Sunteți pe pagina 1din 15

Espacio vectorial

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 llamarn vectores (aunque pueda tratarse de objetos
diferentes a los vectores de la Fsica.)
Diremos que el espacio vectorial es real o complejo, segn sean los escalares.
Propiedades de la suma de vectores.
Asociativa: (u+v)+w = u+(v+w)
Conmutativa: v+u=u+v.
Existe un elemento neutro, el vector 0 , tal que + v = v para cualquier vector v.
Para cada vector v existe un elemento opuesto, v, que sumado con l da 0 .
Propiedades del producto de un vector por un escalar.
Asociativa: ( v) = ( ) v
Distributivas:

Respecto de la suma de escalares: ( + ) v = v + v


Respecto de la suma de vectores: (u + v) = u + v
Existe un elemento unidad: el escalar 1, tal que 1 v = v para cualquier vector v.
Otras propiedades de los espacios vectoriales pueden deducirse de las anteriores
propiedades bsicas. Por ejemplo:
Si v = 0 (escalar, v vector) entonces o bien es =0 o bien es v = 0

Ejemplos de Espacios Vectoriales


1).El espacio n, formado por los vectores de n componentes (x1, . . .,xn) es
un espacio vectorial real, en el que se pueden sumar vectores y multiplicar por
un escalar (real) de la forma habitual.
Se puede comprobar que se cumplen las propiedades requeridas para
ambas operaciones. El vector cero es (0,. . .,0).
No es un espacio vectorial complejo, pues no podemos multiplicar por
escalares complejos
n
(si lo hacemos, el resultado no se mantendr dentro de ).

2) Consideremos el conjunto P2 de los polinomios de grado 2 con


coeficientes reales:
2

P2 ={ ax + bx + c : a, b, c }
Es un espacio vectorial real, pues podemos sumar dos elementos de P2 y
obtenemos otro elemento de P2 ; tambin podemos multiplicar un elemento
de P2 por un escalar real y obtenemos otro elemento de P2. Vemoslo:
2

Suma: ( ax + bx + c ) + ( ax + bx + c ) = (a+a) x + (b+b) x + (c+c) que


pertenece a P2.
2

Producto por un escalar real , (ax + bx + c) = ax + bx + c


que pertenece a P2.
Se puede comprobar que se cumplen las propiedades requeridas.
2
El vector 0 es el polinomio cero: 0x + 0x + 0
No es un espacio vectorial complejo, pues al multiplicar por un
escalar complejo el resultado podr ser un polinomio complejo que
no pertenece a P2.

3) Consideremos el conjunto G de los polinomios de grado = 3


(exactamente 3) con coeficientes reales.

No es un espacio vectorial (real ni complejo), pues al sumar dos


elementos de G, no est garantizado que el resultado est en G. En
efecto, consideremos los polinomios
3

p = x +x +x+1 , q = x +x +x+1
Pertenecen a G, pues su grado es 3. Pero su suma es
2
p+q=2x +2x+2 que no pertenece a

G (su
grado
no es
3).

SUBESPACIOS VECTORIALES
Dado un espacio vectorial V sobre un cuerpo IK, un subconjunto S V no vaco se
dice un subespacio vectorial de V si S es un espacio vectorial sobre IK con la
restriccin de las operaciones de V .
Teorema 1:
Sea V un espacio vectorial sobre IK y S V un subconjunto no vaco. S es un
subespacio vectorial precisamente si se verifica:
1. x + y S, para cualesquiera x, y S.
2. x S, para cualquier IK, x S.
Equivalente, si se verifica:
a. x + y S, para cualesquiera x, y S, , IK
Observacin 2: En todo espacio vectorial V siempre hay dos subespacios
vectoriales llamados triviales, el total V y el subespacio cero {0}

EJEMPLOS DE SUBESPACIOS VECTORIALES


1) La recta x=y es un subespacio de 2 . Est formado por los vectores de
la forma (a,a). Contiene al vector (0,0).
Adems, es cerrado para la suma y
producto por escalar:
Suma: (a,a) + (b,b) = (a+b, a+b) que tambin es un
elemento de la recta.
Producto por un escalar: , (a,a) = (a, a) que tambin es un
elemento de la recta.

