se puede expresar
tambin as:
(b) 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) .
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
= 1 2 w 1 2 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).
Observacin
Si un conjunto es linealmente dependiente, entonces por (a) sabremos que existe
algn vector entre ellos que es combinacin lineal de los dems. Pero esto no quiere
decir que cualquier vector de ellos sea combinacin lineal de los dems.
Por ejemplo, el siguiente conjunto en podemos comprobar que es ligado:
u=(1,0,0), v=(0,1,0), w=(1,1,0), k=(0,0,1),
ya que, por (a), tenemos que w = u + v (es decir, w=1u + 1v + 0k ), hay un vector que es
combinacin lineal de los dems. Pero no cualquier vector lo es, puesto que k no es
combinacin lineal de los dems. Esto se puede ver poniendo (0,0,1) = (1,0,0) +
(0,1,0) + (1,1,0) y viendo que se obtiene un sistema incompatible.

Definicin: 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:
(a) Ninguno de ellos es combinacin lineal de los dems. O equivalentemente:
(b) El vector 0 no es combinacin lineal de ellos, a no ser que la combinacin tenga
coeficientes todos nulos. G Expresando (b) de otra manera,
(b) La nica forma de poner como combinacin lineal de los vectores, es con todos los
coeficientes nulos.

Tema 2: Base y Dimension de un espacio (subespacio)


vectorial
Base y dimension de un espacio (subespacio) vectorial.
Se dice que un conjunto de vectores D = {u1, u2, ..., un} forman una base del
espacio vectorial V si los vectores de {D} pueden generar todo el espacio vectorial V y
si dichos vectores son linealmente independientes. La dimension del espacio vectorial
V es igual al numero de vectores que constituyen su base.
De la misma manera, se dice que un conjunto de vectores E = {v1, v2,..., vn} forman
una base del subespacio vectorial S si los vectores de {E} pueden generar todo el
subespacio vectorial S y si dichos vectores son linealmente independientes. La
dimension del subespacio vectorial S es igual al numero de vectores que constituyen
su base, y se denomina cardinal de V (cardV ), al numero de vectores de la base.

Nota
Un conjunto D = {u1, u2, ..., un} es una base de V si todo vector de V puede
escribirse de forma unica como combinacion lineal de los vectores de D.
Se dice que un espacio vectorial V es de dimension finita n o n-dimensional si dim V = n
N 1.1. Propiedades 1. Sea V un espacio vectorial de dimension finita. Entonces todas
las bases de V tienen el mismo numero de elementos. El espacio vectorial {0} tiene
dimension 0 por definicion. Cuando un espacio vectorial no es de dimension finita, se
dice que es de dimension infinita. 2. Sea V un espacio vectorial de dimension finita n,
cualquier conjunto de n+1 o mas vectores son linealmente dependientes. 1
Corolario a la propiedad:
(i) Todo conjunto de vectores linealmente independiente de n elementos es
base de V.

(ii) Todo conjunto de vectores de n elementos que sea sistema generador es base de V.
(iii) Sea V un espacio vectorial de dimension finita n, entonces cualquier conjunto que
resulte de eliminar un vector de una base de V es linealmente independiente.
(iv) Supongamos que D genera un espacio vectorial V , entonces, cualquier numero
maximo de vectores linealmente independientes en D es una base de V.
1.2. Teoremas de la dimension
1.2.1. Primer teorema de la dimension
Sea S un subespacio vectorial del espacio vectorial V n-dimensional. Entonces dim S n.
Si, en particular, dim S = n necesariamente S = V .
La dimension de cualquier subespacio S de V es menor o igual que la dimension del
espacio
dim S dim V.
1.2.2. Segundo teorema de la dimensin
Sean S y T dos subespacios vectoriales de dimension finita de una espacio vectorial V
sobre un cuerpo k. En este caso S + T tiene dimension finita y se cumple
dim (S + T) = dim S + dim T dim (S T).
Nota Observese que si S y T son suplementarios entonces S T = 0 y resulta dim (S + T)
= dim S + dim T.