Tema3 EspaciosVectoriales Tarde 6xpag

Espacios vectoriales
¿Qué imagen tenemos de un vector?

Para representar magnitudes fı́sicas como fuerzas, velocidades, etc.
F +G
F
Espacios vectoriales Los vectores se suman y se reescalan
dando lugar a nuevos vectores.
2G
G
Tema 3 −F
Eso mismo ocurre en otros contextos y con otros objetos
Por ejemplo, en R2 los pares: (x + x , y + y )

Gregoria Blanco y + y (x, y)
y
(x, y) + (x , y ) = (x + x , y + y )
α · (x, y) = (αx, αy) y (x , y )
Dep. de Matemática Aplicada a las TIC αx
ETSISI (U. Politécnica de Madrid) x x x + x
Con estas operaciones se comportan αy
igual que los vectores fı́sicos. (αx, αy)
Álgebra, ETSISI, UPM 1 Álgebra, ETSISI, UPM 2
Espacios vectoriales Espacios vectoriales
O las matrices:
Definición axiomática
Un conjunto V , cuyos elementos llamaremos vectores, se dice que es
a b c a b c a + a b + b c + c un espacio vectorial sobre el cuerpo K si en él están definidas dos ops.:
+ =
d e f d e f d + d e + e f + f
+ La suma de vectores tal que u + v ∈ V ∀ u, v ∈ V , y
·K El producto por un escalar (elemento de K) tal que α · u ∈ V ∀u ∈ V, ∀ α ∈ K
a b c αa αb αc
α· =
d e f αd αe αf verificándose:
La suma de matrices del mismo orden es otra del mismo tipo y el producto de (S1) Asociativa: u + (v + w) = (u + v) + w para todo u, v, w ∈ V .
una matriz por un escalar (un no ) es otra del mismo tipo. (S2) Conmutativa: u+v = v+u para todo u, v ∈ V .
(S3) Elemento neutro: ∃ 0V ∈ V tal que u + 0 V = 0V + u = u ∀u ∈ V .
O los polinomios: (S4) Elemento opuesto: Para cada u ∈ V existe un vector en V que llamaremos opuesto
y designaremos −u, tal que u + (−u) = (−u) + u = 0V .
p(x) = 3 + 2x − 5x2 p(x) + q(x) = 2 + 2x − 4x2 − x3
=⇒ (P1) 1K · u = u ∀u ∈ V .
q(x) = −1 + x − x 2 3 (−2) · p(x) = −6 − 4x + 10x2
(P2) α · (β · u) = (α · β) · u ∀ α, β ∈ K, ∀ u ∈ V .
La suma de polinomios es otro polinomio y el producto (P3) (α + β) · u = α · u + β · u ∀ α, β ∈ K, ∀ u ∈ V .
de un polinomio por un escalar es otro polinomio.
(P4) α · (u + v) = α · u + α · v ∀ α ∈ K, ∀ u, v ∈ V .

α
Propiedades Ejemplos notables

Sea V un espacio vectorial sobre K. Entonces, El espacio vectorial más pequeño: {0V }.
R2 = {(x1 , x2 ) / xi ∈ R} es espacio vectorial sobre R.
V nunca es vacı́o. (Ha de contener al elemento neutro 0V )
R3 = {(x1 , x2 , x3 ) / xi ∈ R} es espacio vectorial sobre R.
El elemento neutro de V es único.
R4 = {(x1 , x2 , x3 , x4 ) / xi ∈ R} es espacio vectorial sobre R.
0K · u = 0V para todo u ∈ V . ... cuádruplas de números reales
Rn = {(x1 , x2 , x3 , x4 , . . . , xn ) / xi ∈ R} es espacio vectorial sobre R.

α · 0V = 0V para todo α ∈ K.
n-uplas de números reales
El elemento opuesto para cada u ∈ V es único. ¿Y si cambiamos de cuerpo?
(−1K ) · u = −u para todo u ∈ V . Z22 = {(x1 , x2 ) / xi ∈ Z2 } es espacio vectorial sobre Z2 .
En general, dado un cuerpo K

Kn = {(x1 , x2 , x3 , x4 , . . . , xn ) / xi ∈ K} es espacio vectorial sobre K.

R[x] = {polinomios en x con coeficientes en R} M2×3 (R) = {matrices 2 × 3 con coeficientes en R}

= {a0 + a1 x + a2 x2 + . . . an xn / ai ∈ R} a11 a12 a13
= / aij ∈ R
a21 a22 a23
es espacio vectorial sobre R.
(con la suma habitual elemento a elemento y el producto por un escalar elemento a
¿Y si cambiamos de cuerpo? elemento)
Z2 [x] = {polinomios en x con coeficientes en Z2 } es espacio vectorial sobre R.

= {a0 + a1 x + a2 x2 + . . . an xn / ai ∈ Z2 }
En general, dado un cuerpo K
es espacio vectorial sobre Z2 .
Mn×m (K) = {matrices n × m con coeficientes en K}
En general, dado un cuerpo K ⎛ ⎞
a11 a12 · · · a1m
K[x] = {polinomios en x con coeficientes en K} = ⎝ ........ ⎠ / aij ∈ K
= {a0 + a1 x + a2 x2 + . . . an xn / ai ∈ K} an1 an2 · · · anm
es espacio vectorial sobre K. es espacio vectorial sobre K.
Dependencia lineal Ej.: En R2 , ¿es u = (1, 2) combinación lineal de v1 = (1, 1) y v2 = (−1, 1)?
Diremos que un vector u es COMBINACIÓN LINEAL de los Lo es ⇔ existen α, β ∈ R tales que u = αv1 + βv2
vectores v1 , . . . , vn si existen α1 , . . . , αn ∈ K tales que
⇔ existen α, β ∈ R tales que (1, 2) = α(1, 1) + β(−1, 1)
u = α1 · v1 + . . . + αn · vn ⇔ existen α, β ∈ R tales que (1, 2) = (α − β, α + β)
También se dice que u depende linealmente de los vectores v1 , . . . , vn . ⇔ existen α, β ∈ R tales que 1=α−β
2=α+β (S)
Obs.: ⇔ el sistema lineal (S) es compatible

