Tema 4 Parte 1 B

Índice
1 Espacio vectorial
2 Combinaciones lineales
Tema 3: 3 Dependencia lineal
Espacios vectoriales 4 Sistemas generadores
5 Bases
Algebra Ejercicios previos
Sistemas generadores minimales
Conjuntos linealmente independientes maximales
Grado en Ingenierı́a Informática
Definición de base
6 Todo espacio vectorial es isomorfo a Rn (o Cn )
7 Dimensión
8 Matrices de cambio de base
9 Subespacios vectoriales
Algebra (Ingenierı́a Informática) Tema 4 8 de abril de 2011 1 / 58 Algebra (Ingenierı́a Informática) Tema 4 8 de abril de 2011 2 / 58
Espacio vectorial Espacio vectorial
1 Espacio vectorial Ejemplo 1

2 Combinaciones lineales En Rn (o Cn ) tenemos definidas dos operaciones:
3 Dependencia lineal (x1 , x2 , . . . , xn ) + (y1 , y2 , . . . , yn ) = (x1 + y1 , x2 + y2 , . . . , xn + yn ),
4 Sistemas generadores
λ(x1 , x2 , . . . , xn ) = (λx1 , λx2 , . . . , λxn )
5 Bases Propiedades que satisfacen:
Ejercicios previos
S1: ~x + ~y = ~y + ~x
S2: (~x + ~y ) + ~z = ~x + (~y + ~z )
Definición de base S3: La operación + tiene elemento neutro, que es el vecor ~0, es decir:
~x + ~0 = ~x para cualquier vector ~x .
6 Todo espacio vectorial es isomorfo a Rn (o Cn ) S4: Cualquier vector ~x tiene elemento simétrico respecto de +, que es el
7 Dimensión vector opuesto −~x . Es decir: ~x + (−~x ) = ~0.
M1: λ(~x + ~y ) = λ~x + λ~y .
M2: (λ + µ)~x = λ~x + µ~x .
9 Subespacios vectoriales M3: (λµ)~x = λ(µ~x ).
M4: 1 ~x = ~x .
Ejemplos 2: matrices y polinomios Ejemplos 3: polinomios de grado ≤ n
En el conjunto de las matrices de dimensiones m × n (reales o

complejas) tenemos definidas dos operaciones que también satisfacen
las 8 propiedades: Rn [x]: conjunto de polinomios (con coeficientes reales) de grado
Suma de matrices. menor o igual que n con una indeterminada, es a decir, el conjunto de
Producto escalar-matriz. expresiones del tipo
En el conjunto de los polinomios en una indeterminada (x) con a0 + a1 x + a2 x 2 + · · · + an x n , a0 , a1 , . . . , an ∈ R.
coeficientes reales (que denotaremos por R[x]) o complejos (que
denotaremos por C[x]) consideramos las operaciones habituales: Si sumamos dos polinomios de grado menor o igual que n o
((suma de polinomios)) y ((producto de un escalar por un polinomio)). multiplicamos un polinomio de grado menor o igual que n por un
Por ejemplo: escalar, el polinomio resultante también tiene grado menor o igual
que n; por lo tanto estas operaciones están ((bien definidas)) en Rn [x].
(3 + 2x + 5x 3 ) + (−2 − 4x 2 + x 3 − x 4 ) = 1 + 2x − 4x 2 + 6x 3 − x 4 , También satisfacen las 8 propiedades.
3(3 + 2x + 5x 3 ) = 9 + 6x + 15x 3 .
Estas operaciones también satisfacen las 8 propiedades anteriores.
Ejemplos 4: funciones Definición de espacio vectorial
Se llama espacio vectorial a todo conjunto no vacı́o V en el cual tenemos

definidas dos operaciones:
Sea I un intervalo de la recta real. En el conjunto de todas las una operación interna1 , que denotaremos por + y llamaremos
funciones reales definidas en I consideramos las operaciones dadas por ((suma)), y
la ((suma de funciones)) y el ((producto de un escalar por una función)). una operación externa2 , que llamaremos ((producto o multiplicación
Es decir, si f y g son dos de estas funciones y α es un escalar, por un escalar)).
definimos f + g y αf de la siguiente manera:
de manera que se satisfacen las 8 propiedades del ejemplo 1. Se dirá que
(f + g )(x) := f (x) + g (x) y (αf )(x) := αf (x) ∀x ∈ Y . V es un espacio vectorial sobre R (o real) o sobre C (o complejo) según
el cuerpo de escalares sea R o C.
Estas operaciones también verifican las propiedades.
1
Es decir, una aplicación V × V → V ; dicho de otro modo: ((operando)) dos
elementos de V se obtiene otro elemento de V
2
Es decir, una aplicación R × V → V o C × V → V , según el cuerpo de escalares
sea R o C; dicho de otro modo: ((operando)) un escalar y un elemento de V se obtiene
otro elemento de V .
Espacio vectorial trivial
Los conjuntos de los ejemplos 1, 2, 3 y 4 son espacios vectoriales.

