3 - Espacios Vectoriales

4.
Espacios vectoriales
Dr. Miguel Antonio Morales Ramos
Álgebra lineal
Contenido I
1 Definición de cantidad escalar y cantidad vectorial
2 Operaciones vectoriales
Suma, resta
Producto por un escalar
Interpretación geométrica
Actividad
3 Producto escalar o producto interno
Producto escalar o producto interno
Norma de un vector
Actividad
Proyección de un vector sobre otro
4 Producto vectorial o producto cruz
Definición
Propiedades
Contenido II
5 Vectores en Rn
Actividad
6 Definición de espacio vectorial y propiedades
7 Subespacio vectorial
8 Combinación lineal, dependencia e independencia lineal
9 Bases y dimensiones
10 Bases ortonormales y ortogonalización de Gram-Schmidt
11 Cambio de base
Definición de cantidad escalar y cantidad vectorial
Contenido I
Suma, resta
Actividad
Norma de un vector
Actividad
Definición
Propiedades
Contenido II
5 Vectores en Rn
Actividad
11 Cambio de base
Escalares
Un escalar es un número real y representa magnitudes. También puede

estar acompañado de unidades especı́ficas.
Ası́ como podemos representar los puntos en el plano (R2 ) como pares
ordenados (x , y ), los puntos del espacio (R3 ) los podemos representar
como ternas ordenadas (x , y , z).
Operaciones vectoriales
Contenido I
Suma, resta
Actividad
Norma de un vector
Actividad
Definición
Propiedades
Operaciones vectoriales
Contenido II
5 Vectores en Rn
Actividad
11 Cambio de base
Operaciones vectoriales Suma, resta
Contenido I
Suma, resta
Actividad
Norma de un vector
Actividad
Definición
Propiedades
Contenido II
5 Vectores en Rn
Actividad
11 Cambio de base
Suma
La suma se puede definir entre elementos de R3 como
(a1 , a2 , a3 ) + (b1 , b2 , b3 ) = (a1 + b1 , a2 + b2 , a3 + b3 )

Ejemplo 2.1
(−1, 2, −3) + (−4, 5, −6)

Elemento cero y resta
El elemento cero de R3 es (0, 0, 0).


El elemento opuesto de (a1 , a2 , a3 ) es (−a1 , −a2 , −a3 ).

La resta se define como
(a1 , a2 , a3 ) − (b1 , b2 , b3 ) = (a1 , a2 , a3 ) + (−b1 , −b2 , −b3 )


La resta se define como
(a1 , a2 , a3 ) − (b1 , b2 , b3 ) = (a1 , a2 , a3 ) + (−b1 , −b2 , −b3 )
Claramente
(a1 , a2 , a3 ) − (a1 , a2 , a3 ) = (0, 0, 0)
Operaciones vectoriales Producto por un escalar
Contenido I
Suma, resta
Actividad
Norma de un vector
Actividad
Definición
Propiedades
Contenido II
5 Vectores en Rn
Actividad
11 Cambio de base

Para un escalar dado α y una terna (a1 , a2 , a3 ) ∈ R3 , el producto escalar
se define como
α(a1 , a2 , a3 ) = (αa1 , αa2 , αa3 )

se define como
α(a1 , a2 , a3 ) = (αa1 , αa2 , αa3 )
Ejemplo 2.2
1 5(1, 2, 3)

se define como
α(a1 , a2 , a3 ) = (αa1 , αa2 , αa3 )
Ejemplo 2.2
1 5(1, 2, 3)
2 −9(−5, 4, 0)

se define como
α(a1 , a2 , a3 ) = (αa1 , αa2 , αa3 )
Ejemplo 2.2
1 5(1, 2, 3)
2 −9(−5, 4, 0)
3 0(x , y , z)

se define como
α(a1 , a2 , a3 ) = (αa1 , αa2 , αa3 )
Ejemplo 2.2
1 5(1, 2, 3)
2 −9(−5, 4, 0)
3 0(x , y , z)
4 1(m, n, k)
Propiedades
Asociativa (αβ)(a1 , a2 , a3 ) = α[β(a1 , a2 , a3 )]

Propiedades

Distributiva (α + β)(a1 , a2 , a3 ) = α(a1 , a2 , a3 ) + β(b1 , b2 , b3 )
Propiedades

Distributiva α[(a1 , a2 , a3 ) + (b1 , b2 , b3 )] = α(a1 , a2 , a3 ) + α(b1 , b2 , b3 )
Propiedades

Propiedad del cero α(0, 0, 0) = (0, 0, 0)
Propiedades

Propiedad del cero 0(a1 , a2 , a3 ) = (0, 0, 0)
Propiedades

Propiedad del cero 0(a1 , a2 , a3 ) = (0, 0, 0)
Propiedad del uno 1(a1 , a2 , a3 ) = (a1 , a2 , a3 )
Operaciones vectoriales Interpretación geométrica
Contenido I
Suma, resta
Actividad
Norma de un vector
Actividad
Definición
Propiedades
Contenido II
5 Vectores en Rn
Actividad
11 Cambio de base
Informalmente, un vector será un segmento de recta con un punto inicial
en el origen, y con dirección y tamaño especificados.
Hay una relación entre los puntos del espacio y los vectores.
Hay una relación entre los puntos del espacio y los vectores.
Las ternas en R3 las podemos considerar como vectores. La terna
→
−
(0, 0, 0) se denota por 0 .
Igualdad de vectores
Decimos que dos vectores a = (a1 , a2 , a3 ), b = (b1 , b2 , b3 ) son iguales si

y sólo si a1 = b1 , a2 = b2 , a3 = b3 .
Igualdad de vectores
Decimos que dos vectores a = (a1 , a2 , a3 ), b = (b1 , b2 , b3 ) son iguales si

y sólo si a1 = b1 , a2 = b2 , a3 = b3 . En este caso, los vectores tienen la
misma dirección y el mismo sentido.
Suma
Geométricamente, la suma de vectores se traduce al siguiente esquema:
a
b
Suma
Geométricamente, la suma de vectores se traduce al siguiente esquema:
a
b
a+
b
Vector
Un vector es un segmento de recta dirigido con un inicio y un final. Si

un vector se obtiene de la traslación de otro, sin rotación, representa al
mismo vector.
Vector
Un vector es un segmento de recta dirigido con un inicio y un final. Si

un vector se obtiene de la traslación de otro, sin rotación, representa al
mismo vector.
La suma de dos vectores puede obtenerse colocando el inicio del segundo
vector en el final del primer vector.
Multiplicación por un escalar

