You are on page 1of 24

REPBLICA BOLIVARIANA DE VENEZUELA

UNIVERSIDAD DEL ZULIA


FACULTAD EXPERIMENTAL DE CIENCIAS
DEPARTAMENTO DE COMPUTACIN

Espacios Vectoriales

Autores:
Wolfgang Salazar V.26242913
Leandro Castellano V.21178642

Maracaibo, octubre 2013

1.-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.
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.
Axiomas de un espacio vectorial
i. Si x V y y V, entonces x + y V (cerradura bajo la suma).
ii. Para todo x, y y z en V, (x + y) + z = x + (y + z) (ley asociativa de la suma de vectores).
iii. 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).
iv. Si x V, existe un vector -x en V tal que x + (-x) = 0 (-x se llama inverso aditivo de x).
v. Si x y y estan en V, entonces x + y = y + x (ley conmutativa de la suma de vectores).
vi. Si x V y a es un escalar, entonces ax V (cerradura bajo la multiplicacin por un
escalar).
vii. Si x y y estan en V y a es un escalar, entonces a(x + y) = ax + ay (primera ley
distributiva).
viii. Si x V y a y b son escalares, entonces (a + b) x = ax + bx (segunda ley distributiva).
ix. Si x V y a y b son escalares, entonces a(bx) = (ab)x (ley asociativa de la
multiplicacin por escalares).
x. Para cada vector x V, 1x = x
En algunos espacios vectoriales reales, distintos de ^n, puede hacerse un paralelismo o
identificacin con , para un n adecuado.
Por ejemplo, ya hemos visto cmo el espacio vectorial real C de los nmeros complejos
puede identificarse con , correspondiendo el nmero complejo a+bi al vector (a,b).
Veamos cmo el espacio P2 = { polinomios de grado 2 } puede identificarse con ^3: cada
polinomio ax2+bx+c correspondera al vector (a,b,c) de ^3.
Lo mismo ocurre con el espacio de matrices M2x2 = { matrices 2x2 }, que se identifica con ,
correspondiendo a la matriz (a b) el vector (a,b,c,d).
(c d)
En todos los casos las operaciones de suma y producto por escalar se pueden trasladar
paralelamente del espacio considerado a ^n.
Esto hace posible efectuar las operaciones en ^n en lugar de otros espacios.

Ejemplos:

1) El espacio , 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 ^n.
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
(si lo hacemos, el resultado no se mantendr dentro de ^n).
2) Consideremos el conjunto P2 de los polinomios de grado 2 con coeficientes reales:
P2 ={ ax2 + bx + c : a, b, c ^n }
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:
Suma: ( ax2 + bx + c ) + ( ax2 + bx + c ) = (a+a) x^2 + (b+b) x + (c+c) que pertenece a P2.
Producto por un escalar real: , (ax + bx + c) = ax^2 + bx + c que pertenece a P2.
Se puede comprobar que se cumplen las propiedades requeridas. El vector es el polinomio
cero: 0x^2 + 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
p = x^3+x^2+x+1 , q = x^3+x^2+x+1
Pertenecen a G, pues su grado es 3. Pero su suma es p+q = 2x^2+2x+2 que no pertenece a
G (su grado no es 3).
4) Consideremos el conjunto M2x2 (tambin denotado por M2) de las matrices 2x2 con
trminos reales:
M2x2 = {(a b) : a,b,c,d }
{(c d)
}
Es un espacio vectorial real, pues podemos sumar dos matrices de M2x2 obteniendo otra
matriz de M2x2 , y multiplicar una matriz de M2x2 por un escalar real obteniendo otra matriz
0de M2x2. Se puede comprobar que se cumplen las propiedades. El vector 0
es, en este caso, la matriz con todos sus trminos nulos.
No es un espacio vectorial complejo.
2.-Definicin de Subespacio Vectorial
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 multiplicacion 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.
Existen multiples ejemplos de subespacios; sin embargo, en primer lugar, se demostrara un
resultado que hace relativamente sencillo determinar si un subconjunto de V es en realidad
un subespacio de V.
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 vaco es un subespacio
i. Si x H y y H, entonces x + y H.
ii. Si x H, entonces ax H para todo escalar a.
Es obvio que si H es un espacio vectorial, entonces las dos reglas de cerradura deben
cumplirse. De lo contrario, para demostrar que H es un espacio vectorial, debe demostrarse
que los axiomas i) a x) se cumplan, como bajo las operaciones de suma suma de vectores y
multiplicacion por un escalar definidas en V. Las dos operaciones de cerradura [axiomas i) y
iv)] se cumplen por hipotesis. Como los vectores en H son tambien vectores en V, las
identidades asociativa, conmutativa, distributiva y multiplicativa [axiomas ii), v), vii), viii), ix) y
x)] se cumplen. Sea x H. Entonces 0x H por hipotesis
ii), 0x = 0. De este modo, 0 H y se cumple el axioma iii). Por ultimo, por la parte ii), (-1)x
H para todo x H , -x =(-l)x H de manera que se cumple el axioma iv) y la prueba queda
completa.
Este teorema demuestra que para probar si H es o no es un subespacio de V, es suficiente
verificar que
x + y y ax estan en H cuando x y y estan en H y a es un escalar.
La prueba anterior contiene un hecho que por su importancia merece ser mencionado de
forma explicita:
Todo subespacio de un espacio vectorial V contiene al 0.
Este hecho con frecuencia facilitara la averiguacion de si un subconjunto de V en particular
no es un subespacio de V. Es decir, si un subconjunto no contiene al 0, entonces no es un
subespacio. Note que el vector cero en H, un subespacio de V, es el mismo que el vector
cero en V.
Ejemplos:
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 es como ^2 pero incluido en ^3.
3) Un espacio vectorial es un subespacio en s mismo
Para cada espacio vectorial V, V es un subespacio de si mismo.
Los primeros dos ejemplos muestran que todo espacio vectorial V contiene dos subespacios,