Los elementos de cualquier espacio vectorial V se denominan Existe un espacio vectorial con un único vector, que debe ser el elemento
vectores y se denotan con letras latı́n con flecha: ~x , ~y , ~a, etc. neutro de la operación suma (denotado por ~0). Las operaciones vienen
El elemento neutro de la operación suma se llama vector cero y se definidas de la siguiente manera:
denota por ~0. Suma: ~0 + ~0 = ~0
El elemento simétrico (respeto de la suma) de un vector ~v se denota Producto por un escalar: α~0 = ~0 para cualquier escalar α.
por −~v .
Este espacio vectorial se denomina espacio vectorial cero o espacio
vectorial trivial, y se denota habitualmente por {~0} o simplemente por 0.
Espacio vectorial Combinaciones lineales
Propiedades inmediatas 1 Espacio vectorial

3 Dependencia lineal
Sea V un espacio vectorial. Para cualquier par de escalares α y β y 4 Sistemas generadores
cualquier par de vectores ~a, ~b ∈ V se verifican las siguientes propiedades:
5 Bases
0~a = ~0. Ejercicios previos
α~0 = ~0. Sistemas generadores minimales
Si α~a = ~0 entonces α = 0 o ~a = ~0. Conjuntos linealmente independientes maximales
−(α~a) = (−α)~a = α(−~a). Definición de base
Si α~a = β~a y ~a 6= ~0 entonces α = β. 6 Todo espacio vectorial es isomorfo a Rn (o Cn )
α~a = α~b y α 6= 0 entonces ~a = ~b. 7 Dimensión
Combinaciones lineales Combinaciones lineales
Combinación lineal Combinación lineal

Definición
Sea S un subconjunto de V . Diremos que un vector ~u es combinación Ejemplo:
lineal de los vectores de S si existen vectores ~v1 , ~v2 , . . . , ~vn de S tales que Consideramos el espacio vectorial de las matrices 2 × 2 sobre C y el
conjunto de vectores
~u = λ1~v1 + λ2~v2 + · · · + λn~vn ,
1 −2i 1 3i 1 − 5y 6
~v1 = , ~v2 = , ~v3 = .
donde λ1 , λ2 , . . . , λn son escalares (denominados coeficientes de la 3 2 + 5i 0 −2 −3 4
combinación lineal).
1 − 4y 8
Ejemplo: ~ =
El vector w es una combinación lineal de los
−3 + 3i −1 + 2i
El vector ~0 es combinación lineal de cualquier conjunto de vectores {~v1 , ~v2 , . . . , ~vn } ya
que
vectores de este conjunto porque
~0 = 0~v1 + 0~v2 + · · · + 0~vn .
Ejemplo:
~ = i~v1 + 0~v2 + ~v3 .
w
Sea el conjunto de vectores de R4 siguiente:
S = {~v1 = (1, 3, 4, −2), ~v2 = (0, −2, 4, 1), ~v3 = (1, 1, 1, 1)}. El vector w
~ = (−1, 1, 9, −6) Los coeficientes son i, 0 y 1.
es una combinación lineal de los vectores en S porque
~ = 2~v1 + ~v2 − 3~v3 .
w
Los coeficientes son 2, 1 y −3.
Combinaciones lineales Dependencia lineal
Combinación lineal 1 Espacio vectorial

Ejemplo: 5 Bases
En R[x] consideramos los vectores {~p = 2 + x − 3x 3 , ~q = −1 + x 4 }. Ejercicios previos
El vector ~r = 4 + x − 3x 3 − 2x 4 es combinación lineal de ~p y ~q ya que Sistemas generadores minimales
~r = ~p − 2~q .
Los coeficientes son 1 y −2. 6 Todo espacio vectorial es isomorfo a Rn (o Cn )
7 Dimensión
Dependencia lineal Dependencia lineal
Relación de dependencia lineal Dependencia lineal
Definición
Si ~x1 , ~x2 , . . . , x~n son vectores de un espacio vectorial V , llamaremos
Definición
relación de dependencia lineal entre estos vectores a cualquier igualdad
de la forma Sea S un conjunto de vectores de un espacio vectorial V . Diremos que S
λ1~x1 + λ2~x2 + · · · + λn~xn = ~0, es linealmente dependiente (o ligado) si existe alguna relación de
dependencia lineal no trivial entre vectores de S. Si S no es linealmente
donde λ1 , λ2 , . . . , λn son escalares. Es decir, es cualquier expresión del dependiente entonces diremos que es linealmente independiente (o
vector cero como combinación lineal de los vectores ~x1 , ~x2 , . . . , x~n . libre).
Relación trivial: Ejercicio 1: Prueba que si un conjunto de vectores S contiene al vector
Observamos que SIEMPRE hay, al menos, una relación lineal (llamada cero ~0 entonces es linealmente dependiente.
relación trivial) entre los vectores ~x1 , ~x2 , . . . , x~n : Ejercicio 2: Prueba que un conjunto formado por un único vector ~u 6= ~0 es
linealmente independiente.
0~x1 + 0~x2 + · · · + 0~xn = ~0,
es decir, la que se obtiene tomando λi = 0 ∀i = 1, 2, . . . , n.

