Vectores en Rn

Matemáticas III

2021-I
Vectores
Objeto matemático que posee magnitud y sentido.
Un vector es caracterizado por su punto inicial y su punto final.
En Rn se representa por una n-tupla ordenada (x1 , . . . , xn ).
Si v ∈ Rn es un vector, se denomina vector n-dimensional.
Notación: v̄, ~v, v, v, v ∈ Rn

x2 (x1 , x2 ) x2 (x1 , x2 )

x1 x1

Figura: Representación de un punto y un vector en R2

Operaciones con vectores en Rn
Definimos las operaciones “ + " y “ · "

(x1 , . . . , xn ) + (y1 , . . . , yn ) = (x1 + y1 , . . . , xn + yn ),

t · (x1 , . . . , xn ) = (t x1 , . . . , t xn ).

u+v

u t ·u

u
v

Figura: Suma de vectores y producto por un escalar en R2

Operaciones con vectores en Rn
Ejemplo
Sume los siguientes vectores:
En R2 , u = (2, 3) y v = (−5, 1) (también realice su representación geométrica)
En R3 , u = (1, 0, 1) y v = (−2, 4, −1)
Realice los siguientes productos con un escalar
En R2 , u = (1, 2) y t = −2 (también realice su representación geométrica)
En R3 , u = (0, 1, 0) y t = 2

x
Operaciones con vectores en Rn

Estas operaciones satisfacen: ∀ u, v, w ∈ Rn

Conmutatividad: u + v = v + u

Asociatividad: (u + v) + w = u + (v + w)

Neutro aditivo: ∃! 0̄ ∈ Rn tal que v + 0̄ = v, ∀ v ∈ Rn ;

Inverso aditivo: ∀v ∈ Rn , ∃! − v ∈ Rn tal que v + (−v) = 0̄;

Compatibilidad de “ · ": t · (s · v) = (ts) · v

Neutro multiplicativo: 1 · v = v

Distributividad: t · (v + w) = t · v + t · w y (t + s) · v = t · v + s · v
Vectores especiales en Rn
Vector nulo: 0̄ = (0, . . . , 0).
Vector opuesto: si v = (v1 , . . . , vn ) entonces −v = (−v1 , . . . , −vn ).
v

−v

Figura: Representación geométrica del vector opuesto en R2

Vectores canónicos: dado i ∈ {1, . . . , n}, definimos ei = (0, . . . , 1, . . . , 0), donde 1 se
encuentra en la posición i.

e2

e1

Figura: Vectores canónicos en R2

Vector suma: s = (1, 1, . . . , 1).
Vectores paralelos
Diremos que dos vectores u, v ∈ Rn son paralelos si uno es múltiplo del otro, es decir, si
u = tv o v = tu para algún t ∈ R.

Ejemplo
Determine que par de vectores son paralelos
En R2 , u = (1, 2) y v = (3, 6)
En R2 , u = (−2, 3) y v = (4, 6)
En R2 , u = (2018, 2019) y v = (0, 0)
En R3 , u = 2e1 + 3e2 − 2e3 y v = −6e1 − 9e2 + 6e3
Norma (euclidiana) de un vector
Dado v = (v1 , . . . , vn ) ∈ Rn , la norma o magnitud de v se define como
q
kvk = v12 + · · · + vn
2.

v2 v

v1

Figura: La norma en R2

Ejemplo
Determine la norma del vector v = (1, 3) en R2 .
Norma (euclidiana) de un vector
Propiedades:
kvk ≥ 0, para todo v ∈ Rn .
kvk = 0 si, y solo si, v = 0̄.
kt · vk = |t|kvk, para todo t ∈ R y v ∈ Rn .

Observación
Es claro que k − vk = kvk, para cualquier vector v ∈ Rn .

Ejemplo
Demuestre que ku − vk = 0 si, y solo si, u = v.
Norma de un vector
Ejemplo
Para n = 2, grafique cada uno de los siguientes conjuntos:
{v ∈ R2 : kvk < 2}
{v ∈ R2 : kv − v0 k ≤ 1}, con v0 = (1, 0).
{v ∈ R2 : kv − v0 k ≤ 4 ∧ kv − v0 k > 1}, con v0 = (0, 1).

En este caso v = (x, y). Así, el primer conjunto es dado por todos los puntos (x, y) tales
que
x2 + y 2 < 4

−2 2
Notaciones

Si v ∈ Rn es un vector, lo denotaremos como un vector columna (matriz n × 1), es

decir  
v1
.
 ..  .
v= 

vn

Si A es una matriz m × n, usaremos el símbolo 0 para denotar la traspuesta, es

decir
A0 = A> = traspuesta de A.

