NDICE GENERAL

INTRODUCCIN CAPTULO I. ASPECTOS GENERALES 1.1 Justificacin. 1.2 Objetivos. 1. 2. 1 Objetivos Generales. 1. 2. 2 Objetivos Especficos. CAPTULO II. MARCO TERICO 2. 1 Antecedentes Histricos. CAPTULO III. ESPACIO VECTORIALES 3. 1 Definicin y Propiedades. 3.2 Subespacios. 3. 3 Dependencia e Independencia Lineal. 3.4 Bases y Dimensiones. 3.5 Sistema Generador. CONCLUSIONES RECOMENDACIONES BIBLIOGRAFA ANEXOS

INTRODUCCIN .

1.1 JUSTIFICACIN Obtener un ttulo a nivel universitario es un logro personal que conlleva la responsabilidad de obtener y adecuar conocimientos ms elevados dentro del rea de especialidad y dentro de la Matemtica Pura. Es necesario para todo estudiante y futuro Licenciado en Matemtica conocer las estructuras de los Espacios Vectoriales. 1.2 OBJETIVO GENERAL Establecer y demostrar las condiciones y estructuras generales de los Espacios Vectoriales. 1.3 OBJETIVOS ESPECFICOS Facilitar la adquisicin del concepto de Espacios Vectoriales.

ESPACIOS VECTORIALES

HISTORIA: Histricamente, las primeras ideas que condujeron a los espacios vectoriales modernos se remontan al siglo XVII: geometra analtica, matrices y sistemas de ecuaciones lineales. La primera formulacin moderna y axiomtica se debe a Giuseppe Peano, a finales del siglo XIX. Los siguientes avances en la teora de espacios vectoriales provienen del anlisis funcional, principalmente de los espacios de funciones. Los problemas de Anlisis funcional requeran resolver problemas sobre la convergencia. Esto se hizo dotando a los espacios vectoriales de una adecuada topologa, permitiendo tener en cuenta cuestiones de proximidad y continuidad. Estos espacios vectoriales topolgicos, en particular los espacios de Banach y los espacios de Hilbert tienen una teora ms rica y elaborada. Los espacios vectoriales se derivan de la geometra afn, a travs de la introduccin de coordenadas en el plano o el espacio tridimensional. Alrededor de 1636, los matemticos franceses Descartes y Fermat fundaron las bases de la geometra analtica mediante la vinculacin de las soluciones de una ecuacin con dos variables a la determinacin de una curva plana.[] Para lograr una solucin geomtrica sin usar coordenadas, Bernhard Bolzano introdujo en 1804 ciertas operaciones sobre puntos, lneas y planos, que son predecesores de los vectores. Este trabajo hizo uso del concepto de coordenadas baricntricas de August Ferdinand Mbius de 1827. El origen de la definicin de los vectores es la

definicin de Giusto Bellavitis de bipoint, que es un segmento orientado, uno de cuyos extremos es el origen y el otro un objetivo. Los vectores se reconsideraron con la presentacin de los nmeros complejos de Argand y Hamilton y la creacin de los cuaterniones por este ltimo (Hamilton fue adems el que invent el nombre de vector). Son elementos de R2 y R4; el tratamiento mediante combinaciones lineales se remonta a Laguerre en 1867, quien tambin defini los sistemas de ecuaciones lineales. En 1857, Cayley introdujo la notacin matricial, que permite una armonizacin y simplificacin de las aplicaciones lineales. Casi al mismo tiempo, Grassmann estudi el clculo baricntrico iniciado por Mbius. Previ conjuntos de objetos abstractos dotados de operaciones. En su trabajo, los conceptos de independencia lineal y dimensin, as como de producto escalar estn presentes. En realidad el trabajo de Grassmann de 1844 supera el marco de los espacios vectoriales, ya que teniendo en cuenta la multiplicacin, tambin, lo llev a lo que hoy en da se llaman lgebras. El matemtico italiano Peano dio la primera definicin moderna de espacios vectoriales y aplicaciones lineales en 1888. Un desarrollo importante de los espacios vectoriales se debe a la construccin de los espacios de funciones por Henri Lebesgue. Esto ms tarde fue formalizado por Banach en su tesis doctoral de 1920 y por Hilbert. En este momento, el lgebra y el nuevo campo del anlisis funcional empezaron a interactuar, en particular con conceptos clave tales como los espacios de funciones p-integrables y los espacios de Hilbert. Tambin en este tiempo, los

primeros estudios sobre espacios vectoriales de infinitas dimensiones se realizaron.

