Espacios vectoriales

Dr. Ing. Pablo Ochoa Rodríguez

 Definición: “Un espacio vectorial “V” es un conjunto de objetos, denominados vectores,
junto con dos operaciones llamadas adición o suma y multiplicación por un escalar y que
satisfacen los diez axiomas que se enuncian seguidamente:

1) Si “u” ᴧ “v” ϵ “V” → “u+v” ϵ “V”. [Ley de cerradura ante la suma de vectores]
2) Si “u” ᴧ “v” ϵ “V” → “u+v”= “v+u”.[conmutatividad de la suma de vectores]
3) Si “u” , “v” ᴧ “w” ϵ “V” → “(u+v)+w”= “u+(v+w)” .[asociatividad de la suma de vectores]
4) ∃ “0ത ” ϵ “V”/ ∀ “u” ϵ “V”, se cumple que: “u+0ത = 0ത +u = u” .[Elemento Neutro respecto a la
suma]
5) ∀ “u” ϵ “V”. ∃ “-u” ϵ “V” / “u+(-u) = (-u)+u = 0ത ” .[Elemento Inverso]

6) Si “u” ϵ “V” ᴧ “K” es un escalar → “ku” ϵ “V” . [Ley de cerradura ante la multiplicación por
un escalar]
7) Si “u” ᴧ “v” ϵ “V” ᴧ “K” es un escalar → “k(u+v) =ku+kv” ϵ “V” . [Ley distributiva ante la suma
de vectores]
8) Si “u” ϵ “V” ; “K” ᴧ “l” son escalares→ “(k+l)u=ku+lu”. [Ley distributiva ante la suma de
escalares]
9) Si “u” ϵ “V” ; “K” ᴧ “l” son escalares→ “k(lu)=(kl)u”. [asociatividad de la multiplicación por un
escalar]
10) ∀ “u” ϵ “V” se cumple que: 1u=u [Elemento Neutro respecto a la multiplicación por un
escalar]
(2x1+1) + (2x2 +1)
2x1 + 2x2 + 1 + 1
2x1 + 2x2 + 2
2 (x1 + x2) + 2
2x3 + 2

V* = y = 2x

V = R2
 Subespacios Vectoriales

Definición: “Un subconjunto no vacío “W” de un espacio vectorial “V” es un subespacio de

“V” si “W” es un espacio vectorial bajo las operaciones de adición y multiplicación por un
escalar definidas sobre “V”.

Combinacion Lineal
w = 2u + 3v
“Se dice que un vector es C.L. de los vectores v1, v2, …, vn si se puede expresar en la forma:
z = 3u + 4v
a = u+v w= k1v1+k2v2+ …+kn vn
donde: k1,k2, …, kn son escalares

Conjunto Generador de Espacio Vectorial

“Se dice que los vectores v1, v2, …, vn pertenecientes a un espacio vectorial “V” generan a “V”,
si todo otro vector de “V” se puede expresar como C.L. de ellos”.
v= k1v1+k2v2+ …+kn vn donde: k1,k2, …, kn son escalares
 Conceptos

V = R3 Combinación Lineal:
Demostrar que el vector v = (9, 2, 7) es
𝒂𝟏𝟏 𝒂𝟏𝟐 combinación lineal de los vectores
𝒂𝟐𝟏 𝒂𝟐𝟐 Vectores R3 a = (1, 2, -1) y b = (6, 4, 2)
v = k1a + k2b
V = R3
Matrices 2x2
p = p (2) (9, 2, 7) = k1 (1, 2, -1) + k2 (6, 4, 2)
Componentes homólogas

9 = 1k1 + 6k2
Polinomios de grado 2 2 = 2k1 + 4k2
7 = -k1 + 2k2
 Subespacio
1 6 9
2 4 2 a b
−1 2 7 Espacio
v
e
V = R3

1k1 + 0k2 = -3;

