Professional Documents
Culture Documents
Algebra Lineal.
El espacio vectorial es una estructura algebraica que generaliza, hasta el mayor nivel de abstraccion,
la idea de los vectores geometricos del plano y el espacio eucldeos ordinarios, as como las magnitudes
vectoriales que aparecen en Fsica; esencialmente, son conjuntos cuyos elementos se pueden sumar
entre s, y multiplicar por n umeros. Son numerosmos y muy variados, como ya puede verse desde
los primeros ejemplos, los espacios vectoriales que aparecen de manera natural en distintas ramas de
las matematicas.
Todo espacio vectorial lleva siempre asociado un conjunto con estructura de cuerpo, cuyos ele-
mentos llamaremos escalares, que jugaran el papel de n umeros. Los elementos del espacio vectorial
seran los vectores.
Nota.- En la siguiente denicion, utilizamos el mismo smbolo +para denotar la suma del grupo
abeliano E (suma de vectores) y la suma del cuerpo K. Analogamente, empleamos el smbolo
tanto para denotar el producto en el cuerpo K (producto de escalares) como para denotar la
ley externa en E (producto de escalar por vector).
Denicion.- Sean (E, +) un grupo abeliano y (K, +, ) un cuerpo conmutativo; sea
: KE E una ley externa, es decir,
K, u E, (, u) u E.
Se dice que la cuaterna (E, K, +, ) tiene estructura de espacio vectorial, o bien que E es un
espacio vectorial sobre K si se verican:
1. u E, , K, ( + ) u = u + u.
2. u, v E, K, (u + v) = u + v.
3. u E, , K, () u = ( u).
4. u E, 1 u = u (1 representa la unidad del cuerpo K).
1
j=1
j
u
j
:
j
K, u
j
M, k N
_
.
Observacion.- L(M) es el menor subespacio vectorial que contiene a M, es decir, L(M) es
subespacio y
H es subespacio y M H L(M) H.
2.3. Suma e interseccion de subespacios.
Proposicion.- La interseccion de subespacios vectoriales de un mismo espacio es subespa-
cio vectorial de dicho espacio.
jJ
H
j
no
es vaco porque el vector nulo es com un a todos los subespacios. Dados dos vectores u, v
jJ
H
j
,
y para cualesquiera escalares , K, la combinacion lineal u + v pertenece a cada H
j
por ser
combinacion lineal de vectores de H
j
y ser H
j
subespacio, de modo que u + v
jJ
H
j
.
Observacion.- La union de subespacios vectoriales no es, en general, subespacio vectorial. Con-
siderense, por ejemplo, dos rectas no coincidentes (y que pasen por el origen) en R
2
.
De hecho, dados dos subespacios L, M de un mismo espacio vectorial E, se tiene que
L M es subespacio (L M M L).
(Compruebese).
El papel dual de la interseccion lo va a jugar, para subespacios vectoriales, el subespacio suma:
la suma de varios subespacios va a ser el menor subespacio que contiene a la union de todos ellos, es
decir, la clausura lineal de la union.
Denicion.- Dado E espacio vectorial sobre K, y dos subespacios L y M, denimos su suma como
L + M := {u + v : u L , v M}.
En general, dados L
1
, L
2
, . . . , L
k
subespacios, la denicion anterior se extiende recursivamente a
L
1
+ L
2
+ . . . + L
k
=
_
k
j=1
u
j
: u
j
L
j
_
.
Proposicion.- La suma de subespacios vectoriales de E es un subespacio vectorial de E.
Demostracion.- Sean L, M subespacios del espacio vectorial E; L + M = porque 0 = 0 +0
L + M; y dados x, y L + M, se tiene que x = u + v para ciertos u L, v M y que y = u + v
para ciertos u L, v M; por lo tanto, para cualesquier , K, tendremos que
x + y = (u + v) + ( u + v) = (u + u) + (v + v),
en donde u + u L y v + v M, con lo que x + y L + M.
Denicion.- Dados dos subespacios vectoriales de un mismo espacio E, diremos que su suma es
directa, y escribiremos L M, si L M = {0}.
j=i
L
j
= {0} i = 1, 2, . . . , k.
Teorema.- (Caracterizacion de las sumas directas.)
