Espacios Vectoriales

FUNDAMENTOS
DE
MATEMTICA APLICADA

ANTONIO PREZ CARRI
JOS ANTONIO REYES PERALES
FERNANDO GARCA ALONSO

Profesores Titulares
de la
Escuela Politcnica Superior
de la
Universidad de Alicante

Ttulo: Fundamentos de matemtica aplicada 3 Edicin

Autores: Antonio Prez Carri
Jos Antonio Reyes Perales
Fernando Garca Alonso

I.S.B.N.: 978-84-8454-939-0
Depsito legal: A-920-2009

Edita: Editorial Club Universitario Telf.: 96 567 61 63
C/. Cottolengo, 25 - San Vicente (Alicante)
www.ecu.fm

Printed in Spain
Imprime: Imprenta Gamma Telf.: 965 67 19 87
C/. Cottolengo, 25 - San Vicente (Alicante)
www.gamma.fm
gamma@gamma.fm

Reservados todos los derechos. Ni la totalidad ni parte de este libro puede reproducirse o transmitirse por
ningn procedimiento electrnico o mecnico, incluyendo fotocopia, grabacin magntica o cualquier
almacenamiento de informacin o sistema de reproduccin, sin permiso previo y por escrito de los titulares del
Copyright

A nuestras esposas

v
Prlogo

Las matemticas son una herramienta para los estudiantes de las carreras tcnicas,
tanto conceptual como de clculo. Conceptual porque permite comprender los desarrollos
tericos de asignaturas fundamentales, de clculo porque ayuda a resolver los problemas
que habitualmente se presentan en el ejercicio de la profesin.
Las matemticas tienen un carcter formativo, que genera el hbito de plantear los
trabajos con rigor y contribuye al desarrollo de un autntico mtodo cientfico del futuro
profesional.
El objetivo fundamental que comparten las asignaturas de matemticas en todas las
carreras tcnicas, tanto medias como superiores, es el de proporcionar al estudiante una
formacin matemtica bsica, que le permita acceder al estudio de cualquier disciplina de
matemtica aplicada, requerida en su ejercicio profesional, ms adelante. Este objetivo
puede ser formulado, ms detalladamente, del modo siguiente:

Familiarizar al alumno con el lenguaje y razonamientos matemticos, situndolo en condiciones
de adquirir por s mismo, en el futuro, los conocimientos de matemticas que precise como
instrumento de su labor tcnica especfica.
Proporcionarle asimismo, mtodos tiles para abordar los problemas que aparecen en las
diferentes disciplinas de su titulacin.
Dotarle de un repertorio de conceptos, mtodos y tcnicas de anlisis o clculo adecuados a sus
futuras necesidades profesionales.

Matemticos como Joseph Louis Fourier pensaban que el objeto principal de las
matemticas era el uso pblico y la explicacin de los fenmenos naturales. Otros como
Carl Gustav Jacob Jacobi crean que un filsofo como Fourier saba que el nico objetivo
de la ciencia es el honor del espritu humano. La mente versada en ciencias exactas
analiza los problemas desde ambas vertientes, puesto que por un lado optimiza las
estrategias en la consecucin de resultados asociados al mundo cientfico y por otro
saborea, desde el interior, los distintos aspectos de una misma estrategia avalada por el
placer que conduce a lo creativo. Cada captulo se ha elaborado incluyendo un resumen
terico, con la estructura adecuada y la extensin precisa para que el lector pueda abordar
los conceptos necesarios con una fluidez que le permita entender los ejercicios resueltos y
afianzar sus conocimientos mediante los ejercicios propuestos , todo ello nutrido de una
gran cantidad de observaciones junto con notas histricas y curiosidades matemticas, que
hacen que esta obra no slo sea de consulta sino que adems ofrezca al lector la posibilidad
de acercarse a las matemticas desde el lado creativo, bello e incluso sorprendente de las
mismas, intentando transmitir, en lo posible, la dualidad de la idea de matemtica expresada
por Fourier y Jacobi.
El contenido de esta obra se estructura en ocho captulos; en los cuatro primeros se
estudian los conceptos espacio vectorial, espacio eucldeo, espacio afn y espacio afn
eucldeo. En los cuatro captulos restantes se abordan las nociones de lmites y continuidad
de funciones, derivabilidad, la integral indefinida y la integral de Riemann y sus
aplicaciones.

