Tema 2.

Espacios Vectoriales
 … repaso

Estructura Algebraica
Un sistema algebraico es un conjunto provisto de una o
varias operaciones binarias cuya estructura está
determinada por las propiedades de las operaciones
definidas.
• Semigrupo
Ej. Estructuras: • Grupo
• Campo

+ ∆
Operación binaria regla que asigna cada par
ordenado de elementos de un conjunto un - 
único elemento de dicho conjunto. * ☐
 … repaso

Operación Binaria
Una operación binaria  definida en un conjunto S es
una función de SxS en S. La imagen del par ordenado
(x,y) bajo la operación  se representa con (x  y)

 binaria porque aplica a dos elementos de la misma

especie
 el resultado de la operación es único y pertenece a
la misma especie (CERRADURA)
 El resultado depende del orden en que sean
considerados los elementos
 … repaso

Campo

1) Asociativa
2) Conmutativa
3) Elemento neutro (cero)
4) Inverso

6) Asociativa
7) Distributiva
8) Conmutativa
9) Elemento idéntico (unidad)
10) Inverso
 Espacios Vectoriales

Un espacio vectorial es un conjunto de elementos llamados

vectores que satisfacen ciertas propiedades.

La noción más común de vector es la del concepto físico

“cantidad con magnitud, dirección y sentido” y que ha
encontrado una adecuada representación geométrica a
través de los segmentos dirigidos caracterizados mediante
parejas o ternas de números.
Espacios Vectoriales
 Espacios Vectoriales

Espacio Vectorial

Sea V un conjunto no vacío, en el cual se definen las

siguientes operaciones, y sea K un campo.

 ADICION de Vectores x+y y

x
y
 PRODUCTO por Escalar ay
by

Se dice que V es un espacio vectorial sobre K si las dos

operaciones cumplen con los siguientes axiomas:
Espacios Vectoriales

A los elementos del conjunto V se les llaman vectores

y a los elementos del campo K se les llama escalares.
 Espacios Vectoriales

Ejemplo 1
 Espacios Vectoriales

Ejemplo 2
 Espacios Vectoriales

Ejemplo 3
Espacios Vectoriales
Espacios Vectoriales
 Subespacios Vectoriales

Subespacio Vectorial

Sea W un subconjunto de un espacio vectorial V. Si W es a

su vez un espacio vectorial con respecto a las operaciones
de adición y multiplicación definidas en V, se dice
entonces que W es un subespacio de V.
Subespacios Vectoriales
 Subespacios Vectoriales

Ejemplo 1

Ejemplo 2
 Combinación Lineal

Ejemplo
 Combinación Lineal


 Combinación Lineal

Una forma de determinar si un vector es una combinación

lineal de un conjunto de vectores consiste en resolver el
sistema de ecuaciones lineales que nos permita calcular
los escalares que hacen posible la combinación:
 Combinación Lineal

Ejemplo.

Sea w = (-4, -1, 6) y el conjunto de vectores:

 Combinación Lineal

Ejemplo.

Sea w = (3, 4, 9) y el conjunto de vectores:

 Combinación Lineal

Ejemplo.

Sea w = (1, 2, 3, 4) y el conjunto de vectores:

 Combinación Lineal

El vector cero siempre se puede expresar como

combinación lineal de un conjunto de vectores, aunque no
exista relación entre ellos simplemente haciendo todos
los escalares iguales a cero
 Dependencia Lineal

Sea A={v1, v2, …, vn} un conjunto de vectores:

1. Se dice que A es linealmente dependiente si existen

escalares a1, a2, …, an no todos iguales a cero tales que:

2. Se dice que A es linealmente independiente si la

ecuación

solo se satisface cuando a1 = a2 = … = an = 0 (escalar)

Dependencia Lineal
 Dependencia Lineal

Teorema.

Todo conjunto que contiene al vector cero es linealmente

dependiente.

Teorema.

Si S es un conjunto linealmente independiente entonces

cualquier subconjunto de S es linealmente
independiente.
 Dependencia Lineal

Ejercicio 1.

