Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Espacios vectoriales.
1
2
Nota 1.0.1:
En algunos libros de álgebra, el hecho de tener definida una operación
binaria implica que ésta es cerrada, y por tanto ya no es necesario ve-
rificar las condiciones (a) y (f ) de la definición de espacio vectorial. En
éste curso ası́ lo consideraremos.
Nota 1.0.2:
Es importante enfatizar que un espacio vectorial no es únicamente un
conjunto V. Es como dice la definición una terna (V, ⊕, ∗), donde V
es un conjunto no vacı́o junto con las operaciones binarias ⊕ y ∗ que
satisfacen las propiedades de espacio vectorial.
3
Nota 1.0.3:
Diremos que un conjunto no vacı́o V es un F espacio vectorial, si V es
un grupo abeliano y cumple las condiciones (g)-(j). En otras palabras
podemos definir a los F espacios vectoriales como: Un espacio vectorial
sobre un campo F es un conjunto no vacı́o V junto con las siguientes
operaciones binarias:
(1) ⊕ : V × V → V definida como ⊕(u, v) := u ⊕ v.
Ejemplos 1.0.1:
Ejercicio 1.0.1:
Ejercicios 1.0.1:
Ejercicios 1.0.2:
Teorema 1.0.2:
Un subconjunto W de un espacio vectorial V es un subespacio si y sólo
W no es vacı́o y se cumplen las dos propiedades de cerradura:
(a) Si w1 , w2 ∈ W entonces w1 + w2 ∈ W,
(b) Si λ ∈ R y w ∈ W entonces λw ∈ W.
Demostración
⇒
Por la definición de espacio vectorial, tenemos que se cumplen de
manera trivial los tres incisos.
⇐
Ahora supongamos que se satisfacen los tres axiomas, veamos que
W es un subespacio vectorial de V . Para ellos tendremos que probar
que (W, +) es un grupo abeliano y que se cumplen los axiomas de
un grupo abeliano. Efectivamente ya que el inciso (ii) nos dice que
la operación binaria + de V restringida a W es cerrada, es decir
tenemos que + : W × W → W es una operación binaria en el
conjunto W que satisface:
(i) Asociatividad. Sean w1 , w2 , w3 ∈ W ⊂ V , entonces se tiene
que (w1 + w2 ) + w3 = w1 + (w2 + w3 ) en V , pero por el inciso
(ii) tenemos que (w1 + w2 ) + w3 , w1 + (w2 + w3 ) ∈ W y por
tanto (w1 + w2 ) + w3 = w1 + (w2 + w3 ) se cumple en W .
(ii) Neutro Aditivo. Sea w ∈ W ⊂ V , como V es un K-espacio
vectorial tenemos que existe el vector 0 ∈ V tal que w + 0 =
w. Note que 0 ∈ W ya que por el inciso (iii) tenemos que
(−1)w ∈ W y por (ii) se tiene que 0 = w + (−w) ∈ W .
(iii) Inverso Aditivo. Sea w ∈ W por (iii) tenemos que (−1)w ∈
W.
(iv) Conmutatividad. Sean u, w ∈ W , como W ⊂ V entonces en V
tenemos que u + v = v + u y por (ii) tenemos que la igualdad
anterior también es válida en W .
Ejercicio 1.0.2:
Nota 1.0.4:
Sea V un R-espacio vectorial, si W es un subespacio vectorial de V ,
entonces lo denotaremos como W < V .
Ejercicio 1.0.3:
a(x1 + x2 ) + b(y1 + y2 ) = 0
Se tiene que
a(x1 + x2 ) + b(y1 + y2 ) = ax1 + ax2 + by1 + by2 , Propiedad distributiva
= (ax1 + by1 ) + (ax2 + by2 ) Prop. conmutativa y asociativa
= 0 + 0 Hipótesis
=0
Se cumple entonces que w1 + w2 ∈ W. Finalmente, note que
a(λx1 ) + b(λy1 ) = λ(ax1 ) + λ(by1 ) = λ(ax1 + by1 ) = λ · 0 = 0, lo que
muestra que λw1 ∈ W.
2
Teorema 1.0.3:
Sea A ∈ Mm×n (R). El espacio nulo de A que consiste de todas las solu-
ciones del sistema homogéneo Ax = 0 es un subespacio de Rn .
Ejemplo 1.0.1:
Ejercicio 1.0.4:
1 0 5
Describa el espacio nulo de la matriz A =
2 1 6
Teorema 1.0.4:
Ejemplo 1.0.2:
1 −5 −7
Describa el espacio columna de la matriz A = 1 1 5 .
1 0 3
Solución
Para describir el espacio columna de A se necesita determinar bajo que
con- diciones el sistema de ecuaciones:
x − 5y − 7z = b1 ,
x + y + 5z = b2 ,
x + 3z = b3 .
Ejemplo 1.0.3:
3
Describa analı́ticay geométricamente
el subespacio de R generado por
1 −1
los vectores v1 = 1 y v2 = 2 .
1 0
Solución
b1
Sea W =< v1 , v2 >. Ası́ un vector b = b2 ∈ W si y solamente si
b3
existen escalares λ, µ ∈ R tales que
1 1
λ
b = λv1 + µv2 = −1 2
µ
1 0
La forma escalonada
reducida de la matriz aumentada
1 1 |b1
−1 2 |b2 es
1 0 |b3
1 0 b3
0 1 b1 − b3 Se sigue que el sistema tiene solución si y
0 0 2b1 − b2 − 3b3
solamente si
b1
2b1 −b2 −3b3 z = 0. Por lo tanto W = b2 ∈ R3 |2b1 + b2 − 3b3 = 0 .
b3
Geométricamente W es el plano que pasa por el origen determinado por
los vectores v1 y v2 .
