Apunte Espacios Vectoriales

1
ESPACIOS VECTORIALES.
Espacio vectorial. Propiedades
Definicin: Sea V un conjunto no vaco. V es un espacio vectorial sobre un cuerpo K , si en
V estn definidas dos leyes de composicin u operaciones: una interna que se denomina suma
de vectores (+) tal que v1 , v2 V est definido un elemento v1 v2 V y otra externa
llamada producto por escalares ( ) tal que K , v V existe un elemento v V que
cumplen las siguientes propiedades:
a) Asociativa
de
la
suma
de
vectores:
v1 (v2 v3 ) (v1 v2 ) v3
v1 , v2 , v3 V
b) Existencia de elemento neutro de la suma de vectores: 0 V / 0 v v 0 v
v V
c) Existencia de elemento opuesto: v V /( v) v v (v) 0
d) Conmutativa de la suma de vectores: v1 v2 v2 v1
e) Asociativa de escalares: 1 ( 2 v) (1 2 ) v
f)
v V
v1 , v2 V
1 , 2 K , v V
Distributiva del producto con respecto a la suma de escalares:
(1 2 ) v 1 v 2 v
1 , 2 K , v V
g) Distributiva del producto con respecto a la suma de vectores:
(v1 v2 ) v1 v2 ) K , v1 , v2 V
h) 1 v v
v V
Esta estructura suele representarse como la cuaterna ordenada (V ,, K ,)
y se lee Espacio
Vectorial V sobre el cuerpo K o simplemente K espacio vectorial.
Ejemplos:
2
1. La recta R , el plano R y el espacio R y los vectores pertenecientes a ellos con la

suma y el producto conocidos, son espacios vectoriales.
En general, ( R ,, R,) es un espacio vectorial con la suma y el producto conocidos,
n
n
siendo R , con n 1, el conjunto de las n-uplas de nmeros reales ( x1 , x2 ,...., xn )
con xi R porque cada n-upla es una matriz.

2. V {0} con la suma y producto usuales es un espacio vectorial sobre R : espacio
vectorial
trivial, porque
0 0 0 V , 0.0 0 V y se cumplen todas las
propiedades de la definicin.
UNNOBA
lgebra y Geometra Analtica
Lic. Silvia Graciela Capalbo
3. V ( x, y) R / y p.x ,
2
pR
fijo , recta del plano que pasa por el origen,
es un espacio vectorial sobre R ya que:

-
Si v1 , v2 V v1 ( x1 , y1 ) R 2 / y1 p.x1 v2 ( x2 , y 2 ) R 2 / y 2 p.x2
v1 v2 ( x1 , y1 ) ( x2 , y2 ) ( x1 , p.x1 ) ( x2 , p.x2 ) ( x1 x2 , p.x1 p.x2 )

x1 x2 , p(.x1 x2 ) v1 v2 V
Sean R, v V .
Si v V v ( x, y) R / y p.x
2
v ( x, y) ( x, p.x) ( .x, . p.x) .x, p.( .x) .v V

Adems se cumplen:
-
a), d), e), f), g) y h) por ser los elementos de V vectores de R 2 , que es un espacio
vectorial.
b) 0 (0,0) (0, p.0) V / 0 v v 0 v v V
c) Si v V v ( x, y) / y p.x y
v ( x, p.( x)) V /( v) v v (v) 0
4.
Pn ( R) p( x) a0 x n a1 x n1 ....... an / a0 , a1 ,......, an R
polinomios
de
grado menor o igual que n con coeficientes reales, con las operaciones habituales, es
un espacio vectorial sobre R .
5.
M mn ( R) A [aij ], i 1,...., m ; j 1,...., n / aij R matrices reales m n ,con la

suma y producto por escalares usuales, es un espacio vectorial sobre los reales.
Propiedades
Sea V un espacio vectorial sobre K . Entonces :
1. 0 v 0 v V
2. 0 0 K
3. Si v 0 0 v 0
4. ( ) v ( v) K , v V
UNNOBA
3
Demostracin:
1.
0 v (0 0) v 0 v 0 v por ser 0 el elemento neutro de la suma de vectores y

por la propiedad distributiva con respecto a la suma de escalares.
Es decir: 0 v 0 v 0 v (1)
Por otro lado: 0 v V 0.v V / 0.v [0.v ] 0 por la existencia de

elemento opuesto..
Sumando (0.v) a ambos miembros de (1) y aplicando la propiedad asociativa de la
suma de vectores resulta:
0 v [(0.v)] (0 v 0 v) [(0.v)] 0 0 v [0 v (0.v)]

