4.

1 Definicin de espacio vectorial

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.

Notacin. Si x y y estn en V y si a es un nmero real, entonces la suma se escribe

como
x + y y el producto escalar de a y x como ax.

Antes de presentar la lista de las propiedades que satisfacen los vectores en un espacio
vectorial deben mencionarse dos asuntos de importancia. En primer lugar, mientras que puede
ser til pensar en R2 o R3 al manejar un espacio vectorial, con frecuencia ocurre que el
espacio vectorial parece ser muy diferente a estos cmodos espacios (en breve tocaremos
este tema). En segunda instancia, la definicin 1 ofrece una definicin de un espacio vectorial
real. La palabra real significa que los escalares que se usan son nmeros reales. Sera
igualmente sencillo definir un espacio vectorial complejo utilizando nmeros complejos en
lugar de reales. Este libro est dedicado principalmente a espacios vectoriales reales, pero las
generalizaciones a otros conjuntos de escalares presentan muy poca dificultad. [1]

Axiomas de un espacio vectorial. [1]

1-

Si X pertenece a V y Y pertenece a V, entonces X+Y pertenece a V.

2-

Para todo X, Y y Z en V, (x+y)+z = x(y+z).

3-

Existe un vector |0 pertenece V tal que para todo X pertenece a V, X+0=0+X=X.

4-

Si x pertenece a V, existe un vector x en V tal que x+(-x)=0.

5-

Si X y Y estn en V, entonces x+y=y+x.

6-

Si x pertenece a V y es un escalar, entonces x pertenece a V.

7-

Si X y Y estn en V y es un ecalar, entonces x+y)=x +y

8-

Si X pertenece a V y y son escalares, entoncesxx+y.

9-

Si X pertenece a V y y son escalares, entonces (x) = ()x.

10- Para cada vector X pertenece a V, 1x = x.

4.2 Definicin de subespacio vectorial y sus

propiedades
DEFINICION DE SUB ESPACIO VECTORIAL
Sea H un subconjunto no vaco de un espacio vectorial V y suponga que H es en s un espacio
vectorial bajo las operaciones de suma y multiplicacin por un escalar definidas en V. Entonces
se dice que H es un sub espacio de V.
Existen mltiples ejemplos de sub espacio, sin embargo, en primer lugar, se demostrar un
resultado que hace relativamente sencillo determinar si un subconjunto de V es en realidad sub
espacio de V
Teorema de sub espacio
Un subconjunto no vacio de H de un espacio vectorial V es un sub espacio de V si se cumplen
las dos reglas de cerradura:
Reglas de cerradura para ver si un subconjunto no vaci es un sub espacio
i)

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

ii)

Si x H, entonces x H para todo escalar .

Es obvio que si H es un espacio vectorial, entonces las dos reglas de cerradura se debern
cumplir. De lo contrario, para demostrar que es un espacio vectorial, se deber demostrar que
los axiomas i) a x) de la definicin cumplen bajo las operaciones de suma de vectores y
multiplicacin por un escalar definidas en V. Las dos operaciones de cerradura [axiomas i) y
iv)] se cumplen por hiptesis, como los vectores en H son tambin vectores en V, las
identidades asociativa, conmutativa, distributiva y multiplicativa [axiomas ii), v), vii), viii), ix)
y x)] se cumplen.
Este teorema demuestra que para probar si H es o no es un sub espacio de V, es suficiente
verificar que:
x + y y X estn en H cuando x y y estn en H y es un escalar.

PROPIEDADES DE SUB ESPACIO VECTORIAL

1). El vector cero de V est en H.2

2). H es cerrado bajo la suma de vectores. Esto es, para cada u y v en

H, la suma u + v est en H.
3). H es cerrado bajo la multiplicacin por escalares. Esto es, para cada
u en H y cada escalar c, el vector cu est en H.