Si v es un vector (columna), v0 denotará al vector fila

v0 = v1
£ ¤
... vn .
Producto interno
   
u1 v1
 .  . n
 ..  , v =  ..  ∈ R , el producto interno de u y v se define como
Sean u =    

un vn
n
u0 v =
X
ui vi = u1 v1 + · · · + un vn .
i=1

Ejemplo
   
−1 0
Dados u = 2
  y v = 3 vectores de R3 , determine u0 v y v0 u.
−3 1

Propiedades:
(tu + v)0 w = t(u0 w) + v0 w, para todo u, v, w ∈ Rn y t ∈ R,
u0 v = v0 u, para todo u, v ∈ Rn ,
u0 u ≥ 0, para todo u ∈ Rn ,
u0 u = kuk2 = 0 si, y solo si, u = 0̄.
Ejemplo
Sean u, v ∈ Rn , demuestre que u0 v = 0 si, y solo si, ku + vk2 = kuk2 + kvk2 .

Notemos que

ku + vk2 = (u + v)0 (u + v) = u0 (u + v) + v0 (u + v) = u0 u + u0 v + v0 u + v0 v

en otras palabras
ku + vk2 = kuk2 + 2u0 v + kvk2

Por lo tanto, u0 v = 0 si y solo si ku + vk2 = kuk2 + kvk2 .

Teorema (Desigualdad de Cauchy-Schwarz)

Sean u, v ∈ Rn , entonces
|u0 v| ≤ kukkvk.

Además, la igualdad se da si, y sólo si, u y v son paralelos.

Del ejercicio anterior sabemos que dados u y v fijos, para cualquier t ∈ R

ku + tvk2 = at 2 + bt + c

donde a = kvk2 , b = 2u0 v y c = kuk2 . Desde que todo número al cuadrado es positivo o
cero, se deduce que el discrimiante del polinomio es negativo o cero, es decir

b2 − 4ac ≤ 0 ↔ 4(u0 v)2 − 4kuk2 kvk2 ≤ 0 ↔ (u0 v)2 ≤ kuk2 kvk2 .

Teorema (Desigualdad de Cauchy-Schwarz)
Sean u, v ∈ Rn , entonces
|u0 v| ≤ kukkvk.

Además, la igualdad se da si, y sólo si, u y v son paralelos.

Ejemplo

Sean a1 , . . . , an números reales positivos. Pruebe que

à !2 Ã
n
!Ã
n 1
!
1 Xn 1 Xn 1 X 1 X
ai2 − ai ≥ 0. ai ≥ 1.
n i=1 n i=1 n i=1 n i=1 ai

Para el primero definamos los siguientes vectores de Rn

1 0
µ ¶
1 1
u= , ,··· , y v = (a1 , a2 , · · · , an )0
n n n

Para el segundo definamos los siguientes vectores de Rn

1 0
µ ¶
¡p p p ¢0 1 1
u= a1 , a2 , · · · , an y p , p ,··· , p
a1 a2 an
PC-1, 2018-II
Si x, y, z ∈ R y p, q, r ∈ R+ , con p + q + r ≤ 1, muestre que:

(px + qy + rz)2 ≤ px2 + qy 2 + rz2 .

PC-1, 2018-I
Para x, y, z ∈ R+ , demuestre que
à !
x2 y2 z2
x+y+z ≤ 2 + + .
y+z x+z x+y

PC-1, 2017-II
a) Usando la desigualdad de Cauchy-Schwarz, muestre que

¯Xn ¯ X n
¯ (−1)i+1 i2 ¯ ≤ i2
¯ ¯
i=1 i=1

b) Considere tres escalares x1 , x2 , x3 , tales que x12 + x22 + x32 = 1. Determine el máximo
valor de
x1 + 2x2 + 3x3 .
Desigualdad Triangular
Teorema
Para todo u, v ∈ Rn se cumple que

ku + vk ≤ kuk + kvk.

u+v
u

u
ku + vk2 = kuk2 + 2u0 v + kvk2
≤ kuk2 + 2kukkvk + kvk2
= (kuk + kvk)2
v

Figura: Desigualdad triangular

Teorema
Para todo u, v ∈ Rn se cumple que

ku + vk ≤ kuk + kvk.

Ejemplo

Muestre que para todo m ∈ N y v1 , v2 , . . . , vm ∈ Rn se cumple que

° °
°Xm ° X m
° vi ° ≤ kv k.
° °
°i=1 ° i=1 i

Se procede por inducción.

1 Para m = 1, se tiene que kv1 k = kv1 k.
2 Supongamos que para m = k es cierto, es decir
° °
°Xk ° X k
° vi ° ≤ kv k.
° °
°i=1 ° i=1 i

3 Finalmente, probaremos para m = k + 1, para ello notemos que

° ° ° ° ° °
°k+1 ° ° k ° °X k ° k k+1
° X ° °X X X
vi ° = ° vi + vk+1 ° ≤ ° vi ° + kvk+1 k ≤ kvi k + kvk+1 k = kvi k.
° ° °
°
° i=1 ° °i=1 ° °i=1 ° i=1 i=1
Ángulo entre vectores
Dados dos vectores u y v, no nulos, el ángulo entre ellos es dado por

u0 v
cos(θ) =
kukkvk

v
θ

Ejemplo
Determine el ángulo entre los siguientes vectores
Los vectores canónicos ei y ej en Rn .
· ¸ · ¸
2 1
u= y v= .
1 3
 1 Dos vectores son perpendiculares si forman un ángulo de π/2.
2 Diremos que u, v son ortogonales si u0 v = 0.