2) El plano XY es un subespacio de 3 . Est formado por los vectores de


la forma (x,y,0). Contiene al vector (0,0,0).
Adems, es cerrado para la suma y
producto por escalar:

Suma: (x,y,0) + (x,y,0) = (x+x, y+y, 0) que tambin es un


elemento del plano.
Producto por un escalar: , (x,y,0)=(x, y, 0) que
tambin es un elemento del plano. Podemos decir que este plano
2
3
es como pero incluido en .

Combinacin lineal
Una c ombi na c i n li nea l d e d os o m s ve ct o re s es e l ve c t or qu e se ob t ie n e
a l s uma r e so s ve c tore s mul ti pl i ca dos po r sen do s e sc al a re s .

Cua l qu ie r ve c t or se p ue de po ne r com o combi nac i n l i ne a l de ot ro s


qu e t en ga n dis ti nta di re c ci n .

Est a combi nac i n l i ne a l es n ica .

Vectores linealmente dependientes


Vario s ve c t ores li bre s de l p la n o se dice qu e son l i ne a l me nte
de pe ndi e ntes si h a y u na combi nac i n l i ne a l de e llo s qu e es igu a l
a l ve c t or ce ro , sin qu e se an c ero t od o s lo s c oe fic i e ntes d e
la combi nac i n l i ne a l .

Propiedades
1. S i va r io s ve ct o re s so n line a lme n te de pe nd ie n te s , en to n ce s a l
me no s un o de e llo s se p ue de e xp re sa r co mo com b ina ci n lin e a l de lo s
de m s.

Tamb i n se cu mp le e l re cip ro co : si u n ve ct o r e s co mb in a cin lin ea l d e


ot ro s, en to n ce s to do s lo s ve ct o re s son lin e a lm en t e d ep en d ien t e s .
2. Do s ve ct o re s d e l pla no so n lin e a lm en t e d ep en d ien t e s si, y s lo si,
so n pa ra le lo s .
3. Do s ve ct o re s lib re s de l p la n o
= (u 1 , u 2 ) y
= (v 1 , v 2 )
so n line a lme n te de pe nd ie n te s si su s co mp on e nt e s so n pro po rcio n a le s.

Vectores linealmente independientes


Vario s ve ct o re s lib re s so n line a lme n te ind e pe nd ie nt e s si n in gun o de
e llo s p ue de se r escrit o co n un a com b ina ci n lin e a l de lo s re st an te s.

a 1 = a 2 = = a n = 0
Lo s ve ct o re s lin e a lm en t e in de p en d ien t e s t ie n en d ist int a d ire cci n y
su s com po n en t e s no so n p ro po rc ion a le s .

BASE Y DIMENSION DE UN ESPACIO


VECTORIAL
Definicin de Base:
Si B es un conjunto de vectores de un espacio vectorial V, entonces B es una
base para V si y solo si:
I.
II.

El espacio V es generado por B.


B es un conjunto linealmente independiente.
TEOREMA 1 (Unicidad de la representacin en una base)
Si
es una base para el espacio vectorial V, entonces los
vectores en V pueden escribirse de una y solo una manera como C.L. de los
vectores de B.
DEMOSTRACIN:
La existencia es obvia ya que B genera al espacio V. Para demostrar la
unicidad suponemos que para un vector
hay dos representaciones. Sean
ellas
y

como B es L.I. por ser una base para V se tiene que


de donde
por tanto el vector v se puede representar de una sola manera.

TEOREMA 2
Si
es una base para el espacio vectorial V, entonces todo
conjunto que contiene ms de n vectores es L.D.
DEMOSTRACIN
Sea

cualquier conjunto de vectores, con

Para probar que

es L.D. es necesario encontrar escalares

todos cero tal que

no

(*).

Dado que B es una base para V, se tiene que cada


vectores de4 B.