4.3 Combinacin lineal

Una combinacin lineal de dos o ms vectores es el vector que se obtiene al sumar
esos vectores multiplicados por escalares.

Cualquier vector se puede poner como combinacin lineal de otros que

tengan distinta direccin.
Esta combinacin lineal es nica.
Sean v1,v2,,vn vectores en un espacio vectorial V. Entonces cualquier
vector de la forma:
1v1+2v2++nvn

donde 1v1+2v2++nvn son escalares se denomina combinacin lineal de v1,v2,

,vn.
Todo vector V = (a, b, c) en R3 se puede expresar como
i = (1,0,0);
j = (0,1,0);
k =(0,0,1)
V = (a, b, c) = a(i) + b(j) + c(k)
Entonces se dice que V es una combinacin lineal de los 3 vectores i,j,k.

Base
En trminos generales, una base para un espacio vectorial es un conjunto de
vectores del espacio, a partir de los cuales se puede obtener cualquier otro vector de
dicho espacio, haciendo uso de las operaciones en l definidas.

La base es natural, estndar o cannica si los vectores v 1, v2,, vn forman base para
Rn.
Si S={v1, v2,, vn} es una base para un espacio vectorial V entonces todo vector v en
V se puede expresar como:
1.

V = c1v1+ c2v2++ cnvn

2.

V = k1v1+ k2v2++ knvn

Restar 2-1
0 = (c1- k1) v1+(c2- k2) v2++(cn- kn) vn
Ejemplo:
demostrar si S = {v1, v2,, v3} es base de R3, v1 = (1,2,1); v2 = (2,9,0); v3 = (3,3,4)
Proponer vector arbitrario, combinacin lineal
b = c1v1+ c2v2+ c3v3
(b1, b2, b3) = c1(1,2,1)+ c2(2,9,0)+ c3(3,3,4)
(b1, b2, b3) = c1+2c2+3c3;2c1+9c2+3c3; c1+4c3
c1 + 2c2 + 3c3 = b1
2c1 + 9c2 + 3c3 = b2
c1
+ 4c3 = b3

det A = [(1*9*4)+(2*3*1)+0]-[(1*9*3)+0+(4*2*2)]
= [36+6]-[27+16]
= -1
Si genera a R3

Unicidad representacin de la base

Si S = {v1, v2,, vn} es una base de un espacio vectorial V, entonces todo vector
en V puede escribirse de una y solo una forma como combinacin lineal de vectores
en S.
Para demostrar la unicidad (que en un vector dado puede representarse slo de una
manera), se supone que u tiene otra representacin u= b1v1 + b2v2++bnvn. Al
restar la segunda representacin de la primera se obtiene:

u-u = (c1-b1)v1 + (c2-b2)v2 + + (cn-bn)vn = 0.

Sin embargo como S es linealmente independiente, entonces la nica solucin de

esta ecuacin es la trivial,

c1-b1=0

c2-b2=0,

cn-bn=0.

Ejemplo: Unicidad de la Representacin de la Base

Sea u = (u1, u2, u3) cualquier vector en R3. Demuestre que la ecuacin u= c1v1+
c2v2 + c3v3tiene solucin nica para la base S= {v1, v2, v3}= {(1,2,3),(0,1,2), (-2,0,1).
Solucin: Con base en la ecuacin

(u1, u2, u3)= c1(1,2,3) + c2(0,1,2)+c3(-2,0,1)

= (c1-2c, 2c1 + c2, 3c1 + 2c2 + c3),

Se obtiene el siguiente sistema de ecuaciones

C1
2C1 + C2

-2c3= u1
= u2

3C1 + 2C2 + C3= u3

Como la matriz A es invertible, se sabe que este sistema tiene una solucin nica
dada por C=A-1U. Al despejar A-1 se obtiene

Lo cual implica que

c1= -u1 + 4u2 2u3

c2= 2u1 7u2 + 4u3
c3= -u1 + 2u2 u3

Por ejemplo, el vector u = (1,0,0) puede representarse de manera nica como una
combinacin lineal de v1, v2 y v3 en la forma siguiente.