• Este objeto involucra a las dos operaciones caracterı́sticas del 1 −1 1 1 −1 1 1 −1 1 1 0 3
2
espacio vectorial. 1 1 2 ∼ 0 2 1 ∼ 0 1 1 ∼ 0 1 1
2 2
• La COMBINACIÓN LINEAL es el concepto clave en este tema. Luego el sistema es compatible determinado con α= 3
2
, β= 1
2
3
Por tanto, u es combinación lineal de v1 y v2 y u= v
2 1
+ 12 v2

1 3 1 1 −1
= 2
+ 2
2 1 1
Ej.: En R[x], ¿es p(x) = 1+x2 comb. lineal de q1 (x) = 1+2x−x2 y q2 (x) = 2+x? En el espacio vectorial V , diremos que el conjunto de vectores
{v1 , . . . , vn } es un SISTEMA GENERADOR de V si
Lo es ⇔ existen α, β ∈ R tales que p(x) = αq1 (x) + βq2 (x) todo vector de V es combinación lineal de los vectores v1 , . . . , vn .
⇔ ∃ α, β ∈ R tales que 1 + x2 = α(1 + 2x − x2 ) + β(2 + x)
Ej.: ¿Es {(1, 1), (−1, 1)} un sistema generador de R2 ?
⇔ ∃ α, β ∈ R tales que 1 + x2 = (α + 2β) + (2α + β)x − αx2
Lo es ⇔ TODO vector de R2 es comb. lineal de (1, 1) y (−1, 1).
⇔ ∃ α, β ∈ R tales que 1 = α + 2β
0 = 2α + β (S) Sea (x, y) un vector genérico de R2 ,
1 = −α Veamos si existen α, β ∈ R tales que (x, y) = (α − β, α + β)
⇔ el sistema lineal (S) es compatible
Es decir, si ∃ α, β ∈ R tales que x = α − β
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ (las incógnitas son α y β )
1 2 1 1 2 1 1 2 1 y =α+β
⎝ 2 1 0 ⎠ ∼ ⎝ 0 −3 −2 ⎠ ∼ ⎝ 0 −3 −2 ⎠
x+y
−1 0 1 0 2 2 0 0 2 1 −1 x 1 −1 x 1 −1 x 1 0
3 ∼ ∼ y−x ∼ 2
y−x
1 1 y 0 2 y−x 0 1 2 0 1 2
Luego el sistema es incompatible.
x+y y−x
Luego el sistema de ecs. es compatible determinado con α= , β= .
Por tanto, p(x) no es combinación lineal de q1 (x) y q2 (x) 2 2
2
Por tanto, es sitema de vectores dado es GENERADOR de R .

En el espacio vectorial V , diremos que el conjunto de vectores En el espacio vectorial V , diremos que el conjunto de vectores
{v1 , . . . , vn } es un SISTEMA GENERADOR de V si {v1 , . . . , vn } es un SISTEMA GENERADOR de V si
todo vector de V es combinación lineal de los vectores v1 , . . . , vn . todo vector de V es combinación lineal de los vectores v1 , . . . , vn .
Ej.: ¿Es {(1, 1), (−1, 1), (1, 0)} un sistema generador de R2 ? Obs.:
Sea (x, y) un vector genérico de R2 . Si a un sistema generador añadimos más vectores, sigue siendo
Veamos si existen α, β, γ ∈ R tales que sistema generador.
Los que se añaden son combinaciones lineales de los originales.
x 1 −1 1
=α +β +γ
y 1 1 0 Interesa que el sistema generador tenga el menor número posible
de elementos.
1 −1 1 x 1 −1 1 x
1 1 0 y ∼ 0 2 −1 y−x
Diremos que v1 , . . . , vn son LINEALMENTE DEPENDIENTES si
1 −1 1 x 1 0 1 x+y
∼ 2 2 alguno de esos vectores es combinación lineal del resto.
0 1 −1 y−x ∼ y−x
2 2 0 1 −1
2 2
Diremos que son LINEALMENTE INDEPENDIENTES en caso con-
Luego el sistema de ecs. es compatible (indeterminado).
trario.
Por tanto, es sitema de vectores dado es GENERADOR de R2 .
En Kn :
Terminologı́a
v1 , . . . , vr son lin. independientes ⇔ el sistema de ecs. lin. asociado a
• sistema ligado: conjunto de vectores linealmente dependientes.
α 1 · v 1 + . . . + α r · v r = 0V
• sistema libre: conjunto de vectores linealmente independientes. tiene solución única (trivial).
Caracterización
v1 v2 vr
v 1 , . . . , vr son lin. dependientes ⇔ existen α 1 , . . . , αr ∈ K ⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞ v1 v2 vr
0 ⎛ ⎞
no todos nulos tales que 0
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ .. ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ . ⎟ ⎜ .. ⎟
0 V = α1 · v1 + . . . + αr · vr α1 ⎜
⎜
⎟ + α2 ⎜
⎟ ⎜
⎟ + · · · + αr ⎜
⎟ ⎜
⎟=⎜
⎟ ⎜ .
⎟
⎟
⎜
⎝ ... ⎟
. ⎠
⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ .. ⎠
0
0
O lo que es lo mismo: A
v1 , . . . , vr son lin. independientes ⇔ los únicos α1 , . . . , αr ∈ K Conclusión:

que verifican rg(A) = r ⇔ el sist. de ecs. es comp. DETERMINADO.
La solución única es la trivial:
0 V = α1 · v1 + . . . + αr · vr
α1 = α2 = . . . = αr = 0
son α1 = α2 = . . . = αr = 0.
(v1 , . . . , vr lin. independientes)
Conclusiones:
Además, en el caso de que rg(A) = k < r,
• El rango de una matriz es el número de filas linealmente independientes y también el
número de columnas linealmente independientes. Luego rg(A) = rg(A ).
v1 v 2 . . . vr
• EscR(A) no sólo nos dice cuántos vectores columna son independientes (rg(A)),
sino cómo extraer del conjunto original de vectores columna un subconjunto con el
A= ∼ = EscR(A) máximo número de vectores linealmente independientes.
A∗ = = EscR(A∗ )
¿Y si no estamos en Kn ?
En EscR(A) hay k filas distintas de ceros.
En EscR(A) hay k filas cuyo primer elemento no nulo es 1 y estos k unos

están en columnas distintas. En el espacio vectorial V llamaremos rango de un sistema de vectores
{v1 , . . . , vr } al no máximo de vectores lin. independientes que contiene.
En EscR(A) las k columnas correspondientes a estos k unos son vectores
linealmente independientes.
Se notará rg(v1 , . . . , vr ).
En EscR(A), k es el número máximo de columnas linealmente independientes.

Bases de un espacio vectorial Propiedades Sea B = [v1 , . . . , vn ] una base de V . Entonces:

Una base B del espacio vectorial V es un sistema generador y libre. 0V = (0, . . . , 0)B .
Se notará siempre como un conjunto ordenado de vectores:
v = (α1 , . . . , αn )B , w = (β1 , . . . , βn )B ⇒ v+w = (α1 +β1 , . . . , αn +βn )B .
B = [v1 , . . . , vn ] v = (α1 , . . . , αn )B , λ ∈ K ⇒ λ · v = (λ · α1 , . . . , λ · αn )B .
vi = (0, . . . ,
1 , . . . , 0)B para todo vi de B .
Proposición i
Si B = [v1 , . . . , vn ] es una base de V , para cada vector v de V , existen

unos únicos α1 , α2 , . . . , αn ∈ K tales que
Obs.: Fijada una base B de V , todo se reduce a trabajar en el espacio
v = α1 · v1 + α2 · v2 + . . . + αn · vn vectorial Kn .
MEDIDA ANTIPÁNICO: ¿Podemos contar siempre

Llamaremos coordenadas de v respecto de la base B a la n-upla Fijar una base en V . con tal
(α1 , α2 , . . . , αn ) y escribiremos v = (α1 , α2 , . . . , αn )B .
BASE ?
Teorema de la base Ej.: K[x] no lo es ∃ vectores indep. Ejemplos

Sea V un espacio vectorial finitamente generado y V = {0V }. En R2 , una base es [(1, 0), (0, 1)] (la canónica, Bc )
Entonces:
Luego dim(R2 ) = 2
V tiene una base.
En Z35 , una base es [(1, 0, 0), (0, 1, 0), (0, 0, 1)] (la canónica, Bc )
Toda base de V tiene el mismo número de elementos.
Luego dim(Z35 ) = 3
Lema Si en un sistema generador se elimina un vector que es combi- Y en general, dim(Kn ) = n

nación lineal del resto, el sistema sigue siendo generador.
En M2×3 (R), una base es
Llamaremos DIMENSIÓN de V al número de vectores que tiene una
1 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0
de sus bases. , , , , ,
0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 1
Lo notaremos dim(V ). Por convenio diremos que dim({0V }) = 0. (la canónica, Bc )

Luego dim(M2×3 (R)) = 6
Y en general, dim(Mn×m (K)) = n · m
Con polinomios: ¿Cómo averiguar cómodamente si estamos ante una base?

Sabemos que K[x] no es finitamente generado.
Sepamos más de los sistemas generadores y de los libres
Limitemos el grado:
{polinomios de grado 2 con coeficientes en R} = {p(x) ∈ R[x] / g(p(x)) = 2}
= {a + bx + cx2 / a, b, c ∈ R, con c = 0} Primero unas observaciones sencillas:
NO es espacio vectorial
Pero ESTE SÍ: Al añadir un vector a un sistema generador, éste sigue siendo generador.
{polinomios de grado ≤ 2 con coeficientes en R} = {p(x) ∈ R[x] / g(p(x)) ≤ 2} Quitar uno, en cambio, puede cambiar esa condición (capacidad generadora).
= {a + bx + cx2 / a, b, c ∈ R} = R2 [x]
Una base es [1, x, x2 ] (Una canónica, Bc . Otra, Bc = [x2 , x, 1]) Al quitar un vector a un sistema libre, éste sigue siendo libre.
Luego dim(R2 [x]) = 3 Añadir uno, en cambio, puede alterar esa condición (perder la independencia).
Y en general, dim(Kn [x]) = n + 1
donde Kn [x] = {a0 + a1 x + a2 x2 + · · · + an xn / ai ∈ K para todo i}

Propiedades Sea V un espacio vectorial de dimensión n > 0 y Cambio de base

sea S un sistema de m vectores. Fijar una base en un espacio V es dar un sistema de referencia para expresar los vectores de
V.
S es sistema generador de V ⇔ S contiene una base de V .
Como las bases no son únicas, existen distintas formas de referenciar un mismo vector de V .
S es sistema generador de V ⇒ m ≥ n.
Es algo parecido a lo que ocurre al medir longitudes:
S es sistema libre de V ⇔ S se extiende a una base de V .
Una misma cantidad puede expresarse en metros o en centı́metros (por ejemplo).
S es sistema libre de V ⇒ m ≤ n. está contenido en
Eso no supone ningún problema salvo que se quieran sumar dos longitudes expresadas en
S es sistema generador de V y m = n ⇒ S es una base. distintas unidades.
S es sistema libre de V y m = n ⇒ S es una base. ¡HAY QUE UNIFORMIZAR!

