UNIDAD 8

ESPACIOS VECTORIALES

Matrices, polinomios, funciones

continuas, vectores, números
(estructuras algebraicas)

Un ESPACIO VECTORIAL (EV) es un conjunto no vacío V de objetos denominados

vectores donde están definidas dos operaciones llamadas “suma” y “producto por
escalar” que satisfacen los siguientes diez axiomas:
 ESPACIOS VECTORIALES
AXIOMAS

1) SUMA 𝑆𝑖 “𝑢” 𝑦 “𝑣” ∈ 𝑉 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑢 + 𝑣 𝑒𝑠𝑡á 𝑒𝑛 𝑉 Ley de composición interna LCI

Ley de cerradura para la suma vectorial

2) CONMUTATIVA 𝑆𝑖 “𝑢” 𝑦 “𝑣” ∈ 𝑉 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑢+𝑣 =𝑣+𝑢

3) ASOCIATIVA 𝑆𝑖 “𝑢” , “𝑣” 𝑦 "w" ∈ 𝑉 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑢+ 𝑣+𝑤 = 𝑢+𝑣 +𝑤

4) ELEMENTO NEUTRO 𝑆𝑖 “0” ∈ 𝑉 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 ∀𝑢 ∈ 𝑉 𝑠𝑒 𝑐𝑢𝑚𝑝𝑙𝑒 𝑞𝑢𝑒 0+𝑢 =𝑢+0=𝑢

Siendo “0” el vector cero

5) ELEMENTO INVERSO 𝑝𝑎𝑟𝑎 𝑐𝑎𝑑𝑎 “𝑢” ∈ 𝑉 ∃ −u ∈ 𝑉 ∶ 𝑢 + −𝑢 = −𝑢 + 𝑢 = 0
 ESPACIOS VECTORIALES
AXIOMAS
6) PRODUCTO POR ESCALAR
𝑆𝑖 “𝑢” ∈ 𝑉 𝑦 𝑘 ∈ 𝑢𝑛 𝑐𝑢𝑒𝑟𝑝𝑜 𝐾 𝑒𝑠 𝑢𝑛 𝑒𝑠𝑐𝑎𝑙𝑎𝑟 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑘. 𝑢 𝑒𝑠𝑡á 𝑒𝑛 𝑉
Ley de composición externa LCE
Ley de cerradura de la multiplicación por escalar

7) ASOCIATIVA 𝑆𝑖 “𝑢” ∈ 𝑉, "k" y "m" 𝑒𝑠𝑐𝑎𝑙𝑎𝑟𝑒𝑠 , 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑘. 𝑚. 𝑢 = 𝑘. 𝑚 . 𝑢

8) DISTRIBUTIVA RESPECTO DE LA SUMA DE VECTORES

𝑆𝑖 “𝑢” 𝑦 “𝑣” ∈ 𝑉 𝑦 𝑘 𝑒𝑠 𝑢𝑛 𝑒𝑠𝑐𝑎𝑙𝑎𝑟 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑘 𝑢 + 𝑣 = 𝑘𝑢 + 𝑘𝑣

9) DISTRIBUTIVA RESPECTO DE LA SUMA DE ESCALARES

𝑆𝑖 “𝑢” ∈ 𝑉 𝑦 𝑘, 𝑚 𝑒𝑠𝑐𝑎𝑙𝑎𝑟𝑒𝑠 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑘 + 𝑚 𝑢 = 𝑘𝑢 + 𝑚u

10) ELEMENTO NEUTRO ∀ “𝑢” ∈ 𝑉 𝑠𝑒 𝑐𝑢𝑚𝑝𝑙𝑒 1. 𝑢 = 𝑢

Cualquier objeto que satisfaga los 10 axiomas lo podemos denominar Vector del espacio vectorial que corresponda
 ESPACIOS VECTORIALES
SUBESPACIOS VECTORIALES

Un conjunto no vacío W de un espacio vectorial V

es un subespacio de V si W es un espacio vectorial
bajo las operaciones de suma y multiplicación por escalar definidas sobre V

Condiciones necesarias y suficientes para que un subconjunto no vacío de un espacio vectorial sea un subespacio

 El vector “0” ∈ 𝑉 𝑒𝑠𝑡𝑎 𝑒𝑛 𝑊

 Se cumple la LCI para la suma
 Se cumple la LCE para el producto por escalar
 ESPACIOS VECTORIALES
DEFINICIONES