Dependencia lineal Dependencia lineal
Una interpretación interesante de la dependencia lineal Dos ejercicios

Propiedad
Sea S un conjunto de vectores de un espacio vectorial V que tiene, al
menos, dos elementos. Las siguientes condiciones son equivalentes:
(a) S es linealmente dependiente.
Ejercicio 3: Prueba que el conjunto de vectores de R4 dado por
(b) al menos un de los vectores de S se puede expresar como
S = {(1, 0, 1, 2), (1, 1, 0, 0), (1, 1, 1, 1)} es linealmente independiente.
combinación lineal de los otros vectores de S.
Ejemplo ilustrativo: Ejercicio 4: Prueba que el conjunto de vectores
Sea S = {~v1 = (1, 2, −1), ~v2 = (1, 0, 1), ~v3 = (1, 5, −4) y ~v4 = (0, 0, 1)} ⊆ R3 . Además
de la relación trivial, tenemos la siguiente relación de dependencia lineal:
{x 2 + x + 1, 2x + 1, 2x 2 + 8x + 5} en R[x] es linealmente dependiente.
5v~1 − 3~v2 − 2~v3 + 0~v4 = ~0.
Por lo tanto se trata de un conjunto linealmente dependiente. Esta relación no trivial
permite expresar cualquiera de los vectores con coeficiente λi diferente de 0 como
combinación lineal de los otros:
despejando ~ v1 = 35 ~
v1 : ~ v2 + 25 ~
v3 + 0~
v4 ,
despejando ~ v2 = 53 ~
v2 : ~ v1 − 23 ~
v3 + 0~
v4 ,
y despejando ~
v3 : ~ v1 − 32 ~
v3 = 25 ~ v2 + 0~
v4 .
Sistemas generadores Sistemas generadores
1 Espacio vectorial Sistemas generadores

Ejemplo: Cualquier vector ~x = (x1 , x2 , . . . , xn ) de Rn (o de Cn ) se puede
4 Sistemas generadores expresar de la siguiente forma:
5 Bases
Ejercicios previos ~x = x1 (1, 0, 0, . . . , 0) + x2 (0, 1, 0, . . . , 0) + · · · xn (0, 0, . . . , 0, 1).
Por lo tanto, cualquier vector de este espacio vectorial es combinación
lineal de los vectores del conjunto
6 Todo espacio vectorial es isomorfo a Rn (o Cn ) S1 = {(1, 0, 0, . . . , 0), (0, 1, 0, . . . , 0), . . . , (0, 0, . . . , 0, 1)}.
7 Dimensión Dicho de otro modo, Rn (o Cn ) es el conjunto de las combinaciones
8 Matrices de cambio de base lineales de los vectores de S1 .

Ejemplo: Consideremos ahora el espacio vectorial de las matrices (reales o
complejas) de orden 2 × 3. Cualquier matriz A = (aij ) de este orden se
puede escribir de la siguiente forma:
Ejemplo: Nos fijaremos ahora en el espacio vectorial Rn [x] de polinomios
a11 a12 a13 1 0 0 0 1 0 con coeficientes reales de grado menor o igual que n (el mismo
A= = a11 + a12
a21 a22 a23 0 0 0 0 0 0 razonamiento valdrá para Cn [x]). Un vector arbitrario ~p de este espacio
vectorial tendrá la siguiente forma:
0 0 1 0 0 0 0 0 0 0 0 0
+a13 + a21 + a22 + a23 ,
0 0 0 1 0 0 0 1 0 0 0 1 ~p = a0 + a1 x + a2 x 2 + · · · an x n ,
es decir, se puede expresar como combinación lineal del conjunto de
vectores donde a1 , a2 , . . . , an son escalares. Está claro que ~p es combinación lineal

1 0 0

0 1 0

0 0 1

0 0 0

0 0 0

0 0 0
de los vectores del conjunto S3 = {1, x, x 2 , . . . , x n } y, por lo tanto, Rn [x]
S2 = , , , , , . es el conjunto de las combinaciones lineales de los vectores de S3 .
0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 1
Por lo tanto, el espacio vectorial es el conjunto de las combinaciones

lineales del vectores de S2 .
¿Qué ocurre, en general, con las matrices m × n?
Sistemas generadores Bases
Sistemas generadores 1 Espacio vectorial

Definición
Diremos que un subconjunto S de un espacio vectorial V es un sistema 3 Dependencia lineal
generador de V , o que S genera V , si todo vector de V es combinación 4 Sistemas generadores
lineal de vectores en S; o, equivalentemente, V es el conjunto de todas las
combinaciones lineales que se pueden formar con vectores de S. 5 Bases
Ejercicios previos
Definición Sistemas generadores minimales
Un espacio vectorial V que admite un sistema generador finito se dirá que Conjuntos linealmente independientes maximales
es de dimensión finita. Definición de base
Ejercicio 5: ¿Es R[x] un espacio vectorial de dimensión finita?
7 Dimensión
De ahora adelante nos interesaremos únicamente por espacios vectoriales
de dimensión finita. Por lo tanto, a partir de ahora 8 Matrices de cambio de base
todos los espacios vectoriales considerados serán de dimensión finita.

Bases Ejercicios previos Bases Ejercicios previos
Ejercicio 7: Representa en un sistema de coordenadas cartesianas los

siguientes vectores de R2 : ~u = (1, 2), ~v = (2, 3). Contesta después a las
Ejercicio 6: Representa en un sistema de coordenadas cartesianas los
siguientes preguntas:
siguientes vectores de R2 : ~u = (1, 2), ~v = (3, 6). Contesta después a las
siguientes preguntas: (a) ¿Es el conjunto {~u , ~v } linealmente dependiente o independiente? ¿Por
qué?
(a) El conjunto {~u } es linealmente dependiente o independiente? Por En general, dos vectores no proporcionales forman un conjunto
qué? En general, un conjunto formado por un solo vector no nulo es linealmente . . . . . . . . ..
linealmente . . . . . . . . ..
(b) ¿Qué vectores de R2 se pueden expresar como una combinación lineal
(b) Escribe una relación de dependencia lineal no trivial entre ~u y ~v . de ~u y ~v ? Es {~u , ~v } un sistema generador de R2 ?
(c) ¿Es el conjunto {~u , ~v } linealmente dependiente o independiente? En (c) A la vista de la respuesta al apartado anterior, si añadimos al
general, dos vectores proporcionales forman un conjunto linealmente conjunto {~u , ~v } un vector cualquiera de R2 , ¿el conjunto resultante es
. . . . . . . . .. linealmente dependiente o independiente?
(d) ¿Cuál es el conjunto de todas las combinaciones lineales de {~u }? ¿Y (d) ¿Cuál es el número máximo de vectores de R2 que puede haber en un
de {~u , ~v }? ¿Es {~u , ~v } un sistema generador de R2 ? conjunto linealmente independiente?
(e) ¿Cuál es el número mı́nimo de vectores de R2 que puede haber en un
sistema generador de R2 ?
Bases Ejercicios previos Bases Sistemas generadores minimales
Ejercicio 8: Representa en un sistema de coordenadas cartesianas los siguientes

vectores de R3 : ~u = (1, 1, 0), ~v = (0, 1, 0) y w
~ = (0, 1, 1). Contesta:
(a) ¿El conjunto {~u , ~v } es linealmente independiente o dependiente?
(b) ¿Cuál es el conjunto de todas las combinaciones lineales de ~u y ~v ? Se puede
expresar w~ como una combinación lineal de ~u y ~v ? ¿Se puede expresar Definición
alguno de los 3 vectores como combinación lineal de los otros dos?
Diremos que un sistema generador T de un espacio vectorial V es
(c) A la vista de la respuesta al apartado anterior, ¿es el conjunto {~u , ~v , w
~} minimal si no existe ningún subconjunto propio de T que sea sistema
linealmente independiente?
generador de V .
(d) ¿Cuando un conjunto de 2 vectores de R3 es linealmente independiente?
(e) ¿Cuando un conjunto de 3 vectores de R3 es linealmente independiente?
(f) ¿Cuál es el conjunto de todas las combinaciones lineales de los vectores Ejercicio 9: Demuestra que el conjunto T = {(1, 0), (0, 1)} es un sistema
{~u , ~v , w ~ } un sistema generador de R3 ?
~ }? ¿Es {~u , ~v , w generador minimal de R2 .
(g) ¿Cuando un conjunto de 2 vectores de R3 es un sistema generador de R3 ?
(h) ¿Cuando un conjunto de 3 vectores de R3 es un sistema generador de R3 ?
(i) ¿Cuál es el número máximo de vectores de R3 que puede haber en un
conjunto linealmente independiente?
(j) ¿Cuál es el número mı́nimo de vectores de R3 que puede haber en un
sistema generador de R3 ?
Bases Sistemas generadores minimales Bases Sistemas generadores minimales
Ejemplo: todo sistema generador contiene a un sistema Caracterización de sistemas generadores minimales
generador minimal
Consideramos el espacio vectorial R3 y el siguiente conjunto de vectores:
S = {(1, 2, 3), (−1, 2, 4), (0, 1, 3), (−2, 3, 4)}.
Ejercicio 10: Demuestra que S es un sistema generador de R3 .

Pregunta clave: ¿podemos eliminar algún vector de S de forma que el conjunto
Propiedad
resultante continue siendo sistema generador de R3 ? Un conjunto de vectores de un espacio vectorial V 6= {~0} es un sistema
Respuesta: SÍ.
generador minimal si y solo si es sistema generador y es linealmente
Motivo: el sistema es linealmente dependiente; luego uno de los vectores de S es
puede expresar como combinación lineal de los otros y, por tanto, “sobra” a efectos independiente.
de generar R3 . Por ejemplo:
1 11 9
(−2, 3, 4) = (1, 2, 3) + (−1, 2, 4) − (0, 1, 3) (1)
5 5 5
y esto significa que (−2, 3, 4) “sobra” (¿Por qué?).
Luego S1 := S − {(−2, 3, 4)} = {(1, 2, 3), (−1, 2, 4), (0, 1, 3)} sigue siendo sistema
generador.
Ejercicio 11: Prueba que S1 es linealmente independiente.
Ejercicio 12: Prueba que S1 es un sistema generador minimal.
Bases Conjuntos linealmente independientes maximales Bases Conjuntos linealmente independientes maximales
Caracterización de conjuntos linealmente independientes

