Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ALGEBRA LINEAL
ING. TREJO NAVA PEDRO
UNIDAD 4
ESPACIOS VECTORIALES
EQUIPO:
LIDER DE EQUIPO: JOSE ANGEL LOPEZ PEREZ
pág. 2
INDICE
pág. 3
Introducción
La idea de vector está tomada de la Física, 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.
Se supone conocida la representación gráfica y manejo de los vectores de R2 y de R3 . En
Matemáticas, tratamos de abstraer las propiedades que caracterizan a los vectores para
extenderlas también a otro tipo de objetos diferentes de los vectores de la Física.
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 número (escalar) y obtenemos otro vector.
Además, estas operaciones cumplen ciertas propiedades, que observamos en los vectores de
R2 y de R3
En lo sucesivo, utilizaremos habitualmente la siguiente notación: u, v, w (u otras letras latinas)
para vectores, mientras que las letras griegas designarán escalares.
pág. 4
4.1 DEFINICION DE ESPACIO VECTORIAL.
Los axiomas precedentes se desdoblan de forma natural en dos categorias. Los cuatro
primeros se relacionan unicamente con la escritura aditiva de V y pueden resumirse diciendo
que V es un grupo conmutativo (véase el apendice B) bajo la adición. En concecuencia, toda
suma de vectoresde tal forma.
pág. 5
No requiere paréntesis ni depende del orden de los sumados, el vector cero es único, el
negativo -u de u es único y se cumplen la ley cancelativa:
Cualquier conjunto que posea unas operaciones suma y producto por escalares, cumpliendo
todas las propiedades anteriores, diremos que es un espacio vectorial. Los elementos de tal
conjunto se llamarán vectores (aunque pueda tratarse de objetos diferentes a los vectores de
la Física.)
Rn , n = 1, 2, …..
que ilustran claramente el concepto. No obstante, ya estamos familiarizados con otros
conjuntos que, como veremos, también cumplen las condiciones que caracterizan a los
espacios vectoriales. Comenzamos considerando el plano R2. Un vector no nulo V =¿ puede
ser representado geométricamente en el plano mediante un segmento dirigido que va de ¿.
Esta representación nos ayuda a visualizar cómo funciona la bien conocida operación de
suma o adición:
pág. 6
En general, la suma y la multiplicación por escalares en R n se definen respectivamente
mediante
pág. 7
4.2 DEFINICION DE SUBESPACIO VECTORIAL Y
SUS PROPIEDADES
Dado un espacio vectorial V, podemos considerar una parte S de él que funcione como un
espacio vectorial “más pequeño”, 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. Sólo
necesitaremos que, al efectuarlas, su resultado quede dentro de S.
Se dice que H es un subespacio vectorial de V si H es un subconjunto no vacío de V, y H es
un espacio vectorial, junto con las operaciones de suma entre vectores y multiplicación por un
escalar definidas para V.
Se puede decir que el subespacio H hereda las operaciones del espacio vectorial “padre” V.
Existen múltiples ejemplos de subespacios en este capítulo; sin embargo, en primer lugar, se
demostrara un resultado que hace relativamente sencillo determinar si un subconjunto de V
es en realidad un subespacio de V.
pág. 8
Sea W un subconjunto de un espacio vectorial sobre un cuerpo K .W se llama un subespacio
de V si W es a su vez un espacio vectorial sobre K con respecto a las operaciones de adición
de vectores y multiplicación por escalar en V .Un criterio simple para identificar un subespacio
es el siguiente:
pág. 9
Ejemplo:
Sea H={ ( x , y , z ) : x=at , y =bty z=ct ; a , b , c ,t reales} .Entonces H consiste en los vectores en
R2 que se encuentran sobre una recta que pasa por el origen. Para ver que H es un
subespacio de R3, sea x=( at 1, bt 2 , ct 3 ) E H . Entonces
x + y=( a (t 1+ t 2 ) ,b ( t 1+ t 2 ) , c ( t 1+t 2 ) ) E H
ax= ( a ( at 1 ) , b ( at 2 ) , c ( at 3 ) ) E H
Ejemplo:
Sea H un subespacio de R . Si H ≠ { 0 } , entonces H contiene un número real a diferente de
1
cero. Por el axioma vi¿ , 1=
a()
a E H y B1=B E H para todo número real B . Así, si H no es el
Ejemplo:
Si Pn denota el espacio vectorial de polinomios de grado menor o igual a n, y si 0 ≤ m< n ,
entonces Pm es un subespacio propio de Pn.
Propiedad.
U es un subespacio vectorial de V si y s´olo si ∀u, v ∈ U y ∀λ, µ ∈ K se verifica que λu + µv ∈ U
−→
Todo espacio vectorial V tiene siempre los subespacios vectoriales V y 0 , los cuales se
denominan los subespacios vectoriales triviales de V . Un subespacio de V se dice propio si
no es ninguno de los subespacios trivial.
pág. 10
pág. 11
Propiedad
Para un espacio vectorial V , la intersecci´on de una colecci´on de subespa- cios
vectoriales de V es de nuevo un subespacio vectorial de V .
Ejemplo.
Sean V = Q3, U1 = {(x, y, z) ∈ V | 7x − 4z = 0} y U2 = {(x, y, z) ∈ V | x − y + z = 0}.
Propiedad
X es un subespacio vectorial de V , el cual se denomina el subespacio vectorial generado
por el conjunto X. Adem´as X es la intersecci´on de todos los subespacios de V que
contienen al subconjunto X
pág. 12
4.3 Combinación lineal. Independencia lineal.
Ejemplo:
Expresa el vector:
escalares en este caso, los vamos a notar con y . Escribimos la expresión
matemática:
Empezamos con los primeros números de vectores entre los paréntesis:
Y por último:
Simplificando, tenemos:
Esta última ecuación simplificada, nos ayudara a encontrar los valores de y .
Vamos a restar cada una de las ecuaciones de dos incógnitas de esta ecuación
simplificada:
pág. 1
Teniendo los escalares, reescribimos la combinación lineal:
Ejemplo:
pág. 2
2Como el determinante es igual a cero, concluimos que los vectores son
linealmente dependientes.
Base
Tres vectores con distinta dirección forman una base, porque cualquier
vector del espacio se puede representar como combinación lineal de ellos
Base ortogonal
Una base es ortogonal si los vectores de la base son perpendiculares entre sí.
Base ortonormal
Una base es ortonormal si los vectores de la base son perpendiculares entre sí, y
además tienen módulo 1.
se denomina base canónica.
Ejemplo:
pág. 3
2El determinante se hace cero para , luego los vectores son linealmente
dependientes y no forman una base sí .
pág. 4
4.4 base y dimensión de un espacio vectorial
cambio de base
pág. 5
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.
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.
pág. 6
Teoremas:
Propiedades independientes
Para averiguar si un conjunto de vectores es LI (lineal independiente) o LD
(lineal dependiente) basta aplicar el método de Gauss o del pivote.
pág. 7
pág. 8