Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1B 03 - Espacios Vectoriales PDF
1B 03 - Espacios Vectoriales PDF
Por ser los escalares de IR, se dice que V es un IR-espacio vectorial. Se pueden consid-
erar espacios vectoriales sobre cuerpos de escalares distintos de IR, en particular, suelen ser
interesantes los espacios vectoriales complejos, donde los escalares son de C.
Como W ⊆ V , todos los vectores de W verifican las propiedades 2 a 5 y 7 a 10, por tanto
es suficiente probar que las operaciones suma y producto por escalares son internas en W , es
decir, que se verifican las propiedades (1) y (6) en W :
Preliminares. 35
3.3 Base y dimensión.
(1’). u + v ∈ W ; ∀u, v ∈ W
(6’). ku ∈ W ; ∀u ∈ W y ∀k ∈ IR
Estas dos propiedades son equivalentes a la propiedad única:
Observación:
Es claro, que si W es un subespacio de V , entonces 0 ∈ W .
Definición 3.4 – Se dice que un vector v ∈ V es una combinación lineal de los vectores
v1 , v2 , . . . , vn si, y sólo si, ∃c1 , c2 , . . . , cn ∈ IR tales que v = c1 v1 + c2 v2 + · · · + cn vn .
Se tiene la siguente caracterización para que un conjunto de dos o más vectores sea lineal-
mente dependiente (ver ejercicio 3.9):
“Un conjunto de dos o más vectores es linealmente dependiente si, y sólo si, al menos
uno de los vectores es una combinación lineal de los restantes.”
Proposición 3.8 – Sean V un espacio vectorial y B una base de V formada por n vectores.
Entonces cualquier conjunto {v1 , v2 , . . . , vm } de vectores de V , con m > n, es linealmente
dependiente.
Teorema de la base 3.9 – Cualesquiera dos bases de un espacio vectorial tienen el mismo número
de elementos.
Preliminares. 36
3.4 Intersección y suma de subespacios vectoriales.
Al espacio vectorial {0} le consideramos de dimensión finita, aún cuando no tiene conjuntos
linealmente independientes.
Si un espacio vectorial V es de dimensión finita, teniendo en cuenta el teorema de la base,
diremos que la dimensión de V , dim V , es el número de vectores de cualquier base de V .
E ∩ F = {u ∈ V : u ∈ E, y u ∈ F }.
E + F = {u ∈ V : u = v + w; v ∈ E, w ∈ F }.
Preliminares. 37
3.5 El espacio vectorial IRn
origen, y la unidad de medida). En este caso, se identifican pares de números reales, (x, y), con
puntos del plano.
Análogamente se identifican ternas de números reales (x, y, z) con puntos del espacio en el
que se ha definido un sistema de coordenadas cartesianas (tres rectas perpendiculares entre sı́
. . . ). De esta forma se establece una biyección entre el conjunto IR3 = IR × IR × IR y el conjunto
de los puntos del espacio tridimensional.
Aunque no sea identificable con una representación gráfica, nada impide considerar n-
uplas de números reales (x1 , x2 , . . . , xn ), con n ≥ 4. De este modo, llamaremos espacio n-
dimensional, IRn , al conjunto
IRn = IR × IR × · · · × IR = {(x1 , . . . , xn ) : xi ∈ IR; ∀i = 1, . . . , n.}.
Utilizaremos la notación x para designar más brevemente al punto (x1 , . . . , xn ) de IRn . En
este caso, al número real xi lo llamaremos coordenada o componente i-ésima del punto o
vector x.
Está claro que lo más frecuente es trabajar con IR2 ó IR3 , pero también es cierto que los
casos en que n > 3 se presentan con suficiente frecuencia en la práctica como para justificar su
estudio. Nos encontramos con un espacio n-dimensional cada vez que consideremos un objeto
cuyo estudio requiera contemplar n aspectos distintos susceptibles de variación.
Definición 3.16 – Diremos que dos puntos x = (x1 , . . . , xn ) e y = (y1 , . . . , yn ) de IRn son
iguales, y escribiremos x = y si y sólo si xi = yi ; ∀i = 1, . . . , n.
Definición 3.18 – Llamaremos producto del punto x ∈ IRn por el número real λ ∈ IR, y
lo denotaremos por λx, al punto:
Estas dos operaciones dotan a IRn de una estructura de espacio vectorial. Por esta razón,
llamaremos también vectores a los puntos de IRn .
El espacio vectorial IRn tiene dimensión n, y cualquier vector puede escribirse de la forma
Preliminares. 38
3.6 Espacios de las filas y las columnas de una matriz. Coordenadas.
Preliminares. 39
3.8 Espacios vectoriales con producto interior.
Proposición 3.25 – Sea P la matriz de paso de una base B en otra base B 0 para un espacio
vectorial V . Entonces:
a) ∀x ∈ V se tiene que [x]B 0 = P · [x]B .
b) P es inversible y su inversa, P −1 , es la matriz de paso de la base B 0 a la base B .