0 0.v 0 0 0.v
0.v 0
2. Se prueba de manera similar :
0 .(0 0) .0 .0
Es decir: 0 .0 .0 (2)
Pero 0 V ( .0) V / .0 [( .0)] 0
Sumando ( .0) a ambos miembros de (2):
0 .0 .0 .0 [(.0)] (.0 .0) [(.0)]
0 .0 [ .0 ( .0)] 0 .0 0 0 .0
v 0
3. Sea v 0 K / 0
Si 0 1 K / 1 1 1
Si v 0 , multiplicando ambos miembros por
, aplicando la propiedad
asociativa de escalares, la propiedad 2 recin demostrada y la propiedad 1 v v ,
obtenemos:
1
v 0 1 .( .v) 1 .0 ( 1 .. ).v 0 1.v 0 v 0
v 0 0 v 0
4.
( ) v v ( ).v 0.v 0 por propiedad distributiva con respecto a la

suma de escalares y la propiedad 2 .
( ) v v 0
Sumando a ambos miembros ( v) :
( ) v v 0 [( ) v v] [( v)] 0 [( v)]
( ) v { v [( v)]} ( v) ( ) v 0 ( v) ( ) v ( v)
por propiedad asociativa de la suma de vectores y por ser 0 elemento neutro de la
suma.
UNNOBA
( ) v ( v)
Subespacio vectorial. Propiedades

Definicin: Sea V un espacio vectorial sobre K y W un subconjunto no vaco de V . W es un
subespacio vectorial de V si , con la suma de vectores y el producto por escalares, es un
espacio vectorial .
Propiedad:
Sea V un espacio vectorial sobre K y W un subconjunto no vaco de V . W es un subespacio
vectorial de V si y slo si la suma de vectores y el producto por escalares son cerradas.
Es decir:
W V /W
w1 , w2 W w1 w2 W
W es un subespacio vectorial de V
K , w W w W
Demostracin:
) Si W es un subespacio vectorial, obviamente la suma y el producto por escalares son

cerradas por ser un espacio vectorial en s mismo.
) Si la suma y el producto por escalares son cerradas en W , para probar que W es un

subespacio vectorial debemos probar que se cumplen los axiomas de la definicin de espacio
vectorial:
Como W V , los elementos de W pertenecen al espacio vectorial V y se cumplen por lo
tanto las propiedades asociativa y conmutativa de la suma de vectores, la asociativa de
escalares, las distributivas con respecto a la suma de escalares y a la suma de vectores y
1 w w w W .
Adems se verifica la existencia del elemento neutro de la suma de vectores: 0 W
porque 0 w W
w W por ser cerrado el producto por escalares y
0 w 0
w W por ser W un espacio vectorial y por propiedad 1 de
espacios vectoriales.
Por otro lado se cumple existencia de elemento opuesto: w W
Porque
w W
(1) w W w W por ser cerrado el producto por escalares y

(1) w (1 w) w w W por ser W un espacio vectorial y por propiedad
4 de espacios vectoriales.
UNNOBA
5
Observaciones:
En virtud de la propiedad anterior
1.
0 W para todo subespacio vectorial W de un espacio vectorial V .
2. Para probar que un subconjunto W es un subespacio de un espacio vectorial V , basta

con probar que la suma de vectores y el producto por escalares son cerradas.
Ejemplos:
W ( x, y) R 2 / x y
W es un subespacio de V porque:
w ( x1 , y1 ) con
- Si w1 , w2 W 1
w2 ( x2 , y 2 ) con
1. V R 2
x1 , y1 R 2 x1 y1
x2 , y 2 R 2 x2 y 2
w1 w2 ( x1 , y1 ) ( x2 , y2 ) ( x1 x2 , y1 y2 )
con
x1 x2 , y1 y2 R 2 x1 x2 y1 y2
w1 w2 W
Sean R, w W .
x, y R 2 x y
w ( x, y) ( x, y) con x, y R 2 x y
Si w W w ( x, y) con
w W
n
2. V M ( R) [aij ], i 1,...., n; j 1,...., n / aij R
W [aij ] M n ( R) / aij 0
-
i j es un subespacio de V :
w1 [aij ], i 1,...., n; j 1,...., n / aij 0

w2 [bij ], i 1,...., n; j 1,...., n / bij 0
w1 w2 [aij bij ], i 1,...., n; j 1,...., n / aij bij 0
i j
i j
w1 w2 W
Sean R, w W .
Si w W w [aij ], i 1,...., n; j 1,...., n / aij 0
i j
w [aij ] .aij , i 1,...., n; j 1,...., n / .aij 0
UNNOBA
i j
Si w1 , w2 W
i j
w W
Propiedad:
Sean U y S dos subespacios de un espacio vectorial V . Entonces:
1. U S {u s / u U s S}
2. U S {w / w U w S}
son subespacios vectoriales de V .
Demostracin:
1. U S es un subespacio vectorial porque:
w1 u1 s1
w2 u 2 s 2
- Si w1 , w2 U S
con u1 U s1 S
con u 2 U s 2 S
w1 w2 (u1 s1 ) (u 2 s2 ) (u1 u 2 ) (s1 s2 )

con u1 u 2 U s1 s2 S por ser U y S subespacios.
w1 w2 U S
Sean R, w U S .
Si w U S w u s
con u U s S
w (u s) u s
con u U s S por ser U y S
subespacios.
w U S
w1 U w1 S
w2 U w2 S
2. - Si w1 , w2 U S
w1 w2 U w1 w2 S por
ser U y S subespacios.
w1 w2 U S
Sean R, w U S .
Si w U S w U w S w U
w S por ser U y S
subespacios.
w U S
Por lo tanto U S es un subespacio vectorial .
UNNOBA
Combinacin lineal
Definicin: Sea V un espacio vectorial sobre K y sean v1 , v2 ,......, vn V . Una combinacin
lineal
de
v1 , v2 ,......, vn
sobre
es
cualquier
elemento
de
la
forma
1v1 2 v2 ...... n vn con 1 , 2 ,......, n K .