3.1 ESPACIOS VECTORIALES Un espacio vectorial es una estructura matemtica creada a partir de un conjunto no vaco con una operacin suma interna al conjunto y una operacin producto externa entre dicho conjunto y un cuerpo, cumpliendo una serie de

propiedades o requisitos iniciales. A los elementos de un espacio vectorial se les llamar vectores y a los elementos del cuerpo se les llamar escalares. DEFINICIN. Sea ( K, +, * ) un cuerpo. Diremos que un conjunto no vaco E dotado de una Ley de composicin interna:

y otra externa: sobre el cuerpo IK tiene estructura de espacio vectorial si cumple las siguientes propiedades: 1. (E, +) es un grupo abeliano. a) Propiedad asociativa

b)

Propiedad conmutativa

c)

Propiedad del elemento neutro /

d)

Propiedad del elemento opuesto

2. Propiedad asociativa

3. Propiedad del elemento neutro

4. Propiedad distributiva:

a)

Distributiva a derecha

b)

Distributiva a izquierda

PROPIEDADES. Dado un espacio vectorial E sobre un cuerpo IK, se verifican las siguientes propiedades:

a) b) c) d)

E,

0 u= 0E

IK, u = 0E IK, IK, u u E, 0 E = 0E =0 u = 0E

E, (- ) u = - ( u)

OTRAS PROPIEDADES. Dado un espacio vectorial E sobre un cuerpo IK, se verifican las siguientes propiedades: Propiedad 1.3.1 El vector neutro de la definicin 1.c es nico. Demostracin: supongamos que el neutro no es nico, es decir, sean dos vectores neutros, entonces: y

Luego verificamos que existe un nico vector neutro. Propiedad 1.3.2 El vector opuesto de la definicin 1.d es nico: Demostracin: supongamos que el opuesto no es nico, es decir, sean y

dos vectores opuestos de , entonces, como el neutro es nico:

Luego verificamos que existe un nico vector opuesto de u.

Propiedad 1.3.3 El elemento neutro ( 1 ) en el cuerpo K es nico. Demostracin supongamos que 1 no es nico, es decir, sean y dos unidades, entonces:

Luego verificamos que existe y es nico. Propiedad 1.3.4 El elemento inverso ( Demostracin: supongamos que el inverso de a, no es nico, es decir, ) en el cuerpo K es nico.

sean es nico:

dos opuestos de , entonces, como el neutro

Luego verificamos que existe un nico elemento inverso en el

cuerpo K Ejemplos de espacios vectoriales

R, la recta numrica, con las operaciones habituales de adicin y multiplicacin.

Sea N el conjunto de los nmeros naturales. Entonces , con la adicin y multiplicacin por escalares definidas por:

El conjunto de las funciones reales continuas definidas sobre un intervalo [a,b] ,que denotamos por . Es decir, ={f|f es continua en [a,b]}. Las operaciones son:

Este es uno de los espacios de funciones ms importante en Anlisis Matemtico. Espacios vectoriales con estructura adicional:

Desde el punto de vista del lgebra lineal, los espacios vectoriales se comprenden completamente en la medida en que cualquier espacio vectorial y se caracteriza por su dimensin. Las necesidades del anlisis funcional requieren considerar nuevas estructuras.

1. Espacios normados Un espacio vectorial es normado si est dotado de una norma. 2. Espacio mtrico Un espacio mtrico es un espacio vectorial dotado de una aplicacin distancia. 3. Espacios de Banach Un espacio de Banach es un espacio normado y completo. 4. Espacios prehilbertianos Un espacio prehilbertiano es un par, donde es un producto a escalar. 5. Espacios de Hilbert Un espacio de Hilbert es un espacio prehilbertiano completo por la norma definida por el producto escalar. es un espacio vectorial y

Producto Escalar En matemtica, el producto escalar, tambin conocido como producto interno, interior o punto, es una operacin definida sobre dos vectores de un espacio eucldeo cuyo resultado es un nmero o escalar. El producto escalar puede definirse tambin en los espacios eucldeos de dimensin mayor a tres, y en general en los espacios vectoriales reales y complejos.

