1.

Vectores

Unidad 1. Espacios vectoriales Vectores en R n . Definicin: Si n es un entero positivo, entonces una n-ada ordenada es una sucesin de n nmeros reales ( a1 , a2 ,..., an ) . El conjunto de todas las n-adas ordenadas se denomina espacio n dimensional y se denota por R n . Los vectores en R 2 y R 3 se pueden representar grficamente:

Definicin: Dos vectores u = ( u1 , u2 ,..., un ) y v = ( v1 , v2 ,..., vn ) en R n se denominan iguales si

u1 = v1 , u2 = v2 ,..., un = vn

y la suma se define por:

u + v = ( u1 + v1 , u2 + v2 ,..., un + vn )

y si k es cualquier escalar, entonces el mltiplo escalar ku se define por:

ku = ( ku1 , ku2 ,...kun )

El vector cero en R n se denota por 0 y se define como el vector

0 = 0,0,0,...,0

si u = ( u1 , u2 ,..., un ) es cualquier vector en R n , entonces el negativo (o inverso aditivo de u) es u = ( u1 , u2 ,..., un ) y con ello la diferencia de vectores se define como:
v u = v + ( u )

o en trminos de sus componentes:

v u = ( v1 u1 , v2 u2 ,..., vn un )

Propiedades de las operaciones vectoriales. Teorema: si u = ( u1 , u2 ,..., un ) , v = ( v1 , v2 ,..., vn ) y w = ( w1 , w2 ,..., wn ) son vectores en R n y k y l son escalares, entonces: a) u + v = v + u b) u + ( v + w ) = ( u + v ) + w c) u + 0 = 0 + u = u d) u + ( u ) = 0 e) k ( lu ) = ( kl ) u f) k ( u + v ) = ku + kv g) ( k + l ) u = ku + lu h) 1u = u

Definicin: si u = ( u1 , u2 ,..., un ) y v = ( v1 , v2 ,..., vn ) son vectores cualesquiera en R n , entonces el producto interior euclideano (producto punto) u v se define por:
u v = u1v1 + u2 v2 + ... + un vn

Teorema: si u, v y w son vectores en R n y k es cualquier escalar, entonces: a) u v = v u b) ( u + v ) w = u w + v w c) ( ku ) v = k ( u v ) d) v v 0 y v v = 0 si y solo si v = 0 Efectuar las demostraciones. Norma y distancia. La norma o longitud de un vector u = ( u1 , u2 ,..., un ) en R n se define como
2 2 u = u u = u12 + u2 + ... + un

y la distancia entre dos vectores como:

d ( u, v ) = u v =
=
2

(u v ) (u v )
2

( u1 v1 ) + ( u2 v2 )

+ ... + ( un vn )

que, analizndolas, tenemos que es son las definiciones de norma y distancia para R 2 y R 3

Teorema. Desigualdad de Cauchy-Schwarz en R n Si u = ( u1 , u2 ,..., un ) y v = ( v1 , v2 ,..., vn ) son vectores en R n , entonces:

u v u v

Teorema Si u y v son dos vectores en R n y k es cualquier escalar, entonces: a) u 0 b) u = 0 si y solo si u = 0 c) ku = k u d) u + v u + v (desigualdad del tringulo)

Teorema Si u y v son dos vectores en R n y k es cualquier escalar, entonces: a) d ( u, v ) 0 b) d ( u, v ) = 0 si y solo si u = v c) d ( u, v ) = d ( v, u ) d) d ( u, v ) d ( u, w ) + d ( w, v ) (desigualdad del tringulo)

Definicin. Dos vectores u y v R n se denominan ortogonales si:

u v = 0

Teorema. Teorema de Pitgoras para R n Si u y v son dos vectores ortogonales en R n con el producto interior euclideano, entonces:
u+v = u + v
2 2 2

