Sie sind auf Seite 1von 13

ESPACIOS VECTORIALES

Se va llamar espacio vectorial a un determinado conjunto V, no vaco sobre K,


si est provisto de dos operaciones fundamentales, estas son: suma (+) y
producto (.), definidos de la siguiente manera:

+: V x V

(,v)

.:KxV

+v

(,v)

La suma de dos vectores

El producto de un escalar por

es otro vector

un vector, es otro vector

y que a su vez cumpla con las siguientes propiedades:


A1) + v = v + ; , v

(Propiedad conmutativa)

A2) ( + v) + w = + (v + w); , v, w
A3)

!O

A4)

V/ v + O =v;

V, ! v / v + (-v) = O

(Propiedad asociativa)
(O es elemento cero)
(-v se llama el opuesto de

v)
P1) (v) = ()v,
P2) 1.v = v,

K, v

V, 1 K

Para que siga cumpliendo con la definicin de espacio vectorial es


imprescindible tambin que cumpla con las dos propiedades de distributividad.
DISTRIBUTIVIDAD:
D1) (+) v = v + v, ,

K; v

D2) (+v) = + v,

K; , v

K.

Los elementos de V se llaman VECTORES y los elementos de K se llaman


ESCALARES.

Como V esta definido sobre los elementos de K, decimos que V es un K- espacio


vectorial.
Por ejemplo:
Si K=R, entonces decimos que V es un espacio vectorial sobre R o V es un R
espacio vectorial o simplemente que V es espacio vectorial real.
A continuacin mostraremos ejemplos de espacios vectoriales
Ejemplo: El conjunto de puntos en R2 que estn en una recta que pasa por el
origen constituye un espacio vectorial.
Sea V={(x, y): y = mx, donde m es un nmero real fijo y x es un nmero
arbitrario}.
Es decir, V es el conjunto de todos los puntos que estn sobre la
recta y = mx que pasa por el origen y tiene pendiente m. Para demostrar que V
es un espacio vectorial, es posible comprobar que cumple con cada uno de los
axiomas.
Suponga que x = (x1, y1) y y = (x2, y2) se encuentran en V.
Entonces y1 = mx1, y2 = mx2 y

Ejemplo: Espacios vectoriales de funciones.


Sea V el conjunto de funciones cuyo dominio est 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. Esta operacin recibe el nombre de
multiplicacin por un escalar punto por punto.

Para visualizar de forma geomtrica esas dos operaciones sobre funciones,


considere dos funciones especficas:
f(x) = x

g(x) = x2

Entonces, f + g es la funcin definida por


(f + g)(x) = x + x2
La multiplicacin de f por un escalar, como por ejemplo 3, es la funcin 3f
definida por
(3f)(x) = 3x
Propiedad nmero 1 de los espacios vectoriales:
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.

INDEPENDENCIA LINEAL Y DEPENCIA LINEAL


1) INDEPENDENCIA LINEAL:

Sea S = {

2,

de un espacio vectorial

,.,

V . Adems

} un subconjunto de vectores distintos

escalares 1 , 2 , 3 ,.., n .

11 + 22 + 33 +..+ nn = 0
Entonces decimos que el conjunto S = { v1 , v2 , v3 ,., vn } es linealmente
independiente si:
1 = 2 = 3 = .= n = 0
INTERPRETACION GEOMETRICA
En el espacio vectorial euclideano =

se tienen e vectores 1 y 2 .

Decimos que dos vectores son linealmente independientes si 1 y 2 no


son paralelos.
En

se dice qe los vectores son linealmente independientes si estos

son no coplanares (estn en un mismo plano).


Ejemplo: 1 = (2,0,0) , 2 = (0,1,0) , 3 = (1,2,3) son no coplanares por lo
tanto son linealmente independientes. Se cumple que: 1.(2 x 3) 0

Nota: Si el conjunto {1 , 2 ,., n es linealmente independiente, cualquier


reordenacin de los vectores { i1 , i2 , i3 ,, in tambin lo es.

