Espacios vectoriales

Manuel Montalvo Bonilla

August 5, 2024

1 Espacios Vectoriales
Los espacios vectoriales son más que simples conjuntos, son conjuntos en los cuales se
pueden sumar y multiplicar sus elementos. Además tienen elemento nulo y cada elemento
posee un inverso aditivo, lo que permite definir y resolver ecuaciones.

1.1 Espacios vectoriales

Definición 1.1 Un espacio vectorial es un conjunto no vacó V de entes llamados vec-
tores que, junto con sus números asociados llamados escalares, satisfacen las siguientes
condiciones:
1.
2.
3.

Ejemplo 1.1.1 El conjunto R2 con las operaciones usuales de suma y multiplicación por
un escalar es un espacio vectorial.

1.2 Subespacios vectoriales

Definición 1.2 Supongamos que V0 y V son espacios vectoriales reales con las mismas
operaciones. si V0 ⊆ V , entonces V0 es un subespacio vectorial de V .

Observación 1.2.1 Un subespacio es mucho más que un subconjunto; Un subespacio es

un subconjunto que es un espacio vectorial por derecho propio cuando se usan las mismas
operaciones que en el espacio vectorial “padre”.

Teorema 1.1 (Teorema del subespacio) Sea V un espacio vectorial y V0 un subcon-

junto de V , la suma de vectores y la multiplicación por un escalar de V0 se define exacta-
mente como en V . El conjunto V0 es un subespacio vectorial de V si y solo si son válidas
las siguientes tres condiciones:

1
 1. El conjunto V0 no es vacı́o

2. V0 es cerrado con respecto a la multiplicación por un escalar, es decir αw ∈ V0 para

todo escalar α ∈ y todo w ∈ V0 .

3. V0 es cerrado con respecto a la suma de vectores, es decir w + w0 ∈ V0 para todo

w, w0 ∈ V0 .

Demostración

Ejemplo 1.2.1 Sea {v1 , v2 , ..., vn } un conjunto no vacı́o de vectores del espacio vectorial
V . Si V0 es el conjunto de todas las combinaciones lineales

v0 = α1 v1 + α2 v2 + · + αn vn ,

donde los escalares α, puede tomar cualquier valor arbitrario.

1.

2.

3.

Ejemplo 1.2.2 Si V y W son espacios vectoriales, entonces el conjunto V × W es un

espacio vectorial.

Ejemplo 1.2.3 El conjunto V0 = {0} es un subespacio vectorial de cualquier espacio vec-

torial V .

Ejemplo 1.2.4 Sea A una matriz de orden p × q real, que b es una matriz p × 1 talque
B 6= 0 y V0 el conjunto de todos los x que satisfacen Ax = b. V0 no es un subespacio de
Rq .

Ejemplo 1.2.5 Sea A una matriz de orden p × q y V0 el conjunto de matrices columna

q × 1, x, tal que Ax = 0. Entonces V0 es un espacio vectorial.

Ejercicio 1.2.1 Sean V y W dos espacios vectoriales reales. Demostrar que el espacio
V × W es un espacio vectorial real con las operaciones

(v, w) + (v 0 , w0 ) = (v + v 0 , w + w0 ) y α(v, w) = (αv, αw).

Ejercicio 1.2.2 Sean A una matriz p × q y b una matriz de orden p × 1 con b 6= 0. Sea V0
el conjunto de todas las matrices x tal que Ax = b. Demostrar que V0 no es un subespacio
vectorial de las matrices columna de orden q × 1.

2
Ejercicio 1.2.3 Sea V0 el conjunto de todas las matrices 3×1 tal que hvi1 = 0. Demostrar
que V0 es un subespacio de las matrices columna de orden 3 × 1.

Ejercicio 1.2.4 Demuestre que el espacio de polinomios de grado menor o igual que k es
un subespacio de los polinomios de grado arbitrario.

Ejemplo 1.2.6 Sea A una matriz de orden q × q. Demuestre que el conjunto de los x de
orden q × 1 tales que Ax = x es un subespacio vectorial de las matrices columna q × 1.

