Documente Academic
Documente Profesional
Documente Cultură
Espacio vectorial
Sea V un espacio vectorial, es un conjunto de vectores junto con dos operaciones básicas llamadas suma y
multiplicación por un escalar, que cumplen con las siguientes propiedades:
1. Ley de Composición interna (Cerradura bajo la suma): Si 𝑢⃗ y 𝑣 son vectores de V, entonces: (𝑢⃗ + 𝑣 )
pertenece a V.
2. Propiedad Conmutativa de la suma de vectores: Si 𝑢⃗ y 𝑣 son vectores de V, entonces: 𝑢⃗ + 𝑣 = 𝑣 + 𝑢⃗
3. Ley Asociativa de la suma de vectores: Si 𝑢⃗ y 𝑣 son vectores de V, entonces:
𝑢⃗ + ( 𝑣 + 𝑤
⃗ ) = (𝑣 + 𝑢⃗ ) + 𝑤
⃗⃗
4. Inverso Aditivo: Si 𝑢⃗ pertenece a V, existe un vector – 𝑢⃗ en V tal que 𝑢⃗ + (−𝑢⃗ ) = 0
(−𝑢⃗ se llama inverso aditivo de 𝑢⃗ ).
5. Idéntico Aditivo: Existe un vector en V, denominado vector nulo tal que para cualquier vector 𝑢⃗ de V:
𝑢⃗ + 0 = 0 + 𝑢⃗ = 𝑢⃗
6. Ley de composición externa (cerradura bajo la multiplicación por un escalar): Si 𝑢⃗ pertenece a V y α
es un escalar, entonces: α𝑢⃗ pertenece a V.
7. Primera Ley distributiva: ): Si 𝑢⃗ y 𝑣 son vectores de V y α es un escalar, entonces:α( 𝑢⃗ + 𝑣 ) = α𝑣 + α𝑢⃗
8. Segunda ley distributiva: Si 𝑢⃗ pertenece a V y α y β son escalares, entonces: (α + β)𝑢⃗ = α𝑢⃗ + β𝑢⃗
9. Ley Asociativa de la Multiplicación por escalares: Si 𝑢⃗ pertenece a V y α y β son escalares, entonces:
α(β 𝑢⃗ ) = (αβ)𝑢⃗
10. Identidad: Si 𝑢⃗ es cualquier vector de V, 1𝑢⃗ = 𝑢⃗
1) El espacio ℝ𝒏 , formado por los vectores de n componentes (x1, . . .,xn) es un espacio vectorial real, en el
que se pueden sumar vectores y multiplicar por un escalar (real) de la forma habitual.
Se puede comprobar que se cumplen las propiedades requeridas para ambas operaciones. El vector cero
es (0,. . .,0).
No es un espacio vectorial complejo, pues no podemos multiplicar por escalares complejos (si lo
hacemos, el resultado no se mantendrá dentro de ℝ𝒏 ).
2) Considerando el conjunto M2x2 (también denotado por M2) de las matrices 2x2 con términos reales:
𝑎 𝑐
{( ) : 𝑎, 𝑏, 𝑐, 𝑑 𝜖ℝ }
𝑏 𝑑
Es un espacio vectorial real, pues podemos sumar dos matrices de M2x2 obteniendo otra matriz de M2x2,
y multiplicar una matriz de M2x2 por un escalar real obteniendo otra matriz M2x2. Se puede comprobar que se
cumplen las propiedades. El vector ⃗0 es, en este caso, la matriz con todos sus términos nulos. No es un espacio
vectorial complejo.
3) El conjunto C de los números complejos se puede considerar como un espacio vectorial real. En efecto, se
pueden sumar dos números complejos obteniéndose otro número complejo; y se puede multiplicar un complejo
por un escalar real, obteniéndose otro complejo. Es decir,
La suma y el producto por un escalar cumplen todas las propiedades requeridas. En este caso el vector ⃗0
es el número complejo cero, 0+0i.
Subespacios
Teorema de subespacio
Un subconjunto no vacío de H de un espacio vectorial V es un sub espacio de V si se cumplen las dos
reglas de cerradura:
1. ⃗0 ∈ H.
2. Si 𝑢⃗ € H y 𝑣 € H, entonces 𝑢⃗ + 𝑣 € H.
3. Si 𝑢⃗ € H y α es un escalar, entonces α𝑢⃗ € H
Todo subespacio de un espacio vectorial V contiene al 0.
No se requiere comprobar que se cumplen las propiedades asociativa, conmutativa, etc. ya que se
cumplen en V, y por tanto también en H (se dice que H “hereda” las propiedades de las operaciones en V).
Ejemplo
Combinación lineal
Una combinación lineal de dos o más vectores es el vector que se obtiene al sumar dichos vectores
multiplicados por escalares.
Cualquier vector se puede poner como combinación lineal de otros que tengan distinta dirección. Esta
combinación lineal es única.
𝛼1 𝑣1 + 𝛼2 𝑣2 + ⋯ + 𝛼𝑛 𝑣𝑛
Ejemplo:
−7 −1 5 −7 −1 5
En ℝ3 ( 7 ) es una combinación lineal de ( 2 ) y (−3) ya que ( 7 ) = 2 ( 2 ) − (−3)
7 4 1 7 4 1
Generación de Espacios
El conjunto formado por todas las combinaciones lineales de los vectores 𝑣1 , 𝑣2 , … , 𝑣𝑛 en ℝ𝒏 se llama espacio
generado por los vectores 𝑣1 , 𝑣2 , … , 𝑣𝑛 . Este conjunto se representa por
𝐺𝑒𝑛{𝑣1 , 𝑣2 , … , 𝑣𝑛 }
es decir, es el conjunto formado por todas las combinaciones lineales.
𝛼1 𝑣1 + 𝛼2 𝑣2 + ⋯ + 𝛼𝑛 𝑣𝑛
Sean 𝑣1 , 𝑣2 , … 𝑣𝑛 𝑛 vectores en ℝ𝒏 y A la matriz que tiene como columnas a estos vectores, los vectores
son linealmente independientes si el sistema 𝐴𝑋 = 0 tiene únicamente solución trivial.
Los vectores son linealmente dependientes si el sistema 𝐴𝑋 = 0 tiene soluciones no triviales (solución
múltiple).
Teoremas
1. Cualquier conjunto que contenga al vector 0 es linealmente dependiente.
2. Cualquier conjunto que contenga un único vector diferente de cero, v ≠0, es linealmente independiente.
3. Cualquier conjunto formado por dos vectores diferentes de cero, S = {v1, v2}, donde v1 ≠ 0, v2 ≠ 0, es
linealmente dependiente si, y sólo si, uno de los vectores es múltiplo escalar del otro.
4. Cualquier conjunto que contenga un subconjunto linealmente dependiente es linealmente dependiente.
5. Cualquier subconjunto de un conjunto linealmente independiente es linealmente independiente.
En términos generales, una base para un espacio vectorial es un conjunto de vectores del espacio, a partir
de los cuales se puede obtener cualquier otro vector de dicho espacio, haciendo uso de las operaciones en él
definidas.
Propiedades
1. Sea V un espacio vectorial de dimensión finita. Entonces todas las bases de V tienen el mismo número
de elementos. El espacio vectorial {0} tiene dimensión 0 por definición. Cuando un espacio vectorial
no es de dimensión finita, se dice que es de dimensión infinita.
2. Sea V un espacio vectorial de dimensión finita n, cualquier conjunto de n+1 o más vectores son
linealmente dependientes.
Corolario a la propiedad
(i) Todo conjunto de vectores linealmente independiente de n elementos es base de V.
(ii) Todo conjunto de vectores de n elementos que sea sistema generador es base de V.
(iii) Sea V un espacio vectorial de dimensión finita n, entonces cualquier conjunto que resulte de eliminar
un vector de una base de V es linealmente independiente.
(iv) Supongamos que D genera un espacio vectorial V , entonces, cualquier número máximo de vectores
linealmente independientes en D es una base de V
Dimensión
Todas las bases de un mismo espacio o subespacio tienen el mismo número de vectores. Se llama
dimensión de dicho espacio o subespacio. Por tanto, la dimensión es el máximo número de vectores
independientes que podemos tener en el espacio o subespacio. En otras palabras, es el máximo rango que puede
tener un conjunto de vectores de dicho espacio. Es también el rango de cualquier sistema generador de dicho
espacio.
