1
CAPTULO 1: ESPACIOS VECTORIALES
PROPIEDADES DE LAS OPERACIONES BINARIAS.
Sea S conjunto no vaco y sea * una operacin binaria en S (es decir, si a y b son dos
elementos en S, entonces a * b es tambin un elemento de S).
1. Asociatividad.- La operacin * en S se dice asociativa si dados cualesquiera a, b, c
de S se verifica: a * ( b * c) = ( a * b ) * c.
2. Conmutatividad.- La operacin * en S se dice conmutativa si dados dos elementos
cualesquiera a, b de S se verifica: a * b = b * a.
3. Elemento neutro.- Se dice que el elemento eS es el neutro de S con respecto a la
operacin * si para cualquier elemento aS se verifican: a * e =a, e * a = a.
4. Elemento simtrico.- Sea e el neutro de S con respecto a la operacin *. Si dado el
elemento a de S podemos encontrar un elemento b de S tal que a * b = e, b * a = e,
entonces b es el simtrico de a y suele denotarse a con lo cual a * a = a * a = e.
5. Distributividad.- Sea S conjunto no vaco donde se han definido las operaciones
binarias * y . La operacin * se dice distributiva con respecto a la operacin si
dados a, b, c en S se verifican:
a * ( b c ) = ( a * b ) ( a * c)
( a b ) * c = ( a * c ) ( b * c)
MONOIDES Y GRUPOS.
Definicin.- Se denomina monoide a todo conjunto S dotado de una operacin binaria
*. Se denomina semigrupo a un monoide ( S, * ) en el cual la operacin * es asociativa.
Definicin.- Sea (S, * ) semigrupo. Si S tiene un elemento neutro e y adems todos los
elementos de S tienen su simtrico en S, entonces (S, * ) recibe el nombre de grupo. Si
en forma adicional la operacin * es conmutativa, (S, *) se llama grupo abeliano.
Ejemplo.- El par (Z, +) es un grupo abeliano ya que la suma es asociativa y
conmutativa, el neutro es el cero y el simtrico de cualquier entero t es t. De igual
forma los pares ( Q, + ) y (R, +) tambin son grupos abelianos.
Ejercicio.- Explique por qu ( Q, ) y (R, ) no son grupos
Ejercicio.- En el conjunto A = { a, b, c } proporcionar por medio de una tabla, una
operacin binaria * de forma que el par (A, *) sea grupo abeliano.
E -1
2
ANILLOS Y CUERPOS.
Definicin.- Sea A un conjunto no vaco dotado de las leyes de composicin interna
(operaciones binarias) * y . La terna ( A , * , ) recibe el nombre de anillo si:
a) ( A, * ) es un grupo abeliano
b) ( A, ) es un semigrupo
c) La operacin es distributiva con respecto a la operacin * .
Ejemplo.- Son anillos los conjuntos Z, Q y R con las operaciones usuales de suma y
producto de nmeros. En concreto, demostremos que ( R, +, ) es un anillo. Es claro
que para cualesquiera a, b, c de R se verifican:
i) a + ( b + c ) = ( a + b ) + c
ii) a + b = b + a
iii) 0 R; a + 0 = 0 + a = a
iv) Si a R, existe a R tal que a + ( a ) = 0
En consecuencia (R, + ) es grupo abeliano. Adems:
v) (a b ) c = a ( b c)
por lo cual ( R, ) es un semigrupo. Finalmente se verifican las leyes distributivas del
producto con respecto a la suma:
vi) a ( b + c ) = a b + a c
vii) ( a + b ) c = a c + b
Definicin.- Un anillo ( A , + , ) cuyos elementos no nulos forman un grupo
multiplicativo se llama cuerpo. Todo cuerpo tiene un elemento unidad y todo elemento
no nulo del cuerpo posee un inverso simtrico multiplicativo. Si la multiplicacin es
conmutativa, el cuerpo se dice conmutativo. Cabe aclarar que elemento no nulo
equivale a un elemento distinto del neutro aditivo.
Ejemplos.- Los anillos Q y R son cuerpos conmutativos. Ya vimos que ( R, +, ) es un
anillo. Adicionalmente si simbolizamos R* = R { 0 } al conjunto de todos los reales
no nulos, vemos que el par ( R* , ) es un grupo. La multiplicacin es conmutativa.
