Professional Documents
Culture Documents
TEMA III:
ESPACIOS VECTORIALES
Curso 2016-2017
Contenido
Ejemplos conocidos
Ejemplos conocidos
...
a11 + b11 a12 + b12 a1n + b1n
a21 + b21 a22 + b22 ... a2n + b2n
A+B=
... ... ... ...
am1 + bm1 am2 + bm2 ... amn + bmn
... ...
a11 a12 a1n λa11 λa12 λa1n
a21 a22 ... a2n = λa21
λa22 ... λa2n
λA = λ
... ... ... ... ... ... ... ...
am1 am2 ... amn λam1 λam2 ... λamn
+: V ×V → V ∗: R×V → V
(x, y) → x+y (λ, x) → λ∗x
x + (y + z) = (x + y) + z
x+y=y+x
0+x=x+0=x
4 Existencia de elemento opuesto: Cualquiera que sea el elemento x ∈ V ,
existe un único elemento, representado por −x ∈ V tal que
x + (−x) = (−x) + x = 0
(α + β)x = αx + βx
α(x + y) = αx + αy
α(βx) = (αβ)x
El espacio vectorial Rn
En Rn definimos una operación interna, que llamaremos suma,como sigue:
El espacio vectorial Rn
1 Asociativa: ∀ x, y, z ∈ Rn se verifica que
x + (y + z) = (x + y) + z
2 Conmutativa: ∀ x, y ∈ Rn se cumple que
x+y=y+x
3 Existencia de elemento neutro: Si 0 = (0, 0, . . . , 0), se verifica que
0+x=x+0=x
4 Existencia de elemento opuesto: ∀ x ∈ Rn existe −x perteneciente a Rn ,
cumpliendo que
x + (−x) = (−x) + x = 0
El espacio vectorial Rn
1 Cualquiera que sea x ∈ Rn y cualesquiera que sean α, β ∈ R, se verifica
(α + β)x = αx + βx
α(x + y) = αx + αy
α(βx) = (αβ)x
...
a11 + b11 a12 + b12 a1n + b1n
a21 + b21 a22 + b22 ... a2n + b2n
A+B=
... ... ... ...
am1 + bm1 am2 + bm2 ... amn + bmn
... ...
a11 a12 a1n λa11 λa12 λa1n
a21 a22 ... a2n λa21 λa22 ... λa2n
λA = λ
...
=
... ... ... ... ... ... ...
am1 am2 ... amn λam1 λam2 ... λamn
y se puede comprobar que se verifican todas las propiedades de la definición
de espacio vectorial.
Propiedades
Sea el espacio vectorial Rn , sean ~x, ~y dos vectores cualesquiera de Rn y sean
α y β dos números reales. Se verifican las siguientes propiedades:
1 0~x = ~0
2 α~0 = ~0
3 α~x = ~0 ⇒ (α = 0 ó ~x = ~0)
4 −(α~x) = (−α)~x = α(−~x)
5 α(~x − ~y) = α~x − α~y
6 (α~x = β~x y ~x 6= ~0) ⇒ α = β
7 (α~x = α~y, y α 6= 0) ⇒ ~x = ~y
Ejemplo
1 El vector (3,2) no es combinación lineal de los vectores (1,0) y (5,0)
2 El vector (3,4,-7) es combinación lineal de los vectores
(1,0,0),(0,1,0),(0,0,1), ya que se puede escribir
Ejemplo
1 El vector (3,2) no es combinación lineal de los vectores (1,0) y (5,0)
2 El vector (3,4,-7) es combinación lineal de los vectores
(1,0,0),(0,1,0),(0,0,1), ya que se puede escribir
Ejemplo
1 {(2,1,-5),(1,-4,2),(1,2,-4)} es un conjunto de vectores linealmente
dependiente en R3 , ya que
⇒ (α1 + α2 + α3 , α2 + α3 , α3 ) = (0, 0, 0)
se deduce que la única solución posible es α1 = α2 = α3 = 0.
Ejemplo
1 {(2,1,-5),(1,-4,2),(1,2,-4)} es un conjunto de vectores linealmente
dependiente en R3 , ya que
⇒ (α1 + α2 + α3 , α2 + α3 , α3 ) = (0, 0, 0)
se deduce que la única solución posible es α1 = α2 = α3 = 0.