Ejercicios 1.0.3:
Ejercicio 1.0.5:
6. Determine si alguno de los vectores (5, 4, 1)T , (1,1, 1)T , (9, 3, −1)
T
1 4 −5
pertenece al espacio columna de la matriz A = −1 −1 −1
−1 −2 1
v = λ1 v1 + · · · + λn vn
W =< v1 , . . . , vn >
Ejemplo 1.0.4:
Ejemplo 1.0.5:
3λ1 + λ2 − 2λ3 = −7
λ1 − 2λ2 − 17λ3 = −77
2λ1 + λ2 λ3 = 6
Teorema 1.0.6:
El espacio columna de una matriz A está generado por sus columnas.
Ejemplo 1.0.6:
Definición 1.0.4:
λ1 v1 + · · · + λn vn = 0
Ejemplo 1.0.7:
Pruebe que los vectores v1 = (1, 2)T y v2 = (3, 7)T son linealmente
independientes.
Ejemplo 1.0.8:
Teorema 1.0.7:
Ejemplo 1.0.9:
Teorema 1.0.8:
Ejemplo 1.0.10:
1 0 2 3
Determine si las columnas de la matriz A = −3 1 −11 −7 son
1 1 −3 5
linealmente independientes.
14
Teorema 1.0.9:
Sea A una matriz de m × n.
Teorema 1.0.10:
Sea A una matriz cuadrada de orden n. Entonces, las columnas de A son
linealmente independientes en Rn si y solamente si |A| =
6 0.
Ejemplo 1.0.11:
Ejemplo 1.0.12:
El conjunto {(1, 2)T , (2, 1)T } es una base para R2 ya que este conjunto
genera a R2 y también es linealmente independiente.
Ejemplo 1.0.13:
Ejemplo 1.0.14:
Los vectores v1 = (1, 0)T , v2 = (0, 1)T y v3 = (1, 1)T generan a R2 pues
(x, y)T = xv1 + yv2 + 0v3 ; sin embargo estos vectores no constituyen una
base ya que no son linealmente independientes: 1v1 + 1v2 + (−1)v3 = 0.
Ejemplo 1.0.15:
Ejemplo 1.0.16:
Teorema 1.0.11:
Cualesquiera dos bases en un espacio vectorial no nulo tienen la misma
cantidad de elementos. En otras palabras, si {u1 , . . . , um } y {v1 , . . . , vn }
son dos bases para el espacio vectorial V, entonces m = n.
Demostración Sea V un F espacio vectorial con dos bases, digamos β =
{u1 , u2 , . . . , um } y γ = {v1 , . . . , vn }.
2
Nota 1.0.5:
Como consecuencia del resultado anterior, es posible hablar del concepto
de dimensión de un espacio vectorial. El espacio nulo no tiene base, pues
su único elemento que es el cero es linealmente dependiente.
Definición 1.0.6:
Ejemplo 1.0.17:
Ejemplo 1.0.18:
Ejemplo 1.0.19:
Ejemplo 1.0.20:
1 0 3
Determine la dimensión del espacio nulo de la matriz A = .
0 1 −2
Solución
Primero hallemos un conjunto finito que genere a N (A), para ello resol-
veresmo el sistema de ecuaciones
x + 3z = 0
y − 2z = 0
x −3z
de donde tenemos que el vector solución es de la forma =
( ) y 2z
−3 −3
Entonces N (A) = z|z ∈ R y claramente el vector es
2 2
linealmente independiente y genera a N (A), por lo tanto la dimensión es
1, i.e. dim(N (a)) = 1.
17
Ejemplo 1.0.21:
1 −5 −7
Sea A la matriz 1 1 5 . Encuentre una base para R(A).
1 0 3
Solución
Sabemos que R(A) está generado por las columnas de la matriz, dada es
decir
R(A) =< A∗1 , A∗2 , A∗3 >
Solo nos falta saber si las columnas de A son linealmente independientes.
Para ello hallamos su forma escalonada reducida la cual es
1 0 3
E = 0 1 2
0 0 0
de donde se puede concluir, que las primeras dos columnas son básicas
y la terera no, de hecho tenemos que
→
−
A∗1 + A∗2 + A∗3 = 0
tiene una solución no trivial, (3, 2, −1)T , lo cual nos dice que las columnas
son linealmente dependientes. Notamos que las dos primeras columnas
son li, luego una base para R(A) es β{A∗1 , A∗2 }
Ejemplo 1.0.22:
Teorema 1.0.12:
Sea V un espacio vectorial no nulo de dimensión finita n. Entonces:
(1) Todo subconjunto de V con más de n vectores es linealmente de-
pendiente.
(2) Ningún subconjunto de V con menos de n vectores puede generar
a V.
(3) Todo conjunto linealmente independiente con exactamente n vec-
tores de V, es una base para V.
(4) Todo conjunto generador de V compuesto de exactamente n vec-
tores, es una base para V.
Ejemplo 1.0.23:
Determine si los vectores (1, 2)T , (2, 1)T , (5, −2T ) son linealmente inde-
pendientes.
Solución.
Sabemos que dimR2 = 2, ası́ que cualquier colección de vectores que
tenga más de dos vectores tiene que ser linealmente dependiente.
Teorema 1.0.13:
Si U y W son subespacios de un espacio vectorial V de dimensión finita,
y U ⊆ W, entonces:
(1) W es de dimensión finita y dim(W) ≤ dim(V).
(2) Si dim(U) = dim(W), entonces U = W.
Ejemplo 1.0.24:
Teorema 1.0.14:
Nota 1.0.6: