Espacio vectorial

Un espacio vectorial es un conjunto de objetos (llamados vectores) que pueden escalarse y sumarse.

Un espacio vectorial (o espacio lineal) es el objeto bsico de estudio en la rama de la matemtica llamada lgebra lineal. A los elementos de los espacios vectoriales se les llama vectores. Sobre los vectores pueden realizarse dos operaciones: escalarse (multiplicarlos por un escalar) y sumarse. Estas dos operaciones se tienen que ceir a un conjunto de axiomas que generalizan las propiedades comunes de las tuplas de nmeros reales as como de los vectores en el espacio eucldeo. Un concepto importante es el de dimensin. Histricamente, las primeras ideas que condujeron a los espacios vectoriales modernos se remontan al siglo XVII: geometra analtica, matrices ysistemas de ecuaciones lineales. La primera formulacin moderna y axiomtica se debe a Giuseppe Peano, a finales del siglo XIX. Los siguientes avances en la teora de espacios vectoriales provienen del anlisis funcional, principalmente de los espacios de funciones. Los problemas de Anlisis funcional requeran resolver problemas sobre la convergencia. Esto se hizo dotando a los espacios vectoriales de una adecuada topologa, permitiendo tener en cuenta cuestiones de proximidad y continuidad. Estos espacios vectoriales topolgicos, en particular los espacios de Banach y los espacios de Hilbert tienen una teora ms rica y complicada. Los espacios vectoriales tienen aplicaciones en otras ramas de la matemtica, la ciencia y la ingeniera. Se utilizan en mtodos como las series de Fourier, que se utiliza en las rutinas modernas de compresin de imgenes y sonido, o proporcionan el marco para resolver ecuaciones en derivadas parciales. Adems, los espacios vectoriales proporcionan una forma abstracta libre de coordenadas de tratar con objetos geomtricos y fsicos, tales como tensores, que a su vez permiten estudiar las propiedades locales de variedades mediante tcnicas de linealizacin.
Contenido
[ocultar]

1 Motivacin y definicin

1.1 Definicin formal

1.1.1 Notas y definicin alternativa

1.1.1.1 Definicin 1.1.1.2 Consecuencias de esta definicin

2 Historia

1.2 Propiedades del espacio vectorial.

3 Ejemplos

3.1 Espacios de coordenadas y de funciones 3.2 Ecuaciones lineales 3.3 Teora de nmeros algebraicos

4 Bases y dimensin 5 Aplicaciones lineales y matrices

5.1 Matrices 5.2 Vectores y valores propios

6 Construcciones bsicas 7 Espacios vectoriales con estructura adicional

7.1 Espacios vectoriales normados y espacios prehilbertianos

7.1.1 Ejemplos

7.2 Espacios vectoriales topolgicos

8 Citas 9 Referencias

7.2.1 Espacios de Banach 7.2.2 Espacios de Hilbert

9.1 Referencias histricas

10 Vase tambin 11 Referencias 12 Enlaces externos

Motivacin y definicin [editar]

Vase tambin: Vector (fsica)

El vector negro (x, y) = (5, 7) puede expresarse como combinacin lineal de dos pares diferentes de vectores (5(1, 0) y 7(0, 1) azul; 3(1, 1) y 4(2, 1) amarillo).

El plano R2, consistente en los pares (x, y) de nmeros reales, es el tpico ejemplo de espacio vectorial: cualquiera dos pares de nmeros reales pueden sumarse, (x1, y1) + (x2, y2) = (x1 + x2, y1 + y2), y cualquier par (x, y) puede escalarse, multiplicarse por un nmero real s, para obtener otro vector (sx, sy). Existe adems un vector, el (0,0), llamado vector nulo que cumple que al sumarse con cualquier otro vector no lo altera. Todo vector, por ejemplo el (1, 0), tiene su opuesto, el (1, 0), que sumados dan como resultante el vector nulo (0, 0). La nocin de espacio vectorial es una generalizacin de esta idea. Es ms general de varias maneras: en primer lugar, en lugar de los nmeros reales otros cuerpos, como los nmeros complejos o los cuerpos finitos, se permiten. En segundo lugar, la dimensin del espacio, que es de dos en el ejemplo anterior, puede ser arbitraria, incluso infinita. Otro punto de vista conceptual importante es que los elementos de los espacios vectoriales no suelen estar expresados como combinaciones lineales de un conjunto de vectores, es decir, no hay preferencia de representar el vector (x, y ) como (x, y) = x (1, 0) + y (0, 1) o como (x, y) = (1/3x + 2/3y) (1, 1) + (1/3x + 1/3y) (2, 1)