Determinar si los vectores son linealmente

independientes o linealmente dependientes:
 Dependencia Lineal
Interpretación Geométrica (R2 y R3)

Dos vectores de R2:

• Si son l.d. significa que uno se puede escribir como combinación

lineal del otro, es decir v1=a2v2 y por tanto son colineales. Esto es
que con dos vectores v1, v2 solo se pueden generar vectores que
estén sobre la misma línea.

v1=a2v2

v2
 Dependencia Lineal
Interpretación Geométrica (R2 y R3)

Vectores de R3:

• Si son l.d. significa que uno se puede

escribir como combinación lineal de los
otros, es decir v1=a1v2 + a3v3 y por tanto
son coplanares (se encuentran en el
mismo plano).

• Si son l.i. significa que ninguno se puede

escribir como combinación lineal de los
otros, lo cual significa que los vectores
no están en el mismo plano y por tanto
pueden generar a R3.
 Conjunto Generador

Sea V un espacio vectorial sobre el campo K y sea

G={v1, v2, …, vm}
un conjunto de vectores de V. Se dice que G es un
generador de V si:
 Conjunto Generador

Ejemplo.

Sea,
G={(-2,0,0) (0,1,2) (0,0,-1) (0,1,-1)}

G es un conjunto generador de los vectores de R3

(28)
 Base

Se llama base de un espacio vectorial V a un conjunto

generador de V que es linealmente independiente.
 Base

¿es base de M?
 Base

La base no es única como pudo observarse.

Teorema

Sea V un espacio vectorial sobre el campo K. Si

B={v1, v2, …, vn}

es una base de V, entonces cualquier conjunto de

vectores de V con mas de n elementos es linealmente
dependiente.
 Base

Teorema.

Sea V un espacio vectorial sobre el campo K. Si

B={v1, v2, …, vn}

es una base de V, entonces cualquier otra base de dicho

espacio esta formada por n vectores
 Base

En general la base canónica de Rn es el conjunto:

E={e1, e2, …, en } donde ei =(ei1, ei2, …, ein)

tal que
1 para i=j
en =
0 para i≠j
 Dimensión

Sea V un espacio vectorial sobre el campo K. Si

B={v1, v2, …, vn}

es una base de V, se dice que V es de dimensión n, lo

cual se denota con
dim V = n

En particular, si V={0}, dim V=0.

 Dimensión

Teorema.

Si V es un espacio vectorial de dimensión n, cualquier

conjunto linealmente independiente formado por n
vectores de V es una base de dicho espacio.

Teorema.

Si V es un espacio vectorial de dimensión n y W un

subespacio de V entonces:
dim W ≤ n
En particular si dim W = n ⇒ W = V
 Vector de Coordenadas

Sea B={v1, v2, …, vn} una base de un espacio vectorial V

sobre el campo K, y sea x un elemento cualquiera de V. Si

x = a 1 v 1 + a 2v 2 + … + a n v n

Los escalares a1 , a2 ,…, an se llaman coordenadas de x en

la base B y al vector de Kn

(x)B = (a1 , a2 ,…, an)T

Se llama vector de coordenadas de x en la base B.

 Vector de Coordenadas

Ejemplos

∴ El vector de coordenadas de un vector

perteneciente a un espacio (x∈V) depende de la
base de referencia.
 Vector de Coordenadas

Teorema.

Sea B={v1, v2, …, vn} una base de un espacio vectorial V

sobre el campo K. Para cualquier x∈V el vector (x)B es
único.
 Espacio Vectorial Generado

Si G={v1, v2, …, vm} es un conjunto generador del espacio

vectorial V entonces cualquier elemento x∈V se puede
escribir como combinación lineal de G:
x = a1 v1 + a2v2 + … + an vn
Por tanto dado un conjunto generador o una base se
puede conocer el espacio vectorial generado.

(25)
 Isomorfismo entre Espacios Vectoriales

Cuando la sustitución de elementos del espacio vectorial U

por elementos del espacio vectorial V puede hacerse
mediante una función:
f: A → B
que sea biyectiva (relación uno a uno), se dice que cada
elemento es “reflejo” de su correspondiente en el otro
espacio. Esto es U es un isomorfismo de V

Todos los elementos del dominio

(X) tienen una imagen en el
codominio (Y) y cada elemento del
codominio proviene de un
elemento del dominio
Isomorfismo entre Espacios Vectoriales
 Isomorfismo entre Espacios Vectoriales

Teorema.

