Proyecto Compilando Conocimiento

Algebra Lineal

Espacios Vectoriales y Bases

Espacios Vectoriales

Autor:
Rosas Hernandez Oscar Andres
ndice general

1. Espacios y SubEspacios 3
1.1. Espacios Vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.1. Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2. SubEspacios Vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.1. Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3. Independecia y Dependencia . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3.1. Independencia Lineal . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3.2. Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4. Generacin de Espacios . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4.1. Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.5. Bases y Dimensin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.5.1. Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.5.2. Dimensin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

2. Sistemas de Coordenadas 12
2.1. Sistemas de Coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.1.1. Demostracin . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.1.2. Qu es un Sistema de Coordenadas? . . . . . . . . . . . . . . . 13
2.1.3. Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2. Cambio de Coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . 15

3. Espacios Euclideanos 18
3.1. Espacios Euclideanos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.2. Producto Interno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

1
NDICE GENERAL NDICE GENERAL

3.2.1. Producto Internos Comunes . . . . . . . . . . . . . . . . . . . . 20

3.2.2. Propiedades del Producto Interno . . . . . . . . . . . . . . . . . 20
3.3. Norma de un Vector . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.3.1. Propiedades de la Norma . . . . . . . . . . . . . . . . . . . . . . 21
3.4. Conjuntos Octogonales . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.4.1. Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

Compilando Conocimiento 2 Oscar Rosas

Captulo 1

Espacios y SubEspacios

3
CAPTULO 1. ESPACIOS Y SUBESPACIOS 1.1. ESPACIOS VECTORIALES

1.1. Espacios Vectoriales

Un espacio vectorial V es un Conjunto de objetos llamados Vectores (Dahh!), junto
con dos operaciones:

Suma de Vectores: Recibe 2 vectores y regresa 1 vector

Producto Escalar: Recibe 1 vector y 1 escalar y regresa 1 vector

Lo importantes es que estas operaciones, satisfascan los 10 Axiomas que se enumeran

a continuacion:

1. Es Cerrado en Suma:
Si x V y y V , entonces x + y V

2. Es Asociativo:
Para todos x, y, z V , (x + y) + z = x + (y + z)

3. Existe en O Vector:
Existe un vector 0 V tal que todos x V, x + 0 = 0

4. Inverso de un Vector:
Si x V , existe un vector x en V tal que x + (x) = 0

5. Es Conmutativo:
Si x, y V , entonces x + y = y + x

6. Multiplo de un Vector:
Si x V , y K, entonces x V

7. Existe un Uno:
Para todo vector x V , tenemos que 1x = x

8. Si x, y V y K, entonces (x + y) = x + y

9. Si x V y K, entonces (x) = x

1.1.1. Propiedades
Podemos ver algunas caracteristicas muy tiles de los Espacios vectoriales, sea V un
Espacio vectorial, entonces:

0 = 0, R

Compilando Conocimiento 4 Oscar Rosas

CAPTULO 1. ESPACIOS Y SUBESPACIOS 1.1. ESPACIOS VECTORIALES

0x = 0, x V

Si x = 0, entonces = 0 bien x = 0 ambos.

(1)x = x x V

Compilando Conocimiento 5 Oscar Rosas

CAPTULO 1. ESPACIOS Y SUBESPACIOS 1.2. SUBESPACIOS VECTORIALES

1.2. SubEspacios Vectoriales

Un Subconjunto no vacio H de un Espacio vectorial V es un Subespacio de V si se
cumplen que:

1. Cerradura de la Suma Si x H y y H, entonces x + y H

2. Cerradura de la Producto Escalar Si x H, entonces x H, para todo

escalar

Otra forma de probar es checar la combinacion lineal w1 +w2 W ya que se cumplen

las dos condiciones.

1.2.1. Propiedades
{0v } es un Subespacio.

V es un Subespacio de V

W1 interW2 es un Subespacio de V

W1 + W2 es un Subespacio de V

Compilando Conocimiento 6 Oscar Rosas

CAPTULO 1. ESPACIOS Y SUBESPACIOS 1.3. INDEPENDECIA Y DEPENDENCIA

1.3. Independecia y Dependencia

1.3.1. Independencia Lineal

Sea A una matriz de nn. Entonces cada uno de los siguientes siete enunciados implica
a los otros seis.

A es Invertible.
Det(A) 6= 0.
La unica solucin al Sistema Homogneo Ax = 0 es la solucin x = 0.
El sistema Ax = b posee una solucin nica para todo n-vector b.
A es equivalente por filas a la Matriz Identidad.
A puede ser escrita como el producto de matrices elementales.
Las columnas y los renglones de A son Linealmente Independientes.