Ejemplos:
1. En V R 2
(3,14) es combinacin lineal de (1,4) , (4,2) y (1,0) porque

(3,14) 3.(1,4) (1).(4,2) 2.(1,0)
2. En V M 3 ( R)
2 2 5
7 1
7 es combinacin lineal de
6 3 1
0 3
1
0 2 1
2 1 4 y 3 1 1 ya que
5 1 0
4 1 1
0 3
2 2 5
1
0 2 1
7 1
7 2. 2 1 4 (1).3 1 1
6 3 1
5 1 0
4 1 1
Sistemas de generadores
Definicin: Sea V un espacio vectorial sobre K y sea v1 , v2 ,......, vn un subconjunto de V .
v1 , v2 ,......, vn es
un sistema de generadores de V , si cualquier vector de V puede
expresarse como combinacin lineal de v1 , v2 ,......, vn .
v1 , v2 ,......, vn sistema de generadores de V

1 , 2 ,....., n K / v 1v1 2 v2 ...... n vn
v V
Ejemplos:
1.
(1,0), (0,1) es un sistema de generadores de V R 2
porque
v ( x, y) R 2 , v x.(1,0) y.(0,1)
UNNOBA
(3,5), (1,2) es un sistema de generadores de V R 2
2.
1 , 2 R / v ( x; y) 1 .(3,5) 2 .(1,2) ( x, y) (31 ,51 ) ( 2 ,2 2 )

x 3 1 2
( x, y ) (3 1 2 ,5 1 2 2 )
y 5 1 2 2
Resolviendo el sistema se obtiene: 1
2x y
5x 3 y
y 2
11
11
Por lo tanto (3,5), (1,2) es un sistema de generadores de R 2 .
1, x, x ,......, x es un sistema de generadores de V P (R) pues cualquier

2
3.
polinomio
p( x) Pn ( R) se puede escribir
p( x) an .1 an1 x an2 x 2 ...... a0 x n
a b
M 2 ( R)
c d
4. Dada cualquier matriz
a b
1 0
0 1
0 0
0 0
c d a.0 0 b.0 0 c.1 0 d .0 1
1 0 0 1 0 0 0 0
2
,
,
,
es un sistema de generadores de M ( R) .
0 0 0 0 1 0 0 1
Luego

El conjunto de todas las combinaciones lineales de v1 , v2 ,......, vn es el espacio generado por
dicho conjunto de vectores.
gen
v1 , v2 ,......, vn v V / v 1v1 2 v2 ...... n vn
, 1 , 2 ,....., n K
Observacin:
gen
v1, v2 ,......, vn es un subespacio vectorial de V .
Ejemplos:
1. En V R
gen
(1,0); (0,1) v R 2 / v 1.(1,0) 2 .(0,1)
v R 2 / v (1 , 2 )
UNNOBA
, 1 , 2 R
, 1 , 2 R R 2
2. En V R 3
gen
(1,0,0); (0,1,0) v R 3 / v 1.(1,0,0) 2 .(0,1,0)
v R 3 / v (1 , 2 ,0)
gen
, 1 , 2 R
, 1 , 2 R
(1,0,0); (0,1,0) (plano xy )
3. En V R 3
gen
(2,1,4); (4,1,6) v R 3 / v 1.(2,1,4) 2 .(4,1,6)
, 1 , 2 R
v R 3 / v (21 4 2 ,1 2 ,4 16 2 )
, 1 , 2 R
x 2 1 4 2
3
( x, y, z ) R / y 1 2 con 1 , 2 R
z 4 6
1
2
x 2 1 4 2
Trabajamos con el sistema y 1 2 y eliminamos 1 y 2 :

z 4 6
1
2
y 1 2 1 y 2
x 21 4 2 x 2.( y 2 ) 4 2 x 2 y 2 2 4 2 x 2 y 2 2
x 2y
2
2
z 4 16 2 z 4.( y 2 ) 6 2 z 4 y 4 2 6 2 z 4 y 2 2
z 4y
2
2
x 2y z 4y
x 2y z 4y x 2y z 4y 0 x 2y z 0
2
2
gen
(2,1,4); (4,1,6) x 2 y z 0 ( plano que pasa por el origen y que
contiene a los vectores que lo generan)
UNNOBA
10
Vectores linealmente independientes y linealmente dependientes