Ejemplo : se tienen los vectores 1 = (3,-8) y 2 = (-2,3) dos vectores en

determinar si son independientes.


Solucin:

Sean los escalares 1 y 2 tal que:


1 (3,-8) + 2 (-2,3) = (0,0)
(31 - 22 , -81 + 32) = (0.0)
31 - 22 = 0
-81 + 32 = 0

Donde 1=0 y 2=0 . Por lo tanto se concluye que los vectores 1 y 2 son
linealmente independientes.

Tambin se demuestra geomtricamente ubicando los vectores en


espacio vectorial.

(-2,3)

(3,-8)

Donde 1 y 2 son no paralelos, por lo tanto son vectores linealmente


independientes.

2) DEPENDENCIA LINEAL

A diferencia de la independencia lineal, la dependencia viene ser su contrario pues se


habla de dependencia lineal de un vector si al menos uno de ellos se puede escribir como
combinacin lineal del resto.
Lo podemos definir como

V1 + V2 +

V3 +.+ Vn , basta que uno

sea diferente de cero, se le considera vector linealmente dependiente

BASES Y DIMENSIN
Base: Se llama base de un espacio (o subespacio) vectorial, a un sistema
generador de dicho espacio (o subespacio), que sea a la vez linealmente
independiente.
Un conjunto finito de vectores (v1, v2,, vn) es una base para un espacio
vectorial V. Este conjunto debe de cumplir las siguientes condiciones:

(v1, v2, . . ., vn) es linealmente independiente.


(v1, v2, . . ., vn) genera V.
Todo conjunto de n vectores linealmente independiente Rn
una base en Rn.

es

Propiedades de las bases:


1. Una base de S es un sistema generador minimal de S (lo ms pequeo
posible).
2. Adems es un conjunto independiente maximal dentro de S (lo ms grande
posible).

3. Una base de S permite expresar todos los vectores de S como combinacin


lineal de ella, de manera nica para cada vector.
Ejemplos:
Teoremas:
1. Si tenemos un espacio vectorial V, de dimensin finita; podemos decir
que todas las bases de V tienen el mismo nmero de elementos.
2. Si tenemos un espacio vectorial V de dimensin finita n, se cumple lo
siguiente:
n + 1 o mas cualquier vector en V, van a ser linealmente
independientes.
Cualquier conjunto S=(s1, s2, s3, , sn); linealmente
independiente con n elementos es una base de V.
Ejemplos:
1.

V 2
x

/ x, y
y

1 0
x
1
0
y
xi
j x y gen ,
y
0
1
0 1

Una Base canonica para 2 es

1 0
Bc ,
0 1

2. Determine

una

base

para

el

espacio

generador

S gen2x y 3z, 4 x 2y 6x, 6x 3y 9z


. Encuentre su dimensin.

2 x y 3z 0

4x 2 y 6z 0

6x 3 y 9z 0

1
2
3

3 0 2 1 30

6 0 0 0 00
90 0 0 00

H y / 2 x y 3 z 0
z

x 1
0



y / x 2 z 3
z 0
1

2 x y 3z 0

y / 2 x 3z y
z

1

H 2
0

1

Una base es : Bw 2
0

x

y
z

2 x 3z

0

, 3
1

0

, 3
1

Dimensin: Tambin llamada dimensin de Hamel de un espacio vectorial.


La dimensin es el mximo nmero de vectores independientes que podemos
tener en el espacio o subespacio. En otras palabras, es el mximo rango que
puede tener un conjunto de vectores de dicho espacio
Notacin: Representamos la dimensin de V por dimV.

Ejemplos:
1. Como los n vectores linealmente independientes en Rn generan a Rn y
forman una base en Rn, entonces dimRn = n.
a) dimR2 = 2 pues {(1, 0), (0, 1)} forman base en R2.
b) dimR3 = 3 pues {(1, 0, 0), (0, 1, 0), (0, 0, 1)} forman base en R3.
c) dimR = 1, pues 1 es una base.
Nota: dim{0} = 0, pues {0} no tiene base, 0 no es linealmente independiente,
no puede expresarse como combinacin llineal.