Los autores

vii

ndice

Captulo 1 ........................................................................................................................ 1
Espacios Vectoriales ....................................................................................................... 1
1.1 Introduccin.......................................................................................................... 1
1.2 Estructura de espacio vectorial ............................................................................. 2
1.2.1 Definicin de espacio vectorial ................................................................... 2
1.2.2 Ejemplos de espacios vectoriales ................................................................ 3
1.2.3 Propiedades inmediatas ............................................................................... 4
1.3 Sistema de vectores. Combinaciones lineales ...................................................... 4
1.3.1 Definiciones................................................................................................. 4
1.3.2 Consecuencias ............................................................................................. 5
1.4 Sistema libre y sistema ligado .............................................................................. 5
1.4.1 Definicin de sistema libre y de sistema ligado .......................................... 5
1.4.2 Propiedades de los sistemas libres y ligados ............................................... 6
1.5 Subespacio vectorial ............................................................................................. 6
1.5.1 Definicin de subespacio vectorial.............................................................. 6
1.6 Clausura lineal. Sistema equivalentes .................................................................. 7
1.6.1 Clausura lineal. Sistema generador ............................................................. 7
1.6.2 Sistemas equivalentes.................................................................................. 7
1.7 Operaciones con subespacios vectoriales............................................................. 8
1.7.1 Suma e interseccin de subespacios vectoriales.......................................... 8
1.7.2 Suma directa de dos subespacios vectoriales .............................................. 8
1.8 Bases y dimensin de un espacio vectorial de tipo finito..................................... 8
1.8.1 Definicin de base de e.v. de tipo finito. Caracterizacin........................... 9
1.8.2 Propiedades relativas a las bases y a la dimensin...................................... 9
1.8.3 Cambio de base.......................................................................................... 10
Ejercicios resueltos ....................................................................................................... 11
Ejercicios propuestos.................................................................................................... 53

viii

Captulo 2 ...................................................................................................................... 57
Espacio Vectorial Eucldeo .......................................................................................... 57
2.1 Introduccin........................................................................................................ 57
2.2 Espacio vectorial eucldeo.................................................................................. 58
2.2.1 Definicin de producto escalar. Espacio vectorial eucldeo...................... 58
2.2.2 Consecuencias............................................................................................ 59
2.3 Matriz de Gram................................................................................................... 60
2.3.1 Determinacin de un producto escalar. ..................................................... 60
2.3.2 Propiedades de la matriz de Gram............................................................. 61
2.3.3 Matrices de Gram referidas a bases distintas............................................. 61
2.4 Espacio vectorial normado. Espacio Mtrico..................................................... 61
2.4.1 Norma de un vector. Espacio vectorial normado....................................... 61
2.4.2 Espacio mtrico ......................................................................................... 62
2.4.3 Norma asociada a un producto escalar ...................................................... 62
2.4.4 Norma que proviene de un producto escalar ............................................. 63
2.4.5 ngulo entre dos vectores ......................................................................... 64
2.5 Ortogonalidad y ortonormalidad ........................................................................ 65
2.5.1 Vectores ortogonales ................................................................................. 65
2.5.2 Sistema ortogonal de vectores ................................................................... 66
2.5.3 Sistema ortonormal de vectores................................................................. 66
2.5.4 Bases ortonormales.................................................................................... 67
2.5.5 Subespacios ortogonales............................................................................ 67
2.5.6 Subespacio ortogonal suplementario ......................................................... 68
2.6 Proyeccin ortogonal.......................................................................................... 69
2.6.1 Proyeccin ortogonal de un vector sobre un subespacio........................... 69
2.6.2 Matriz proyeccin ortogonal de un vector sobre un subespacio................ 69
2.7 Coordenadas covariantes y contravariantes........................................................ 71

Captulo 3 ...................................................................................................................... 109
Espacio Afn .................................................................................................................. 109
3.1 Introduccin........................................................................................................ 109
3.2 Espacio afn ........................................................................................................ 110
3.2.1 Definicin de espacio afn......................................................................... 110
3.2.2 Primeras propiedades................................................................................. 111
3.3 Sistema de referencia afn................................................................................... 111
3.3.1 Definicin de sistema de referencia afn ................................................... 111
3.3.2 Coordenadas de un punto .......................................................................... 111
3.3.3 Cambio de sistema de referencia............................................................... 111
3.4 Subespacio afn................................................................................................... 114
3.4.1 Definicin de variedad lineal afn ............................................................. 114
3.4.2 Propiedades de los subespacios afines de ( )
n
A k ..................................... 114
3.5 Espacio afn tridimensional ................................................................................ 115
3.5.1 Ecuaciones del plano ................................................................................. 115
3.5.2 Ecuaciones de la recta................................................................................ 116
3.5.3 Posiciones relativas ................................................................................... 118
3.5.3.1 Posicin relativa de dos planos...................................................... 118
ix
3.5.3.2 Haz de planos ................................................................................ 118
3.5.3.3 Posicin relativa de tres planos ..................................................... 119
3.5.3.4 Posicin relativa de una recta y un plano ...................................... 120
3.5.3.5 Posicin relativa de dos rectas....................................................... 121