Definicin: Sea V un espacio vectorial sobre K y sean v1 , v2 ,......, vn V .
v1 , v2 ,......, vn son linealmente dependientes (ld) si existen escalares, no todos nulos, tales que
la combinacin lineal de ellos es igual a 0 y son linealmente independientes (li) en caso
contrario.
v1 , v2 ,......, vn ld 1 , 2 ,....., n K , no todos nulos / 1v1 2 v2 ...... n vn 0

v1 , v2 ,......, vn li 1v1 2 v2 ...... n vn 0 1 2 ..... n 0
Ejemplos:
1. En V R 2
, v1 (1,0) y v2 (0,1) son li porque:
1v1 2 v2 0 1 .(1,0) 2 .(0,1) (0,0) (1 ,0) (0, 2 ) (0,0)

(1 , 2 ) (0,0) 1 2 0
2. En V R 2
, v1 (1,2) y v2 (2,4)
1v1 2 v2 0 1 .(1,2) 2 .(2,4) (0,0) (1 ,21 ) (2 2 ,4 2 ) (0,0)

2 2 0
( 1 2 2 ,2 1 4 2 ) (0,0) 1
2 1 4 2 0
Resolviendo el sistema:
1 2 2 0 1 2 2
21 4 2 0 2.(2 2 ) 4 2 0 0. 2 0 2 puede tomar cualquier
valor y no es necesariamente nulo.
Por lo tanto v1 (1,2) y v2 (2,4) son ld ( v2 2v1 )
3. En V M ( R)
2
1 0
0 1
0 0
0 0
v1
, v2
, v3
, v4
son li:
0 0
0 0
1 0
0 1
1v1 2 v2 3 4 v4 0
1 0
0 1
0 0
0 0 0 0
1
2
. 3
4
0 0
0 0
1 0
0 1 0 0
2 0 0
1
1 2 3 4 0
3 4 0 0
UNNOBA
11
Propiedades:
1. Sea V un espacio vectorial sobre K y sean v1 , v2 ,......, vn V .
v1 , v2 ,......, vn son linealmente dependientes si y slo si uno de ellos es combinacin

lineal de los restantes.
n
2. Sean v1 , v2 ,......, vn R y A la matriz cuyas filas ( o columnas) son las componentes
de v1 , v2 ,......, vn .
v1 , v2 ,......, vn son linealmente independientes si y slo si A X 0 tiene solucin

nica ( solucin trivial)
Observaciones:
1. En virtud de la propiedad 2 y la teora de los sistemas lineales homogneos :
-
v1 , v2 ,......, vn R n son linealmente independientes A 0
v1 , v2 ,......, vn R n son linealmente dependientes A 0

siendo A la matriz cuyas filas (o columnas) son las componentes de v1 , v2 ,......, vn .
Ejemplos:
En V R
a)
v1 (1,0,0) , v2 (0,1,0) y v3 (0,0,1) son li porque:
1 0 0
A 0 1 0 y
0 0 1
b)
v1 (1,4,1) , v2 (1,1,0) y v3 (2,8,2) son ld porque:
1 4 1
A 1 1 0 y
2 8 2
A 1 0
A 0
v1 , v2 ,......, vn R n son linealmente independientes si reduciendo la matriz A ,

cuyas filas (o columnas) son las componentes de v1 , v2 ,......, vn , a la forma
UNNOBA
12
escalonada no se obtiene ninguna fila completa de ceros, y linealmente
dependientes en caso contrario.
Ejemplos:
En V R 3
a) v1 (1,0,0) , v2 (0,1,0) y v3 (0,0,1) son li porque:
1 0 0
A 0 1 0 y es una matriz escalonada con todas sus filas no nulas.
0 0 1
b) v1 (1,4,1) , v2 (1,1,0) y v3 (2,8,2) son ld porque:
1 4 1
A 1 1 0 y su forma escalonada
2 8 2
1 4 1
0 3 1 tiene una fila
0 0
0
completa de ceros.
2. Si v1 , v2 R son linealmente dependientes, pertenecen a la misma recta ( porque

2
uno de ellos es mltiplo del otro, por propiedad 1) y a rectas distintas si son
linealmente independientes.
3.
v1 , v2 , v3 R 3 son linealmente dependientes si son coplanares ( porque A 0 por

observacin 1) y si no pertenecen al mismo plano son linealmente independientes.
Bases y dimensin
v1 , v2 ,......, vn es una base de V si y slo si es un sistema de generadores de V y sus
elementos son linealmente independientes .
v1 , v2 ,......, vn
UNNOBA
gen
base de V
v1 , v2 ,......, vn V
v1 , v2 ,......, vn
li
13
Ejemplos:
1. En V R 2 : v1 (1,0) y v2 (0,1) son li ( ver ejemplo 1 pg. 10)
v1 (1,0) y v2 (0,1) generan R 2 (ver ejemplo1 pg. 8)

Por lo tanto: (1,0); (0,1) es una base de R 2 : Base cannica.
2. En V R 2 : v1 (3,5) y v2 (1,2) son li porque
3 5
6 (5) 11 0
1 2
v1 (3,5) y v2 (1,2) generan R 2 (ver ejemplo 2 pg. 8)

Por lo tanto: (3,5); (1,2) es una base de R 2 .
3.
En V R 3 :
11) y generan R
v1 (1,0,0) , v2 (0,1,0) y v3 (0,0,1) son li ( ver ejemplo pg.