Si α ∈ R y a es un vector, entonces αa es un vector de longitud |α|
veces la longitud de a y cuyo sentido es el mismo de a si α > 0 y tiene
el sentido opuesto al de a si α < 0.
Resta de vectores
⃗ A
−B ⃗ −B
⃗
⃗
−B
⃗
B
⃗ ⃗ ⃗
A = A = A =
⃗ −B
A ⃗
⃗
B
⃗
A
Los vectores de la base canónica

i es el vector que tiene las componentes (1, 0, 0)

j es el vector que tiene las componentes (0, 1, 0)

k es el vector que tiene las componentes (0, 0, 1)


Un vector a = (a1 , a2 , a3 ) se puede escribir en términos de la base
canónica como
a1 i + a2 j + a3 k
k
j y
i
x
ak k
a
ax i ay j y
x
Ejemplo 2.3
Escribir el vector siguiente en términos de la base canónica (1,2,3).
Operaciones vectoriales Actividad
Contenido I
Suma, resta
Actividad
Norma de un vector
Actividad
Definición
Propiedades
Contenido II
5 Vectores en Rn
Actividad
11 Cambio de base
Actividad 4.1
• Encuentra los números que faltan.
1 (1, 2) − (?, −9) = (−5, ?)
2 5(145, −48, 0.12) + (−105, 15, 0.01) = (?, ?, ?)
3 (1, −2, 3) − 4i + 7j = (?, ?, ?)
4 900(0.04, 0, 1) =?i+?j+?k
5 (5, 6, 7) + (8, −2, 8) = (?, ?, ?)
• Para los siguientes vectores, trazar en una figura para cada caso, v,
w, −v, v + w, 2v y v − w.
6 v = (1, 3), w = (−1, −4).
7 v = (−2, −2), w = (1, 1).
8 v = (1, 3), w = (3, −1).
9 v = (3, 2, −6), w = (−1, 3, 1).
10 v = (2, 1, 4), w = (0, −2, −1).
Contenido I
Suma, resta
Actividad
Norma de un vector
Actividad
Definición
Propiedades
Contenido II
5 Vectores en Rn
Actividad
11 Cambio de base
Producto escalar o producto interno Producto escalar o producto interno
Contenido I
Suma, resta
Actividad
Norma de un vector
Actividad
Definición
Propiedades
Contenido II
5 Vectores en Rn
Actividad
11 Cambio de base
El producto escalar de a = (a1 , a2 , a3 ) = a1 i + a2 j + a3 k y

b = (b1 , b2 , b3 ) = b1 i + b2 j + b3 k se define como
a · b = a1 b1 + a2 b2 + a3 b3
Ejemplo 3.1
1 i · i=
Ejemplo 3.1
1 i · i=
2 i · j=
Ejemplo 3.1
1 i · i=
2 i · j=
3 i · k=
Ejemplo 3.1
1 i · i=
2 i · j=
3 i · k=
4 j · k=
Ejemplo 3.1
1 i · i=
2 i · j=
3 i · k=
4 j · k=
5 j · j=
Ejemplo 3.1
1 i · i=
2 i · j=
3 i · k=
4 j · k=
5 j · j=
6 k · k=
Ejemplo 3.2
(−3i + 4j + 7k) · (2i + 6j − 3k)=
Propiedades del producto escalar o producto interno
• a·a≥0
• a·a≥0
• a · a = 0 si y sólo si a = 0 .
• a·a≥0
• a · a = 0 si y sólo si a = 0 .
• (αa) · b = a · (αb) = α(a · b)
• a·a≥0
• a · a = 0 si y sólo si a = 0 .
• (αa) · b = a · (αb) = α(a · b)
• a · (b + c) = a · b + a · c y (a + b) · c = a · c + b · c
• a·a≥0
• a · a = 0 si y sólo si a = 0 .
• (αa) · b = a · (αb) = α(a · b)
• a · (b + c) = a · b + a · c y (a + b) · c = a · c + b · c
• a·b=b·a
Producto escalar o producto interno Norma de un vector
Contenido I
Suma, resta
Actividad
Norma de un vector
Actividad
Definición
Propiedades
Contenido II
5 Vectores en Rn
Actividad
11 Cambio de base
Norma de un vector
La longitud de un vectorpa = a1 i + a2 j + a3 k se puede deducir del

Teorema de Pitágoras, a12 + a22 + a32 . La longitud de a se denota por
∥a∥ y también se le llama norma de a.
Norma de un vector
La longitud de un vectorpa = a1 i + a2 j + a3 k se puede deducir del