Podemos generalizar an ms esto de la siguiente manera como:

F1  
Sean A = F2 = C1 C2 Cn pertenecen a Mmn (K)

Fn
Es decir sea A un Vector de Vectores (estos ltimos sean Vectores Fila o Columna, la
verdad no importa), entonces los siguientes enunciados son equivalentes:

A es Invertible
F1 , F2 , , Fn generan a K n
C1 , C2 , , Cn generan a K n
F1 , F2 , , Fn son Linealmente Independientes en K n
C1 , C2 , , Cn son Linealmente Independientes en K n
B = (F1 , F2 , , Fn ) es base de K n
B = (C1 , C2 , , Cn ) es base de K n

1.3.2. Propiedades
Un conjunto de n vectores en Rm es siempre Linealmente Dependiente si n > m.
(Si hay mas incognitas que ecuaciones).

Compilando Conocimiento 7 Oscar Rosas

CAPTULO 1. ESPACIOS Y SUBESPACIOS 1.4. GENERACIN DE ESPACIOS

1.4. Generacin de Espacios

Los vectores v1 , v2 , . . . , vn forman un Espacio Vectorial V , o se dice que generan a V ,
si todo vector en V puede expresarse como Combinacion lineal de ellos.
Esto es, para todo v V , existen escalares {a1 , a2 , . . . , an } tales que:

v = a1 v1 + a2 v2 + + an vn (1.1)

1.4.1. Propiedades
Un Conjunto de n Vectores linealmente independientes en Rn genera a Rn

Sean n+1 Vectores: {v1 , v2 , , vn , vn+1 }, de un espacio vectorial V . Si {v1 , v2 , , vn }

generan a V , entonces {v1 , v2 , , vn , vn+1 } tambin generan a V .

Si {v1 , v2 , , vn } son linealmente independientes, entonces los n 1 vectores,

{v1 , v2 , , vn1 , vn } son Linealmente Independientes.

Compilando Conocimiento 8 Oscar Rosas

CAPTULO 1. ESPACIOS Y SUBESPACIOS 1.5. BASES Y DIMENSIN

1.5. Bases y Dimensin

1.5.1. Bases
Un conjunto de vectores forman una Base para V si:

Dicho conjunto es Linealmente Independiente.

Dicho conjunto es genera a V.

Propiedades

Un Conjunto de vectores forman una Base para V si Todo conjunto de n vectores

linealmente independientes en Rn es un Base en Rn
Si {v1 , v2 , , vn } es una Base de V y si v V , entonces existe un conjunto nico de
escalares c1 , c2 , , cn tales que:

v = c1 v1 + c2 v2 + + cn vn (1.2)

Si {u1 , u2 , , un } y {v1 , v2 , , vn } son bases del Espacio vectorial V, entonces m = n,

cualesquiera dos bases en un espacio vectorial V poseen el mismo nmero de vectores.

Observaciones

Sea n = dim(V ). Entonces los siguientes enunciados son equivalentes:

v1 , v2 , , vn Generan a V

v1 , v2 , , vn Son Linealmente Independientes

B = {v1 , v2 , , vn } son una Base de V

Sea n = dim(V ). Entonces los siguientes enunciados son verdaderos:

Todo conjunto {v1 , v2 , , vn con n < m que generan a V se puede reducir a una
base de V.

Todo conjunto{v1 , v2 , , vn con m < n que sea Linealmente Independiente se

puede completar a una base

Compilando Conocimiento 9 Oscar Rosas

CAPTULO 1. ESPACIOS Y SUBESPACIOS 1.5. BASES Y DIMENSIN

Ejemplo

Para que valores de a los siguentes vectores forman una base de R3 :

1 1 a
1 , a , 1
a 1 1

Para poder resolver esto basta con seguir las propiedades:

Forman una base en R3 ssi la siguiente Matriz es Invertible:

1 1 a
A= 1 a
1
a 1 1

Ssi, la Determinante de A sea difetente de 0.

det(A) = 3a a3 2 = (a3 + 3a 2)
= (a 1)(a2 + a 2) = (a 1)(a 1)(a + 2) = (a 1)2 (a + 2)

Con esto logramos ver que las raices de dicha expresin es 1 y -2. Pero sabemos que
dicho Determinante no puede ser 0, por lo tanto tenemos que:

1 1 a
A = 1 a 1
a 1 1

Genera a R3 siempre y cuando a 6= 1 a 6= 2

Compilando Conocimiento 10 Oscar Rosas

CAPTULO 1. ESPACIOS Y SUBESPACIOS 1.5. BASES Y DIMENSIN

1.5.2. Dimensin
Si el Espacio vectorial V posee una base finita, la dimension de V es el nmero de
vectores en la base, y V se llama Espacio vectorial de dimension finita.
Cualesquiera n vectores linealmente independientes en un Espacio vectorial V de di-
mensin n, constituyen una base.

De otra manera, V se denomina Espacio vectorial de dimension infinita. Si V =

{0}, entones V se dice que es de Dimensin 0.