1 0 −3 k1 = -3 v = k1a + k2b
0 1 2 (9, 2, 7) = k1 (1, 2, -1) + k2 (6, 4, 2)
k2 = 2 (9, 2, 7) = -3 (1, 2, -1) + 2 (6, 4, 2)
0 0 0
0k1 + 1k2 = 2; v = -3a + 2b

Sistema Compatible determinado. El vector v sí se puede expresar como

Si el mismo fuera Incompatible, el combinación lineal de los vectores
vector en cuestión no puede a y b.
expresarse como combinación lineal
S = (k1, k2) = (-3, 2)
 Caracterizar el subespacio vectorial W, conformado por los vectores a y
b: Subespacio W

W = { (a); (b) } = { (1, 1, 1); (2, 1, 3) } a b

y Espacio
(y1, y2, y3) = k1 (1, 1, 1) + k2 (2, 1, 3) V = R3

Cada subespacio tiene su

condición de
1 2 𝑦1 compatibilidad. Caracterizar
Todo vector que cumpla
1 1 𝑦2 con esta condición, un subespacio es encontrar
1 3 𝑦3 pertenece al subespacio dicha condición; es hallar
W
e una ecuación matemática.

1 0 2𝑦2 − 𝑦1
0 1 𝑦1 − 𝑦2
−2𝑦1 + 𝑦2 + 𝑦3 Condición de compatibilidad – ecuación matemática:
0 0
-2y1 + y2 + y3 = 0
1 2 𝑦1 1 2 𝑦1
1 1 𝑦2 e21 (-1) 0 1 𝑦1 − 𝑦2 e12 (-2)
1 3 𝑦3 0 1 𝑦3 − 𝑦1

1 2 𝑦1 1 0 2𝑦2 − 𝑦1
0 −1 𝑦2 − 𝑦1 e31 (-1) 0 1 𝑦1 − 𝑦2 e32 (-1)
1 3 𝑦3 0 1 𝑦3 − 𝑦1

1 2 𝑦1 1 0 2𝑦2 − 𝑦1
0 −1 𝑦2 − 𝑦1 e2 (-1) 0 1 𝑦1 − 𝑦2
0 1 𝑦3 − 𝑦1 0 0 −2𝑦1 + 𝑦2 + 𝑦3
Indicar si los vectores u1 (0, 1, -1); u2 (3, 2, 0); u3 (0, 0, 0); u4 (2, 1, 3)
pueden pertenecer a W. Subespacio W
-2y1 + y2 + y3 = 0
a b
y Espacio
V = R3

u1: -2*0 + 1 – 1 = 0
u2: -2*3 + 2 + 0 = -4
u3: -2*0 + 0 + 0 = 0
u4: -2*2 + 1 + 3 = 0
 Base
Definición: Si “V” es cualquier espacio vectorial y S= 𝑣1 , 𝑣2 , … , 𝑣𝑛 es un conjunto finito de
vectores en dicho espacio vectorial “V”, entonces “S” se denomina base para “V” si:
a) “S” genera a “V”
b) “S” es Linealmente independiente

• “Dado que todo conjunto de “n” vectores linealmente independientes en Rn generan a Rn

Podemos concluir que todo conjunto de “n” vectores linealmente independientes en Rn es
una base para Rn”

• Ejemplo: En Rn se define el conjunto “S” formado por S= 𝑒1 , 𝑒2 , … , 𝑒𝑛 , siendo 𝑒1 = (1,0…0);

𝑒2 = (0,1…0); …; 𝑒1 = (0,0…1).Dado que estos vectores son L.I. son base para Rn y debido a
que sus modulos son la unidad, “S” recibe el nombre de base canónica o estándar.

Teorema: Si S= 𝑣1 , 𝑣2 , … , 𝑣𝑛 es una base para un espacio vectorial “V”, entonces todo

conjunto con más de “n” vectores es “linealmente Dependiente”.

