Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Espacios Vectoriales Reales 1
Espacios Vectoriales Reales 1
Leonor Carvajal
1
2
Leonor Carvajal
Sea V un conjunto no vacío de elementos que se denominan vectores y en el cual están definidas dos operaciones:
• Una ley de composición interna denominada suma de vectores, que se simboliza con el signo +.
• Una ley de composición externa denominada producto de un escalar (número real) por un vector, que se
simboliza con el signo .
La cuaterna (V; + ; R ; . ) es un espacio vectorial real si y sólo si se cumplen los siguientes axiomas:
2) + Es conmutativa. ∀x ∈ V ; ∀y ∈ V : x + y = y + x
3) + Es asociativa. ∀x ∈ V ; ∀y ∈ V ; ∀z ∈ V : ( x + y ) + z = x + ( y + z )
9) Asociatividad mixta. λ ∈ R; μ ∈ R; ∀x ∈ V : ( λ μ ) x = λ ( μ x) = μ (λ x )
2
3
Leonor Carvajal
3) Si el producto de un escalar por un vector es el vector nulo, entonces, el escalar es cero o el vector es el vector
nulo.
En símbolos: λx = O ⇒ λ = 0 ∨ x = O ( Trate de demostrarlo )
SUBESPACIOS
Definición: S ≠ ∅ es un subespacio de ( V; +; R; . ) si y sólo si ( S; +; R; . ) es un espacio vectorial y S ⊂ V.
Cualquiera que sea ( V; +; R; . ), tanto V como {O} son subespacios de V, llamados subespacios triviales.
B = {( x, y ) ∈ R 2 / y = 3 x + 2} .
A es un subespacio de R2 pues puede demostrarse que verifica todos los axiomas correspondientes.
B no es subespacio de R2 pues no cumple con el axioma 4 ya que el vector nulo (0;0) no pertenece a B.
3
4
Leonor Carvajal
CONDICIÓN SUFICIENTE
Puede demostrarse que para determinar si ( S; +; R; . ) es un subespacio de ( V; +; R; . ), es suficiente probar:
1) S ≠ ∅ .
2) S ⊂ V
3) “+” es Ley de Composición Interna en S, o sea: x ∈ S ∧ y ∈ S ⇒ ( x + y ) ∈ S .
4) “.” Es ley de Composición Externa, o sea: λ ∈ R ∧ x ∈ S ⇒ (λ x) ∈ S
En efecto:
1) S ≠ ∅ pues, por ejemplo, (0, 0, 0) ∈ S .
2) S ⊂ R 3 , por definición de S.
( x, y , z ) ∈ S ⎫⎪ z = x + y ⎫
3) “+” es Ley de Comp. Interna en S, pues: ⎬⇒ ⎬ ⇒ z + z ' = x + x '+ y + y '
( x' , y ' , z ' ) ∈ S ⎪⎭ z ' = x '+ y '⎭
O sea, ( x + x ', y + y ', z + z ' ) ∈ S ⇒ ⎡⎣( x, y , z ) + ( x '+ y '+ z ' ) ⎤⎦ ∈ S .
4) λ ∈ R ∧ ( x, y, z ) ∈ S ⇒ λ ∈ R ∧ z = x + y ⇒ λ z = λ x + λ y ⇒ ( λ x, λ y, λ z ) ∈ S ⇒ ⎡⎣λ ( x, y , z ) ⎤⎦ ∈ S
Nota: Geométricamente, el conjunto S corresponde al plano de ecuación general x + y – z = 0, que pasa por el
origen de coordenadas.
Luego: S = { X / X ∈ S1 ∧ X ∈ S2 ∧ ... ∧ X ∈ Sn } .
Ejemplo:
Dos rectas del plano, que pasan por el origen de coordenadas, corresponden a dos subespacios de (R2; +; R; . ).
La intersección de las rectas es (0, 0), que es un subespacio de R2 que, sabemos, se denomina subespacio trivial.
4
5
Leonor Carvajal
2) Unión de subespacios
Si S1 y S2 son dos subespacios de ( V; +; R; . ), entonces S1 ∪ S 2 , no es generalmente, un subespacio de V,
x2 ∈ S2 ⇒ x2 ∈ S1 ∪ S 2
x1
x
3) Suma de subespacios
La suma de dos subespacios de V, es un subespacio de V.
