Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
ALGEBRA LINEAL
UNIDAD 4
ESPACIOS VECTORIALES
ALUMNAS:
INGENIERIA MECATRONICA
Página |2
INDICE
PRESENTACION
En esta unidad se estudiará el espacio vectorial. Los vectores en R2 son la
introducción al álgebra lineal, por lo que en este espacio se estudiarán los
conceptos básicos de vector, independencia lineal, combinación lineal, bases y
subespacios vectoriales que después serán generalizados a R2.
Los vectores son importantes por sus aplicaciones en la Física y porque permiten
modelar fenómenos de la Economía, y además son básicos para un estudio
posterior en otras ramas de la Matemática como Programación lineal, Análisis
funcional, Cálculo vectorial, entre otras.
Página |4
2. 0 · v = 0, ∀v ∈ V .
3. Si a · v = 0 para a ∈ R y v ∈ V entonces, o bien a = 0, o v = 0.
4. (−1) · v = -v, ∀v ∈ V .
Definición 4.2.1.
Dado un conjunto de vectores v1, ..., vk de un espacio vectorial V , llamaremos
combinación lineal de ellos a cualquier vector de la forma:
a1v1 + ... + akvk
Donde los coeficientes ai , i = 1, ..., k, son escalares.
Página |6
Definición 4.2.2.
Se dice que un conjunto finito de vectores {v1, ..., vk} es linealmente
dependiente si el elemento neutro se puede escribir como combinación lineal
de ellos con no todos los coeficientes nulos. Es decir, si existen escalares
a1, ..., ak no todos nulos tales que
a1v1 + ... + akvk = 0.
Por el contrario, si {v1, ..., vk} no es linealmente dependiente, se dice que es
un conjunto linealmente independiente. Es decir,
si a1v1 + ... + akvk = 0 ⇒ a1 = ... = ak = 0.
Como una consecuencia inmediata de esta definición, observemos que
cualquier conjunto de vectores que contenga al elemento neutro es linealmente
dependiente. Estudiar la independencia o dependencia lineal de un conjunto
finito de vectores es equivalente a estudiar si un determinando sistema
homogéneo es compatible determinado o indeterminado, respectivamente.
Una caracterización equivalente de la dependencia lineal es la que sigue.
NOTA: Que podamos expresar uno de los vectores como combinación lineal
del resto no significa que podamos expresar cualquier vector como
combinación lineal del resto.
Página |7
v→=α1v1→+α2v2→
26=α143+α20,−32
26=4α1,3α1+0α2,−32α2
26=4α1+0α2,3α1−32α2⇒{2=4α1+0α26=3α1−32α2
Como 2 = 4 α 1 ⇒ α 1 = 1 2
Como 6 = 3 α 1 − 3 2 α 2 → 6 = 3 . 1 2 − 3 2 α 2 → 6 − 3 2 = − 3 2 α 2 → 9 2 = − 3
2α2→α2=92:−32=−3→α2=−3
Proposición 3.3.2.
Sea V un espacio vectorial y sea ∅ 6= U ⊆ V. Entonces U es un subespacio
vectorial de V si y sólo si las operaciones suma y producto por un escalar
están bien definidas. Es decir, si y solo si para cualesquiera u, v ∈ U y k ∈ R se
tiene que u + v ∈ U y ku ∈ U.
Definición 4.4.3
. Sea S = {s1, ..., sn} ⊆ V y consideremos el conjunto formado por todas las
posibles combinaciones lineales de vectores de S: L(S) = {a1s1 + ... + ansn ; ai
∈ R}.
Es fácil demostrar que L(S) es un subespacio vectorial de V Se conoce como
subespacio generado por S. Se puede demostrar que L(S) es el menor
subespacio vectorial de V que contiene a S. Dado cualquier subespacio
vectorial U 6= ∅, podemos encontrar un conjunto S ⊂ V de modo que U = L(S).
Diremos en este caso que S es un conjunto de generadores de U.
Por tener los subespacios vectoriales estructura de espacio vectorial podemos
hablar de base y dimensión: una base de un subespacio vectorial U es
cualquier conjunto de generadores de U linealmente independiente, y la
dimensión de U es el número de elementos de cualquier base suya. Otra
manera de representar un subespacio es como el conjunto de soluciones de
un determinado sistema homogéneo de ecuaciones lineales. A este sistema se
le conoce como ecuaciones cartesianas del subespacio.
Página |9
Ejemplo
a. 0V está en W.
b. Si u y v están en W, entonces u+vu+v está en W.
c. Si u está en W y k es un escalar, ku está en W.
P á g i n a | 10
Ejemplo 1
Ejemplo 2
Observaciones adicionales
1. Las bases son conjuntos ordenados. Es decir que si bien {a,b,c} y {b,a,c}
generan el mismo espacio vectorial, las bases no son iguales.
2. Dado un vector v y una base B de un espacio vectorial V, existe una única
manera de escribir a v como combinación lineal de los elementos de la
base B. Es decir, la representación de un vector en una base es única.
3. De la observación anterior se desprende que las bases no son únicas. En
general, suele haber infinitas bases distintas para un mismo espacio
vectorial. Por ejemplo, si V= R, una base muy sencilla de V es:
B= {(1, 0, 0); (0, 1, 0); (0, 0, 1)}
P á g i n a | 12
Las coordenadas de un vector respecto de una base son los escalares por los que
hay que multiplicar los vectores de la base de forma que representen al vector
dado mediante una combinación lineal de dichos vectores de la base.
Habiendo probado el teorema del intercambio, probar que dos bases cualesquiera
tienen el mismo número de elementos es fácil:
Teorema
Si un espacio vectorial V tiene una base con n elementos, entonces cualquier otra
base de V también tiene n elementos.
Demostración
Sean dos bases para V: B1 y B2 una con n elementos y otra con m elementos,
respectivamente. Entonces utilizando primeramente que B1 (al ser base) genera a
V y que B2 (al ser base) es linealmente independiente en V se deduce por el
teorema del intercambio que m ≤ n. Por otro lado, si ahora se usa que B2 genera a
V y que B1 es linealmente independiente en V se deduce por el teorema del
intercambio que n ≤ m. Por tanto, m = n
P á g i n a | 13
Definición de la dimensión
El anterior resultado afirma que cualesquiera dos bases para un mismo espacio
vectorial tienen el mismo número de elementos. Por consiguiente, la siguiente
definición es válida:
Definición
dim(V ) = n
Ejemplos
En efecto, sean (a1, a2,. . . an) las coordenadas de un vector en base B, y sea P
la matriz de cambio de base de B a B’. Entonces:
𝑎1 𝑏1 𝑎1 𝑏1
P {𝑎2 = {𝑏2 o lo que es lo mismo, {𝑎2 = P-1 {𝑏2
𝑎𝑛 𝑏𝑛 𝑎𝑛 𝑏𝑛
Obteniéndose así (b1, b2,. . . bn) las coordenadas del vector en base B’.
P á g i n a | 14
Ejemplo.
2 1
P= ( )
3 −1
Del mismo modo podemos construir la matriz de cambio de base de B’ a B.
1 2 1 2
(0,1) = 5 (2,3) – 5 (1, –1) → coordenadas ( 5 , − 5)
Q = (53 5
2)
−5
5
Vamos a aplicar estas matrices para hallar las coordenadas en base B del vector
v= (1,2). Tenemos sus coordenadas en la base canónica B’ que son (1,2).
Utilizamos la matriz Q de cambio de base de B’ a B:
P á g i n a | 15
1 1 3
1
(53 5 5
2) (2) = ( 1)
− −
5 5 5
3 1
Así hemos obtenido (5 , − 5), las coordenadas de v en base B. Comprobar que son
las mismas que se obtuvieron en el ejemplo (1) anterior.