Teorema de Pitágoras, a12 + a22 + a32 . La longitud de a se denota por
∥a∥ y también se le llama norma de a. Como a · a = a12 + a22 + a32 ,
∥a∥ = (a · a)1/2
Norma de los vectores
Ay ⃗
||A||
Ax
Vectores unitarios
Los vectores que tienen norma 1 se llaman vectores unitarios. Por

ejemplo, los vectores de la base canónica (i, j, k) son vectores unitarios.
Vectores unitarios

a
Para cualquier vector a, el vector ∥a∥ es un vector unitario.
Vectores unitarios

a
Para cualquier vector a, el vector ∥a∥ es un vector unitario. Al dividir un
vector distinto de cero entre su norma, decimos que se ha normalizado.
Vectores unitarios

a
Para cualquier vector a, el vector ∥a∥ es un vector unitario. Al dividir un
vector distinto de cero entre su norma, decimos que se ha normalizado.
12 21 21
a a a 1 1 2
= · = 2 (a · a) = 2 (∥a∥) =1
∥a∥ ∥a∥ ∥a∥ ∥a∥ ∥a∥
Distancia
Si a y b son vectores, el vector b − a es paralelo y tiene la misma

longitud que el segmento que une los extremos de a y b. Por lo tanto, la
distancia entre los extremos de los vectores a y b es ∥a − b∥.
⃗ −B
A ⃗
⃗
B
⃗
A
Ángulo entre dos vectores
Teorema 3.1
Sean a y b dos vectores en R3 y sea θ, 0 ≤ θ ≤ π, el ángulo que
forman. Entonces
a · b = ∥a∥∥b∥ cos θ
a
||a||
||a − b||
θ
||b||
b
Utilizamos la ley de cosenos, las propiedades de la norma y del producto

para tener
∥a∥2 + ∥b∥2 − 2∥a∥∥b∥ cos θ = ∥a − b∥2

= (a − b) · (a − b)
=a·a−a·b−b·a+b·b
= ∥a∥2 − 2a · b + ∥b∥2
Ejemplo 3.3
Encontrar el ángulo entre los vectores i − j + k y −i + j + k
Ortogonalidad
Dos vectores son ortogonales si el ángulo entre ellos es de 90◦ , es decir,

π
2 radianes.
Los vectores a y b diferentes de cero son ortogonales si y solo si
u · v = 0.
Ortogonalidad
Dos vectores son ortogonales si el ángulo entre ellos es de 90◦ , es decir,

π
2 radianes.
Los vectores a y b diferentes de cero son ortogonales si y solo si
u · v = 0.
Ejemplo 3.4
Los vectores a = 5i + 7j y b = 7i − 5j en R2 son ortogonales.
Producto escalar o producto interno Actividad
Contenido I
Suma, resta
Actividad
Norma de un vector
Actividad
Definición
Propiedades
Contenido II
5 Vectores en Rn
Actividad
11 Cambio de base
Actividad 4.2
Realiza lo que se pide.
1 Calcular a · b donde a = (−1, 4, 8) y b = (5, −3, −7).

2 Calcular a · b donde a = 32 i − 23 j − 53 k y b = 12 i + 35 j − 57 k
√
3 Calcular u · v donde u = 5i + 76 j − 57k y v = ∥u∥ u
En los ejercicios del 4 al 9, calcular ∥a∥, ∥b∥, a · b y el

ángulo θ entre los vectores dados en R3 .
4 a = − 32 i + 23 j + 53 k, 7 a = −11i + 17j, b = 51k

b = 23 i − 32 j − 53 k
8 a = −1i + 2j − 3k,
5 a = 15i − 3j + 4k,
b = −1i − 3j − 4k
b = 3i − 3j + k
6 a = 3i − 5j, b = 2j − 3i 9 a = −i + j − 3k, b = 2i − 5j + k
10 Normalizar los vectores de los ejercicios 4, 5 y 6.

Producto escalar o producto interno Proyección de un vector sobre otro
Contenido I
Suma, resta
Actividad
Norma de un vector
Actividad
Definición
Propiedades
Contenido II
5 Vectores en Rn
Actividad
11 Cambio de base
Teorema 3.2
Sea v un vector diferente de cero. Entonces para cualquier otro vector u
el vector
(u · v )
w =u− v
∥v ∥2
es ortogonal a v .
Proyección
Sean u y v dos vectores diferentes de cero. Entonces la proyección de u

sobre v es un vector denotado por proyv u, que se define por
(u · v )
proyv u = v.
∥v ∥2
Proyección

(u · v )
proyv u = v.
∥v ∥2
(u·v )
La componente de u en la dirección de v es ∥v ∥ .
Proyección

(u · v )
proyv u = v.
∥v ∥2
La componente de u en la dirección de v es (u·v )

∥v ∥ .
v
∥v ∥ es un vector unitario en la dirección de v .
u
v
(u·v) u
u− ||v||2
v
v
(u·v)
||v||2
v = proyv u
Ejemplo 3.5
Sean u = 2i + 5j y v = i + j. Calcule proyv u.
Producto vectorial o producto cruz
Contenido I
Suma, resta
Actividad
Norma de un vector
Actividad
Definición
Propiedades
Contenido II
5 Vectores en Rn
Actividad
11 Cambio de base
Producto vectorial o producto cruz Definición
Contenido I
Suma, resta
Actividad
Norma de un vector
Actividad
Definición
Propiedades
Contenido II
5 Vectores en Rn
Actividad
11 Cambio de base
Sean a = a1 i + a2 j + a3 k y b = b1 i + b2 j + b3 k. Definimos el producto

vectorial o producto cruz de a y b, a × b, como el vector
a × b = (a2 b3 − a3 b2 )i − (a1 b3 − a3 b1 )j + (a1 b2 − a2 b1 )k

Producto vectorial o producto cruz Propiedades
Contenido I
Suma, resta
Actividad
Norma de un vector
Actividad
Definición
Propiedades
Contenido II
5 Vectores en Rn
Actividad
11 Cambio de base
Propiedades
1 a × b = −b × a
Propiedades
1 a × b = −b × a
2 a × (βb + γc) = β(a × b) + γ(a × c)
Propiedades
1 a × b = −b × a
2 a × (βb + γc) = β(a × b) + γ(a × c)
3 (αa + βb) × c = α(a × c) + β(b × c)
Propiedades
1 a × b = −b × a
2 a × (βb + γc) = β(a × b) + γ(a × c)
3 (αa + βb) × c = α(a × c) + β(b × c)
4 a×a=0
Propiedades
1 a × b = −b × a
2 a × (βb + γc) = β(a × b) + γ(a × c)
3 (αa + βb) × c = α(a × c) + β(b × c)
4 a×a=0
5 (αa) × b = α(a × b)
Producto vectorial o producto cruz Interpretación geométrica
Contenido I
Suma, resta
Actividad
Norma de un vector
Actividad
Definición
Propiedades
Contenido II
5 Vectores en Rn
Actividad
11 Cambio de base
El vector a × b satisface
1 ∥a × b∥ = ∥a∥∥b∥ sin θ, donde θ es el ángulo formado por a y b,
0≤θ≤π
0≤θ≤π
2 a × b es perpendicular a a y a b.
0≤θ≤π
2 a × b es perpendicular a a y a b.
3 La terna a, b, a × b satisface la regla de la mano derecha.

Tabla de multiplicación i, j, k
y
j
i
x
k
z
Ejemplo 4.1
Calcula el producto vectorial a × b, donde a = 5i − 7j + 9 y
b = −5i + 6j − k.
b
x
z a
a×b
Vectores en Rn
Contenido I
Suma, resta
Actividad
Norma de un vector
Actividad
Definición
Propiedades
Vectores en Rn
Contenido II
5 Vectores en Rn
Actividad
11 Cambio de base
Vectores en Rn
El conjunto de todas las n-tuplas ordenadas x = (x1 , x2 , . . . , xn ) donde

los xi son números reales se conoce como espacio euclı́deo
n-dimensional, de denota por Rn , y sus elementos x = (x1 , x2 , . . . , xn ) se
llaman vectores n-dimensionales o, simplemente, vectores.
Vectores en Rn
Suma vectorial y multiplicación por escalares
La suma de vectores en Rn se define por:
(x1 , x2 , . . . , xn ) + (y1 , y2 , . . . , yn ) = (x1 + y1 , x2 + y2 , . . . , xn + yn ).

Vectores en Rn
Suma vectorial y multiplicación por escalares
La suma de vectores en Rn se define por:
(x1 , x2 , . . . , xn ) + (y1 , y2 , . . . , yn ) = (x1 + y1 , x2 + y2 , . . . , xn + yn ).
Para cualquier número real α, la multiplicación por un escalar se define

por
α(x1 , x2 , . . . , xn ) = (αx1 , αx2 , . . . , αxn )
Vectores en Rn
Vectores de la base canónica en Rn

Los n vectores
e1 = (1, 0, 0, . . . , 0),
e2 = (0, 1, 0, . . . , 0),
. . .,
en = (0, 0, 0, . . . , 1)
se llaman vectores de la base canónica de Rn .
Vectores en Rn
Vectores de la base canónica en Rn

Los n vectores
e1 = (1, 0, 0, . . . , 0),
e2 = (0, 1, 0, . . . , 0),
. . .,
en = (0, 0, 0, . . . , 1)
se llaman vectores de la base canónica de Rn .
El vector x = (x1 , x2 , . . . , xn ) se puede escribir como
x = x1 e1 + x2 e2 + · · · + xn en .
Vectores en Rn
Producto escalar
El producto escalar o interno de dos vectores x = (x1 , x2 , . . . , xn ) e

y = (y1 , y2 , . . . , yn ) se define como
x · y = x1 y1 + x2 y2 + · · · + xn yn .
Vectores en Rn
Producto escalar
El producto escalar o interno de dos vectores x = (x1 , x2 , . . . , xn ) e

y = (y1 , y2 , . . . , yn ) se define como
x · y = x1 y1 + x2 y2 + · · · + xn yn .
También se utiliza la notación ⟨x , y ⟩ para el producto escalar en Rn .

Vectores en Rn
Norma
La longitud o norma de un vector x ∈ Rn , x = (x1 , x2 , . . . , xn ), está dada

por q
1
∥x ∥ = (x · x ) 2 = x12 + x22 + · · · + xn2 .
Vectores en Rn Actividad
Contenido I
Suma, resta
Actividad
Norma de un vector
Actividad
Definición
Propiedades
Contenido II
5 Vectores en Rn
Actividad
11 Cambio de base
Actividad 4.3
1 Calcular a × b donde a = i − 2j + k, b = −5j + 3k.
2 Calcular a × b donde a = −i + 7j − 2k, b = −i − j − 2k.
3 Calcular a × b donde a = −5i + 8j − 4k, b = 11j + 9j + 10k.
4 Calcular (a × b) · c donde a = i − 2j + k, b = −2j + 3k y c = 3i + j + 5k.
5 Calcular (a × b) · c donde a = i + 2j − k, b = k y c = i + k.
6 Para x = (1, 2, 3, 4) y y = (2, −3, 5, −7), encontrar ∥x∥, ∥y∥, x + y, x · y.
7 Para x = (5, −7, 11, −13, 17) y y = (−2, 4, −6, 8, 10), encontrar ∥x∥, ∥y∥, x + y, x · y.
8 Para x = (1, 5, −7, 1, −3, 1, 0, 4) y y = (0, −2, 4, −6, 8, 1, 0, −4), encontrar ∥x∥, ∥y∥, x + y,
x · y.
9 Normalizar los vectores del ejercicio 3.
10 Normalizar los vectores del ejercicio 6.
Definición de espacio vectorial y propiedades
Contenido I
Suma, resta
Actividad
Norma de un vector
Actividad
Definición
Propiedades
Contenido II
5 Vectores en Rn
Actividad
11 Cambio de base
Definición 5.1 (Espacio vectorial real)