Captulo 4 ...................................................................................................................... 149
Espacio Afn Eucldeo .................................................................................................. 149
4.1 Introduccin........................................................................................................ 149
4.2 Espacio afn eucldeo.......................................................................................... 150
4.3 Espacio mtrico .................................................................................................. 150
4.4 Espacio afn eucldeo tridimensional.................................................................. 150
4.4.1 Distancia entre dos puntos. ........................................................................ 150
4.4.2 Csenos directores de un vector ................................................................ 151
4.4.3 Producto vectorial y mixto ........................................................................ 151
4.4.4 Vector caracterstico. Ecuacin normal de un plano................................. 154
4.4.5 ngulos...................................................................................................... 155
4.4.6 Distancias .................................................................................................. 157
4.4.7 Recta de mxima pendiente....................................................................... 159
4.4.8 Planos bisectores de un diedro .................................................................. 160
4.4.9 reas y volmenes..................................................................................... 160

Captulo 5 ...................................................................................................................... 197
Lmites y continuidad de funciones............................................................................. 197
5.1 Introduccin........................................................................................................ 197
5.2 Nociones de topologa de R .............................................................................. 198
5.2.1 El cuerpo de los nmeros reales ................................................................ 198
5.2.2 Clasificacin de los puntos de R con respecto de un conjunto D R. .. 201
5.3 Concepto de funcin real de variable real .......................................................... 202
5.4 Lmite de una funcin......................................................................................... 204
5.4.1 Lmite finito de una funcin en un punto .................................................. 204
5.4.2 Lmite infinito de una funcin en un punto............................................... 205
5.4.3 Lmite finito de una funcin en el infinito................................................. 205
5.4.4 Lmite infinito de una funcin en el infinito.............................................. 206
5.5 Lmites laterales.................................................................................................. 208
5.5.1 Lmites por la derecha ............................................................................... 208
5.5.2 Lmites por la izquierda............................................................................. 208
5.6 Lmite de una funcin por sucesiones ................................................................ 209
5.7 Propiedades de los lmites .................................................................................. 209
5.8 Infinitsimos ....................................................................................................... 210
5.8.1 Definicin de infinitsimo......................................................................... 210
5.8.2 Propiedades de los infinitsimos ............................................................... 210
5.8.3 Comparacin de infinitsimos .................................................................. 210
5.8.4 Principales infinitsimos equivalentes ...................................................... 211
5.8.5 Criterios de sustitucin de infinitsimos equivalentes .............................. 212

x
5.9 Infinitos............................................................................................................... 212
5.9.1 Definicin de infinitos ............................................................................... 212
5.9.2 Propiedades de los infinitos ....................................................................... 212
5.9.3 Comparacin de infinitos .......................................................................... 212
5.9.4 Infinitos equivalentes................................................................................. 213
5.9.5 rdenes de infinitud .................................................................................. 213
5.9.6 Criterios de sustitucin de infinitos equivalentes...................................... 213
5.10 Funcin continua en un punto .......................................................................... 213
5.11 Continuidad lateral ........................................................................................... 214
5.12 Continuidad por sucesiones.............................................................................. 215
5.13 Discontinuidad de una funcin......................................................................... 215
5.14 Propiedades de las funciones continuas ........................................................... 216
5.15 Continuidad en un intervalo cerrado ................................................................ 217
5.16 Continuidad uniforme....................................................................................... 218

Captulo 6 ...................................................................................................................... 243
Funciones Derivables.................................................................................................... 243
6.1 Introduccin........................................................................................................ 243
6.2 Derivada de una funcin en un punto................................................................. 244
6.2.1 Funcin derivable ...................................................................................... 244
6.2.2 Derivadas laterales..................................................................................... 244
6.2.3 Interpretacin Fsica de la derivada........................................................... 245
6.2.4 Recta tangente y normal ............................................................................ 245
6.3 Diferencial de una funcin en un punto.............................................................. 246
6.3.1 Interpretacin geomtrica de la diferencial de una funcin en un punto... 246
6.4 Funcin derivada y funcin diferencial .............................................................. 247
6.5 Clculo de derivadas........................................................................................... 247
6.5.1 Derivada de la suma, producto y cociente................................................. 247
6.5.2 Derivada de la funcin compuesta e inversa ............................................. 248
6.6 Derivadas y diferenciales de orden superior....................................................... 249
6.7 Teoremas relativos a las funciones derivables ................................................... 249
6.8 Estudio local de una funcin .............................................................................. 254
6.9 Aproximacin local de una funcin.................................................................... 257
6.9.1 Polinomio de Taylor .................................................................................. 257
6.9.2 Frmula de Taylor ..................................................................................... 258
6.9.3 Frmula de Mac-Laurin............................................................................. 258
6.9.4 Aplicaciones de la aproximacin local de una funcin............................. 260