Supongase que dim(V ) = n. Si {u1 , u2 , , un } es un Conjunto de m vectores

Linealmente Independientes en V , entonces m n.

Sea H un Subespacio vectorial de V. Entonces H es de dimensin finita y dim(H)

dim(V ).

Dimensiones Comunes

Sea B = (V1 , V2 , , Vn ), osea, sea B un Conjuntos de Vectores:

dim(K n ) = n

dim(Mmn (K)) = mn

dim(Kn [X]) = n + 1

Compilando Conocimiento 11 Oscar Rosas

Captulo 2

Sistemas de Coordenadas

12
CAPTULO 2. SISTEMAS DE COORDENADAS 2.1. SISTEMAS DE COORDENADAS

2.1. Sistemas de Coordenadas

Sea una B = {v! , v2 , , vn } una base de un Espacio Vectorial V. Sean v V . Sean
1 , 2 , , n K tales que:

n
X
v= i v i (2.1)
i=1

Si esto pasa, entonces podemos decir que 1 , 2 , , n son nicos.

2.1.1. Demostracin
Propon otros escalares que cumplen con generar al mismo vector

Pero como son base, son linealmente independientes, por lo tanto ambos escalares
deben ser iguales

2.1.2. Qu es un Sistema de Coordenadas?

Sea una B = {v! , v2 , , vn } unaP
base de un Espacio Vectorial V. Sean v V . Sean
1 , 2 , , n K tales que v = ni=1 i vi .
Entonces podemos definir las coordenadas de nuestro pequeo e inocente v en la Base
B como:

1
2 n
K
[v]B = (2.2)

Compilando Conocimiento 13 Oscar Rosas

CAPTULO 2. SISTEMAS DE COORDENADAS 2.1. SISTEMAS DE COORDENADAS

Ejemplo:

Considerere a B = {(1 + x), (1 + x2 ), (x + x2 )} como una base de un Polinomio de

R2 [x].
Sea p(x) = 1 + 8x + 3x2 .
Luego podemos ver que podemos escribirlo como: 3(1 + x) + (2)(1 + x2 ) + (5)(x + x2 )

3
Es decir, podemos escribirlo como: [p(x)]B = 2
5
Para encontrarlos lo que tuvimos que hacer fue plantear el siguiente sistema de ecua-
ciones:

1 + 2 = 1 1 + 3 = 8 2 + 3 = 3

2.1.3. Propiedades
Podemos ver entonces que estas coordenadas se comporta de manera muy muy bonita:

[v1 + v2 ]B = [v1 ]B + [v2 ]B

[v1 ]B = [v1 ]B

Compilando Conocimiento 14 Oscar Rosas

CAPTULO 2. SISTEMAS DE COORDENADAS 2.2. CAMBIO DE COORDENADAS

2.2. Cambio de Coordenadas

Sea B1 = {v1 , v2 , , vn } y sean B2 = {u1 , u2 , , un }.
Podemos cambiar de base usando la siguiente Matriz:

CB1 B2 = CBB12 = C B2 = ([v1 ]B2 + [v2 ]B2 + + [vn ]B2 )

B1

Podemos ver entonces que:

[v]B2 = CB1 B2 [v]B1

Para encontrarla lo mas til de la vida ser:

Base2|Base1 GaussJordan In |CB1 B2 (2.3)

Podemos saber algunas cosas super interesantes como:

Si tenemos ya una matriz de cambio de base podemos obtener el otro cambio

simplemente sacando la inversa a la matriz: C 1
B2 = C B1
B1 B2

Podemos ver que existe algo que me tienta a llamar inversos o que se cancela:
C B3 C B2 = C B3
B2 B1 B1

Ejemplo 1

Por ejemplo, sea:

1 1 0
B1 = 1 , 0 , 1

0 1 1

1 1 1
B2 = 0 , 1 , 1
0 0 1

Entonces, podemos encontrar la Matriz de Cambio de Coordenadas de B2 al B1 como:

1 1 11 1 0  0 1 1
0 1 10 0 1 = I3 1 1 0
0 0 10 1 1 0 1 1

Compilando Conocimiento 15 Oscar Rosas

CAPTULO 2. SISTEMAS DE COORDENADAS 2.2. CAMBIO DE COORDENADAS

Entonces ya al final podemos decir que:

0 1 1
CB2 B1 = 1 1 0
0 1 1

Ejemplo 2

Si queremos encontrar la matriz de cambio de base entre:

B1 =< (1 + x), (1 + x2 ), (x + x2 ) >

B2 =< (1), (1 + x), (1 + x + x2 ) >

Entonces podemos tener esta Matriz de Cambio de Base:

1 1 1| 1 1 0 1 0 0| 0 1 1
0 1 1| 1 0 1 GaussJordan 0 1 0| 1 1 0
0 0 1| 0 1 1 0 0 1| 0 1 1