COMBINACIÓN LINEAL

Se dice que un vector “w” es combinación (CL) de los vectores

𝑣1 , 𝑣2 , … , 𝑣𝑛 si se puede expresar como

𝑤 = 𝑘1 𝑣1 + 𝑘2 𝑣2 , + ⋯ + 𝑘𝑛 𝑣𝑛 siendo los 𝑘𝑖 escalares

 ESPACIOS VECTORIALES
DEFINICIONES

CONJUNTO GENERADOR

Los vectores 𝑣1 , 𝑣2 , … , 𝑣𝑛 pertenecientes al espacio vectorial V generan a V

si todo otro vector de V se puede expresar como CL de ellos
Entonces ∀ 𝑣𝑒𝑐𝑡𝑜𝑟 𝑣 ∈ 𝑉 , ∃ 𝑒𝑠𝑐𝑎𝑙𝑎𝑟𝑒𝑠 𝑎1 , 𝑎2 , … , 𝑎𝑛 tales que

𝑣 = 𝑎1 𝑣1 + 𝑎2 𝑣2 , + ⋯ + 𝑎𝑛 𝑣𝑛 siendo los 𝑎𝑖 escalares

 ESPACIOS VECTORIALES
DEFINICIONES

BASE
Dado un espacio vectorial V y un conjunto de vectores 𝑆 = 𝑣1 , 𝑣2 , … , 𝑣𝑛
de dicho espacio vectorial, diremos que S es base del espacio vectorial V si se cumple que

 S es Linealmente Independiente
 S genera a V

Recordemos que los vectores de la base S serán linealmente independientes si se pueden expresar como

0 = 𝑎1 𝑣1 + 𝑎2 𝑣2 + ⋯ + 𝑎𝑛 𝑣𝑛 siendo los escalares 𝑎𝑖 = 0

Ejemplos comentados en clase: carta de un restaurante, formación de colores

 ESPACIOS VECTORIALES
DEFINICIONES

DIMENSIÓN
Cantidad de vectores en una base
Implica LI

Dos bases distintas de un mismo EV tienen la misma cantidad de vectores LI

Caso 𝑉 = 𝑅𝑛
Todo conjunto de vectores LI en 𝑅𝑛 genera a 𝑅𝑛
y todo conjunto de “n” vectores LI en 𝑅𝑛 es una base de 𝑅𝑛
 ESPACIOS VECTORIALES

ESPACIOS DE FILAS (renglones) Y COLUMNAS

Son espacios vectoriales asociados con matrices
Se utilizan para hallar vectores que constituyan una base
𝒂𝟏𝟏 𝒂𝟏𝟐 … 𝒂𝟏𝒏
𝒂𝟐𝟏 𝒂𝟐𝟐 … 𝒂𝟐𝒏
Dada la matriz 𝐴𝑚𝑥𝑛 𝑨= ⋮ ⋮ ⋮ ⋮
𝒂𝒎𝟏 𝒂𝒎𝟏 … 𝒂𝒎𝒏
Donde las filas de la matriz A son

𝑟1 = 𝑎11 𝑎12 … 𝑎1𝑛

𝑟2 = 𝑎21 𝑎22 … 𝑎2𝑛 “m” vectores fila

… …. …
𝑟𝑚 = 𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛
El espacio de filas de la matriz A
de “n” elementos es el subespacio 𝑅𝑛 generado
por los “m” vectores fila de A
 ESPACIOS VECTORIALES

ESPACIOS DE FILAS (renglones) Y COLUMNAS

𝒂𝟏𝟏 𝒂𝟏𝟐 … 𝒂𝟏𝒏
𝒂𝟐𝟏 𝒂𝟐𝟐 … 𝒂𝟐𝒏
𝑨= ⋮ ⋮ ⋮ ⋮
𝒂𝒎𝟏 𝒂𝒎𝟏 … 𝒂𝒎𝒏
Y las columnas de la matriz A son

𝑎11 𝑎12 𝑎1𝑛

𝑎21 𝑎22 𝑎2𝑛
𝑐1 = ⋮ 𝑐2 = ⋮ … …. … 𝑐𝑛 = ⋮ de “m” elementos
𝑎𝑚1 𝑎𝑚2 𝑎𝑚𝑛

“n” vectores columna

El espacio de columnas de la matriz A
es el subespacio 𝑅𝑚 generado por
los “n” vectores columna de A
 ESPACIOS VECTORIALES

ESPACIOS DE FILAS (renglones) Y COLUMNAS

Ejemplo
2 1 0
A=
3 −1 4
Vectores fila Vectores columna
𝑟1 = 2 1 0 2 1 0
𝑐1 = 𝑐2 = 𝑐3 =
𝑟2 = 3 − 1 4 3 −1 4