{0} y V (que coinciden si V 5 {0}). Es mas interesante encontrar otros subespacios. Los
subespacios distintos a {0} y V se denominan subespacios propios.
4) Un subespacio propio de ^2
Sea H = {(x, y): y = mx} (vea el ejemplo 4.2.4 de la pagina 283). Entonces, como ya se dijo,
H es un subespacio de ^2. Si H es cualquier subespacio propio de ^2, entonces H
consiste en el conjunto de puntos que se encuentran sobre una recta que pasa por el origen;
es decir, un conjunto de puntos que se encuentra sobre una recta que pasa por el origen es
el unico tipo de subespacio propio de ^2.
5) Un subespacio propio de ^3
Sea H = {(x, y, z): x = at, y = bt y z = ct; a, b, c, t reales}. Entonces H consiste en los vectores
en ^3 que se encuentran sobre una recta que pasa por el origen. Para ver que H es un
subespacio de ^3, sea x = (at1, bt1, ct1) H y y = (at2, bt2, ct2) H. Entonces
x + y = (a(t1 1 t2), b(t1 1 t2), c(t1 1 t2)) H
Asi, H es un subespacio de ^3.
6) Es un subespacio de ^2 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.
7) 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: (ax+b) + (ax+b) = (a+a)x + (b+b) que tambin es un polinomio de grado 1.
Producto por escalar: , (ax+b)= ax+b que tambin es un polinomio de grado 1.

8) En M2 = { matrices 2x2 }, el conjunto de las matrices simtricas (a b) es un subespacio.


Contiene a la matriz nula, y es cerrado para las operaciones:
(c d)
Suma: (a b)+(a' b')= (a+a' b+b') que tambin es una matriz simtrica.
(b c) (b' d')= (b+b' c+c')
Producto por escalar: , (a b) = (a b) que tambin es una matriz simtrica.
(b c) (b c)

3.-Combinacin lineal y subespacio generado


Combinacin lineal:
Sean v1 , v 2 ,..., v n vectores en un espacio vectorial V. Entonces cualquier vector de la
forma:

a1v1 a2 v2 ... a n vn

Donde a1 , a 2 ,..., a n son escalares se llama una combinacin lineal de v1 , v 2 ,..., v n .


Ejemplos:

1 0
es combinacin lineal de
1) Si V M 2 x 2 .Determine si V
1 2
2 1
1 1
4 0
; v 2
y v3
.
v1
1 0
0 1
0 3

1 0
2 1
1 1
4 0

1
2
3

1 2
1 0
0 1
0 3
1 0 21 1 2 2 4 3 0


1 2 1 0 0 2 0 3 3
1 0 21 2 4 3 1 2

1
2 3 3
1 2
21 2 4 3 1

1 2 0 1 2 0 2 1

1 1 1 1

2 3 3 2 1 3 3 2 3 1

2) Determine si el vector v p x x 2 x 1 es combinacin lineal de


x 2 1, x 2 x, x 1 .

x 2 x 1 1 x 2 1 2 x 2 x 3 x 1

x 2 x 1 1 2 x 2 2 3 x 1 3
1 2 1

2 3 1
1
1 3

1 1 0 :1

0
1
1
:

1 0 1:1

1 1 0 :1

0 1 1 : 1
0 1 1: 2

1 1 0 :1

0 1 1 : 1 0 3 3
0 0 0:3

Por tanto el conjunto es un Sistema inconsistente y no son combinacin lineal.