Expresar todo respecto de las mismas unidades / respecto de la misma base.
Teorema del rango
Expresión del cambio de unidades: Expresión del cambio de base:
K S es sistema generador de V ⇔ rg(S) = dim(V ).
1 m = 100 cm
A continuación.
K S es sistema libre en V ⇔ rg(S) = |S|. 1 cm = 100−1 m

Ej.: En R2 Bc = (1, 0), (0, 1) v = (1, 2) = (1, 2)Bc Ej.: En R3 , dar las expresiones matriciales del cambio de base entre:

B = (1, 1), (−1, 1) ¿Coords. de v resp. de B? Bc = (1, 0, 0), (0, 1, 0), (0, 0, 1) y B = (1, 1, 1), (0, 1, 1), (1, 0, 1)
⎛ ⎞
1 0 1
v = (x, y)B 1 0 1 XBc = ⎝ 1 1 0 ⎠ XB
1 1 1
1 1 −1 −1 x
X = 1 1 0 ·X B ⎛ ⎞
1 Bc 1 1 −1
=x +y =
2 1 1 1 1 y 1 1 1 XB = ⎝ −1 0 1 ⎠ XBc
B
0 −1 1
En general:

x 1 −1 x x ¿Cómo recordar dónde va quién? Por coherencia:
= Despejamos
y 1 1 y y
Bc B B ⎛ ⎞⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 0 1 x 1 0 1
C ⎝ 1
1 0 ⎠⎝ y ⎠ = x⎝ 1 ⎠ + y⎝ 1 ⎠ + z⎝ 0 ⎠
1 1
x 2 2 x 1 1 1 z 1 1 1
=
y B − 12 1 y Bc ⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
2 Expresiones matriciales Son números, al margen
de qué representen 1 0 1 x
del CAMBIO DE BASE
En particular: C −1
= x⎝ 1 ⎠ + y⎝ 1 ⎠ + z⎝ 0 ⎠ = ⎝ y ⎠

1 1

3
X B c = C · XB 1 1 1 z B
x 2 2 1 2 Bc Bc Bc c
y
=
− 12 1 2
= 1 XB = C −1 · XBc
B 2 Bc 2 B
En general La expresión matricial que permite el cambio de base para las coordenadas de v es:

Sean B = [u1 , . . . , un ] y B = [u1 , . . . , un ] dos bases de V. ⎛ (u1 )B (u2 )B
(un )B⎞
coords. de ui ∈ B

Sea v un vector de V cuyas coordenadas respecto de ambas bases son: ⎛ ⎞ ⎛ ⎞respecto de la base B
x1 ⎜ ⎟ x1
⎜ ⎟ ⎜ ⎟⎜ . ⎟
= ⎜ ⎟⎝ . ⎠
v = (x1 , . . . , xn )B .. ...
⎝ . ⎠ ⎜ ⎟ .
⎝ ⎠
v = (x1 , . . . , xn )B xn xn B
B
Para construir la matriz de cambio de base C (una de ellas, la otra será su inversa)
C
SE NECESITA TENER:
¢ Los vectores de una de las bases expresados en coordenadas respecto de la otra.

Y en sentido inverso: ⎛ ⎞ ⎛ ⎞
x1 x1
⎜ .. ⎟ −1 ⎜ .. ⎟
Por ejemplo, los vectores de B expresados en coordenadas respecto de B : ⎝ . ⎠ =C ·⎝ . ⎠
xn B
xn B
u1 = (, , · · · , )B ←− (u1 )B
u2 = (, , · · · , )B ←− (u2 )B
.. .. Analogı́a con el cambio de unidades (de longitud):
. .
un = (, , · · · , )B ←− (un )B
X B = C · X B Lcm = 100 · Lm
(notación)
vectores de B expresados valor de 1m expresado
y entonces... en coords. resp. de B en cm
Subespacios vectoriales Ejemplos

Un SUBESPACIO VECTORIAL de un espacio V es un subconjunto Todo espacio V tiene dos subespacios triviales: V y {0V }
S de V tal que, con las operaciones +, ·K heredadas de V , tiene
estructura de espacio vectorial. En R2 : Subespacios:
S2 S1
J Con dim. 0: S0 = {0R2 } = {(0, 0)}
Obs.: Si S es subespacio de V , 0V ∈ S S0 J Con dim. 1: S1 = recta que pasa por el origen.
J Con dim. 2: S2 = R2
Caracterización
Un subconjunto S de V es subespacio vectorial de V si y solo si En R3 : Subespacios:
S3 S1
J Con dim. 0: S0 = {0R3 } = {(0, 0, 0)}
S = ∅ (no es vacı́o). S2
J Con dim. 1: S1 = recta que pasa por el origen.
u+v ∈S para todo u, v ∈ S. S0
λu ∈ S para todo u ∈ S y todo λ ∈ K. J Con dim. 2: S2 = plano que pasa por el origen.
J Con dim. 3: S3 = R3
En Mn (K), En R3 ,
Dn (K) = {matrices diagonales de orden n con coefs. en K} S = {soluciones de la ec. lineal homogénea: 3x + 5y + 2z = 0}
⎛ ⎞ = {(x, y, z) ∈ R3 / 3x + 5y + 2z = 0}
⎜
= {⎝
λ1
. . ⎟ 0
⎠ / λi ∈ K}
0
. es un subespacio vectorial.
λn
También lo es el conjunto

