ALGEBRA LINEAL

SEMANA 1
ESPACIOS VECTORIALES, SUB ESPACIOS, DEPENDENCIA E
INDEPENDENCIA LINEAL, BASES, DIMENSIÓN, SISTEMA DE
COORDENADAS
 ESPACIOS VECTORIALES

Un espacio vectorial es una estructura algebraica que consta de:

• Un conjunto 𝑉 ≠ ∅, cuyos elementos son llamados vectores.
• Un conjunto 𝐹 ≠ ∅, cuyos elementos son llamados escalares
• Una operación definida en 𝑉, denotada por “+”
• Una operación de multiplicación de un escalar por un vector, denotada por
“.”
Que verifican los siguientes axiomas:
 Axiomas de espacio vectorial
A1. 𝑎 + 𝑏 = 𝑏 + 𝑎 para todo 𝑎, 𝑏 ∈ 𝑉
A2. 𝑎 + 𝑏 + 𝑐 = 𝑎 + 𝑏 + 𝑐 , ∀𝑎, 𝑏, 𝑐 ∈ 𝑉
A3. Existencia del elemento neutro para la operación " + “, denotado por 𝒪 tal que
𝑎 + 𝒪 = 𝑎, ∀𝑎 ∈ 𝑉
A4. Existencia del elemento opuesto para la operación " + “, denotado por −𝑎 tal que
𝑎 + −𝑎 = 𝒪, ∀𝑎 ∈ 𝑉
A5. 1. 𝑎 = 𝑎, 1 ∈ 𝐹, 𝑎 ∈ 𝑉
A6. 𝑟1 𝑟2 𝑎 = 𝑟1 𝑟2 . 𝑎, 𝑟1 , 𝑟2 ∈ 𝐹, 𝑎 ∈ 𝑉
A7. (𝑟1 + 𝑟2 ). 𝑎 = 𝑟1 . 𝑎 + 𝑟2 . 𝑎, 𝑟1 , 𝑟2 ∈ 𝐹, 𝑎 ∈ 𝑉
A8. 𝑟 𝑎 + 𝑏 = 𝑟. 𝑎 + 𝑟. 𝑏, 𝑟 ∈ 𝐹, 𝑎, 𝑏 ∈ 𝑉
Si cumplen los 8 axiomas se dice que 𝑉, 𝐹, +, . es un espacio vectorial V sobre 𝐹.
 Ejemplos de espacios vectoriales

El espacio vectorial El espacio vectorial de funciones reales

𝑽 = ℝ𝒏 𝓕.
𝑭=ℝ 𝑽=𝓕
𝑭=ℝ
“+" es la suma de vectores en ℝ𝒏
“+" es la suma de funciones reales
". " es la multiplicación de un
". " es la multiplicación de un número
número real por un vector
real por una función
de ℝ𝒏 .
𝒏 (𝓕, ℝ, +, . ) es el espacio vectorial de
(ℝ , ℝ,+, .) es el espacio vectorial
𝒏 funciones reales.
ℝ .
 Sub espacios vectoriales
• Se dice que una subconjunto 𝑊 del espacio vectorial 𝑉 es un sub
espacio vectorial si 𝑊 es también un espacio vectorial con las
operaciones que hacen de 𝑉 un espacio vectorial.
• Criterio de sub espacio: 𝑊 es un sub espacio vectorial de 𝑉 si se
verifica que
1. 𝑊 es cerrado con respecto a " + “
𝑎 + 𝑏 ∈ 𝑊, ∀𝑎, 𝑏 ∈ 𝑊
2. W es cerrado con respecto a ". “
𝑟. 𝑎 ∈ 𝑊, 𝑟 ∈ 𝑅, 𝑎 ∈ 𝑊
Las dos condiciones se pueden abordar en una sola
𝑟1 𝑎 + 𝑟2 𝑏 ∈ 𝑊, ∀𝑎, 𝑏 ∈ 𝑊, 𝑟1 , 𝑟2 ∈ ℝ
 Ejemplos de sub espacios
• Los sub espacios triviales son 𝑾 = 𝑽, 𝑾 = 𝓞
• Intersección finita de sub espacios: Sean 𝑾𝟏 , 𝑾𝟐 , … , 𝑾𝒌 una colección finita
de sub espacios del espacio vectorial 𝑽. Entonces 𝑾 = ‫ 𝒊𝑾 𝟏=𝒊𝒌ځ‬es un sub
espacio de 𝑽.
• El sub espacio generado: Sean 𝜶𝟏 , 𝜶𝟐 , … , 𝜶𝒏 vectores del espacio vectorial 𝑽,
el sub espacio generado por 𝜶𝟏 , 𝜶𝟐 , … , 𝜶𝒏 es el conjunto de todas las
combinaciones lineales de 𝜶𝟏 , 𝜶𝟐 , … , 𝜶𝒏 .
𝑮𝒆𝒏 𝜶𝟏 , 𝜶𝟐 , … , 𝜶𝒏 = 𝜶Τ𝜶 = 𝒄𝟏 𝜶𝟏 + 𝒄𝟐 𝜶𝟐 + ⋯ + 𝒄𝒏 𝜶𝒏
Donde 𝒄𝟏 , 𝒄𝟐 , … , 𝒄𝒏 ∈ ℝ.
• Nota: Una combinación lineal de los vectores 𝜶𝟏 , 𝜶𝟐 , … , 𝜶𝒏 es una expresión
de la forma
𝒄𝟏 𝜶𝟏 + 𝒄𝟐 𝜶𝟐 + ⋯ + 𝒄𝒏 𝜶𝒏 , 𝒄𝟏 , 𝒄𝟐 , … , 𝒄𝒏 ∈ ℝ
 Dependencia lineal
• Un conjunto de vectores 𝜶𝟏 , 𝜶𝟐 , … , 𝜶𝒏 de un espacio vectorial 𝑽 se
dice que son linealmente dependientes (LD) si existen números
reales no todos nulos 𝒄𝟏 , 𝒄𝟐 , … , 𝒄𝒏 tal que
𝒄𝟏 𝜶𝟏 + 𝒄𝟐 𝜶𝟐 + ⋯ + 𝒄𝒏 𝜶𝒏 = 𝟎
• Dependencia lineal significa que “cada uno de los vectores depende
de los otros”.
• En ℝ𝒏 que un par de vectores 𝜶𝟏 , 𝜶𝟐 sean linealmente dependientes
significa que son paralelos:
𝒄𝟐
𝒄𝟏 𝜶𝟏 + 𝒄𝟐 𝜶𝟐 = 𝟎 ⟹ 𝜶𝟏 = − 𝜶𝟐 = 𝒓𝜶𝟐 , 𝒓∈ℝ
𝒄𝟏
 Independencia lineal

• Un conjunto de vectores 𝜶𝟏 𝜶𝟐 , … , 𝜶𝒏 de un espacio vectorial 𝑽 que

no son LD, se dice que son linealmente independientes (LI).

• Test de independencia lineal: Un conjunto de vectores

𝜶𝟏 𝜶𝟐 , … , 𝜶𝒏 de un espacio vectorial 𝑽 son linealmente
independientes si y solo si
𝒄𝟏 𝜶𝟏 + 𝒄𝟐 𝜶𝟐 + ⋯ + 𝒄𝒏 𝜶𝒏 = 𝟎 ⟹ 𝒄𝟏 = 𝒄𝟐 = ⋯ = 𝒄𝒏 = 𝟎
 Base y dimensión
• Un conjunto de vectores 𝐁 = 𝜶𝟏 𝜶𝟐 , … , 𝜶𝒏 de un espacio vectorial
𝑽 se dice que es una base de 𝑽 si
a) 𝜶𝟏 𝜶𝟐 , … , 𝜶𝒏 son LI.
b) Gen 𝜶𝟏 𝜶𝟐 , … , 𝜶𝒏 = 𝑽

• Si un espacio vectorial 𝑽 tiene al menos una base 𝑩 que consta de 𝒏

vectores, se dice que 𝑽 es de dimensión finita 𝒏 y se denota por
𝐝𝐢𝐦 𝑽 = 𝒏
• Si 𝑾 es un sub espacio del espacio vectorial 𝑽, entonces
𝒅𝒊𝒎 𝑾 ≤ 𝒅𝒊𝒎 𝑽
 Ejemplos
• En ℝ𝟑 , 𝑩 = 𝒊Ԧ, 𝒋Ԧ, 𝒌 forman una base de ℝ𝟑 , llamada la base estándar, luego la
dimensión de ℝ𝟑 es 3.
• Sea 𝑽 = 𝑷𝒏
𝑷𝒏 = 𝒑 𝒙 Τ𝒑 𝒙 = 𝒂𝟎 + 𝒂𝟏 𝒙 + 𝒂𝟐 𝒙𝟐 + ⋯ + 𝒂𝒏 𝒙𝒏 , 𝒂𝟏 , … , 𝒂𝒏 ∈ ℝ
Una base para 𝑷𝒏 es
𝑩 = 𝟏, 𝒙, 𝒙𝟐 , … , 𝒙𝒏
llamada la base estándar de 𝑷𝒏 . La dimensión de 𝑷𝒏 es 𝒏 + 𝟏.
• Sea 𝑽 = 𝑴𝟐×𝟐 la base estándar para 𝑴𝟐×𝟐 es
𝟏 𝟎 𝟎 𝟏 𝟎 𝟎 𝟎 𝟎
𝑩= , , ,
𝟎 𝟎 𝟎 𝟎 𝟏 𝟎 𝟎 𝟏

𝐝𝐢𝐦 𝑴𝟐×𝟐 = 𝟒
 Sistema de coordenadas
• Sea V un espacio vectorial de dimensión n, 𝐵 = 𝑣1 , 𝑣2 , … , 𝑣𝑛 una
base ordenada de V. Para todo 𝑣 ∈ 𝑉 existen escalares únicos
𝑐1 , 𝑐2 , … , 𝑐𝑛 ∈ ℝ tales que
𝑣 = 𝑐1 𝑣1 + 𝑐2 𝑣2 + ⋯ + 𝑐𝑛 𝑣𝑛
A los escalares 𝑐1 , 𝑐2 , … , 𝑐𝑛 se les llama coordenadas del vector 𝑣 con
respecto a la base 𝐵, y se denota por
𝑐1
𝑐2
𝑣 𝐵 = ⋮ ∈ ℝ𝑛 ⟺ 𝑣 = 𝑐1 𝑣1 + 𝑐2 𝑣2 + ⋯ + 𝑐𝑛 𝑣𝑛
𝑐𝑛
Ejemplos
1) Hallar las coordenadas de 𝑣 = 1,2,3 con respecto a la base
canónica , 𝑩 = 𝒊Ԧ, 𝒋Ԧ, 𝒌
10
1 0 2
3
2) Hallar las coordenadas de 𝑣 = y𝑣 = 7 con respecto
0 1 2
6
1 2 0 2 3 1 −1 0
a la base 𝐵 = , , ,
1 2 1 0 −1 0 0 0
3) Hallar −𝑡 2 + 4𝑡 + 5 𝐵 , si 𝐵 = 𝑡 2 + 𝑡 + 1, 𝑡 2 + 2𝑡 + 3, 𝑡 2 + 1 es
una base de 𝑃2 .
Ejemplo

1 −1 0 −1 1 0
Sean 𝑠 = 0 , 0 , 1 , 𝑇 = 1 , 2 , 1 bases de ℝ3 .
1 0 2 0 −1 0
Hallar 𝑣 = 𝑥. 𝑦, 𝑧 𝑆 y 𝑣 = 𝑥. 𝑦, 𝑧 𝑇
 Matriz de Cambio
Sean V un espacio vectorial de dimensión finita 𝑛 . Sean 𝑆 =
𝑣1 , 𝑣2 , … , 𝑣𝑛 𝑦 𝑇 = 𝑤1 , 𝑤2 , … , 𝑤𝑛 bases de V. Existe una única
matriz P inversible de orden 𝑛 × 𝑛 llamada matriz de cambio de
coordenadas tal que
𝑃 = 𝑤1 𝑆 , 𝑤2 𝑆 , … , 𝑤𝑛 𝑆
Y para todo 𝑣 ∈ 𝑉 se tiene:
𝑣 𝑆=𝑃 𝑣 𝑇
 𝑣 𝑇 = 𝑃−1 𝑣 𝑆