1.3 Dependencia lineal e independencia lineal

Definición 1.3 Sea V un espacio vectorial y v1 , v2 , ..., vn vectores de V .

a) Una combinación lineal de los vectores v1 , v2 , ..., vn es una expresión de la forma

α1 v1 + α2 v2 + · · · + αn vn en donde α1 , α2 , ..., αn son escalares.

b) Un vector v ∈ V es linealmente dependiente de los vectores v1 , v2 , ..., vn , si v se

puede escribir como combinación lineal de los vectores v1 , v2 , ..., vn ; si no es ası́,v es
linealmente independiente de los vectores v1 , v2 , ..., vn .

c) El conjunto S de vectores v1 , v2 , ..., vn genera el subespacio V0 de V si S es subcon-

junto de V0 y cada vector de V0 depende linealmente de S. El conjunto S es llamado
conjunto generador de V0 .

Ejemplo 1.3.1 El conjunto de vectores

       
1 1 0 2
v1 =  −1  , v2 =  4  , v3 =  0  , v4 =  3  .
0 −2 5 −4

genera el espacio R3 . En efecto...

Definición 1.4 (Independencia lineal) Sea L = {v1 , v2 , ..., vn } un conjunto no vacı́o

de vectores

a) Si α1 v1 + α2 v2 + · · · + αn vn = 0, implica que la única posibilidad es que

α1 = 0, α2 = 0, ..., αn = 0. Entonce el conjunto L es linealmente independiente.

b) El conjunto L es linealmente dependiente si no es linealmente independiente. Esto

es , existen escalares α1 , α2 , ..., αn no todos ceros tal que α1 v1 + α2 v2 + · · · + αn vn = 0,

Teorema 1.2 (Independencia lineal) Sea (V, +, .) un espacio vectorial

3
a) Sea L = {v1 , v2 , ..., vk } ⊆ V con k ≥ 2 y todos los vectores vi 6= 0. El conjunto L
es linealmente dependiente si y solo si al menos uno de los vectores vi es linealmente
dependiente de los restantes vj (i 6= j); en particular L es linealmente dependiente si
y solo si al menos uno de los vectores vj es linealmente dependiente de los vectores
anteriores v1 , v2 , ..., vj−1 .

b) Cualquier conjunto que contenga al cero es linealmente independiente

c) El conjunto {v} es linealmente independiente si y solo si v 6= 0.

...

1.4 Base, dimensión y coordenadas

Teorema 1.3 (Reducción de conjuntos generadores) Sea V un espacio vectorial y
S = {v1 , v2 , ..., vn } un conjunto que genera V .
a) Suponga que uno de los vectores vj es linealmente independiente de Sj = {v1 , ..., vj−1 , vj+1 , ..., vn },
esto es de los vectores restantes. Entonces el conjunto reducido Sj también genera V .

b) Si por lo menos un vector en S es diferente de 0, es decir, si V es más que el espacio

trivial {0}, entonces existe un subconjunto S0 de S que genera V y que es linealmente
independiente.

El teorema 1.3 dice que se puede reducir un conjunto generador de vectores a un conjunto
generador de vectores linealmente independiente de V .

Definición 1.5 Una base en un espacio vectorial V es un conjunto generador linealmente

independiente de V .

Ejemplo 1.4.1 Sea V0 ...

Teorema 1.4 (Representación única con respecto a una base) Sea B = {v1 , v2 , ..., vn }
una base de V , entonces la representación de cada vector respecto a la base B es única.

Demostración
Sea v un vector arbitrario de V . Además sean

α1 v1 + α2 v2 + · · · + αn vn y β 1 v1 + β 2 v2 + · · · + β n vn

dos representaciones de v con respecto a la base V . Luego

α1 v1 + α2 v2 + · · · + αn vn = β1 v1 + β2 v2 + · · · + βn vn
(α1 − β1 )v1 + (α2 − β2 )v2 + · · · + (αn − βn )vn = 0.

4
Por ser {v1 , v2 , ..., vn } un conjunto linealmente independiente, la única posibilidad es que
α1 − β1 = 0, α2 − β2 = 0,...,αn − βn = 0, esto es αi = βi para cada i = 1, 2, ..., n. Por lo
tanto la descomposición es única.

Teorema 1.5 Si B = {v1 , v2 , ..., vn } una base del espacio vectorial V y si D = {v1 , v2 , ..., vm }
es un conjunto de vectores linealmente independientes, entonces m ≤ n.

Corolario 1.4.1 Si B = {v1 , v2 , ..., vn } una base del espacio vectorial V y si D = {v1 , v2 , ..., vm }
es un conjunto de vectores linealmente independientes, entonces m ≤ n.

Corolario 1.4.2 El espacio Rp tiene dimensión n.

