REPBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA EDUCACIN

UNIVERSIDAD RAFAEL URDANETA

ESPACIOS VECTORIALES

PROFESOR:
GINES ALARCN

INTEGRANTES:
FIGUEROA RUSSO, LORENA VIRGINIA. CI: 25.905.243
LPEZ SANTELIZ, MARIA VALENTINA. CI: 25.906.898
ROS, MARIANGEL CI:

MARACAIBO, NOVIEMBRE 2015

ESQUEMA

1. ESPACIOS VECTORIALES
2. PROPIEDADES DE LOS ESPACIOS VECTORIALES
3. COMBINACIN LINEAL Y VECTORES LINEALMENTE
INDEPENDIENTES
4. VECTORES BASE
5. CAMBIO DE BASE
6. BASES ORTONORMALES

1. ESPACIOS VECTORIALES:
Un espacio vectorial es una estructura algebraica creada a partir de
un conjunto no vaco, una operacin interna (llamada suma, definida para los
elementos del conjunto) y una operacin externa(llamada producto por un
escalar, definida entre dicho conjunto y otro conjunto, con estructura
de cuerpo ), con 8 propiedades fundamentales.
A los elementos de un espacio vectorial se les llama vectores y a los elementos
del cuerpo, escalares.
Ejemplo: El plano cartesiano
de puntos de la forma
con
un espacio vectorial real respecto de las siguientes operaciones:

, es

2. PROPIEDADES DE LOS ESPACIOS VECTORIALES

1) Ley de composicin interna: Si y son vectores de V. Entonces ( +
) est en V.
2) Propiedad conmutativa: Si y son vectores de V. Entonces + =
+ .

3) Propiedad asociativa: Si , y son vectores de V, entonces + ( +

) = ( + ) + .
4) Existencia del elemento neutro: Existe un vector en V, denominado
vector nulo, tal que para cualquier vector de V: 0 + = + 0 = .
5) Existencia del elemento inverso aditivo: Para todo vector de V,
existe un vector - en V, denominado opuesto de , tal que + (-) = () + = 0.
6) Ley de composicin externa: Si a es cualquier nmero real y es
cualquier vector de V, entonces (a . ) est en V.
7) Propiedad distributiva del producto de un escalar con respecto a la
suma de vectores: Si a es cualquier nmero real, y y son vectores
de V entonces: a( + ) = a . + a .
8) Propiedad distributiva del producto de un escalar por un vector con
respecto a la suma de escalares: Si y son cualquier par de
escalares y es cualquier vector de V entonces: ( + ) = . + .
9) Asociativa mixta: Si y son cualquier par de escalares y es
cualquier vector de V, entonces: ( . ) = ( . ) = ( . )
10) Identidad: Si es cualquier vector V, entonces: 1 . = .
-Ejemplos:
1- Considere el conjunto de matrices reales de 2 x 2. Se analizaran
algunos axiomas para comprobar esto.
Utilizando la notacin vectorial para indicar los elementos del M22, sean
dos matrices de 2 x 2 cualesquiera. Se tiene entonces que:
u y v respectivamente:

Axioma 1.

a
b

e
f

c
u + v =d

g
h

a
b

e
f

g
h

c
d

a+e
b+f
c+g

u + v es una matriz de 2 x 2. Por consiguiente M22, es cerrada bajo la adicin.

Axioma 2 y 4: Se sabe que las matrices de 2 x 2 son conmutativas y
asociativas bajo la adicin.
Axioma 3: La matriz cero de 2 x 2 es:
0
0

a
b

0
0

a
b

0=

puesto que u+ 0 =

Axioma 4.
a
b

Si u =

entonces u =

u+ (-u) =

-a
-b

ya que

-c

a
b

-a
-b

-c

a-a
b-b
c-c

0
0

=0

El conjunto de matrices de 2 x 2 constituyen un espacio vectorial. Las

propiedades algebraicas de M22 son similares a las de R . Asimismo, se
puede concluir que Mmn, el conjunto de matrices de m x n es un espacio
vectorial.