Sustituyendo los valores de

es una C.L. de los

en * se obtiene

reagrupando trminos se tiene

como B es L.I., por ser base de V, se tiene que los coeficientes de los
cero

son

Como este sistema es homogneo y tiene mas incgnitas


que
ecuaciones, puesto que
, entonces tiene una solucin no trivial por
consiguiente

es L.D.

TEOREMA 3
Si un espacio vectorial V tiene una base con n vectores, entonces toda base
de V tiene n vectores.
DEMOSTRACIN
Sea
cualquiera para V.

una base para V y

una base

Dado que

es una base para V y

tenemos que
y como
teorema 4.6 se tiene que

es L.I., entonces por el teorema 4.6

es una base para V y


es L.I., entonces por el
de donde se concluye que
.

Dimensin de un espacio vectorial


Si un espacio vectorial V tiene una base con n vectores, entonces el nmero n se
denomina dimensin del espacio vectorial Vy se denota por

. Si V es el

espacio vectorial que consta solo del vector cero, entonces

Ejemplo:

Determinar la dimensin para


es una base para
es una base para

.
por tanto
por tanto

En general tenemos que


tanto

.
.
es una base para

por

S es la base cannica o base estndar para

TEOREMA 1
Si W es un subespacio de un espacio vectorial V de dimensin n,
entonces

TEOREMA 2

Sea V un espacio vectorial de dimensin n.


1. Si
para V.

es un conjunto L.I. en V, entonces B es una base

2. Si
base de V.

es un conjunto generador para V, entonces B es una

OBSERVACIN

Si conocemos la dimensin de un espacio vectorial V y tenemos un conjunto de


vectores de V con un nmero igual a la
, entonces para demostrar que
dicho conjunto es base para V es suficiente probar que es L.I. o que es un
conjunto generador para V.

SUMAS DIRECTAS
Definicion:
Sean V un espacio vectorial, S1 y S2 subespacios de V . Se dice que V
es la suma directa de S1 y S2 si para cualquier v V existe un unico
par ordenado (u, w) tal que u S1 , w S2 y v = u + w:
v V

!(u, w) S1 S2

v = u + w.

Teorema (criterio de suma directa)


Sea V un espacio vectorial y sean S1 y S2
subespacios de V . Entonces las siguientes condiciones
son equivalentes:
(a) V es la suma directa de S1 y S2 , esto es,
v V

!(u, w) S1 S2

v = u + w.

(b) V = S1 + S2 y S1 S2 = {0}.

Ejemplo.
3
En , consideremos los subespacios

S = plano XY, una base es (1,0,0), (0,2,0). H = eje Z, una base es


(0,0,5)
La suma es directa pues S H = {0}. El subespacio suma S H resulta
ser el espacio total

3. Por el teorema anterior, uniendo las bases de S y de H se


obtendr una base del subespacio suma:
(1,0,0), (0,2,0), (0,0,5)
3
que efectivamente es base de .

COORDENADAS Y CAMBIO DE BASE

Definicin: Coordenadas.
En un espacio vectorial V, fijada una base {v1,v2,. . . vn} , todo vector u V
puede ponerse de forma nica como combinacin lineal de dicha base:
u = 1 v1 + 2 v2 + . . .
Los escalares
{v1,v2,. . . vn}.

1,

2, .

..,

vn

se llaman coordenadas del vector u en la base

Ejemplos de coordenadas.

Coordenadas en distintas bases.


2

En fijemos la base cannica, { (1,0), (0,1) }. Consideremos el vector


v=(1,2). Para hallar sus coordenadas en esta base, ponemos u como
combinacin lineal de la misma:
(1,2)=1(1,0) +2(0,1)
Por tanto, (1,2) son las coordenadas de v en base cannica.
Cuando se utiliza la base cannica, obtenemos el sentido usual
de coordenadas. Pero cuando se utiliza otra base no es as.

Coordenadas en un subespacio.
3
En , sea el subespacio S generado por los vectores (1,1,0) y (0,0,1).

(Se trata del plano x=y en 3). Los dos vectores son independientes, por
tanto forman base de S.

