Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Conf. 1 Espacios Vectoriales
Conf. 1 Espacios Vectoriales
1
Título: Espacios vectoriales.
Sumario:
• Cuerpo.
• Espacio vectorial sobre un cuerpo 𝐾.
• Combinación lineal de los vectores de un subconjunto finito.
• Subespacios vectoriales. Inclusión, unión e intersección de subespacios vectoriales.
• Producto escalar o interno. Vectores ortogonales. Conjuntos ortogonales. Complemento
ortogonal de un conjunto.
• Norma de un vector. Vector unitario. Norma inducida por un producto escalar. Conjuntos
ortonormales.
• Distancia entre dos puntos. Espacios vectoriales métricos. Distancia euclidiana en ℝ𝑛 .
Bibliografía: Álgebra Lineal y Geometría Analítica para Ingeniería (Colectivo de autores del
CEMAT) Versión digital, Capítulo IV.
Objetivos:
1. Introducir el concepto de “cuerpo” para el abordaje de la teoría de Espacios Vectoriales.
2. Definir y caracterizar el concepto de espacio vectorial sobre un cuerpo conmutativo 𝐾
(ℝ 𝑜 ℂ).
3. Caracterizar los subconjuntos más destacados de un espacio vectorial: conjuntos finitos
de vectores y subespacios vectoriales.
4. Destacar a la combinación lineal de vectores de un espacio vectorial como la combinación de
operaciones que permite caracterizar relaciones y conceptos más complejos entre vectores
del espacio vectorial (pertenecer a un subespacio vectorial, coordenadas de un vector en una
base, conjuntos LI o LD, etc.).
5. Definir las operaciones de producto escalar, norma y distancia en un espacio vectorial,
particularizándola al caso del producto escalar euclidiano, la norma euclidiana y la distancia
euclidiana en ℝ𝑛 .
6. Generalizar los conceptos de vectores ortogonales, conjuntos ortogonales, vectores
unitarios y conjuntos ortonormales estudiados en el plano y el espacio al final de la
Matemática I a cualquier espacio ℝ𝑛 .
7. Definir el concepto de complemento ortogonal de un conjunto de vectores en un espacio
euclídeo.
Introducción:
Recordar los principales conceptos asociados a vectores del plano y del espacio que fueron
estudiados al final de la asignatura Matemática I.
Desarrollo:
Cuerpo
Definición (cuerpo conmutativo)
Sea 𝐾 un conjunto cualquiera (𝐾 ≠ ∅) sobre el que se definen las operaciones + y ∙ con sus
elementos, a las que se les denomina “adición” y “multiplicación” respectivamente. Si se
cumplen en 𝐾 las siguientes propiedades:
Propiedades de “+” en 𝑲
“+” es asociativa y conmutativa. Además, posee elemento neutro (elemento 0) dentro del
propio conjunto 𝐾 y todo elemento posee un opuesto en 𝐾.
Propiedades de " ∙ " en 𝑲
" ∙ " es asociativa y conmutativa. Además, posee elemento neutro (elemento unidad) dentro del
propio conjunto 𝐾 y todo elemento posee un inverso (recíproco) en 𝐾 ∗ .
Propiedades de interacción de “+” y " ∙ " en 𝑲
" ∙ " es distributiva en 𝐾 con respecto a “+”.
Entonces se dice que 𝐾 con las operaciones “+” y “∙ " es un cuerpo conmutativo o que las
operaciones de adición y multiplicación definidas en 𝐾 establecen en 𝐾 una estructura de
cuerpo.
Destacar que los dominios numéricos ℚ, ℝ 𝑦 ℂ son cuerpos, aunque no son los únicos.
Resulta de mucha utilidad englobar en una sola definición todos los conjuntos como los
mostrados anteriormente que, con determinadas operaciones, cumplan ciertas propiedades.
Los vectores del espacio vectorial real ℝ𝑛 se representarán como una sucesión de 𝑛
componentes ordenadas de números reales. A saber: 𝑥 ∈ ℝ𝑛 si y sólo si 𝑥 = (𝑥1 , 𝑥2 , ⋯ , 𝑥𝑛 ),
siendo de mucho interés, los espacios vectoriales ℝ2 y ℝ3 , que podrían identificarse como los
espacios de las coordenadas de los puntos del plano y del espacio tridimensional
respectivamente.
