[ ]Espacios vectoriales reales
Definición 1: Sea V un conjunto en el cual dos operaciones, llamadas adición y multiplicación escalar, han sido
definidas. Si 𝒖 ⃗ 𝒚 𝒗 ⃗ se encuentran en V, la suma de 𝒖 ⃗ 𝒚 𝒗⃗ se denota por medio de 𝒖 ⃗ + 𝒗 ⃗ , y si es un
escalar, el múltiplo escalar de 𝒖 ⃗ por se denota como 𝒖 ⃗ . Si los siguientes axiomas son válidos para todo 𝒖⃗ ,
⃗𝒗 𝒚 ⃗𝒘 ⃗⃗ en V y para todos los escalares y , entonces V se denomina espacio vectorial y sus elementos son
llamados vectores.
⃗ + 𝒗
𝒖 ⃗ ∈𝑽 Cerradura bajo la adición
⃗ + 𝒗
𝒖 ⃗ =𝒗 ⃗ + 𝒖 ⃗ Conmutatividad
(𝒖⃗ + 𝒗 ⃗ )+𝒘 ⃗⃗⃗ = 𝒖 ⃗ + (𝒗 ⃗⃗⃗ )
⃗ +𝒘 Asociatividad
⃗⃗⃗⃗
∃ 0 ∈ 𝑉, 𝑑𝑒𝑛𝑜𝑚𝑖𝑛𝑎𝑑𝑜 𝒗𝒆𝒄𝒕𝒐𝒓 𝒄𝒆𝒓𝒐 𝑜 𝑛𝑢𝑙𝑜,/𝒖 ⃗ + ⃗𝟎 = 𝒖⃗ . Si dicho elemento existe es único.
∀𝒖 ⃗ ∈ 𝑽, ∃ −𝒖 ⃗⃗⃗⃗⃗⃗ ∈ 𝑽 / 𝒖 ⃗ + (−𝒖 ⃗
⃗⃗⃗⃗⃗⃗ ) = 𝟎. Si dicho elemento existe es único.
𝒖 ⃗ ∈𝑽 Cerradura bajo la multiplicación escalar
(𝒖 ⃗ + 𝒗 ⃗)= ⃗⃗⃗⃗⃗𝒖 + 𝒗 ⃗ Distributividad
(𝜶 + 𝜷)𝒖 ⃗ = 𝜶𝒖 ⃗ + 𝜷𝒖 ⃗ Distributividad
(𝜷𝒖) = (β)𝒖
⃗⃗⃗⃗⃗ ⃗
1𝒖⃗ =𝒖 ⃗
SUBESPACIOS
Definición 2: Un subconjunto W de un espacio vectorial V se denomina subespacio de V si W mismo es un
espacio vectorial con los mismos escalares, adición y multiplicación por escalares que V.
Teorema 2 Sea V un espacio vectorial, y W un subconjunto no vacio de V. Entonces W es un subespacio de V si y
sólo si se cumplen las siguientes condiciones:
a) Si ⃗𝒖 𝒚 ⃗𝒗 se encuentran en W, entonces ⃗𝒖 + ⃗𝒗 se encuentran en W
b) Si ⃗𝒖 se encuentra en W y k es un escalar, entonces k𝒖
⃗ se encuentra en W.
COMBINACIONES LINEALES DE VECTORES
⃗ se denomina combinación lineal de los vectores 𝒖
Definición 3: Un vector 𝒗 ⃗ 𝟏, 𝒖
⃗ 𝟐, 𝒖
⃗ 𝟑, … , 𝒖
⃗ 𝒏 si se puede
expresar en forma
𝑣 = 𝑘1 𝑢
⃗ 1 + 𝑘2 𝑢
⃗ 2 + 𝑘3 𝑢
⃗ 3 + … + 𝑘𝑛 𝑢
⃗𝑛
Donde k1, k2, k3, . . . , kn son escalares.
Definición 6: Un conjunto de vectores {𝑣1 , 𝑣2 , … , 𝑣𝑛 } de un espacio vectorial V es linealmente dependiente si
existen escalares 𝑘1 , 𝑘2 , . . . , 𝑘3 , al menos uno de los cuales no sea 0, tal que
𝑘1 𝑣1 + 𝑘2 𝑣2 + 𝑘3 𝑣3 + … + 𝑘𝑛 𝑣𝑛 = 0
Un conjunto de vectores que no es linealmente dependiente se dice que es linealmente independiente.
Teorema 1: Un conjunto de vectores {𝑣1 , 𝑣2 , … , 𝑣𝑛 } de un espacio vectorial V es linealmente dependiente si y
sólo si al menos uno de los vectores puede ser expresado como una combinación lineal de los otros.
Definición 4: WRONSKIANO
Suponga que cada una de las funciones 𝑓1 (𝑥), 𝑓2 (𝑥), … 𝑓𝑛 (𝑥) posee al menos n-1 derivadas. El determinante:
𝑓1 𝑓2 … 𝑓𝑛
𝑓´1 𝑓′2 … 𝑓′𝑛
𝑊(𝑓1 (𝑥), 𝑓2 (𝑥), … 𝑓𝑛 (𝑥)) = | … … … … |
(𝑛−1) (𝑛−1) (𝑛−1)
𝑓1 𝑓2 … 𝑓3
…donde las primas denotan derivadas, se llama wronskiano de las funciones.