Es importante tener en cuenta que todo espacio vectorial dispone de una base y
que todas las bases de un espacio vectorial, a su vez, presentan la misma
cardinalidad.
Producto interno
Las propiedades básicas que serán los axiomas del producto interno que
definiremos a continuación.
Nota. Si < u, v >, es real, entonces < u, v > = < v, u > y se puede eliminar la barra
en v >.
Ejemplos
• Φ(α.v, z) = α. Φ(v, z)
(Notar que esta condición implica que para cada v ∈ V , Φ(v, v) = Φ(v, v), es decir
que Φ(v, v) ∈ R.)
Φ(A, B) = tr(A.B∗ ).
Ejemplo.
2 + (α − 1)x 2 2
U i, uj =0 Si i ≠j
U i, u1 = 1
Si vϵ Rn, entonces la longitud o norma de v, denotada por |v|, esta dada por
|v| = √(v*v)
Si v = ( x1, x2…, xn), entonces v*V = x12+ x22+ … + xn2. Esto significa que
V*v ≥0 y v*v = 0 si y solo si v=0, de esta forma se puede obtener la raíz cuadrada.
Teorema 1
Las fórmulas para este proceso incluyen normalizaciones (vectores unitarios), así
como proyecciones de un vector sobre otro para obtener vectores ortogonales.
P á g i n a | 20
Primer paso.
Segundo paso.
Cuarto paso.
Obtener un vector ortogonal a y a
Quinto paso.
Normalizar :
P á g i n a | 21
BIBLIOGRAFIA
https://es.slideshare.net/breerico/41-definicin-del-espacio-vectorial-y-sus-
propiedades
https://sites.google.com/site/sistemasalgebralineal/unidad-4---espacios-
vectoriales/definicion-de-espacio-vectorial
http://www.uco.es/geometria/documentos/Tema3Biologia_EspaciosVectoriales.pdf
https://sites.google.com/site/sistemasalgebralineal/unidad-4---espacios-
vectoriales/definicion-de-subespacio-vectorial-y-sus-propiedades
https://www.uam.es/personal_pdi/economicas/portega/web-algebra/capitulo-
1/teoria-1-3/1-3-subespacios.html
http://www.ugr.es/~jurbano/aed/AED-Tema_4-Espacios_vectoriales.pdf
https://sites.google.com/site/sistemasalgebralineal/unidad-4---espacios-
vectoriales/base-y-dimension-de-un-espacio-vectorial
http://recursostic.educacion.es/descartes/web/materiales_didacticos/geometria_an
alitica_arl/bases_espacio_vectorial.htm
http://personales.unican.es/camposn/espacios_vectoriales2.pdf
http://cb.mty.itesm.mx/ma1010/materiales/ma1010-15.pdf
https://prezi.com/rkbengtifvkg/base-y-dimencion-de-un-espacio-vectorial-cambio-
de-base/
http://personales.unican.es/camposn/espacios_vectoriales2.pdf
https://definicion.de/espacio-vectorial/
https://prezi.com/3aunsw1a7l2x/espacio-vectorial-con-producto-interno-y-sus-
propiedades/
https://www.taringa.net/posts/apuntes-y-monografias/12118060/Producto-interno-
Algebra-lienal.html
http://mate.dm.uba.ar/~jeronimo/algebra_lineal/Capitulo8.pdf
https://lineal2cx07.wordpress.com/2016/03/14/bases-ortonormales-y-
proyecciones-en-rn/
P á g i n a | 22
http://torricelli.uvigo.es/Dropbox/apuntes_de_clase/Algebra_Lineal/handouts/cap_6
/gram.pdf
http://fcm.ens.uabc.mx/~matematicas/algebralineal/IV%20EspVect/al_vectores_09
basesort_total.htm
https://prezi.com/be2lgrh3_asj/base-ortonormal-y-proceso-de-ortonormalizacion-
de-gram-schmi/