Sean L
1
, L
2
, . . . , L
k
subespacios vectoriales de un mismo espacio vectorial E; los subespacios L
j
dan suma directa si y solo si u L
1
+ L
2
+ . . . + L
k
, existen unicos u
j
L
j
, j = 1, 2, . . . , k, tales
que u =
k
j=1
u
j
.
Denicion.- Dos subespacios L y M de un mismo espacio E se dicen suplementarios entre s (en
E) si L
M = E.
Observacion.- Dados dos subespacios L, M suplementarios en E, todo vector de E se descompone
de forma unica como suma de un vector de L y otro de M.
3. Dependencia e independencia lineal.
Denicion.- Se dice que los vectores u
1
, u
2
, . . . , u
k
de un espacio vectorial E son linealmente
independientes si la unica combinacion lineal de ellos que da el vector nulo es la que tiene todos
los coecientes nulos, es decir,
j
K,
1
u
1
+
2
u
2
+ . . . +
k
u
k
= 0
1
=
2
= . . . =
k
= 0.
En caso contrario, se dice que los vectores anteriores son linealemente dependientes.
Observacion.- u
1
, u
2
, . . . , u
k
son linealmente dependientes si y solo si
1
,
2
, . . . ,
k
K, con alg un
i
= 0, tales que
k
j=1
j
u
j
= 0.
Y lo anterior equivale a que se pueda despejar alguno de los vectores como combinacion lineal de los
restantes, es decir,
u
i
=
j=i
j
u
j
,
j
K.
(Basta considerar el u
i
cuyo
i
= 0 en la combinacion lineal que da el vector nulo).
Algebra Lineal, de Garbayo, Sansigre y otros, bajo el ttulo de Teorema Auxiliar; un enunciado similar
aparece en
Algebra Lineal y Geometra, de Castellet y Llerena, pag. 74, bajo el ttulo de Teorema de
Steinitz. El alumno interesado puede consultar esas demostraciones que, aunque extensas, utilizan
solo argumentaciones elementales.
El teorema dice, esencialmente, que m vectores linealmente independientes no pueden estar ge-
nerados por un n umero de vectores inferior a m.
Teorema.- Sea E un espacio vectorial, y {u
1
, . . . , u
n
}, {v
1
, . . . , v
m
} dos conjuntos de vectores de
E. Si todos los vectores v
j
son combinaciones lineales de los u
j
y ademas forman un sistema libre,
entonces m n.
Ademas, si es m = n, entonces los u
j
tambien son linealmente independientes y son a su vez
combinaciones lineales de los v
j
.
Teorema.- (Equicardinalidad de las bases). Si E es un espacio vectorial de tipo nito, todas
las bases de E tienen el mismo n umero de vectores.
Demostracion.- Sean B = (e
1
, . . . , e
n
) y V = (u
1
, . . . , u
m
) dos bases de un mismo espacio E; por
ser B base, todos los vectores de V, que es un sistema libre, dependen linealmente de los de B, luego,
por el teorema anterior, m n. Intercambiando los papeles de las dos bases, obtenemos que n m.
luego m = n.
Gracias al teorema anterior, podemos denir la dimension de un espacio vectorial:
k+1
= 0, lo que implica, por la independencia lineal de los u
1
, . . . , u
k
, que
1
= . . . =
k
= 0.
Si k + 1 = n, ya tenemos una base de E, pues el conjunto {u
1
, u
2
, . . . , u
k
, u
k+1
} es un sistema
libre de n vectores; en caso contrario, volvemos a aplicarle el mismo razonamiento a dicho conjunto
j=1
j
u
j
+
lk
j=1
j
v
j
+
mk
j=1
j
w
j
= 0, (1)
es decir,
k
j=1
j
u
j
+
lk
j=1
j
v
j
=
mk
j=1
j
w
j
.
El primer miembro de la anterior igualdad es combinacion lineal de los elementos de la base de
L; el segundo miembro lo es de algunos elementos de la base de M; por lo tanto, pertenece a
L M, es decir:
mk
j=1
j
w
j
L M.
Consecuentemente, el sumatorio anterior es combinacion lineal de los vectores de la base
(u
1
, . . . , u
k
) de L M, esto es,
mk
j=1
j
w
j
=
k
j=1
j
u
j
j
= 0, j = 1, 2, . . . , mk.