Teorema 1.6 Si V es un espacio vectorial de dimensión n. Entonces

a) Todo conjunto que tenga más de n vectores es linealmente dependiente.

b) Si D = {v1 , v2 , ..., vk } es linealmente independiente y k < n, entonces existirán vectores

vk+1 , ..., vn tales que {v1 , v2 , ..., vn } es una base para V .

c) Si un conjunto de exactamente n vectores, es, o un conjunto generador para V , o lin-

ealmente independiente, entonces es ambas cosas y es una base de V .

Teorema 1.7 Un espacio vectorial tiene dimensión finita k si y solo si k es el máximo

numero de vectores en un conjunto linealmente independiente.

Coordenadas

Definición 1.6 Una base ordenada B = {v1 ; v2 ; ...; vn } es una base {v1 , v2 , ..., vn } en la
que hay un orden fijo y bien definido, indicado por las posiciones relativas de los vectores
respecto a B

Definición 1.7 Sea B = {v1 ; v2 ; ...; vn } una base ordenada del espacio V

a) La i-ésima coordenada de un vector v con respecto a B es el escalar αi tal que

v = α1 v1 + α2 v2 + · · · + αn vn .

b) Las coordenadas en B o el vector coordenadas de un vector v respecto a B es aquella

matriz columna p × 1, vB dada por hvB ii = αi , donde v = α1 v1 + α2 v2 + · · · + αn vn .

c) La función de coordenadas con respecto a B es la función cB que asigna a cada vector

v en V su único vector de coordenadas con respecto a B:

cB (v) = vB = [α1 α2 · · · αn ]T , en donde v = α1 v1 + α2 v2 + · · · + αn vn .

5
La importancia de las coordenadas es que proporciona umn modo concreto de hacer
cálculos.

Teorema 1.8 Un espacio vectorial tiene dimensión finita k si y solo si k es el máximo

numero de vectores en un conjunto linealmente independiente.

Teorema 1.9 (Función de coordenadas) Si V es un espacio vectorial de dimensión n

y sea cB la función de coordenadas con respecto a alguna base B. Entonces:

a) Para todo u, v en V se tiene cB (u + v) = cB (u) + cB (v).

b) Para todo escalar α y todo v en V , cB (αv) = αcB (v).

c) cB (v) = 0 en Rn si y solo si V = 0 en V

d) Para todo vB en Rn existe exactamente un v en V tal que cB (v) = vB .

Corolario 1.4.3 Todo espacio vectorial de dimensión n es isomorfo a Rn

Cambio de base

Suponga que
B = {v1 ; v2 ; ...; vn } y B 0 = {v10 ; v20 ; ...; vn0 }
son dos bases ordenadas para el espacio vectorial V de dimensión n. Para cada vector vi0
de la base ordenada B 0 se tiene

vi0 = m1 v1 + m2 v2 + · · · mn vn , (1)

es decir
cB (vi0 ) = mi = [m1 m2 · · · mn ]T .
Suponga que se tienen las coordenadas B 0 , cB 0 (v) y se quiere conocer las coordenadas B,
cB (v) esto es se tiene α10 , α20 , ..., αn0 tales que v = α10 v10 +α20 v20 +· · ·+αn0 vn0 y se desea encontrar
α1 , ..., αn tales que v = α1 v1 + α2 v2 + · · · + αn vn . Del teorema sobre el isomorfismo cB y
de (1) (usando matrices separadas)

cB (v) = cB (α10 v10 + α20 v20 + · · · + αn0 vn0 )

= α10 cB (v10 ) + α20 cB (v20 ) + · · · + αn0 cB (vn0 )
= α10 m1 + α20 m2 + · · · + αn0 mn
= [m1 m2 · · · mn ][α10 α20 · · · αn0 ]T
= M cB 0 (v),

en donde M es la matriz de orden p × p, M = [m1 m2 · · · mn ].

6
1.5 Ejercicios
1. Demuestre que los vectores
       
1 1 1 1
e01 =  2  , e02 =  0  , e03 =  −2  , e04 =  4  .
1 −1 1 3

generan R3

2. Demuestre que cualquiera de los e01 e02 o e04 puede eliminarse en el problema 1, y que
los vectores restantes todavı́a generarán R3.

3. Determine si R3 está generado por los vectores

 T  T
v1 = 1 −1 2 , v2 = −1 0 3 ,
 T  T
v3 = 0 −1 5 , v4 = 3 −2 2 .