2. El conjunto de polinomios {1, x, x2, x3, , xn} constituye una base para
Pn. Por tanto, dimPn = n + 1.
3. Determine

una

base

para

S gen1 x x , 2 x x , x x ,1 x x
2

el
2

espacio

generador

Encuentre su dimensin.

1 x x2 0

1 1 1 0 1 1 1


0
2 1 1 0 3 0

0 1
1 0 1 0
2


1 1 1 0 0 0 2

2 x x 0

2
xx 0
2

1 x x2 0

1 1

1 0

2 0
Bs x 2 , x,1 dim 3

1 1 1 0 1 1


1 0 0 0 1 0

0 0 2 0 0 0


0 0 0 0 0 0

1 1

1 0

0
0

1
0

1 0

0 0
1 0

0 0

0
0

2 0

2 0

1 0 0 0

0 1 0 0

0 0 1 0

0 0 0 0

RANGO DE UNA MATRIZ


Cuando se habla del rango de una matriz se viene a nuestra mente manera
muchas formas de definir el rango, las ms comunes son utilizando las
submatrices cuadradas y trasformaciones elementales; este ltimo es uno de
los mtodos ms prcticos de resolver ya que permite al estudiante ahorrar
tiempo y desarrollo, y es que las transformaciones elementales no solo tiene

aplicacin en el clculo de rango, sino tambin en la inversa de una matriz, en


los determinantes y en la solucin de sistemas de ecuaciones lineales. Ahora
vamos a definir el concepto de rango con los dos tipos de formas: Submatrices
cuadradas y transformaciones elementales.
1) Submatrices cuadradas: Sea unas matriz cualquiera tal como A=

( aij )mxn

de m filas por n columnas, diremos que el rango de la

matriz A se define como como p si existe una submatriz cuadrada B de


A de orden p, tal que, |B|0 y el determinante de cualquier submatriz
cuadrada de A de orden mayor que B es cero.
Nota: Si A=

( aij )mxn

, denotamos (A)=para indicar el rango de la matriz

A.
A continuacin mostraremos alguna de las propiedades que se
presentan en el rango.
a) (A)min { m ,n }
b) (AT)= (A)
c) Si A=

( aij )mxn

implica que (A)<n, si y solo si se cumple que el |A|=0

2) Transformaciones elementales: En este mtodo el objetivo es reducir


una matriz A a la forma cannica, la cual viene a ser otra matriz sencilla,
en la cual, los elementos de la diagonal principal, de arriba hacia abajo,
son los nmeros 1 y 0. Adems, los elementos que estn debajo de
la diagonal principal deben ser ceros. Ahora una vez realizado esto se
dice que el rango de una matriz son los vectores fila no nulos, a
continuacin mostraremos algunos ejemplos para aclarar.

1.- Calcula el rango de la matriz:

Solucin:

2.- Halla el rango de la siguiente matriz:

Solucin:

5.- Obtn el rango de la siguiente matriz:

Solucin:

BIBLIOGRAFIA

1)
2)
3)
4)

MOISES LAZARO CARRION, ALGEBRA LINEAL.


EDUARDO ESPINOZA RAMOS, ALGEBRA LINEAL.
SEYMOUR LIPSCHUTZ, ALGEBRA LINEAL.

http://algebralineal.host22.com/Espacios
%20Vectoriales/espaciosvectoriales2.html
5) http://www.uam.es/personal_pdi/economicas/portega/webalgebra/capitulo-1/teoria-1-5/1-5-depedencia-independencia.html
6) http://www.fernandorevilla.es/ii/paginas-81-90/82-dependencia-eindependencia-lineal-de-vectores

Das könnte Ihnen auch gefallen