Por tanto ( R, + , ) es un cuerpo, el cuerpo de los nmeros reales.
Propiedades del cuerpo de los nmeros reales.- Se simbolizan con a, b, c cualesquiera
nmeros reales; 0 es el neutro aditivo, 1 es el neutro multiplicativo y en algunos casos
en vez de escribir a b se pondr ab.
C1. a+b R; ab R [clausura]
C2. ( a + b ) + c = a + ( b + c) ; (ab)c = a(bc) [asociatividad]
C3. a + 0 = a; a 1 = a [existencia de neutro aditivo y neutro multiplicativo]
C4. a + ( a) = 0 [existencia de simtrico aditivo]
C5. Si a R*, a
1
R* y a a
1
= 1 [existencia de inversos para los reales no
nulos]
C6. a(b + c) = ab + ac; (a + b)c = ac + bc [leyes distributivas]
C7. Si ab = 0 entonces a = 0 b = 0 ambos
C8. 0 a = 0 cualquiera sea a.
C9. Si a + b = a + c entonces b = c [ley de cancelacin]
C10. Si ab = ac y a 0 entonces b = c [ley de cancelacin]
3
ESPACIOS VECTORIALES.
Sean:
V un conjunto no vaco de elementos llamados vectores: u, v, w, ....;
+ ley de composicin interna (suma de vectores): Si uV, vV entonces u + v V;
K conjunto de escalares (reales o complejos): , , , ;
ley de composicin externa (producto de un escalar por un vector): Si K, v V
entonces v V.
La estructura (V, + , K, ) se denominada espacio vectorial se se cumplen todos y cada
uno de los siguientes axiomas:
AXIOMAS DE ESPACIO VECTORIAL.
1. Si u, v V entonces u + v = v + u
2. Si u, v, w V entonces ( u + v ) + w = u + ( v + w )
3. Existe un vector V tal que u + = u para todo u de V ( es vector nulo de V)
4. Dado u V, existe ( u ) V tal que u + ( u ) =
5. Si K y u, v V entonces ( u + v ) = ( u ) + ( v )
6. Si , K, u V entonces ( + ) u = u + u
7. Si , K, u Ventonces () u = ( u )
8. 1 u = u para todo u V.
Nota.- El conjunto de escalares se identifica con el cuerpo de los reales (R, +, ) con las
operaciones usuales de suma y producto.
Propiedades de los espacios vectoriales como consecuencia de los axiomas:
a) Si vV verifica u + v = u entonces v =
b) Si u, v V verifican u + v = entonces v = u
c) El vector nulo del espacio vectorial es nico y verifica: + =
d) Para cada v V , su opuesto ( v ) es nico
e) Si v V entonces v = ( 1) v
f) u v = u + ( v) = u + [ ( 1) v ]
g) Si u V entonces 0 u = donde 0 es el nmero cero y es el vector nulo
de V.
h) = para cualquier escalar .
i) Si escalar, u vector: () u = (u ) = ( u)
j) Si u = entonces = 0 u =
k) Si u, v, w V entonces u + v = u + w implica v = w.
4
EL ESPACIO VECTORIAL R
n
.
Se denomina R
n
al conjunto de todas las n-uplas ordenadas de nmeros reales:
R
n
= { (x
1
, x
2
, ... , x
n
) : x
1
, x
2
, ... , x
n
R }
En R
n
definimos la ley de composicin interna por
(x
1
, x
2
, ... , x
n
) + (y
1
, y
2
, ... , y
n
) = (x
1
+ y
1
, x
2
+ y
2
, ... , x
n
+ y
n
)
y la ley de composicin externa por
(x
1
, x
2
, ... , x
n
) = (x
1
, x
2
, ... , x
n
)
para cualesquiera vectores (x
1
, x
2
, ... , x
n
) , (y
1
, y
2
, ... , y
n
) del conjunto R
n
y para
cualquier escalar . Entonces la estructura (R
n
, + , R , ) es un espacio vectorial que
llamamos R
n
por verificarse cada uno de los 10 axiomas listados.
EL ESPACIO VECTORIAL DE FUNCIONES C[a,b].
Por C[a,b] denotamos el conjunto de todas las funciones reales continuas definidas en el
intervalo real [a, b]. En este espacio tomamos dos funciones cualesquiera f(x) y g(x) y
tomamos un escalar k para los cuales definimos:
f(x) + g(x) = (f + g)(x) para la ley de composicin interna
k f(x) = (kf)(x) para la ley de composicin externa.