Si 𝑥, 𝑦 ∈ ℝ𝑛 y 𝛼 ∈ ℝ, entonces las operaciones usuales en un espacio ℝ𝑛 son las siguientes:
𝑥 + 𝑦 = (𝑥1 , 𝑥2 , ⋯ , 𝑥𝑛 ) + (𝑦1 , 𝑦2 , ⋯ , 𝑦𝑛 )
𝛼𝑥 = 𝛼(𝑥1 , 𝑥2 , ⋯ , 𝑥𝑛 ) = (𝛼𝑥1 , 𝛼𝑥2 , ⋯ , 𝛼𝑥𝑛 )
Ejemplo 1: Exprese al vector (15, −3, −9,11) como combinación lineal de los vectores del
sistema 𝐴 = {(3,0,0,2), (2,1,3,1)} ⊂ ℝ4.
Solución: (15, −3, −9,11) = 7(3,0,0,2) − 3(2,1,3,1)
Ejemplo 2: Todo vector de ℝ𝑛 se puede expresar como combinación lineal de los vectores
canónicos:
(6, −2, 5) = 6(1,0,0) − 2(0,1,0) + 5(0,0,1)
SUBESPACIOS VECTORIALES
Definición: Sea 𝐸 un 𝐾-espacio vectorial y sea 𝑆 un subconjunto no vacío de 𝐸. Si 𝑆 es también un
𝐾-espacio vectorial con las mismas operaciones definidas en 𝐸, se dice que 𝑆 es un subespacio
vectorial de 𝐸.
En otras palabras, todo subconjunto no vacío de un espacio vectorial 𝐸 que posea él mismo la
estructura de espacio vectorial, con las mismas operaciones, y sobre el mismo cuerpo 𝐾 que 𝐸,
es un subespacio vectorial de 𝐸.
Obsérvese además, que no tiene ningún sentido decir que cierto conjunto “𝑆 es un subespacio
vectorial” sin hacer alusión al espacio vectorial que lo incluye.
A partir de la definición, el procedimiento a seguir para probar que un conjunto 𝑆 dado es un
subespacio vectorial de un 𝐾-espacio vectorial 𝐸 conocido, es el siguiente:
1. Determinar que 𝑆 es un subconjunto de 𝐸.
2. Probar que 𝑆 ≠ ∅.
3. Demostrar que 𝑆 es también un 𝐾-espacio vectorial con las mismas operaciones definidas
en 𝐸.
Algunos ejemplos de subespacios vectoriales y los correspondientes espacios vectoriales universos
que los contienen son los siguientes:
Espacio
Subespacio vectorial Observación
vectorial
El subespacio nulo, formado sólo por el vector nulo
{O} ⊂ 𝐸 𝐸 de 𝐸, es el menor subespacio de 𝐸 en el sentido de
la inclusión de conjuntos.
Cada una de las rectas del plano que pasan por el
origen de coordenadas, geométricamente representa
𝑆 = {(𝑥, 𝑦) ∈ ℝ2 |𝑦 = 𝑚𝑥} ℝ2 un subespacio de ℝ2 , aquel para el cual las
componentes de sus vectores satisfacen la ecuación
de la recta correspondiente.
Cada una de los planos del espacio geométrico
tridimensional que pasan por el origen de
coordenadas, representa geométricamente un
𝑃 = {(𝑥, 𝑦, 𝑧) ∈ ℝ3 |𝐴𝑥 + 𝐵𝑦 + 𝐶𝑧 = 0} ℝ3
subespacio de ℝ3 , aquel para el cual las
componentes de sus vectores satisfacen la ecuación
general del plano.
En cada espacio de matrices cuadradas de orden
𝐷: El espacio de las matrices n, existe un subespacio vectorial de las matrices
𝑀2 (ℝ)
diagonales reales de orden 2 diagonales. También existen en los espacios de
matrices complejas.
𝐼 representa al conjunto de todos los números
𝐼 = {𝑎 + 𝑏𝑖 ∈ ℂ|𝑎 = 0} ℂℝ complejos con parte real igual a 0, los llamados
números imaginarios puros.
Todo SEL homogéneo es compatible, por tanto
siempre tiene solución. Su conjunto solución puede
estar integrado por una sola solución, la trivial, que
𝑆: El conjunto solución de un SEL
ℝ𝑛 sería el vector nulo del espacio ℝ𝑛 , el cual es un
homogéneo de 𝑛 variables
subespacio vectorial; o puede estar integrado por
infinitas soluciones si el SEL es indeterminado. En ese
caso también es un subespacio vectorial de ℝ𝑛 .