es un subespacio vectorial. dim(Dn (K)) = n 3x + 5y + 2z = 0
S = {sols. del sist. de ecs. lineales homogéneas: }
2x − y + 3z = 0
Sn (K) = {mat. triangulares superiores de orden n con coefs. en K}
⎛ ⎞ 3x + 5y + 2z = 0
= {(x, y, z) ∈ R3 / }
a11 . . . a1n 2x − y + 3z = 0
⎜ . . ⎟
= {⎝ .. .. ⎠ / aij ∈ K}
0
ann Y en general, en Kn , es subespacio vectorial el conjunto
n2 − n n2 + n
es un subespacio vectorial. dim(Sn (K)) = +n = S = {sols. de un sist. dado de ecs. lineales homog. con coefs. en K}
2 2
En Kn [x] es subespacio vectorial de K[x].
En el espacio vectorial V , si v1 , v2 , v3 ∈ V , el conjunto El SUBESPACIO GENERADO por los vectores v1 , v2 , . . . , vk del

S = {combinaciones lineales de v1 , v2 , v3 } espacio V es el menor subespacio que contiene a esos vectores.
= {λ1 v1 + λ2 v2 + λ3 v3 / λi ∈ K} Significa que cualquier otro subespacio que contenga a esos vectores
necesariamente debe contener a este subespacio.
= L(v1 , v2 , v3 ) es un subespacio vectorial.
Notación
Dem.: Ej.: En R3 :
S = ∅, ya que 0V = 0v1 + 0v2 + 0v3 , luego 0V ∈ S . L(v1 )

Si u, u ∈ S entonces u = λ1 v 1 + λ2 v 2 + λ3 v 3 v2
para ciertos λi , λi ∈ K.
u = λ1 v1 + λ2 v2 + λ3 v3 v1 L(v1 , v2 )
v1
En consecuencia: u + u = (λ1 + λ1 )v1 + (λ2 + λ2 )v2 + (λ3 + λ3 )v3 ∈ S
Si u ∈ S entonces u = λ1 v1 + λ2 v2 + λ3 v3 para ciertos λi ∈ K.

Y para todo λ ∈ K, λu = (λλ1 )v1 + (λλ2 )v2 + (λλ3 )v3 ∈ S Proposición
El subespacio generado por v1 , v2 , . . . , vk es L(v1 , v2 , . . . , vk ).
En general L(v1 , v2 , . . . , vk ) es subespacio vectorial de V .


Formas de describir un subespacio S en un espacio de dimensión finita V Ejemplo En R3 : S = L (1, −2, 0), (−2, 4, 0)
(x, y, z) ∈ S ⇔ (x, y, z) es combinación lineal de (1, −2, 0) y (−2, 4, 0)

⎛ ⎞ ⎛ ⎞ ⎛ ⎞
Mediante un sistema generador: S = L(v1 , v2 , . . . , vk ). x 1 −2
⇔ ⎝ y ⎠ = λ ⎝ −2 ⎠ + μ ⎝ 4 ⎠ para algún λ, μ ∈ R
Mediante ecuaciones paramétricas: z 0 0
Consiste en dar las coordenadas de un vector genérico de S en función ⎫

x = λ − 2μ ⎬
de una serie de parámetros. ⇔ y = −2λ + 4μ Unas ecuaciones paramétricas de S
⎭
z = 0 (no minimales)
Mediante ecuaciones implı́citas:

Consiste en un sistema de ecuaciones lineales homogéneas que deben Obs.: S = L (1, −2, 0), (−2, 4, 0) = L (1, −2, 0) ⇒ BS = (1, −2, 0)
satisfacer las coordenadas de los vectores de S.
dependientes base de S
⎫
x = λ ⎬
(x, y, z) ∈ S ⇔ y = −2λ Otras ecuaciones paramétricas de S
⎭
z = 0 (minimales)
Respecto de una base de referencia fijada en V

Ejemplo En R3 : S = L (1, −2, 0), (−2, 4, 0) = L (1, −2, 0) Ejemplo En R3 : T = L (1, 0, 1), (0, 1, 1)
(x, y, z) ∈ S ⇔ (x, y, z) es combinación lineal de (1, −2, 0) ⎛ ⎞

1 0 dim(T ) = 2
⎛ ⎞ 1 0 1
rg ⎝ 0 1 ⎠ = rg =2 ⇒

1 x 0 1 1
⇔ rg ⎝ −2 y ⎠ = 1 1 1 BT = (1, 0, 1), (0, 1, 1)
0 z (base de T )
⎛ ⎞ ⎛ ⎞
1 x 1 x
⎝ −2 y ⎠ ∼ ⎝ 0 y + 2x ⎠ tiene rango 1 ⇔ 2x + y = 0
z = 0 (x, y, z) ∈ T ⇔ (x, y, z) es combinación lineal de los vectores de BT
0 z 0 z
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
x 1 0
Unas ecuaciones implı́citas de S ⇔ ⎝ y ⎠= λ⎝ 0 ⎠ + μ⎝ 1 ⎠ para algún λ, μ ∈ R
(minimales) z 1 1
⎫
Obs.: x = λ ⎬
⇔ y = μ Unas ecuaciones paramétricas de T
dim(S) = rg (1, −2, 0), (−2, 4, 0) = |BS | ⎭
z = λ+μ (minimales)
= núm. de parámetros de unas ecs. paramétricas minimales.
= dim(R3 )− núm. de ecs. implı́citas minimales.