Se verifican los 8 axiomas de espacio vectorial.
EL ESPACIO VECTORIAL P
n
.
Representemos con P
n
al conjunto de todos los polinomios de grado menor o igual a n
en una indeterminada. Consideremos en este conjunto P
n
dos polinomios dados por
p(x) = a
n
x
n
+ a
n1
x
n1
+ ... + a
0
y q(x) = b
n
x
n
+ b
n1
x
n1
+ ... + b
0
. Definimos su suma
por
p(x) + q (x) = (a
n
+ b
n
)x
n
+ (a
n1
+ b
n1
)x
n1
+ ... + (a
0
+ b
0
)
y el producto del escalar por el polinomio p(x) por
p(x) = (a
n
x
n
+ a
n1
x
n1
+ ... + a
0
) = a
n
x
n
+ a
n1
x
n1
+ ... + a
0
.
El polinomio nulo de P
n
es p
o
(x) = 0 x
n
+ 0 x
n1
+ ... + 0. Se verifican las igualdades
p
o
(x) + q(x) = q(x) + p
o
(x) = q(x) para cualquier polinomio q(x) de P
n
.
El opuesto a p(x) = a
n
x
n
+ a
n1
x
n1
+ ... + a
0
es ( p(x)) = a
n
x
n
a
n1
x
n1
+ ... + a
0
verificndose las igualdades p(x) + (( p(x)) = ( p(x)) + p(x) = p
o
(x).
5
EL ESPACIO VECTORIAL R
mxn
.
Se denomina R
mxn
(o bien M
mxn
) al conjunto de todas las matrices cuyos elementos son
escalares (nmeros reales) organizados en m filas y n columnas.
En el conjunto R
nxm
la suma de las matrices A = [ a
ij
] y B = [ b
ij
] es otra matriz del
mismo conjunto: C = [ c
ij
] cuyos elementos obedecen a la igualdad c
ij
= a
ij
+ b
ij
. El
producto del escalar por la matriz A = [ a
ij
] es una matriz F = [ f
ij
] cuyos elementos
se construyen con la igualdad f
ij
= a
ij
.
Si en particular nos limitamos al espacio vectorial R
2x2
, veremos que la suma de las
matrices
(
=
22 21
12 11
a a
a a
A y
(
=
22 21
12 11
b b
b b
B es la matriz
(
+ +
+ +
=
22 22 21 21
12 12 11 11
b a b a
b a b a
C y
que el producto del real k por la matriz A es igual a
(
=
22 21
12 11
ka ka
ka ka
kA . La matriz
nula en este espacio es
(
=
0 0
0 0
O y por supuesto
(
=
22 21
12 11
a a
a a
A es la matriz
opuesta a la matriz A.
SUBESPACIOS VECTORIALES.
Sea V = (V, +, K, ) un espacio vectorial. Sea adems W un subconjunto no vaco de
vectores de V; en smbolos, WV , W . Si ocurre que (W, +, K, ) es un espacio
vectorial por s mismo, entonces W se denomina subespacio vectorial de V.
Para que W sea subespacio de V deben cumplirse dos condiciones:
i) Si w
1
, w
2
W entonces w
1
+ w
2
W
ii) Si K, w
1
W entonces w
1
W
Nota.- Si el vector nulo de V no est en W, entonces W no es subespacio de V.
Para demostrar que W es subespacio del espacio V:
i) Verificar que W no sea vaco
ii) Verificar que W sea subconjunto de V
iii) Verificar que el vector nulo de V pertenezca a W
iv) Para cualesquiera vectores u, v de W y para cualesquiera escalares , ,
verificar que u+v es un vector de W y que u es tambin un vector de W.
SUBESPACIOS TRIVIALES. SUBESPACIOS PROPIOS.
Sea V = (V, + , R , ) espacio vectorial. Los subespacios
V (el mismo espacio vectorial)
V
o
= { }
6
se denominan subespacios triviales de V y existen para cada espacio vectorial V. Todos
los subespacios de V que no sean triviales se denominan subespacios propios.
LOS SUBESPACIOS DE R
3
.
En el espacio vectorial R
3
= (R
3
, + , R , ) tenemos que los subespacios triviales son el
mismo R
3
y el subespacio R
3
o
= ( { (0, 0, 0) }, + , R , ). Existirn en R
3
subespacios
propios?