Ejemplo
1 {(2,1,-5),(1,-4,2),(1,2,-4)} es un conjunto de vectores linealmente
dependiente en R3 , ya que
⇒ (α1 + α2 + α3 , α2 + α3 , α3 ) = (0, 0, 0)
se deduce que la única solución posible es α1 = α2 = α3 = 0.
Propiedades
1 El vector nulo depende linealmente de cualquier conjunto de vectores,
es decir, todo conjunto de vectores que contenga al vector cero es un
conjunto ligado.
2 Todo conjunto unitario, formado por un único vector no nulo es libre.
3 La condición necesaria y suficiente para que un conjunto de vectores
sea ligado es que al menos uno de ellos sea combinación lineal de los
restantes, es decir
{~x1 , ~x2 · · · , ~xm } es ligado ⇔ ∃~xi tal que ~xi depende del resto
Ejemplo
1 En el espacio Rn , un sistema generador es (e1 , e2 , . . . , en ) siendo:
(x1 , x2 , . . . , xn ) = x1 e1 + x2 e2 + · · · + xn en
Definición (Base de Rn )
Sea el espacio vectorial (Rn , +, ·) y sea B un subconjunto de Rn , se dice que
B es una base de Rn , si verifica:
1 B es sistema generador de Rn .
2 B es un conjunto libre de vectores.
Definición (Base de Rn )
Sea el espacio vectorial (Rn , +, ·) y sea B un subconjunto de Rn , se dice que
B es una base de Rn , si verifica:
1 B es sistema generador de Rn .
2 B es un conjunto libre de vectores.
Ejemplo
1 El conjunto {(1, 1, 1), (1, 1, 0)} ⊆ R3 no es base, ya que no es sistema
generador de R3 .
2 El conjunto {(1, 1, 1), (1, 1, 0), (1, 0, 0), (1, 0, 1)} ⊆ R3 no es base ya que
sus vectores son linealmente dependientes.
3 El conjunto {(1, 0, 0), (0, 1, 0), (0, 0, 1)} ⊆ R3 es base de R3 .
Definición (Base de Rn )
Sea el espacio vectorial (Rn , +, ·) y sea B un subconjunto de Rn , se dice que
B es una base de Rn , si verifica:
1 B es sistema generador de Rn .
2 B es un conjunto libre de vectores.
(e1 , e2 , . . . , en )
siendo:
Ejemplo
1 Rn es un espacio vectorial de dimensión n, ya que la base canónica tiene
n vectores.
2 El espacio vectorial {0} tiene dimensión 0.
3 El espacio M2×3 tiene dimensión 6.
Teorema
En el espacio vectorial Rn que tiene dimensión n, todo conjunto de más de n
vectores es ligado, es decir que el máximo número de vectores linealmente
independientes es n.
Ejemplo
Sea {(1, 1, 1)} ⊆ R3 , entonces le podemos añadir a este conjunto los vectores
{(1, 0, 0), (0, 1, 0)} de manera que el conjunto
Coordenadas de un vector
λ 1 , λ 2 , . . . , λn ∈ R
tales que
X
n
~x = λi ~ui = λ1 ~u1 + λ2 ~u2 + · · · + λn ~un
i=1
Coordenadas de un vector
λ 1 , λ 2 , . . . , λn ∈ R
tales que
X
n
~x = λi ~ui = λ1 ~u1 + λ2 ~u2 + · · · + λn ~un
i=1
Ejemplo
Sean B = {(1, 0), (0, 1)} y B 0 = {(1, 1), (1, −1)} dos bases de R2 se verifica que:
Las coordenadas respecto de una base son también muy útiles cuando se
trata de determinar la dependencia o independencia lineal de un conjunto de
vectores:
Definición
Sea el espacio vectorial (Rn , +, ·) y sea S un subconjunto de un número finito
de vectores de Rn
S = {u1 , u2 , . . . , un }
se llama rango de S al máximo número de vectores linealmente independien-
tes extraidos de S. Se representa porrg(S).