4. Determinar cual de los vectores

 T  T  T
u1 = −3 −1 15 6 , u2 = 1 0 −1 0 , u3 = 1 1 1 0 .

están en el subespacio de R4 generado por

 T  T  T
v1 = −1 3 5 2 , v2 = 2 −1 0 1 , v3 = 1 −8 5 3 .

 T
5. Exprese el vector general x y z como una combinación lineal de
 T  T  T
v1 = 1 2 1 , v2 = 1 0 −1 , v3 = 1 −2 1 .

6. Demuestre que el espacio P 3 de polinomios de grado estrictamente menor que 3 está

generado por el conjunto {2, 3 + t, 2 − t2 }.

7. Demuestre que el espacio P 3 del problema 6 está generado por el conjunto

{1, 2 + 2t, 1 − t + t2 , 2 − t2 }.

8. Demuestre que el espacio P 3 del problema 6 no está generado por el conjunto

{1 + t, t + t2 }.

9. Suponga que el conjunto {u, v, w} es linealmente independiente. Demuestre que

{u + v, v + w, w + u} es también linealmente independiente.

7
10. Suponga que {u, v} es linealmente independiente. Sea u0 = au + bv, y v 0 = cu + dv.
Demuestre que {u0 , v 0 } es linealmente independiente si y sólo si ad − bc 6= 0.

11. Demuestre que el conjunto de vectores del problema 1 es linealmente dependiente.

12. Demuestre que los cuatro vectores del problema 3 forman un conjunto linealmente
dependiente y determine cuáles son linealmente dependientes de cuáles otros.

13. Demuestre que en el espacio P 3 del problema 6, el conjunto

{1, 2 + 2t, 1 − t + t2 , 2 − t2 }

es linealmente dependiente y determine cuáles elementos son linealmente dependi-

entes de cuáles otros.

14. Demuestre que en el espacio P 3 del problema 6, el conjunto

{1, t + 3, t + t2 , 2t − 1}

es linealmente dependiente y determine cuáles elementos son linealmente dependi-

entes de cuáles otros.

15. Determine cuáles de las siguientes matrices no pueden escribirse como combinaciones
lineales de las demás.
       
1 −1 −1 2 2 −3 1 1
, , , .
−1 2 3 1 −3 2 1 6

16. Determine los valores de x para que el siguiente conjunto sea linealmente dependiente.
     
 1 1 1 
 2  ,  x  ,  −2 
1 −1 1
 

17. Sea S = {v1 , v2 , ..., vr } un conjunto no vacı́o de vectores. Demuestre que S es lineal-
mente independiente si y sólo si cada vector presente en el subespacio V0 generado
por S tiene una representación única en términos de S.

18. Sea S = {v1 , v2 , ..., vr } un conjunto de vectores presentes en IRP , con p ≥ r, y

suponga que hvi ii 6= 0 para toda i, mientras que hvi ij si i > j. Demuestre que S es
linealmente independiente.

8
1.6 Ejercicios [Bases y coordenadas]
1. Encuentre un subconjunto de los siguientes vectores que forme una base para R3 :
 T  T
v1 = 1 −1 2 , v2 = −1 0 3 ,
 T  T
v3 = 0 −1 5 , v4 = 3 −2 2 .

2. Encuentre una base para el subespacio V0 de R3 que consiste en todos aquellos

vectores  T
x = x1 x2 x3
que satisface x1 = 0.
3. Encuentre una baseapara el subespacio V0 de R3 que consiste en todos aquellos
vectores  T
x = x1 x2 x3
que satisface x1 + x2 = 0.
4. Encuentre una baseapara el subespacio V0 de R4 que consiste en todos aquellos
vectores  T
x = x1 x2 x3 x4
que satisface x1 − x2 = 0 y x3 − x4 = 0.
5. Encuentre una base para el subespacio de R4 generado por los vectores
       
1 4 0 2
 2   8   1   5 
 −1  ,  −4  ,  3  ,  1
       .

0 −3 4 4

6. Partiendo del conjunto {1, 2 + 2t, 1 − t + t2 , 2 − t2 }, encuentre una base de P 3 , el

espacio vectorial real de polinomios de grado estrictamente menor que 3.
7. Encuentre una base para el espacio P 3 entre los vectores del conjunto.
{1, t + 3, t + t2 , 2t − 1}.