Definicin formal [editar]

La definicin de un espacio vectorial requiere de un cuerpo de escalares K (como el cuerpo de los nmeros reales o el cuerpo de los nmeros complejos). Un espacio vectorial es unconjunto V (no vaco) a cuyos elementos se llaman vectores, dotado de dos operaciones:

suma de vectores: cualquiera dos vectores v y w pueden sumarse para obtener un tercer vector v + w

producto por un escalar: cualquier vector v puede multiplicarse por un escalar, i.e. un elemento de K, a. El producto se denota como av.

que satisfacen las siguientes propiedades o axiomas (u, v, w son vectores arbitrarios de V, y a, b son escalares, respectivamente): Propiedad Significado Propiedad asociativa de la suma u + (v + w) = (u + v) + w Propiedad conmutativa de la suma v+w=w+v Existe un elemento 0 V, llamado vector cero o nulo, Existencia de elemento neutro o nulo de la suma de forma que v + 0 = v para todo v V. Existencia de elemento opuesto o simtrico de Para todo v V, existe un elemento -v V, la suma llamado opuesto de v, de forma que v + (-v) = 0. Propiedad distributiva del producto por un a (v + w) = a v + a w escalar respecto a la suma de vectores Propiedad distributiva del producto por un (a + b) v = a v + b v vector respecto a la suma de escalares Propiedad asociativa mixta del producto por un a (b v) = (ab) vnb 1 escalar Existencia de elemento unidad del producto por 1 v = v, donde 1 es la identidad multiplicativa en K un escalar Con esta definicin puede comprobarse que R2, con la suma y producto vistos arriba, es por tanto un espacio vectorial. Comprobar los axiomas se reduce a verificar identidades sencillas como (x, y) + (0, 0) = (x, y), i.e. la suma de un vector nulo (0, 0) con otro vector produce el mismo vector. La propiedad distributiva lleva a (a + b) (x, y) = a (x, y) + b (x, y).

Notas y definicin alternativa [editar]

El requisito de que la suma de vectores y la multiplicacin por un escalar sean operaciones binarias incluye (por la definicin de las operaciones binarias) una propiedad llamada cerradura, es decir, u + v y a v se encuentran en V para todos a, u y v. Algunos autores optan por mencionar estas propiedades como axiomas separados. Las primeras cuatro propiedades hacen referencia a la suma de vectores y se resumen diciendo que el espacio vectorial es un grupo conmutativo con la suma. El resto de propiedades son equivalentes a la existencia de un homomorfismo de anillos f del cuerpo en el anillo de endoformismos del grupo de vectores. Luego, la multiplicacin por un escalar a v se define

como (f(a))(v). Esto puede ser visto como el punto de partida de la definicin de un espacio vectorial sin referirse al cuerpo. En particular, para cualquier a de razn aal morfismo de Con estas premisas tenemos la siguiente Definicin [editar] Se dice que tiene , +, * es un espacio vectorial sobre si y slo si se , se llama homotecia de .

es un morfismo de anillos. Consecuencias de esta definicin [editar]

El hecho que (V, + ) sea un grupo abeliano resume en s mismo los axiomas de la suma vectorial.

El que ha sea homotecia da cuenta del axioma 4 del producto por escalares ya que es lineal.

El que f sea un morfismo de anillos significa que

f(a + b) = f(a) + f(b), es decir que ha + b = ha + hb, sea (axioma 10) , es decir sea , (axioma 7)

f(1) = I, sea h1 = I, donde 1 es el neutro de (K,.) e I es la identidad, es decir la aplicacin de V. La identidad es

obviamente el neutro de End V. Esto se escribe (axioma 8 ) para cuaquier vector .

Se podra aadir

, la aplicacin nula de

V, pero es una consecuencia de la tercera premisa.

El ltimo punto (f(1) = I) equivale a afirmar que f no es la aplicacin nula.