Definicin 2.1 Sea E un espacio vectorial. Un producto escalar en E es una aplicacin:

Donde E es un espacio vectorial y

es el cuerpo sobre el que est definido E.

debe satisfacer las siguientes condiciones:

3.2 SUBESPACIOS VECTORIALES Dado un espacio vectorial V, podemos considerar una parte o subconjunto S de l que funcione como un espacio vectorial "ms pequeo", incluido en V. Como V es un espacio vectorial, posee las operaciones suma y producto por un escalar, que en particular se pueden efectuar en S. Slo necesitaremos que, al efectuarlas, su resultado quede dentro de S. Definicin: Subespacio. Dado un espacio vectorial V, se dice que un subconjunto S de V es un subespacio vectorial si: contiene al vector 0 , y si al efectuar las operaciones de suma y producto por escalar entre vectores de S, el resultado permanece en S. Se puede decir que S es "cerrado" para las operaciones suma y producto por escalar. Es decir: i) ii) 0 S / S . Si v, w S entonces v + w S.

iii) Si v S y es un escalar, entonces v S. Ya no hace falta comprobar que se cumplen las propiedades asociativa, conmutativa, etc. Puesto que sabemos que se cumplen en V, y por tanto tambin en S se dice que S "hereda" las propiedades de las operaciones en V. Por supuesto si para V utilizamos escalares reales, tambin para S; si para V utilizamos complejos, tambin para S. Ejemplos de subespacios.

1) La recta x=y es un subespacio de R. 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: R / (a, a) = ( a, a) que tambin es un elemento de la recta. 2) El plano XY es un subespacio de R3. 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: R, (x, y, 0)=( x, y, 0) que tambin es un elemento del plano.

Podemos decir que este plano "es como R2 " pero incluido en R3. 3) Es un subespacio de R2 el conjunto de los vectores de la forma (a, 1)? No, puesto que no contiene al (0,0). O tambin: porque no se puede sumar dentro de este conjunto, por ejemplo: (a, 1) + (b, 1) = (a + b, 2) que no pertenece al conjunto. 4) En el espacio P2 = {polinomios de grado 2 }, el conjunto de los polinomios de grado 1 forma un subespacio. En efecto, contiene al polinomio cero, y podemos sumar y multiplicar por un escalar sin salir del conjunto: -Suma: (a x + b) + (a 'x + b') = (a + a') x + (b + b') que tambin es un polinomio de grado 1.

- Producto por escalar: R, (a x + b)= ax + b que tambin es un polinomio de grado 1. 5) En M2 = {matrices 2x2}, el conjunto de las matrices simtricas abbc es un subespacio. - Contiene a la matriz nula, y es cerrado para las operaciones: - Suma: abbc+a'b'b'c'=a+a'b+b'b+b'c+c' que tambin es una matriz simtrica. - Producto por escalar: R, abbc= a b b c que tambin es una matriz simtrica. 6) Geomtricamente, los subespacios vectoriales de y son rectas, planos, y slo uno de ellos es un punto, el { 0 }. 7) En todo espacio vectorial existen el subespacio cero, formado solamente por el vector { 0 }, y el subespacio total, formado por todos los vectores del espacio.

TEOREMA: Caracterizacin de un Subespacio Vectorial: Existe una caracterizacin que nos facilita comprobar si un subconjunto S de un espacio vectorial V es o no subespacio vectorial: Sean (V, +, ) un espacio sobre R y S un subconjunto no vacio de V entonces:
a, a + b es un (S, +, ) S , S subespacio b S Vectorial de (V, +, ) , R

La demostracin del teorema en el sentido ) es relativamente sencilla:

Si suponemos que (S, +, ) es subespacio vectorial, es por tanto un espacio vectorial en s mismo, luego si los vectores a, b pertenecen a S y los nmeros , R, entonces tanto . a como . b pertenecern a S y por ello tambin su suma. En sentido recproco ( se tiene que: Si cualesquiera que sean a, b S y , R, se cumple que a + b S, entonces la operacin (+) cumple las propiedades exigidas:

Es interna en S, pues tomando ==1 se tendr, si a, b S, que

1b

1a+

S, es decir, a + b S.

Es asociativa a+(b+c)=(a+b)+c), por serlo en V. Por hiptesis el vector nulo pertenece a S. Todo a S tiene su opuesto, - a , en S/ =-1, =0 Es conmutativa a+b=b+a), por serlo en V.

Por otra parte, la segunda ley, la (), tambin cumple las condiciones requeridas:

Que se trata de una aplicacin R x S S se deduce del hecho de que tomados a, b S; , 0 R, se tendr a + 0 b S, o sea, a S.

Las dems propiedades se cumplen en V, luego tambin en S.