2- Sea V el conjunto de funciones cuyo dominio esta formado por los

nmeros reales. Sean f y g elementos cualesquiera de V. Se define la adicin
de f + g como una funcin tal que (f + g)(x) = f(x) + g(x)
Esta expresin define a f + g como una funcin cuyo dominio es el
conjunto de los nmeros reales. Para determinar el valor de f + g para
cualquier nmero real x, se suma el valor de f en x y el valor de g en x. Esta
operacin recibe el nombre de adicin de punto por punto. En seguida se
definir la multiplicacin por un escalar de los elementos de V. Sea c un
escalar cualquiera. La multiplicacin escalar de f, cf es la funcin (cf)(x) =
c[f(x)]
Esta expresin define a cf como una funcin cuyo dominio es el conjunto
de los nmeros reales. Para determinar el valor de cf para cualquier nmero
real x, se multiplica el valor de f en x por c.
Para visualizar de gorma geomtrica esas dos operaciones sobre
funciones, considere dos funciones especficas.
F(x) = x

g(x) = x

Entonces, f + g es la funcin definida por (f + g)(x) = x + x

La multiplicacin de f por un escalar, como por ejemplo 3, es la funcin
3f, definida por (3f)(x) = 3x.
Axioma 1: f + g se encuentra definida por (f + g)(x) = f(x) + g(x). f + g
es una funcin cuyo dominio es el conjunto de los nmeros reales. f + g es un
elemento de V, por lo tanto, V es cerrada bajo la adicin.

3- Sea V = [(x , y): y = 2x + 1, x R). Es decir, V es el conjunto de dos

puntos que estn sobre la recta Y = 2x + 1. V no es un espacio vectorial
porque no se cumple el axioma 1 sobre la cerradura bajo la suma.
Una forma sencilla de comprobar que V no es un espacio vectorial es
observar que 0 = (0 , 0) no se encuentra en V porque 0 2 0 + 1. No es difcil
demostrar que el conjunto de puntos en R que esta sobre cualquier recta que
no pasa por (0 , 0) no constituye un espacio vectorial.

3. COMBINACIN LINEAL Y VECTORES LINEALMENTE INDEPENDIENTES

Combinacin lineal: Es una expresin matemtica que consiste en la
suma entre pares de elementos, de determinados conjuntos, multiplicados
entre s. Por Ejemplo:
Dados los vectores [1, 2, 2] y [2, 0, 1], se pueden hacer las operaciones
siguientes:
*2 = [2, 4, 4]
*3 = [6, 0, 3]
*2 + 3 = [2 + 6, 4+ 0, 4 + 3] = [8, 4, 7]

Se dice que el vector (8, 4, 7) es combinacin lineal de y .

Vectores linealmente independientes: Varios vectores son
linealmente independientes si ninguno de ellos puede ser escrito con una
combinacin lineal de los restantes.
-Ejemplo:
Dados los vectores [3, 1] y [2, 3] determinar si son linealmente independientes.
3/2 = 1/3 3 . 3 2 . 1
4. VECTORES BASE

Una base de un espacio vectorial es un sistema generador cuyos

vectores son linealmente independientes.

Todas las bases de un mismo espacio vectorial tienen el mismo nmero de

vectores y ese nmero se llama dimensin del espacio vectorial.

Todo espacio vectorial tiene, al menos, una base, y cualquier vector se

puede expresar de forma nica como combinacin lineal de los vectores de la
base.
Dada una base

y un vector

, ste se puede escribir de la siguiente forma:

Los numeros
vector
en la base

reciben el nombre de coordenadas del

.

Dos vectores

con distinta direccin forman una

base, porque cualquier vector del plano se puede

poner como combinacin lineal de ellos.

Las coordenadas del vector respecto a la base son:

Ejemplos:
A. Sean e1 = (1, 0) y e2 = (0, 1) vectores en R2. Entonces forman una
base para R2.

B. Existe un teorema que seala que cualquier conjunto de n vectores

linealmente independientes en Rn genera a Rn. Por tanto, todo conjunto
de n vectores linealmente independientes en Rn forma una base en Rn,
En Rn se define: e1 = (1, 0, 0, , 0), e2 = (0, 1, 0, 0, , 0), e3 = (0, 0,
1 , 0, , 0), , en = (0, 0, 0, , 0, 1). A esta base se le llama la base
estndar o usual de Rn.
C. Los vectores (2, 0, 0), (0, 3, 0) y (0, 0, 5) generan a R3 y son linealmente
independientes. Luego forman una base para R3.