8. Agregue tantos vectores como sea necesario al conjunto {1 + t, t + t2 } a fin de obtener

una base para el espacio P 3 .
9. Demuestre que los siguientes vectores no forman una base para R3
     
2 1 10
v1 =  −1  , v2 =  1  , v3 =  −8  ,
1 2 2

9
 n T T T o
una base ordenada de R3 .
 
10. Sea B = 1 1 0 ; 1 0 1 ; 0 0 1
T 
(a) Encuentre la segunda coordenada de 1 2 1 con respecto a B.
 T
(b) Encuentre el vector de coordenadas de v = a b c con respecto a B.
(c) Encuentre una fórmula para el isomorfismo de coordenadas CB (v) para cualquier
v en R3 .

11. Sea B = {1 + t + t2 ; 1 + t; 1 :} una base ordenada del espacio P 3 .

(a) Encuentre las coordenada de 2 − 3t + 6t2 con respecto a B.

(b) Encuentre el vector de coordenadas de a + bt + ct2 con respecto a B.
(c) Encuentre una fórmula para el isomorfismo de coordenadas CB (v) para cualquier
vector v en P 3 .

12. Sea CB el isomorfismo de coordenadas con respecto a una base ordenada B del espacio
vectorial real V de Rp . Demuestre que {v1 , ..., vr } es linealmente independiente en V
si y sólo si {CB (v1 ), ..., CB (vr )} es linealmente independiente en IRP .

13. Sea CB el isomorfismo de coordenadas con respecto a una base ordenada B del espacio
vectorial real V de Rp . Demuestre que un vector v en V es linealmente dependiente
de v1 , ..., vr en V si y sólo si CB (v) es linealmente dependiente de CB (v1 ), ..., CB (vr )
en IRP .

14. Sea CB el isomorfismo de coordenadas con respecto a una base ordenada B del espacio
vectorial real V de Rp . Demuestre que u = v en V si y sólo si CB (u) = CB (v) en
IRP .

15. Por el teorema sobre isomorfismo de CB , para cada vB existe una única v en V tal
−1
que CB (v) = vB . Esto quiere decir que existe el isomorfismo inverso CB que envı́a
a toda vB a aquella v que CB , aplica de nuevo a vB . Demuestre que
−1 −1 −1
(a) CB (uB + vB ) = CB (uB ) + CB (vB )
−1 −1
(b) CB (αvB ) = αCB (vB )
−1
(c) CB (vB ) = 0 en V si y solo si vB = 0 en IRp .

16. Los conjuntos

n T T T o
B = {e1 ; e2 ; e3 } y B 0 =
 
1 2 3 ; 1 0 1 ; 3 4 6

son ambos bases ordenadas de IR3 . Encuentre la matriz M que hace el cambio de
coordenadas con respecto a esas dos bases.

10
 17. Los conjuntos
B = {e1 ; e2 ; e3 } y B 0 = {v1 ; v2 ; v3 }
son ambos bases ordenadas de IR3 . Encuentre la matriz M en terminos de vi , que
hace el cambio de coordenadas con respecto a esas dos bases.

18. Los conjuntos

B = {1 + t; t + t2 ; 1 + t2 } y B 0 = {1; 1 + t2; 1 + t + t2 }

son ambos bases ordenadas de P 3 . Encuentre la matriz M en terminos de vi , que

hace el cambio de coordenadas con respecto a esas dos bases.

19. Suponga que

B = {v1 ; v2 ; v3 } y B 0 = {v3 ; v2 ; v1 }
son ambos bases ordenadas de IR3 . Encuentre la matriz M en terminos de vi , que
hace el cambio de coordenadas con respecto a esas dos bases.

20. Los conjuntos

n T  T  T o
B= 1 2 2 1 ; 1 0 2 0 ; 2 0 4 −3

y n T T T o
B0 =
 
0 2 0 1 ; 2 1 4 −1 ; 1 2 2 4

son bases del mismo subespacio de IR4 . Encuentre la matriz M que hace el cambio
de coordenadas con respecto a esas dos bases.

21. Suponga que B, B 0 y B\ son todas bases para el espacio vectorial real V ; sea M la
matriz que traduce de las coordenadas en B 0 y sea M 0 la matriz que traduce de las
coordenadas en B” a las coordenadas en B‘. Encuentre la matriz que traduce de las
coordenadas en B” a las coordenadas en B.

Bases y matrices

Operaciones de renglón y dependencia lineal. Dos hechos sencillos pero funda-

mentales sobre operaciones de renglón proporcionan respuestas a varias preguntas.