1) Dos espacios vectoriales de igual dimensión son

isomorfos. En particular si V es un espacio vectorial real
de dimensión n, entonces V es isomorfo a Rn

2) Todo espacio vectorial es isomorfo a si mismo.

3) Si un espacio vectorial V es isomorfo a otro espacio

vectorial W, entonces W es isomorfo a V.

4) Si un espacio vectorial V es isomorfo a un espacio W y W

es a su vez isomorfo a un espacio U, entonces V es
isomorfo a W.

75
 Matriz de transición

Ejercicio

Sean A = {(1,0) (0,1)}

B = {(2,1) (-2,1)}
C = {(1,0) (-1,1)}

tres bases del espacio vectorial R2. Determinar las

coordenadas del vector v = (2,3) respecto a cada una de
las bases y graficar los respectivos vectores.
 Matriz de transición

A = {(1,0) (0,1)}
 Matriz de transición

B = {(2,1) (-2,1)}
 Matriz de transición

C = {(1,0) (-1,1)}
 Matriz de transición

base base M A
B
origen
destino
CU Taxqueña

Matriz de “vehículo” que me lleva

=
Transición de una base a otra
 Matriz de transición

Sean:
A={v1, v2, …, vn}
B={w1, w2, …, wn}

dos bases de un espacio vectorial V. La matriz de transición

tiene por columnas los vectores de coordenadas de los
elementos de la base A con respecto a la base B, es decir:
 Matriz de transición

Ejemplo.

Espacio vectorial = matrices triangulares superiores de

orden 2 con elementos en R y tr()=0

B = {v1 , v2}

C = {w1 , w2}
 Matriz de transición

Esta matriz es tal que si conocemos (x)A donde x∈A y

deseamos obtener el vector de coordenadas de x en la base
B, esto es (x)B, entonces es suficiente con efectuar el
producto:

Además se tiene que la matriz de transición es una matriz no

singular, es decir, siempre tiene inversa y se cumple que:
 Espacio Renglón

Sean A una matriz de mxn con

elementos en R

sus renglones pueden ser

considerados como vectores de Rn

El conjunto de todas las combinaciones lineales de dichos

vectores es un subespacio de Rn al que se le conoce como
espacio renglón de A.
Espacio Renglón
 Espacio Renglón

Para determinar si los renglones de una matriz son

linealmente dependientes se debe aplicar a la matriz una
sucesión de transformaciones elementales hasta obtener su
forma canónica escalonada.

Con esto se puede saber el número máximo de renglones

linealmente independientes de la matriz y con ello obtener
una base del espacio renglón.
 Espacio Renglón

Forma canónica escalonada

Una matriz es una forma canónica escalonada cuando:
a) Es una matriz escalonada
b) El primer elemento distinto de cero en cada renglón es 1
c) El 1 del inciso anterior es el único diferente de cero en la
columna donde se encuentra.

Los renglones no nulos de una forma canónica escalonada

constituyen una base de su espacio renglón. Aplica para
cualquier matriz escalonada pero en la f.c.e. es más evidente.
 Espacio Columna

El espacio columna de una matriz A coincide con el espacio

renglón de AT
 Espacio Renglón y Columna

Teorema.

El espacio renglón y el espacio columna de una matriz, en

general diferentes, tienen la misma dimensión.

dim L(Ar) = dim L(Ac)

 Rango de una Matriz

Se llama rango de una matriz A, R(A), a la dimensión del

espacio columna / renglón de la matriz.

R(A) = dim L(Ar) = dim L(Ac)

Ejemplo

R(A)=2

El rango de una matriz representa el número máximo de

renglones (y de columnas) linealmente independientes en
la matriz.
 Rango de una Matriz

¿Para qué sirve?

Uno de los usos es determinar la existencia y unicidad de
soluciones de un sistema de ecuaciones.

