Está en la página 1de 6

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 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.

4.2 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.

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.

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

Cualquier conjunto que contenga al vector 0 es linealmente dependiente.

Cualquier conjunto que contenga un único vector diferente de cero, v ≠0, es linealmente
independiente.

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.

Cualquier conjunto que contenga un subconjunto linealmente dependiente es linealmente


dependiente.

Cualquier subconjunto de un conjunto linealmente independiente es linealmente independiente.

4.4 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

4.5 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.

4.6 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.