Teorema 1.10 (clave) Suponga que una sucesión de operaciones elementales por renglón
transforma a la matriz A en B, entonces:

11
a) Una colección dada de columnas de A es linealmente dependiente (independiente) si
y solo si la correspondiente colección de columnas de B es linealmente dependiente
(independiente);

b) Una matriz renglón puede escribirse como una combinación lineal de -esto es, es lineal-
mente dependiente de- todos los renglones (no cero) de A si y solo si se puede escribir
como una combinación lineal de todos los renglones (no cero) de B,

La idea básica para usar este teorema en el estudio de problemas sobre dependencia
lineal de columnas o renglones de una matriz A, es sencilla: crear una forma reducida de
Gauss o una forma escalón reducida por filas B partiendo de A y entonces estudiar tales
problemas sobre la matriz B que es más sencilla y en donde su respuesta será trivial.

Teorema 1.11 (matrices reducidas y dependencia). Suponga que G está en la forma re-
ducida de Gauss y que tiene rango k. Entonces:
a) El conjunto de k columnas delanteras de G es linealmente independiente.

b) Cualquier columna a la izquierda de la primera columna delantera de G es una columna

cero. Cualquier columna a la izquierda de la i-ésima columna delantera de G, (para i
=¿ 1) es linealmente dependiente de las primeras i - 1 columnas delanteras. Cualquier
columna a la derecha de la k-ésima columna delantera es linealmente dependiente de las
k columnas delanteras.

c) El conjunto de k renglones diferentes de cero de G es linealmente independiente.

Los dos teoremas anteriores son herramientas de cálculo útiles.

Espacio columna y espacio renglón

Definición 1.8 Sea A una matriz p × q.

a) El espacio columna de A es el subespacio de Rp que está generado por el conjunto de
columnas de A.

b) El espacio renglón de A es el subespacio del espacio vectorial de todas las matrices 1 × q

que está generado por el conjunto de renglones de A.

Teorema 1.12 (espacios renglón/ columna y rango) Si la matriz A tiene rango k,

entonces:
a) El espacio columna de A tiene dimensión k, y una base de el consiste en el conjunto de
columnas de A correspondiente a las columnas delanteras de cualquier forma reducida
de Gauss de A.

12
b) La matriz A p × p, es no singular si y solo si sus columnas forman un conjunto lineal-
mente independiente, en cuyo caso el espacio columna tiene dimensión p.

c) La matriz A p × p, es no singular si y solo si sus renglones forman un conjunto lineal-

mente independiente, en cuyo caso el espacio renglón tiene dimensión p.

De acuerdo con esto, el rango de A podrı́a haberse definido como la dimensión del
espacio columna o como la dimensión del espacio renglón; como el espacio columna de A
es (isomorfo a) el espacio renglón de AT , esto indica que los rangos de A, AT son iguales.

Corolario 1.6.1 (rango de renglón = rango de columna). Los rangos de A y AT son

iguales.

13
1.7 Ejercicios [Bases y matrices]
1. Hallar una base para el subespacio de R4 generado por los vectores
        

 1 2 1 5 

 2  ,  −1  ,  7  ,  5
        
.
  −1   0   −3   −3  
 
3 1 8 10
 

2. Hallar una base para el subespacio de R4 generado por los vectores

       
1 −1 −1 2
 −1   2   3   1 
 2  ,  −3  ,  −3  ,
       .
 2 
1 1 1 6

3. Hallar una base para el subespacio de R4 generado por los vectores

       
1 1 1 0
 1   2   3   1 
v1 = 
 1  , v2 =  1  , v3 =  1  , v4 =  2
      .

1 2 3 3

4. Hallar los valores de k para que los vectores de R3

 T  T  T
v1 = 3 − k −1 0 , v2 = −1 2 − k −1 , v3 = 0 −1 3 − k .
generen un espacio bidimensional
5. Considere el subespacio V0 de R4 que consiste en todos los vectores
 T
x = x1 x2 x3 x4
que satisfacen x1 + x2 = x3 + x4 . Determine si S es una base para V0 en donde
     

 1 0 1 
−1   1   0 

S=    ,   ,   .

 1   0   1  
−1 1 0
 

n T o
6. Extienda a S = x1 x2 x3 x4 para formar una base para el subespacio de
R4 que consiste en todos los vectores de la forma
 T
a b−a b b+a
para todos los números reales a y b.