3
( ver ejemplo 2 pg. 9).
Luego (1,0,0); (0,1,0); (0,0,1) es una base de R 3 : Base cannica.
1 0 0 1 0 0 0 0
2
,
,
,
es una base M ( R) porque es un sistema de
0 0 0 0 1 0 0 1
4.
generadores de M 2 ( R) (ver ejemplo 4 pg. 8) y son li. (ver ejemplo 3 pg. 10)
Propiedad 1
Sea V un espacio vectorial sobre K y v1 , v2 ,......, vn una base de V .
Entonces, todo elemento del espacio vectorial se puede expresar de manera nica como
combinacin lineal de elementos de la base.
Es decir
1 , 2 ,....., n K
ni cos / v 1v1 2 v2 ...... n vn
v V
Demostracin:
Sea v V y supongamos que se puede expresar de dos maneras distintas como combinacin
lineal de elementos de la base:
v 1v1 2 v2 ...... n vn con 1 , 2 ,....., n K

v 1v1 2 v2 ...... n vn con 1 , 2 ,....., n K
UNNOBA
14
Si 1v1 2 v2 ...... n vn 1v1 2 v2 ...... n vn
1v1 2 v2 ...... n vn 1v1 2 v2 ...... n vn 0

1 1 v1 2 2 v2 ...... n n vn 0
1 1 2 2 .......... n n 0 por ser v1 , v2 ,......, vn una base y por lo
tanto li.
Luego 1 1 ; 2 2 ;..........; n n , lo que prueba que la representacin de v V es
nica.
Propiedad 2
Sea V un espacio vectorial sobre K y v1 , v2 ,......, vn , w1 , w2 ,......, wm son dos bases
cualesquiera de V . Entonces dichas bases tienen el mismo nmero de elementos.
v1 , v2 ,......, vn , w1 , w2 ,......, wm
bases de V n m
Definicin: Sea V un espacio vectorial sobre K con una base finita. La dimensin del espacio
vectorial es el nmero de elementos de cualquier base. En este caso, V es un espacio
vectorial de dimensin finita o finito-dimensional.
Si v1 , v2 ,......, vn base de V dim V n
Observacin:
Si V 0 dim V 0
Ejemplos:
dim R 2 2
3
2. dim R 3
3. dim M 2 ( R) 4
1.
Propiedad
Sea V un espacio vectorial de dimensin finita n . Entonces V tiene a lo sumo n vectores
linealmente independientes.
UNNOBA
15
Coordenadas. Cambio de base

Definicin: Sea V un espacio vectorial de dimensin finita y sea B v1 , v2 ,......, vn una
base de V .
Si v V 1 , 2 ,....., n K / v 1v1 2 v2 ...... n vn
1 , 2 ,....., n son las coordenadas de v en la base
Notacin:
B.
1

2
C B (v ) .

.

n
Ejemplos:
1. V R 2 ;
B (1,2); (3,1) ; v (5,3)
v 1v1 2 v2 (5,3) 1 (1,2) 2 (3,1) (5,3) (1 3 2 ,21 2 )

3 2 5
1
1 2 ; 2 1
2 1 2 3
2
C B (v)
1
2. V R
B (1,0); (0,1) ; v (5,3)
5
v 1v1 2 v2 (5,3) 1 (1,0) 2 (0,1) (5,3) ( 1 , 2 ) 1
2 3
5
C B (v)
3
3. V R
B (0,1); (1,0) ; v (5,3)
3
v 1v1 2 v2 (5,3) 1 (0,1) 2 (1,0) (5,3) ( 2 , 1 ) 1
2 5
UNNOBA
3
C B (v)
5
16
4. V P3 ;
B x 3; 2 x 5; x 2 1
; v 2 3x 5 x 2
v 1v1 2 v2 3 v3 2 3x 5x 2 1 ( x 3) 2 (2 x 5) . 3 ( x 2 1)
2 3x 5x 2 1 x 31 2 2 x 5 2 3 x 2 3
3 1 5 2 3 2
2 3x 5 x (3 1 5 2 3 ) ( 1 2 2 ) x 3 x 1 2 2 3
3 5
1 1; 2 2 ; 3 5
1

C B (v) 2
5

5. V M 2 ( R) ;
1 0 0 1 0 0 0 0
B
,
,
,
;
0 0 0 0 1 0 0 1
2 1
v
1 5
v 1v1 2 v2 . 3 v3 4 v4
2 1
1 0
0 1
0 0
0 0
1
2
3
4
1 5
0 0
0 0
1 0
0 1
2 1 1
1 5 0
0 0 2 0
0 0 0 3
0 0 0
0 0 4
2 1 1 2
1 2 ; 2 1; 3 1; 4 5
1 5 3 4
UNNOBA
2

