Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Espacios Vec
Espacios Vec
Universitat Jaume I
MATEMÁTICAS I
ED2054 - Matemáticas I
Grado en Arquitectura Técnica
Cristina Chiralt
Vicent Renau
C. Chiralt / V.Renau
c UJI
1
TEMA 1
ESPACIOS VECTORIALES
C. Chiralt / V.Renau
c UJI
2
donde A, K son conjuntos no vacı́os. En el caso en que el conjunto final sea A
se dice que es una LCE sobre A.
· : N × Z −→ Z
(a, m) → a.m
· : N × Z −→ N
(a, m) → a · m
La operación + es LCI.
Asociativa: a + (b + c) = (a + b) + c.
Elemento neutro e ∈ K: a + e = e + a = a.
Conmutativa: a + b = b + a.
La operación · es LCI.
Asociativa: a · (b · c) = (a · b) · c.
Elemento neutro d ∈ K: a · d = d · a = a.
C. Chiralt / V.Renau
c UJI
3
(3) (K, +, ·), el conjunto K con las operaciones +, · cumple las siguientes
propiedades:
Distributiva: a · (b + c) = a · b + a · c.
a·b=b·a
2. (K, +, ·) es cuerpo.
Nota 1.1. Utilizamos el mismo signo (+) para designar la suma de escalares
y la suma de vectores. Y usamos el mismo signo (·) para designar el producto
de escalares y el producto mixto.
Nota 1.2. Los EV con los que trabajaremos en esta materia serán conjuntos
de vectores E sobre el conjunto de los números reales R.
C. Chiralt / V.Renau
c UJI
4
Propiedades de los espacios vectoriales
(1) 0 · ~u = ~0 .
(2) α · ~0 = ~0 .
(3) α · ~u = ~0 → α = 0 ó ~u = ~0 .
(2) α · ~u ∈ S,
o bien, juntando ambas condiciones podemos aplicar la siguiente únicamente
(3) α~u + β~v ∈ S.
Ejemplo 1.5. Sea R3 EV sobre R, comprobemos que S = {(x, y, z) ∈ R3 : x − 4y + z = 0}
es SEV de E.
C. Chiralt / V.Renau
c UJI
5
Solución:
El conjunto S ası́ definido es un plano en el espacio tridimensional R3 ,
Comprobamos que se cumplen las condiciones (1) y (2) de SEV,
(1) Sean (x, y, z), (x0 , y 0 , z 0 ) ∈ S, por tanto cumplen las condición S, es decir
(x, y, z) ∈ S −→ x − 4y + z = 0,
(x0 , y 0 , z 0 ) ∈ S −→ x0 − 4y 0 + z 0 = 0,
comprobamos si se verifica,
?
0 0 0 0 0 0
z}|{
α(x, y, z) + β(x , y , z ) = (αx + βx , αy + βy , αz + βz ) ∈ S,
C. Chiralt / V.Renau
c UJI
6
veamos ahora la condición de pertenecer a S con este último vector,
ℝ"
C. Chiralt / V.Renau
c UJI
7
veamos si la suma cumple la condición dada por S,
?
0 0 0 0
z}|{
(x, y) + (x , y ) = (x + x , y + y ) ∈ S
y + y 0 = 0 + 0 = 0,
luego, sı́ que la cumple. Veamos qué ocurre con la (2), sea α ∈ R, y (x, y) ∈ S
?
z}|{
α(x, y) = (α x, α y) ∈ S
, α y = α 0 = 0.
Solución:
(1) Consideramos (x, y, z), (x0 , y 0 , z 0 ) ∈ S, luego z = 1 y z 0 = 1, la suma de
estos dos vectores
?
0 0 0 0 0 0
z}|{
(x, y, z) + (x , y , z ) = (x + x , y + y , z + z ) ∈ S
para comprobarlo hay que demostrar que la tercera componente del vector
suma z + z 0 = 1, sin embargo
z + z 0 = 1 + 1 = 2,
(Soluciones: (a) No, (b) si, (c) no, (d) si, (e) no.)
C. Chiralt / V.Renau
c UJI
8
Subespacios propios e impropios
Sea un EV E,
n o
Subespacios impropios de E son: E y ~0 .