Un espacio vectorial real V es un conjunto de objetos, denominados
vectores, junto con dos operaciones binarias llamadas suma y
multiplicación por un escalar, y que satisfacen los axiomas 1-10.
Axiomas de grupo
1 Si x ∈ V y y ∈ V , entonces x + y ∈ V cerradura bajo la suma.
2 Si x, y, z ∈ V entonces (x + y) + z = x + (y + z) asociatividad de
la suma de vectores
3 Existe un vector 0 ∈ V tal que para todo x ∈ V , x + 0 = 0 + x = x
vector cero o neutro aditivo
4 Si x ∈ V , existe un vector −x ∈ V tal que x + (−x) = 0 inverso
aditivo.
5 Si x, y ∈ V , entonces x + y = y + x conmutatividad de la suma de
vectores. (Si se cumpla esta propiedad, entonces se dice que el
grupo es abeliano o conmutativo.)
Axiomas
6 Si x ∈ V y α es un escalar, entonces αx ∈ V cerradura bajo la

multiplicación por un escalar.
7 Si x, y ∈ V y α es un escalar, entonces α(x + y) = αx + αy
primera ley distributiva.
8 Si x ∈ V y α, β son escalares, entonces (α + β)x = αx + βx
segunda ley distributiva.
9 Si x ∈ V y α, β son escalares, entonces α(βx) = (αβ)x ley
asociativa de la multiplicación por escalares.
10 Para cada vector x ∈ V , 1x = x.
Ejemplo 5.1
El espacio Rn .
Ejemplo 5.2
El espacio vectorial trivial. V = {0}.
Ejemplo 5.3
El espacio vectorial trivial. V = {1}.
Ejemplo 5.4
Los puntos de una recta en R2 que pasa por el origen.
Ejemplo 5.5
Los puntos de una recta en R2 que no pasa por el origen.
Ejemplo 5.6
El espacio vectorial V = Pn , el conjunto de polinomios con coeficientes
reales de grado menor o igual a n.
Ejemplo 5.7
Los espacios vectoriales C [0, 1] y C [a, b].
Ejemplo 5.8
El espacio vectorial Mmn .
Ejemplo 5.9
El espacio Cn .
Teorema 5.2
Sea V un espacio vectorial. Entonces
1 α0 = 0 para todo escalar α.
2 0 · x = 0 para todo x ∈ V
3 Si αx = 0, entonces α = 0 o x = 0.
4 (−1)x = −x para todo x ∈ V .

Subespacio vectorial
Contenido I
Suma, resta
Actividad
Norma de un vector
Actividad
Definición
Propiedades
Contenido II
5 Vectores en Rn
Actividad
11 Cambio de base
Definición 6.1
H es un subespacio vectorial de V si H es un subconjunto no vacı́o de V ,
y H es un espacio vectorial, junto con las operaciones definidas para V .
Los subespacios distintos a {0} y V se denominan subespacios propios.
Teorema 6.2 (Subespacio vectorial)

̸ ∅ y además se cumplen
Si H =
1 Si x, y ∈ H, entonces x + y ∈ H.
2 Si x ∈ H, entonces αx ∈ H para todo escalar α.
entonces H es un subespacio vectorial de V .

Equivalentemente, se puede verificar que el vector αx + y esté en H.
Subespacio trivial
Ejemplo 6.1
H = {0}
Ejemplo 6.2
H = V.
Ejemplo 6.3
H = {(x , y )|y = mx } ⊂ R2 .
Ejemplo 6.4
H = {(x , y , z)|x = at, y = bt, z = ct, a, b, c, t ∈ R} ⊂ R3 .
Ejemplo 6.5
H = {(x , y , z)|ax + by + cz = 0; a, b, c ∈ R} ⊂ R3 .
Ejemplo 6.6
R no tiene subespacios propios.
Ejemplo 6.7
H = Pm , con 0 ≤ m < n es un subespacio del espacio vectorial de
polinomios de grado menor o igual a n (Pn ). H < Pn .
Ejemplo 6.8
H = {A ∈ Mmn |a11 = 0} es un subespacio de Mmn .
Ejemplo 6.9
V = Mmn . H = {A ∈ Mmn |A es invertible}. H ≮ V
Ejemplo 6.10
Pn [0, 1] < C [0, 1].
Ejemplo 6.11
C 1 [0, 1] < C [0, 1].
Ejemplo 6.12
n R1 o
H < C [0, 1], donde H = f ∈ C [0, 1]| 0 f (x )dx = 0 .
Ejemplo 6.13
El espacio solución de un sistema de ecuaciones lineales homogéneas.
Teorema 6.3
Si H1 y H2 son dos subespacios de un espacio vectorial V . Entonces
H1 ∩ H2 es un subespacio de V .
Ejemplo 6.14
V = R3 . Sean H1 = {(x , y , z)|2x − y − z = 0} y
H2 = {(x , y , z)|x + 2y + 3z = 0}. Entonces H1 ∩ H2 < V .
Combinación lineal, dependencia e independencia lineal
Contenido I
Suma, resta
Actividad
Norma de un vector
Actividad
Definición
Propiedades
Contenido II
5 Vectores en Rn
Actividad
11 Cambio de base
Combinación lineal
Un vector x en V es una combinación lineal de los vectores y1 , · · · , yn

en V dado que existan escalares c1 , . . . , cn en R tales que
n
X
x = c1 y1 + · · · + cn yn = ci yi
i=1
Ejemplo 7.1
• Combinación lineal en R4 .
• Combinación lineal en M42 .
• Combinaciones lineales en Pn .
Subespacio generado
Sea S un conjunto de vectores en un espacio vectorial V . El subespacio

generado por S se define como la intersección H de todos los
subespacios de V que contienen a S. Cuando S es un conjunto finito de
vectores, S = {x1 , x2 , . . . , xn } decimos que H es el subespacio generado
por los vectores x1 , x2 , . . . , xn .
Teorema 7.1
El subespacio generado por un conjunto no vacı́o S de un espacio
vectorial V es el conjunto de todas las combinaciones lineales de
vectores en S.
Ejemplo 7.2
Seis vectores que generan a M23 .
Ejemplo 7.2
Seis vectores que generan a M23 .
Ejemplo 7.3
Ningún conjunto finito de polinomios genera al espacio vectorial de los
polinomios P.
Ejemplo 7.4
Subespacio generado por los vectores
x1 = (1, 2, 0, 3, 0)
x2 = (0, 0, 1, 4, 0)
x3 = (0, 0, 0, 0, 1)
Ejemplo 7.5
Subespacio generado por los vectores
x1 = (1, 2, 3)
x2 = (1, 4, 0)
Definición 7.2
Si S1 , S2 , . . . , Sk son subespacios de un espacio vectorial V , el conjunto
de todas las sumas
x1 + x2 + · · · + xk
de vectores xi en Si es llamado la suma de los subespacios S1 , S2 , . . . , Sk
y se denota por
S1 + S2 + · · · + Sk
Si W1 , W2 , . . . , Wk son subespacios de V , entonces la suma
W = W1 + W2 + · · · + Wk
es un subespacio de V que contiene a cada uno de los espacios Wi . W

