Espacios Vectoriales 120815203013 Phpapp01

Fundamentos Matemticosde la Ingeniera Lic.
Miguel ngel Tarazona Giraldo 1

Tema 5.- ESPACI OS VECTORI ALES
ESPACIO VECTORIAL
SUBESPACIO VECTORIAL
BASE Y DIMENSIN DE UN
ESPACIO VECTORIAL
Fundamentos Matemticosde la Ingeniera 2
Aunque histricamente el primer trabajo de lgebra Lineal consisti en
resolver sistemas de m ecuaciones lineales con n incgnitas,
comenzaremos este curso estudiando la estructura de espacio vectorial.
Los vectores libres del plano (del espacio) pueden sumarse unos con otros
(por la ley del paralelogramo) y multiplicarse por un nmero real:
Pero, qu es un vector libre del plano?
Definimos como el conjunto de vectores con .
Es evidente que se puede pensar que cualquier punto en el plano es
un vector de (definicin algebraica de vector), y viceversa. Sin
embargo, para muchas aplicaciones fsicas (incluyendo las nociones
de fuerza, velocidad, aceleracin y momento) es importante pensar en
un vector no como un punto sino como una entidad que tiene
longitud y direccin.
Tanto en Fsica como en Ingeniera
un vector se caracteriza por dos
magnitudes (longitud y direccin) y
se representa por un segmento recto
dirigido. Un vector en el plano puede
ubicarse en diferentes lugares. Sin
embargo, con independencia de
dnde est situado, si la longitud y
direccin no varan se trata del
mismo vector.
El conjunto de los vectores libres del plano ( ) es slo un ejemplo
entre los muchos ejemplos de objetos matemticos que pueden sumarse
entre s y multiplicarse por nmeros reales, y que adems satisfacen
unas mismas propiedades. Este ejemplo de los vectores libres del plano
(o el de los vectores libres del espacio) es importante porque su
representacin geomtrica ayuda a entender la definicin general de
vector.
Algunos ejemplos que podemos mencionar son:
- los propios nmeros reales,
- los nmeros complejos,
- los vectores en el plano,
- los vectores en el espacio,
- los polinomios de grado menor o igual que n,
- las funciones reales de variable real con dominio D,
- las funciones continuas en un intervalo,
- las funciones derivables en un punto,
- las funciones integrables en un intervalo,
- .....................................
Un vector puede ser un nmero, una n-tupla, un polinomio, una funcin
continua, etc.
Tambin hay magnitudes fsicas de tipo vectorial con las mismas
propiedades: fuerzas, velocidades, aceleraciones,....
Cuando en varios conjuntos distintos aparecen estructuras similares, es
conveniente axiomatizar stas y dar un nombre al ente resultante. Aunque
este primer tema tiene el inconveniente de trabajar en el mundo abstracto
de los espacios vectoriales arbitrarios, tambin presenta una gran ventaja.
La abstraccin resulta ser matemticamente eficiente en el sentido de que
ahora pueden demostrarse resultados generales cuya validez afecta a todos
los espacios vectoriales. Es decir, una vez que se establecen los hechos
sobre los espacios vectoriales en general, se pueden aplicar estos hechos a
todos los espacios vectoriales. De otro modo, habra que probar cada
hecho una y otra vez, para cada nuevo espacio vectorial que nos
encontrramos (y existen un sin fin de ellos).
En este curso, bsicamente trabajaremos con cuatro espacios vectoriales.
En el tema 1 definimos la estructura de espacio vectorial y trabajaremos
con los espacios vectoriales siguientes:
En el tema 2 estudiamos el espacio vectorial de las matrices reales de m
filas y n columnas, que denotamos:
Por ltimo, en el tema 6 trabajaremos tambin con espacios vectoriales
de funciones reales de variable real y continuas sobre un intervalo.
A continuacin, presentamos un ejemplo introductorio que proporciona
una motivacin para desarrollar las matemticas subsecuentes.
* , normalmente n=3 o n=4.
* , normalmente n=2 o n=3.
Un poco de historia
El matemtico alemn Grassmann es reconocido como el primero que
introdujo la idea de un espacio vectorial (aunque no lo llam de esta manera,
sino sistema de nmeros hipercomplejos) y de independencia lineal en 1844.
Desafortunadamente su trabajo era muy difcil de leer y no recibi la atencin
que mereca.
Peano en su libro Calcolo geometrico (1898) acalar el trabajo de Grassmann y
estableci los axiomas de espacio vectorial como los conocemos en la
actualidad. En este mismo libro introdujo las operaciones de conjuntos. Sus
notaciones , y son las que todava utilizamos, aunque no fueron
aceptadas de inmediato. La definicin axiomtica de Peano de un espacio
vectorial tambin tuvo muy poca influencia durante muchos aos. Su
aceptacin se produjo en 1918, despus de que Hermann Weyl la repitiera en
su libro Space, time, matter, una introduccin a la teora de la relatividad
general de Einstein.
Tambin podemos mencionar a William R. Hamilton, que durante los veinte
ltimos aos de su vida, dedic la mayor parte de su creacin matemtica a
desarrollar la tera de un tipo especial de nmeros, los cuaterniones. Con estos
trabajos ciment la moderna nocin de vector. Todava hoy se utiliza la notacin
i, j, k de Hamilton para los vectores de la base cannica en el espacio
tridimensional.
ESTRUCTURA DE ESPACIO
VECTORIAL REAL
Sean (cjto. nmeros reales) y
*
operacin interna en V
*
operacin externa en
V con dominio de
operadores
Definiremos cuando V es un espacio vectorial real
Como hemos visto, partimos de un conjunto no vaco V , cuyos
elementos se denotan ..., y se denominan vectores y del cuerpo
conmutativo (estructura algebraica) de los nmeros reales. En
general se puede trabajar con cualquier cuerpo conmutativo K y en
este curso surgirn algunos ejercicios con espacios vectoriales
complejos ( K= ).
La ley de composicin interna se suele denotar con el smbolo de la
suma ( ) y se suele denominar suma de vectores. Es una
aplicacin que a cada par de elementos de V les hace
corresponder el elemento, tambin de V, , denominado suma
de e .
La ley de composicin externa con dominio de operadores (en
general, con dominio de operadores K) es una aplicacin que
denominamos producto por un escalar y denotamos con el smbolo
del producto ( ) que a todo elemento de V y a todo elemento
C de (o K) hace corresponder el elemento .
OBSERVACIN.- Es la suma de polinomios una ley de
composicin interna sobre el conjunto de los polinomios de grado
exactamente 2?
ESTRUCTURA DE ESPACIO VECTORIAL
1.- Para ( + ) (operacin interna) se cumple:
2.- Para ( ) (op. externa con dominio ) se cumple:
Los elementos de un espacio vectorial reciben el nombre genrico de
vectores y en general se utiliza la notacin vectorial ( ,...) para
denotarlos. Esto no es obstculo para que en algunos casos particulares
(polinomios, matrices, funciones,...) se utilice la notacin propia en cada
caso.
Los axiomas 1.- de la definicin de espacio vectorial real se refieren a la
suma de vectores, los axiomas 2.- c.- y 2.- d.- se refieren exclusivamente a
la multiplicacin por escalares (nmeros reales) y las propiedades 2.- a.- y
2.- b.- son las propiedades distributivas de una operacin con respecto a
otra.