Dimensión
Definición: La dimensión de un espacio vectorial está dada por el número máximo de vectores
independientes de dicho espacio vectorial.
Coincide con el número de vectores en una base para “V”.
 Generación de un espacio, independencia lineal, base y dimensión.
Subespacio S
Considerar el conjunto S: { (a); (b); (c) }
a c b

y Espacio S: { (1, 2, 1); (2, 9, 0); (3, 3, 4) }

V = R3
y: vector genérico

¿Son linealmente independientes? ¿Generan el espacio vectorial?

(0, 0, 0) = k1 (1, 2, 1) + k2 (2, 9, 0) + k3 (3, 3, 4) (y1, y2, y3) = k1 (1, 2, 1) + k2 (2, 9, 0) + k3 (3, 3, 4)

0 = 1k1 + 2k2 + 3k3 y1 = 1k1 + 2k2 + 3k3

0 = 2k1 + 9k2 + 3k3 y2 = 2k1 + 9k2 + 3k3
0 = 1k1 + 0k2 + 4k3 y3 = 1k1 + 0k2 + 4k3
 1 2 3
A=2 9 3
1 0 4

Det. A ≠ 0 Los vectores son Linealmente

Independientes (la única forma
de llegar al vector nulo es a
Que S genere al espacio, significa que
todo vector de dicho espacio puede
partir de la solución trivial)
expresarse como una combinación Los vectores generan al
lineal de los vectores en S. espacio vectorial.
Si S genera al espacio y los vectores
son linealmente independientes, se
dice que S es una base del mismo.

Dimensión 3 S constituye una Base para R3

 Determinar si el conjunto P constituye una base para p(2).
Subespacio P
S: { (a), (b), (c) }
a c b
a: 1 – 3x + 2x2
b: 1 + x + 4x2 y Espacio
c: 1 – 7x c: 1 – 7x + 0x2 V = p(2)
y: polinomio genérico de grado 2

¿Son linealmente independientes? ¿Generan el espacio vectorial?

0 + 0x + 0x2 = k1 (1 – 3x + 2x2) + k2 (1 + x + 4x2) + k3 (1 – 7x + 0x2) y1 + y2 x + y3 x2 = k1 (1 – 3x + 2x2) + k2 (1 + x + 4x2) + k3 (1 – 7x + 0x2)

0 = 1k1 + 1k2 + 1k3 y1 = 1k1 + 1k2 + 1k3

0 = -3k1 + 1k2 - 7k3 y2 = -3k1 + 1k2 - 7k3
0 = 2k1 + 4k2 + 0k3 y3 = 2k1 + 4k2 + 0k3
 1 1 1
A = −3 1 −7
2 4 0

Los polinomios son

Det. A = 0 Linealmente dependientes.
Los polinomios no generan al
espacio vectorial.
Recordar:
En vectores, trabajamos con
componentes homólogas.
En polinomios, con coeficientes
S no constituye una Base para p(2)
homólogos.
En matrices, con elementos
homólogos.
 Base - Vector de coordenadas

y
Podemos definir un vector 𝑂𝑃 = 𝑢ത usando como
referencia un sistema de ejes coordenados.
b P(a;b) Entonces usamos las coordenadas de los ejes y
obtenemos las componentes.
𝑢ത

𝑢ത = 𝑎, 𝑏
0 a x

Pero también podemos definir un vector 𝑂𝑃 = 𝑢ത usando como referencia un conjunto de

vectores base.
 Dado un espacio vectorial “V” elijo la Base: 𝐵 = 𝑣1 , 𝑣2 En este caso
𝑣2
Puedo expresar 𝑢ത como C.L. de 𝑣1 y 𝑣2

𝑘2 𝑣2 𝑢ത
𝑢ത = 𝑘1 𝑣1 + 𝑘2 𝑣2

0 𝑘1 𝑣1 𝑣1

Como 𝑣1 y 𝑣2 son BASE entonces ambos son L.I. por lo tanto existe un solo par
ordenado de escalares 𝑘1 y 𝑘2 que satisfacen la C.L.

Luego, podemos definir un vector por los escalares 𝑘1 y 𝑘2 que requerimos para obtener
las componentes del vector por C.L. con la base elegida.