14
 7. Extienda el siguiente conjunto para que forme una base para R4 :
     

 1 1 1 
0   1   2 

S=  ,  ,   .


 −1   0   −1 

0 0 4
 

8. Encuentre una base para el espacio columna de A de entre sus columnas, en donde
 
1 2 4 1
A= 2 1 5 5 
−1 2 0 −5

9. Encuentre la dimensión y una base para el espacio columna y el espacio fila de

 
1 4 0 2
 2 8 1 5 
A=  −1 −4 3 1 


0 −3 4 4

10. Demuestre que los dos conjuntos siguientes S1 y S2 generan el mismo subespacio de
R3          
 1 1 0   2 1 
S1 =  0  ,  1  ,  1  y S2 =  1  ,  2  .
−1 0 1 −1 1
   

11. Demuestre que los dos conjuntos siguientes S1 y S2 generan el mismo subespacio de
R3        
 2 1   3 −1 
S1 =  −1  ,  2  y S2 =  1  ,  3  .
1 −3 −2 −4
   

12. Determine si los dos conjuntos siguientes S1 y S2 generan el mismo subespacio de R3 .

         
 1 1 0   2 1 
S1 =  0  ,  1  ,  1  y S2 =  1  ,  −1  .
−1 0 1 −1 0
   

15
1.8 Ejercicios
1. Sean ui , i = 1, ..., k vectores de Rn que son ortogonales entre sı́; es decir, hui , uj i = 0
si i 6= j.

(a) Demostrar por inducción la generalización del teorema de Pitágoras; esto es,

||u1 + u2 + · · · + uk ||2 = ||u1 ||2 + ||u2 ||2 + · · · + ||uk ||2

(b) Si los vectores ui no son nulos, demostrar, que los vectores ui son linealmente
independientes.

2. Determinar si los conjuntos dados son subespacios vectoriales.

(a) P = {(x, y)|xy ≥ 0} de R2 .

(b) Q = {(x, y, z)|2x + 3y + z = 4} de R3 .
(c) R = {(x, y, z)|x2 + y 2 + z 2 ≤ 16} de R3 .
(d) S = {(x, y)| − 1 ≤ x ≤ 1, −1 ≤ y ≤ 1} de R2
(e) S, el conjunto de matrices invertibles, en el espacio Mn .

3. Escribir si es posible, el vector v como combinación lineal de los vectores ui

(a) v = (−1, 1, 4); u1 = (1, −1, 3), u2 = (3, −2, 2) y u3 = (2, −1, 3) en R3 .
(b) v = (−11, 6, 7, −2); u1 = ((1, 0, −2, 4) y u2 = (−3, 2, 1, 2) en R4 .
(c) v = 4; u1 = cos2 x y u2 = sin2 x en F (R), el espacio de funciones f : R → R.
(d) v = cos 4x; u1 = cos2 2x y u2 = sin2 2x en F (R).
(e) v = 3x2 − 2x + 1; u1 = 2, u2 = 1 − x, u3 = (x − 2)2 en P2 .
       
−12 4 1 −1 −1 0 −3 1
(f) v = ; u1 = , u2 = y u3 = en M2 .
2 −1 2 1 2 0 0 0
4. Determinar si los vectores indicados generan al espacio dado.

(a) (1, −1, 0), (−1, 2, 3), (−1, 1, 2); R3 .

(b) (2, 1, 0, −1), (2, −1, 3, 0), (−2, 3, 1, 4), (0, −1, 1, 1); R4 .
(c) (1, 0, −1, 1), (2, 1, −1, 1), (3, −2, 4, 2), (0, 0, −1, 1); R4 .

5. Describir el subespacio generado por los conjuntos vectores dados.

(a) {x, 1 − x, x2 } en P2 , el espacio de polinomios de grado menor o igual a 2.

     
1 0 0 1 0 0
(b) , , en M2 .
0 −1 0 0 1 0

16
 6. Para los espacios R2 y R3 .

(a) Argumentar geométricamente por qué tres vectores no nulos son L.D. en R2 .
(b) Dar una condición geométrica para que tres vectores no nulos sean L.D. en R3 .
(c) Dar una condición geométrica para que dos vectores no nulos sean L.I. en R3 .

7. Determinar si el conjunto dado de vectores es L.D. o L.I.

(a) {(2, 8), (−1, −4)} en R2 .