Definición 3.29 – Si u y v son vectores, distintos de cero, de un espacio con producto interior,
entonces, como consecuencia de la desigualdad de Cauchy-Schwarz se tiene que
hu, vi
−1 ≤ ≤1
kuk kvk
hu, vi
cos θ = , con 0 ≤ θ ≤ π
kuk kvk
Preliminares. 40
3.8 Espacios vectoriales con producto interior.
Definición 3.30 – En un espacio vectorial con producto interior, V , dos vectores u y v se dicen
ortogonales si hu, vi = 0.
Además, si u ∈ V es ortogonal a todos los vectores de un conjunto W , se dice que u es
ortogonal a W .
IRn × IRn −→ IR
n
X
(x, y) −→ x · y = x1 y1 + · · · + xn yn = xi yi
i=1
Este resultado de fácil demostración, se reduce en IR2 con el producto interior euclı́deo, al
conocido teorema de Pitágoras.
La ventaja de trabajar con bases ortonormales es muy grande como ya es conocido en IR2 ó
IR3 .
Preliminares. 41
3.8 Espacios vectoriales con producto interior.
Teorema 3.35 – Si B = {v1 , v2 , . . . , vn } es una base ortonormal para un espacio, V , con pro-
ducto interior, entonces ∀v ∈ V se tiene que:
Teorema 3.37 – Si P es la matriz de paso de una base ortonormal B a otra base ortonormal
B 0 , entonces P es una matriz ortogonal (es decir, P t = P −1 ).
Demostración:
v1
1 a etapa.- Como v1 6= 0 por ser de la base B , el vector u1 = tiene norma 1.
kv1 k
2 a etapa.- Sea W1 = lin{u1 }, por el teorema anterior, el vector v2 − ProyW1 v2 es ortogonal
a W1 , en particular a u1 , y como es distinto del vector 0 se tiene que
v2 − ProyW1 v2 v2 − hv2 , u1 iu1
u2 = ° °
°v2 − Proy v2 ° = kv2 − hv2 , u1 iu1 k
W1
hv2 , v1 i
para λ1 = − y λ2 = 1 y, en consecuencia, {v1 , v2 } serı́a un conjunto linealmente de-
kv1 k
pendiente, lo que es absurdo por ser B = {v1 , v2 , . . . , vn } una base de V .
3 a etapa.- Sea W2 = lin{u1 , u2 }, aplicando el teorema anterior, sabemos que el vector v3 −
ProyW2 v3 es ortogonal a W2 , en particular a u1 y u2 , y como es distinto del vector 0 , se tiene
que
v3 − ProyW2 v3 v3 − hv3 , u1 iu1 − hv3 , u2 iu2
u3 = ° °
°v3 − Proy v3 ° = kv3 − hv3 , u1 iu1 − hv3 , u2 iu2 k
W2
Preliminares. 42
3.9 Ejercicios.
3.9 Ejercicios.
3.1 Determinar si son espacios vectoriales los siguientes conjuntos:
a) IR2 con las operaciones: (x, y) + (x0 , y 0 ) = (x + x0 , y + y 0 ) y k(x, y) = (2kx, 2ky).
b) A = {(x, 0) : x ∈ IR} con las operaciones usuales de IR2 .
c) IR2 con las operaciones: (x, y) + (x0 , y 0 ) = (x + x0 + 1, y + y 0 + 1) y k(x, y) = (kx, ky).
d) El conjunto de los números reales estrı́ctamente positivos, IR+ − {0}, con las opera-
ciones: x + x0 = xx0 y kx = xk .
3.2 ¿Cuáles de los siguientes conjuntos son subespacios vectoriales de IR3 ó IR4 ?
a) Todos los vectores de la forma (a, 1, 1).
b) Todos los vectores de la forma (a, b, c) con b = a + c.
c) Todos los vectores de la forma (a, b, c, d) con a + 2d = 7.
d) Todos los vectores de la forma (a, b, c, d) con ba = 0.
3.3 Sean v1 = (2, 1, 0, 3), v2 = (3, −1, 5, 2) y v3 = (−1, 0, 2, 1). ¿Cuáles de los vectores
(2, 3, −7, 3), (0, 0, 0, 0), (1, 1, 1, 1) y (−4, 6, −13, 4), están en lin{v1 , v2 , v3 }?
3.4 Sea V un espacio vectorial y S = {v1 , . . . , vk }. Probar que lin S es un subespacio vectorial
de V .
3.5 Sea V un espacio vectorial y S = {v1 , . . . , vk }. Probar que si W es un subespacio vectorial
de V que contiene a los vectores de S , entonces lin S ⊆ W .
3.6 Sean V un espacio vectorial y E y F dos subespacios de V . Probar que E ∩ F y E + F
son subespacios de V .
3.7 ¿Para qué valores reales de λ los vectores v1 = (λ, −1 −1 −1 −1
2 , 2 ) v2 = ( 2 , λ, 2 ) y v3 =
−1 −1 3
( 2 , 2 , λ) forman un conjunto linealmente dependiente en IR ?