Vector de coordenadas de 𝑢ത relativo a la base 𝐵

𝑢ത 𝐵 = 𝑘1 , 𝑘2

Matriz de coordenadas de 𝑢ത relativo a la base 𝐵

𝑘1
𝑢ത 𝐵 =
𝑘2
Nota: No es necesario que 𝑣1 y 𝑣2 sean perpendiculares
 Dado un espacio vectorial “V” elijo la Base: 𝐵 = 𝑣1 , 𝑣2 En este caso
𝑣2
Puedo expresar 𝑢ത como C.L. de 𝑣1 y 𝑣2
𝑘2 𝑣2 𝑢ത

𝑘4 𝑣2 𝑤
ഥ
𝑢ത = 𝑘1 𝑣1 + 𝑘2 𝑣2

0
𝑤
ഥ = 𝑘3 𝑣1 + 𝑘4 𝑣2
𝑘1 𝑣1 𝑘3 𝑣1 𝑣1

Como 𝑣1 y 𝑣2 son BASE entonces ambos son L.I. por lo tanto existe un solo par
ordenado de escalares 𝑘1 y 𝑘2 que satisfacen la C.L.

Luego, podemos definir un vector por los escalares 𝑘1 y 𝑘2 que requerimos para obtener
las componentes del vector por C.L. con la base elegida.

Vector de coordenadas de 𝑢ത relativo a la base 𝐵

𝑢ത 𝐵 = 𝑘1 , 𝑘2 𝑤
ഥ 𝐵 = 𝑘3 , 𝑘4

Matriz de coordenadas de 𝑢ത relativo a la base 𝐵

𝑘1 𝑘3
𝑢ത 𝐵 = 𝑤
ഥ 𝐵 =
𝑘2 𝑘4
Nota: No es necesario que 𝑣1 y 𝑣2 sean perpendiculares
 Base canónica
y

P(a;b)
b𝒋Ƹ Considerando los vectores unitarios 𝑖Ƹ y 𝑗Ƹ
𝑢ത perpendiculares entre si y con un mismo punto de origen
obtenemos los vectores a𝒊Ƹ y b𝒋Ƹ de modo que ∶
𝑗Ƹ
0 𝑖Ƹ a𝒊Ƹ x
𝑢ത = 𝑂𝑃 = a𝒊Ƹ + b𝒋Ƹ

𝑖=(1,0)
Ƹ
Versores en R2
𝑗=(0,1)
Ƹ

Expresamos el vector 𝑂𝑃 como combinación lineal de los vectores

𝑖Ƹ y 𝑗Ƹ (versores) a través de escalares a y b (componentes de 𝑢ത )
 Matriz de cambio de Base o Matriz de transición de B a B’

B (𝐵𝑎𝑠𝑒 𝐼𝑛𝑖𝑐𝑖𝑎𝑙) 𝑣ҧ 𝐵

𝑣ҧ 𝜀 𝑉 ¿Hay una relación

entre 𝑣ҧ 𝐵 y 𝑣ҧ 𝐵′ ??

B′ (𝐵𝑎𝑠𝑒 𝐹𝑖𝑛𝑎𝑙) 𝑣ҧ 𝐵′

Demostraremos que existe una Matriz P tal que:

𝑣ҧ 𝐵′ = 𝑃 𝑣ҧ 𝐵 𝑃: 𝐵 → 𝐵′
 𝐵𝑎𝑠𝑒 𝐼𝑛𝑖𝑐𝑖𝑎𝑙 𝐵𝑎𝑠𝑒 𝐹𝑖𝑛𝑎𝑙

B = 𝑢1 ; 𝑢2 B′ = 𝑢′1 ; 𝑢′2

𝑢1 = 𝑎 𝑢′1 + 𝑏 𝑢′2 𝑢2 = 𝑐 𝑢′1 + 𝑑 𝑢′2

𝑎 𝑐
𝑢1 𝐵′ = 𝑦 𝑢2 𝐵′ =
𝑏 𝑑
Si expresamos un vector 𝑣ҧ 𝜀 "𝑉" respecto a la base inicial:
𝑘1
Entonces: 𝑣ҧ = 𝑘1 𝑢1 + 𝑘2 𝑢2 𝑣ҧ 𝐵 =
𝑘2
𝑣ҧ = 𝑘1 𝑎 𝑢′1 + 𝑏 𝑢′2 + 𝑘2 𝑐 𝑢′1 + 𝑑 𝑢′2
𝑣ҧ = 𝑘1 𝑎 𝑢′1 + 𝑘1 𝑏 𝑢′2 + 𝑘2 𝑐 𝑢′1 + 𝑘2 𝑑 𝑢′2
𝑣ҧ = (𝑘1 . 𝑎 + 𝑘2 . 𝑐) 𝑢′1 + (𝑘1 . 𝑏 + 𝑘2 . 𝑑) 𝑢′2

Entonces 𝑘1 . 𝑎 + 𝑘2 . 𝑐 𝑎 𝑐 𝑘1
𝑣ҧ 𝐵′ =
𝑘1 . 𝑏 + 𝑘2 . 𝑑
=
𝑏 𝑑 𝑘2 𝑣ҧ 𝐵′ = 𝑃 𝑣ҧ 𝐵

𝑃: 𝐵 → 𝐵′
 Si observamos, las columnas de P son las coordenadas de los vectores de la
base inicial respecto a la base final

𝑎 𝑐
𝑏 𝑑
𝑎 𝑐
𝑢1 𝐵′ = 𝑦 𝑢2 𝐵′ =
𝑏 𝑑

Las columnas de la matriz “P” son: las matrices de coordenadas de los vectores de la
base inicial respecto a la base final

𝑢1 𝐵′ 𝑢2 𝐵′ … 𝑢𝑛 𝐵′
 Si queremos pasar de la base B’ → B,
consideramos a la base B’ como base inicial y a B como base final
Así obtendremos una matriz Q que nos permitirá realizar la transición de B’ a B

𝑣ҧ 𝐵′ = 𝑃 𝑣ҧ 𝐵

𝑃−1 𝑣ҧ 𝐵′ = 𝑃−1 𝑃. 𝑣ҧ 𝐵
Matriz Identidad

Luego 𝑣ҧ 𝐵 = 𝑃−1 𝑣ҧ 𝐵′
B’ → B

Q = 𝑃−1
B’ → B
 Matriz de coordenadas y cambio de base.
Considerar el espacio vectorial V = p(2) y la Base B = { (1), (x), (x2) ]
Base B
Hallar la matriz o vector de
coordenadas del N(x): 3 + 5x + 2x2 B
N Espacio
V = p(2)

N(x) = α1 (1) + α2 (x) + α3 (x2)

3 + 5x + 2x2 = α1 (1 + 0x + 0x2) + α2 (0 + 1x + 0x2) + α3 (0 + 0x + 1x2)

3 = 1 α1 + 0 α2 + 0 α3 α1 = 3
5 = 0 α1 + 1 α2 + 0 α3 α2 = 5 [N(x)]B = [α1 , α2, α3]
2 = 0 α1 + 0 α2 + α3 α3 = 2 [N(x)]B = [3, 5, 2] Matriz de coordenadas
de N(x) respecto a la
base B.
Considerar el espacio vectorial V = R2 y las Bases B = { (2, 1), (7, 3) } y B* = { (1, 0), (0, 1) }.
Hallar la matriz de cambio de base B B*, y calcular [a]B* sabiendo que [a]B = [-3, 4]

(2, 1) = k1 (1, 0) + k2 (0, 1) (7, 3) = k3 (1, 0) + k4 (0, 1)

2 = 1 k1 + 0 k2 7 = 1 k3 + 0 k4
Base B
1 = 0 k1 + 1 k2 3 = 0 k3 + 1 k4
Base B*
k1 = 2 k3 = 7
k2 = 1 k4 = 3 B B*
a Espacio
𝑘1 𝑘3 2 7 Matriz cambio de
V = R2
P= P= base B → B*
𝑘2 𝑘4 1 3 Vector en R2

−3
[a]B* = P x [a]B 4 ¿Cómo es el vector a?