5. CAMBIO DE BASE
Partiendo de una base B a una base B' se tiene que hacer una
multiplicacin por una matriz p-1 y est la obtenemos sacando la inversa de la
base B esto sera P-1 y multiplicando P-1 por B obtenemos B' y viceversa.
Ejemplo:
Calcular la matriz de cambio de base de la base A a la base B.
A = {(-1 0 -1); (-4 8 2); (1 -3 -1)}
B = {(0 1 -1); (-1 1 0); (6 -4 -1)}
La matriz de cambio de base (o matriz de transicin) C[A->B] de la base de la A
a la base B, se puede calcular transponiendo la matriz de los coeficientes
cuando se expresan los vectores de B como combinacin lineal de los vectores
de A. Otra manera, la que ser utilizada, es multiplicando la inversa de la matriz
de la base B por la matriz de la base A, donde la matriz de una base es la
matriz cuyas columnas son los vectores de la base. Las matrices de una base
siempre son invertibles, debido a su rango coincide con su orden. Este mtodo
de clculo se basa en la siguiente frmula: C[A->B] = C[N->B]C[A->N] donde N
es la base cannica, y C[N->B] = inv(C[B->N]). La matriz de cambio de base de
cualquier base B a la base cannica N es igual a la matriz de la base B.

a) C[B->N]=

0 -1 -6
1 1 -4
-1 0 -1

b)
0 -1 6

 1 1 -4 = 01(-1) + (-1)(-4)(-1) + 106 - 61(-1) - (-1)1(-1) - (-4)00 =

1
-1 0 -1

Cof(C[B->N]) =

-1 5 1
-1 6 1
-2 6 1

Adj(C[B->N]) =

-1 -1 -2
5 6 6
1 1 1

Inv(C[B->N]) = C[N->B] =

-1 -1 -2
5 6 6
1 1 1

c)
C[A->N] =

-1 -4 1
0 8 -3
-1 2 -1

d)
C[A->B]11 = (-1)(-1) + (-1)0 + (-2)(-1) = 3
C[A->B]12 = (-1)(-4) + (-1)8 + (-2)2 = -8
C[A->B]13 = (-1)1 + (-1)(-3) + (-2)(-1) = 4

C[A->B]21 = 5(-1) + 60 + 6(-1) = -11

C[A->B]22 = 5(-4) + 68 + 62 = 40

C[A->B]23 = 51 + 6(-3) + 6(-1) = -19

C[A->B]31 = 1(-1) + 10 + 1(-1) = -2

C[A->B]32 = 1(-4) + 18 + 12 = 6
C[A->B]33 = 11 + 1(-3) + 1(-1) = -3

C[A->B] =

3 -8

-11 40 -19
-2 6 -3

6. BASES ORTONORMALES:
Una base ortonormal es un espacio vectorial con producto interno
(producto escalar) en el que los elementos son mutuamente ortogonales y
normales, es decir, de magnitud unitaria. Una base ortogonal satisface las
mismas condiciones, salvo la magnitud unitaria; es muy sencillo transformar
una base ortogonal en una base ortonormal mediante el producto por un
escalar apropiado y una base ortomormal mediante el producto por un escalar
apropiado y una base ortonormal se transforma: por medio de una base
ortogonal.
As, una base ortonormal es una base ortogonal, en la cual la norma
(longitud o magnitud del vector) de cada elemnto que la compone es unitaria.
Las bases ortonormales estn formadas por vectores ortogonales y
unitarios. La base de la figura es la base cannica del espaco
formada por
3 vectores unitarios y ortogonales, (1,0,0) (0,1,0) y (0,0,1)
Ejemplo: En el espacio eucldeo tridimensional
el
conjunto S = {e1, e2, e3} formado por los tres vectores e1 = (1,0,0), e2 = (0,1,0)
y e3=(0,0,1) es un conjunto ortonormal.