es el espacio generado por la unión de W1 , W2 , . . . , Wk .
Dependencia lineal
Sea V un espacio vectorial sobre R. Un subconjunto S de V es

linealmente dependiente si existen vectores distintos x1 , x2 , . . . , xn en S
y escalares α1 , α2 , . . . , αn en R, no todos cero, tal que
α1 x1 + α2 x2 + · · · + αn xn = 0.
Independencia lineal
Un conjunto que no es linealmente dependiente se llama linealmente

independiente. Si el conjunto S contiene solamente un número finito de
vectores x1 , x2 , . . . , xn , decimos que x1 , x2 , . . . , xn son dependientes en
lugar de decir que S es dependiente. De manera similar cuando se
abrevia para el casa en el que S es independiente.
Propiedades
• Cualquier conjunto que contiene un conjunto linealmente
dependiente es linealmente dependiente.
• Cualquier subconjunto de un conjunto linealmente independiente es
un conjunto linealmente independiente.
• Cualquier conjunto que contenga al vector 0 es linealmente
dependiente (1 · 0 = 0).
• Un conjunto S de vectores es linealmente independiente si y solo sı́
cada subconjunto finito S es linealmente independiente, es decir, si
y sólo si para cualesquiera vectores distintos x1 , x2 , . . . , xn de S,
α1 x1 + α2 x2 + · · · + αn xn = 0 implica que cada αi = 0.
Ejemplo 7.6
Dos vectores linealmente dependientes en R6 .
Ejemplo 7.6
Dos vectores linealmente dependientes en R6 .
Ejemplo 7.7
Dos vectores linealmente independientes en R3 .
Ejemplo 7.8
Determinar si los vectores son linealmente dependientes o
independientes.
       
1 2 3 4
−1  2   3  4
•  4 ,  3 ,  2 , 1 .
      
−2 −1 −3 0
     
1 2 3
• 4, 5, 6.
7 8 9
Sea Am×n una matriz. Los vectores fila de A son los vectores
xi = (Ai1 , . . . , Ain ), para i = 1, . . . , m. El subespacio generado por los
vectores fila de A se llama espacio fila de A.
Ejemplo 7.9
El subespacio considerado en el Ejemplo 7.4 es el espacio fila de la matriz
 
1 2 0 0 0
A = 0 0 1 4 0 .
0 0 0 0 1
También es el espacio fila de la matriz

 
1 2 0 0 0
0 0 1 4 0
B= 0 0 0 0
.
1
−4 −8 1 −8 0
Bases y dimensiones
Contenido I
Suma, resta
Actividad
Norma de un vector
Actividad
Definición
Propiedades
Bases y dimensiones
Contenido II
5 Vectores en Rn
Actividad
11 Cambio de base
Bases y dimensiones
Base
Sea V un espacio vectorial. Una base para V es un conjunto de vectores

linealmente independiente en V que genera el espacio V . El espacio V
es finito dimensional si tiene una base finita.
Bases y dimensiones
Ejemplo
El conjunto Rn con la base canónica.
Bases y dimensiones
Ejemplo 8.1
Sea An×n una matriz invertible con entradas reales. Entonces A1 , . . . , An ,
las columnas de A, forman una base para el espacio de matrices
columna, Rn×1 .
Bases y dimensiones
Ejemplo 8.2
Sea Am×n una matriz y sea S el espacio solución del sistema homogéneo
AX = 0. Sea R una matriz escalonada reducida que es equivalente por
filas a A. Entonces S es también el espacio solución del sistema RX = 0.
Si R tiene r filas no cero, entonces el sistema de ecuaciones RX = 0
simplemente expresa r de las incógnitas x1 , . . . , xn en términos de las
n − r incógnitas restantes.
Bases y dimensiones
Teorema 8.1
Sea V un espacio vectorial que es generado por un número finito de
vectores x1 , x2 , . . . , xm . Entonces cualquier conjunto independiente de
vectores en V es finito y no tiene más de m elementos.
Corolario 8.2
Si V es un espacio vectorial finito dimensional, entonces cualesquiera
dos bases de V tiene el mismo número de elementos.
Bases y dimensiones
Dimensión
La dimensión de un espacio vectorial finito dimensional es el número de

elementos en alguna de sus bases. Denotaremos la dimensión del espacio
vectorial V como dimV .
Bases y dimensiones
Corolario 8.3
Sea V un espacio vectorial finito dimensional y sea n = dimV . Entonces
• cualquier subconjunto de V que contiene más de n vectores es
linealmente dependiente.
• ningún conjunto de V que tenga menos de n vectores genera a V .
Bases y dimensiones
Sea S un subconjunto linealmente independiente de un espacio vectorial

V . Supongamos que y es un vector e V que no está en el subespacio
generado por S. Entonces el conjunto obtenido al agregar y a S es
linealmente independiente.
Bases y dimensiones
Teorema 8.4
Si H es un subespacio de un espacio vectorial de un espacio vectorial
finito dimensional V , entonces cada subconjunto linealmente
independiente de H es finito y es parte de una base (finita) para V .
Corolario 8.5
Si W es un subespacio propio de un espacio vectorial finito dimensional
V , entonces W es finito dimensional y dimW < dimV .
Corolario 8.6
En un espacio vectorial finito dimensional V cada conjunto no vació
linealmente independiente de vectores es parte de una base.
Bases y dimensiones
Corolario 8.7
Sea A una matriz n × nsobre R, y supongamos que los vectores fila de A
forman un conjunto linealmente independiente de vectores en Rn .
Entonces A es invertible.
Bases y dimensiones
Teorema 8.8
Si W1 y W2 son subespacios finito dimensionales de un espacio vectorial
V , entonces W1 + W2 es finito dimensional y
dimW1 + dimW2 = dim (W1 ∩ W2 ) + dim (W1 + W2 )

Bases ortonormales y ortogonalización de Gram-Schmidt
Contenido I
Suma, resta
Actividad
Norma de un vector
Actividad
Definición
Propiedades
Contenido II
5 Vectores en Rn
Actividad
11 Cambio de base
Producto escalar
Si u, v y w están en Rn y α ∈ R, entonces
• u·v=v·u
• (u + v) · w = u · w + v · w
• w · (u + v) = w · u + w · v
• (αu) · v = α(u · u)
• v · (αu) = α(v · u)
√
• ∥v∥ = v · v
• ∥v∥ ≥ 0
• ∥v∥ = 0 si y sólo si v = 0
Conjunto ortonormal en Rn
Sea un conjunto de vectores S = {u1 , u2 , . . . , uk } en Rn . S es ortogonal

si
• ui · uj = 0, si i ̸= j.
S es un conjunto ortonormal si
• ui · uj = 0, si i ̸= j
• ui · ui = 1.
Un conjunto es ortonormal si cualquier par de ellos es ortogonal y cada
uno tiene longitud 1.
Teorema 9.1
Si {v1 , v2 , . . . , vk } es un conjunto ortogonal de vectores diferentes de
cero, entonces es linealmente independiente.
Proceso de ortogonalización de Gram-Schmidt
Teorema 9.2
Sea H un subespacio de dimensión m de Rn . Entonces H tiene una base
ortonormal.
Sea {v1 , v2 , . . . , vm } una base para H. Sea u1 = v1 . Consideramos los

vectores
i
X (vi+1 · uk )
ui+1 = vi+1 − 2 uk
k=1
∥u k ∥
Los vectores {u1 , u2 , . . . , um } son ortogonales. Para obtener una base
ortonormal, normalizar cada vector ui .
Ejemplo 9.1
3
Construya una base
  ortonormal
  enR comenzando con la base
 1 0 1 
{v1 , v2 , v3 } = 1 , 1 , 0
0 1 1
 
Ejemplo 9.2
Encuentre una base ortonormal
  para el conjunto de vectores
 en R3 que
 x 
está sobre el plano π = y  : −5x + 7y + 3z = 0 .
z
 
Cambio de base
Contenido I
Suma, resta
Actividad
Norma de un vector
Actividad
Definición
Propiedades
Cambio de base
Contenido II
5 Vectores en Rn
Actividad
11 Cambio de base
Cambio de base
Base ordenada
Definición 10.1
Si V es un espacio vectorial finito dimensional, una base ordenada para
V es una sucesión finita de vectores que es linealmente independiente y
genera a V .
Si una sucesión x1 , x2 , . . . , xn es una base ordenada para V , entonces el
conjunto {x1 , x2 , . . . , xn } es una base de V .
Cambio de base
Coordenadas
Sean V es un espacio vectorial real y
B = {x1 , x2 , . . . , xn }
una base ordenada para V . Dado y ∈ V , existe una n-ada única
(α1 , . . . , αn ) de escalares tales que
n
X
y= αi xi .
i=1
Llamaremos a los αi , la i-ésima coordenada de y relativa a la base

ordenada
B = {x1 , x2 , . . . , xn }.
Cambio de base
Cada base ordenada para V determina una correspondencia uno a uno

entre el conjunto de vectores en V y el conjunto de n-tuplas en Rn ( el
campo). Esta correspondencia tiene la propiedad de que el
correspondiente de x + y es la suma en Rn de los correspondientes x y y.
El correspondiente de cx es el producto en Rn del escalar c y el x
correspondiente.
Cambio de base
En ocasiones será más conveniente usar la matriz coordenada de x

relativa a la base ordenada B:
 
x1
X =  ... 
xn
en lugar de la n-ada de coordenadas x1 , . . . , xn . Para indicar la

dependencia de la matriz coordenada en la base, usamos la notación
[x]B
para la matriz de coordenadas del vector x relativas a la base ordenada

B.
Cambio de base
Sea V un espacio vectorial de dimensión n y sean
B = {x1 , . . . , xn }, B ′ = {x1′ , . . . , xn′ },
dos bases ordenadas para V . Entonces existen escalares únicos Pij tales
que
X n
′
xj = Pij xi , 1 ≤ j ≤ n.
i=1
Cambio de base
Sean y1′ , . . . , yn′ las coordenadas de un vector dado y en la base B ′ y sean

y1 , . . . , yn las coordenadas de un vector dado y en la base B. Entonces
n
X
y= y1′ x1′ + ··· + yn′ xn′ = yj′ xj′
j=1
n
X n
X n
XX n
= yj′ Pij xi = Pij yj′ xi
j=1 i=1 j=1 i=1
n n
!
X X
= Pij yj′ xi
i=1 j=1
Cambio de base
Ası́ !
n
X n
X
y= Pij yj′ xi
i=1 j=1
Además, las coordenadas de y en la base B son y1 , . . . , yn . Luego

n n n
!
X X X
y= yi xi = Pij yj′ xi
i=1 i=1 j=1
por lo que
n
X
yi = Pij yj′
j=1
Cambio de base
Sea P la matriz n × n cuya entrada i, j es el escalar Pij , y sean Y y Y ′

las matrices de coordenadas del vector y en las bases ordenadas B y B ′ .
Entonces
Y = PY ′
Cambio de base
Cambio de base
Teorema 10.2
Sea V un espacio vectorial n-dimensional sobre R, y sean B y B ′ dos
bases ordenadas para V . Entonces hay una matriz invertible Pn×n con
entradas reales tal que
1 [x]B = P[x]B ′
−1
2 [x]B ′ = P [x]B
para cada vector x ∈ V . Las columnas de P están dadas por
Pj = [xj′ ]B , j = 1 . . . , n.
Cambio de base
Procedimiento para encontrar la matriz de transición de la base canónica

a la base B = {x1 , x2 , . . . , xn }
1 Se escribe la matriz P cuyas columnas son x1 , x2 , . . . , xn .
−1
2 La matriz de transición que buscamos es P .
Cambio de base
Ejemplo 10.1
Encontrar
  la matriz
  de 
transición
 de la base canónica a la base
 1 3 0 
B=  0 , −1 , 1
    