Por lo tanto podemos concordar que:

0 1 1
C B2 1 1 0
B1
0 1 1

Ejemplo 3

Por ejemplo, sea:

        
1 2 0 1 1 1 1 0
B1 = , , , ,
4 0 0 1 3 0 0 0

Y la canonica:
        
1 0 0 1 0 0 0 0
B2 = , , , ,
0 0 0 0 1 0 0 1

Entonces, podemos encontrar la Matriz de Cambio de Coordenadas de B2 al B1 como:

1 0 0 0| 1 0 1 1
0 1 0 0| 2 1 1 0

0 0 1 0| 4 0 3 0
0 0 0 1| 0 1 0 0

Compilando Conocimiento 16 Oscar Rosas

CAPTULO 2. SISTEMAS DE COORDENADAS 2.2. CAMBIO DE COORDENADAS

Por lo tanto podemos concordar que:

1 0 1 1
2 1 1 0
C B2 =
4 0 3 0

B1

0 1 0 0

Compilando Conocimiento 17 Oscar Rosas

Captulo 3

Espacios Euclideanos

18
CAPTULO 3. ESPACIOS EUCLIDEANOS 3.1. ESPACIOS EUCLIDEANOS

3.1. Espacios Euclideanos

Son un espacio vectorial, en nuestro caso lo vamos a considerar sobre los reales, la
principal caracteristica de estos espacios es que cumplen con que tienen un producto
interno:

Compilando Conocimiento 19 Oscar Rosas

CAPTULO 3. ESPACIOS EUCLIDEANOS 3.2. PRODUCTO INTERNO

3.2. Producto Interno

Un producto interno ser aquella funcin <, > tal que reciba 2 vectores y te regrese un
vector: ~v ~v R tal que para todo 3 vectores cuales quiera v, w, u V y para todo
, R tenemos que:

< v + w, u >= < v, u > + < w, u >

< u, v >=< v, u >

< v, v > 0 y < v, v >= 0 v = 0

En el caso de que tenga un producto interno que cumpla estas caracteristicas podemos
decir que nuestro espacio vectorial es Euclidiano.

3.2.1. Producto Internos Comunes

Matrices: < A, B >= traza(transpuesta(A)B)
Es decir, es la suma de todos los elementos de la diagonal principal de la matriz
resultante de la multiplicacin de la transpuesta de A con B.

Rn : < v, u >= vx ux + vy uy
Es decir, lo que conocemos como el producto punto.

3.2.2. Propiedades del Producto Interno

Podemos saber que:

< v, 0v >= 0

Si < u, v >=< v, u > y n V , entonces v = 0v

Compilando Conocimiento 20 Oscar Rosas

CAPTULO 3. ESPACIOS EUCLIDEANOS 3.3. NORMA DE UN VECTOR

3.3. Norma de un Vector

Podemos definir una norma de un vector v V como:

||v|| = < v, v > (3.1)

Ejemplo

s  s

     
3 2 3 2 3 2 13 12
|| || = , = traza = 13 + 36 = 7
0 6 0 6 0 6 12 36

3.3.1. Propiedades de la Norma

||v|| 0 y tambin ||v|| = 0 ssi v = 0v

||v|| = ||||v||

|| < v, u > || ||u||||v|| Esta es conocida como Desigualdad de Cauchy-Shuartz

||v + u|| ||u|| + ||v|| Esta es conocida como Desigualdad del Triangulo

Compilando Conocimiento 21 Oscar Rosas

CAPTULO 3. ESPACIOS EUCLIDEANOS 3.4. CONJUNTOS OCTOGONALES

3.4. Conjuntos Octogonales

Decimos que el conjunto S = {v1 , v2 , , vn } de vectores de un espacio euclidiano es:

i) Ortogonal: Si i, j {1, , n} (i 6= j) < vi , vj >= 0

i) Ortonormal: Si ademas de Ortogonal tenemos que ||vi || = 1 i {1, , n}

Ejemplo

Este conjunto no es ni Ortogonal ni Ortonormal:

*1 1 0+
S1 = 1 , 0 , 1
0 1 1

Este conjunto es Ortogonal pero no Ortonormal:

*1 0 2 +
S1 = 0 , 3 , 0
1 0 2

3.4.1. Propiedades
Sea S = {v1 , v2 , , vn } V

Si S es Ortogonal y vi 6= 0v i {1, , n} entonces podemos concluir que S es

Linealmente independiente.

Si S es Ortonormal, entonces el vector de la forma:

w = v < v, v1 > v1 < v, v2P
> v2 < v, vn > vn
O visto mas bonito w = v ni=1 < v, vi > vi
es ortogonal a S v V

Compilando Conocimiento 22 Oscar Rosas

Bibliografa

[1] ProbRob
[Link]

23