Si consideramos el EV E = R2 , tenemos:
n o
Subespacios impropios de R2 son: S = R2 y S = ~0 = {(0, 0)}.
Los únicos subespacios propios de R2 son las rectas que pasan por el
(0, 0).
Los únicos subespacios propios de R3 son las rectas y los planos que
pasan por el (0, 0, 0).
C. Chiralt / V.Renau
c UJI
9
Ejemplo 1.10. ¿Es ~u = (1, 5, 0) combinación lineal del sistema de vectores
S = {(3, 0, 2), (−1, 7, 0), (2, 1, 5)}?
Solución:
Para demostrarlo tomamos,
1 =3a − b + 2c
5 =7b + c
0 =2a + 5c.
Para que se verifique que es combinación lineal resolvemos este sistema y ob-
tenemos a = 54 , b = 19
25
8
y c = − 25 , es decir, sistema compatible determinado.
En el caso en que hubiese dado incompatible, el sistema no tendrı́a solución y
por tanto ~u NO serı́a combinación lineal del sistema S.
Ejercicio 1.2. Expresa el vector ~u = (3, 2) ∈ R2 como combinación lineal
de los vectores del sistema S = {(1, 0), (0, 1)} y di cuáles son los coeficientes.
Dibuja los vectores de S y ~u sobre los ejes coordenados.
Definición 1.8. Sea E EV sobre K y sea un sistema de vectores S =
{~v1 , ~v2 , . . . , ~vn }. Decimos que S es un sistema ligado o linealmente de-
pendiente si existen escalares λ1 , λ2 , . . . , λn ∈ K no todos nulos tales que se
verifica
λ1 ~v1 + λ2 ~v2 + . . . + λn ~vn = ~0.
Ejemplo 1.11. Determina si S = {(1, 1, 1), (1, 0, 1), (0, 1, 0)} es un sistema
ligado.
Solución:
Para comprobarlo tomamos una combinación lineal de estos tres vectores
y la igualamos al vector nulo, resolvemos el sistema que se determina. Este
sistema siempre es homogéneo, es decir, compatible; si es compatible determi-
nado la única solución es que todos los coeficientes sean 0 y por tanto NO es
ligado porque la condición es que no todos sean nulos. Veamos qué ocurre en
este ejemplo,
C. Chiralt / V.Renau
c UJI
10
Por ejemplo, a = 1, b = c = −1 y tenemos una combinación lineal con coefi-
cientes no todos nulos que cumple:
λ1 = λ2 = . . . = λn = 0.
Ejemplo 1.12. Veamos que S = {(1, 1, −1), (2, 0, 1), (0, 2, 1)} es un sistema
linealmente independiente o libre.
Solución:
Planteamos la combinación lineal
Nota 1.5. Dado que el sistema planteado para estudiar si es libre o liga-
do siempre es homogéneo se puede aplicar el Teorema de Rouche-Frobenius
para determinar si es compatible indeterminado (en cuyo caso hay infinitas
soluciones y alguna de ellas no es nula y por tanto serı́a ligado) o si es compa-
tible determinado (tiene una única solución que es la solución nula, todas las
incógnitas valen 0 y por tanto es libre).
C. Chiralt / V.Renau
c UJI
11
(Soluciones: (a) sistema libre, (b) sistema ligado).
En general, cuando tenemos un sistema de m vectores de Rn y queremos
saber si son libres o ligados planteamos una combinación lineal igualada al
vector nulo, un sistema homogéneo, según lo que estudiamos en el Teorema de
Roche-Frobenius donde A es la matriz de coeficientes del sistema de ecuaciones
obtenidas al hacer la combinación lineal:
Ejercicio 1.5. Estudia si los sistemas de vectores del ejercicio (1.4) son
libres o ligados utilizando el teorema de Rouche-Frobenius.
Ejemplo 1.13. Estudia el rango de S = {(1, 3, 2), (5, 4, 1), (−3, 0, 3)}, sis-
tema de vectores de R3 .
Solución:
Escribimos la combinación lineal igualada al vector nulo,
a + 5b − 3c = 0
3a + 4b = 0
2a + b + 3c = 0.
Hay 2 filas no nulas, ran(A) = 2 < 3(ya que estamos con vectores de R3 ) y
por tanto S es linealmente dependiente o ligado.