El conjunto W = { v R
3
: v = ku, k R ; u } es un subespacio de R
3
.
Geomtricamente este subespacio representa una recta que pasa por el origen en R
3
.
Ejemplo 1.- W = { v R
3
: v = (t, t, 2t), t R }
Ejemplo 2.- W = { (x, y, z) : x = 3y = 2z }
Ejemplo 3.- W = { (x, y, z) : x+2y=z x+y=0 }
El conjunto W = { w R
3
: w = tu + rv; t, u R ; u kv } es un subespacio de R
3
, que
geomtricamente es un plano que pasa por el origen en R
3
.
Ejemplo 4.- W = { v R
3
: v = (t, r, r 2 t); r, t R }
Ejemplo 5.- W = { (x, y, z) : x+y+z = 0 }
Ejemplo 6.- W = { (x, y, z) : x=t, y=w+t, z=w }
Para sintetizar, los subespacios propios de R
3
son de dos tipos: rectas que pasan por el
origen y planos que pasan por el origen.
El conjunto de vectores W = { (x, y, z) : x +y+2z = 1 } no es un subespacio de R
3
.
El conjunto de vectores W = { (x, y, z) : x
2
+y
2
= 1 } no es un subespacio de R
3
.
CPSULAS LINEALES. GENERADORES.
Sea V un espacio vectorial y sea S = { v
1
, v
2
, ... , v
m
} un conjunto de m vectores en V.
La expresin c
1
v
1
+ c
2
v
2
+ ... + c
m
v
m
donde c
1
, c
2
, ..., c
m
son escalares se denomina
combinacin lineal de los vectores de S. Llamaremos cpsula lineal de S al conjunto de
todas las combinaciones lineales posibles que pueden construirse de esta forma:
lin(S) = { u V : u = c
1
v
1
+ c
2
v
2
+ ... +c
m
v
m
}
Este conjunto tambin se denomina conjunto generado por S.
Se demuestra que lin(S) es un subespacio de V; se dice que lin(S) es generado por S. A
su vez, los vectores de S se dicen generadores del espacio lin(S).
Ejemplo 7.- Si S = { (1, 1, 2) } entonces lin(S) es un recta que pasa por el origen en
R
3
. Queda hallar las ecuaciones de esta recta.
7
Ejemplo 8.- Si S = { (1, 1, 1), (0, 2, 1) } entonces lin(S) es un plano que pasa por el
origen en R
3
. Queda hallar la ecuacin de este plano.
Ejemplo 9.- Los vectores (1, 2, 3) y (1, 1, 0) generan W = { (x, y, z) : x+y z =0 }
siendo W subespacio propio del espacio R
3
.
Ejemplo 10.- Los conjuntos S = { (1, 0, 2), (1, 1, 3) } y T = { (0, 1, 1) , (3, 5, 1) } son
tales que lin(S) = lin(T), es decir, generan el mismo subespacio de R
3
. Queda hallar la
expresin del subespacio generado por ambos conjuntos.
DEPENDENCIA E INDEPENDENCIA LINEAL.
Dado S = { v
1
, v
2
, ... , v
m
} conjunto de m vectores en el espacio vectorial V, formemos
la igualdad
c
1
v
1
+ c
2
v
2
+ ... + c
m
v
m
= (*)
Si elegimos c
1
= 0, c
2
= 0, ... , c
m
= 0 entonces (*) se verifica por lo cual sta ser
siempre una solucin llamada solucin trivial. Si la solucin trivial es la nica aceptada
por (*) entonces S se dice linealmente independiente que los vectores de S son
independientes. Si adems de la solucin trivial existen para (*) otras soluciones no
triviales (es decir valores no todos simultneamente nulos para c
1
, c
2
, etc.) diremos que
S es linealmente dependiente que los vectores de S son dependientes. La dependencia
independencia lineal de un conjunto de vectores es una caracterstica excluyente; vale
decir, o bien S es linealmente independiente o bien es dependiente.
Nota.- Cualquier conjunto de vectores que contenga al vector nulo del espacio vectorial
es linealmente dependiente.
Nota.- Un conjunto de vectores S es linealmente dependiente si uno de sus vectores
puede escribirse como combinacin lineal del resto de los vectores
Nota.- Sean S y T dos conjuntos no vacos de vectores en el espacio V con S T.
