Académique Documents
Professionnel Documents
Culture Documents
Espacios Vectoriales
2. u + v = v + u, conmutatividad
3. (u + v) + w = u + (v + w), asociatividad
9. c(du) = (cd)u,
21
22 Carlos Mario Martı́nez
10. 1u = u.
Ejemplo 3.1. Rn , se define como el conjunto de todos los vectores con n componentes, es decir,
x1
x2
Rn := : x1 , x2 , . . . , xn ∈ R
..
.
xn
y
x1 cx1
x2 cx2
c = .
.. ..
.
xn cxn
Mm×n con las operaciones usuales de adición y multiplicación escalar entre matrices
es un espacio vectorial.
p(x) = a0 + a1 x + a2 x2 + · · · + an xn
q(x) = b0 + b1 x + b2 x2 + · · · + bn xn
p(x) + q(x) = (a0 + b0 ) + (a1 + b1 )x + (a2 + b2 )x2 + · · · + (an + bn )xn
cp(x) = ca0 + ca1 x + ca2 x2 + · · · + can xn
Ejemplo 3.4. F, es el conjunto de todas las funciones con valores reales definidas sobre los números
reales. Si f, g ∈ F entonces
Ejemplo 3.5. El conjunto de los números enteros Z con las operaciones usuales NO es un espacio
vectorial, puesto que el axioma 6 (cerradura bajo la multiplicación escalar) no se cumple, note que:
1 1 4
4∈Z y es un escalar y (4) = no está en Z.
5 5 5
Ejemplo 3.6. El conjunto R2 con la definición usual de adición pero con la siguiente multiplicación
por escalar
x 0
c =
y cy
como ejercicio se puede verificar que se cumplen los primero nueve axiomas, pero falla el número
diez, pues
4 0 4
1 = 6=
7 7 7
1. 0u = 0
2. c0 = 0
3. (−1)u = −u
4. Si cu = 0, entonces c = 0 o u = 0.
1. Si u, v ∈ W, entonces u + v ∈ W,
2. Si u ∈ W y c es un escalar, entonces cu ∈ W.
24 Carlos Mario Martı́nez
Ejemplo 3.8. Sea C el conjunto de todas las funciones contı́nuas con valores reales sobre los reales,
y D el conjunto de todas las funciones diferenciables con valores reales sobre los reales. C y D son
subespacios de F.
P ⊂ D ⊂ C ⊂ F.
Ejemplo 3.9. El conjunto S de todas las funciones que satisfacen la ecuación diferencial
f 00 + f = 0 (3.1)
es un subespacio de F.
Ejemplo 3.10. Todo espacio vectorial V es claramente un subespacio de él mismo. El conjunto
{0}, que se compone únicamente del vector cero, también es un subespacio de V, conocido como
subespacio nulo; note que 0 + 0 = 0 y c0 = 0 para cualquier escalar c. Los subespacios {0} y V
son conocidos como subespacios triviales de V.
Demostración. 1. W es novacio,
puesto que
contiene
el vector cero nulo de R4 ; si tomamos
0 a c
0 b d
a = b = 0, obtenemos 0 = . Si u = yv= entonces
0 −b −d
0 a c
a+c a+c
b+d b+d
u+v = = ⇒ u + v ∈ W.
−b − d −(b + d)
a+c a+c
Si k ∈ R, entonces
ka
kb
ku = ⇒ ku ∈ W.
−kb
ka
Luego, W es un subespacio de R4 .
Conjuntos generadores
2 1 2 5
Ejemplo 3.13. 1. El vector
−2 es una combinación lineal de 0 , −3 y −4 ,
−1 −1 1 0
puesto que
1 2 5 2
0 + 2 −3 − −4 = −2
3
−1 1 0 −1
−9 1 2 5
2. Escribir el vector
0 como combinación lineal de los vectores 0 , −3 , −4 .
6 −1 1 0
Para esto, debemos hallar escalares c1 , c2 y c3 , tales que:
−9 1 2 5
0 = c1 0 + c2 −3 + c3 −4 .