A continuacin presentamos varios ejemplos de espacios vectoriales. Para
comprobar que tienen estructura de espacio vectorial deberamos ver que
se satisfacen los 8 axiomas de la definicin con las operaciones suma y
producto por un escalar definidas. Este trabajo es muy sencillo y se basa
exclusivamente en propiedades de los nmeros reales (no olvidar que
estamos trabajando, en principio, con espacios vectoriales reales). Dado
que tambin es una labor muy tediosa omitiremos las comprobaciones,
pero hay que insistir en que es absolutamente necesario comprobar los 8
axiomas.
EJEMPLOS DE ESPACIOS VECTORIALES
-EJEMPLO 1.-
conjunto de los vectores libres del espacio
Cmo se suman dos vectores libres?
Cmo se multiplica un vector por un nmero real?
Cul es el vector nulo?
-EJEMPLO 2.-
Cmo se suman dos vectores libres?
Cmo se multiplica un vector por un nmero real?
Cul es el vector nulo?
-EJEMPLO 3.- Conjunto de los polinomios de grado menor o
igual que n.
Cmo se suman dos polinomios?
Cmo se multiplica un polinomio por un nmero real?
Cul es el polinomio nulo?
(coeficiente a coeficiente)
(se multiplica cada coeficiente por el nmero real)
-EJEMPLO 4.- Conjunto de las matrices reales de m filas y n
columnas.
Cmo se suman dos matrices?
Cmo se multiplica una matriz por un nmero real?
elemento a elemento
se multiplica cada elemento de la matriz por el
nmero real
-EJEMPLO 5.- Conjunto de las funciones reales de variable
real con dominio .
Cmo se suman dos funciones?
Cmo se multiplica una funcin por un nmero real?
Cul es la funcin nula?
EJEMPLOS DE ESPACIOS VECTORIALES
suma:
producto por un escalar:
vector nulo: vector
opuesto:
suma:
vector nulo:
vector
opuesto:
suma:
suma:
vector nulo:
vector nulo: vector
opuesto:
vector
opuesto:
Propiedades.- Sea V un e. v. real:
1.-
2.-
3.-
4.-
5.-
6.-
7.-
8.-
Al multiplicar cualquier escalar por el
vector nulo obtenemos el vector nulo.
Al multiplicar cualquier vector por el escalar
0 obtenemos el vector nulo.
Esta propiedad
no es tan obvia
como puede parecer.
COMBINACIONES LINEALES
Sea V un espacio vectorial real:
COMBI NACI N LI NEAL.-
es combinacin lineal de
cuando tales que:
COMENTARI OS.-
Dados los vectores y los escalares
1
,
2
,...,
n
(nmeros

