Espacios Vectoriales

Espacio vectorial real:

Un espacio vectorial real V es un conjunto de objetos, denominados vectores,
junto con dos operaciones binarias llamadas suma y multiplicacin por un escalar
y que satisfacen los diez axiomas enumerados a continuacin:
Axiomas de un espacio vectorial:
I.Si X V y Y V, entonces X + Y V (cerradura bajo la suma).
II.
III.

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 todos x V, x + 0=0+x=x (el 0 se

IV.

llama vector cerrado o idntico aditivo).

Si X V, existe un vector x en

V tal que x+(-x)=0 (-x se llama

VI.

inverso aditivo de x).

Si x y y estn en V, entonces x + y= y + x (ley conmutativa de la suma de
vectores).
V (cerradura bajo la
Si x V y es un escalar, entonces x

VII.

multiplicacin por un escalar).

Si x y y estn en V y

V.

es un escalar, entonces

( x + y )=x+ y

(primera ley distributiva).

VIII.

Si x

V y y

son escalares, entonces

( + ) x=x+ x

son escalares, entonces

( x )=( ) x

(segunda

ley distributiva).
IX.

Si x

V y y

de la multiplicacin por escalares).

X.

Para cada vector

x V , 1 x=x .

(ley asociativa

ESPACIO Kn
Sea K un cuerpo arbitrario. La notacin Kn se usa frecuentemente para designar
el conjunto de todas las n-p de los elementos de K. Aqu Kn se ve como un
espacio vectorial sobre K, en el que la suma vectorial y el producto por un escalar
se define segn.
ESPACIO DE MATRICES Mm, n.
La notacin Mm, n, o simplemente M, se utilizara para designar el conjunto de
todas las matrices m*n sobre un cuerpo arbitrario K.Mm, n., es un espacio
vectorial sobre K con respecto a las operaciones usuales de suma matricial y
producto por un escalar.
ESPACIO DE POLINOMIOS P (t)
Denotamos por P (t) el conjunto de todos los polinomios
0 +1 t+2, t 2+...+ n, t n
Con coeficientes ai en algn cuerpo k. P(t) es un espacio vectorial sobre K con
respecto a las operaciones usuales de suma de polinomios producto de un
polinomio por una constante.

Subespacios de E. V. y
sus propiedades
Subespacio:
Sea H un subconjunto no vacio de un espacio vectorial V y suponga que H es en
si 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.
Teorema 1:

Subespacio:
Un subconjunto no vacio H de un espacio vectorial V es un subespacio de V si se
cumplen las dos reglas de cerradura:
Reglas de cerradura para ver si un subconjunto no vacio es un subespacio
I.Si

x H y y H , entonces x + y H .

II.

Si

x H , entonces x H para todo escalar .

Combinacin lineal
Se ha visto que todos los vectores v= (a,b,c) en R3 se puede escribir en la forma
v = ai + bj + ck
En cuyo caso se dice que v es una combinacin lineal d los tres vectores i, j y k.
De manera ms general, se tiene la siguiente definicin:
Combinacin lineal:
Sean v1,v2,,vn. Vectores en un espacio vectorial V. Entonces cualquier vector de
la forma:
a1v1 + a2v2 + + anvn
donde, a1,a2,, an son escalares de denomina una combinacin lineal de v 1,v2,
vn.

Independencia Lineal
Definicin:
Los vectores v1,v2,., vk es un espacio vectorial V generan a V si todo vector en V
es una combinacin linal de v 1, v2,., vk. Adems, si estos vectores son distintos y
v , v , , vk }
los denotamos como un conjunto S= { 1 2
, entonces tambin decimos

{ v1 , v 2 , , v k } , genera a V, o que S= V.

que el conjunto S genera a V, o que

El procedimiento para verificar si los vectores

v1 , v2 , , vk

generan al espacio

vectorial V es el siguiente:
Paso 1: se elige un vector arbitrario en v en V.
Paso 2: se determina si v es una combinacin lineal de los vectores dados.
Si lo es, entonces los vectores dados generan a V. Si no lo es, entonces no
generan a V.
Ejemplo:
Sea V el espacio vectorial R3 y sean:
V1= (1,2,1)

V2= (1,0,2)

y V3= (1,1,0)

Paso 1._ Sea v= (a, b, c) cualquier vector en R 3, donde a, b y c son nmeros

reales arbitrarios.
Paso 2._ Debemos ver si existen constantes c1, c2 y c3 tales que
C1v1 + c2v2 + c3v3 = v
Esto conduce al sistema lineal:
c1 + c2 + c3 =a
2c1 +

c3 = b

c1 + 2c= C

Una solucin es (verifique)