C. Chiralt / V.Renau
c UJI
12
(Soluciones: (a) libre, (b) ligado.)
Nota 1.6. El conjunto < ~v1 , ~v2 , . . . , ~vn > formado por todas las combina-
ciones lineales del SG {~v1 , ~v2 , . . . , ~vn } es siempre SEV de E.
Ejemplo 1.14. {(1, 0), (0, 1)} es SG de R2 , cualquier vector se puede ex-
presar como combinación lineal deestos vectores. Por ejemplo,
todos los vectores de T son combinación lineal de (1, −1, 2), luego este vector
es SG de T y podemos escribir T =< (1, −1, 2) >.
(c) V = {(x, y, z) ∈ R3 : z = x + y} = {(x, y, x + y) : x, y ∈ R}.
Veamos cómo serı́a en este caso,
esto es, cualquier vector de V es combinación lineal de los vectores (1, 0, 1), (0, 1, 1)
y éstos son SG de V que también podrı́amos escribirlo en la forma
(Soluciones: (a) (1, 0, 0), (0, 1, 0), (0, 0, 1), (b) (2, 1, 0), (1, 0, 1)).
C. Chiralt / V.Renau
c UJI
13
1.4. Base y dimensión de un espacio vectorial
Definición 1.12. Sea E EV sobre K y un sistema de vectores B =
{~u1 , ~u2 , . . . , ~un }. Decimos que B es base de E si se cumple:
es SG de E,
es libre.
Todo EV E 6= {~0} admite una base. Asimismo, un EV puede tener más de
una base, cuando trabajamos en Rn las bases más simples que podemos tener
son las llamadas bases canónicas:
La base canónica de R2 es B = {(1, 0), (0, 1)}.
~vB = (λ1 , λ2 , . . . , λn )
Nota 1.7. Las coordenadas de un vector cambian según la base que consi-
deremos.
Cuando queremos comprobar si un conjunto de vectores es base tenemos
que ver si es un sistema libre y si es sistema generador. Esto último no resulta
sencillo de demostrar, el siguiente teorema nos simplifica esto.
Teorema 1.2. Sea E un EV sobre K que tiene una base de n vectores
B = {~u1 , ~u2 , . . . , ~un }. Entonces,
(1) Todo sistema libre de n vectores de E es base.
C. Chiralt / V.Renau
c UJI
14
Ejemplo 1.16. Comprueba si B = {(2, −1, 3), (1, 4, 0), (3, 2, −1)} es base
de R3 .
Solución:
Las bases de R3 tienen 3 vectores. Veamos si B es un sistema libre y por
tanto base,
2 −1 3 1 4 0
F − 2F1
1 4 0 F1 ↔ F2 2 −1 3 2
F3 − 3F1
3 2 −1 3 2 −1
1 4 0 1 4 0
0 −9 3 9F3 − 10F2 0 −9 3 .
0 −10 −1 0 0 −39
Hay 3 filas no nulas, el ran(A) = 3, por tanto el sistema es libre.
Ejercicio 1.8. Comprueba si B = {(1, 2, 5), (3, 2, 1), (1, 0, 0)} es base de
R3 .
(Solución: sı́)
Solución:
(a) Las coordenadas ~u = (5, −1) , si no se especifica otra cosa, son las co-
rrespondientes a la base canónica de R2 , para obtener las coordenadas de este
vector en B procedemos de la siguiente manera,
igualamos componentes,
a+b =5
b = −1.
Resolvemos el sistema y obtenemos a = 6 y b = −1, las coordenadas del vector
en la base B son ~uB = (6, −1).
(b) El procedimiento es el mismo que en el caso anterior.
(4, −12, 5) = a(2, −1, 3)+b(1, 4, 0)+c(3, 2, −1) = (2a+b+3c, −a+4b+2c, 3a−c)
igualando,
2a + b + 3c = 4
−a + 4b + 2c = −12
3a − c = 5.
C. Chiralt / V.Renau
c UJI
15
(c) En este caso el procedimiento es diferente ya que nos piden las coordenadas
del vector en la base canónica y nos dan sus coordenadas en B. Las coordenadas
en B son los coeficientes de la combinación lineal de los vectores de B, luego
(a, b, c) = 2(1, 0, 2) + (−1)(2, −1, 3) + 1(0, 0, 1)
= (2, 0, 4) + (−2, 1, −3) + (0, 0, 1) = (0, 1, 2).