6 −1 1 0
En efecto:
−9 c1 + 2c2 + 5c3
0 = −3c2 − 4c3
6 −c1 + c2
obteniendo el sistema de ecuaciones
c1 + 2c2 + 5c3 = −9
− 3c2 − 4c3 = 0
−c1 + c2 = 6
c1 −2
cuya solución es
c2 = 4 .
c3 −3
Definición 3.4. Si S = {v1 , v2 , . . . , vk } es un conjunto de vectores en un espacio vectorial V,
entonces el conjunto de todas las combinaciones lineales de v1 , v2 , . . . , vk se conoce como espacio
generado por S, y se denota por gen(S) o gen(v1 , v2 , . . . , vk ). Si V = gen(S), entonces S se
denomina conjunto generador para V y se dice que V es generado por S.
Ejemplo 3.14. Demuestre que el conjunto S = 1, x, x2 , . . . , xn genera a Pn .
Pn = gen(1, x, x2 , . . . , xn ).
Espacios y subespacios vectoriales 27
Ejemplo 3.15. Demuestre que M2×3 = gen(E11 , E12 , E13 , E21 , E22 , E23 ), donde
1 0 0 0 1 0 0 0 1
E11 = , E12 = , E13 =
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
E21 = , E22 = , E23 =
1 0 0 0 1 0 0 0 1
(es decir, Eij es la matriz con un 1 en la fila i, columna j y con ceros en las otras posiciones).
Si extendemos este ejemplo, vemos que, en general, Mm×n es generado por las mn matrices Eij ,
para i = 1, . . . , m y j = 1, . . . , n.
1. gen(v1 , v2 , . . . , vk ) es un subespacio de V .
3.1.1. Ejercicios
Determine si el conjunto dado es un espacio vectorial. De no ser asi, proporcione una
lista de los axiomas que no se cumplen.
Observación. En la definición anterior, si al menos uno de los escalares es distinto de cero, diremos
que el conjunto de vectores {v1 , v2 , . . . , vk } es linealmente dependiente.
En efecto, si
1 1 1 0 0 1 1 1 0 0
c1 + c2 + c3 + c4 =
0 1 1 1 1 1 1 0 0 0
entonces,
c1 + c2 + c4 = 0
c1 + c3 + c4 = 0
+ c2 + c3 + c4 = 0
c1 + c2 + c3 = 0
Espacios y subespacios vectoriales 29
1 1 0 1
1 0 1 1
donde la matriz de coeficientes A = es invertible, ya que det(A) = 3 6= 0, en
0 1 1 1
1 1 1 0
consecuencia, la única solución de este sistema es la trivial; es decir, c1 = c2 = c3 = c4 = 0.
entonces
(c1 + c3 + 3c4 ) + (−2c1 + 3c2 + 2c4 )x + (c2 + c3 )x2 + (−c2 + 2c3 + 3c4 )x3 = 0
c1 + c3 + 3c4 = 0
−2c1 + 3c2 + 2c4 = 0
+ c2 + c3 = 0
− c2 + 2c3 + 3c4 = 0
1 0 1 3
−2 3 0 2
donde A = es la matriz de coeficientes y det(A) = 27, por tanto, la matriz
0 1 1 0
0 −1 2 3
es invertible y ası́, la única solución del sistema es la trivial. Luego, el conjunto de polinomios es
linealmente independiente.
Ejemplo 3.18. En F, el conjunto sin2 x, cos2 x, cos 2x es linealmente dependiente, note que cos 2x
Bases
1. B genera a V y
30 Carlos Mario Martı́nez
2. B es linealmente independiente.
x1
x2
es una base para Rn , denominada base estándar. Es fácil ver que, cualquier vector se
..
.
xn
puede escribir como combinación lineal de los vectores dados, pues,
x1 1 0 0
x2 0 1 0
. = x1 . + x2 . + . . . + xn
.. .. .. ..
.
xn 0 0 1
osea que gen(S) = Rn . Con esta misma idea se deduce que S es linealmente independiente.
Ejemplo 3.20. El conjunto de polinomios S = 1, x, x2 , . . . , xn es una base para Pn , denominada
base estándar.
Ejemplo 3.21. De la misma forma el conjunto S = 1, x, x2 , . . . , xn , . . . es una base para P; donde
P es el conjunto de todos los polinomios.
Ejemplo 3.22. Demuestre que el conjunto B = 1 + x, x + x2 , 1 + x2 es una base para P2 .