1
C B (v)
1

5

17
Observaciones:
1. Si v (1 , 2 ,......, n ) R n y B la base cannica .
1

2
Entonces C B (v) .

.

n
2. Las coordenadas de un vector dependen de la base del espacio vectorial y tambin
del orden de los elementos de la misma. Es decir, si se cambia la base B del espacio
vectorial o se cambia el orden de los vectores de B , cambian las coordenadas del
vector.
Propiedad. ( Cambio de base)

Sea V un espacio vectorial de dimensin finita, sean B y D dos bases de V y v V .
Entonces
C D (v) P C B (v)
donde P es una matriz invertible cuyas columnas son las coordenadas de los vectores de la
base B en la base D .
Demostracin:
Sean B v1 , v2 ,......, vn y D w1 , w2 ,......, wn bases de V y sea v V .

Por ser B una base de V :
v v1 v 2
v 1v1 2 v2 ...... n vn con 1 , 2 ,....., n K
1

2
. . vn .

.
n
(1)
Por ser D una base de V : v 1 w1 2 w2 ...... n wn
v w1
UNNOBA
w2
1

2
. . wn .

.
n
con 1 , 2 ,....., n K
(2)
18
Por otro lado, todo vector de la base B se puede expresar como combinacin lineal de los
vectores de la base D :
vi 1i w1 2i w2 ...... ni wn con 1i , 2i ,....., ni K ; i 1,2,........, n
vi w1 w2
1i

2i
. . wn . para i 1,2,........, n

.
ni
Luego:
v1
v2
. . v n w1
w2
11 12
21 22
. . wn .
.
n1 n 2
.
.
.
.
1n
2 n
. (3)
.
nn
Por (1) y (3):
v v1 v 2
1
11 12

2
21 22
. . v n . v w1 w2 . . wn .

.
.
n
n1 n 2
.
.
.
. 1n 1
2 n 2
. .

. . .
. nn n
(4)
Teniendo en cuenta (2) y (4), por unicidad de coordenadas:
1 11 12

2 21 22
. .

. .
n n1 n 2
UNNOBA
.
.
.
.
1n 1
2 n 2
. .

. .
nn n
19
1
1

2
2
. son las coordenadas de v en la base B y . son las coordenadas de v en la base D .

.
.
n
n
11 12
21 22
.
.
n1 n 2
1n
2 n
. es una matriz cuyas columnas son las coordenadas de los vectores
.
.
. . nn
de la base B en la base D , a la que llamamos P .
.
C D (v) P C B (v)
Observacin:
P es llamada matriz de transicin de la base B a la base D y P 1 es la matriz de transicin

de D a B .
Ejemplo:
V R2 ;
Si
B (1,0); (0,1) ;
D (2,1); (1,1)
3
C B (v) , hallar CD (v)
3
a) Determinamos las coordenadas de los vectores de la base B en la base D :
v1 (1,0) 1 (2,1) 2 (1,1) (1,0) (21 2 , 1 2 )

2 2 1
1
1
1
1 ; 2
3
3
1 2 0
UNNOBA
C D (v1 ) 3
1
3
20
v2 (0,1) 1 (2,1) 2 (1,1) (0,1) (21 2 , 1 2 )

2 2 0
1
2
1
1 ; 2
3
3
1 2 1
1

C D (v 2 ) 3
2

3
b) La matriz de transicin de la base B a la base D es P 3

1
1
3
2
c) Las coordenadas de v en la nueva base D son:

3
C D (v ) P C B (v ) 3
1
1
3 3 2
2 3 1
2
C D (v)
1
Nulidad y rango de una matriz

Definicin: El espacio nulo de una matriz A M mn (R) es el conjunto de soluciones del
sistema A X 0 .
N ( A) X R n / A X 0
Propiedad
n
El espacio nulo de una matriz A M mn (R) es un subespacio vectorial de R .
Demostracin:
N ( A) X R n / A X 0 es un subespacio vectorial porque:
UNNOBA
21
Si X 1 , X 2 N ( A) A X 1 0
A X 2 0
A ( X1 X 2 ) A X1 A X 2 0 0 0
X 1 X 2 N ( A)
Sean X N ( A), R .
Si X N ( A) A X 0
A ( . X ) .( A X ) .0 0
. X N ( A)
Definicin: La nulidad de una matriz A M mn (R) es la dimensin de espacio nulo, es decir

la dimensin del conjunto de soluciones del sistema A X 0 .
( A) dim N ( A) .
Observacin:
Si N ( A) 0 ( A) 0
Ejemplo:
2 1 1
A
1 2 3
N ( A) X R 3 / A X 0
x1
2 1 1 0 2 x1 x 2 x3 0
A X 0
x2
1 2 3 x 0 x1 2 x 2 3x3 0
3
Resolvemos el sistema: x1 x3 ; x2 x3 ; x3 x3 R
x3
N ( A) x3
x
3
Pero
x3
1
x x 1
3
3
x3
1
UNNOBA
1