Definición maximales.
Un conjunto de vectores T de un espacio vectorial V se dirá que es un
conjunto linealmente independiente (o libre) maximal si
es linealmente independiente y
Propiedad
no existe ningún conjunto linealmente independiente T 0 tal que T sea
un subconjunto propio de T 0 (es decir, T no se puede “ampliar” más Un conjunto de vectores es un conjunto linealmente independiente
manteniendo la condición de ser linealmente independiente). maximal si y solo si es sistema generador y es linealmente independiente.
Ejercicio 13: Demuestra que el conjunto T = {(1, 0), (0, 1)} de R2 es

Por tanto los conceptos sistema generador minimal y conjunto linealmente
linealmente independiente maximal.
independiente maximal son, en realidad,
(Ayuda: (1) Prueba primero que T es linealmente independiente; (2) para
demostrar que es maximal ten en cuenta que T es sistema generador; por
¡el mismo!
lo tanto cualquier vector que añadimos a T será combinación lineal de
(1, 0) y (0, 1)).
Bases Definición de base Bases Definición de base
Definición de base Algunos ejercicios
Ejercicio 14: Demuestra que el conjunto {1, x, x 2 , . . . , x n } es una base de

Teorema el espacio vectorial real Rn [x] de polinomios de grado menor o igual que n.
Si S es un conjunto de vectores de un espacio vectorial V 6= {~0}, las Ejercicio 15: Hemos visto que el conjunto
siguientes condiciones son equivalentes:
1 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0
(a) S es un sistema generador de V y es linealmente independiente. S= , , , , ,
0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 1
(b) S es un sistema generador minimal de V .
(c) S es un conjunto linealmente independiente maximal. es un sistema generador del espacio vectorial de las matriux (reales o
complejas) de tamaño 2 × 3. Demuestra que es una base.
Ejercicio 16: Demuestra que {(1, 2, 1), (2, 1, 0), (3, 0, 5)} es una base de
Definición
R3 .
Una base de un espacio vectorial V 6= {0} es un conjunto de vectores de Ejercicio 17: Demuestra que el conjunto
V que satisface cualquiera de las tres condiciones equivalentes del teorema. {(1, 0, 0, . . . , 0), (0, 1, 0, . . . , 0), (0, 0, 1, . . . , 0), (0, 0, 0, . . . , 1)} es una base
de Rn y de Cn . Se denomina a base canónica.
Teorema de existencia de bases. Coordenadas respecto de Ejemplo

una base
Teorema de existencia de bases
Todo sistema generador de un espacio vectorial V 6= {0} contiene una base de V .
Ejemplo: Ya hemos visto en un ejercicio anterior que la expresión de
Teorema cualquier vector ~x = (x1 , x2 , . . . , xn ) de Rn o Cn como a combinación
Sea V 6= {~0} un espacio vectorial y sea B = {~u1 , ~u2 , . . . , ~un } una base de V . Entonces
lineal de la base canónica es:
cualquier vector de V se escribe de forma única como a combinación lineal de los
vectores de B.. ~x = x1 (1, 0, . . . , 0) + x2 (0, 1, . . . , 0) + · · · + xn (0, 0, . . . , 1).
Si ~x = λ1~u1 + λ2~u2 + · · · + λn~un es la expresión única de un vector ~x respeto de una Por lo tanto, las componentes del vector son también sus
cierta base B = {~u1 , ~u2 , . . . , ~un } entonces llamaremos a los coeficientes λ1 , λ2 , . . . , λn
coordenadas de ~x respeto de la base B. El vector de coordenadas de ~x respeto de coordenadas respeto de la base canónica.
la base B es  
λ1
 λ2 
~xB :=  .  .
 
 .. 
λn
Ejemplo: En la figura de la izquierda hemos representado la base canónica

Ejercicios
C = {(1, 0), (0, 1)} de R2 y el vector ~v = (3, 2); sus coordenadas respecto
de C son 3 y 2. En la figura de la derecha hemos representado la base
Ejercicio 18: Calcula las coordenadas del vector (−2, 1, 0) ∈ R3 respeto de
B = {(1, 0), (1, 1)} y el mismo vector ~v ; las coordenadas de ~v respeto de
la base {(1, 2, 1), (2, 1, 0), (3, 0, 5)}.
esta base son 1 y 2 porque ~v = 1(1, 0) + 2(1, 1). Expresado de otra
Ejercicio 19: Dado un polinomio arbitrario de grado menor o igual que n:
manera:
3 1
~vC = y ~vB = . a0 + a1 x + a2 x 2 + . . . + an x n
2 2
determina su vector de coordenadas respecto de la base {1, x, x 2 , . . . , x n }.
Ejercicio 20: Determina, dada una matriz arbitraria

a11 a12 a13
A=
a21 a22 a23
de tamaño 2 × 3, su vector de coordenadas respecto de la base “más

sencilla” del espacio de matrices 2 × 3.
Todo espacio vectorial es isomorfo a Rn (o Cn ) Todo espacio vectorial es isomorfo a Rn (o Cn )
1 Espacio vectorial Identificación de un espacio vectorial con Rn o Cn por