2 7 22 a = 22 (1,0) + 9 (0,1)
[a]B* = [22, 9] 1 3 a = (22,9)
9
 Ejercicio 64
(1, 1) = 1*(v1,v2) + 2*(v3, v4)
(0, 1) = 3*(v1, v2) – 5*(v3, v4)

1 = v1 + 2v3 1 = v1 + 2v3
1 = v2 + 2v4 0 = 3v1 – 5v3
0 = 3v1 – 5v3
1 = 3v2 – 5v4
1 = v2 + 2v4
1 = 3v2 – 5v4
 Ejercicio 61

6 + 3x = k1 (2 + 0x) + k2 (3 + 2x)
10 + 2x = k3 (2 + 0x) + k4 (3 + 2x)
-4 +x = a1 (2+0x) + a2 (3+2x)

6 = 2k1 + 3k2 10 = 2k3 + 3k4 -4 = 2a1 + 3a2

1 = 0a1 + 2a2
3 = 0k1 + 2k2 2 = 0k3 + 2k4
𝑎1
𝑘1 𝑘3 [p]B’ =
P= 𝑎2
𝑘2 𝑘4
 Espacio de Renglones y Columnas
Dada una matriz de orden mxn (m filas y n columnas):
1) Las filas de A generan un EV de renglones que es subespacio de Rn
2) Las columnas de A generan un EV de columnas que es subespacio de Rm

Teorema 4:
“Las operaciones elementales sobre renglones no cambian el espacio de renglones de una
matriz”.
….Demostración…
Conclusión diremos que el espacio de renglones de una matriz “A” permanece inalterado al
reducirla hasta una forma escalonada en los renglones (reducida por filas).
Teorema 5:
“Los vectores fila o renglón diferentes de cero en una forma escalonada en los renglones
de una matriz “A”, forman una base para el espacio de renglones de “A”.
Teorema 6:
“Si “A” es una matriz cualquiera, entonces el espacio de renglones y el espacio de
columnas de “A” tienen la misma dimensión”.
Definición:
“La dimensión del espacio de renglones y/o columnas de una matriz “A” se conoce como
Rango de “A””.
Ejemplo 2 1 0
𝐴= 2x3
3 −1 4

1) Vectores filas (2,1,0) y (3,-1,4) generan Sub E de R3

Podríamos aplicar C.L. :
(b1,b2,b3) = k1 (2,1,0)+K2(3,-1,4)

Pero el T4 dice que el EV generado no varia al aplicar Operaciones elementales y

T5 que las filas distintas de cero (o sea L.I) de A son base
Entonces :
2 1 0 𝑒 1
1(2)
3 −1 4
1 1/2 0
3 −1 4 𝑒12(−3)

1 1/2 0
0 −5/2 4
𝐵= 1,1/2,0 ; 0, −5/2,4
2) Vectores columnas

𝑏1 2 1 0
= 𝑘1 + 𝑘2 + 𝑘3
𝑏2 3 −1 4

Por T4 y T5

2 3 𝑒12(−2)
𝐴𝑇 1 −1
0 4

0 5 𝑒1(1/5)
1 −1
0 4 𝑒31
0 4
1 −1
0 1
1 −1
𝐵= 1, −1 ; 0,1
0 1
0 0
“La Imagen de T es el espacio de columnas de A”
Teorema7:
“Si “A” es una matriz de orden “n” por “n” y tiene rango “n”, entonces las siguientes
proposiciones son equivalentes:
a) “A” es inversible;
b) Ax = 0 tiene únicamente la solución trivial;
c) “A” es equivalente, respecto de los renglones, a In;
d) Ax = b es compatible para toda matriz “b” de orden “n por uno” n x 1;
e) det (A) 0 ;
f) “A” tiene rango “n”;
g) Los vectores renglón de “A” son linealmente independientes;
h) Los vectores columna de “A” son linealmente independientes.