Conjunto generador:
Se dice que los vectores v1 , v 2 ,..., v n en un espacio vectorial V generan a V si todo vector
en V se puede escribir como una combinacin lineal de ellos. Es decir, para todo v V ,
existen escalares a1 , a 2 ,..., a n tales que:
v a1v1 a 2 v 2 ... a n v n

Ejemplos:
1) Determine un conjunto generador para el espacio

a b a b
V A M 22 / A
; a,b
a b a b

a b a b
A

a b a b
1 1
1
A a
b
1 1
1

1

1

1 1

Un conjunto generador para ese espacio es S


,

1 1 1
2) Encuentre un conjunto generador para:
a) v A M 2 x 2 / aij a ji

b) v p x P2 / p ' 0 p 0 0

1

1

a11
a ) V
a21

a12
/ aij a ji
a22

a11 a11 a11 0


a a
21
12

a21 a12
a a a 0
22
22
22

a11
A
a21

a12
0


a22
a12

0
S gen
1

a12
0
a12
0
1

1

0

b) px ax 2 bx c
p' x 2ax b
p0 0 c 0
px ax 2 S x 2
p' 0 0 b 0
Espacio generado por un conjunto de vectores:
Sea v1 , v2 ,..., vk k vectores en un espacio vectorial V. El espacio generado por

v1 , v2 ,..., vk

es el conjunto de combinaciones lineales de v1 , v2 ,..., vk , Es decir,

gen v1 , v 2 ,..., v k v : v a1v1 a 2 v 2 ... v k

Donde a1 , a 2 ,..., a k son escalares arbitrarios.


TEOREMA
Si v1 , v2 ,..., vk son vectores no nulos de un espacio vectorial V, entonces

gen v1 , v2 ,..., vk Es un subespacio de V.

Ejemplos:

1) Determine el espacio generado por los vectores

1 2

v1 1 ;v2 1
1 1

v1,v2 v /v 1v1 2v2


3

x x 1 2

y / y 1 1 2 1
z z 1 1

1 22 x

1 2 y
z
1 2
1 2 x 1 2 x 1 2 x

1 1 y 0 3 y x 0 3 y x
1 1 z 0 3 z x 0 0 y z

2)Sea

V 3 . Determine si

dados en 3 .

2 4

v11y v21

4 6

. Hallar el menor subespacio que generan los vectores

x
3
Seav y vc1v c2v2

z
x 2 4 2c14c2x 2 4 Mx 1 1My

y c1 1 c21 1c1c2y 1 1My 2 4 Mx

z 4 6 4c16c2z 4 6 Mz 4 6 M z
x 2y
1

1 1My 6 3
1 1My
x y x y

En las definiciones 2 y 3 se uilizaron dos terminos diferentes: genera y espacio generado.


Se hace hincapie en que un conjunto de vectores v1, v2, . . . , vn genera a V si todo vector
en V se puede escribir como una combinacion lineal de v1, v2, . . . , vn; pero el espacio
generado por los n vectores v1, v2, . . . , vk es el conjunto de combinaciones lineales de
estos vectores.
Estos dos conceptos son diferentes aun cuando los terminos se parezca.
4.-Independencia y dependencia lineal
Sean v1 , v 2 ,..., v n n vectores en un espacio vectorial V. Entonces se dice que los vectores
son linealmente independientes si existen n escalares c1 , c 2 ,..., c n todos cero tales que:
c1v1 c 2 v 2 ... c n v n 0
Si los vectores no son linealmente independiente, se los llama como linealmente
dependientes.

Para que un conjunto sea linealmente independiente su determinante siempre debe


ser diferente de cero

TEOREMA
Dos vectores en un espacio vectorial son linealmente dependientes si y solo si uno es
mltiplo escalar del otro.
DEMOSTRACION

c1v1 c 2v 2 c 3v 3 ... c n v n
c
c
c
v1 2 v 2 3 v 3 ... n v n
c1
c1
c1

v1 2v 2 3v 3 ... n v n 1

La ecuacin uno nos dice que

v1 es dependiente de los vectores contrarios de

a la hiptesis asumida.
acuerdo

Ejemplos:

1)Determine si los conjuntos dados, son linealmente independientes.