2 Combinaciones lineales medio de una base
3 Dependencia lineal Consideramos un espacio vectorial real arbitrario V 6= {~0} y fijemos una base
B = {~u1 , ~u2 , . . . , ~un }.
Cualquier vector ~x de V se puede expresar de manera única como combinación
5 Bases lineal de los vectores de B:
n
Ejercicios previos
X
~x = λi ~ui .
Sistemas generadores minimales i=1
n
Conjuntos linealmente independientes maximales Definimos la aplicación V → R tal que
Definición de base ~x 7→ ~xB = (λ1 , λ2 , . . . , λn ) ∈ Rn .
Esta aplicación es biyectiva y es “compatible” con las operaciones:
7 Dimensión Si ~x =
Pn
λi ~ui y ~x 0 =
Pn
λ0i ~ui son dos vectores de V entonces:
i=1 i=1
(~x + ~x 0 )B = ~xB + ~xB0 .
Si α es un escalar, entonces (α~x )B = α~xB .
Todo espacio vectorial es isomorfo a Rn (o Cn ) Dimensión
V y Rn (o Cn ) son isomorfos 1 Espacio vectorial

Podemos identificar todo vector ~x de V con el elemento de Rn dado por
su vector de coordenadas respeto de la base B, ~xB (donde n denota el 3 Dependencia lineal
cardinal de B). 4 Sistemas generadores
5 Bases
Las operaciones en V se corresponden con las operaciones en
Ejercicios previos
Rn realizadas sobre los vectores de coordenadas.
Da lo mismo ‘trabajar” con los vectores de V que hacerlo con sus Conjuntos linealmente independientes maximales
vectores de coordenadas, que están en Rn . V y Rn tienen la misma Definición de base
estructura como espacios vectoriales.
La terminologı́a que suele emplearse por hacer referencia a este 6 Todo espacio vectorial es isomorfo a Rn (o Cn )
fenómeno consiste en decir que los espacios vectoriales V y Rn son 7 Dimensión
isomorfos.
Lo mismo ocurre para espacios vectoriales complejos: si existe una base de 9 Subespacios vectoriales
C con n elementos entonces V es isomorfo a Cn .
Dimensión Dimensión
¿Tienen todas las bases el mismo cardinal? ¿Tienen todas las bases el mismo cardinal?
Propiedad
Propiedad
El cardinal de un sistema generador de Rn es ≥ n.
El cardinal de un conjunto linealmente independiente de vectores de Rn es
Pseudo-prueba (con ejemplo): Consideramos un conjunto de vectores de R4 de cardinal ≤ n.
menor que 4, por ejemplo el conjunto
S = {~u1 = (1, 2, 0, −2), ~u2 = (1, 0, 3, 2), ~u3 = (0, 2, 1, 0)}, y veamos cuáles son las Como consecuencia de las 2 propiedades anteriores:
razones por las cuales S no puede ser sistema generador. Si quisiéramos probar que
S es un sistema generador, habrı́amos de ver que para cualquier ~b = (~b1 , ~b2 , ~b3 , ~b4 ) ∈ R4 Propiedad
existen escalares x1 , x2 , x3 tales que
Todas las bases de Rn tienen cardinal n.
x1~u1 + x2~u2 + x3~u3 = ~b.
Esto equivale a decir que el sistema de ecuaciones A~x = ~b es compatible Las tres propiedades anteriores son también aplicables a Cn (el
independientemente del vector ~b, donde A = [~u1 ~u2 ~u3 ]. razonamiento es idéntico).

1 1 0 b1
 
1 1 0 b1
 
1
 0
1
−2
0
2
b1
−2b1 + b2

Como todo espacio vectorial V es “isomorfo” a Rn o a Cn :
 0 −2 2 ∼ 0
−2b1 + b2   −2 2 −2b1 + b2  
∼ −3b1 + 23 b2 + b3
−3b1 + 32 b2 + b3 
   
 0 3 1 b3   0 0 4  0 0 4 
0 4 0 2b1 + b4 0 0 4 −2b1 + 2b2 + b4 0 0 0 b1 + 12 b2 − b3 + b4 Teorema
Para los vectores ~b tales que b1 + 12 b2 − b3 + b4 6= 0 el sistema anterior es incompatible Todas las bases de un espacio vectorial V 6= {~0} tienen el mismo cardinal.
y, por lo tanto, S no puede ser sistema generador. Luego S tendrı́a que tener, al
menos, 4 vectores.
Dimensión Matrices de cambio de base
Dimensión 1 Espacio vectorial

Definición
Se llama a dimensión de un espacio vectorial V 6= {~0}, y se denota por dim(V ), al 3 Dependencia lineal
cardinal de cualquiera de sus bases. En el caso del espacio vectorial trivial {~0} diremos
(por definición) que su dimensión es 0.
Ejercicio 21: ¿Cuál es la dimensión de Rn [x]?

