Documentos de Académico
Documentos de Profesional
Documentos de Cultura
A 1 : ∀ U, V ∈ V ⇒ U + V = V + U
A 2 : ∀ U, V, W ∈ V ⇒ U + V + W = U + V + W
A 3 : ∃ U ∗ ∈ V / ∀U ∈ V, U ∗ + U = U + U ∗ = U (U ∗ : neutro de la suma en V)
A 4 : ∀ U ∈ V ∃U ′ ∈ V, U ′ + U = U + U ′ = U ∗ (U ′ : inverso u opuesto de la suma en V)
La operación producto es cerrada en V. Es decir ∀ U ∈ V, ∀α ∈ K ⇒ α ⋅ U ∈ V y cumple
las siguientes propiedades
M 1 : ∀ U ,V ∈ V ,∀α ∈ K , α ⋅ U + V = α ⋅ U + α ⋅ V
M 2 : ∀ U ∈ V ,∀α, β ∈ K , α + β ⋅ U = α ⋅ U + β ⋅ U
M 3 : ∀ U ∈ V ,∀α, β ∈ K , α ⋅ β ⋅ U = αβ ⋅ U
M 4 : ∀ U ∈ V ,∃ α ∗ ∈ K , α ∗ ⋅ U = U
Así que para que un conjunto de vectores V sea un espacio vectorial con las operaciones
suma y producto de un escalar por un vector, sobre un cuerpo de escalares deberá cumplir que
estas operaciones de suma y producto sean cerradas en el conjunto V y cumplir con todas y cada
una de las propiedades antes expuestas
Notación: Para expresar que un conjunto V es un espacio vectorial con las operaciones de
suma y producto, sobre un cuerpo K se simboliza por (V, +, K, ⋅
En general, en la asignatura trabajaremos con el cuerpo de los reales así que en lo sucesivo, a
menos que se diga lo contrario, será K = R
Propiedades: Si V es un espacio vectorial sobre R entonces:
P1 : ∀α ∈ R, α ⋅ ⊙ = ⊙ (siendo ⊙ el neutro de la suma en V)
P2 : ∀U ∈ V, 0 ∈ R, 0 ⋅ U = ⊙
P3 : α ⋅ U = ⊙ ⇒ α = 0 ∨ U = ⊙ (o ambas cosas a la vez)
P4 : ∀U ∈ V, −1 ⋅ U = −U (−U opuesto de U
n
3.3.- EL ESPACIO VECTORIAL R
Si V = R n y K = R y se considera que R n es el conjunto de matrices de 1 × n ó de n × 1
entonces podemos probar que R n es un espacio vectorial con las operaciones de suma y producto
por un escalar definidas en el tema 2 para las matrices reales, ya que el conjunto de las matrices
R n×m vimos que en él las operaciones suma y producto por un escalar son cerradas en R n×m y
cumplen con todas las propiedades y por lo tanto R n×m es un espacio vectorial sobre el cuerpo de
los reales con esas operaciones.
Es decir (R n ,+,R, ⋅ es un espacio vectorial con las operaciones de suma y producto por un
escalar definidas como: Si U = u 1 , u 2 , … , u n ∈ R n y V = v 1 , v 2 , … , v n ∈ R n y α ∈ R
Suma: U + V = u 1 + v 1 , u 2 + v 2 , … , u n + v n
Producto por un escalar: α ⋅ U = αu 1 , αu 2 , … , αu n
Las anteriores definiciones de suma y producto por un escalar suelen denominarse
operaciones de suma y producto por un escalar usuales o habituales en R n
Como casos particulares tenemos:
Si n = 2 será R n = R 2 el conjunto de pares ordenados de números reales (vectores del plano)
es un espacio vectorial con las operaciones de suma y producto por un escalar usuales.
Si n = 3 será R n = R 3 el conjunto de ternas ordenadas de números reales (espacio
tridimensional) es un espacio vectorial con las operaciones de suma y producto por un escalar
usuales.
3.4.- SUBESPACIOS
Definición: Dado un conjunto S incluido en un espacio vectorial V con las operaciones de
suma y producto sobre un cuerpo de escalares.
Decimos que el conjunto S es un subespacio de V si y solo si S es un espacio vectorial con
las mismas operaciones de suma y producto definidas en V y sobre el mismo cuerpo de escalares.