Las coordenadas en la base canónica son ~u = (0, 1, 2) .
Notemos que cuando hablamos de coordenadas en la base canónica no se
especifica de forma explı́cita.
Definición 1.13. Sea E un EV sobre K, E 6= {~0}. Llamamos dimensión
de E y lo escribiremos dim(E) al número de vectores de cualquiera de sus
bases.
La dimensión del EV formado por el vector nulo es 0, dim({~0}) = 0.
dim(R2 ) = 2, dim(R3 ) = 3, . . .,dim(Rn ) = n.
Teorema 1.4. Sea S un SEV de E. Entonces,
dim(S) ≤ dim(E).
Si dim(S) = dim(E) entonces S ≡ E.
Ejemplo 1.18. Halla una base y la dimensión de los siguientes SEV.
(a) S =< (1, 0, 0, 4), (3, 2, 1, 0)) > de R4 .
(b) S =< (1, 2, 3), (0, 1, 2), (1, 3, 5)) > de R3 .
Solución:
(a) Estos dos vectores generan el SEV S, es decir, son SG. Para ser base sólo
hemos de comprobar que son linealmente independientes,
1 0 0 4 1 0 0 4
F2 − 2F1 .
3 2 1 0 0 2 1 −12
Hay dos filas no nulas, el rango de la matriz es 2 y por tanto son linealmente
independientes y son base de S. Como hay 2 vectores en la base dim(S) = 2.
(b) Estos 3 vectores de generan el subespacio S, son SG ası́ que veamos si son
linealmente independientes,
1 2 3 1 2 3
0 1 2 F3 ↔ F1 0 1 2 F3 − F2
1 3 5 0 1 2
1 2 3
0 1 2 .
0 0 0
Hay 2 filas no nulas luego, hay dos vectores linealmente independientes. Como
la tercera fila corresponde al tercer vector significa que es combinación lineal
de los dos primeros (1, 2, 3), (0, 1, 2), éstos constituyen una base (SG+libre)
B = {(1, 2, 3), (0, 1, 2)} y entonces dim(S) = 2.
C. Chiralt / V.Renau
c UJI
16
Ejercicio 1.9. Sea E un EV de dimensión n y sean B = {~u1 , ~u2 . . . , ~un } y
B 0 = {~v1 , ~v2 . . . , ~vn } dos bases de E. Razona si es verdadero o falso que ~ui = ~vj
para algún i, j = 1, 2, . . . , n, es decir que ambas bases han de tener algún vector
en común.
(1) S =< ~u1 , ~u2 . . . , ~um > siendo B = {~u1 , ~u2 . . . , ~um } una base de S.
Por ejemplo,
dado que ~u1 , ~u2 . . . , ~um son SG. Si expresamos los vectores anteriores mediante
sus componentes,
~v =(x1 , x2 , . . . , xm )
~u1 =(u11 , u12 , . . . , u1m ), . . . , ~um = (um1 , um2 , . . . , umm )
de donde
x1 = λ1 u11 + λ2 u21 + . . . + λm um1
x2 = λ1 u12 + λ2 u22 + . . . + λm um2
...
xm = λ1 u1m + λ2 u2m + . . . + λm umm
C. Chiralt / V.Renau
c UJI
17
Nuestra intención es encontrar una relación entre las componentes x1 , x2 , . . . , xm
que caracterice cualquier vector que pertenezca al subespacio S. Para ello tra-
tamos de eliminar los parámetros λ1 , λ2 , . . . , λm mediante el método de elimi-
nación de Gauss y obtener dicha relación.
Si E = Rn podemos saber el número de ecuaciones caracterı́sticas de S, si
dim(Rn ) = n y dim(S) = m < n sabemos que
o lo que es lo mismo
El espacio total Rn es el que contiene TODOS los vectores, por tanto no tiene
ecuaciones que lo caractericen.
Ejercicio 1.10. Comprueba que el número de ecuaciones de Rn es 0.
Ejemplo 1.19. Halla las ecuaciones caracterı́sticas del SEV S =< (1, 0, 0), (0, 1, 1), (1, 1, 1)) >.