Ejemplo
Sean u, v ∈ Rn . Demuestre que existe α ∈ R tal que u − αv es ortogonal a v.

Si v = 0̄, entonces u es ortognal a v.

Ahora supongamos que v 6= 0̄. En ese sentido, notemos que u − αv es ortogonal a
v si y solo si
u0 v
(u − αv)0 v = 0 ↔ u0 v = αkvk2 ↔ α =
kvk2

PC-1, 2015-II
Sean x, y vectores en Rn , que forman un ángulo θxy ∈ [0, π/2]. Dado un escalar β, defina
e(β) = y − βx.
Determine β que minimiza la función ke(β)k2 .
Sea β̂ el valor hallado antes. Defina ŷ = β̂x y ê = e(β̂) = y − ŷ . Pruebe que
kêk2 = kyk2 − kŷk2 .
Defina ρ = kŷk2 /kyk2 . ¿Qué relación existe entre ρ y θxy ?

PC-1, 2016-I.
Sean u, v vectores no paralelos. Diremos que w es bisectriz de u y v si el ángulo entre u
y w es igual al ángulo entre w y v. Determine escalares a y b para que el vector
w = au + bv sea una bisectriz de u y v.
Eliminación de Gauss-Jordan

Matemáticas III

2021-I
Matrices particionadas

Una partición de A ∈ Mm×n es una descomposición de A en submatrices

 
A11 A12 ··· A1s
A21 A22 ··· A2s 
 
A=
 .. .. .. .. 
.

 . . . 
Ar1 Ar2 ··· Ars

r s
donde Aij ∈ Mmi ×nj , donde m =
X X
mi y n = nj .
i=1 j=1

Ejemplo
  · ¸ · ¸
1 1 0 1 1 0
A = 0 1 1 =  £0 1¤ £1¤

0 0 1 0 0 1
Más operaciones con matrices particionadas
Sean A = [Aij ] y B = [Bij ] matrices particionadas tales que Aij y Bij tienen el mismo
tamaño. Entonces
Igualdad: A = B si, y solo si, Aij = Bij , para todo i, j.
Suma: A + B = [Aij + Bij ].
Producto por un escalar: t · A = [tAij ].
Transpuesta: A0 = [A0ji ].
Producto: Si A = [Aik ] y B = [Bkj ] son matrices particionadas, tales que Aik y Bkj son
conformables para todo i, j, k, entonces AB = [Cij ], donde

s
X
Cij = Aik Bkj .
k=1

Ejemplo
Sea A = [A1 , . . . , An ] particionada por sus columnas, x = [x1 , . . . , xn ]0 y b ∈ Rn . Entonces
Ax = b puede reescribirse como

x1 A1 + · · · + xn An = b.
Ejemplo importante

Ejemplo
Sea A = [A1 , . . . , An ] particionada por sus columnas, x = [x1 , . . . , xn ]0 y b ∈ Rn . Entonces
Ax = b puede reescribirse como

x1 A1 + · · · + xn An = b.

En el siguiente caso particular:

x1 + 2x2 + 3x3 = 6
2x1 − 4x2 + 3x3 = 1
6x1 − 6x2 + x3 = 1

La matriz del sistema A y la matriz b son

           
1 2 3 6 1 2 3 6
2 −4 3 y 1 −→ x1 2 + x2 −4 + x3 3 = 1
6 −6 1 1 6 −6 1 1
Combinación lineal
Sean v1 , . . . , vr ∈ Rn . Diremos que v ∈ Rn es una combinación lineal de v1 , . . . , vr si
existen α1 , . . . , αr ∈ R tales que

v = α1 v1 + · · · + αr vr .

En este caso, diremos que v1 , . . . , vr generan al vector v y que α1 , . . . , αr son sus

ponderantes.

Ejemplo
       
3 1 −2 −1
7 = 2 2 − 2  0  + 3  1 
1 3 4 1

Ejemplo
· ¸ · ¸ · ¸
2 3 −1
¿ es combinación lineal de y ?
0 3 1

Ejemplo
Demuestre que el vector (0, 0, 0)0 es combinación lineal de u = (1, 1, 1)0 , v = (1, 2, 3)0 y
w = (1, 4, 9)0 .
Ejemplo
Pruebe que alguno de los vectores u = (1, 1, 1)0 , v = (1, 2, 1)0 , w = (2, 1, 2)0 es combinación
lineal de los otros dos.
En efecto, no es complicado notar que v + w = (3, 3, 3)0 y por ende
1 1
u= v + w.
3 3

Ejemplo
Encuentre un conjunto de generadores para

U = {(x, y, z, w) ∈ R4 : x + z + 3w = 0 ∧ y + 2z − 4w = 0}.