1 es base de N ( A) dim N ( A) 1
1

( A) 1
22
Propiedad
Una matriz cuadrada es invertible si y slo si su nulidad es cero.
Es decir:
A M nn ( R) invertible si y slo si ( A) 0
Demostracin:
A M nn (R) invertible A 0 .
Adems un sistema homogneo A X 0 es compatible determinado y su nica solucin es
la trivial cuando A 0 .
Por lo tanto
A M nn (R) invertible A 0 A X 0 tiene solucin nica X 0
N ( A) 0 ( A) 0
Aplicacin:
Si un sistema lineal homogneo es compatible indeterminado podemos determinar una base
del espacio solucin, que es una base del espacio nulo y la dimensin del mismo, que es la
nulidad de la matriz de los coeficientes.
Ejemplo:
x1 2 x 2 4 x3 3x 4 0
x1 2 x 2 2 x3 2 x 4 0
2 x 4 x 2 x 3 x 0
2
3
4
1
1 2 4 3
La matriz de los coeficientes es A 1 2 2 2
2 4 2 3
Reducimos la matriz a la forma escalonada:
1 2 4 3 1 2 4 3 1 2 4 3
1 2 2 2 0 0 2 1 0 0 2 1
0
2 4 2 3 0 0 6 3 0 0 0
Entonces
x1 2 x 2 4 x3 3x4 0
2 x3 x 4 0
2 x3 x 4 0 x3
UNNOBA
1
x4
2
23
1
x1 2 x2 4 x3 3x4 0 x1 2 x2 4. x4 3x4 0
2
x1 2 x2 x4 0 x1 2 x2 x4
x1
x
2 N ( A) es:
X
Luego
x3

x4
2 x 2 x 4 2 x 2 x 4
1
2
1
x2
x2 0
X 1
1
x 2 . x 4 . 1
0
0
x
4
2 4
2
2

0 x 4
0
x4
1
2

1
Y una base de N (A) y por lo tanto del conjunto solucin es ;
0
0
1
0
1

2
y la dimensin del espacio solucin es ( A) 2 .
Definicin: La imagen de una matriz A M mn (R) es el conjunto
Im( A) Y R m / A X Y para a lg n X R n
Propiedad
La imagen de una matriz A M mn (R) es un subespacio vectorial de R m .
Demostracin:
Im( A) Y R m / A X Y para a lg n X R n es un subespacio vectorial porque:

-
n
Si Y1 , Y2 Im( A) X 1 , X 2 R / A X 1 Y1 A X 2 Y2
X 1 X 2 R n / A ( X 1 X 2 ) A X 1 A X 2 Y1 Y2 Y1 Y2 Im( A)
-
Sean Y Im( A), R .
Y Im( A) X R n / A X Y . X R n / A ( . X ) .( A X ) .Y
.Y Im( A)
UNNOBA
24
Definicin: El rango de una matriz A M mn (R) es la dimensin de espacio imagen.
( A) dim Im( A) .
Definiciones:
-
El espacio fila de una matriz A M mn (R) es el subespacio de R m generado por

sus filas.
R A gen
-
r1 , r2 ,......, rm donde r1 , r2 ,......, rm son las filas o renglones de
A.
El espacio columna de una matriz A M mn (R) es el subespacio de R n

generado por sus columnas.
C A gen
c1 , c2 ,......, cn donde c1 , c2 ,......, cn son las columnas de
A.
Ejemplo:
2 1 1
A
1 2 3
RA gen (2,1,1); (1,2,3)
C A gen (2,1); (1,2); (1,3)
Propiedades
1. La imagen de una matriz es igual a su espacio columna.
Sea A M mn (R) Im( A) C A
2. El rango de una matriz es igual a la dimensin de su espacio fila y a la dimensin de su
espacio columna.
Sea A M mn (R) ( A) dim R A dim C A
3. La suma del rango y de la nulidad de una matriz es igual al nmero de sus columnas.
Sea A M mn (R) ( A) ( A) n
Observaciones
1. Como Im( A) C A y C A est generado por las columnas de A , para determinar
una base y la dimensin del espacio imagen basta con ver cules de los vectores
columnas que generan C A son linealmente independientes para formar una base
de C A y por lo tanto de Im(A) .
UNNOBA
25
Ejemplo:
2 1 1
A
1 2 3
Im( A) C A gen (2,1); (1,2); (1,3)

