Espacios Vectoriales

UNIVERSIDAD POLITECNICA SALESIANA
Algebra Lineal. -
Integrantes. - *Antonio Cevallos
*Edwin Singaucho
*Luis Taipe
Carrera: Ingeniería Mecánica
Curso: Primero Mecánica (Grupo # 4)
Espacios vectoriales
Definición. -
Un espacio vectorial es cualquier conjunto que posea unas operaciones suma y
producto por escalares. Los elementos de tal conjunto se llamarán vectores
(aunque pueda tratarse de objetos diferentes a los vectores de la Física.)
Aquellos cumplen con las siguientes propiedades:
Ejemplos:
1° Consideremos el conjunto P2 de los polinomios de grado ≤ 2 con coeficientes
reales:
P2 = {ax2 + bx + c : a, b, c ∈ ℜ }
Es un espacio vectorial real, pues podemos sumar dos elementos de P2 y
obtenemos otro elemento de P2; también podemos multiplicar un elemento de
P2 por un escalar real y obtenemos otro elemento de P2. Veámoslo:
Suma: (ax2 + bx + c ) + ( a’x2 + b’x + c’ ) = (a+a’) x2 • + (b+b’) x + (c+c’) que
pertenece a P2.
Producto por un escalar real: λ∈ℜ, λ(ax + bx + c) = λax2 • + λbx + λc que
pertenece a P2.
Se puede comprobar que se cumplen las propiedades requeridas. El vector es
el polinomio cero: 0x2 + 0x + 0
No es un espacio vectorial complejo, pues al multiplicar por un escalar complejo
el resultado
podrá ser un polinomio complejo que no pertenece a P2.
2° Consideremos el conjunto M2x2 (también denotado por M2) de las matrices
2x2 con términos reales:
Es un espacio vectorial real, pues podemos sumar dos matrices de M 2x2

obteniendo otra matriz de M2x2, y multiplicar una matriz de M2x2 por un escalar
real obteniendo otra matriz de M2x2. Se puede comprobar que se cumplen las
propiedades. El vector 0 caso, la matriz con todos sus términos nulos. No es un
espacio vectorial complejo.
Sub-espacios vectoriales
Dado un espacio vectorial V, se dice que un subconjunto S de V es un sub-
espacio 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:
 0 ∈ S.
 Si v, w ∈ S entonces v + w ∈ S.
 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 también
en S (se dice que S “hereda” las propiedades de las operaciones en V).
Por supuesto si para V utilizamos escalares reales, también para S; si para V
utilizamos complejos, también para S.
Ejemplos:
1° La recta x=y es un subespacio de 2. Está formado por los vectores de la
forma (a,a). Contiene al vector (0,0).
Además, es cerrado para la suma y producto por escalar:
• Suma: (a,a) + (b,b) = (a+b, a+b) que también es un elemento de la recta.
• Producto por un escalar: ∈, (x,y,0)=(x, y, 0) que también es un elemento
de la recta.
Podemos decir que este plano “es como 2” pero incluido en 3.
2° En M2 = {matrices 2x2}, el conjunto de las matrices simétricas es un

sub-espacio. Contiene a la matriz nula, y es cerrado para las operaciones:
Suma: que también es una matriz simétrica.
Producto por escalar: que también es una matriz simétrica.
Dependencia lineal
Definicion.-
Hablamos de dependencia lineal entre dos o más vectores cuando uno de ellos
se puede construir combinando los demás.
Ejemplo:
Sean los vectores “v” y “w“, si se cumple:
 v = α w.
, siendo “λ” un número real, decimos que “v” es linealmente dependiente de “w“.
Análogamente, si poseemos tres vectores “u“, “v“, “w“, siendo “v” y “w”
linealmente independientes, y se verifica:
 u = α u + β w.
, “u” es linealmente dependiente de “v” y “w“.
Bases y dimensiones
Bases.-
Definición.- 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.
Ejemplos:
 La base canónica (o base natural, o base estándar) de ℜn:
Son linealmente independientes porque forman un determinante no nulo.

Son sistema generador de ℜn porque todo vector (a1, a2, . . ., an) ∈ ℜn se puede
expresar como combinación lineal de ellos:
 (1,2,3), (4,5,6), (7,8,9) en ℜ3 no forman base porque no son linealmente

independientes (su determinante es nulo).
Dimensiones.-
Definición.- la dimensión es el máximo número de vectores independientes que
podemos tener en el espacio o subespacio. En otras palabras, es el máximo
rango que puede tener un conjunto de vectoresde dicho espacio.
Es también el rango de cualquier sistema generador de dicho espacio.
Ejemplos:
 ℜn tiene dimensión n, pues tiene una base de n elementos (p.ej. la

canónica).
 M2x2= {matrices 2x2 con términos reales} tiene dimensión 4. Una base de
M2x2 es:
Sistemas homogéneos
Definicion.-
Son aquellos cuya constante es siempre igual a cero, y su criterio de solución se
da como:
Si el numero de ecuaciones consistentes y útiles es igual al número de variables
entonces se dice que tiene una única solución trivial es decir cada variable valdrá
cero. De no darse de esa forma tendrá infinitas soluciones.
Ejemplos:
1°
2°
r = 3 n = 3

Espacios Vectoriales

Cargado por

Copyright:

Formatos disponibles

Espacios Vectoriales

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Espacios Vectoriales

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD POLITECNICA SALESIANA

Es un espacio vectorial real, pues podemos sumar dos matrices de M 2x2

2° En M2 = {matrices 2x2}, el conjunto de las matrices simétricas es un

Producto por escalar: que también es una matriz simétrica.

Son linealmente independientes porque forman un determinante no nulo.

 (1,2,3), (4,5,6), (7,8,9) en ℜ3 no forman base porque no son linealmente

 ℜn tiene dimensión n, pues tiene una base de n elementos (p.ej. la

También podría gustarte