El objetivo acá es poder despejar algunas de las variables en términos de las otras. En
ese sentido, notemos que

x + z + 3w = 0 → x = −z − 3w

de manera similar
y + 2z − 4w = 0 → y = −2z + 4w
Por lo tanto,
x
     
−1 −3
y
  = z +w 4 
−2  
z 1 0
w 0 1
Matrices escalonadas y eliminación gaussiana

4 6 5 7 3 2 3 2 3 2 1 0 0 1/2 5
     
4 7 4 6 2
  ops−→ 0
filas  1 0 0 −2  ops−→ 0 1 0
filas  0 −2
4 6 4 6 4 0 0 1 1 −1 0 0 1 1 −1
2 3 2 3 2 0 0 0 0 0 0 0 0 0 0
| {z } | {z }
matriz escalonada matriz reducida

Elementos en rojo se denominan pivotes.

Operaciones elementales por fila
fi ↔ fj : Intercambiar dos filas.
kfi : Multiplicar una fila por k 6= 0.
kfi + fj : Mult. una fila y sumarsela a otra (la fila original no se altera).
El rango de una matriz es el número de pivotes de su matriz reducida.
Notación: ρ(A) = rango de A.
El rango y el sistema Ax = b

Teorema
Sea A una matriz m × n y x ∈ Rn y b ∈ Rm . La matriz aumentada del sistema es la
matriz particionada [A|b]. Entonces

Solución única ∞ soluciones

Consistente ρ(A) = ρ([A|b]) ρ(A) = n ρ(A) < n

Inconsistente ρ(A) < ρ([A|b])

Ejemplo
Considere el siguiente sistema de ecuaciones:

x+z = q
y + 2w = 0
x + 2z + 3w = 0
2y + 3z + pw = 3.

¿Para qué valores de las constantes p y q, el sistema de ecuaciones ...

a) ... no tiene solución?
b) ... tiene solución única?
c) ... tiene múltiples soluciones?

1 0 1 0 q 1 0 1 0 q 1 0 0 2q
     
−3
0 1 0 2 0 → 0 1 0 2 0 → 0 1 0 2 0 
 
 
1 0 2 3 0 0 0 1 3 −q 0 0 1 3 −q 
0 2 3 p 3 0 0 3 p−4 3 0 0 0 p − 13 3 + 3q
Propiedades del rango
Sea A una matriz m × n.
ρ(A) = ρ(A0 )
ρ(A) ≤ mı́n{m, n}
Si ρ(A) = mı́n{m, n}, se dice que A tiene rango máximo.
ρ(AB) ≤ mı́n{ρ(A), ρ(B)}.
ρ(A) = ρ(A0 A)

Ejercicio

Sea A una matriz m × n y B, C dos matrices invertibles m × m y n × n,

respectivamente. Pruebe que

ρ(BAC) = ρ(BA) = ρ(AC) = ρ(A).

Recodar que si una matriz es invertible entonces

1 su rango es igual a su orden.
2 su inversa tiene el mismo rango.
Note que AC = B−1 BAC .
Independencia lineal en Rn

Matemáticas III

2021-I
Independencia lineal
Diremos que los vectores v1 , . . . , vr ∈ Rn son linealmente independientes (l.i.) si la
ecuación vectorial, con incógnitas α1 , . . . , αr ∈ R,

α1 v1 + · · · + αr vr = 0̄,

posee, como única solución, a los escalares α1 = · · · = αr = 0.

Observación
Si los vectores v1 , . . . , vr no son l.i., diremos que son linealmente dependientes (l.d.).

Ejemplo
Si u, v son l.i., pruebe que v, v + αu son l.i. para α 6= 0.

En efecto, debemos plantear la siguiente ecuación vectorial

av + b(v + αu) = 0̄ ↔ (a + b)v + αbu = 0̄

Esto implica que

a + b = 0 y αb = 0

de donde se deduce que b = 0 y por ende a = 0. Concluyendo que v, v + αu son l.i.

Ejemplo
Si {u1 , u2 , . . . , un } es un conjunto l.i., entonces {Au1 , Au2 , . . . , Aun } es un conjunto l.i.,
donde A es una matriz invertible.
Debemos plantear la ecuación vectorial
à !
n n
α1 Au1 + α2 Au2 + · · · + αn Aun = 0̄ ↔ A αi ui = 0̄ ↔ αi ui = 0̄
X X

i=1 i=1

Desde que los vectores u1 , u2 , . . . , un son l.i., se deduce que α1 = · · · = αn = 0. Mostrando

que los vectores Au1 , Au2 , . . . , Aun son l.i.

Ejemplo
Sean v1 , . . . , vr ∈ Rn no nulos, ortogonales dos a dos. Demuestre que son linealmente
independientes.

Debemos plantear la ecuación vectorial

α1 v1 + · · · + αr vr = 0̄ → (α1 v1 + · · · + αr vr )0 vj = (0̄)0 vj ↔ α1 v10 vj + · · · + αr vr0 vj = 0

desde que son ortoganales dos a dos, se tiene que la última expresión se simplifica a la
siguiente
αj kvj k2 = 0.

deduciéndose que αj = 0. Esto ocurre para todo j entre 1 y r . Mostrando así que los
vectores son l.i.
Ejercicio
Responda a cada una de las siguientes interrogantes
1 ¿La unión de dos subconjuntos l.i. es l.i. ?
2 ¿La intersección de dos subconjuntos l.i. es l.i.?