5 Bases
Ejercicio 22: ¿Cuál es la dimensión del espacio vectorial de las matrices de tamaño Ejercicios previos
m × n? Sistemas generadores minimales
Teorema de caracterización de bases Conjuntos linealmente independientes maximales
Sea V 6= {~0} un espacio vectorial de dimensión n y B = {~u1 , ~u2 , . . . , ~un } un conjunto de
vectores de V (de cardinal n). Entonces las siguientes propiedades son equivalentes: 6 Todo espacio vectorial es isomorfo a Rn (o Cn )
(a) B es una base de V .
7 Dimensión
(b) B es libre.
(c) B es un sistema generador de V .
Ejercicio 23: Aplicando el Teorema de Caracterización de bases, demuestra que el

siguiente conjunto de vectores es una base de R3 : {(1, 0, 3), (0, −5, 4), (0, 0, 7)}.
Matrices de cambio de base Matrices de cambio de base
Problema a resolver Solución: matriz de cambio de base

Suponemos conocidas las coordenadas de los vectores de la base B0 respeto de la base B:
~vj = p1j ~u1 + p2j ~u2 + · · · + pnj ~un , j = 1, 2, . . . , n.

Sean B = {~u1 , ~u2 , . . . , ~un } y B 0 = {~v1 , ~v2 , . . . , ~vn } dos bases de un espacio
vectorial no trivial V .
Suponemos que los vectores de coordenadas de un vector ~x ∈ V respeto (x1 , x2 , . . . , xn ) = ~xB = (x10 ~v1 + x20 ~v2 + · · · + xn0 ~vn )B = x10 (~v1 )B + x20 (~v2 )B + · · · + xn0 (~vn )B
de estas bases son:  
p11
 
p12
  
p1n p11 p12 · · · p1n
  0
x1
p21  p22  p2n  p21 p22 · · · p2n  x20 
~xB = (x1 , x2 , . . . , xn ) y ~xB0 = (x10 , x20 , . . . , xn0 ). = x10  .  + x20  .  + · · · + xn0  .  =  . ..   ..  .
        
..
 ..   ..   ..   .. . .  . 
pn1 pn2 pnn pn1 pn2 · · · pnn xn0
¿qué relación hay entre los dos vectores de coordenadas? ¿Se puede
| {z }
MB 0 B
calcular uno de ellos a partir del otro?. MB0 B es la matriz de cambio de base de B a B. 0
Sus columnas son las coordenadas de los vectores de B0 respecto de B.

Para cualquier vector ~x se cumple:
~xB = MB0 B~xB0 .
Matrices de cambio de base Matrices de cambio de base
MBB0 = M−1
B0 B
La matriz de cambio de base de B1 a B2 es
Propiedad

Las matrices de cambio de base MB0 B y MBB0 son invertibles y una es la −1/2 −9/2
MB1 B2 = .
inversa de la otra. 1/2 5/2
Ejemplo: Consideramos las bases de R2 siguientes: B1 = {(1, 1), (5, −1)},
La matriz de cambio de base de B2 a B1 se puede obtener de la
B2 = {(0, 3), (2, 5)}. Calculamos las matrices de cambio de base MB1 B2 y MB2 B1 .
misma manera, o bien calculando la matriz inversa de MB1 B2 :
Para obtener MB1 B2 hemos de calcular los vectores de coordenadas de cada vector
de B1 respeto de la base B2 y ponerlos en columnas. −1
−1/2 −9/2 5/2 9/2
Esto significa resolver dos sistemas de ecuaciones lineales con la misma matriz de MB2 B2 = M−1
B1 B2 = = .
coeficientes: 1/2 5/2 −1/2 −1/2

1 0 2 0 2 x1 5 0 2 0 2 x1
= x1 +x2 = ; = x1 +x2 = . Ejercicio 24: El vector de coordenadas de un cierto vector ~u de R2
1 3 5 3 5 x2 −1 3 5 3 5 x2
Podemos resolver los dos sistemas simultáneamente: respecto de la base B1 del ejemplo anterior es (−3, 5). Utilizando una de

0 2 1 5

∼

3 5 1 −1

∼

1 5/3 1/3 −1/3

las matrices de cambio de base obtenidas, calcula las coordenadas de ~u
3 5 1 −1 0 2 1 5 0 1 1/2 5/2
respecto de la base B2
1 0 −1/2 −9/2
∼ .
0 1 1/2 5/2
Luego (1, 1)B2 = (−1/2, 1/2) y (5, −1)B2 = (−9/2, 5/2) .

Subespacios vectoriales Subespacios vectoriales
1 Espacio vectorial Subespacios vectoriales

Definición
3 Dependencia lineal Sea V un espacio vectorial y sea E un subconjunto de V . Diremos que E
4 Sistemas generadores es un subespacio vectorial de V si es un espacio vectorial con las
operaciones inducidas por las de V .
5 Bases
Ejercicios previos Teorema (de caracterización)
Sistemas generadores minimales Un subconjunto E de un espacio vectorial V es un subespacio vectorial
Conjuntos linealmente independientes maximales de V si y solo si se satisfacen las siguientes condiciones:
(a) ~0 ∈ E .
6 Todo espacio vectorial es isomorfo a Rn (o Cn ) (b) E es cerrado respecto a la suma: ~a + ~b ∈ E ∀~a, ~b ∈ E .
7 Dimensión (c) E es cerrado respecto al producto por un escalar: α~a ∈ E para
8 Matrices de cambio de base cualquier vector ~a de E y para cualquier escalar α.
Ejemplo: El espacio vectorial trivial {~0} y V son subespacios vectoriales de V
denominados subespacios impropios. Los demás subespacios vectoriales de V se dice
que son propios.
Ejemplos Envoltura lineal
Sea S un subconjunto de un espacio vectorial V .

