1.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.

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 a es un escalar, entonces ax pertenece a V.

7- Si X y Y están en V y a es un ecalar, entonces a(x+y)= ax + ay

8- Si X pertenece a V y a y b son escalares, entonces (a+b) x = ax+ by.

9- Si X pertenece a V y a y b son escalares, entonces a(bx) = (ab)x.

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

 2. 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.

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 tiene 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.

4. 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
 5.Espacio vectoria con producto interno y sus propiedades

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›.
 6.Base ortonormal

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.

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.