10

S1, 0
2 1

Sx 1,x 1,x 1
222

1 0 0 10


a112130 1 20

2 1 1 21 2 30
El sistema es linealmente independiente, ya que todos sus escalares son igual a cero.

1 1 1 0 1 2 30

b1121310 1 2 30

1 1 1 0 1 230
1 1M0 1 1M0 1 1M0 1 0 M0 10

1 1M00 2 M0 0 2 M0 0 1M030

1 1 M0 0 2 0M 0 1 0M 0 1 0M 20
El sistema es linealmente independiente, ya que todos sus escalares son igual a cero.

2)Sea

3.

1
3
11

Determine si los vectores v1 3 ; v 2 0 y v3 6 son linealmente


0
4
12

independientes.

1
det A 3
0

3
0

11
6 0

12

Puesto que, el sistema tiene infinitas soluciones para

c 3

, y su

det A 0 , entonces decimos que los vectores son linealmente dependientes.

3) Determine el valor de verdad de la Proposicin dada:


El conjunto v1,v1v 2 , v 2 es linealmente independiente si v1,v 2 ,v 3 es linealmente
independiente.

1v1 2 v1 v 2 3v 3 0

1 2 v1 2v2 3v3 0
1 2 0 1 0

2 0
0

Por tanto

v1,v1v 2 , v 2 es linealmente independiente.

TEOREMA
Un conjunto de

vectores en

siempre es linealmente dependiente si

nm

Seav1,v 2,...,v n vectores dem


c1v1 c 2v 2 ... c nv n 0

a11
a12
a1n
a
a
a
21
22
2n
v1 ;v 2 ;...;v n
M
M
M
am1
am2
amn

a11 a12
a1n 0
a a
a
21
22
2n
c1 c 2 ... c n 0
M M
M 0
am1 am2
amn
a11c1 a12c 2 ... a1nc n 0
a21c1 a22c 2 ... a2nc n 0

am1c1 am2c 2 ... amn c n 0

nm

Por hiptesis
, por tanto el sistema, a mas de la solucin trivial, existen otras
soluciones que hacen que el conjunto sea linealmente dependiente.

TEOREMA
Cualquier conjunto de
n .

vectores no nulos linealmente independiente en

genera a

x1 a1 a12 a1n

x 2 n a21 a2 a2n
v ySeanv1 ;v2 ;. ;vn
M M M M

xn an1 an2 an

v c1v1 c2v2 .. cnvn


x1 a1 a12 a1n

x 2 a21 a2 a2n
c1 c2 .. cn
M M M M

x a a a

Puesto que los vectores v1,v 2 ,...,v n son linealmente independiente y el


tiene solucin nica de tal manera que
combinacin lineal de los vectores.

det A 0 , el conjunto

se lo expresa como

2
3
4) Sea V P3 . Determine si los polinomios 1, x, x , x son linealmente
independientes.

c1v1 c2v2 c3v3 c4v4 0

c1 1 c2 x c3 x 2 c4 x 3 0

valida para todo valor de x


Si x 0 c1 0
si x 1 c c c 0

2
3
4

1 1 1

1 1 1
si x 1 c2 c3 c4 0

2 4 8
si x 2 2c2 4c3 8c4 0

1 1 1 1 1 1

0 2 0 0 2 0
2 4 8 0 2 6

1 1 1

2 0 0 0 0 2
det A 0 2 0 1 1 1 12 12 0
0 2 6 2 6 0 6 0 2

2
2
2
5) Sea V P2 . Determine si los polinomios x 2 x , x 4 x,7x 8 x son
linealmente independientes.

c1v1 c2v2 c3v3 0

c x2x c x 4x c37x 8x 0
2 2
1 2

c1 4c2 7c3x 2c1 c2 8c3x 0


2

c1 4c2 7c3 0 1 4 7M0 1 4 7M0 1 4 7M0


6
2c1 c2 8c3 0 2 1 8 M0 0 7 6 M0 0 1 7M0
1 0 257M0 c1 257c3 0 c1 257c3
6 6 6 c3
0 1 7M0 c2 7c3 0 c2 7c3
Por teorema podemos decir que los vectores son linealmente dependientes ya que tienen
mas vectores que la base.