Teorema 3.1: S incluido en un espacio vectorial V es un subespacio de V si y solo si
1 S≠∅
2 ∀U, V ∈ S ⇒ U + V ∈ S
3 ∀U,∀α ∈ K ⇒ α ⋅ U ∈ S
Teorema 3.2: Si S es un subconjunto de un espacio vectorial V, entonces:
S es un subespacio de V ⇒ ⊙ ∈ S (⊙ elemento neutro de la suma en V)
Teorema 3.3: Si S y T son subespacios de un espacio vectorial V, entonces S ∩ T es también
un subespacio de V. Recordemos que:
S ∩ T = X ∈ V/X ∈ S ∧ X ∈ T y que S ∪ T = X ∈ V/X ∈ S ∨ X ∈ T
¿Será S ∪ T también un subespacio de V?
Definición: Dados S y T subespacios de un espacio vectorial V definimos la suma de S y T
como:
S + T =W = U + V / U ∈ S ∧ V ∈ T}
Teorema 3.4: Si S y T son subespacios de un espacio vectorial V, entonces S + T es un
subespacio de V.
Teorema 3.5: El conjunto solución de un sistema de m ecuaciones lineales con n incógnitas,
homogéneo, es un subespacio de R n .
3.5.- COMBINACIONES LINEALES
Definición: Dado un conjunto finito de vectores S = V 1, V 2 , … , V n de un espacio vectorial
V, y W ∈ V. Decimos que W es una combinación lineal de los vectores V 1 , V 2 , … , V n si existen
escalares α i , i = 1, 2, … , n tal que:
α1V1 + α2V2 + ⋯ + αnVn = W 1
O bien:
n
∃α i , i = 1, 2, … , n / ∑ α i V i = W 1
i=1
Analizando la definición, podemos ver que para que W sea combinación lineal de los
vectores V 1 , V 2 , … , V n , requiere que existan los escalares α i , i = 1, 2, … , n tales que se verifique
la ecuación 1
La ecuación 1 es una ecuación vectorial, si aplicamos la definición de igualdad de vectores
será equivalente a un sistema de ecuaciones lineales cuyas incógnitas son los escalares α i .
Decir que existan los α i tales que se cumpla la 1 es equivalente a decir que el sistema
equivalente sea consistente. En consecuencia W será combinación lineal de los vectores
V 1 , V 2 , … , V n , si el sistema de ecuaciones lineales dado por 1 es consistente.
Teorema 3.6: Si S = V 1, V 2 , … , V n ⊂ V, entonces el conjunto de todas las combinaciones
lineales de los vectores de S es un subespacio de V
3.6.-SUBESPACIO GENERADO (por un conjunto finito de vectores)
Dado G = V 1, V 2 , … , V n ⊂ V, con V un espacio vectorial.
Definición: Al conjunto de todas las combinaciones lineales de los vectores de G =
V 1, V 2 , … , V n se denomina Subespacio generado por G y se denota por LG y a G se
denomina conjunto generador de LG. Es decir en forma simbólica será:
n
LG = X ∈ V/ ∑ α i V i = X
i=1
Definición: Decimos que un conjunto G genera al espacio V, o que es un conjunto
generador de V si y solo si cualquier vector de V puede expresarse como combinación lineal
de los vectores de G. Es decir:
n
G es un conjunto generador de V si y solo sí: X ∈ V ⇔ ∑ α i V i = X
i=1
n
Es decir podemos decir que X es combinación lineal de los n vectores:
I 1 = 1, 0, … , 0, I 2 = 0, 1, … , 0, ⋯, I n = 0, 0, … , 1 de R n
En consecuencia si aplicamos la definición de conjunto generador, podemos afirmar que el
conjunto E n = I 1, I 2 , … , I n es un generador de R n
Además si aplicamos el Teorema 3.17 podemos afirmar que la dimensión de R n es n
(número de variables libres del vector genérico de R n
Ahora bien aplicando el Teorema 3.16 ya que E n = I 1, I 2 , … , I n es un conjunto de n
vectores de R n cuya dimensión es n, como E n = I 1, I 2 , … , I n es un generador de R n será
Linealmente Independiente y en consecuencia E n = I 1, I 2 , … , I n es una base de R n
A esta base la denominamos base canónica (o estándar) de R n
Si n = 3 tendremos que E 3 = 1, 0, 0, 0, 1, 0, 0, 0, 1 es la base canónica de R 3
Si n = 2 tendremos que E 2 = 1, 0, 0, 1 es la base canónica de R 2
3.9.- COORDENADAS DE UN VECTOR