C1 =

2 a+2 b+ c
, C2 =
3

ab +c
, c3= =
3

4 a2 bc
3

Como hemos obtenido una solucin para cada eleccin de a, b y c concluimos que
v ,v ,v
V1+ v2 y V 3 generan a R3. Esto Equivaled a decir a un gen { 1 2 3 } = R3.
Independencia lineal:
Los vectores

v1 , v2 , , vk

si existen constantes

de un espacio vectorial son linealmente dependientes

c1 , c2 , , ck

no todas son iguales a cero, tales que:

c 1 v 1+ c 2 v 2 , , c k v k = 0
En caso contrario, se dice que
decir,

v1 , v2 , , vk

c 1 v 1+ c 2 v 2 , , c k v k

son

v1 , v2 , , vk
linealmente

son linealmente independientes. Es

independientes

si

siempre

que

= 0 debemos tener:
c 1 = c 2= c k = 0

Es decir, la nica combinacin lineal de

v1 , v2 , , vk

que da como resultado el

vector cero es aquella en la cual todos los coeficientes son iguales a cero. Si los
v1 , v2 , , vk
vectores
son distintos y los detonamos como un conjunto S=

{ v1 , v 2 , , v k } , entonces tambin decimos que el conjunto S es linealmente

dependiente o linealmente independiente.

El procedimiento para verificar si los vectores

v1 , v2 , , vk

son linealmente

dependientes o independientes es el siguiente:

Paso 1: se forma la ecuacin, lo cual conduce a un sistema homogneo.
Paso 2: Si el sistema homogneo obtenido es el paso 1 solo tiene la
solucin trivial, entonces los vectores dados
son linealmente

independientes; si tiene una solucin no trivial, entonces los vectores dados

son linealmente dependientes.
Ejemplo: determine si los vectores:

|| ||
1
1
0
0

2
0
1
1

que segn generan el espacio de Ax=0, son linealmente dependienteso

independientes.
Solucin: Al formas la ecuacin

c1

| | | | ||
1
1
0
0

+ c2

2
0
1
1

0
0
0
0

obtenemos el sistema homogneo:

-c1-2c2=0
c1+ 0c2= 0
0c1+ c2=0
0c1+ c2=0
cuya nicamente solucin es
linealmente independientes.

c1

c2

= 0. Por lo tanto, los vectores dados son

Base y dimensin de
un espacio
vectoriales.
Por lo comn, se concibe una recta como un espacio unidimensional, un plano
como uno bidimensional y el espacio que lo que rodea a uno como tridimensional.
El objetivo principal de esta seccin es precisar esta nocin intuitiva de
dimensin.
Definicin.
Si V es
espacio vectorial y S = {v1,v2,..,vr} es un conjunto finito de vectores en V
(i) cualquier
.
, entonces S se denomina base para V si
(i)
(ii)

S linealmente independiente
S se genera V.

Base estndar para Rn .

Sean e1 = { 1,0,0,0}, e2= (0,1,0,0), .,en= (0,0,0..,1).
S= { e1,e2,,en } es un conjunto linealmente independiente en R n . Dado que
cualquier vector v = (v1,v2,..,vn) en Rn se puede escribir como v=v1e2 + v2e2 +
.vnen, S genera a Rn y, por tanto , es una base . Esta base se conoce como
Base estndar para Rn.
Base estndar para Pn.
el conjunto S= { 1,x, x2,,xn} es una base para el espacio P n , los vectores en S
se generan a Pn. a fin de ver que S es linealmente independiente , supngase que
alguna combinacin lineal de vectores en S es el vector cero , esto es ,

C0 + C1x +.+ Cnxn = 0

Se debe demostrar que C0 = C1= Cn =0. Con base visto en algebra, un

polinomio diferente de cero de grado n tiene ms n races distintas. Dado que es
una identidad, todo valor de X es una raz del primer miembro. Esto implica que C 1
= C2 = Cn = 0 ; por otra parte ,C 0 + C1x +.+ Cnxn podra tener ms cuando
mas n races por tanto, el conjunto S es linealmente independiente.
La base S de este ejemplo se conoce como base estndar para Pn.