(1,0,0) = -v1 + 2v2 v3

Dimensin
Se llama dimensin de un espacio vectorial V al nmero de vectores que hay en
cualquiera de sus bases. Se denota dim (V).

La dimensin de Rn con las operaciones normales es n.

La dimensin de Pn con las operaciones normales es n+1.
La dimensin de Mm,n con las operaciones normales es mn.

Si W es un subespacio de un espacio vectorial n-dimensional, entonces se puede

demostrar que la dimensin de W es finita y que la dimensin de W es menor o
igual que n.

Ejemplo: Determinacin de la dimensin de un subespacio

Sea W el subespacio de todas las matrices simtricas en M2,2 Cul es la dimensin

de W?

Solucin: Toda matriz simtrica 2 X 2 es de la forma

Por consiguiente, el conjunto

Genera a W. Adems puede demostrarse que S es linealmente independiente, y se

concluye que la dimensin de W es 3.

Para concluir que un conjunto S= { v1, v2, , vn} es una base de un espacio
vectorial V es necesario saber que S satisface dos condiciones: que S genera a V y es
linealmente independiente.

Definicin de Espacio Rengln y Espacio Columna de una matriz

Sea A una matriz m x n.

El espacio rengln de A es el subespacio de Rn generado por los vectores rengln

de A.
El espacio columna de A es el subespacio de Rn generado por los vectores
columna de A.

Estos dos comparten muchas propiedades, pero debido al conocimiento que se

tiene sobre las operaciones elementales en los renglones se empieza por considerar
el espacio rengln de una matriz. Cabe recordar que dos matrices son equivalentes
por renglones si una puede obtenerse a partir de la otra al aplicar operaciones
elementales en los renglones. El siguiente teorema establece que las matrices
equivalentes por renglones tienen el mismo espacio rengln.

Base para el Espacio Rengln de una Matriz

Si una matriz A es equivalente por renglones a una matriz B que est en forma
escalonada, entonces los vectores rengln de B diferentes de cero forman una base
del espacio rengln de A.

Ejemplo: Determinacin de una base para un espacio rengln

Encuentre una base para el espacio rengln de

Solucin: Mediante las operaciones elementales en los renglones, A vuelve a

escribirse en forma escalonada como se muestra a continuacin

Los vectores rengln diferente de cero, w1=(1,3,1,3), w2=(0,1,2,0), w3= (0,0,1,-1),

forman una base del espacio rengln de A.

Ejemplo: Determinacin de una base del espacio columna de una Matriz

Determine una base del espacio columna de la matriz A

Se empieza considerando la traspuesta de A, y luego aplicar las operaciones

elementales en los renglones para volver a escribir A en forma escalonada.

As w1=(1,0,-3,3,2), w2= (0,1,9,-5,-6), y w3 =(0,0,1,-1,-1) forman una base del

espacio rengln de At, lo que equivale a afirmar que forman una base del espacio
columna de A.

Definicin del Rango de una Matriz

La dimensin del espacio rengln (o columna) de una matriz A se llama rango de

A y se denota por rango (A).

Ejemplo: Determinacin del Rango de una Matriz

Encuentre el rango de la matriz

Solucin: La matriz dada se convierte a la forma escalonada como sigue:

Como B tiene tres renglones diferentes de cero, entonces el rango de A es 3.

El archivo se adjuntar debido a dificultades con algunas de las imagenes

4.5 Espacio vectorial con producto interno

Producto Interno:
Un producto interno sobre un espacio vectorial V es una operacin que asigna a
cada par de vectores u y v en V un nmero real <u, v>.