El subespacio suma S = S1 + S2 está formado por las termas ( a, b, c ) + ( a ', b ', c ') = ( a + a ', b + b ', c + c ')
Es decir: ( a, b, c ) + ( a ', b ', c ') = ( a, b, c ') que son ternas de números reales.
Por lo tanto es S = R 3 .
Caso particular: Es importante el caso en el que los dos subespacios son disyuntos, es decir, S1 ∩ S2 = {O} .
0
S S2
S1
5
6
Leonor Carvajal
COMBINACIÓN LINEAL
Concepto: Sea A = {v1 , v2 ,..., vn } una familia o conjunto de vectores de un espacio vectorial ( V; +; R; . ).
Entendemos por combinación lineal de la familia A, toda suma de productos de escalares arbitrarios, por los
vectores de A.
Definición: Combinación lineal de la familia A ⊂ V , a todo vector de la forma:
n
∑α v
i =1
i i = α1v1 + α 2 v2 + ...α n vn con α i ∈ R; vi ∈ A
En particular, si todos los coeficientes son nulos, la combinación lineal se denomina trivial y se obtiene el vector
nulo.
Resulta α1 =
1
; α2 = −
1
y α3 = 1. 1 1
2 2
Luego: v= v1 − v2 + v3
2 2
Luego, para investigar la independencia lineal de un conjunto de vectores, se propone una combinación lineal de
estos (con escalares a determinar) que sea igual al vector nulo.
Si todos los coeficientes son necesariamente nulos, entonces el conjunto es linealmente independiente( L.I).
6
7
Leonor Carvajal
Ejemplo: Dado el espacio vectorial (R3; + ; R ; . ) , determinar si A = {(1; 2;3) , ( −1;0;1) , ( 0; 2; 2 )} es L.I.
⎧⎛ 3⎞ ⎫
Ejemplo: Dado el espacio vectorial (R2; + ; R ; . ) , determinar si A = ⎨⎜ 2; − ⎟ , ( −8;3) ⎬ es L.D.
⎩⎝ 4⎠ ⎭
( 0;0 ) = α ⎛⎜ 2; −
3⎞
Se plantea: ⎟ + β ( −8;3)
⎝ 4⎠
⎧ 2α − 8β = 0
⎪
Luego: ⎨ 3
⎪⎩− 4 α + 3β = 0
Propiedades
1) Todo vector no nulo de un espacio vectorial constituye un conjunto L.I.
En efecto, sea ( V; +; R; . ) un espacio vectorial y v ≠ O .
Planteamos: α v= O
Por prop.2 de pág. 2, cualquier escalar α satisface esta igualdad. En consecuencia, {O} es L.D.
7
8
Leonor Carvajal
Se plantea: O = 0v1 + 0v2 + ...μ O + ... + 0vn con μ no necesariamente nulo. Luego, A es L.D.
4) Un conjunto finito y no vacío de vectores es linealmente dependiente si y sólo si algún vector es combinación
lineal de los demás.
SISTEMA DE GENERADORES
La familia A = {v1 , v2 ,..., vn } es un sistema de generadores (S.G.) de V si y sólo si todo vector de V puede
2) A = {( 2;1)} no es un sistema de generadores de R2 pues, por ejemplo, (-3;5) ∈ R 2 y no puede expresarse como
8
9
Leonor Carvajal
Propiedad: todas las bases de un espacio vectorial tiene el mismo número de elementos.
Coordenadas de un vector
Si B = {v1 , v2 ,..., vn } es una base de un espacio vectorial ( V; +; R; . ), cada vector de V puede expresarse de modo
1) B = {( −1;1) , ( 2;0 )}
⎛2⎞
⎧−α1 + 2α 2 = 3 ⎡⎛ 3 ⎞ ⎤
En el primer caso: (3; 2) = α1 ( −1;1) + α 2 ( 2;0 ) ⇒⎨ ⇒ ⎢⎜ ⎟ ⎥ = ⎜ 5 ⎟ .