Solución:
En primer lugar veamos cuáles de esos vectores son linealmente indepen-
dientes (son SG)
1 0 0 1 0 0 1 0 0
0 1 1 F3 − F1 0 1 1 F3 − F2 0 1 1 .
1 1 1 0 1 1 0 0 0
Por tanto, nos quedamos con los linealmente independientes y son base B =
{(1, 0, 0), (0, 1, 1)}, dim(S) = 2. Calculamos el número de ecuaciones carac-
terı́sticas de S,
igualando
x= a
y= b
z = b.
Nos quedamos con las filas que tienen todo ceros en la parte izquierda, en este
caso sólo una, ası́ y − z = 0 es la ecuación cararcterı́stica de S,
S = (x, y, z) ∈ R3 : y − z = 0 .
C. Chiralt / V.Renau
c UJI
18
Ejercicio 1.11. Halla las ecuaciones caracterı́sticas de los siguientes subes-
pacios
(a) S =< (2, 1, 0, −1), (−1, 2, 1, −2), (−4, 4, 1, −3) > SEV de R4 .
(b) S =< (1, 0, 0, 4), (3, 2, 1, 0) > SEV de R4 .
(c) S =< (1, 0, 1, 0), (0, 2, 1, 0), (2, 1, 2, 1) > SEV de R4 .
(d) S =< (1, 2, 3), (0, 1, 2), (1, 3, 5) > SEV de R3 .
(e) S =< (1, 2, 3), (0, 1, 2), (1, 3, 5), (1, 2, 2) > SEV de R3 .
(Soluciones: (a) S = {(x, y, z, t) ∈ R4 : x + 5y + 5z + 7t = 0},
(b) S = {(x, y, z, t) ∈ R4 : y − 2z = 0, −4x + 12z + t = 0},
(c) S = {(x, y, z, t) ∈ R4 : −2x − y + 2z + t = 0},
(d) S = {(x, y, z) ∈ R3 : x − 2y + z = 0},
(e) S ≡ R3 , no hay ecuaciones.)
C. Chiralt / V.Renau
c UJI
19
1.6. Suma e intersección de subespacios vec-
toriales
Dados dos SEV S y T de E veamos cómo construir la suma y la intersección
de ambos.
Definición 1.14. Sean S y T SEV del EV E sobre K. Llamamos subes-
pacio suma de S y T al conjunto
S + T = {~u + ~v : ~u ∈ S y ~v ∈ T }
El SEV suma es el que está formado por vectores que se pueden expresar
como la suma de un vector de S y un vector de T .
Un resultado que simplifica trabajar con la suma de subespacios es el si-
guiente teorema.
Teorema 1.5. Si S y T son SEV de E sobre K, entonces S + T también
es SEV de E sobre K.
Ejemplo 1.20. Sean los subespacios de R3 ,
S = (x, y, z) ∈ R3 : x − 3z = 0 = {(3z, y, z) : y, z ∈ R}
T = (x, y, z) ∈ R3 : x + y − z = 0 = {(x, y, x + y) : x, y ∈ R}
S
T
C. Chiralt / V.Renau
c UJI
20
Teorema 1.6. Si S y T son SEV del EV E, entonces S ∩ T también es
SEV de E.
Ejemplo 1.21. Sea el EV R3 sobre ∈ R y sean los SEV
S = (x, y, z) ∈ R3 : x − 3z = 0
T = (x, y, z) ∈ R3 : x + y − z = 0 .
Más adelante veremos cómo obtener los SEV suma e intersección de forma
analı́tica.
Definición 1.16. Sean S y T SEV del EV E sobre K. Decimos que S + T
es SEV suma directa y lo denotamos por S ⊕ T , si cada vector del SEV suma
S + T se puede expresar de forma única como la suma de un vector de S y un
vector de T .
Resulta difı́cil deducir si el SEV S + T es suma directa mediante la defini-
ción, el siguiente teorema nos facilita esta tarea.
Teorema 1.7. Caracterización de suma directa de subespacios.
Sean S y T SEV del EV E sobre K, entonces S +T es suma directa (S ⊕T )
si y sólo si S ∩ T = {~0}.
Teorema 1.8. Sean S y T SEV de E. Entonces,
C. Chiralt / V.Renau
c UJI
21
Obtener una base de S.