Entonces:
a) Si S es linealmente dependiente, entonces T es linealmente dependiente. (Si S es
independiente no puede afirmarse nada acerca de T)
b) Si T es linealmente independiente entonces S es linealmente independiente. (Si T es
linealmente dependiente entonces no puede afirmarse nada acerca de S)
Ejemplo 11.- S = { (1, 2) , (2, 3) } es L.I. en R
2
.
Ejemplo 12.- P = { (2, 3), (0, 0) } es L.D. en R
2
,
Ejemplo 13.- T = { (1, 3) , (2, 6) } es L.D. en R
2
.
Ejemplo 14.- A = { (1, 0), (0, 1), (2, 3) } es L.D. en R
2
Ejemplo 15.- B = { (1, 1, 1) , (1, 1, 0), (1, 0, 0) es L.I. en R
3
Ejemplo 16.- C = { (1, 2, 1) , (3, 2, 2), (2, 0, 1) } es L.D. en R
3
Ejemplo 17.- D = { (1, 2, 3), (2, 1, 0) } es L.I. en R
3
Ejemplo 18.- E = { (1, 1, 2), (2, 2, 4) } es L. D. en R
3
Ejemplo 19.- F = { (1, 0, 0), (0, 1, 0), (0, 0, 1) } es L.I. en R
3
Ejemplo 20.- F = { (1, 0, 0), (0, 1, 0), (0, 0, 1), (1, 2, 3) } es L.D. en R
3
Ejemplo 21.- G = { (2, 1, 3), (0, 0, 0) es L.D. en R
3
Ejemplo 22.- H = { 1+x, x+x
2
, 1+x
2
} es L.I. en P
2
Ejemplo 23.- K = { 1+x, x+x
2
, (1+x)
2
} es L.D. en P
2
Ejemplo 24.- L = { 1 x, 1+x } es L.I. en P
1
y en P
2
8
BASES Y DIMENSIN.
Un conjunto S = { v
1
, v
2
, ... , v
n
} de vectores en un espacio vectorial V se dice que
conforma una base de V si:
a) S es linealmente independiente
b) lin(S) = V; es decir, S genera al espacio vectorial V.
Si es finito el nmero de vectores de una base del espacio estudiado, entonces este
nmero se denomina dimensin del espacio y es el mismo para cualquier base de tal
espacio. La dimensin del espacio V se denota dim(V).
Bases cannicas.- Se denominan bases cannicas a las bases ms sencillas para los
principales espacios vectoriales. Tambin reciben el nombre de bases usuales,
ordinarias o triviales.
La base cannica de R
2
es B = { e
1
, e
2
} = { (1, 0) , (0, 1) }.
Una base no cannica de R
2
se presenta en el ejemplo 11.
La base cannica de R
3
es B = { e
1
, e
2
, e
3
} = { (1, 0, 0), (0, 1, 0), (0, 0, 1) }
Una base no cannica de R
3
se presenta en el ejemplo 15.
Nota.- dim(R
n
) = n.
La base cannica de P
1
es B = { 1, x }
La base cannica de P
2
es B = { 1, x, x
2
}
Una base no cannica de P
2
es B = {1, 1+x, 1+x+x
2
}
Nota.- dim(P
n
) = n+1.
La base cannica de R
2x2
es
)
`
=
1 0
0 0
,
0 1
0 0
,
0 0
1 0
,
0 0
0 1
B y es evidente
que dim( R
2x2
) = 4. En general, dim (R
nxm
) = nm.
Nota.- Si W es subespacio del espacio vectorial V, entonces 0 dim(W) dim (V).
Nota.- Si U es el espacio trivial de V que consta nicamente del vector nulo, se
conviene en afirmar que dim (U ) = 0 y que este espacio no cuenta con base alguna.
Vector de coordenadas.- Sea B = { u
1
, u
2
, ... , u
n
} base del espacio vectorial V, y sea
v un vector cualquiera de V. Se denomina vector de coordenadas de v con respecto a B
al vector
(v)
B
= ( c
1
, c
2
, ... , c
n
)
donde
c
1
u
1
+ c
2
u
2
+ ... + c
n
u
n
= v
La matriz de coordenadas [v]
B
es un vector de R
nx1
con las mismas componentes que el
vector de coordenadas.