Dimensin finita.
Si S = {v1,v2,..,vr} es un conjunto linealmente independiente es un espacio
vectorial V, entonces S es una base para el subespacio lin(S), ya que S es
independiente y, por definicin de lin (S), S se genera a lin(S).
Se dice que un espacio vectorial diferente de cero V es una dimensin finita si
contiene un conjunto finito de vectores {v 1,v2,..,vr } que forma una base. Si no
existe un conjunto de este tipo, se dice que V es una dimensin infinita. Adems
se considera el espacio vectorial cero como dimensin finita cuando no tiene
conjuntos linealmente independientes y, como consecuencia, no tiene base.
Teorema 1.
Si S = {v1,v2,..,vn } es una base para un espacio vectorial V, entonces todo conjunto con ms
de n vectores es linealmente dependiente.

Demostracin. Sea SI = { W1, W2,, wm} cualquier conjunto de m vectores en

V, en donde m> n. Se desea demostrar que SI es linealmente dependiente.
Supuesto que S= {v1,v2,..,vn } es una base, cada W i se puede expresar como
una combinacin lineal de los vectores en S , por ejemplo,
W1= a11v1 +a21v2 + a31v3+ .+an1vn
W2= a12v1 +a22v2 + a32v3+ .+an2vn
W3= a13v1 +a23v2 + a33v3+ .+an3vn

Wm= a1mv1 +a2mv2 + a3mv3+ . +anmvn

Para demostrar que SI es linealmente dependiente, se debe hallar los escalanres

k1, k2 . Km, no todos cero, tales que
k1w1+ k2w2+ . +Km wm = 0
Al aplicar las ecuaciones se volver a escribir como:
(K1 a11+ k2a21 + .+ Km a1m ) v1
+ (K1 a21+ k2a22 + .+ Km a2 m ) v2 + (K1 an1+ k n2a n2 + .+ Km anm ) vn =0

Por tanto, el problema de probar que S I es un conjunto linealmente dependiente se

reduce a demostrar que existen k1, k2 . Km, no todos cero, que satisfacen:
a 11K1 + a21k2 + .+ a1m Km = 0
a21K1 + a22 k2 + .+ a2 m Km = 0
an1K1 + a n2 k n2 + .+ anm Km = 0
Dado que tiene ms incgnitas que ecuaciones, la demostracin queda completa
ya que el teorema 1 garantiza la existencia de soluciones no triviales.
Como consecuencia, se obtiene el siguiente resultado:

Teorema 2.
Dos bases cualesquiera para un espacio vectorial de dimensin finita tienen el mismo
nmero de vectores.

Demostracin.
Sean S = {v1,v2,..,vn } y SI = { W1, W2,, wm} dos bases para un espacio
vectorial de dimensin finita V. dado que S es una base S I es un conjunto
linealmente independiente , el teorema 7 implica que m < n . de modo anlogo ,
dado que SI es una base y S es linealmente independiente , tambin se tiene n <
m . por tanto , m = n.
La base estndar para Rn contiene n vectores. Por consiguiente, toda base R n
contiene n vectores.
La base estndar para Pn contiene n +1 vectores, asi entonces toda base para P n
contiene n+ vectores.
El nmero de vectores en una base para un espacio vectorial de dimensin finita
es una cantidad en particular importante. Por ejemplo: Toda base para R 2 tiene
dos vectores, para R3 tiene tres vectores. Ya que R2 (el plano) es intuitivamente
bidimensional y para toda base R3 es intuitivamente tridimensional, la dimensin
de estos espacios es igual al nmero de vectores que tiene en sus bases. Esto
sugiere la siguiente definicin:

Definicin.
La dimensin de un espacio vectorial de dimensin finita V se define como el
nmero de vectores en una base para v. adems, por definicin, el espacio
vectorial tiene dimensin cero.
Por lo que se vio, Rn es un espacio vectorial de dimensin n y P n es un espacio

Vectorial de dimensin n+1

Ejemplo:
Determnese una base y la dimensin para el espacio de soluciones del sistema
homogneo

2 x 1 +2 x2 x3 + x 5=0
x 1x 2 +2 x3 3 x 4 + x5 =0
x 1+ x 22 x 3x 5=0
x 3+ x 4 + x5 =0
Solucin:
x 1=st
x 2=s
x 3=t
x 4=0
x 5=t
Por tanto, los vectores solucin se pueden escribir como
x1
x2
x3
x4
x5