Teorema 2: Criterio para soluciones linealmente independientes
Sean 𝑦1 , 𝑦2 , … , 𝑦𝑛 “n” soluciones de la ecuación diferencial homogénea de n-ésimo orden en el intervalo “I”. El
conjunto de soluciones es linealmente independiente en “I” si y solo si 𝑊(𝑓1 (𝑥), 𝑓2 (𝑥), … 𝑓𝑛 (𝑥)) ‡ 0 para toda
“x” en el intervalo
Si el Wronskiano es diferente de cero, las funciones son linealmente independientes, si por el contrario da cero
entonces es linealmente dependiente.
CONJUNTOS GENERADOSRES
Definición 5: Si 𝑆 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } es un conjunto de vectores en un espacio vectorial V, entonces el conjunto
de todas las combinaciones lineales de 𝑣1 , 𝑣2 , … , 𝑣𝑛 se conoce como espacio generado por 𝑣1 , 𝑣2 , … , 𝑣𝑛 y se
denota mediante la expresión espacio(𝑣1 , 𝑣2 , … , 𝑣𝑛 ) o espacio(S). Si V=espacio(S), entonces S se denomina
conjunto generador para V y se dice que V es generado por S.
Teorema 3: Si 𝑣1 , 𝑣2 , … , 𝑣𝑛 son vectores en un espacio vectorial V, entonces:
a) El conjunto de todas las combinaciones lineales de 𝑣1 , 𝑣2 , … , 𝑣𝑛 es un subespacio de V.
b) W es el menor subespacio de V que contiene a 𝑣1 , 𝑣2 , … , 𝑣𝑛 en el sentido de que cualquier otro
subespacio de V que contenga a 𝑣1 , 𝑣2 , … , 𝑣𝑛 debe contener a W.
BASE DE UN ESPACIO VECTORIAL
Definición 6: un subconjunto ℬ de un espacio vectorial 𝑉 es una base para 𝑉 si
1. ℬ genera a 𝑉
2. ℬ es linealmente independiente.
Teorema 4: Si ℬ = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } es una base de un espacio vectorial 𝑉, entonces todo vector v en 𝑉 se puede
expresar en forma única como 𝑣 = 𝑐1 𝑣1 + 𝑐2 𝑣2 + … + 𝑐𝑛 𝑣𝑛
COORDENADAS RESPECTO A UNA BASE
Definición 7: Sea ℬ = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } una base para un espacio vectorial 𝑉. Sea 𝑣 un vector en 𝑉, que se
⃗
puede expresar como 𝑣 = 𝑐1 𝑣1 + 𝑐2 𝑣2 + … + 𝑐𝑛 𝑣𝑛 . Entonces 𝑐1 , 𝑐2 , … , 𝑐𝑛 se conocen como coordenadas de 𝒗
con respecto a ℬ, y el vector columna (o fila)
𝑐1
𝑐2
[𝑣 ]ℬ = [ ⋮ ]
𝑐𝑛
⃗ con respecto a ℬ.
Se denomina vector coordenado de 𝒗
Teorema 5: Sea ℬ = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } una base para un espacio vectorial 𝑉. Sean 𝑢
⃗ y 𝑣 vectores en 𝑉 y sea c un
escalar. Entonces:
a. [𝑢
⃗ + 𝑣 ]ℬ = [𝑢⃗ ]ℬ + [𝑣 ]ℬ
b. [𝑐𝑢
⃗ ]ℬ = 𝑐[𝑢
⃗ ]ℬ
Teorema 6: Sea ℬ = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } una base para un espacio vectorial 𝑉 y sean 𝑢
⃗ 1, 𝑢⃗ 2, … , 𝑢 ⃗ 𝑘 vectores en 𝑉
. Entonces {𝑢 ⃗ 1, 𝑢 ⃗ 𝑘 } es linealmente independiente en 𝑉 si y sólo si {[𝑢
⃗ 2, … , 𝑢 ⃗ 1 ]ℬ , [𝑢
⃗ 2 ]ℬ , … , [𝑢
⃗ 𝑘 ]ℬ } es
𝑛
linealmente independiente en ℝ .
DIMENSIÓN
Definición 8: 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
de 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.
Teorema 7: Sea ℬ = {𝑣1 , 𝑣2 , … , 𝑣𝑛 }una base para un espacio vectorial 𝑉.
a. Cualquier conjunto de más de n vectores en 𝑉 debe ser linealmente dependiente.
b. Cualquier conjunto con menos de n vectores en 𝑉 no puede generar a 𝑉.
Teorema 8 Teorema de bases
Si un espacio vectorial 𝑉 tiene una base con n vectores, entonces toda base para 𝑉 tiene exactamente n
vectores.