Ejemplo 3.23. Encuentre bases para los tres espacios vectoriales siguientes
a
b
1. W1 = ,
−b
a
2. W2 = a + bx − bx2 + ax3 ,
a b
3. W3 = .
−b a
Espacios y subespacios vectoriales 31
3. Dado que
a b 1 0 0 1
= a + b
−b a 0 1 −1 0
1 0 0 1
entonces, W3 = gen , , y se puede verificar de forma muy sencilla
0 1 −1 0
1 0 0 1
que , , es linealmente independiente y por tanto, una base para W3 .
0 1 −1 0
Dimensión
Teorema 3.7 (Teorema de bases). Si un espacio vectorial V tiene una base con n vectores,
entonces toda base para V tiene exactamente n vectores.
Definición 3.7. Un espacio vectorial V se denomina de dimensión finita si tiene una base
determinada por un número finito de vectores. La dimensión de V, denotada mediante la expresión
dim V, es el número de vectores en una base para V. La dimensión del espacio vectorial {0}, se define
como cero. Un espacio vectorial que no tiene base finita se conoce como de dimensión infinita.
Ejemplo 3.24. La base estándar o canónica para Rn tiene n vectores, por lo tanto, dim Rn = n.
Ejemplo 3.26. La base estándar o canónica para Mm×n tiene mn vectores, de manera que,
dim Mm×n = mn.
Ejemplo 3.27. Los espacios P y F son de dimensión infinita, dado que cada uno de ellos tienen
una base con un número infinito de vectores; por ejemplo, B = 1, x, x2 , . . . , xn , . . . .
Ejemplo 3.28. Encuentre la dimensión del espacio vectorial W de las matrices simétricas de orden
3 × 3.
32 Carlos Mario Martı́nez
a b c
Solución. Una matriz simétrica de 3 × 3 es de la forma
b d , además,
e
c e f
a b c 1 0 0 0 1 0 0 0 1
= a 0 0 0 + b 1 0 0 + c 0 0 0
b d e
c e f 0 0 0 0 0 0 1 0 0
0 0 0 0 0 0 0 0 0
+ d
0 1 0 + e 0 0 1 + f 0 0 0
0 0 0 0 1 0 0 0 1
y se comprueba fácilmente que S también es linealmente independiente, siendo asi, S una base para
W, lo que implica que
dim W = 6.
5. Cualquier conjunto linealmente independiente en V puede ser extendido a una base para V.
Ejemplo 3.29. En cada caso, utilice el teorema anterior para determinar si el conjunto S es una
base para V.
1. V = P2 , S = 1 + x, 2 − x + x2 , 3x − 2x2 , −1 + 3x + x2
1 0 0 −1 1 1
2. V = M2×2 , S = , ,
1 1 1 0 0 −1
Espacios y subespacios vectoriales 33
3. V = P2 , S = 1 + x, x + x2 , 1 + x2
2. Sabemos que dim M2×2 = 4 y como S contiene tres vectores, entonces S no puede generar
a M2×2 , de acuerdo con el terorema 3.8 parte (2). En consecuencia, S no es una base para
M2×2 .
3. Como dim P2 = 3 y S contiene 3 vectores, S será una base para P2 si es linealmente indepen-
diente o genera a P2 , según terorema 3.8 partes (3) o (4). En este caso es más fácil demostrar
que S es linealmente independiente (Demuestrelo!). Ası́, S es una base para P2 .
3.2.1. Ejercicios
Determine si los siguientes conjuntos son linealmente independientes
1 1 1 −1 1 0
1. , , en M2×2 .
0 −1 1 0 3 2
−1 1 3 0 0 2 −1 0
2. , , , en M2×2 .
−2 2 1 1 −3 1 −1 7
3. {x, 1 + x} en P2 .
4. 1 + x, 1 + x2 , 1 − x + x2 en P2 .
5. 2x, x − x2 , 1 + x3 , 2 − x2 + x3 en P3 .