Captulo 7 ...................................................................................................................... 315
La Integral Definida..................................................................................................... 315
7.1 Introduccin........................................................................................................ 315
7.2 Preliminares........................................................................................................ 315
7.2.1 Propiedades de las funciones circulares .................................................... 316
7.2.2 Propiedades de las funciones hiperblicas ................................................ 317
xi
7.2.3 Resultados algebraicos .............................................................................. 318
7.3 Primitiva de una funcin .................................................................................... 318
7.3.1 Integral indefinida...................................................................................... 318
7.3.2 Primitivas inmediatas ................................................................................ 319
7.3.3 Consecuencias de la definicin.................................................................. 320
7.4 Propiedades de la integral indefinida.................................................................. 320
7.5 Mtodos generales de integracin ...................................................................... 321
7.5.1 Integracin por descomposicin................................................................ 321
7.5.2 Integracin por partes ................................................................................ 321
7.5.3 Frmulas de reduccin............................................................................... 322
7.5.4. Integracin por cambio de variable o sustitucin..................................... 322
7.6 Integracin de funciones racionales ................................................................... 322
7.6.1 Races reales .............................................................................................. 323
7.6.2 Races complejas simples .......................................................................... 324
7.6.3 Races complejas mltiples ....................................................................... 325
7.7 Integracin de funciones trigonomtricas........................................................... 327
7.8. Integracin de funciones irracionales................................................................ 328
7.8.1 Cambios elementales ................................................................................. 328
7.8.2 Cambios de Euler ...................................................................................... 329
7.8.3 Mtodo alemn .......................................................................................... 330
7.8.4 Integrales binomias.................................................................................... 330

Captulo 8 ...................................................................................................................... 365
La Integral de Riemann y sus aplicaciones ................................................................ 365
8.1 Introduccin........................................................................................................ 365
8.2 Particin de un intervalo cerrado........................................................................ 366
8.3 Integral de Riemann ........................................................................................... 367
8.4 Propiedades de la integral de Riemann............................................................... 370
8.5 Teorema del Valor Medio (o de la Media) ......................................................... 371
8.6 Funcin integral.................................................................................................. 372
8.6.1 Teorema Fundamental del Clculo Infinitesimal ...................................... 372
8.6.2 Regla de Barrow........................................................................................ 373
8.7 Tcnicas fundamentales de integracin.............................................................. 375
8.7.1 Integracin por partes ................................................................................ 375
8.7.2 Integracin por cambio de variable o sustitucin...................................... 375
8.8 Aplicaciones geomtricas del clculo integral ................................................... 375
8.8.1 rea de un recinto plano............................................................................ 375
8.8.1.1 Curvas en forma explcita.............................................................. 375
8.8.1.2 Curvas en forma paramtrica......................................................... 376
8.8.1.3 Curvas en polares .......................................................................... 376
8.8.2 Longitud de arco de curva ......................................................................... 376
8.8.2.1 Curvas en forma explcita.............................................................. 376
8.8.2.2 Curvas en forma paramtrica......................................................... 377
8.8.2.3 Curvas en polares .......................................................................... 377
8.8.3 reas de superficies de revolucin............................................................ 377
8.8.4 Clculo de volmenes................................................................................ 377
8.8.4.1 Volmenes por secciones planas ................................................... 377

xii
8.8.4.2 Volmenes de cuerpos de revolucin............................................ 377
8.8.4.3 Mtodo de los discos y del anillo .................................................. 378
Bibliografa.................................................................................................................... 465
ndice alfabtico de definiciones.................................................................................. 467

1

Captulo 1
Espacio Vectorial

1.1 Introduccin

Durante el siglo XIX, aparecieron diversas estructuras muy tiles para la
solucin de problemas clsicos, llamadas estructuras mixtas, constituidas por varios
conjuntos primitivos, cada uno de ellos dotado de una o varias estructuras, junto con
unos axiomas que las relacionan entre s.
Uno de los ejemplos ms antiguos es la estructura de espacio vectorial que consta de
dos conjuntos primitivos: un cuerpo k y un grupo abeliano ( ) U, + , junto con otro
objeto primitivo, la aplicacin:

( ) v v ,
, ,

llamada multiplicacin por un escalar, que verifica cuatro axiomas que se concretarn
ms adelante.
Al concepto de espacio vectorial se llega, como al de cualquier estructura
algebraica, mediante la abstraccin de teoras matemticas concretas, como la de los
vectores libres tridimensionales, y constituye la base para el estudio del lgebra lineal y
de la geometra, emplendose de modo fructfero en otras ramas de las matemticas.
La estructura de espacio vectorial fue definida en
n
R por Cayley y Grassmann
en 1843; siendo una de las ms extendidas y tiles por ser el modelo analtico de todos
los espacios vectoriales de dimensin n . El ejemplo ms caracterstico de esta
estructura es el conjunto
2
U = R donde = R k , siendo la multiplicacin por un escalar,
la homotecia.
La estructura se ha generalizado de muchos modos, pues en los cuatro axiomas
de la ley externa, no es necesario suponer que k es un cuerpo, sino que puede
sustituirse por un anillo conmutativo A con un elemento unidad, obtenindose entonces
la estructura de A mdulo, elemento central de la teora de los nmeros algebraicos,
establecida por Dedekind en la dcada de 1860, y de la teora de las funciones
algebraicas concebida por Kronecker en la misma poca.
Si se supone que U es un anillo (conmutativo o no), aadiendo a los cuatro
axiomas uno nuevo que relaciona la multiplicacin en el anillo U con la multiplicacin
por un escalar:

( ) ( ) ( ) u v u v u v = =
, , , , , ,

se enriquece la estructura de espacio vectorial, dicindose entonces que se ha definido
una estructura de lgebra. El conjunto de los cuaterniones de Hamilton es una R
Captulo 1. Espacio Vectorial
2
lgebra. Por otra parte, empobreciendo la estructura de espacio vectorial al sustituir k
por un grupo multiplicativo G , el axioma

( )u u u + = +
, , ,

deja de tener sentido y se suprime, dando lugar a lo que se llama grupo aditivo U con
operadores en el grupo G . Tambien se puede eliminar cualquier estructura del
conjunto U , conservando tan slo la aplicacin:

( )
G U U
u u

,
, ,

y los axiomas:

( ) ( )
1
u u
u u
=
=
, ,
, ,

dicindose entonces que G acta sobre U , llamndose accin de G sobre U a la
aplicacin anterior.
Esta ltima estructura, que desde Klein (1873) se le designa tambin como
geometra del grupo G , unifica diversas nociones geomtricas que se han ido
desarrollando desde principios del XIX.
1.2 Estructura de espacio vectorial
1.2.1 Definicin de espacio vectorial

Definicin. Sea U un conjunto. Sea k un cuerpo conmutativo a cuyos elementos
llamaremos escalares. Se dice que U es un espacio vectorial sobre el cuerpo k , y a
sus elementos los llamaremos vectores si se dispone de las siguientes operaciones que
satisfacen las siguientes propiedades:

i) U U U + : es una ley de composicin interna, que verifica:

asociativa:
( ) ( )
u v w u v w u v w U + + = + + , , ,
, , , , , , , , ,

neutro: 0 / 0 0 U u u u u U + = + = ,
, , , , , , ,

simtrico: para cada ( ) / ( ) ( ) 0 u U u U u u u u , + = + =
, , , , , , ,

conmutativa: u v v u u v U + = + , ,
, , , , , ,

ii) K U U : es una ley de composicin externa, que verifica:

( ) u v u v u v U + = + , , ,
, , , , , ,
k
( ) u u u u U + = + , , ,
, , , ,
k
( ) ( ) u u u U = , , ,
, , ,
k
1 u u u U = ,
, , ,
siendo 1 el neutro del cuerpo para la 2 ley
Resumen Terico
3

1.2.2 Ejemplos de espacios vectoriales

( ) R R espacio vectorial de los nmeros reales sobre el cuerpo de los nmeros
reales.
( ) C R espacio vectorial de los nmeros complejos sobre el cuerpo de los
nmeros reales.
( ) C C espacio vectorial de los nmeros complejos sobre el cuerpo de los
nmeros complejos.
( ) R espacio vectorial de los nmeros reales sobre el cuerpo de los nmeros
racionales.
( )
n
R R espacio vectorial de los conjuntos ordenados de n elementos sobre el
cuerpo de los reales, con la operaciones:

( ) ( ) ( )
1 1 1 1
,..., ,..., ,...,
n n n n
u u v v u v u v + = + + y ( ) ( )
1 1
,..., ,...,
n n
u u u u =

( ) ( )
2 3
, V V R R espacio vectorial de los vectores libres del plano y del espacio,
respectivamente, sobre el cuerpo de los reales.
( ) P R espacio vectorial de los polinomios con una indeterminada y a
coeficientes reales, sobre el cuerpo de los reales, con las operaciones suma de
polinomios y producto por un nmero real.
( ) F R espacio vectorial de las funciones reales de variable real, sobre el cuerpo
de los reales, con las operaciones:

( ) ( ) ( ) ( ) f g x f x g x + = + y ( ) ( ) ( ) f x f x =

( ) S R espacio vectorial de las sucesiones de nmeros reales, sobre el cuerpo de
los reales, con las operaciones { } { } { }
n n n n
a b a b + = + y { } { }
n n
a a = .
( )
m n
M

R espacio vectorial de las matrices de orden mxn sobre el cuerpo de los
reales, con las operaciones suma de matrices y producto por un nmero real.

Nota: En 1833, William Rowan Hamilton present un extenso e importante artculo en la Irish
Academy, en el que dio las reglas para operar los nmeros complejos, tratndolos como pares ordena
dos de nmeros reales. La multiplicacin de complejos la interpret como una operacin en la que
intervena un giro en el plano, e intent extender la idea a tres dimensiones , pasando de los nmeros
complejos ordinarios a+bi a ternas de nmeros ordenados a+bi+cj. Parece que tard diez aos en
conseguirlo y que el 16 de octubre del ao de 1843, cuando paseaba por el puente de Brougham en su
ciudad natal Dubln, le lleg la inspiracin y pens que sus dificultades desapareceran si utilizaba
cudruplas a+bi+cj+dk en lugar de ternas, y abandonaba la propiedad conmutativa de la
multiplicacin. En una piedra de dicho puente grab la inscripcin i
2
= j
2
= k
2
= ijk = -1 y as
hicieron su aparicin los famosos cuaterniones o hipercomplejos de Hamilton, precursores de lo que
4
hoy en da se conoce como vectores. El descubrimiento de Hamilton supuso una ruptura con la
tradicin porque abandonaba la ley conmutativa del producto.
En 1844 Grassmann publicaba en Alemania unas ideas parecidas, se trataba de un clculo
muy general con vectores de cualquier nmero de dimensiones e introdujo las definiciones de
subespacio, generadores, dimensin, operaciones con subespacios y frmulas de cambio de base.
Los cuaterniones a+bi+cj+dk se utilizaron en la exploracin del espacio fsico, pero eran
demasiado complicados para entenderlos y aplicarlos fcilmente, ya que se manejaba al mismo tiempo
su parte escalar a y su parte vectorial bi+cj+dk.
El fsico americano Josiah Willar Gibbs se percat de que muchos problemas podan
resolverse mejor considerando la parte vectorial por separado, exponiendo sus ideas en el Vector
Analysis de 1881, iniciando as el anlisis vectorial.
En 1888, Giuseppe Peano present una definicin axiomtica, explicando el trabajo de
Grassmann. Sin embargo, fue A. Weyl quien en 1918 dio la definicin axiomtica y abstracta de
espacio vectorial en su Space-Time-Matter, como una introduccin a la teora general de la
relatividad de Einstein.
El inters por concretar distintos aspectos de la realidad fsica, hizo progresar el anlisis
vectorial durante la segunda mitad del siglo XIX. Entre los fsicos-matemticos que contribuyeron a
ese desarrollo, adems de J.W. Gibss, merecen citarse G. G. Stokes, J. C. Maxwell, O. Heaviside y H.
A. Lorentz que introdujeron los conceptos de flujo, divergencia, rotacional, etc.
La difusin del clculo vectorial a lo largo del siglo XX, se ha debido al amplio campo de sus
aplicaciones y al desarrollo del clculo tensorial.

1.2.3 Propiedades inmediatas

U espacio vectorial sobre el cuerpo k . u v U , , ,
, ,
k , se verifica:

1. 0 0 u =
, ,

2. 0 0 =
, ,

3. 0 0 u = =
, ,
0 u =
, ,

4. ( ) ( ) u u u = =
, , ,

5.
0
u u
u

=

=
`

)
, ,
, ,
6.
0
u v
u v

=
=
`

)
, ,
, ,

1.3 Sistema de vectores. Combinaciones lineales
1.3.1 Definiciones

Definicin. Sea U un espacio vectorial sobre el cuerpo k . Llamaremos sistema (o
familia) de vectores de U a
( ) 1 2
, ,...,
p
p
S u u u U =
, , ,
.