La dimensión del espacio vectorial V es igual al número de vectores que constituyen su base. Se denota
por: dim V.
Teorema de la dimensión
Sea S un subespacio vectorial del espacio vectorial V n-dimensional. Entonces dim S ≤ n. Si, en
particular, dim S = n necesariamente S = V . ”La dimensión de cualquier subespacio S de V es menor o igual
que la dimensión del espacio”
dim S ≤ dim V
Sean S y T dos subespacios vectoriales de dimensión finita de un espacio vectorial V sobre un cuerpo
k. En este caso S + T tiene dimensión finita y se cumple dim (S + T) = dim S + dim T − dim (S ∩ T).
2. Asociativa
3. Distributiva
Componentes de 𝑢⃗ 𝑦 𝑣
𝑢⃗ = ( 𝑢1 , 𝑢2 , 𝑢3 ) 𝑦 𝑣 = ( 𝑣1 , 𝑣2 , 𝑣3 )
Producto Escalar 𝑢⃗ . 𝑣
𝑢⃗ . 𝑣 = 𝑢1 . 𝑣1 + 𝑢2 . 𝑣2 + 𝑢3 . 𝑣3
Angulo de dos vectores
Componentes de 𝑢⃗ 𝑦 𝑣
𝑢⃗ = ( 𝑢1 , 𝑢2 , 𝑢3 ) 𝑦 𝑣 = ( 𝑣1 , 𝑣2 , 𝑣3 )
⃗ 𝒚𝒗
Ángulos que forman 𝒖 ⃗
𝑢⃗ . 𝑣 𝑢1 . 𝑣1 + 𝑢2 . 𝑣2 + 𝑢3 . 𝑣3
cos(𝑢⃗ . 𝑣 ) = =
|𝑢⃗ ||𝑣 | √𝑢 + 𝑢 2 + 𝑢 2 . √𝑣 2 + 𝑣 2 + 𝑣 2
2
1 2 3 1 2 3
Producto Vectorial
El producto vectorial de dos vectores es otro vector cuya dirección es perpendicular a los dos vectores y su
sentido sería igual al avance de un sacacorchos al girar de u a v. Su módulo es igual a:
El producto mixto de los vectores , y es igual al producto escalar del primer vector por el
producto vectorial de los otros dos.
El producto mixto de tres vectores es igual al determinante que tiene por filas las coordenadas de dichos
vectores respecto a una base ortonormal.
2. Si tres vectores son linealmente dependientes, es decir, si son coplanarios, producto mixto vale 0.
Ejercicios Resueltos
1. Escriba (en caso de ser posible), el vector (𝟒, 𝟓, −𝟕, 𝟕 ) ∈ ℝ𝟒 , como combinación lineal del
subespacio {(𝟐, 𝟏, −𝟏, 𝟑), (𝟏, −𝟏, 𝟐, 𝟏)}.
De acuerdo a la definición de combinación lineal,
(4,5, −7,7 ) = 𝛼(2,1, −1,3) + β(1, −1,2,1)
Resolviendo se obtiene el siguiente sistema de ecuaciones
4 = 2𝛼 + β
5=𝛼−β
{
−7 = −𝛼 + 2β
7 = 3𝛼 + β
Resolviendo el sistema de ecuaciones se obtiene: 𝛼=3 β = −2
𝑆𝑢𝑠𝑡𝑖𝑡𝑢𝑦𝑒𝑛𝑑𝑜 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠:
(4,5, −7,7 ) = 3(2,1, −1,3) − 2(1, −1,2,1)
Por consiguiente, para 𝛼 = 3 𝑦 β = −2 el vector (4,5, −7,7 ) es combinación lineal del subespacio
{(1,2,3), (1,1,1)}.
𝟏 𝟐 𝟎
⃗ = (−𝟐) , 𝒗
3. Demostrar si los vectores 𝒖 ⃗⃗ = (𝟏)en ℝ𝟑 son linealmente dependientes
⃗ = (−𝟐) 𝒚 𝒘
𝟑 𝟎 𝟕
1 2 0 0
𝛼 (−2) + β (−2) + 𝛾 (1) = (0)
3 0 7 0
Resolviendo se obtiene el siguiente sistema de ecuaciones
𝛼 + 2β =0
{ −2𝛼 − 2β + γ = 0
3𝛼 + 7γ = 0
Resolviendo el sistema por el método de eliminación Gaussiana:
1 2 00 1 2 00 1 2 0 0
(−2 −2 ̃
1|0) 𝑓𝑖𝑙𝑎2 = 2𝑓𝑖𝑙𝑎1 + 𝑓𝑖𝑙𝑎2 (0 ̃
2 1|0) 𝑓𝑖𝑙𝑎3 = 3𝑓𝑖𝑙𝑎1 − 𝑓𝑖𝑙𝑎3 (0 2 1 |0)
3 0 70 3 0 70 0 6 −7 0
1 2 0 0
̃ − 𝑓𝑖𝑙𝑎3 (0 2 1 |0)
𝑓𝑖𝑙𝑎3 = 3𝑓𝑖𝑙𝑎2
0 0 10 0
r= Rango de la matriz
n=# Incógnitas
Como r=n, el sistema es compatible determinado, por lo que tiene única solución y como es un sistema
homogéneo tiene la solución trivial: 𝛼 = β = γ = 0
Como la ecuación: 𝛼𝑢⃗ + β𝑣 + 𝛾𝑤
⃗ = 0 se cumple solo para: 𝛼 = β = γ = 0, los vectores son
linealmente independientes.
𝟏 𝟑 𝟏𝟏
⃗ = (−𝟑) , 𝒗
4. Demostrar si los vectores 𝒖 ⃗⃗ = (−𝟔)en ℝ𝟑 son linealmente dependientes.
⃗ = (𝟎 ) 𝒚 𝒘
𝟎 𝟒 𝟏𝟐
1 3 11 0
𝛼 (−3) + β (0) + 𝛾 (−6) = (0)
0 4 12 0
Resolviendo se obtiene el siguiente sistema de ecuaciones
𝛼 + 3β + 11𝛾 = 0
{ −3𝛼 − 6γ = 0
4β + 12γ = 0
1 3 00
𝑓𝑖𝑙𝑎3̃
↔ 𝑓𝑖𝑙𝑎2 (0 4 0|0)
=
0 0 40
Resulta el siguiente sistema equivalente:
𝛼 + 3β =0
4β =0
4𝛾 = 0
Donde:
𝛼 = 0, β = 0, 𝛾=0
Como todos los escalares son nulos, los vectores son linealmente independientes.
𝑅𝑎𝑛𝑔𝑜 𝑑𝑒 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 = 3 ⇒ dim 𝑆 = 3
Verificando si el conjunto de vectores es generador del espacio vectorial S.
Se propone el vector arbitrario (𝑥, 𝑦, 𝑧), para comprobar la combinación lineal:
(𝑥, 𝑦, 𝑧) = 𝛼( 2,0,1) + β( 2,0,3) + 𝛾( 0,4,0)
Resolviendo se obtiene el siguiente sistema de ecuaciones:
2𝛼 + 2β = x ec. 1
{ 4𝛾 = y ec. 2
𝛼 + 3β = 𝑧 ec. 3
Resolviendo el sistema de ecuaciones
𝑦
De la ec.2 se obtiene 𝛾 = 4
Aplicando la fórmula
𝑢⃗ . 𝑣 −3
cos(𝑢⃗ . 𝑣 ) = = = −0,16
|𝑢⃗ ||𝑣 | √26 . √13
𝑢⃗ . 𝑣 = 𝑎𝑟𝑐𝑐𝑜𝑠(−0,16) = 99,21°
Ejercicios Propuestos
1 4 5
4. Demostrar si los vectores 𝑢 ⃗⃗ = (3)en ℝ3 son linealmente dependientes.
⃗ = (0) , 𝑣 = (3) 𝑦 𝑤
2 1 3