Espacios vectoriales. Definicin. Sea V un conjunto cualesquiera no vaco de objetos sobre el que estn definidas dos operaciones: la adicin y la multiplicacin por escalares. Por adicin se entiende una regla que asocia a cada par de objetos u y v en V un objetos u+v denominado suma de u y v; por multiplicacin escalar se entiende una regla que asocia a cada escalar k y cada objeto u en V un objeto ku denominado mltiplo escalar de u por k. Si los objetos u, v y w en V y los escalares k y l satisfacen los siguientes axiomas, entonces V se denomina espacio vectorial, y sus objetos se denominan vectores. 1) Si u y v son objetos en V, entonces u+v est en V 2) u + v = v + u 3) u + ( v + w ) = ( u + v ) + w 4) Existe un objeto 0 en V, denominado vector cero en V, tal que
0 + u = u + 0 = u para todo u en V.

5) Para todo u en V existe un objeto u en V, denominado negativo de u, tal que u + ( u ) = ( u ) + u = 0

6) Si k es cualquier escalar y u es cualquier objeto en V, entonces ku est en V. 7) k ( u + v ) = ku + kv 8) ( k + l ) u = ku + lu 9) k ( lu ) = ( kl ) u 10) 1u = u Ejemplos. 1. Demostrar que el conjunto V = R 2 con las operaciones estndar de adicin y multiplicacin es un espacio vectorial. 2. Demostrar que el conjunto de todas las matrices de 2 x 2 con elementos reales es un espacio vectorial si la adicin vectorial se define como la suma de matrices y la multiplicacin escalar vectorial como la multiplicacin escalar matricial. 3. Sea V el conjunto de las funciones con valores reales definidas sobre la recta real ( , ) . Si f = f ( x ) y g = g ( x ) son dos funciones y k es un nmero real, entonces la funcin suma f+g y el mltiplo escalar kf definidas por:

( f + g )( x ) = f ( x ) + g ( x ) ( kf )( x ) = kf ( x )
Determinar si es o no un espacio vectorial.

4. Sea V = R 2 con las operaciones de adicin y multiplicacin escalar definidas como:

u + v = ( u1 + v1 , u2 + v2 ) y ku = ( ku1 , 0 ) . Determinar si es o no un espacio

vectorial.

Teorema. Sean V un espacio vectorial, u un vector en V y k un escalar, entonces: a) 0u = 0 b) k 0 = 0 c) ( 1) u = u d) Si ku = 0 , entonces k = 0 o u = 0 Subespacios. Definicin. Un subconjunto W de un espacio vectorial V s denomina Subespacio de V si W es un espacio vectorial bajo la adicin y multiplicacin escalar definidas sobre V. Teorema. Si W es un conjunto formado por uno o ms vectores de un espacio vectorial V, entonces W es un subespacio vectorial de V si y solo s se cumplen las siguientes condiciones: a) Si u y v son vectores en W, entonces u+v est en W b) Si k es cualquier escalar y u es cualquier vector en W, entonces ku est en W.

Corolario: W es un subespacio de V si y solo si: i) 0 W ii) au + bv W para todo u, v W y a,b son escalares Subespacio trivial Para cualquier espacio vectorial V , el subconjunto {0} es un subespacio para V Un espacio vectorial es subespacio de s mismo. Para cada espacio vectorial V , V es un subespacio de s mismo. Todo subespacio de V distinto de V y de {0} , recibe el nombre de subespacio propio. Ejemplos: 1. Demostrar que el conjunto de vectores en R 2 que pasan por la recta y = x es un subespacio de R 2 . (Mostrarlo grficamente) 2. Demostrar que el conjunto de vectores en R 3 de la forma

( a, b, c ) donde

a + b = c es un subespacio de R 3

3. Determinar si el conjunto {0} en R n es un subespacio vectorial. Teorema. La suma U+W de los subespacios U y W de V es tambin un subespacio de V.

Definicin: se dice que V es la suma directa de los subespacios U y W, denotado por V = U W si todo vector v V puede escribirse de una y solo una forma como v=u+w, con u U y
w W .

Teorema. El espacio vectorial V es la suma directa de los subespacios U y W s y solo si i) ii)

V = U +W

U W = {0}

Ejemplo: 1. En el espacio vectorial R 3 , sean U el plano xy y W el yz:

U = {( a, b, 0 ) : a, b R} y W = {( 0, b, c ) : b, c R}

Entonces R 3 = U + W , puesto que todo vector en R 3 se puede escribir como la suma de dos vectores, uno de U y el otro de W. Pero R 3 no es la suma directa de U y W ya que dichas sumas no son nicas, por ejemplo:

(1,3, 4 ) = (1,3, 0 ) + ( 0, 0, 4 ) o tambin (1,3, 4 ) = (1, 2, 0 ) + ( 0,1, 4 )

2. En R 3 , sean U el plano xy y W el eje z
U = {( a, b,0 ) : a, b }yW=

(0,0, c ): b, c R} {

en este caso R 3 s es la suma directa de U y W, puesto que cualquier vector de R 3 se puede escribir de una manera nica

como la suma de un vector de U y otro de W, adems de que

R 3 = U + W y U W = {0} y por lo tanto: R 3 = U W

- Espacios vectoriales Reales De manera general podemos definir los espacios en K n como: Sea K un cuerpo (Campo) arbitrario. La notacin K n se usa frecuentemente para designar el conjunto de todas las n-plas de elementos de K . Aqu K n se ve como un espacio vectorial sobre
K , en el que la suma vectorial y el producto por un escalar se

define segn:

(a1, a2 ,..., an )+ (b1, b2 ,..., bn ) = (a1 + b1, a2 + b2 ,..., a3 + b3 )

y
k (a1 , a2 ,..., an ) = (ka1 , ka2 ,..., kan )

el vector cero en K n es
0 = (0, 0,..., 0 )

y el opuesto a un vector se define como

(a1 , a2 ,..., an ) = ( a1 , a2 ,..., an )

- Espacios vectoriales de matrices La notacin M m, n se utiliza para designar el conjunto de todas las matrices de m n sobre un cuerpo arbitrario K . M m, n es un espacio vectorial sobre K con respecto a las operaciones usuales de suma matricial y producto por un escalar.

- Espacios vectoriales de polinomios Denotemos por P (t ) el conjunto de todos los polinomios

a0 + a1t + a2 t 2 + a3t 3 + ... + an t n

con coeficientes ai en algn cuerpo K . P (t ) es un espacio vectorial sobre K con respecto a las operaciones usuales de suma de polinomios y producto de un polinomio por una constante. - Espacios vectoriales de funciones Sean X un conjunto no vaco y K un cuerpo arbitrario. Consideremos el conjunto F (X ) de todas las funciones X en K , la sumas de las dos funciones f , g F (X ) es la funcin f + g F (X ) definida por

( f + g )(x ) = f (x ) + g (x )

x X

y el producto del escalar k K por la funcin f F (X ) es la funcin

kf F (X ) definida por

(kf )(x ) = kf (x )

x X

F (X ) con las operaciones anteriores es un espacio vectorial sobre K.

Espacios vectoriales complejos. Un vector u en C n se puede escribir como:

u = ( u1 , u2 , u3 ,..., un )

donde
u1 = a1 + b1i , u2 = a2 + b2i , u3 = a3 + b3i , ..., un = an + bn i

y donde cada escalar k es de la forma a + bi con a, b R e i = 1 .

Ejercicio. Demostrar que el espacio C n , es un espacio vectorial. Definicin. Si u = ( u1 , u2 ,..., un ) y v = ( v1 , v2 ,..., vn ) son vectores en C n , entonces el producto interior euclideano complejo u v est definido por:
u v = u1 v1 + u2 v2 + ... + un vn

Teorema. Si u,v y w son vectores en C n y k es cualquier nmero complejo, entonces: a) u v = u v b) ( u + v ) w = u w + v w c) ( ku ) v = k ( u v ) d) v v 0 , donde v v = 0 si y solo si v = 0 * Norma y distancia son iguales que en cualquier espacio.