reales), el vector definido por:
se llama combinacin lineal de los vectores :
Algunas combinaciones lineales de los vectores son, por ejemplo:
El vector (2,1,1) de no es combinacin lineal de los vectores (1,0,0) y
(1,1,0) de .
El polinomio x
2
+1 de no es combinacin lineal de los polinomios x
3
+x
1 , x+2 y 1 de .
Para comprobar si un vector es combinacin lineal de m
vectores de se plantea la ecuacin vectorial siguiente:
Utilizando las definiciones de las operaciones suma de vectores de y
producto de un vector de por un escalar realizamos la operacin:
Teniendo en cuenta que dos vectores de son iguales si todas sus
componentes son iguales dos a dos, tenemos el siguiente sistema de n
ecuaciones lineales con m incgnitas :
Si el sistema es compatible determinado, entonces es combinacin
lineal de los vectores
Si el sistema es incompatible, entonces NO es combinacin lineal
de los vectores
El sistema nunca puede ser compatible indeterminado.
En el espacio vectorial real de los polinomios reales de grado menor
o igual que n se procede del mismo modo que en el espacio vectorial
real . Tenemos que tener en cuenta que dos polinomios de grado
menor o igual que n son iguales si coinciden todos y cada uno de sus
coeficientes, incluido el trmino independiente. De este modo
tendremos un sistema de n+1 (ATENCIN!!!) ecuaciones lineales con
m incgnitas.
A continuacin resolvemos un par de ejercicios en los que trabajamos
con el concepto de combinacin lineal de vectores en los espacios
vectoriales introducidos en los ejemplos 2 y 3 de este captulo: y
.
Destacar que es necesario conocer las definiciones de suma de
vectores (o polinomios) y producto de un vector (o polinomio) por un
escalar. Adems tenemos que tener claro qu significa que dos vectores
de sean iguales (o que dos polinomios de sean iguales).
SUGERENCI A.- Utilizar las tcnicas de resolucin de sistemas de
ecuaciones lineales conocidas (mtodo de Gauss), que explicaremos
con detalle en el Tema 5 de este curso.
SUBESPACIOS VECTORIALES
Algunos subconjuntos de un espacio vectorial V son a su vez espacios
vectoriales con las operaciones definidas en V.
Estos subconjuntos se denominan subespacios vectoriales.
SUBESPACIO VECTORIAL.-
Subespacios vectoriales impropios
Subespacios vectoriales propios: cualquier subespacio vectorial
de V distinto de y V.
Antes de dar ejemplos de subespacios vectoriales, es conveniente dar dos resultados
que hacen relativamente sencillo determinar si un subconjunto S de V es
subespacio vectorial de V.
es un subespacio vectorial de V, si es espacio vectorial con las
operaciones definidas en V.
Para demostrar que S @ V es subespacio vectorial de V,
NO ES NECESARIO comprobar los 8 axiomas de la definicin de
espacio vectorial.
Para demostrar que S @ V es subespacio vectorial de V, basta con
comprobar que es un subconjunto no vaco (pues todo espacio vectorial
ha de contener al menos el vector nulo, luego es conveniente comprobar
que el vector nulo es un vector de S) y que S es cerrado bajo las
operaciones suma de vectores y producto por un escalar. El resto de las
propiedades son heredadas por S. Esto es lo que significan las dos
caracterizaciones de subespacio vectorial que acabamos de enunciar.
Un subconjunto S no vaco de V es s.v. de V si y slo si
cumple:
Un subconjunto S no vaco de V es s.v. de V si y slo si
cumple:
En la prctica, para demostrar que
S NO es s. v. de V
o
o
V
V
V
Basta con comprobar
una de estas tres cosas
Presentaremos a continuacin algunos ejemplos de conjuntos con dos
operaciones (suma y producto por un escalar) que no tienen estructura de
espacio vectorial. Para demostrar que un conjunto no es espacio vectorial es
suficiente comprobar que no satisface alguno de los ocho axiomas de la
definicin, pero basta con comprobar una de las tres condiciones arriba
mencionadas.
-EJEMPLO 1.- El conjunto de los nmeros enteros no tiene
estructura de espacio vectorial con las operaciones habituales
de suma y producto por un escalar real.
El conjunto de todos los nmeros enteros con las operaciones normales de
suma y producto por un escalar no tiene estructura de espacio vectorial, ya
que el producto no es una operacin cerrada.
0.51 = 0.5
escalar entero no entero
-EJEMPLO 2.- El conjunto de los polinomios de grado
exactamente 2 no tiene estructura de espacio vectorial.
El conjunto de los polinomios de grado exactamente 2 no tiene estructura
de espacio vectorial, ya que la suma no es una operacin cerrada.
p(x) = x
2