α
⎩ 1 = 2 ⎣⎝ 2 ⎠ ⎦ B ⎜ ⎟
⎝2⎠
⎧β = 3 ⎡⎛ 3 ⎞ ⎤ ⎛ 3⎞
En el segundo caso: ( 3; 2 ) = β1 (1;0 ) + β 2 ( 0;1) ⇒ ⎨ 1 ⇒ ⎢⎜ ⎟ ⎥ = ⎜ ⎟ .
⎩ β 2 = 2 ⎣⎝ 2 ⎠ ⎦ B ' ⎝ 2 ⎠
9
10
Leonor Carvajal
Consecuencias:
1) n vectores linealmente independientes de ( V ; +; R : . ) n-dimensional, constituyen una base del mismo.
2) Todo sistema de generadores de n vectores de ( V ; +; R : . ) n-dimensional, es una base del mismo.
3) todo conjunto de más de n vectores de un espacio ( V ; +; R : . ) n-dimensional es linealmente dependiente.
S1 y S2 son, geométricamente, dos planos y por lo tanto la dimensión de cada subespacio es dos.
S1 ∩ S 2 es una recta y por lo tanto su dimensión es uno.
O sea, S1 ∩ S 2 = {( x; y; z ) ∈ R 3 / x = z ∧ y = 0} .
10
11
Leonor Carvajal
Sea ( V ; +; R : . ) un espacio vectorial. El símbolo < u ; v > se lee: producto interior entre los vectores u y v.
Definición. Producto interior en ( V ; +; R : . ) es toda función de la forma < > : V x V → R que cumple:
1) < u ; v > = < v; u > Simetría.
2) < u + v; w > = < u ;w > + < v ; w > Aditividad.
3) < k u ; v > = k < u ; v > Homogeneidad.
4) < v ; v > ≥ 0 y ( < v ; v > = 0 ⇔ v = O ).
Definición: módulo o norma de un vector en un espacio vectorial con producto interno, es la raíz cuadrada del
producto interior de dicho vector por sí mismo. u = < u; u >
Ejemplo. En R2, si u = (-4;3) y tomamos como producto interior al producto escalar, resulta:
u = −4.(−4) + 3.3
u =5
Definición: en el espacio vectorial ( V ; +; R : . ) con producto interno, dos vectores son ortogonales si y sólo si su
producto interno es nulo.
u ⊥ v se lee: u es ortogonal a v .
Luego: u ⊥ v ⇔ < u; v > = 0
Ejemplo. En R2 con el producto interno usual, los vectores u = ( 6; 4) y v = (-2;3) son ortogonales pues
< u ; v > = 6 . (-2) + 4 . 3 = 0
Definición: Un conjunto {v1 ; v2 ;...; vq } en un espacio vectorial con producto interno, es ortogonal, si y sólo si dos
vectores cualesquiera y distintos, son ortogonales.
{v1; v2 ;...; vq } es ortogonal ⇔ i ≠ j ⇒ < vi ; v j > = 0
11
12
Leonor Carvajal
Propiedad: todo conjunto ortogonal de vectores, al que no pertenece el vector nulo, es linealmente independiente.
Base ortonormal: decimos que B = {v1 ; v2 ;...; vn } ⊂ V es una base ortonormal de V si y sólo si B es un conjunto
Luego: S ⊥ = {v ∈ V / v ⊥ s, ∀s ∈ S }
Ejemplo. En R3, con el producto interno usual, si S = {( s1 ;0;0 ) con s1 ∈ R} (es el eje de abscisas), su
S ⊥ = {( a; b; c ) ∈ R 3 / a. x1 + 0. b + 0.c = 0}
S⊥ y S ⊥ = {( a; b; c ) ∈ R 3 / a = 0}
Propiedades
1) S ⊥ es un subespacio de V.
2) S ∩ S ⊥ = {O}
12
13
Leonor Carvajal
Ejercicio.
1) Dado el subespacio S = {( x1 ; x2 ; x3 ) ∈ R 3 / 2 x1 − 3 x2 − x3 = 0} de R3 , con el producto interno usual, halle una
2 x1- 3 x2 = 0
S ⊥ = {( a; b; c ) ∈ R 3 / a.x1 + b.x2 + c.(2 x1 − 3 x2 ) = 0}
⎧a + 2c = 0 a b c →
Luego: ⎨ ⇒ = = que corresponde a una recta con vector asociado a = ( 2; -3; -1).
⎩b − 3c = 0 −2 3 1
13
14
14