st
s
t
0
t

s
s
0
=
0
0

De lo cual demuestra que los vectores

t
0
t
0
t

=s

1
1
0
0
0

+t

1
0
1
0
0

1
1
V1 = 0
0
0

y v2 =

1
0
1
0
0

Generan el espacio de soluciones. Dado que estos vectores tambin son

linealmente independientes, v1, v2 es una base y el espacio de soluciones es
bidimensional.
En general, a fin de demostrar que un conjunto de vectores {v 1,v2,..,vn } es una
base para un espacio vectorial V se tiene que demostrar que los vectores son
linealmente independientes y que se generan a V. sin embargo, si se sabe de
antemano que V tiene dimensin n ( de modo que {v 1,v2,..,vn } contiene el
nmero correcto de vectores para tener una base) entonces basta con verificar

a) Si S = {v1,v2,..,vn } es un conjunto de n vectores linealmente

independiente en un espacio V de dimensin n, entonces S es una base
para V.
Teorema 3.
b) Si S = {v1,v2,..,vn } es un conjunto de n vectores que genera un espacio
V de dimensin n, entonces S es una base para V.
c) Si S = {v1,v2,..,vn } es un conjunto linealmente independiente en un
espacio V de dimensin n y r < n, entonces se puede agradar S hasta
formar una base para V ; es decir , existen vectores V r +1 ..,Vn ,
tales que {v1,v2,..,vr , vr +1.. vn }

Espacios de reglones y
columnas de una matriz;
rango; aplicaciones para
hallar bases.
Definicin: considere la matriz m x n

a11 a 12 a1 n
A= a21 a 22 a2 n
am 1 am 2 amn

Los vectores R1 = ( a11 +a12. a1n)

R2 = ( a12 + a22 . + a2n )
Rm= ( am1, am2amn )
Formados a partir de los renglones de A se conocen como vectores rengln de A y
los vectores :

C1 =

a11
a21 , c =
2
am 1

a12
a22
am 2

. Cn =

a1 n
a2 n
amn

Formados a partir de la columna A. El subespacio de R n generado por los

vectores rengln es el espacio de renglones de A, ye le subespacio de R m
generado por los vectores columna es el espacio de columnas de A.
Ejemplo:
Sea
2 1 0
A= 3 1 4
Los vectores rengln de A son
r1 = (2, 1,0) r2 = (3,-1,4)

y los vectores columna de A son

2
c1 = 3

1
c2= 1

0
c3 = 4

Espacios vectoriales
con producto interno
Definicin.
Un producto interior sobre un espacio vectorial B es una funcin que asocia un numero real
< u,v > con cada pareja de vectores u y v en V , de tal manera que se satisface los axiomas
siguientes por todos los vectores u , v y w en V y todos los escalares de k.

1.
2.
3.
4.

< u.v> = <v.u> axioma de simetra

< u + v. w> = < u.w > + <v .w> axioma de aditividad
< ku .v> = k <u.v> axioma de homogeneidad
<v.v 0 y < v.v > = 0 axioma de positividad
Si y solo si v = 0

Un espacio vectorial con un producto interior se conoce como espacio de

productos interiores.
Las siguientes propiedades adicionales se deducen de inmediato a partir de los
cuatro axiomas de los productos interiores:
a. < 0.v> = <v.0> = 0
b. < u . v.+ w> = < u.v > + <u.w>
c. < ku .v> = k <u.v>
Se probara (B) y se dejan (A) e (C) como ejercicios.
< u . v.+ w> = < v + w .u> por simetra
= < v.u> + < w.u> por aditividad
= <u.v> + <u. w> por simetra

Esto es, la funcin producto interno es tambin lineal en su segunda posicin

(variable) por induccin tendremos Y Combinar estas propiedades nos conducen a
la formula general escrita a continuacin:
Podemos hacer, por orden las siguientes observaciones:
Nota 1: el axioma [I1] por si mismo implica
En consecuencia, [I1],[I2],e[I3] son equivalentes a [I1],[I2] y el axioma :
[I3] si u 0, necesariamente >0
O sea una funcin que satisface [I1],[I2],e[I3] es un producto interno.
Nota 2: de acuerdo con [I3], es no negativo y por lo tanto existe una raz cuadrada
real positiva .utilizamos la notacin el nmero real no negativo se determina la

normal o longitud de u. Esta funcin satisface los axiomas de una norma para un
espacio vectorial.
Ejemplo 1.a) Sea V el espacio vectorial de las funciones reales continuas en el intervalo
a t b. el siguiente es un producto interno en V:
Donde f(t) y g(t) son ahora funciones continuas cualquiera en [a,b].

b) Sea V nuevamente el espacio vectorial de las funciones reales continuas en el

intervalo a t b.si w(t) es una funcin continua dada ,positiva en [a,b] otro
producto interno en V es:
En este caso w(t) se denomina una funcin peso para el producto interno.