Ejemplo En R3 : T = L (1, 0, 1), (0, 1, 1) Ejemplo En R3 tenemos las tres descripciones tı́picas de T :

(x, y, z) ∈ T ⇔ (x, y, z) es combinación lineal de los vectores de BT T = L (1, 0, 1) , (0, 1, 1)
B B
⎫
⎛ ⎞ x = λ ⎬
1 0 x T = {(x, y, z) ∈ R3 / y = μ para ciertos λ, μ ∈ R}
⇔ rg ⎝ 0 1 y ⎠=2 B ⎭
z = λ+μ
1 1 z
T = {(x, y, z) ∈ R3 / x + y − z = 0}
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ B
1 0 x 1 0 x 1 0 x
⎝ 0 1 y ⎠ ∼⎝ 0 1 y ⎠∼⎝ 0 1 y ⎠ tiene rango 2
Se abrevia ası́:
1 1 z 0 1 z−x 0 0 z−x−y
⎫
⇔
x = λ ⎬

x+y−z = 0 T ≡ y = μ T ≡ x + y − z = 0}
Unas ecuaciones implı́citas de T ⎭ B
z = λ+μ
(minimales) B
Éstas son las soluciones de

dim(T ) = dim(R3 )− núm. ecs. implı́citas minimales
Obs.: Si los vectores de la base de T no están resp. de Bc sino de otra base B ,
=3−1=2
queda reflejado en las ecuaciones paramétricas e implı́citas donde puede verse.
Ecuaciones paramétricas vs. ecuaciones implı́citas Ecuaciones paramétricas vs. ecuaciones implı́citas
subespacio subespacio
S S
ECUACIONES PARAMÉTRICAS ECUACIONES IMPLÍCITAS ECUACIONES IMPLÍCITAS

• ¿(3, 2, −1) está en S? x−y+z = 0
x − 2y − z = 0
S S
ECUACIONES PARAMÉTRICAS ECUACIONES IMPLÍCITAS

⎫
x = −3λ ⎪
⎬
• ¡Dame uno de S! • ¿(1, 1, 1) está en S?
y = −2λ x−y+z = 0
⎪
⎭
z = λ
S S
ECUACIONES PARAMÉTRICAS ECUACIONES IMPLÍCITAS ECUACIONES PARAMÉTRICAS

⎫
x = λ−μ ⎪
⎬ Controlar Generar
• ¡Dame uno de S!
y = λ
⎪
⎭
z = μ

Ecuaciones paramétricas vs. ecuaciones implı́citas ¿Iguales o distintos?

En R3 :
⎫
x = λ−μ ⎬
S1 ≡ y = λ + 2μ T1 ≡ x + 2y − 3z = 0
1. Saco una base BS . ⎭
z = λ+μ
2. Impongo que un vector genérico
de S sea comb. lineal de los de BS . ⎫
x = 2λ ⎬
S2 ≡ y = −4λ T2 ≡ x + 2y − 3z = 0
Menos fácil: ingenio. ⎭
z = −2λ
⎫
x = λ−μ ⎬
ECUACIONES PARAMÉTRICAS x + 2y − 3z = 0
ECUACIONES IMPLÍCITAS S3 ≡ y = λ + 2μ T3 ≡
⎭ y+z = 0
z = λ+μ
Fácil: Resolviendo el sistema. ¿Si = Ti ?
Recordemos: Ejemplos
Sean A y B dos conjuntos. Entonces
En R3 : ¿S1 = T1 ?
• A=B ⇔ A ⊂ B y B ⊂ A. ⎫
x = λ−μ ⎬
Si tienen cardinal finito, entonces S1 ≡ y = λ + 2μ T1 ≡ x + 2y − 3z = 0
⎭
• A=B ⇔ A ⊂ B y |A| = |B|. z = λ+μ
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
x 1 −1
Proposición (x, y, z) ∈ S1 ⇔ ⎝ y ⎠ = λ ⎝ 1 ⎠ + μ ⎝ 2 ⎠ ⇔ S1 = L (1, 1, 1), (−1, 2, 1)
z 1 1
Sean S y T dos subespacios vectoriales de dimensión finita. Entonces ⎛ ⎞
1 −1 dim(S1 ) = 2
S=T ⇔ S ⊂ T y dim(S) = dim(T ). Quien controla una base rg ⎝ 1 2 ⎠=2 ⇒
controla todo el espacio 1 1 BS1 = (1, 1, 1), (−1, 2, 1)
S⊂T ⇔ BS ⊂ T .
(1, 1, 1) ∈ T1 ya que verifica 1 + 2 · 1 − 3 · 1 = 0
⇒ B S1 ⊂ T 1 ⇒ S1 ⊂ T 1
(−1, 2, 1) ∈ T1 ya que verifica −1+2·2−3·1 = 0
Como dim(T1 ) = 3 − 1 = 2 = dim(S1 ) y S1 ⊂ T1 entonces S1 = T 1
Ejemplos Ejemplos
3
En R : ¿S2 = T2 ? En R3 : ¿S3 = T3 ?
⎫ ⎫
x = 2λ ⎬ x = λ−μ ⎬
x + 2y − 3z = 0
S2 ≡ y = −4λ T2 ≡ x + 2y − 3z = 0 S3 ≡ y = λ + 2μ T3 ≡
⎭ ⎭ y+z = 0
z = −2λ z = λ+μ
⎛ ⎞ ⎛ ⎞
x 2 Ya sabemos que S3 = L ((1, 1, 1), (−1, 2, 1)) , y que dim(S3 ) = 2.
(x, y, z) ∈ S2 ⇔ ⎝ y ⎠ = λ ⎝ −4 ⎠ ⇔ S2 = L (2, −4, −2)
z −2 1 2 −3
dim(T3 ) = 3 − rg = 3 − 2 = 1 < dim(S3 ) ⇒ S3 = T3 ¿T 3 ⊂ S3 ?
0 1 1
dim(S2 ) = 1
1 Necesitamos una base de T3
⇒ ⎫
BS2 = (2, −4, −2) x = 5λ ⎬
1 2 −3 1 0 −5
∼ ⇒ y = −λ
⎭
≡ T3 = L (5, −1, 1)
0 1 1 0 1 1 z = λ
(2, −4, −2) ∈ T2 ya que 2 + 2 · (−4) − 3 · (−2) = 0 ⇒ BS2 ⊂ T2 ⇒ S2 ⊂ T 2
2 ¿B T3 ⊂ S3 ? ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 −1 5 1 −1 5 1 −1 5
Como dim(T2 ) = 3 − 1 = 2 > dim(S2 ) y S2 ⊂ T2 entonces S2 T 2 SÍ rg ⎝ 1 2 −1 ⎠ = rg ⎝ 0 3 −6 ⎠ = rg ⎝ 0 3 −6 ⎠ = 2
T3 S3 ⇐= 1 1 1 0 2 −4 0 0 0
Construcción de nuevos subespacios Obs.: S ∪ T , en general, no es subespacio vectorial.