Propiedades del espacio vectorial. [editar]

Hay una serie de propiedades que se demuestran fcilmente a partir de los axiomas del espacio vectorial. Algunas de ellas se derivan de la teora elemental de grupos, aplicada al grupo (aditivo) de vectores: por ejemplo, el vector nulo 0 V, y el opuesto -v de un vector v son nicos. Otras propiedades se pueden derivar de la propiedad distributiva, por ejemplo, la multiplicacin por el escalar cero da el vector nulo y ningn otro escalar multiplicado por un vector da cero: Propiedad Unicidad del vector nulo Unicidad del opuesto de un vector Producto por el escalar cero Producto de un escalar por el vector nulo Opuesto del producto de un vector por un escalar Significado

0 v = 0. El 0 es el nico escalar que cumple esta propiedad. a0=0 - (a v) = (-a) v = a (-v)

Historia [editar]
Los espacios vectoriales se derivan de la geometra afn, a travs de la introduccin de coordenadas en el plano o el espacio tridimensional. Alrededor de 1636, los matemticos francesesDescartes y Fermat fundaron las bases de la geometra analtica mediante la vinculacin de las soluciones de una ecuacin con dos variables a la determinacin de un curva plana.1 Para lograr una solucin geomtrica sin usar coordenadas, Bernhard Bolzano introdujo en 1804 ciertas operaciones sobre puntos, lneas y planos, que son predecesores de los vectores.2 Este trabajo hizo uso del concepto de coordenadas baricntricas de August Ferdinand Mbius de 1827.3 El origen de la definicin de los vectores es la definicin de Giusto Bellavitis de bipoint, que es

un segmento orientado, uno de cuyos extremos es el origen y el otro un objetivo. Los vectores se reconsiderarn con la presentacin de los nmeros complejos de Argand yHamilton y la creacin de los cuaterniones por este ltimo (Hamilton fue adems el que invent el nombre de vector).4 Son elementos de R2 y R4; el tratamiento mediante combinaciones lineales se remonta a Laguerre en 1867, quien tambin defini los sistemas de ecuaciones lineales. En 1857, Cayley introdujo la notacin matricial, que permite una armonizacin y simplificacin de los aplicaciones lineales. Casi al mismo tiempo, Grassmann estudi el clculo baricntrico iniciado por Mbius. Previ conjuntos de objetos abstractos dotados de operaciones.5 En su trabajo, los conceptos de independencia lineal y dimensin, as como de producto escalar estn presentes. En realidad el trabajo de Grassmann de 1844 supera el marco de los espacios vectoriales, ya que teniendo en cuenta la multiplicacin, tambin, lo llev a lo que hoy en da se llaman lgebras. El matemtico italiano Peano dio la primera definicin moderna de espacios vectoriales y aplicaciones lineales en 1888.6 Un desarrollo importante de los espacios vectoriales se debe a la construccin de los espacios de funciones por Henri Lebesgue. Esto ms tarde fue formalizado por Banach en su tesis doctoral de 19207 y por Hilbert. En este momento, el lgebra y el nuevo campo del anlisis funcional empezaron a interactuar, en particular con conceptos clave tales como los espacios de funciones p-integrables y los espacios de Hilbert. Tambin en este tiempo, los primeros estudios sobre espacios vectoriales de infinitas dimensiones se realizaron.

Ejemplos [editar]

Espacios de coordenadas y de funciones [editar]

El primer ejemplo de un espacio vectorial sobre un cuerpo K es el propio cuerpo, equipado con la suma y multiplicacin definida en el cuerpo. Esto se generaliza por el espacio vectorial conocido como el espacio de coordenadas representado generalmente como Kn, donde n es un entero. Sus elementos son n-tuplas (a1, a2, ..., an), donde los ai son elementos de K. Las sucesiones infinitas de coordenadas, y, ms generalmente, las funciones de cualquier conjunto fijo en un cuerpo K tambin forman espacios vectoriales, mediante la suma y la multiplicacin escalar puntual, es decir, la suma de dos funciones de f y g viene dada por (f + g)(w) = f(w) + g(w) y de igual modo para la multiplicacin. Tales espacios de funciones se producen en muchas situaciones geomtricas, cuando es la recta real, un intervalo, o algn subconjunto de Rn. Muchos conceptos en topologa y anlisis, tales como continuidad, integrabilidad o difere nciabilidad tienen un buen comportamiento respecto a la linealidad, es decir, sumas y mltiplos por un escalar de funciones que posean una determinada propiedad seguirn tenindola. Por lo tanto, el conjunto de tales funciones son espacios vectoriales. Estos espacios se estudian con ms detalle utilizando los mtodos de anlisis funcional, vase ms abajo. Las desigualdades algebraicas tambin producen espacios vectoriales: el espacio

vectorial K[x] formado porfunciones polinmicas, i.e. f(x) = rnxn + rn1xn1 + ... + r1x + r0,donde los coeficientes rn, ..., r0 se encuentran en K. Las series de potencias son similares, salvo que se permiten infinitos trminos.

