ESPACIOS VECTORIALES

DEFINICIN Y PROPIEDADES BSICAS

Espacio vectorial real
Un espacio vectorial real V es un conjunto de objetos, llamados vectores, junto
con dos operaciones llamadas suma y multiplicacin por un escalar que
satisfacen los diez axiomas enumerados a continuacin.
Notacin. Si x y y estn en V y si a es un nmero real, entonces la suma se
escribe como x + y y el producto escalar de a y x como a x.
AXIOMAS DE UN ESPACIO VECTORIAL
Si x E V y y E V, entonces x+y V (cerradura bajo la suma)
Para todo x,y y z en V, (x+y) + z = x + (y +z) (ley asociativa de la suma de
vectores)
Existe un vector 0
V tal que para todo x
V, x+0 = 0+x=x
(el 0 se llama vector cero o idntico aditivo)
Si x E V, existe un vector -x en V tal que x + (-x) = 0 (-x se llama inverso
aditivo de x)
Si x y y estn en V, entonces x+y= y+x (ley conmutativa de la suma de
vectores)
Si x E V y a es un escalar, entonces a.x
- V ( cerradura bajo la multiplicacin por un escalar)
Si x y y estn en V y
es un escalar, entonces
(x +y) =
x+
y (primera ley distributiva)

 Si x
Vy
y
son escalares, entonces (
+
)x =
x+x (Segunda ley distributiva)
Si x V y y son escalares, entonces (x) = ()x (ley asociativa de la
multiplicacin por escalares)
Para cada vector x V, 1x= x
EJEMPLO 1
El espacio Rn Sea V = Rn = : xj E R para i = 1,2,...,n.
Cada vector en Rn es una matriz de n * 1. segn la definicin de suma de
matrices, x + y es una matriz de n * 1 si x y y son matrices de n*1. Haciendo
0= y -x= , se ve que los axiomas ii) ax ) se obtienen de la
definicin de matrices.
SUBESPACIOS
DEFINICIN
Sea H un subconjunto no vaco de un espacio vectorial V y suponga que H es en
s un espacio vectorial bajo las operaciones de suma y multiplicacin por un
escalar definidas en V. Entonces se dice que H es un subespacio de V.
Se puede decir que el subespacio H hereda las operaciones del espacio vectorial
padre V.
TEOREMA 1
Un subconjunto no vacio H es un espacio vectorial V es un subespacio de V si se
cumplen las dos reglas de cerradura. Este teorema demuestra que para probar si
H es o no un subespacio de V, es suficiente verificar que
x + y y ax estn en H cuando x y y estn en H y a es un escalar.

Lo anterior dice que:

Todo subespacio de un espacio vectorial V contiene al 0.
EJEMPLO
El subespacio trivial Para cualquier espacio vectorial V, el subconjunto 0 que
consiste en el vector cero nada ms es un subespacio ya que 0+0= 0 y a0 = 0 para
todo nmero real a.
TEOREMA 2
Sean H1 y H2 dos subespacios de un espacio vectorial V. Entonces
H1 H2 es un subespacio de V.
5.3 INDEPENDENCIA LINEAL
En el estudio de lgebra lineal, una de las ideas centrales es la dependencia o
independencia lineal de los vectores.
DEFINICIN
Dependencia e independencia lineal sean v1, v2, ..., vn, n vectores en un espacio
vectorial V. Entonces se dice que los vectores son lineamientos dependientes si
existen n escalares no todos cero tales que
C1 v1 + c2 v2 + ... cnvn = 0
Si los vectores no son lineamientos dependientes, se dice que son lineamientos
independientes.
TEOREMA 1
Dos vectores en un espacio vectorial son linealmente dependientes si y slo si
uno es un mltiplo escalar del otro.
TEOREMA 2
Un conjunto de n vectores en Rm siempre es linealmente dependiente si n>m.
TEOREMA 3

A=
Entonces las columnas de A, consideradas como vectores, son linealmente
dependientes si y solo si el sistema , que se puede escribir como Ac = 0, tiene
soluciones no triviales.
TEOREMA 4
Sean v1, v2, ..., vn, n vectores en Rn y sea A una matriz de n*n cuyas columnas
son v1, v2, ..., vn. Entonces v1, v2, ..., vn son linealmente independientes si y
slo si la nica solucin al sistema homogneo Ax= 0 es la solucin trivial x=0.
TEOREMA 5
Sea A una matriz de n*n. Entonces det A = 0 si y solo si las columnas de A son
linealmente independientes.
TEOREMA 6
Cualquier conjunto n vectores linealmente independientes en Rn genera a Rn
EJEMPLO
Dos vectores linealmente dependientes en R4
Los vectores v1= y v2= son linealmente dependientes ya que v2= -3v1.
5.4 BASES Y DIMENSIN
DEFINICIN
Base Un conjunto finito de vectores v1, v2, . . ., vn es una base para un espacio
vectorial V si
v1, v2, . . ., vn es linealmente independiente
v1, v2, . . ., vn genera V.
Todo conjunto de n vectores linealmente independiente Rn es una base en Rn
En Rn se define

Base cannica.- Entonces, como los vectores e1 son las columnas de una matriz
identidad e1, e2, . . ., en es un conjunto linealmente independiente y, por lo tanto,
constituye una base en Rn.
EJEMPLO
Base cannica para M22 que , , y generan a M22
Si
= C1 + C2 + C3 + C4 = , entonces es obvio que c1 = c2=c3=c4= 0. As, estas
matrices son linealmente independientes y forman una base para M22 .
DEFINICIN
Dimensin.- Si el espacio vectorial V tienen una base finita, entonces
la dimensin de V es el nmero de vectores en todas las bases y V se
llama espacio vectorial de dimensin finita. De otra manera, V se
llama espacio de dimensin infinita. Si V = 0 , entonces se dice que V
tiene dimensin cero.
EJEMPLO
La dimensin de Rn Como n vectores linealmente independientes en Rn
constituye una base, se ve que
Dim Rn = n
ESPACIOS CON PRODUCTO INTERNO
DEFINICIN 1
Espacio con producto interno.- Un espacio vectorial complejo V se
llama espacio con producto interno si para cada par ordenado de
vectores u y v en V, existe un nmero complejo nico (u,v), llamadoproducto
interno de u y v, tal
que
si u, v y w estn
en
V
y
C, entonces
EJEMPLO
Un producto interno en Rn Rn .- es un espacio con producto interno con (u, v)=
u * v.

DEFINICIN 2
Sea V un espacio con producto interno y suponga que u y v estan en V. Entonces
i. U y v son ortogonales si (u, v) = 0
La norma de u, denota por u, esta dada por
U=
Nota: A la u se le pone doble barra para evitar confusin con el valor absoluto
EJEMPLO
Dos vectores ortogonales en C2 En C2 los vectores (3, -1) y (2, 6i) son
ortogonales porque
((3, -1), (2, 6i)) = 3*2 + (-i)(6i) = 6 + (-i)(-6i) = 6 -6 = 0 adems (3, -i)) = = .
DEFINICIN 3
Conjunto ortonormal .- El conjunto de vectores v1, v2, . . ., vn es un conjunto
ortonormal en V si
(vi, vj) = 0 para i
y
vi = = 1
DEFINICIN 4
Complemento ortogonal.- Sea H un subespacio del espacio con producto
interno V. Entonces el complemento ortogonal de H, denotado por H, est dado
por
H=x
V : (x, h) = 0 para todo h
H