2 0 −2
 
Cambio de base
Ejemplo 10.2
Sea θ un número real fijo. El conjunto B ′ formado por los vectores
(cos θ, sin θ), (− sin θ, cos θ) es una base para R2 .
Cambio de base
Ejemplo 10.3
Sea V el espacio vectorial real de todos los polinomios de grado menor o igual a 2. Es
decir, el espacio de todas las funciones de la forma
f (x ) = c0 + c1 x + c2 x 2
Sea t un número real fijo y sean
g1 (x ) = 1, g2 (x ) = x + t, g2 (x ) = (x + t)2 .
Probar que B = {g1 , g2 , g3 } es una base para V . Si
f (x ) = c0 + c1 x + c2 x 2
¿cuáles son las coordenadas de f en la base ordenada B?

Cambio de base
Ejemplo 10.4

3 2 2 −5
Sean B = , y B′ = , dos bases en R2 . Si
1 −1 4 3
b1
[x]B = , exprese x en términos de la base B ′ .
b2

3 - Espacios Vectoriales

Cargado por

Información del documento

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

3 - Espacios Vectoriales

Cargado por

Copyright:

Formatos disponibles

4.

Dr. Miguel Antonio Morales Ramos

Un escalar es un número real y representa magnitudes. También puede

La suma se puede definir entre elementos de R3 como

(a1 , a2 , a3 ) + (b1 , b2 , b3 ) = (a1 + b1 , a2 + b2 , a3 + b3 )

(−1, 2, −3) + (−4, 5, −6)

Elemento cero y resta

El elemento cero de R3 es (0, 0, 0).

Elemento cero y resta

El elemento cero de R3 es (0, 0, 0).

Elemento cero y resta

El elemento cero de R3 es (0, 0, 0).

(a1 , a2 , a3 ) − (b1 , b2 , b3 ) = (a1 , a2 , a3 ) + (−b1 , −b2 , −b3 )

Elemento cero y resta

El elemento cero de R3 es (0, 0, 0).

(a1 , a2 , a3 ) − (b1 , b2 , b3 ) = (a1 , a2 , a3 ) + (−b1 , −b2 , −b3 )

Producto por un escalar

Producto por un escalar

Producto por un escalar

Producto por un escalar

Producto por un escalar

Asociativa (αβ)(a1 , a2 , a3 ) = α[β(a1 , a2 , a3 )]

Asociativa (αβ)(a1 , a2 , a3 ) = α[β(a1 , a2 , a3 )]

Asociativa (αβ)(a1 , a2 , a3 ) = α[β(a1 , a2 , a3 )]

Asociativa (αβ)(a1 , a2 , a3 ) = α[β(a1 , a2 , a3 )]

Asociativa (αβ)(a1 , a2 , a3 ) = α[β(a1 , a2 , a3 )]

Asociativa (αβ)(a1 , a2 , a3 ) = α[β(a1 , a2 , a3 )]

Decimos que dos vectores a = (a1 , a2 , a3 ), b = (b1 , b2 , b3 ) son iguales si

Decimos que dos vectores a = (a1 , a2 , a3 ), b = (b1 , b2 , b3 ) son iguales si

Un vector es un segmento de recta dirigido con un inicio y un final. Si

Un vector es un segmento de recta dirigido con un inicio y un final. Si

Multiplicación por un escalar

Los vectores de la base canónica

Los vectores de la base canónica

Los vectores de la base canónica

Los vectores de la base canónica

Los vectores de la base canónica

Los vectores de la base canónica

Los vectores de la base canónica

Producto escalar o producto interno

El producto escalar de a = (a1 , a2 , a3 ) = a1 i + a2 j + a3 k y

Propiedades del producto escalar o producto interno

Propiedades del producto escalar o producto interno

Propiedades del producto escalar o producto interno

Propiedades del producto escalar o producto interno

Propiedades del producto escalar o producto interno

La longitud de un vectorpa = a1 i + a2 j + a3 k se puede deducir del

La longitud de un vectorpa = a1 i + a2 j + a3 k se puede deducir del

Norma de los vectores

Los vectores que tienen norma 1 se llaman vectores unitarios. Por

Los vectores que tienen norma 1 se llaman vectores unitarios. Por

Los vectores que tienen norma 1 se llaman vectores unitarios. Por

Los vectores que tienen norma 1 se llaman vectores unitarios. Por

Si a y b son vectores, el vector b − a es paralelo y tiene la misma

Ángulo entre dos vectores

Ángulo entre dos vectores

Ángulo entre dos vectores

Utilizamos la ley de cosenos, las propiedades de la norma y del producto

∥a∥2 + ∥b∥2 − 2∥a∥∥b∥ cos θ = ∥a − b∥2

Dos vectores son ortogonales si el ángulo entre ellos es de 90◦ , es decir,

Dos vectores son ortogonales si el ángulo entre ellos es de 90◦ , es decir,

1 Calcular a · b donde a = (−1, 4, 8) y b = (5, −3, −7).

En los ejercicios del 4 al 9, calcular ∥a∥, ∥b∥, a · b y el