Ecuaciones lineales [editar]

Artculos principales: ecuacin

lineal , ecuacin diferencial lineal y Sistemas de ecuaciones lineales Los sistemas de ecuaciones lineales homogneas estn estrechamente vinculados a los espacios vectoriales. Por ejemplo, las soluciones de a + 3b + c = 0 4a + 2b + 2c = 0 vienen dadas por tripletas de la forma a, b = a/2, y c = 5a/2 para un a arbitrario. Forman un espacio vectorial: las sumas y mltiplos de esas tripletas sigue cumpliendo las ecuaciones, por lo que son soluciones, tambin. Las matrices se pueden utilizar para condensar mltiples ecuaciones lineales en una sola ecuacin, con el ejemplo anterior, Ax = 0, donde A es la matriz

, , x es el vector (a, b, c), y 0 = (0, 0)

es el vector nulo. De forma similar, las soluciones de ecuaciones diferenciales lineales homogne as forman espacios vectoriales. Por ejemplo, las soluciones de la ecuacin f''(x) + 2f'(x) + f(x) = 0 son de la forma f(x) = a ex + bx ex, donde a y b son constantes arbitrarias, y e = 2.718....

Teora de nmeros algebraico s [editar]

Una situacin comn en la teora de nmeros algebraicos es un cuerpo K que contiene un subcuerpo E. Por las operaciones de multiplicacin y adicin

de K, K se convierte en un E-espacio vectorial, es decir, una extensin de E. Por ejemplo, los nmeros complejos son un espacio vectorial sobre R. Otro ejemplo es Q(z), el cuerpo ms pequeo que contiene los nmeros racionales y algn nmero complejo z.

Bases y dimensi n [editar]

Artculos principales:

Base y Dim ensin Las bases rev elan la estructura de los espacios vectoriales de una manera concisa. Una base es el menor

conjunto (finito o infinito) B = {vi}i I de vectores que generan todo el espacio. Esto significa que cualquier vector v pued e ser expresado como una suma (llamada com binacin lineal) de elementos de la base a1vi1 + a2vi2 + ... + anvin, donde los ak so n escalare s y vik (k = 1, ..., n) elemento s de la base B. La minimali dad, por otro lado, se hace formal por el concepto

de indep endencia lineal. Un conjunto de vectores se dice que es linealme nte independ iente si ninguno de sus elemento s puede ser expresad o como una combina cin lineal de los restantes . Equivale ntement e, una ecuacin a1vi1 + ai2v2 + ... + anvin = 0 sl o se con sig ue

si tod os los esc alar es a1, . .., an s on igu ale sa cer o. Por defi nici n cad a vec tor pue de ser exp res ado co mo una su ma finit a de

los ele me nto s de la bas e. De bid oa la ind epe nde nci a line al est e tipo de rep res ent aci n es ni ca. Los esp aci os vec tori

ale sa vec es se intr odu cen des de est e pun to de vist a. To do esp aci o vec tori al tien e una bas e. Est e hec ho se bas a en

el l em a de Zor n, una for mul aci n equ ival ent e del axi om a de ele cci n. Ha bid a cue nta de los otr os axi om as de la t eor

a de con junt os de Zer mel oFra enk el, la exi ste nci a de bas es es equ ival ent e al axi om a de ele cci n. El ultr afilt er lem ma,

que es m s db il que el axi om a de ele cci n, imp lica que tod as las bas es de un esp aci o vec tori al tien en el mis mo "ta ma

o" , es dec ir, c ardi nali dad .A st a, se le lla ma la d ime nsi n del esp aci o vec tori al, rep res ent ada por dim V. Si el esp aci o es

gen era do por un n me ro finit o de vec tor es, tod o lo ant erio r pue de de mo stra rse sin nec esi dad de acu dir a la teo ra de con

junt os. La dim ens in de un esp aci o de coo rde nad as Fn es n, pue s cua lqui er vec tor (x1, x2, . .., x
n

pue de exp res ars e de for

ma ni ca co mo co mbi nac in line al de nv ect ore s (lla ma dos vec tor es coo rde nad as) e1 = (1, 0, .. ., 0), e2 = (0, 1, 0, .. .,

0), ae
n

(0, 0, .. ., 0, 1), es dec ir, la su ma x1e1 + x2e2 + ... + xnen, L a di m e n si n d e lo s e s p a ci o s d e fu n

ci o n e s, c o m o p or ej e m pl o el e s p a ci o d e fu n ci o n e s d ef in id a s

e n al g n in te rv al o a c ot a d o o n o, e s in fi ni ta . B aj o u n a s a d e c

u a d a s a s u n ci o n e s d e re g ul ar id a d d e lo s c o ef ic ie nt e s in v ol

u cr a d o s, la di m e n si n d el e s p a ci o d e s ol u ci o n e s d e u n a e

c u a ci n di fe re n ci al or di n ar ia h o m o g n e a e s ig u al al gr a d o d e

la e c u a ci n. P or ej e m pl o, la e c u a ci n a nt er io rt ie n e gr a d o 2. El e

s p a ci o d e s ol u ci o n e s e st g e n er a d o p or e
x

y x e
x

q u e s o

n li n e al m e nt e in d e p e n di e nt e s e n R ), p or lo q u e la di m e n si n

d e e st e e s p a ci o e s d o s. L a di m e n si o n (o gr a d o) d e u n a e xt e

n si n c o m o p or ej e m pl o Q ( z) s o br e Q d e p e n d e d e si z e s o n

o al g e br ai c o, i. e. s at is fa c e u n a ci er ta e c u a ci n p ol in o m ia l qnzn + qn1zn1 + ... + q0 = 0, con coeficientes racionales qn, ..., q0.

Si es algebr aico, la dimens in es finita. Es ms, es igual al grado del poli nomio mnimo del que z e s raz. Por ejempl o,el conjunt o de los nmer os comple jos es un espaci o vectori al bidime nsional sobre los nmer os

reales, genera do por 1y la unid ad imagin aria i. sta ltima cumple i2 + 1 = 0, una ecuaci n de grado dos. Si z no es algebr aico, la dimens in es infinita. As, para z = no existe dicha ecuaci n, pues es tras cenden te.

Aplic acio nes

linea les y matri ces [

editar ]
Artculo principal: A

plicacin lineal Como ocurre con mucha s entidad es algebr aicas, la relaci n entre dos espaci os vectori ales se expres a por las apli cacion es entr e ellos. En el context o de los espaci os

vectori ales, el concep to corres pondie nte se denomi na apli cacin lineal o transfo rmaci n lineal. Se tratan de func iones f :V W que son compat ibles con la estruct ura relevan te, i.e., preser van la suma de vectore s y el produc to por un

escalar : f(v + w) = f(v) + f(w) y f(a v) = a f(v). Un isomorfis mo es aquella aplicacin lineal f : V W para la cual existe una inversa g : W V. Si existe un isomorfismo entre V y W, los dos espacios se dice que son isomorf os, siendo esencialmen te idnticos como espacios vectoriales, ya que a cualquier identidades en V le corresponde , a travs de f, otra similar en W, y viceversa a travs de g.

Dados dos espacios vectoriales V y W, las aplicaciones lineales de V en W f orman un espacio vectorial representad o como HomF(V, W) o como L(V, W). Una vez se elige una base de V, las aplicaciones lineales f : V W estn completame nte determinada s por las imgenes de los vectores de la base, ya que cualquier elemento de V se expresa de forma nica como una combinacin

lineal de stos. Si los dos espacios tienen la misma dimensin se puede elegir una biyecci n entre dos bases fijas de V y W. La aplicacin que aplica cualquier elemento de la base de V en el correspondi ente elemento de la base deW, es, por su propia definicin, un isomorfismo. Luego todo espacio vectorial est completame nte determinado (salvo isomorfismo

s) por su dimensin, un simple nmero. En particular, cualquier espacio vectorial de dimensin n sobre F es isomorfo a Fn.

Matrices
[editar]
Artculos principales: Matri

z y Determinan te

Una matriz tpica

Las matrice s son un concepto til para representar las aplicaciones lineales. Se escriben como una tabla

rectangular de escalares, es decir, elementos de algn cuerpo K. Cualquier matriz mpor-n A da lugar a una aplicacin lineal de Kn a Km, por la siguiente frmula:

, o mediante el producto de la matriz A con el vector de coordenadas x: x Ax.

Adems, despus d eleccin de bases icacin lineal f : V W se

de V y W, cualquier

representa de forma

nica por una matriz

travs de esta frmu

El volumen de

este paraleleppedo es valor absoluto del

determinante de la mat

3-por-3 formada por los vectoresr1, r2, y r3.

El determinante det de una matriz cuadrada A es un la correspondiente aplicacin lineal es no un isomorfismo:

escalar que nos dic

para serlo la condic

necesaria y suficien no sea cero.

es que el determina

Vectores y valores propios [editar]

valores propios

Artculo principal: Vect

Un caso especialme importante de

aplicacin lineal son decir, En este caso, los vectores vpueden

los endomorfismos,

aplicaciones f : V

compararse con sus Cualquier (v) = v, donde un escalar, se dice es un vector propio .nb
2

imgenes por f, f(v)

vector v satisfaciend

propio de f con valo

Equivalentemente

es un elemento del ncleo de la diferencia f Id (la aplicacin

identidad V V). E esto puede ser determinantes propio sii det (f Id) = 0. Al desarrollar el

caso finito-dimensio

reformulado utilizan

como: f tiene el valo

determinante, la exp

del lado izquierdo re llamada polinomio cuerpo F es lo

una funcin polinm

caracterstico de f. S

suficientemente gra

como para contener siempre ocurrir

de este polinomio (q

si F es algebraicam

cerrado, por ejempl

aplicacin lineal ten espacio vectorial V

menos un vector pro

no tener una base f

por vectores propios

fenmeno se rige po

la forma cannica d El teorema

Jordan del endomor

espectral describe e

infinito-dimensional;

lograr este objetivo,

necesarios los meca

de anlisis funciona

consulte ms abajo

Construccione bsicas [editar

Adems de lo expue

los ejemplos anterio

una serie de constru

que nos proporciona

espacios vectoriales

de otros. Adems d

definiciones concret

figuran a continuaci

tambin se caracter que determina un

por propiedades un

objeto X especifican

aplicaciones lineale

cualquier otro espac

vectorial. no pues s copien todo

verdad lo que dicen

Espacios vectoriales co estructura adicional [edita

Desde el punto de v

lgebra lineal, los e

vectoriales se comp

completamente en l

en que cualquier es

vectorial se caracte

salvo isomorfismos,

dimensin. Sin emb

espacios vectoriales para hacer frente a

hoc no ofrecen un m

cuestin fundament

anlisis de si una su funcin. Asimismo,

de funciones conve

lgebra lineal no es

adaptada per se pa

frente a series infini

que la suma solo pe para sumar. Las funcional requieren considerar nuevas estructuras.

nmero finito de tr

necesidades del an

Espacios vect normados y espacios prehilbertiano

r]

Artculos principales: E

vectorial normado y prehilbertiano

La "medicin" de ve sea especificando

una necesidad frecu

una norma, | | . | | , q

las longitudes de los

vectores, o por un p

escalar, <.,.>, que p

medir adems los

entre los vectores. E frmula:

particular se cumple

Esta ltima implica

longitudes de los ve

puede definir tambi

la definicin de la co norma Dos vectores x e y

que su producto esc

se dice que son orto

Los espacios vector

de estas operacione

respectivamente co prehilbertianos.

vectoriales normado

Ejemplos [editar
Los espacios de

coordenadas Kn pue estndar: <(x1, x2, ..., xn), (y1, y2, ..., yn)> = x y = x1y1 + ... + xnyn.

equiparse con el pro

Una importante vari

escalar estndar se

el espacio-tiempo d

decir, R4 dotado del <x , y> = x1y1 + x2y2 + x3y3 x4y4.

Es crucial para el tra

la relatividad especi

coordenada corresp

Espacios vect topolgicos [e

Artculo principal: Espa

Las cuestiones de c

considerando espac

una topologa comp

estructura que perm

que se encuentran c

Compatible quiere d

producto por un esc

ser aplicaciones con

si x e y son vectore

pequea variacin d

pequea variacin d

vara es el escalar a

dotado de una topo

comn son los nm

nmeros complejos

Espacios de Ban

Artculo principal: Espa

Espacios de Hilb

Artculo principal: Espa

Citas [editar]