Teorema 9: Sea 𝑉 un espacio vectorial con dim 𝑉 = 𝑛. Entonces:
a. Cualquier conjunto linealmente independiente en 𝑉 contiene a lo más n vectores.
b. Cualquier conjunto generador de 𝑉 contiene al menos n vectores.
c. Cualquier conjunto linealmente independiente con exactamente n vectores en 𝑉 es una base para 𝑉
d. Cualquier conjunto generador de 𝑉 compuesto de exactamente n vectores es una base para 𝑉
e. Cualquier conjunto linealmente independiente en 𝑉 puede ser extendido a una base para 𝑉
f. Cualquier conjunto generador de 𝑉 puede ser reducido a una base para 𝑉.
Teorema 10: Sea 𝑊un subespacio de un espacio vectorial de dimensión finita 𝑉. Entonces
a. 𝑊 es de dimensión finita y dim 𝑊≤dim 𝑉.
b. dim 𝑊=dim 𝑉 si y sólo si 𝑊 = 𝑉
Teorema 11: si A es una matriz de nxn, y si 𝑇𝐴 : ℝ𝑛 → ℝ𝑛 𝑒𝑠 𝑙𝑎 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎𝑐𝑖ó𝑛 𝑝𝑜𝑟 𝐴, entonces las siguientes
proposiciones son equivalentes.
a) A es invertible
b) Ax=0 solo tiene la solución trivial
c) Las formas escalonadas reducidas de A es In
d) A se puede expresar como un producto de matrices elementales.
e) Ax=b es consistente para toda matriz b nx1.
f) Ax=b tiene exactamente una solución para toda matriz b nx1.
g) Det(A) ≠0
h) El recorrido de 𝑇𝐴 𝑒𝑠 ℝ𝑛
i) 𝑇𝐴 𝑒𝑠 𝑢𝑛𝑜 𝑎 𝑢𝑛𝑜
EJERCICIOS DE SUBESPACIOS
En Los siguientes ejercicios, utilice el teorema 2 para determinar si W es un sub espacio de V.
𝑎
1. 𝑉 = ℝ3 , 𝑊 = {[0]}
𝑎
𝑎
2. 𝑉 = ℝ3 , 𝑊 = {[−𝑎]}
2𝑎
𝑎
3 𝑏
3. 𝑉 = ℝ , 𝑊 = {[ ]}
𝑎+𝑏+1
𝑎
3
4. 𝑉 = ℝ , 𝑊 = {[ 𝑏 ]}
|𝑎|
𝑎 𝑏
5. 𝑉 = 𝑀22 , 𝑊 = {[ ]}
𝑏 2𝑎
𝑎 𝑏
6. 𝑉 = 𝑀22 , 𝑊 = {[ ] : 𝑎𝑑 ≥ 𝑏𝑐}
𝑐 𝑑
7. 𝑉 = ℘2 , 𝑊 = {𝑏𝑥 + 𝑐𝑥 2 }
8. 𝑉 = ℘2 , 𝑊 = {𝑎 + 𝑏𝑥 + 𝑐𝑥 2 ∶ 𝑎 + 𝑏 + 𝑐 = 0}
EJERCICIOS DE COMBINACION LINEAL, DEPENDENCIA E INDEPENDENCIA
En los siguientes ejercicios, pruebe si los conjuntos de matrices dados tienen independencia lineal en M22. Para
aquellos que sean linealmente dependientes, exprese una de las matrices como combinación lineal de las otras.
1 1 1 −1 1 0
1. {[ ] ,[ ] ,[ ]}
0 1 1 0 3 2
2 −3 1 −1 −1 3
2. {[ ] ,[ ] ,[ ]}
4 2 3 3 1 5
−1 1 3 0 0 2 −1 0
3. {[ ] ,[ ] ,[ ] ,[ ]}
−2 2 1 1 −3 1 −1 7
1 1 1 0 0 1 1 1
4. {[ ] ,[ ] ,[ ] ,[ ]}
0 1 1 1 1 1 1 0
En los siguientes ejercicios, establezca si los conjuntos de polinomios dados tienen independencia lineal. Para
aquellos que sean linealmente dependientes, exprese uno de los polinomios como combinación lineal de los
otros.
1. {1 − 2𝑥, 3𝑥 + 𝑥 2 − 𝑥 3 , 1 + 𝑥 2 + 2𝑥 3 , 3 + 2𝑥 + 3𝑥 3 } 𝑒𝑛 ℘3
2. {2𝑥, 𝑥 − 𝑥 2 , 1 + 𝑥 3 , 2 + 𝑥 2 + 𝑥 3 } 𝑒𝑛 ℘3
3. {𝑥, 1 + 𝑥} 𝑒𝑛 ℘1
4. {1 + 𝑥, 1 + 𝑥 2 , 1 − 𝑥 + 𝑥 2 } 𝑒𝑛 ℘2
5. {𝑥, 2𝑥 − 𝑥 2 , , 3𝑥 + 2𝑥 2 } 𝑒𝑛 ℘2