q(x) = -x
2
+x+1
son polinomios de grado 2, pero su suma es un
polinomio de primer grado
p(x) + q(x) = x+1
I NTERSECCI N DE SUBESPACI OS VECTORI ALES.-
Si S , T son subespacios vectoriales de V, entonces:
1. S T es subespacio vectorial de V.
2. S T es el mayor de todos los subespacios vectoriales
de V incluidos en S y T.
La unin de subespacios vectoriales de V
no es necesariamente un subespacio vectorial de V.
En el siguiente apartado veremos una manera de encontrar y construir
subespacios de un espacio vectorial V. Este mtodo nos ser de gran
utilidad para demostrar, sin emplear las caracterizaciones de subespacio
vectorial del apartado anterior, que un subconjunto no vaco de un espacio
vectorial V es un subespacio vectorial de V.
SUBESPACIO VECTORIAL ENGENDRADO
POR UNA PARTE FINITA DE UN E. V.
Sea V un espacio vectorial real.
Sea G un conjunto (no vaco) de vectores de V:
Definimos como el conjunto formado por todas las
combinaciones lineales de los vectores:
-Ejemplos.-
En un mismo subespacio vectorial es posible encontrar
distintos sistemas de generadores

SUBESPACIO VECTORIAL ENGENDRADO POR
UNA COLECCIN FINITA DE VECTORES DE V.-
Cmo encontrar distintos sistemas de generadores
de un subespacio vectorial?
Cmo demostrar que S es s.v. de V?
-EJEMPLO- Demostrar que
Algoritmo para hallar una base del
subespacio vectorial engendrado por una
familia G de vectores
Sea . Para hallar una base del subespacio
vectorial podemos proceder del modo siguiente:
1.-
Formar la matriz A de r filas y n columnas con los vectores de
G como filas.
2.-
Realizar operaciones elementales de fila hasta llegar a una
matriz B escalonada y equivalente a la matriz A.
3.-
Las filas no nulas de B constituyen una base del subespacio
engendrado por G.
DEPENDENCIA E INDEPENDENCIA LINEAL
En el estudio del lgebra Lineal, una de las ideas centrales es la
de dependencia o independencia lineal entre vectores.
Podemos plantearnos la siguiente pregunta. Existe una
relacin especial entre los vectores y ?
Es decir, el vector nulo se puede escribir como una
combinacin no trivial de y . En este caso se dice que
los vectores son linealmente dependientes. En general, se
tienen las siguientes definiciones:
, o escrito de otro modo:
es un sistema libre (o son
vectores linealmente independientes) si:
SISTEMA LIBRE. SISTEMA LIGADO.-
es un sistema ligado (o son
vectores linealmente dependientes) si:
A continuacin enunciamos algunas propiedades de los
sistemas libres y ligados que nos pueden resultar tiles ms
adelante.
PROPIEDADES.-
Las propiedades siguientes son resultados que se demuestran de forma
inmediata a partir de los conceptos de sistema libre de vectores y sistema
ligado de vectores.
1. Todos los vectores de un sistema libre son no nulos.
2. Si un sistema de vectores contiene al vector nulo, entonces
es un sistema ligado.
3. sistema libre sii
4. Un sistema de dos vectores es un sistema ligado si y slo si
uno de los vectores es mltiplo del otro.
5. Si a un sistema ligado se le aaden nuevos vectores, resulta
otro sistema ligado.
6. Todo subconjunto de un sistema libre es un sistema libre.
PRUEBAS PARA LA DEPENDENCIA LINEAL
La consecuencia 3.- nos permite decir cuando un conjunto
formado por un nico vector de un espacio vectorial V es un
sistema libre y cuando es un sistema ligado.
Del mismo modo, la consecuencia 4.- es una condicin necesaria
y suficiente para que una familia formada por dos vectores de un
espacio vectorial V sea linealmente dependiente.
Cuando disponemos de una coleccin de ms de dos vectores
tendremos que recurrir necesariamente, en principio, a la
definicin para demostrar que se trata de un sistema libre o un
sistema ligado.
Para comprobar si una familia de vectores es linealmente