−1 − 1 − 2 6= 0,
C. Chiralt / V.Renau
c UJI
22
Hay dos filas no nulas, por tanto los dos vectores son libres y forman base.
Ahora bien, podemos elegir otra base de S que es la formada por los dos
vectores que son las filas de la última matriz obtenida, usualmente estas bases
simplifican los cálculos posteriores. Tomamos como base de S,
S = (x, y, z) ∈ R3 : −x + y + z = 0 .
S + T =< (1, 0, 1), (0, −1, 1), (1, −1, −2) > .
El único subespacio que tiene dimensión 0 es el que está formado por el vector
nulo, por tanto
S ∩ T = {(0, 0, 0)} .
Una base es el mismo vector nulo y si queremos expresar sus ecuaciones,
S ∩ T = (x, y, z) ∈ R3 : x = y = z = 0 .
(d) Sı́ que es suma directa, S⊕T , ya que el subespacio intersección está formada
sólo por el vector nulo ~0.
C. Chiralt / V.Renau
c UJI
23
Ejemplo 1.23. Dados los SEV de R4
S = (x, y, z, t) ∈ R4 : x − 2y + 3z − t = 0, 2x + y − z + 2t = 0, 3x − y + 2z + t = 0
T = (x, y, z, t) ∈ R4 : x = 0, −y + 2z + t = 0 .
S + T =< (−1, 7, 5, 0), (−3, −4, 0, 5), (0, 1, 1, −1), (0, 0, −1, 2) > .
C. Chiralt / V.Renau
c UJI
24
Vemos cuáles son linealmente independientes, y después de hacer operaciones
elementales sobre filas llegamos a los vectores que forman una base de S + T ,
S ∩ T = {(x, y, z, t) ∈ R4 : x − 2y + 3z − t = 0, 2x + y − z + 2t = 0,
3x − y + 2z + t = 0, x = 0, −y + 2z + t = 0}
resolvemos el sistema formado por todas estas ecuaciones y obtenemos x = 0,
z = −3t, y = −5t,
S ∩ T = (x, y, z, t) ∈ R4 : x = 0, y = −5t, z = −3t
C. Chiralt / V.Renau
c UJI
25
Ejercicio 1.14. Dados los subespacios de R4
S = (x, y, z, t) ∈ R4 : x + y − z − t = 0, 2x + 2y − z − t = 0
T = (x, y, z, t) ∈ R4 : x − y = 0, z − t = 0 .
C. Chiralt / V.Renau
c UJI
26
pasamos la última fila al otro lado del igual, sacamos factor común de v~0 1 , v~0 2 , . . . , v~0 n
y tenemos,
Puesto que v~0 1 , v~0 2 , . . . , v~0 n son linealmente independientes los coeficientes de
la combinación lineal tienen que ser todos 0,
UB 0 = MB 0 B · UB ,
donde,
C. Chiralt / V.Renau
c UJI
27
.
Análogamente, podemos obtener las coordenadas de ~uB conociendo ~uB 0 ,
UB = MBB 0 · UB 0 ,
MBB 0 · MB 0 B = In ,
por tanto,
MBB 0 = M−1
B0B .
bases de R3 y sea ~vB = (2, 1, −4) coordenadas del vector en la base B, calcula
las coordenadas de ~v en la base B 0 .
Solución: en primer lugar calculamos las coordenadas de los vectores de B en
la base B 0 ,
1 =7a − 4b + 3c
0 =2a − b + c
−1 = − a + 7b + 2c.
C. Chiralt / V.Renau
c UJI
28
Por tanto, ~vB 0 = (6, 5, −10).
Estos cambios de base se simplifican si nos dan las coordenadas de un
vector en una determinada base y queremos hallar sus coordenadas en la base
canónica.
Ejemplo 1.25. Sea ~uB = (2, −1, 5) siendo B = {(0, 1, 1), (1, 0, 1), (0, 1, 0)},
calcula las coordenadas de ~u en la base canónica.
Por tanto, las coordenadas del vector en la base canónica son ~u = (−1, 7, 1).
bases de R3 y sea ~uB 0 = (3, 1, −2) coordenadas del vector en la base B 0 , calcula
las coordenadas de ~u en la base B.
C. Chiralt / V.Renau
c UJI
29