Sean S y T dos subespacios del espacio V . En R3 :
u+v
LA INTERSECCIÓN DE SUBESPACIOS T
S
S∪T
S ∩ T = {v ∈ V / v ∈ S y v ∈ T } u v
Propiedades
Es un subespacio vectorial.
NO es subespacio vectorial porque falla la propiedad de contener a la suma de
Su descripción “natural” es en implı́citas que se construyen juntando vectores de S ∪ T cuando uno es de S y otro de T .
unas ecuaciones implı́citas de S con unas de T .
Obs. 1: En general, estas ecuaciones ası́ obtenidas NO son minimales.

¯ Se considera el conjunto: {u + v ∈ V / u ∈ S y v ∈ T }
Obs. 2: Obviamente, para juntarlas deben estar referidas a la misma base de V .
LA SUMA DE SUBESPACIOS Ejemplos En R3 : con S = T y no triviales
T S T T
S + T = {u + v ∈ V / u ∈ S y v ∈ T }
S
Propiedades
Es un subespacio vectorial. S
S T
Contiene a S y a T . (Y por tanto a S ∪ T )
Todo subespacio que contenga a S ∪ T ha de contener a S + T . S ∩ T = {0R3 } S ∩ T = {0R3 } S∩T =S S∩T
Luego S + T es el menor subespacio que contiene a S ∪ T S + T = el plano que S + T = R3 S+T =T S + T = R3
contiene a S ∪ T
Si S = L(BS ) y T = L(BT ) entonces S + T = L(BS ∪ BT ).
¿dim(S + T ) = dim(S) + dim(T )?
Obs. 1: Al juntar un sistema generador de S con uno de T se tiene un generador
de S + T pero, en general, NO es base.

Obs. 2: Obviamente, para juntar los vectores, éstos deben estar referidos a la
misma base de V .
dim(S ∩ T ) = 0 dim(S ∩ T ) = 1 = 0
Relación dimensional (fórmula de Grassmann) SUMA DIRECTA

Me recuerda a la fórmula Se dice que el subespacio S + T es SUMA DIRECTA si S ∩ T = {0V }.
dim(S + T ) = dim(S) + dim(T ) − dim(S ∩ T ) |A ∪ B| = |A| + |B| − |A ∩ B|
Se notará: S⊕T . NO es una nueva operación sino una “condecoración”
Dem.: (Ilustramos con un ejemplo. El razonamiento se extiende al caso general) Propiedades

T 1 Tomamos una base de S ∩ T : BS∩T = [u] S⊕T ⇔ dim(S ∩ T ) = 0.
w
2 Ampliamos BS∩T a una base de S : BS = [u, v] S⊕T ⇔ dim(S + T ) = dim(S) + dim(T ).
u S∩T
Obs.:
v S Los vectores añadidos NO están en T pq. si no, tb. estarı́an
S⊕T ⇔ BS BT es base de S + T .
en S ∩ T y serı́an dependientes de los de BS∩T .
Ej.: En R3 : T
3 Ampliamos BS∩T a una base de T : BT = [u, w]
Obs.:
Por la misma razón, los vectores añadidos NO están en S.
4 Sabemos que S + T = L(BS ∪ BT ) = L([u, v] ∪ [u, w]) = L([u, v, w]). S
ar! |BS+T | = |BS | + |BT | − |BS∩T | lin. indep. « es BS+T S T
c ont S⊕T
¡Y a S ⊕ T = R3
Se dice que los subespacios S y T son SUPLEMENTARIOS si S ⊕T = V .

Mapa del tema
Coordenadas Cambio de base
Sistema generador
Un suplementario del subespacio S es un subespacio S tal que S ⊕ S = V .
Base
Sistema libre
Ej.: Si V = R3 y S es un plano, S
S
S Dimensión
todo suplementario S de S tendrá:
dim(S ) = dim(R3 ) − dim(S) S COMBINACIONES LINEALES

= 3 − 2 = 1 (Necesario pero no suficiente)
S ⊕ S = R3 Ecuaciones paramétricas
Subespacios vectoriales
¯ S es una recta (cualquiera) no contenida en el plano S . Ecuaciones implı́citas
Contenido e igualdad de subespacios

Cómo hallar un suplementario de S:
Subespacio suma Suma directa
Hallar una base de S: BS
Relación dimensional
Ampliar BS a una base de V : BV Subespacio intersección

S = L(BV − BS ) es un suplementario de S.
Subespacio suplementario

Tema3 EspaciosVectoriales Tarde 6xpag

Cargado por

Información del documento

Descripción original:

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

Tema3 EspaciosVectoriales Tarde 6xpag

Cargado por

Copyright:

Formatos disponibles

Espacios vectoriales

¿Qué imagen tenemos de un vector?