S = {x1 , x2 , . . . , xq }
Ejemplo
Calcular el rango de los vectores
{x1 , x2 , x3 , x4 }
x1 = u1 + 2u2 + u3 + 2u4 + u5
x2 = u1 + 2u2 + 4u3 − 7u4 + 4u5
x3 = 2u1 + 4u2 + 5u3 − 5u4 + 5u5
x4 = 2u1 + 4u2 + 8u3 − 14u4 − 2u5
Cambio de base en Rn
Cambio de base en Rn
Cambio de base en Rn
= x10 (a11 ~u1 + a21 ~u2 + · · · + an1 ~un ) + · · · + xn0 (a1n ~u1 + a2n ~u2 + · · · + ann ~un ) =
= (x10 a11 + x20 a12 + · · · + xn0 a1n )~u1 + · · · + (x10 an1 + x20 an2 + · · · + xn0 ann )~un
Cambio de base en Rn
Como tenemos dos expresiones del vector ~x en la misma base y sabemos que
las coordenadas de un vector respecto de una base son únicas, se verifica
que:
x1 = a11 x10 + a12 x20 + ··· + a1n xn0
x2 = a21 x10 + a22 x20 + ··· + a2n xn0
.. .. .. ..
. . . .
xn = an1 x10 + an2 x20 + ··· + ann xn0
que son las ecuaciones del cambio de base. Escritas en forma matricial
0
x1 a11 a12 ··· a1n x1
x2 a21 a22 ··· a2n x20
. = . .. .. .. .. , XB = PXB 0
.. .. . . . .
xn an 1 an 2 ··· ann xn0
Cambio de base en Rn
0
x1 a11 a12 ··· a1n x1
x2 a21 a22 ··· a2n x20
. = . .. .. .. ..
.. ..
. . . .
xn an1 an2 ··· ann xn0
| {z } | {z }| {z }
XB P XB 0
Cambio de base en Rn
Ejemplo
Sean las bases B= {(1, 1, 1), (1, 1, 0), (1, 0, 0)} y B 0 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}
de Rn . Hallar las ecuaciones del cambio de base
Definiciones Generales
Definiciones Generales
En este apartado, estudiaremos partes de los espacios vectoriales que tiene,
las mismas leyes que él, su misma estructura. Frecuentemente, los espacios
vectoriales más importantes surgen como subconjuntos de espacios vectoria-
les más amplios.
Definición (Subespacio Vectorial)
Sea el espacio vectorial (Rn , +, ·). Si S es un subconjunto no vacío de Rn y S
es un espacio vectorial sobre R respecto a las operaciones interna y externa
definidas en Rn , diremos que S es un subespacio vectorial de Rn .
Ejemplo
1 El conjunto F = {(x, 0)/x ∈ R} ⊆ R2 es un subespacio vectorial de
(R2 , +, ·R)
2 El subconjunto F de R3 dado por
Definiciones Generales
Definiciones Generales
Definiciones Generales
es un subespacio vectorial de R3
Definiciones Generales
Definición
Sea el espacio vectorial (Rn , +, ·), llamaremos subespacio trivial de Rn al
formado únicamente por el vector cero, S = {0}.
También se verifica que Rn es subespacio vectorial de si mismo.
Se llama subespacio propio del espacio vectorial Rn a todo subespacio de
Rn que sea distinto de {~0} y de Rn .
Ejemplo
En el espacio vectorial (R2 [t], +, ∗) se considera el conjunto de vectores
A = {t2 − 1, t + 1, t2 − 7t − 10}
Teorema
Sea A un conjunto de vectores del espacio vectorial (Rn , +, ·) entonces L(A)
es un subespacio vectorial de Rn y además es el menor subespacio vectorial
de Rn que contiene al conjunto A.
Ejemplo
En el espacio vectorial R4 , los vectores (1, 2, 0, 0), (0, 3, −1, 0), (0, 0, 5, 4) en-
gendran al subespacio
que expresa un vector, ~x, cualquiera de L(A) como combinación lineal de los
vectores de A, se llama ecuación vectorial de L(A).
Definición
Sea el espacio vectorial Rn de dimensión n y sea S un subespacio de Rn ,
llamamos base de S a todo conjunto de vectores linealmente independientes
de S que sean un sistema generador de S.