Observacin: Notemos que algunos de esos
i
u
,
pueden ser iguales, y lo expresaremos como una
p tupla para indicar que el orden en que se colocan los vectores es esencial para trabajar con
Resumen Terico
5
coordenadas de vectores; aunque muchas veces, por licencias del lenguaje, expresemos el sistema de
vectores S del modo siguiente
{ } 1 2
, ,...,
p
S u u u =
, , ,

Definicin. Se llama combinacin lineal de los vectores de S a cualquier vector:

1 1 2 2 1 2 p p p
v u u u donde = + +.... + , , , ..., .
, , , ,
k

Se dice entonces que el vector v
,
depende linealmente de los vectores del sistema.
Tambin se dice que el vector v
,
se puede expresar como combinacin lineal de
los vectores del sistema S , si existen p escalares
1 2 p
, ,..., k, llamados coeficiente
de la c.l., tales que:

1 1 2 2 p p
v u u u = + +.... +
, , , ,

1.3.2 Consecuencias

1.- El vector nulo es combinacin lineal de cualquier sistema.
2.- Todo vector es combinacin lineal de s mismo, y en general, de cualquier sistema
que lo contiene.
3.- Si un vector u
,
es c.l. de un sistema S, cuyos vectores son a su vez c.l. de otro
sistema S, entonces u
,
es c.l de los vectores de S.
1.4 Sistema libre y sistema ligado
El concepto de dependencia lineal tiene su origen geomtrico en el estudio de los
vectores libres con la misma direccin en el plano y los vectores coplanarios en el
espacio.

Sea U un espacio vectorial sobre el cuerpo k .

1.4.1 Definicin de sistema ligado y de sistema libre

Definicin. Un sistema de vectores

( ) 1 2
, ,...,
p
S u u u =
, , ,

se dice ligado, o de vectores linealmente dependientes, si el vector 0
,
puede obtenerse
mediante una combinacin lineal de los elementos de S , en la que no todos sus
escalares son nulos; esto es:

1 2
p
p

| |
|
\ .
, , , k con algn 0
i
tal que
1 1 2 2
0
p p
u u u + +.... + =
, , , ,

6
Definicin. Un sistema de vectores
( ) 1 2
, ,...,
p
S u u u =
, , ,
se dice libre, o de vectores
linealmente independientes, si no es ligado, esto es:

1 1 2 2 1 2
0 0
p p p
u u u + +.... + = = = = =
, , , ,

1.4.2 Propiedades de los sistemas libres y ligados
1. Si
( )
0 u S u =
, , ,
es libre.
2. Todo sistema que contenga al vector 0
,
, es ligado.
3. Si a un sistema ligado se le aade al menos un vector, el nuevo sistema
es ligado.
4. Si S es un sistema libre entonces cualquier subsistema de S es libre.
5. La condicin necesaria y suficiente para que un sistema sea ligado es
que al menos uno de sus vectores sea combinacin lineal del resto.
6. Si al aadir a un sistema libre S un vector u
,
, se obtiene un sistema
ligado, entonces u
,
es combinacin lineal nica de los vectores de S .

Nota: Los conceptos de sistema libre o ligado se generalizan sin dificultad al caso no finito. Una
familia cualquiera de vectores se dice ligada si algn subsistema finito lo es, y se dice libre, si no es
ligada, es decir, si toda subfamilia finita es libre.
1.5 Subespacio vectorial
1.5.1 Definicin de subespacio vectorial

Definicin. Un subconjunto H de un espacio vectorial U sobre un cuerpo k , se dice
que es un subespacio vectorial de U cuando H es, con las mismas operaciones
definidas en U restringidas a H , espacio vectorial sobre k .

Teorema de caracterizacin. Sea U espacio vectorial sobre el cuerpo k , y
H U H , . , entonces,

H es subespacio vectorial de U

u v H u v H
u H u H
, : +

, :
, , , ,
, ,
k

Observacin: Estas dos condiciones son equivalentes a:

u v H u v H , , , : +
, , , ,
k

Resumen Terico
7
Nota: A los subespacios
{ }
0
,
y U se les llama subespacios impropios de U , reservndose el trmino
de propios, para el resto de los posibles subespacios de U .

1.6 Clausura lineal. Sistemas equivalentes
1.6.1 Clausura lineal. Sistema generador

Teorema. El conjunto de todas las combinaciones lineales del sistema
( ) 1 2
, ,...,
p
S u u u =
, , ,
es un subespacio vectorial de U .

Definicin. El subespacio anterior se representa por ( ) L S o mediante < > S y se
llama clausura o envoltura lineal del sistema S . Tambin se dice que < > S est
engendrado por el sistema S , o que ste es un sistema generador de < > S .

Observacin: Cuando < >= S U =
, , ,
1 2 p
u ,u ,...,u se dice que S es un sistema generador del
espacio vectorial U . Y como S es un sistema generador de orden finito entonces se dice que el espacio
vectorial U es de tipo finito.