1 Falso. En R2 los conjuntos {e1 , e2 } y {e1 , e1 + e2 } son ambos l.i., pero la unión

{e1 , e2 , e1 + e2 }

no es l.i.. En efecto, para α1 = 1, α2 = 1 y α3 = −1 se resuelve la ecuación vectorial

α1 e1 + α2 e2 + α3 e3 = 0̄.

2 Verdadero. Primero debemos notar que el conjunto vacío es l.i.. Ahora, si la

intersección no es vacío. Se procede por contradicción. TAREA.

Ejercicio
Muestre que el conjunto {0̄, v2 , . . . , vr } es l.d., al margen de como sean los vectores
v2 , . . . , vr .

Ejercicio
Si v1 , . . . , vr son l.i. entonces v1 , . . . , vk son l.i, para k ≤ r .

Ejercicio
Si v1 , . . . , vr son l.d. entonces v1 , . . . , vk son l.d., para k > r .
Criterios para independencia lineal
Sean v1 , . . . , vr vectores en Rn y defina M = [v1 , . . . , vr ].

Proposición
Los vectores v1 , . . . , vr son l.i. si, y solo si, el sistema M x̄ = 0̄ posee solución única.

Observación
Notemos que M es una matriz de orden n × r y x̄ ∈ Rr . Además ( ρ(M) = r ).

Ejemplo
Determine si los siguientes conjuntos de vectores son l.i. o l.d.:
· ¸ · ¸
1 3
,
−1 0
· ¸ · ¸ · ¸
1 0 4
, ,
0 1 9
[1, 0, −2]0 , [0, 1, 3]0 , [−5, 1, 2]0
[1, 1, 0, 0]0 , [1, 2, 1, 1]0 , [1, 1, 1, 2]0
Proposición
Los vectores v1 , . . . , vr de Rn son l.i. si, y solo si, el sistema M x̄ = 0̄ posee solución única.

Ejemplo
Sean v1 , . . . , vr vectores de Rn . Demuestre que si r > n entonces v1 , . . . , vr son l.d.

La matriz M tiene orden n × r y por ende ρ(M) ≤ n < r .

Para que sean l.i. se debe cumplir que ρ(M) = ρ(M|0̄) = r .

PC-1, 2016-II.
Sea a un escalar. Considere vectores {v1 , . . . , vn } de Rn (n > 1) tales que el i-ésimo
elemento de vi es igual a 1 y los elementos restantes son iguales a a (i = 1, . . . , n). El
escalar a debe satisfacer dos condiciones para que el conjunto {v1 , . . . , vn } sea
linealmente independiente ¿cuáles son estas condiciones?
1 a a a
       
a 1 a  a 
       
a a 1 a 
v1 = 
 .  , v2 =  .  , v3 =  .  , · · · , vn =  .  ,
      
. . . .
. . . .
a a a 1
   
1 a ··· a (n − 1)a + 1 (n − 1)a + 1 ··· (n − 1)a + 1
a 1 ··· a  a 1 ··· a 
   
M =
 .. ..  −→ 
  .. .. 

. .   . . 
a a ··· 1 a a ··· 1
    
1 a ··· a (n − 1)a + 1 (n − 1)a + 1 ··· (n − 1)a + 1
a 1 ··· a  a 1 ··· a 
   
M =
 .. ..  −→ 
  .. .. 

. .   . . 
a a ··· 1 a a ··· 1

1
Primera condición (n − 1)a + 1 6= 0 lo que implica que a 6= − .
n−1
1 1 1 1
 
  ···
1 1 ··· 1
a
0 1−a 0 ··· 0 
1 ··· a  

 −→ 0
 0 1−a ··· 0 
−→ 
 .. .. .

. .

 . .. 

. . 
a a ··· 1
0 0 0 ··· 1−a

Finalmente, 1 − a 6= 0 lo que implica que a 6= 1.

Más sobre eliminación Gaussiana
Sean v1 , . . . , vr vectores en Rn , A = [v1 , . . . , vr ] y Ared = [w1 , . . . , wr ] su matriz reducida.
1 Los vectores vi asociados a columnas wi con pivotes son l.i.
2 Si la columna wk no contiene un pivote, entonces:
wk es combinación lineal de las columnas anteriores
vk es combinación lineal de las columnas anteriores
los elemenos de wk son los ponderantes de vk como combinación lineal de las
columnas anteriores
Ejemplo
Sean v1 = (1, 1, 1, 1)0 , v2 = (1, −1, 3, 4)0 , v3 = (−1, −3, 3, 6)0 y v4 = (0, 2, 0, 1)0 , u1 = (−1, 3, 1, 5)0 y
u2 = (2, −4, 0, −5)0 vectores en R4 .
1 Pruebe que u1 y u2 son linealmente independientes.
2 Sea V el espacio generado por los vectores v1 , v2 , v3 y v4 . Muestre que u1 y u2
pertenecen a V .