hSi: conjunto de todas las combinaciones lineales de vectores de S.
Rn [x] es un subespacio vectorial del espacio de polinomios R[x].
Por el Teorema de Caracterización, hSi es un subespacio vectorial de
Cualquier recta de R2 que pasa por (0, 0) es un subespacio vectorial
V , denominado envoltura lineal de S o subespacio vectorial
de R2 .
generado por S.
Las rectas de Rn que pasan por ~0 son subespacios vectoriales de Rn . S és el menor subespacio vectorial de V que contiene a S en el
Ejercicio 25: Demuestra que los ejemplos anteriores son subespacios siguiente sentido:
vectoriales. S ⊆ hSi.
Si E es un subespacio vectorial de V que contiene a S entonces
hSi ⊆ E .
Ejemplo
Ejercicio 26: Sean los siguientes subespacios vectoriales de R4 :
El conjunto E = {(x1 , x2 , x3 ) ∈ R3 | x1 − 2x2 + x3 = 0} es un subespacio
vectorial de R3 . E1 = h(1, 1, 0, 1), (3, 3, 1, 5)i y E2 = h(1, 2, 0, 1), (1, −1, 0, 1), (1, 2, 1, 3)i.
En efecto:
Demuestra que se verifica la inclusión E1 ⊆ E2 .
E es el conjunto de soluciones de la ecuación lineal x1 − 2x2 + x3 = 0. Propiedad
Despejando x1 y calculando la expresión paramétrica de las soluciones Sean W1 y W2 dos subespacios vectoriales de un espacio vectorial V tales
de la ecuación obtenemos: que W1 ⊆ W2 . entonces:
     
x1 2 −1 (a) dim(W1 ) ≤ dim(W2 ).
~x = x2  ∈ E ⇔ existen α, β con ~x = α 1 + β  0  .
x3 0 1 (b) dim(W1 ) = dim(W2 ) si y solo si W1 = W2 .
Ejercicio 27: Determina todos los subespacios vectoriales propios de R2 y

Por lo tanto:
de R3 .
E = h(2, 1, 0), (−1, 0, 1)i.
Como las envolturas lineales son subespacios vectoriales, E lo es.

Tema 4 Parte 1 B

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tema 4 Parte 1 B

Cargado por

Copyright:

Formatos disponibles

Índice

1 Espacio vectorial Ejemplo 1

Ejemplos 2: matrices y polinomios Ejemplos 3: polinomios de grado ≤ n

En el conjunto de las matrices de dimensiones m × n (reales o

Ejemplos 4: funciones Definición de espacio vectorial

Se llama espacio vectorial a todo conjunto no vacı́o V en el cual tenemos

Espacio vectorial trivial

Los conjuntos de los ejemplos 1, 2, 3 y 4 son espacios vectoriales.

Propiedades inmediatas 1 Espacio vectorial

Combinación lineal Combinación lineal

Combinación lineal 1 Espacio vectorial

Relación de dependencia lineal Dependencia lineal

es decir, la que se obtiene tomando λi = 0 ∀i = 1, 2, . . . , n.

Una interpretación interesante de la dependencia lineal Dos ejercicios

1 Espacio vectorial Sistemas generadores

Sistemas generadores Sistemas generadores

Por lo tanto, el espacio vectorial es el conjunto de las combinaciones

Sistemas generadores 1 Espacio vectorial

todos los espacios vectoriales considerados serán de dimensión finita.

Ejercicio 7: Representa en un sistema de coordenadas cartesianas los

Ejercicio 8: Representa en un sistema de coordenadas cartesianas los siguientes

Ejercicio 10: Demuestra que S es un sistema generador de R3 .

Caracterización de conjuntos linealmente independientes

Ejercicio 13: Demuestra que el conjunto T = {(1, 0), (0, 1)} de R2 es

Definición de base Algunos ejercicios

Ejercicio 14: Demuestra que el conjunto {1, x, x 2 , . . . , x n } es una base de

Teorema de existencia de bases. Coordenadas respecto de Ejemplo

Ejemplo: En la figura de la izquierda hemos representado la base canónica

de tamaño 2 × 3, su vector de coordenadas respecto de la base “más

1 Espacio vectorial Identificación de un espacio vectorial con Rn o Cn por

V y Rn (o Cn ) son isomorfos 1 Espacio vectorial

Dimensión 1 Espacio vectorial

Ejercicio 21: ¿Cuál es la dimensión de Rn [x]?

Ejercicio 23: Aplicando el Teorema de Caracterización de bases, demuestra que el

Problema a resolver Solución: matriz de cambio de base

~vj = p1j ~u1 + p2j ~u2 + · · · + pnj ~un , j = 1, 2, . . . , n.

Sus columnas son las coordenadas de los vectores de B0 respecto de B.

~xB = MB0 B~xB0 .

Luego (1, 1)B2 = (−1/2, 1/2) y (5, −1)B2 = (−9/2, 5/2) .

1 Espacio vectorial Subespacios vectoriales

Ejemplos Envoltura lineal

Sea S un subconjunto de un espacio vectorial V .

Ejercicio 27: Determina todos los subespacios vectoriales propios de R2 y

También podría gustarte