2 vectores fila con 3 elementos 3 vectores columna con 2 elementos

El espacio de filas de la matriz A El espacio de columnas de la matriz A

es el subespacio 𝑅3 generado por es el subespacio 𝑅2 generado por
los “2” vectores fila de A los “3” vectores columna de A
 ESPACIOS VECTORIALES

ESPACIOS DE FILAS (renglones) Y COLUMNAS

Observaciones

Las operaciones elementales sobre renglones no cambian el espacio de renglones

de una matriz.
Recuerda que, todo espacio vectorial es cerrado para la suma y la multiplicación por escalar por lo que
admite cualquier combinación que resulte de aplicar las operaciones elementales.
Podemos determinar la matriz escalonada donde los vectores fila de dicha matriz
distintos de cero constituyen una base para el espacio de renglones de A

Los renglones y columnas podemos escribirlos en forma vertical y horizontal

respectivamente por lo que el espacio de columnas de A es igual al espacio de
renglones de 𝐴𝑡
Espacio de columnas de A = Espacio de renglones de 𝐴𝑡

Veamos un ejemplo
 ESPACIOS VECTORIALES

ESPACIOS DE FILAS (renglones) Y COLUMNAS

Observaciones. Continuación
Ejemplo 2 3
2 1 0 𝐴𝑡 = 1 −1
A=
3 −1 4 0 4
3 vectores columna 3 vectores fila
con 2 elementos con 2 elementos

Espacio de columnas de A Espacio de renglones de 𝐴𝑡

𝑅2 𝑅2

La dimensión del espacio de renglones y/o columnas de la matriz A se conoce

como rango de A (cantidad de vectores de la base)
Si 𝐴𝑛𝑥𝑛 y tiene rango “n”
- A es invertible - Los vectores fila/columna de A son LI
- det (A) ≠ 0 - 𝐴. 𝑥 = 0 y 𝐴. 𝑥 = 𝑏 tienen solución
 ESPACIOS VECTORIALES
Relación entre concepto de base y coordenadas

El punto “P” tiene por coordenadas (a; b)

P(a;b) Considerando los vectores unitarios 𝑖 y 𝑗 perpendiculares entre si y

b𝒋
con un mismo punto de origen
obtenemos los vectores a𝒊 y b𝒋 de modo que
𝑗
0 𝑖 a𝒊 𝑂𝑃 = a𝒊 + b𝒋

Expresamos el vector 𝑂𝑃 como combinación lineal de los vectores

𝑖 y 𝑗 a través de escalares a y b
a y b
Son las coordenadas
del punto “P”

Considerando que los versores pertenecen a una base,

podemos asociar coordenadas a los puntos de cualquier base, no necesariamente de longitud uno y perpendiculares
 ESPACIOS VECTORIALES
Relación entre concepto de base y coordenadas

Generalizando
Si 𝑆 = 𝑣1 ; 𝑣2 ; 𝑣3 ; … ; 𝑣𝑛 es una base de un espacio vectorial “V”,
Entonces, todo otro vector 𝑢 de dicho espacio vectorial se puede expresar como

𝑢 = 𝑐1 𝑣1 + 𝑐2 𝑣2 + 𝑐3 𝑣3 + ⋯ + 𝑐𝑛 𝑣𝑛 de manera única por ser LI

los vectores de la base S

Es la expresión del vector 𝑢 en función de la base “S”

A los escalares 𝑐1 ; 𝑐2 ; 𝑐3 ; … ; 𝑐𝑛 se los denomina
coordenadas del vector 𝑢 relativas a la base “S”

VECTOR de coordenadas de Indicaremos MATRIZ de coordenadas de

𝑢 relativas a la base “S” 𝑢 relativas a la base “S”
𝑐1
𝑢 𝑆 = 𝑐1 ; 𝑐2 ; … ; 𝑐𝑛
𝑢 𝑆 = 𝑐…2
𝑐𝑛
 ESPACIOS VECTORIALES
Cambio de Base - MATRIZ DE TRANSICIÓN

𝑣 𝜀 𝑉

B → 𝐵𝑎𝑠𝑒 𝐼𝑛𝑖𝑐𝑖𝑎𝑙 B' → 𝑁𝑢𝑒𝑣𝑎 𝐵𝑎𝑠𝑒

𝑣 𝐵 ¿Cuál es la 𝑣 𝐵′
relación entre
ambas?