Formemos la matriz [v1 , v2 , v3 , v4 , u1 , u2 ] es decir

1 1 0 2 1 0 0 3 7
   
−1 −1 −9
 ∴ u1 = 7v1 − 5v2 + 3v3 y
1 −1 −3 2 3 −4 0 1 0 −2 −5 7
 −→ 

1 3 3 0 1 0 0 0 1 1 3 −4 u2 = −9v1 + 7v2 − 4v3
1 4 6 1 5 −5 0 0 0 0 0 0
 Apuntes

Espacios vectoriales

Matemáticas III

2021-I

Apuntes

Espacios vectoriales
Un espacio vectorial real es un conjunto V dotado de dos operaciones: + (suma) y ·
(producto por un escalar) que deben satisfacer: Para todo u, v, w ∈ V
Ley de cerradura interna: u + v ∈ V
Ley de cerradura externa: t · u ∈ V

Asociatividad: (u + v) + w = u + (v + w)
Conmutatividad: u + v = v + u
∃ neutro: ∃ 0 ∈ V tal que v + 0 = v, ∀ v ∈ V ;

∃ inverso: ∀ v ∈ V , existe −v ∈ V tal que v + (−v) = 0̄;

Compatibilidad de · : t · (s · v) = (ts) · v
Neutro del producto: 1 · v = v̄
Distributividad: t · (v + w) = t · v + t · w
Distributividad: (t + s) · v = t · v + s · v
 Apuntes

Ejemplos
Ejemplo

Rn

F [0, 1] = {f /f : [0, 1] → R es función}, con las operaciones

(f + g)(x) = f (x) + g(x), ∀x ∈ [0, 1]

(t · f )(x) = t · f (x), ∀x ∈ [0, 1].

C[0, 1] = {f /f : [0, 1] → R es una función continua}, con las operaciones anteriores.

Mm×n = {matrices de orden m × n}, con las operaciones

[aij ] + [bij ] = [aij + bij ], t · [aij ] = [taij ].

R∞ = {(xn )n∈N / sucesiones reales}, con las operaciones

(xn )n∈N + (yn )n∈N = (xn + yn )n∈N

t(xn )n∈N = (txn )n∈N

Apuntes

Subespacios vectoriales

Sea V un espacio vectorial. Diremos que W ⊂ V es un subespacio de V , si W con las

operaciones de V es un espacio vectorial. Equivalentemente, W es un subespacio de V
si, y solo si,
(Lci) Para todo u, v ∈ W , u + v ∈ W ;
(Lce) Para todo t ∈ R y u ∈ W , tu ∈ W .

Ejemplo

Todo espacio V es subespacio de si mismo.

Z = {0̄} es subespacio de V .

C[0, 1] es subespacio de F [0, 1].

Las sucesiones reales convergentes forman un subespacio del espacio de

sucesiones.
 Apuntes

Ejercicio
Muestre que P = {(x, y, z) ∈ R3 : ax + by + cz = 0} es subespacio de R3 .

Sean u = (u1 , u2 , u3 ) y v = (v1 , v2 , v3 ) dos vectores de P.

Se verifica
au1 + bu2 + cu3 = 0 y av1 + bv2 + cv3 = 0.

Luego, a(u1 + v1 ) + b(u2 + v2 ) + c(u3 + v3 ) = 0

es decir u + v = (u1 + v1 , u2 + v2 , u3 + v3 ) ∈ P.
Para cualquier t ∈ R se tiene que tu = (tu1 , tu2 , tu3 ).
Además,
atu1 + btu2 + ctu3 = t(au1 + bu2 + cu3 ) = t0 = 0

de donde se deduce que tu ∈ P.

Ejercicio Apuntes
Muestre que Sn = {matrices n × n simétricas} es subespacio de Mn×n .
Sean A, B ∈ Sn , es decir A0 = A y B0 = B, y t ∈ R.
(A + B)0 = A0 + B0 = A + B y (tA)0 = tA0 = tA

Ejercicio
Demuestre que el conjunto de funciones f : R → R que se anulan en todos los puntos
del intervalo [0, 1] es un subespacio vectorial del conjunto de funciones.
Primero denotemos por G = {f : R → R/ f (x) = 0 para todo x ∈ [0, 1]}. Sean f1 , f2 ∈ G y
t ∈ R.
(f1 + f2 )(x) = f1 (x) + f2 (x), si x ∈ [0, 1] entonces (f1 + f2 )(x) = 0.
(tf1 )(x) = tf1 (x), si x ∈ [0, 1] entonces (tf1 )(x) = 0.

Ejercicio
Sean U y V subespacios vectoriales de Rn , demuestre que

W = {u + v/ u ∈ U y v ∈ V }

es un subespacio vectorial de Rn .
Sean w1 , w2 ∈ W y t ∈ R. Existen u1 , u2 ∈ U y v1 , v2 ∈ V tales que
w1 = u1 + v1 y w2 = u2 + v2 .
 Apuntes
Ejercicio

Para u ∈ Rn y a ∈ R, sea P (u, a) = {v ∈ Rn : v0 u = a}. Demuestre que P (u, a) es un

subespacio de Rn si, y solamente si, a = 0.