Un producto interior sobre V es una funcin que asocia un nmero real

u, v con cada par de vectores u y v cumple los siguientes axiomas:
Propiedades:
i. (v, v) 0
ii. (v, v) = 0 si y slo si v = 0.
iii, (u, v +w) = (u, v)+ (u, w)
iv. (u + v, w) = (u, w)+(v, w)
v. (u, v) = (v, u)
vi. (u, v) = (u, v)
vii. (u, v) = (u, v)

Espacios con producto interior:

El producto interior euclidiano es solo uno ms de los productos internos
que se tiene que definir en Rn Para distinguir entre el producto interno
normal y otros posibles productos internos se usa la siguiente notacin.
u v = producto punto (producto interior euclidiano para Rn)
u, v = producto interno general para espacio vectorial V.

Propiedades de los productos interiores:

1. 0, v = v, 0 = 0
2. u + v, w = u, w + v, w
3. u, cv = cu, v.
Un espacio vectorial con producto interno se denomina espacio con
producto interno.

4.6 Base ortonormal

Definicin de conjunto ortogonales y conjuntos ortonormales

Un conjunto S de vectores en un espacio V con producto interior se llama ortogonal si todo par
de vectores en S es ortogonal, adems cada vector en este conjunto es unitario,

entonces Sse denomina ortonormal.

Proceso de ortonormalizacin de Gram-Schmidt

1.

Sea B = {v1, v2, . . ., vn} una base de un espacio V con producto interno

2. Sea B= {w1, w2, . . ., wn} donde wi est dado por:

w1= v1

Entonces B es una base ortogonal de V.

3. Sea ui= wi w1 entonces el conjunto B={ u1, u2, . . ., un} es una base ortonormal de V.

5.1 Introduccin a las transformaciones lineales.

Definicin: Las transformaciones lineales son las funciones y tratan sobre K-espacios vectoriales que
son compatibles con la estructura (es
decir, con la operacin y la accin) de estos espacios.
Aqu se presentan las funciones entre espacios vectoriales que preservan las cualidades de los
espacios vectoriales. Es decir, de funciones que preservan la suma y la multiplicacin por escalares.
Nosotros usaremos el concepto de la funcin para darle un tratamiento a los sistemas de ecuaciones
lineales. La restriccin que haremos sera sobre el tipo de funciones: solo estaremos interesados en
funciones que preserven las operaciones en el espacio vectorial. Este tipo de funciones sern llamadas
funciones lineales. Primeramente las definiremos, veremos algunas propiedades generales y despus
veremos como se aplican estos resultados a sistemas de ecuaciones.
Sean V y W dos espacios vectoriales posiblemente iguales.
Una transformacin lineal o mapeo lineal de V a W es una funcin
T : V W tal que para todos los vectores u y v de V y cualquier escalar c:
a) T (u + v) = T (u) + T (v)
b) T (c u) = c T (u)
Demuestre que la transformacin T : R2 R2 definida por

es lineal.

Entonces :

Por otro lado, para todo escalar c,

Como se cumplen las dos condiciones:

T es lineal.
Una transformacin lineal preserva combinaciones lineales. Veremos que, debido a esto, una
transformacin lineal queda unvoca-mente determinada por los valores que toma en los
elementos de una base cualquiera de su dominio.

Teniendo en cuenta que las transformaciones lineales son funciones entre

conjuntos, tiene sentido estudiar la validez de las propiedades usuales de
funciones: inyectividad, suryectividad y biyectividad.
Las transformaciones lineales que verifican alguna de estas propiedades reciben
nombres particulares:

Definicin 3.6 Sean V y W dos K-espacios vectoriales, y sea f : V W una transformacin

lineal. Se dice que:

1. f es un monomorfismo si f es inyectiva.
2. f es un epimorfismo si f es suryectiva.
3. f es un isomorfismo si f es biyectiva.

En algunos casos, consideraremos transformaciones lineales de un K-espacio

vectorial en s mismo:
Sea V un K-espacio vectorial. Una transformacin lineal f : V V se llama un

endomorfismo de V . Si f es un endomorfismo que es adems un isomorfismo,

entonces se dice que es un automorfismo.