dependiente o linealmente independiente vamos a utilizar, en
muchos casos, el concepto de rango de una matriz.
Hablaremos de rango de una matriz en un tema posterior, pero
como es un concepto que muchos alumnos ya conocen,
conviene decir que, en general, resulta ms cmodo y ms
sencillo estudiar la dependencia o independencia lineal de una
familia de vectores utilizando el concepto de rango de una
matriz.
A partir del momento en el que definimos el concepto de
rango de una matriz resolveremos ejercicios de sistemas
libres y ligados utilizando la idea del rango de una matriz.
BASES Y DIMENSIN DE UN
ESPACIO VECTORIAL
BASE DE UN ESPACIO VECTORIAL.-
En este apartado presentaremos el concepto fundamental de una base de un
espacio vectorial. Como veremos, una base es un conjunto generador
eficiente que no contiene vectores innecesarios. De hecho, se puede
construir una base a partir de un conjunto generador desechando algunos
vectores innecesarios. Adems, conocer una base de un espacio vectorial es
muy til para comprender el espacio y sus propiedades.
es una base del e.v. real V si:
B s. libre
B s. generador de V
-EJEMPLOS DE BASES.-
-EJEMPLO 1.-
base cannica
-EJEMPLO 2.-
base cannica
EXISTENCIA DE BASES.-
Todo e.v. V engendrado por un sistema de generadores finito
tiene al menos una base.
Todas las bases del e.v. V poseen el mismo nmero de
elementos. Entonces:
DIMENSIN DE UN ESPACIO VECTORIAL.-
El nmero de elementos que posee una base cualquiera de un
e.v. V , recibe el nombre de dimensin del e.v. V (dim V).
Esta informacin resulta muy til
como se ver posteriormente
-CONSECUENCI AS.-
Si V es un e.v. con dim V = n, entonces:
En un espacio vectorial de dimensin n no puede haber ms de n vectores linealmente independientes
n vectores l.i. de un e.v. V de dimensin n constituyen una base de V
Un s.g. de n vectores de un e.v. V de dimensin n constituye una base de V
Dos perspectivas de una base
Cuando se usa el teorema de la reduccin de un conjunto generador, la
eliminacin de vectores de un conjunto generador debe terminar cuando el
conjunto generador resulta linealmente independiente. Si se elimina otro
vector, no ser combinacin lineal de los vectores restantes y por lo tanto el
conjunto resultante ya no generar el mismo espacio vectorial V.
Una base tambin es un conjunto linealmente independiente que es lo ms
grande posible. Si B es una base de V y si B se agranda con un vector,
digamos , de V, entonces el nuevo conjunto ya no puede ser linealmente
independiente, porque B genera V y es por lo tanto una combinacin
lineal de los vectores de B.
Ejemplo.- Los siguientes tres conjuntos de muestran cmo un conjunto
linealmente independiente de dos vectores de puede agrandarse para
formar una base de y cmo un agrandamiento adicional destruye la
independencia lineal del conjunto. Este mismo ejemplo lo podemos ver desde
otra perspectiva: Un conjunto generador de formado por 4 vectores puede
encogerse para dar una base, pero una contraccin adicional destruye la
propiedad de ser generador.
Cuando se conoce la dimensin de un espacio o
subespacio vectorial, la bsqueda de una base se
simplifica con el resultado que damos a continuacin,
que dice que si un conjunto tiene el nmero correcto de
elementos, entonces basta con demostrar que el conjunto
es linealmente independiente o bien que genera el
espacio. El teorema es de importancia crtica en
numerosos problemas de aplicaciones (que tienen que
ver con ecuaciones diferenciales o en diferencias, por
ejemplo) donde la independencia lineal es mucho ms
fcil de comprobar que la propiedad de generar.
Segn la consecuencia 3.-, conocida la dimensin de un e.v.
V ( , ), cmo encontrar una
base B de V?:

COORDENADAS DE UN VECTOR
Sea V e.v. real con base de V.
nicos tales que:
A los escalares (nicos) se les
llama coordenadas del vector en la base B.
Hallar las coordenadas del vector

en la base cannica de
en la base de
DIMENSIN DE UN SUBESPACIO
VECTORIAL
Sea S s.v. de V y
B base de S si
: nmero de elementos de una base de S
Si dim V = n, y S es un s.v. de V, entonces:
Cmo encontrar una base B de un subespacio vectorial S?
Cmo encontrar una base B de un espacio vectorial V?
B = G es s.g. de S
Hay que demostrar que B = G es s. libre
Para encontrar una base de , basta con hallar n
vectores l.i. de , pues
Para hallar una base de , basta con hallar n + 1
polinomios l.i. de , pues
RANGO DE UN SISTEMA DE VECTORES
Sea V espacio vectorial real y F una coleccin de vectores de V.
Se llama rango de F ( r ( F ) ) al nmero mximo de
vectores linealmente independientes de F.
Volveremos a estudiar el concepto de rango de una familia de vectores dentro del
marco de la teora de matrices. Esto nos permitir desarrollar mtodos ms
eficientes para calcular el rango de una familia de vectores y tambin para hallar
una base de un subespacio vectorial generado por una familia de vectores.
Si F es un subconjunto del e.v. V que consta de m vectores y dim V = n
ESPACIO VECTORIAL
Conceptos
preliminares
Concepto
Ejemplos bsicos
Condiciones
Propiedades
ESCALAR
VECTOR
SUBESPACIO VECTORIAL
DEPENDENCIA LINEAL
INDEPENDENCIA LINEAL
BASE
Coordenadas
COMBINACIN LINEAL
SISTEMA GENERADOR
Resultados interesantes
Relacin
COORDENADAS
Concepto
Condiciones
Dimensin de un
espacio vectorial
Dimensin de un
subespacio vectorial
Rango de un sistema
de vectores
S. V. PROPIO
S. V. IMPROPIO

Espacios Vectoriales 120815203013 Phpapp01

Cargado por

Copyright:

Formatos disponibles

Espacios Vectoriales 120815203013 Phpapp01

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Espacios Vectoriales 120815203013 Phpapp01

Cargado por

Copyright:

Formatos disponibles

Fundamentos Matemticosde la Ingeniera Lic.

Miguel ngel Tarazona Giraldo 1

También podría gustarte