Determine si el conjunto B es una base del espacio vectorial V
1 1 0 −1 1 1
6. V = M2×2 , B = , , .
0 1 1 0 1 −1
34 Carlos Mario Martı́nez
1 0 0 −1 1 1 1 1
7. V = M2×2 , B = , , , .
0 1 1 0 1 1 1 −1
8. V = P2 , B = x, 1 + x, x − x2 .
9. V = P2 , B = 1 − x, 1 − x2 , x − x2 .
NA = {x ∈ Rn : Ax = 0}
entonces las variables principales son x y y, la variable z es libre, además y = z y x = −z, entonces
si z = t, t ∈ R se tiene
x −t −1
y = t = t 1
z t 1
−1
luego, NA está generado por
1 y asi, ν(A) = 1.
1
2 −1 3
3
Ejemplo 3.31. Sea A = 4 −2 6 . Por definición NA = x ∈ R : Ax = 0 , si x =
−6 3 −9
x
y entonces,
z
2 −1 3 x 0 2x − y + 3z = 0
4 −2 6 y = 0 ⇔ 4x − 2y + 6z = 0
−6 3 −9 z 0 − 6x + 3y − 9z = 0
0 0 1 −2
1 3
NA = gen 2 , 0
0 −2
36 Carlos Mario Martı́nez
Observación. Dado que ν(A) = dim NA entonces NA = {0}, lo cual significa que el sistema
Ax = 0 tiene como solución única la trivial, y por lo visto en secciones anteriores esto implica que
la matriz A es invertible.
Definición 3.9. Sea A una matriz de m × n. Entonces la imagen de A, denotada por Im (A),
está dada por
Im (A) = {y ∈ Rm : Ax = y para alguna x ∈ Rn }
Definición 3.10. Sea A una matriz de m×n. Entonces el rango de A, denotado por ρ (A), está dado
por
ρ (A) = dim Im (A)
Definición 3.11. Si A es una matriz de m×n, sean {r1 , r2 , . . . , rm } las filas de A y {c1 , c2 , . . . , cn }
las columnas de A. Entonces se define, el espacio fila de A, denotado RA por
RA es un subespacio de Rn y CA es un subespacio de Rm .
Teorema 3.12. Para cualquier matriz A, CA = Im(A). Es decir, el espacio columna de una matriz
es igual a la imagen de la matriz.
1 0 1 | 0
, donde observamos que las dos primeras columnas son vectores linealmente
0 1 −1 | 0
independientes en R2 , y por lo tanto, forman una base para R2 , ası́
También observamos que las dos filas de A son linealmente independientes y generan a RA , por lo
que RA es un subespacio de dimensión dos en R3 .
1 −1 3
Ejemplo 3.33. Sea A = 2 0 4 . Hallar:
−1 −3 1
1. El espacio nulo, NA , y la nulidad, ν(A),
3. El espacio fila de A, RA .
1 0 2
Solución. La forma reducida de A es,
0 1 , luego,
−1
0 0 0
1. Para el espacio nulo tenemos, Ax = 0, equivalente a
1 0 2 |0
x + 2z = 0
0 1 −1 |0 ⇔
y − z = 0
0 0 0 |0
comola única
variable
libre es z, hacemos z = t, t ∈ R y asi, x = −2t, y = t, z = t de donde,
x −2
y = t 1 . Por tanto,
z 1
−2
NA = gen 1
1
y ν(A) = 1.
luego, ρ(A) = 2.
3. De la misma matriz reducida se observan las filas linealmente independientes, por tanto,
nh i h io
RA = gen 1 0 2 , 0 1 −1
ρ(AT ) = ρ(A)
Teorema 3.16 (Teorema fundamental de las matrices invertibles). Sea A una matriz de
orden n × n. Entonces, las siguientes afirmaciones son equivalentes:
1. A es invertible,
6. ρ(A) = n,
7. ν(A) = 0,
3.3.1. Ejercicios
1. Sea la matriz
1 1 3 1 6
2 −1 0 1 −1
A=
−3 2 1 −2 1
4 1 6 1 3
2. Para cada uno de los siguientes sistemas de ecuaciones calcule ya sea el rango o la nulidad
de la matriz de coeficientes y utilice el teorema 3.16 para deducir si el sistema tiene solución
única.
a)
x + y − z = 7
4x − y + 5z = 4
6x + y + 3z = 20
b)
x1 − 2x2 + x3 + x4 = 2
3x1 + 2x3 − 2x4 = −8
4x2 − x3 − x4 = 1
5x1 + 3x3 − x4 = −3