Primero notemos que P (u, a) es un subespacio de Rn si y solo si

∀v1 , v2 ∈ P (u, a), ∀t ∈ R, [ v1 + v2 ∈ P (u, a) y tv1 ∈ P (u, a) ]

esto es equivalente a

∀v1 , v2 ∈ P (u, a), ∀t ∈ R, [ (v1 + v2 )0 u = a y tv10 u = a ]

Observemos que v1 , v2 ∈ P (u, a), es decir

v10 u = a y v20 u = a

que al reemplazar en lo anterior tenemos

∀v1 , v2 ∈ P (u, a), ∀t ∈ R, [ 2a = a y ta = a ]

de donde se deduce que es equivalente a a = 0.

Apuntes

Combinación lineal
Sea V un espacio vectorial.
Diremos que v es combinación lineal de v1 , . . . , vr si existen α1 , . . . , αr ∈ R tales
que
v = α1 v1 + · · · + αr vr .

Sean v1 , . . . , vr ∈ V . El espacio generado de v1 , . . . , vr es el conjunto de todas las

combinaciones lineales de v1 , . . . , vr , denotado por
( )
r
αi vi | αi ∈ R .
X
span{v1 , . . . , vr } = v =
i=1

Ejemplo
Rn = span{e1 , . . . , en }.

Tarea
Dado {v1 , . . . , vr } ⊂ Rn demuestre que span{v1 , . . . , vr } es un subespacio vectorial de Rn .
 Ejercicio
Apuntes
Muestre que span{1, x, x2 } = {p(x) : polinomios de grado ≤ 2}.

Observemos que p(x) ∈ span{1, x, x2 } si y solo si existen a, b, c ∈ R tales que

p(x) = ax2 + bx + c × 1 = ax2 + bx + c,

esto es equivalente a decir que p(x) es un polinomio de grado menor o igual a dos.

Ejercicio
Muestre que span{v1 , . . . , vr } ⊂ span{v1 , . . . , vr , vr+1 , . . . , vs }.

Tenemos que mostrar que todo elemento de span{v1 , . . . , vr } es elemento de

span{v1 , . . . , vr , vr+1 , . . . , vs }.

Sea v ∈ span{v1 , . . . , vr }, es decir existen α1 , . . . , αr ∈ R tales que

v = α1 v1 + · · · + αr vr

No es muy complicado notar que

v = α1 v1 + · · · + αr vr + 0 vr+1 + · · · + 0 vs .
|{z} |{z}
αr+1 αs

esto nos dice que v ∈ span{v1 , . . . , vr , vr+1 , . . . , vs }.

Apuntes

Independencia lineal
Sea V un espacio vectorial. Diremos que v1 , . . . , vr son linealmente independientes si
α1 v1 + · · · + αr vr = 0̄ −→ α1 = · · · = αr = 0.

Ejemplo
· ¸ · ¸ · ¸ · ¸
1 0 0 1 0 0 0 0
Las matrices , , , son l.i. en M2×2 .
0 0 0 0 1 0 0 1

En efecto, pues la ecuación

· ¸ · ¸ · ¸ · ¸ · ¸
1 0 0 1 0 0 0 0 0 0
α1 + α2 + α3 + α4 =
0 0 0 0 1 0 0 1 0 0
implica que α1 = α2 = α3 = α4 = 0.
Ejemplo
Muestre que en P = {polinomios}, los polinomios 1, x, x2 , . . . , xr son l.i., para cualquier
r ∈ N.
Primero denotemos por 0 ∈ P al polinomio nulo, es decir
0(x) = 0 para todo x ∈ R.
Ejemplo Apuntes
Muestre que en P = {polinomios}, los polinomios 1, x, x2 , . . . , xr son l.i., para cualquier
r ∈ N.

Primeros debemos notar que 0 ∈ P es el polinomio nulo, es decir

0(x) = 0 para todo x ∈ R.

Luego, queremos resolver la ecuación

ar xr + ar−1 xr−1 + · · · + a2 x2 + a1 x + a0 = 0(x) para todo x ∈ R,

de incógnitas a0 , a1 , a2 , . . . , ar ∈ R.
Evaluamos en x = 0 y obtenemos a0 = 0.
La ecuación se reduce a

ar xr + ar−1 xr−1 + · · · + a2 x2 + a1 x = 0(x) para todo x ∈ R

pero ar xr + ar−1 xr−1 + · · · + a2 x2 + a1 x = x(ar xr−1 + ar−1 xr−2 + · · · + a2 x + a1 )

se deduce que
ar xr−1 + ar−1 xr−2 + · · · + a2 x + a1 = 0(x)

por el proceso anterior se obtiene que a1 = 0.

Continuamos de esta manera hasta llegar que ar = 0.

Ejercicio Apuntes
Demuestre que V = {(x, y, z) ∈ R3 : z = 3x
y x = 2y} es un subespacio vectorial de R3 y
encuentre un conjunto de generadores que sean linealmente independientes.