Teorema: (Caracterización de subespacio vectorial)
Sea 𝐸 un 𝐾-espacio vectorial y sea un subconjunto no vacío de 𝐸. 𝑆 es un subespacio vectorial de
𝐸 si y sólo si se cumple que:
• Para todo 𝑥, 𝑦 ∈ 𝑆, 𝑥 + 𝑦 ∈ 𝑆
• Para todo 𝑥 ∈ 𝑆 y para todo 𝛼 ∈ 𝐾, 𝛼𝑥 ∈ 𝑆
Observaciones:
A los espacios vectoriales en los que se ha definido un producto escalar, se les denomina
espacios vectoriales euclídeos. También es usual utilizar la denominación genérica espacios
vectoriales con producto interno o espacios vectoriales con producto escalar.
En el caso de los espacios ℝ𝑛 el producto escalar usual es una generalización del que se conoce
del trabajo con las componentes de los vectores geométricos, el cual se denomina producto
escalar euclidiano:
Para cualesquiera vectores 𝑎 𝑦 𝑏 ∈ ℝ𝑛
𝑛
𝑎 ∙ 𝑏 = (𝑎1 , … , 𝑎𝑛 ) ∙ (𝑏1 , … , 𝑏𝑛 ) = 𝑎1 𝑏1 + 𝑎2 𝑏2 + … + 𝑎𝑛 𝑏𝑛 = ∑ 𝑎𝑖 𝑏𝑖
𝑖=1
El propio espacio vectorial ℝ𝑛 se tomará como un espacio euclídeo con el producto escalar
usual.
En los espacios euclídeos tiene sentido incorporar el concepto de ortogonalidad de vectores, que
ya en general no tiene el sentido geométrico de perpendicularidad, aunque en los espacios
geométricos, ambos conceptos coinciden.
Definición (vectores ortogonales):
Dos vectores 𝑎 𝑦 𝑏 ∈ ℝ𝑛 , se dicen ortogonales, si y sólo si el producto escalar 𝑎 ∙ 𝑏 = 0.
Definición (conjunto ortogonal):
Un sistema de vectores 𝐴 = {𝑎1 , … , 𝑎𝑛 } ⊂ ℝ𝑛 se dice que es un sistema ortogonal, si y sólo si
los vectores de 𝐴 son ortogonales dos a dos.
Norma de un vector. Norma inducida por un producto escalar. Vector unitario. Sistemas
ortonormales
Ya en el tema de Geometría Analítica se introdujo el concepto de norma (módulo) de un vector
geométrico y este se vio asociado al producto escalar de los espacios ℝ2 y ℝ3 , según si el vector
era bidimensional o tridimensional.
Recordando:
𝑉2 : espacio de los vectores geométricos ‖𝑎⃗‖ = √𝑎12 + 𝑎22 = ‖〈𝑎1 , 𝑎2 〉‖
bidimensionales
𝑉3 : espacio de los vectores geométricos
‖𝑎⃗‖ = √𝑎12 + 𝑎22 + 𝑎32 = ‖〈𝑎1 , 𝑎2 , 𝑎3 〉‖
tridimensionales
Ahora se está en condiciones de definir una norma vectorial en un 𝐾-espacio vectorial real.
Se va a preferir la doble barra, para diferenciar esta norma del módulo de un número.
Ejemplo 7:
Hallar la norma del vector 𝑥 = (5,4, −2,0, 6) inducida por el producto escalar usual en ℝ5 .
Solución:
‖𝑥‖ = √(5,4, −2,0, 6) ∙ (5,4, −2,0, 6) = √52 + 42 + (−2)2 + 02 + 62 = √81 = 9
Al igual que antes, se definirá como vector unitario a aquel que tenga norma igual a 1 y se podrá
normalizar un vector, o sea obtener un vector unitario a partir de un vector no nulo cualquiera,
multiplicando dicho vector por el recíproco de su norma.
Se llamarán espacios normados a aquellos espacios vectoriales donde haya definida una norma,
sea esta inducida o no por un producto escalar.
1 √6
( , 0, − ) ∙ (0,1,0) = 0
√3 3
1 √6 √6 1 √6 √6
( , 0, − ) ∙ ( , 0, ) = +0− = 0 son ortogonales entre sí, dos a dos
√3 3 3 3 3√3 3√3
√6 1
( , 0, ) ∙ (0,1,0) = 0
3 3 }
Conclusiones
Realizar unas breves conclusiones de los aspectos más importantes de la conferencia,
puntualizando dichas informaciones en los espacios ℝ𝑛 .