(b) {(1, 2), (2, −3)} en R2 .
(c) {(2, −1, 3), (4, −2, 8)} en R3 .
(d) {(1, −1, 1), (2, −1, 3), (2, 2, 1)} en R3 .
(e) {(2, −1, 3, 2), (1, 1, 2, 1)} en R4 .
(f) {(2, 1, −1, 2), (−1, 1, 1, −1), (2, −2, 1, 1)} en R4 .

8. Determinar si el conjunto dado de vectores es L.D. o L.I.

     
−1 2 1 −3 2 1 −1 2 3
(a) , , en M2×3 .
2 −3 1 3 −2 2 1 1 1
     
1 2 3 −1 1 −1
(b) , , en M2 .
−1 3 2 2 1 1
       
 −2 1 1 0 1 2 0 −1 
(c)  3 −2  ,  −1 −1  ,  −2 −3   2 −2  en M2 .
−1 −3 −3 2 2 0 0 3
 

(d) {1 − x, 2x2 − 1, 3x, x2 + 2} en P2 , el espacio de polinomios.

(e) {1 − x, x2 + 1, 2 + x, x3 , −3 + 2x − 2x2 } en P3 , el espacio de polinomios.
(f) {4, cos2 x, sen2 x} en F (R).

9. Encontrar escalares α, si existen, tales que los vectores (1, −2, 3), (−2, α, −1) y (1, 2, 1)
sean L.I.

10. Determinar si el conjunto de vectores es o no una base del espacio indicado.

(a) {(1, −2, 1), (3, −2, 3), (1, 1, 3)}; R3 .

(b) {(−4, 3, −2), (5, −1, 1), (−3, 5, −3)}; R3 .
(c) {(2, −3, 2, 1), (−1, 1, 1, 0), (3, −2, 4, 5), (−2, −1, 3, −3)}; R4 .
       
2 −3 −1 1 3 −1 1 1
(d) , , en M2 .
1 2 0 2 2 1 1 1
(e) {x, x2 + 2, (x?2)2 } en P2 .

17
 (f) {1 + x − 2x2 , 2x2 − x − 2, 4x2 + 2x − 1} en P2 .

11. Determinar si el conjunto de vectores es o no una base del espacio indicado.

(a) {(1, −2, 1), (3, −2, 3), (1, 1, 3)}; R3 .

(b) {(−4, 3, −2), (5, −1, 1), (−3, 5, −3)}; R3 .
(c) {(2, −3, 2, 1), (−1, 1, 1, 0), (3, −2, 4, 5), (−2, −1, 3, −3)}; R4 .
       
2 −3 −1 1 3 −1 1 1
(d) , , en M2 .
1 2 0 2 2 1 1 1
(e) {x, x2 + 2, (x?2)2 } en P2 .
(f) {1 + x − 2x2 , 2x2 − x − 2, 4x2 + 2x − 1} en P2 .

12. S es el conjunto de polinomios p en el espacio Pn , espacio de polinomios de grado a

lo más n, que satisface la condición dada. Determinar sı́ S es subespacio de Pn y, de
ser as´?, encontrar una base y la dimension de S.

(a) p(0) = p(1)

(b) p(0) = p(2).
(c) p es par (p(−x) = p(x)∀x).

13. Una matriz A ∈ Mn es antisimétrica sı́ At = −A. Probar que el conjunto S de todas
estas matrices, las antisimétricas, es un subespacio de Mn , encontrar una base para
S y calcular dim(S).

14. Hallar una base y la dimensión del espacio solución del sistema homogéneo indicado.

x1 + 3x2 − 2x3 = 0
(a) x1 − 5x2 + x3 = 0
2x1 − x2 + 3x3 = 0
−2x1 + 3x2 − x3 + 7x4 − 2x5 + 3x6 = 0
(b) −x1 + x2 − x3 + 4x4 + 3x5 − 2x6 = 0
3x1 − x2 + 4x3 − 5x4 + 3x5 − 6x6 = 0
x1 + 3x2 − 3x3 + x4 =0
2x1 − x2 + 3x3 − x4 =0
(c)
−x1 + x2 − 3x3 + x4 =0
3x1 − x2 + x3 − x4 =0

15. Encontrar una ecuación para el subespacio S generado por los vectores
(−1, 2, −1, 1, 0), (2, −1, 1, 2, −3), (2, −2, 4, 1, 1) de R5 ; es decir, hallar un sistema
homogéneo Ax = 0 tal que el espacio solución sea S.

18