Consideremos un sistema de m ecuaciones con n

incógnitas:
 Rango de una Matriz

Y tendrá solución ⇔ existen escalares xi que expresen a b

como combinación lineal de las columnas de A, es decir ⇔
b∈L(Ac)

La matriz ampliada consta de las columnas de A + una

adicional que es b entonces:
•cuando b∈L(Ac) los rangos de A y de (A,b) son iguales.
•cuando b∉L(Ac) el rango de (A,b) es mayor en una unidad
al rango de A.
 Rango de una Matriz

¿La solución (cuando la hay) es única?

Comparando el rango de la matriz de coeficientes con el

número de incógnitas se tiene:

• R(A) = n
Implica que Ac (conjunto de n columnas de A) es
linealmente independiente y una base de L(Ac), entonces
los escalares x1, x2, …, xn son las coordenadas del vector
b en dicha base y el sistema tiene solución única
• R(A) = r < n
Implica que cualquier base de L(Ac) tiene r columnas de A
y el sistema es indeterminado.
 Espacios Vectoriales de Funciones

Las funciones reales de variable real constituyen un

espacio vectorial para las operaciones de adición y
multiplicación por escalar. Su estudio es de particular
interés por tratarse de un espacio de dimensión infinita ya
que la ecuación de dependencia lineal de cualquier
conjunto de vectores de este espacio, al requerir que se
cumpla para todo valor de x en el dominio de las
funciones, equivale a un sistema algebraico de un número
infinito de ecuaciones.
 Espacios Vectoriales de Funciones

Una función de un conjunto A en un conjunto B es una

regla que asocia a cada elemento de A uno y sólo un
elemento de B.
f: A → B

f: R → R
“función real de variable real”
 Espacios Vectoriales de Funciones

Operaciones con funciones:

Sean f y g dos funciones reales de variable real definidas

en un mismo intervalo.

• Suma de funciones (f+g)(x) = f(x) + g(x)

• Resta de funciones (f-g)(x) = f(x) - g(x)

• Producto de funciones (f * g)(x) = f(x) * g(x)

• Cociente de funciones (f / g)(x) = f(x) / g(x)

• Producto por escalar (af)(x) = a f(x)

 Espacios Vectoriales de Funciones

El conjunto de funciones reales de variable real (F) asi

definidas constituyen un espacio vectorial sobre R, por lo
tanto se puede hablar de combinaciones lineales,
dependencia e independencia lineal de funciones.

Debido a que (F) es de dimensión infinita la dependencia

lineal se analiza por medio de diversos criterios como:
• formar un sistema algebraico cuadrado sustituyendo
valores particulares de la variable independiente en la
ecuación de dependencia lineal
• derivar n-1 veces la ecuación de dependencia lineal de
un conjunto de n funciones y definir el wronskiano.
 Espacios Vectoriales de Funciones

• formar un sistema algebraico cuadrado sustituyendo

valores particulares de la variable independiente en la
ecuación de dependencia lineal
 obtener una solución distinta a la trivial no
permite llegar a ninguna conclusión respecto a la
dependencia lineal de funciones ya que la
solución solo satisface al sistema para los n
valores de x elegidos.
 cuando el sistema sólo admite la solución trivial,
si puede concluirse que el conjunto de funciones
es linealmente independiente.

Ejemplo.
 Espacios Vectoriales de Funciones

• derivar n-1 veces la ecuación de dependencia lineal de

un conjunto de n funciones y definir el wronskiano.
 no requiere elegir conjunto de valores
 es aplicable a conjuntos de funciones derivables y se
refiere a la independencia lineal “por intervalos”.
 las funciones deben ser derivables al menos n-1
veces en el intervalo (a,b)

A diferencia de los otros espacios vectoriales estudiados,

el espacio F no puede ser generado por un conjunto finito
de vectores.
 Espacios Vectoriales de Funciones

A los diversos subespacios de F se les llama “espacios de

funciones” o “espacios funcionales”. Algunos ejemplos son:

o Conjunto de polinomios
o Conjunto de polinomios de grado menor o igual a n
o Conjunto de funciones definidas en un intervalo
o Conjunto de funciones continuas en un intervalo
o Conjunto de funciones integrables en un intervalo
Espacios Vectoriales de Funciones
Criterio Wronskiano
Espacios Vectoriales de Funciones
Criterio Wronskiano