Pero esto, sustituyendo en (1), nos lleva a que
k
j=1
j
u
j
+
lk
j=1
j
v
j
= 0,
que, por la independencia lineal de los u
j
, v
j
(pues todos juntos constituyen una base de L), nos
permite concluir que todos los coecientes
j
,
j
son nulos. Con lo que concluimos que todos
los coecientes
j
,
j
,
j
de la combinacion lineal (1) de partida son nulos.
Recapitulando: hemos construido una base de L+M que tiene k +(l k) +(mk) = l +mk
elementos, luego dim(L + M) = l + mk, como queramos demostrar.
Corolario.- Para cualesquiera subespacios L, M de interseccion nula, dim(L M) = dimL +
dimM.
En particular, si E es un espacio vectorial de dimension nita, y L, M son dos subespacios
suplementarios en E, entonces dimE = dimL + dimM.
Ejercicios adicionales resueltos
1. En el espacio vectorial de polinomios R
3
[x], se considera la base
_
1, x 3, (x 3)
2
, (x 3)
3
_
.
Calcular las coordenadas en dicha base del polinomio 2x
3
3x
2
x + 2.
Solucion:
Llamando P al polinomio dado, lo podremos expresar como combinacion lineal de los de la
base, de la forma
P(x) = a
0
+ a
1
(x 3) + a
2
(x 3)
2
+ a
3
(x 3)
3
,
en donde los coecientes a
j
R son las coordenadas pedidas. Observamos que la coordenada
a
0
es el valor P(3). As, empezamos evaluando en x = 3 ambas expresiones de P(x), es decir:
P(3) = a
0
= 26.
Si ahora derivamos ambas expresiones para P(x), tenemos
P
(x) = a
1
+ 2a
2
(x 3) + 3a
3
(x 3)
2
= 6x
2
6x 1,
igualdad que, al evaluarla en x = 3, nos da:
P
(3) = a
1
= 35.
(x) = 2a
2
+ 6a
3
(x 3) = 12x 6 P
(3) = 2a
2
= 30 a
2
= 15.
Y, nalmente, derivando una vez mas,
P
(x) = 6a
3
= 12 a
3
= 2.
Luego las coordenadas pedidas son (26, 35, 15, 2).
Otra forma de resolverlo:
Si desarrollamos
P(x) = a
0
+ a
1
(x 3) + a
2
(x 3)
2
+ a
3
(x 3)
3
=
= a
0
3a
1
+ 9a
2
27a
3
+ (a
1
6a
2
+ 27a
3
)x + (a
2
9a
3
)x
2
+ a
3
x
3
y lo igualamos coeciente a coeciente a 2x
3
3x
2
x + 2, obtenemos el sistema lineal
a
3
= 2
a
2
9a
3
= 3
a
1
6a
2
+ 27a
3
= 1
a
0
3a
1
+ 9a
2
27a
3
= 2
en las incognitas a
0
, a
1
, a
2
, a
3
, sistema de matriz triangular cuya sencilla resolucion nos lleva al
mismo resultado antes calculado.
2. En el espacio vectorial R
4
, consideramos el subespacio L cuya base es ((1, 2, 3, 4), (4, 3, 2, 1)),
y el subespacio M denido por las ecuaciones x
1
= x
2
= x
3
. Calcular sendas bases de los
subespacios L M y L + M.
Solucion:
Vamos a escribir el vector generico de L y a imponerle la condicion de pertenecer tambien
a M. Para calcular las ecuaciones parametricas de L, antes vamos a sustituir la base dada
por otra cuyos vectores nos den ecuaciones mas sencillas: llamando u al primer vector y v al
segundo, los reemplazamos por
1
5
(u + v) = (1, 1, 1, 1) y u v = (3, 1, 1, 3). Observese que
las transformaciones anteriores conservan la independencia lineal de los vectores.
Las ecuaciones parametricas quedan como
x
1
= 3
x
2
=
x
3
= +
x
4
= + 3.
Si al vector generico de L le imponemos las ecuaciones implcitas de M, obtenemos:
x
1
= x
2
= 0 , x
2
= x
3
= 0,
con lo que el vector generico de L M es (1, 1, 1, 1), R, siendo ((1, 1, 1, 1)) una base
y x
1
= x
2
= x
3
= x
4
sus ecuaciones implcitas (el n umero de ecuaciones independientes es
dim(R
4
) dim(L M) = 3).
_
0 1
0 1
_
, por lo que ha sido
lcito suprimir dicha matriz).