5.2 Ncleo e imagen de una transformacin lineal.

Transformaciones lineales: ncleo e imagen.
Teorema 1
Sea T: V S W una transformacin lineal. Entonces para todos los vectores u, v, v1,
v2, . . . , vn en V y todos los escalares a1, a2, . . . , an:
i. T(0) = 0
ii. T(u - v) = Tu - Tv
iii. T(a1v1 + a2v2 +. . .+ anvn) = a1Tv1 + a2Tv2 +. . .+ anTvn
Nota. En la parte i) el 0 de la izquierda es el vector cero en V; mientras que el 0 de la
derecha es el vector cero en W.

Teorema 2
Sea V un espacio vectorial de dimensin finita con base B = {v1, v2, . . . , vn}. Sean w1,
w2, . . . , wn vectores en W. Suponga que T1 y T2 son dos transformaciones lineales de V
en W tales que T1vi = T2vi = wi para i = 1, 2, . . . , n. Entonces para cualquier vector v
V, T1v = T2v; es decir T1 = T2.

Ejemplo

Definicin 1 Ncleo e imagen de una transformacin lineal

Sean V y W dos espacios vectoriales y sea T:V W una transformacin lineal. Entonces

i . El ncleo de T, denotado por un, est dado por

ii. La imagen de T, denotado por Im T, esta dado por

Observacion 1. Observe que un T es no vacio porque, de acuerdo al teorema 1, T(0) = 0 de manera que 0 un T
para cualquier transformacin lineal T. Se tiene inters en encontrar otros vectores en V que se transformen en
0. De nuevo, observe que cuando escribimos T(0) = 0, el 0 de la izquierda est en V y el de la derecha en W.

Observacin 2. La imagen de T es simplemente el conjunto de imajenes de los vectores en V bajo la

transformacin T. De hecho, si w = Tv, se dice que w es la imagen de v bajo T.

Antes de dar ejemplos de ncleos e imgenes , se demostrar un teorema de gran utilidad.

Teorema 4
Si T:V W es una transformacin lineal, entonces
i.Un T es un subespacio de V.
ii.Im T es un subespacio de W.

Demostracion
i.Sean u y v en un T; Entonces T(u + v) = Tu + Tv =0 + 0 =0 y T( ) = = 0 = 0 de forma que u + v y u estn en un
T.
ii. Sean w y x en Im T. Entonces w = Tu y x = Tv para dos vestores u y v en V. Esto significa que T(u + v)= Tu + Tv
= w + x y T(u) = Tu =w. Por lo tanto, w + x y w estn en Im T.

Ejemplo 3. Ncleo e imagen de la transformacin cero

Sea Tv = 0 para todo v V(T es la transformacin cero). Entonces un T = v e Im T = {0}.

Ejemplo 4 Ncleo e imagen de la transformacin identidad

Sea Tv = v para v V(T es la transformacin identidad). Entonces un T= {0} e Im T = V.

Las transformaciones cero e identidad proporcionan dos extremos. En la primera todo se

encuentra
en el ncleo. En la segunda slo el vector cero se encuentra en el ncleo. Los casos intermedios son ms
interesantes.
Ejemplo 5 Ncleo e imagen de un operador de proyeccin
Sea T:R3 R3 definida por

T es el operador de proyeccin de R3 en el plano xy.

Entonces x = y = 0. As, nu T = {(x,y,z):x = y = 0, zR}, es decir, el eje z, e Im T = {(x,y,z): z = 0}, es decir el plano

xy. Observe que dim un T = 1 y dim Im T = 2.

Definicin 2

Nulidad y rango de una transformacin lineal

Si T es una transformacin lineal de v en w, entonces se define.