Vemos cules de los vectores que la generan son li. Una forma de hacerlo es
expresar dichos vectores como filas de una matriz y reducir la matriz a la forma
escalonada:
2 1 2 1 2
2 1 1
1
2 2 1 0 5 0 5
1 3 1 3 0 5 0 0
Los 2 primeros son linealmente independientes.
Base Im( A) (2,1); (1,2) y
( A) 2
2. Como ( A) dim R A y R A est generado por las filas de A , para determinar el

rango de A debemos ver qu filas son li para formar una base de R A .
Para ello reducimos la matriz A a la forma escalonada y el rango es la cantidad de
filas cuyos elementos no son todos 0.
Ejemplo:
2 1 1
A
1 2 3
2 1 1 1 2 3 1 2 3
A
1 2 3 2 1 1 0 5 5
( A) 2
Como tambin ( A) dim C A , se puede proceder de manera similar
pero
partiendo de la matriz cuyas filas son los vectores que generan C A .
UNNOBA
26
3. Como ( A) ( A) n . Entonces ( A) n ( A)
Ejemplo:
2 1 1
A
1 2 3
Como ( A) 2
n 3 , resulta
( A) n ( A) 3 2 1
( A) 1
Aplicacin:
El clculo del rango lo empleamos para determinar si un sistema lineal homogneo tiene o no
solucin. Recordar que un sistema homogneo A X B es compatible si ( A) ( A' ) e
incompatible en caso contrario, siendo A la matriz de los coeficientes y A' la matriz ampliada.
UNNOBA

Apunte Espacios Vectoriales

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Apunte Espacios Vectoriales

Enviado por

Direitos autorais:

Formatos disponíveis

1

Distributiva del producto con respecto a la suma de escalares:

g) Distributiva del producto con respecto a la suma de vectores:

Esta estructura suele representarse como la cuaterna ordenada (V ,, K ,)

Vectorial V sobre el cuerpo K o simplemente K espacio vectorial.

1. La recta R , el plano R y el espacio R y los vectores pertenecientes a ellos con la

con xi R porque cada n-upla es una matriz.

0 0 0 V , 0.0 0 V y se cumplen todas las

lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo

fijo , recta del plano que pasa por el origen,

es un espacio vectorial sobre R ya que:

v1 v2 ( x1 , y1 ) ( x2 , y2 ) ( x1 , p.x1 ) ( x2 , p.x2 ) ( x1 x2 , p.x1 p.x2 )

v ( x, y) ( x, p.x) ( .x, . p.x) .x, p.( .x) .v V

b) 0 (0,0) (0, p.0) V / 0 v v 0 v v V

v ( x, p.( x)) V /( v) v v (v) 0

M mn ( R) A [aij ], i 1,...., m ; j 1,...., n / aij R matrices reales m n ,con la

lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo

0 v (0 0) v 0 v 0 v por ser 0 el elemento neutro de la suma de vectores y

Por otro lado: 0 v V 0.v V / 0.v [0.v ] 0 por la existencia de

0 v [(0.v)] (0 v 0 v) [(0.v)] 0 0 v [0 v (0.v)]

v 0 1 .( .v) 1 .0 ( 1 .. ).v 0 1.v 0 v 0

( ) v v ( ).v 0.v 0 por propiedad distributiva con respecto a la

Sumando a ambos miembros ( v) :

lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo

Subespacio vectorial. Propiedades

) Si W es un subespacio vectorial, obviamente la suma y el producto por escalares son

) Si la suma y el producto por escalares son cerradas en W , para probar que W es un

(1) w W w W por ser cerrado el producto por escalares y

lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo

0 W para todo subespacio vectorial W de un espacio vectorial V .

2. Para probar que un subconjunto W es un subespacio de un espacio vectorial V , basta

w1 [aij ], i 1,...., n; j 1,...., n / aij 0

w1 w2 [aij bij ], i 1,...., n; j 1,...., n / aij bij 0

w [aij ] .aij , i 1,...., n; j 1,...., n / .aij 0

lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo

w1 w2 (u1 s1 ) (u 2 s2 ) (u1 u 2 ) (s1 s2 )

con u U s S por ser U y S

Por lo tanto U S es un subespacio vectorial .

lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo

1v1 2 v2 ...... n vn con 1 , 2 ,......, n K .

(3,14) es combinacin lineal de (1,4) , (4,2) y (1,0) porque

un sistema de generadores de V , si cualquier vector de V puede

expresarse como combinacin lineal de v1 , v2 ,......, vn .

v1 , v2 ,......, vn sistema de generadores de V

(1,0), (0,1) es un sistema de generadores de V R 2

lgebra y Geometra Analtica

Lic. Silvia Graciela Capalbo

(3,5), (1,2) es un sistema de generadores de V R 2

1 , 2 R / v ( x; y) 1 .(3,5) 2 .(1,2) ( x, y) (31 ,51 ) ( 2 ,2 2 )

Por lo tanto (3,5), (1,2) es un sistema de generadores de R 2 .

1, x, x ,......, x es un sistema de generadores de V P (R) pues cualquier

p( x) an .1 an1 x an2 x 2 ...... a0 x n

4. Dada cualquier matriz

Definicin: Sea V un espacio vectorial sobre K y sea v1 , v2 ,......, vn un subconjunto de V .

v1 , v2 ,......, vn v V / v 1v1 2 v2 ...... n vn

v1, v2 ,......, vn es un subespacio vectorial de V .

(1,0); (0,1) v R 2 / v 1.(1,0) 2 .(0,1)