3.8 Dados tres vectores linealmente independientes u, v y w , demostrar que u + v , v + w y
w + u son también linealmente independientes.
3.9 Probar que si los vectores v1 , . . . , vk son linealmente dependientes, al menos uno de ellos
se puede escribir como una combinación lineal de los restantes.
3.10 Determinar la dimensión de los siguientes subespacios de IR4 :
a) Todos los vectores de la forma (a, b, c, 0).
b) Todos los vectores de la forma (a, b, c, d) con d = a + b y c = a − b.
c) Todos los vectores de la forma (a, b, c, d) con a = b = c = d.
Preliminares. 43
3.9 Ejercicios.
A = {(1, 2, −1, 3), (0, 1, 0, 3)} B = {(1, −1, 1, 0), (2, 3, 1, 2), (0, 0, 0, 1)}
3.20 Sea {v1 , v2 , . . . , vk } una base del espacio vectorial V con producto interior. Demostrar
que 0 es el único vector en V que es ortogonal a todos los vectores de la base.
3.21 Sean a = ( √15 , √
−1
5
) y b = ( √230 , √330 ). Demostrar que {a, b} es ortonormal si IR2 tiene el
producto interior hu, vi = 3u1 v1 + 2u2 v2 donde u = (u1 , u2 ) y v = (v1 , v2 ), y que no lo es
si IR2 tiene el producto interior euclı́deo.
Preliminares. 44
3.9 Ejercicios.
3.22 Considera IR3 con el producto interior euclideo. Utiliza el proceso de Gram-Schmidt para
transformar, en cada caso, la base {u1 , u2 , u3 } en una base ortonormal.
a) u1 = (1, 1, 1), u2 = (−1, 1, 0), u3 = (1, 2, 1).
b) u1 = (1, 0, 0), u2 = (3, 7, −2), u3 = (0, 4, 1).
3.23 Considera IR3 con el producto interior hu, vi = u1 v1 + 2u2 v2 + 3u3 v3 . Utiliza el proceso de
Gram-Schmidt para transformar la base formada por los vectores
u1 = (1, 1, 1), u2 = (1, 1, 0) y u3 = (1, 0, 0) en una base ortonormal.
3.24 Sea {v1 , v2 , v3 } una base ortonormal de un espacio V con producto interior. Demostrar
que si w es un vector de V , entonces:
3.28 Hallar la distancia del vector u = (1, 1, 1, 1) al subespacio generado por los vectores v1 =
(1, 1, 1, 0) y v2 = (1, 1, 0, 0).
3.29 Dados los vectores x = (x1 , x2 , x3 ) e y = (y1 , y2 , y3 ) de IR3 , demostrar que la expresión
hx, yi = 2x1 y1 + 2x2 y2 + x3 y3 + x1 y2 + x2 y1 define un producto interior.
Encontrar una base {u1 , u2 , u3 } ortonormal respecto al producto interior anterior tal que
u2 y u3 tengan igual dirección y sentido que los vectores (0, 1, 0) y (0, 0, 1), respectiva-
mente.
3.30 En una cierta base {u1 , u2 , u3 , u4 } de un espacio vectorial V , un vector w tiene por coorde-
nadas (3, 1, 2, 6). Hallar las coordenadas de W en otra base {v1 , v2 , v3 , v4 } cuyos vectores
verifican que v1 = u1 + u2 , v2 = 2u4 − u1 , v3 = u2 − u3 ,
v4 = 2u1 − u2 .
3.31 En IR3 se consideran las bases B = {e1 , e2 , e3 } (la base canónica) y B 0 = {v1 , v2 , v3 }
donde v1 = (2, 0, 0), v2 = (0, −1, 2) y v3 = (0, 0, −3). Hallar las coordenadas respecto de
la base B 0 del vector x = 4e1 + e2 − 5e3 .
3.32 Se consideran en IR3 las bases B = {u1 , u2 , u3 } y B 0 = {v1 , v2 , v3 }, siendo
u1 = (−3, 0, −3), u2 = (−3, 2, −1), u3 = (1, 6, −1) y
v1 = (−6, −6, 0), v2 = (−2, −6, 4), v3 = (−2, −3, 7).
a) Hallar la matriz de paso de B a B 0 .
b) Calcular la matriz de coordenadas, [w]B , siendo w = (−5, 8, −5).
c) Calcular [w]B 0 de dos formas diferentes
3.33 Sea V el espacio generado por f1 (x) = sen(x) y f2 (x) = cos(x).
Preliminares. 45
3.9 Ejercicios.
a) Demostrar que g1 (x) = 2 sen x + cos x y g2 = 3 cos x forman una base para V .
b) Hallar la matriz de transición de B = {f1 , f2 } a B 0 = {g1 , g2 }.
c) Calcular la matriz de coordenadas, [h]B 0 , donde h(x) = 2 sen x − 5 cos x.
d) Calcular la matriz de transición de B 0 a B .
3.34 Probar que una matriz A de orden n es ortogonal si, y sólo si sus vectores fila forman un
conjunto ortonormal en IRn .
Preliminares. 46