Basta con ver que

x 1
     
x
1
y = x y z = 3x → y  =  2 x = x  12  → V = span{u}.
1
2
z 3x 3
| {z }
u

Ejercicio
Pruebe que el conjunto {1, 1 − x, 1 + x + x2 } es un conjunto linealmente independiente y
genera el espacio

P = {p(x) : p(x) es un polinomio de grado ≤ 2}.

Sean a, b, c ∈ R tales que la ecuación

a + b(1 − x) + c(1 + x + x2 ) = 0 para todo x ∈ R

tiene solución única. Para esto vamos a evaluar

x = 0 → a+b+c = 0 x = 1 → a + 3c = 0 x = −1 → a+2b+c = 0

de donde se deduce que a = b = c = 0.

 Apuntes

Propiedades
Sea V un espacio vectorial.

Proposición
Sean v1 , . . . , vr ∈ V linealmente independientes y w ∈ span{v1 , . . . , vr }.
w se escribe de manera única como combinación lineal de v1 , . . . , vr .

Si αk es el ponderante de vk asociado a w y αk 6= 0 entonces

v1 , . . . , vk−1 , w, vk+1 , . . . , vr

también es l.i.

Supongamos que w se puede escribir de dos formas

w = α1 v1 + α2 v2 + · · · + αr vr = β1 v1 + β2 v2 + · · · + βr vr

Entonces

(α1 − β1 )v1 + (α2 − β2 )v2 + · · · + (αr − βr )vr = 0̄ → α1 = β1 , . . . , αr = βr

La segunda parte es dejada como ejercicio.

Apuntes

Criterio del Wronskiano

Sean f1 , . . . , fr funciones (r − 1)-veces derivables en un intervalo I . Si el determinante

¯ f1 (x) f2 (x) ··· fr (x)

¯ ¯
¯
¯ 0
f20 (x) fr0 (x)
¯
¯ f (x) ···
¯ 1
¯
¯
Wf1 ,...,fr (x) = ¯¯ .. .. .. .. ¯
.
¯
¯ . . . ¯
¯f (r−1) (x) f2(r−1) (x) f (r−1) (x)¯
¯ ¯
1 ··· r

no es la función cero, entonces f1 , . . . , fr son l.i.

Ejemplo
En P = {polinomios}, los polinomios 1, x, x2 , . . . , xr son l.i., para cualquier r ∈ N.

Aplicamos el Wronskiano

x x2 xr
¯
¯1
¯
··· ¯
r−1
¯ ¯
¯0
¯ 1 2x ··· rx ¯
¯
¯0
¯ 0 2 ··· r(r − 1)xr−2 ¯¯
¯ .. .. ..
¯ ¯
¯
¯.
¯ . . ¯
¯
¯0 0 0 ··· r! ¯
 Apuntes
Ejercicio
Muestre que en C[0, 1], si λ1 , λ2 , λ3 son distintos dos a dos, entonces el conjunto
{eλ1 x , eλ2 x , eλ3 x } es linealmente independiente.

Aplicamos el Wronskiano

¯ eλ1 x eλ2 x eλ3 x ¯¯ eλ2 x eλ3 x ¯¯

¯ ¯ ¯ ¯
¯1
λ
¯ ¯
W (x) = ¯λ1 eλ1 x λ2 eλ2 x λ x
λ3 e 3 ¯ = e 1 x
¯λ1 λ2 eλ2 x λ
λ3 e 3 ¯x
¯ ¯ ¯ ¯
¯ 2 λ x
λ22 eλ2 x 2 λ x λ22 eλ2 x λ x
¯ 2 2
¯λ e 1 λ3 e ¯λ λ3 e
¯ ¯
3 ¯ 3 ¯
1 1

Así, el Wronskiano se simplifica a la siguiente expresión

¯ ¯
¯1 1 1 ¯¯
W (x) = e(λ1 +λ2 +λ3 )x ¯¯λ1 λ2 λ3 ¯¯
¯
¯λ2 λ22 λ23 ¯
1

Ahora
¯ ¯ ¯ ¯
¯1 1 1 ¯¯ ¯¯1 1 1 ¯ ¯ λ2 − λ1 λ3 − λ1 ¯¯
¯ ¯ ¯
¯λ1 λ2 λ3 ¯¯ = ¯¯0 λ2 − λ1 λ3 − λ1 ¯¯ = ¯¯
¯
¯λ2 λ2 (λ2 − λ1 ) λ3 (λ3 − λ1 )¯
λ22 λ2 ¯ ¯0
¯
1 3 λ2 (λ2 − λ1 ) λ3 (λ3 − λ1 )¯

¯ ¯
¯1 1 ¯¯
= (λ2 − λ1 )(λ3 − λ1 ) ¯¯ = (λ2 − λ1 )(λ3 − λ1 )(λ3 − λ2 ).
λ2 λ3 ¯

Por lo tanto, W (x) = e(λ1 +λ2 +λ3 )x (λ2 − λ1 )(λ3 − λ1 )(λ3 − λ2 ) 6= 0.

Apuntes