Definición
Llamaremos dimensión de un subespacio vectorial al número común de vec-
tores que tienen todas sus bases.
Definición
Sea el espacio vectorial Rn de dimensión n y sea S un subespacio de Rn ,
llamamos base de S a todo conjunto de vectores linealmente independientes
de S que sean un sistema generador de S.
Definición
Llamaremos dimensión de un subespacio vectorial al número común de vec-
tores que tienen todas sus bases.
Teorema
Si S es un subespacio de Rn , S 6= {~0}, se verifica que
dimS 6 dimRn
Teorema
Si S es un subespacio de Rn , S 6= {~0}, se verifica que
dimS 6 dimRn
Ejemplo
Calcula una base del subespacio vectorial de R4
f~1 = (a11 , a12 , . . . , a1n ), f~2 = (a21 , a22 , . . . , a2n ), . . . , f~m = (am1 , am2 , . . . , amn )
y cada una de las columnas de dicha matriz también pueden ser vistas como
un vector de Rm :
c~1 = (a11 , a21 , . . . , am1 ), c~2 = (a12 , a22 , . . . , am2 ), . . . , c~m = (a1n , a2n , . . . , amn )
Definición
Llamamos espacio fila de dicha matriz y lo representamos por SF(A) al
subespacio vectorial de Rn engendrado por los vectores fila de dicha matriz,
es decir
SF(A) =< f~1 , f~2 , · · · , f~m >= {α1 f~1 + α2 f~2 + . . . αm f~m }
Definición
Llamamos espacio columna de dicha matriz y lo representamos por SC(A)
al subespacio vectorial de Rm engendrado por los vectores columna de dicha
matriz, es decir
SC(A) =< c~1 , c~2 , · · · , c~n >
Definición
Llamamos espacio fila de dicha matriz y lo representamos por SF(A) al
subespacio vectorial de Rn engendrado por los vectores fila de dicha matriz,
es decir
SF(A) =< f~1 , f~2 , · · · , f~m >= {α1 f~1 + α2 f~2 + . . . αm f~m }
Definición
Llamamos espacio columna de dicha matriz y lo representamos por SC(A)
al subespacio vectorial de Rm engendrado por los vectores columna de dicha
matriz, es decir
SC(A) =< c~1 , c~2 , · · · , c~n >
Teorema
Se verifica que la dimensión del espacio fila de A es igual a la del espacio
columna de A igual al rango de A.
~x = x1 ~u1 + · · · + xn ~un
X
s X
s X
s
( λi ai1 )~u1 + ( λi ai2 )~u2 + · · · + ( λi ain )~un
i=1 i=1 i=1
Y como las coordenadas de un vector respecto a una base son únicas, nos
queda:
x1 = a11 λ1 + a21 λ2 + · · · + as1 λs
x2 = a12 λ1 + a22 λ2 + · · · + as2 λs
... ... ...
xn = a1n λ1 + a2n λ2 + · · · + asn λs
Este sistema obtenido es lo que se conoce como ecuaciones paramétricas
del subespacio vectorial engendrado por los vectores {~v1 , ~v2 , . . . , ~vs }. Obser-
vando su forma matricial
x1 a11 a21 ··· as1 λ1
x2 a12 a22 ··· as2 λ2
. = . .. .. ..
.. .. . . .
xn a1n a2n ··· asn λs
vemos que las columnas son las coordenadas de los vectores de S respecto
a la base de Rn
Ejemplo
Determina las ecuaciones paramétricas del subespacio L(H) siendo H el sub-
conjunto de vectores de R5 dados por
v1 = (1, 0, 0, −1, 0), v2 = (0, −1, −1, 4, 1), v3 = (1, 1, 0, 0, −4), v4 = (3, −2, 4, −25, 20)
Si consideramos la matriz
a11 a12 ··· a1n
a21 a22 ··· a2n
A= . .. .. ..
.. . . .
ap1 ap2 ··· apn
dim(S) = n − rg(A)
Si consideramos la matriz
a11 a12 ··· a1n
a21 a22 ··· a2n
A= . .. .. ..
.. . . .
ap1 ap2 ··· apn
dim(S) = n − rg(A)