Demostraremos que 𝑣 𝐵′ =𝑃 𝑣 𝐵 𝑃: 𝐵 → 𝐵′
 ESPACIOS VECTORIALES
Cambio de Base - MATRIZ DE TRANSICIÓN
Sean B = 𝑢1 ; 𝑢2 → 𝐵𝑎𝑠𝑒 𝐼𝑛𝑖𝑐𝑖𝑎𝑙 B' = 𝑤1 ; 𝑤2 → 𝑁𝑢𝑒𝑣𝑎 𝐵𝑎𝑠𝑒

𝑎 𝑐 Matrices de coordenadas de los vectores de la

y 𝑢1 𝐵′ = 𝑦 𝑢2 𝐵′ =
𝑏 𝑑 base inicial B en relación a la nueva base B’
Es decir 𝑢1 = 𝑎 𝑤1 + 𝑏 𝑤2 y 𝑢2 = 𝑐 𝑤1 + 𝑑 𝑤2
𝑘1
Sea 𝑣 𝜀 𝑉 donde 𝑣 𝐵 = Matriz de coordenadas de 𝑣 en la base inicial B
𝑘2
Entonces 𝑣 = 𝑘1 𝑢1 + 𝑘2 𝑢2
Es el vector 𝑣 expresado en función de los vectores de la base inicial B
Luego 𝑣 = 𝑘1 𝑎 𝑤1 + 𝑏 𝑤2 + 𝑘2 𝑐 𝑤1 + 𝑑 𝑤2 Vector 𝑣 expresado en función de los vectores
de la nueva base B
Sumatoria de
Reagrupando 𝑣 = (𝑘 . 𝑎 + 𝑘 . 𝑐) 𝑤 + (𝑘 . 𝑏 + 𝑘 . 𝑑) 𝑤
1 2 1 1 2 2
coordenadas por vectores

Entonces 𝑘1 . 𝑎 + 𝑘2 . 𝑐 𝑎 𝑐 𝑘1
𝑣 𝐵′ = = 𝑣 =𝑃 𝑣 𝑃: 𝐵 → 𝐵′
𝑘1 . 𝑏 + 𝑘2 . 𝑑 𝑏 𝑑 𝑘2 𝐵′ 𝐵

P MATRIZ DE TRANSICIÓN
 ESPACIOS VECTORIALES
Cambio de Base - MATRIZ DE TRANSICIÓN
Continuación
𝑎 𝑐
𝑏 𝑑

Fijate en las columnas

Son las coordenadas de los vectores de la base inicial respecto a la nueva base
𝑎 𝑐
𝑢1 𝐵′ = 𝑦 𝑢2 𝐵′ =
𝑏 𝑑

Las columnas de la matriz “P” son 𝑢1 𝐵′ 𝑢2 𝐵′ … 𝑢𝑛 𝐵′

Enseguida llega
 ESPACIOS VECTORIALES
Cambio de Base - MATRIZ DE TRANSICIÓN
Continuación
Si queremos pasa de la base
nueva B’ a la base inicial B
¿Podemos?

Siiiiiii
Si queremos pasar de la base B’ → B,
consideramos a la base B’ como base inicial y a B como base nueva
Así obtendremos una matriz Q que nos permitirá realizar la transición de B’ a B

Partimos de 𝑣 𝐵′ =𝑃 𝑣 𝐵 𝑃: 𝐵 → 𝐵′
Premultiplicando por 𝑃−1 𝑃−1 𝑣 𝐵′ = 𝑃−1 𝑃. 𝑣 𝐵 Siendo 𝐼 = 𝑃−1 𝑃

I
Luego 𝑣 𝐵 = 𝑃−1 𝑣 𝐵′ y Q = 𝑃−1
B’ → B
 ESPACIOS VECTORIALES
Cambio de Base - MATRIZ DE TRANSICIÓN
Resumiendo, tenemos

P es la matriz de transición de la base B a la base B’

⟹ ∀ 𝑣 se tiene 𝑣 𝐵′ = 𝑃 𝑣 𝐵 𝑦 𝑣 𝐵 = 𝑃−1 𝑣 𝐵′

Observaciones
P es invertible
P es la matriz de transición de B a B’
𝑃−1 es la matriz de transición de B’ a B

Veamos un ejemplo en el pizarrón

Terminamos con los temas del día de hoy

Ahora un recreo, o lo que quieras

 Material desarrollado para las clases de Álgebra y Geometría Analítica

con fines didácticos

Bibliografía y webgrafía consultada:

Material de Cátedra
Imágenes

Recopilación realizada por Ing. Silvia Socolovsky