Consideremos el vector v = (2,2,3) perteneciente a S. Hallemos las


coordenadas de este vector respecto a la base (1,1,0), (0,0,1) de S. Para
ello expresamos v como combinacin lineal de dicha base:
(2,2,3)= 2(1,1,0) + 3(0,0,1)
As pues, las coordenadas de v en esta base de S son (2,3).

No debe sorprendernos que v tenga slo 2 coordenadas. El vector v


3
ciertamente tendra 3 coordenadas como elemento de , pero tiene 2
coordenadas como elemento del plano S, que es un subespacio de
dimensin 2.

Matriz del Cambio de Base


En un espacio vectorial V, dadas dos bases B y B , se llama matriz de
cambio de base (o de cambio de coordenadas) de B a B a la matriz
que contiene en sus columnas las coordenadas de los vectores de la
base B expresados en funcin de la base B.
Su utilidad es la siguiente: Conocidas las coordenadas de un vector en
base B, nos permitir hallar las coordenadas de dicho vector en base B.

Propiedades de las Matrices de cambio de Base


1. Toda matriz de cambio de base es cuadrada nxn, donde n es la
dimensin del espacio al que se refieren las bases.
2. Toda matriz de cambio de base es inversible (es decir, con
determinante no nulo). Adems, la matriz de cambio de B a B
es inversa de la matriz de cambio de B a B.
3. La matriz de cambio de una base B a la misma base B, es la matriz
identidad.

P= base B en columnas; Q=P-1

APLICACIN LINEAL
Sea f una aplicacin definida entre dos espacios vectoriales

diremos que f es una aplicacin lineal si


1) para todo par de vectores

se verifica que

2) para todo vector


y todo escalar
conjunto de escalares K ) se verifica que

(en general R es el

Existe una caracterizacin ms operativa del concepto de aplicacin


lineal:
Sea f una aplicacin definida entre dos espacios vectoriales

Diremos que f es una aplicacin lineal si


Para todo para de vectores
y para todo par de
escalares
se verifica que

Aplicaciones lineales BASICAS:


A) APLICACIN LINEAL NULA:
Se define de la siguiente forma:

B) APLICACIN IDENTIDAD
Se define de la siguiente forma

PROPIEDADES:
SUMA DE APLICACIONES
Sean

se define la aplicacin

la siguiente forma

de

para todo

La suma de dos aplicaciones lineales es una aplicacin lineal.


PRODUCTO DE UN ESCALAR POR UNA APLICACIN:
Sea

y sea

se define la aplicacin

Y se verifica que si f es lineal,

como

es lineal.

PRODUCTO DE APLICACIONES:
Dadas

se define la aplicacin producto


como

para todo

SUBESPACIOS ASOCIADOS A UNA APLICACIN


LINEAL
NCLEO DE UNA APLICACIN LINEAL
Sea

una aplicacin lineal. Se define

Este subespacio del conjunto inicial V, verifica que es un


SUBESPACIO VECTORIAL DE V.

DEMOSTRACION:
Veamos que Ker(f) es un s.v. de V. Por la propia definicin de Ker(f) es
claro que es un subconjunto de V.
Comprobemos ahora que Ker(f) es un subespacio vectorial.
Dados dos vectores cualesquiera u,v pertenecientes al Ker(f) y dos
escalares cualesquiera a,b nmeros reales, veamos qu sucede con la
combinacin lineal au+bv.
Para demostrar si esta combinacin lineal est en el Ker(f) calculemos la
imagen de la misma:
.f(au+bv)=af(u)+bf(v)= (como u y v estn en Ker(f) f(u)=0, y f(v)=0)
Entonces:
=a0+b0=0.
Luego efectivamente Ker(f) es un subespacio vectorial. #
IMAGEN DE UNA APLICACIN LINEAL:

Sea
una aplicacin lineal. Se define la imagen de f, y se
denota por Im(f) al subespacio

http://docencia.udea.edu.co/GeometriaVectorial/uni4/seccion44.html