Toda matriz A de m*n da lugar a una transformacin lineal T:R R definida por Tx = Ax. Es evidente que un T =
NA, Im T = Im A = CA, v(T) = v(A) y p(T) = p(A). Entonces se ve que las definiciones de ncleo, imagen, nulidad y
rango de una transformacin lineal son extensiones del espacio nulo, la imagen, la nulidad y el rango de una
matriz.

5.4 Aplicacin de las transformaciones lineales.

Aplicacin de las transformaciones lineales: reflexin, expansin, contraccin y rotacin

Rm.Graficar un conjunto de puntos en otro es lo que se conoce como transformacin lineal de un
conjunto de puntos. Existen ciertas propiedades bsicas de las transformaciones lineales, las
cuales si son tomadas en cuenta y aplicadas al momento de resolver un problema, pueden
reducirlo un problema simple. La notacin general utilizada para una transformacin lineal es T: Rn

Transformaciones lineales
Las transformaciones lineales forman un hilo que se entreteje en la tela de este texto. Su
utilizacin mejora el sentido geomtrico de lo escrito. Por ejemplo, en el captulo 1, las
transformaciones lineales proporcionan una visin dinmica y grfi ca de la multiplicacin matrizvector.
1. Reflexin: Cuando un conjunto de puntos dados es graficado desde el espacio euclidiano de
entrada a otro de manera tal que este es isomtrico al espacio euclidiano de entrada, llamamos a
la operacin realizada la reflexin del conjunto de puntos dado. Esto puede realizarse tambin con
respecto a la matriz, en tal situacin la matriz de salida es llamada la matriz de reflexin. La
reflexin es realizada siempre con respecto a uno de los ejes, sea el eje x o el eje y. Esto es como
producir la imagen espejo de la matriz actual.
2. Expansin: Al igual que en la reflexin, tambin es posible expandir los puntos dados en una
direccin particular. La expansin se realiza habitualmente para un cierto grado. Es como realizar
una operacin de multiplicacin de los elementos del conjunto de puntos dados con un trmino
escalar hacia la direccin donde tiene que ser expandido. Sea para un punto (2, 3) si el grado de
expansin 2 es la direccin de y, entonces el nuevo punto obtenido es (2, 6).
3. Contraccin: La contraccin es el procedimiento inverso de la expansin. Aqu el punto es
contrado en un determinado grado hacia una direccin dada. Sea el punto de entrada (4, 8) y este
debe ser contrado para el grado dos en la direccin de x entonces el nuevo punto resulta ser (2,
8).
4. Rotacin: El trmino rotacin tiene dos significados, ya la rotacin de un objeto puede ser
realizada con respecto al eje dado o al eje mismo. La rotacin se realiza para un cierto grado el
cual es expresado en forma de un ngulo. Asimismo, la rotacin puede realizarse en la direccin de
las manecillas del reloj, o inverso a las manecillas del reloj.
Como ejemplo, dirijmonos a producir la matriz estndar para la representacin de la
transformacin lineal reflejando un conjunto de puntos en el plano x-y a travs de la recta y = (2x /
3).
El primer paso para esto es determinar los vectores base.

Por lo tanto, podemos afirmar que,R2

es una transformacin lineal, entonces podemos

escribir que,Dado que y pertenece a R2. Imagina que A: R2
La imagen de la matriz base determina la imagen de cualquier elemento. Por lo tanto la imagen de
a travs de y = (2x/ 3) es determinada mediante la obtencin de una recta que pasa por (1, 0) y es
que es ortogonal a . Esto est dado por y = (3x/ 2) (3/ 2).

El punto donde las dos rectas, esto es, y = (3x/ 2) (3/ 2) e y = (2x/ 3) se intersectan se dado
como (9/13, 6/13). Tomamos p1 para ser el punto de reflexin de a travs de la recta dada.
Este punto es simtrico respecto a (9/13, 6/13) por lo tanto, podemos escribir que,
Esto produce,
De manera similar, la imagen del vector base resulta.