Definición: Dado un espacio vectorial V de dimensión finita n, B =V 1, V 2 , … , V n una base
ordenada de V y U ∈ V
Llamamos coordenadas de U respecto a la base B o representación de U en la base B a los
coeficientes de la expresión de U como combinación lineal de los vectores de B
Es decir: Si α 1 V 1 + α 2 V 2 + ⋯ + α n V n = U entonces α 1 , α 2 , … , α n son las coordenadas de U
respecto a la base B y se denota por:
α1
α2
UB =
⋮
αn
Teorema 3.18: Las coordenadas de un vector de un espacio vectorial respecto a una base de
ese espacio vectorial son únicas
Coordenadas de un vector de R n respecto a la base canónica
Anteriormente vimos que el conjunto I 1, I 2 , … , I n es una base de R n llamada Base
Canónica y que para todo vector X = x 1 , x 2 , … , x n es:
X = x 1 I 1 + x 2 I 2 + ⋯ + x n In, por lo que de acuerdo a la definición de coordenadas de un
vector respecto a una base x 1 , x 2 , … , x n son las coordenadas del vector X respecto a la base
canónica de R n
Si B =V 1, V 2 , … , V n es una base cualquiera de R n distinta de la canónica, y queremos
determinar las coordenadas del vector X = x 1 , x 2 , … , x n ∈ R n respecto a la base B según la
definición de coordenadas de un vector serán:
α1
α2
XB =
⋮
αn
Siendo α 1 , α 2 , … , α n los coeficientes que resultan de expresar a X como combinación lineal
de los vectores de la base B. Es decir:
X = α1V1 + α2V2 + ⋯ + αnVn
Esta última ecuación es equivalente a un sistema de ecuaciones lineales consistente y por el
Teorema 3.18 esta combinación lineal es única
Este sistema de ecuaciones lineales puede escribirse en forma matricial como:
X = PX B
x1 α1
x2 α2
Donde X = , XB = y P nxn = V 1 /V 2 /… /V n (matriz cuyas columnas son
⋮ ⋮
xn αn
los vectores V i de la base B
X: coordenadas de cualquier vector de R n respecto a la base canónica
X B : coordenadas de cualquier vector de R n respecto a la base B
P nxn matriz de cambio de coordenadas (cambio de base)
3.10.- ESPACIO FILA, ESPACIO COLUMNA, ESPACIO SOLUCION y RANGO DE
UNA MATRIZ
Dada una matriz A ∈ R mxn definimos:
Espacio fila de A: Es el subespacio generado por las filas de A consideradas como vectores
de R n y lo simbolizamos por E f A. Es decir si llamamos F i i = 1, 2, … , m a las filas de A será:
E f A = LF 1 , F 2 , … , F m ⊂ R n
Espacio Columna de A: Es el subespacio generado por las columnas de A consideradas
como vectores de R m y lo simbolizamos por E c A. Es decir si llamamos C i i = 1, 2, … , n a las
columnas de A será:
E c A = LC 1 , C 2 ; … , C n ⊂ R m
Espacio solución de A : o espacio nulo de A Es el conjunto solución del sistema AX = ⊙ y
lo simbolizamos por E s A
E s A = X ∈ R n / AX = ⊙
Teorema 3.19: Si A, B son matrices semejantes por filas entonces el espacio fila de A es
igual al espacio fila de B
Teorema 3.20: Si A ∈ R mxn entonces el espacio fila de A es igual al espacio columna de A T
Teorema 3.21: Las filas no nulas de una matriz escalonada y sus correspondientes en la
matriz original constituyen un conjunto Linealmente Independiente
Teorema 3.22: La dimensión del espacio fila y del espacio columna de cualquier matriz son
iguales
Rango de A : Se denomina rango de una matriz A a la dimensión del espacio fila o del
espacio columna de la matriz A (que son iguales) lo simbolizamos por RangoA
Teorema 3.23: (De Rouche Frobenius)
Un sistema de m ecuaciones lineales con n incógnitas AX = B, tiene solución si y solo si el
rango de la matriz de coeficientes y el rango de la matriz ampliada son iguales
Si RangoA = RangoA⋮B = n, el sistema tiene solución única
Corolario:
Si RangoA = RangoA⋮B = r < n, el sistema tiene infinitas soluciones
Ing Augusto A. Estrada V./2015