Eso mismo ocurre en otros contextos y con otros objetos

Por ejemplo, en R2 los pares: (x + x , y + y )

Álgebra, ETSISI, UPM 1 Álgebra, ETSISI, UPM 2

Espacios vectoriales Espacios vectoriales

Álgebra, ETSISI, UPM 3 Álgebra, ETSISI, UPM 4

Espacios vectoriales Espacios vectoriales

Propiedades Ejemplos notables

Rn = {(x1 , x2 , x3 , x4 , . . . , xn ) / xi ∈ R} es espacio vectorial sobre R.

En general, dado un cuerpo K

Álgebra, ETSISI, UPM 5 Álgebra, ETSISI, UPM 6

 R[x] = {polinomios en x con coeﬁcientes en R} M2×3 (R) = {matrices 2 × 3 con coeﬁcientes en R}

Z2 [x] = {polinomios en x con coeﬁcientes en Z2 } es espacio vectorial sobre R.

es espacio vectorial sobre K. es espacio vectorial sobre K.

Álgebra, ETSISI, UPM 7 Álgebra, ETSISI, UPM 8

Espacios vectoriales Espacios vectoriales

Obs.: ⇔ el sistema lineal (S) es compatible

Álgebra, ETSISI, UPM 9 Álgebra, ETSISI, UPM 10

Espacios vectoriales Espacios vectoriales

Álgebra, ETSISI, UPM 11 Álgebra, ETSISI, UPM 12

Álgebra, ETSISI, UPM 13 Álgebra, ETSISI, UPM 14

Espacios vectoriales Espacios vectoriales

v1 , . . . , vr son lin. independientes ⇔ los únicos α1 , . . . , αr ∈ K Conclusión:

Espacios vectoriales Espacios vectoriales

 En EscR(A) hay k ﬁlas cuyo primer elemento no nulo es 1 y estos k unos

Álgebra, ETSISI, UPM 17 Álgebra, ETSISI, UPM 18

Bases de un espacio vectorial Propiedades Sea B = [v1 , . . . , vn ] una base de V . Entonces:

Si B = [v1 , . . . , vn ] es una base de V , para cada vector v de V , existen

MEDIDA ANTIPÁNICO: ¿Podemos contar siempre

Álgebra, ETSISI, UPM 19 Álgebra, ETSISI, UPM 20

Espacios vectoriales Espacios vectoriales

Teorema de la base Ej.: K[x] no lo es ∃ vectores indep. Ejemplos

Lema Si en un sistema generador se elimina un vector que es combi- Y en general, dim(Kn ) = n

Lo notaremos dim(V ). Por convenio diremos que dim({0V }) = 0. (la canónica, Bc )

Y en general, dim(Mn×m (K)) = n · m

Álgebra, ETSISI, UPM 21 Álgebra, ETSISI, UPM 22

Espacios vectoriales Espacios vectoriales

 Con polinomios: ¿Cómo averiguar cómodamente si estamos ante una base?

Y en general, dim(Kn [x]) = n + 1

donde Kn [x] = {a0 + a1 x + a2 x2 + · · · + an xn / ai ∈ K para todo i}

Álgebra, ETSISI, UPM 23 Álgebra, ETSISI, UPM 24

Propiedades Sea V un espacio vectorial de dimensión n > 0 y Cambio de base

 S es sistema libre de V y m = n ⇒ S es una base. ¡HAY QUE UNIFORMIZAR!

Álgebra, ETSISI, UPM 25 Álgebra, ETSISI, UPM 26

Espacios vectoriales Espacios vectoriales

Álgebra, ETSISI, UPM 27 Álgebra, ETSISI, UPM 28

Espacios vectoriales Espacios vectoriales

¢ Los vectores de una de las bases expresados en coordenadas respecto de la otra.

Subespacios vectoriales Ejemplos

Espacios vectoriales Espacios vectoriales

Álgebra, ETSISI, UPM 33 Álgebra, ETSISI, UPM 34

Espacios vectoriales Espacios vectoriales

 En el espacio vectorial V , si v1 , v2 , v3 ∈ V , el conjunto El SUBESPACIO GENERADO por los vectores v1 , v2 , . . . , vk del

 Si u ∈ S entonces u = λ1 v1 + λ2 v2 + λ3 v3 para ciertos λi ∈ K.

Álgebra, ETSISI, UPM 35 Álgebra, ETSISI, UPM 36

(x, y, z) ∈ S ⇔ (x, y, z) es combinación lineal de (1, −2, 0) y (−2, 4, 0)

Consiste en dar las coordenadas de un vector genérico de S en función ⎫

Álgebra, ETSISI, UPM 37 Álgebra, ETSISI, UPM 38

Espacios vectoriales Espacios vectoriales

(x, y, z) ∈ S ⇔ (x, y, z) es combinación lineal de (1, −2, 0) ⎛ ⎞

Álgebra, ETSISI, UPM 39 Álgebra, ETSISI, UPM 40

R[x] = {polinomios en x con coeﬁcientes en R} M2×3 (R) = {matrices 2 × 3 con coeﬁcientes en R}

En EscR(A) hay k ﬁlas cuyo primer elemento no nulo es 1 y estos k unos

Con polinomios: ¿Cómo averiguar cómodamente si estamos ante una base?

S es sistema libre de V y m = n ⇒ S es una base. ¡HAY QUE UNIFORMIZAR!

En el espacio vectorial V , si v1 , v2 , v3 ∈ V , el conjunto El SUBESPACIO GENERADO por los vectores v1 , v2 , . . . , vk del

Si u ∈ S entonces u = λ1 v1 + λ2 v2 + λ3 v3 para ciertos λi ∈ K.

LA SUMA DE SUBESPACIOS Ejemplos En R3 : con S = T y no triviales