Proposicin. La
1 2
, ,...,
p
S u u u < >=
, , ,
es el menor subespacio vectorial que contiene
al sistema
( ) 1 2
, ,...,
p
u u u
, , ,
.
Nota: Los conceptos anteriores se pueden ampliar al caso de una familia o sistema
( ) i
i I
u
,

cualquiera, finita o no. Parece natural comenzar por la siguiente definicin: Se llama clausura lineal
de una familia
( ) i
i I
u
,
al menor subespacio vectorial que la contiene. Se puede probar que dicha
clausura es el conjunto de las combinaciones lineales de cada subfamilia finita de
( ) i
i I
u

,

1.6.2 Sistemas equivalentes

Definicin. Dos sistemas de vectores S y ' S de U , se dicen equivalentes, si engendran
el mismo subespacio vectorial.

Teorema. Dos sistemas de vectores S y ' S de U , son equivalentes si y slo si
' S S < > y ' S S < >.

Nota: Las principales formas para obtener un sistema equivalente a uno dado son:
Cambio en el orden de los vectores del sistema.
Multiplicacin de un vector del sistema por un escalar distinto de 0.
Aadir al sistema, nuevos vectores combinacin lineal de los existentes.
Sumar a un vector del sistema, otro del mismo multiplicado por un escalar.

8
1.7 Operaciones con subespacios vectoriales
1.7.1 Suma e interseccin de subespacios vectoriales
Sea U un espacio vectorial sobre el cuerpo k . Sean
1
H y
2
H subespacios vectoriales
de U .
Definicin. Se define la interseccin de los subespacios
1
H y
2
H del modo siguiente:

1 2 1 2
/ H H u U u H y u H

`

)
=
, , ,

Proposicin. La interseccin de subespacios vectoriales de U , es un subespacio
vectorial de U . Siendo el subespacio vectorial ms amplio, contenido en ellos.

Nota: En el caso de que
{ } 1 2
0 H H =
,
, los subespacios se dicen disjuntos.
Observacin: Es importante resaltar, que en general la unin de dos subespacios vectoriales, no es
subespacio vectorial de U . Para ello bastar considerar en
2
( ) R R los subespacios
{ }
1
( 0) / H x x = , R y { }
2
(0 ) / H y y = , R .

Definicin. Se define la suma de los subespacios
1
H y
2
H del modo siguiente:

1 2 1 2 1 1 2 2
/ con H H u U u u u u H y u H

`

)
+ = = + ,
, , , , , ,

Proposicin. La suma de un nmero finito de subespacios vectoriales de U , es un
subespacio vectorial de U . Siendo el subespacio vectorial menos amplio que los
contiene.

1.7.2 Suma directa de dos subespacios vectoriales

Definicin. Dados dos subespacios vectoriales de U ,
1
H y
2
H , se dice que la suma
1 2
H H + es directa, y se nota
1 2
H H , si todo vector de dicha suma puede expresarse
de manera nica como suma de vectores de los subespacios sumandos. En este caso se
dice que los subespacios sumandos son independientes.

Teorema. (Caracterizacin de suma directa de dos subespacios vectoriales) La suma
1 2
H H + es directa si y slo si,
{ } 1 2
0 H H =
,

Definicin. Dos subespacios
1
H y
2
H de U se dicen suplementarios (respecto de U )
si
1 2
U H H = .
1.8 Bases y dimensin de un espacio vectorial de tipo finito
En el supuesto de ser el sistema
( ) 1 2
, ,...,
n
S u u u =
, , ,
generador del espacio vectorial, dicho
sistema no ser nico, sino que podrn encontrarse, en general otros sistemas
generadores de U . De entre los distintos sistemas generadores de un espacio de tipo
Resumen Terico
9
finito son particularmente tiles aquellos que estn formados por vectores linealmente
independientes.

1.8.1 Definicin de base de un e.v. de tipo finito. Caracterizacin

Definicin. Se llama base de un espacio vectorial U a cualquier sistema generador de
U que sea adems libre.

Teorema. (Caracterizacin de una base en un espacio vectorial de tipo finito) Un
sistema de vectores
( ) 1 2
, ,...,
n
S u u u =
, , ,
es una base de U si, y slo si cualquier vector
u U
,
puede expresarse de forma nica como combinacin lineal de los vectores del
sistema.

Definicin. Supuesto que el espacio vectorial U admite una base
( ) 1 2
, ,...,
n
B u u u =
, , ,
, se
llaman coordenadas de un vector x U
,
, respecto de la base B , a los nicos escalares
( )
1
n
n
x x , ..., k para los que se verifica
1 1 n n
x x u x u = +... +
, , ,
.

Observacin 1: Los vectores
1 1
, ,
n n
x u x u ...
, ,
se llaman componentes del vector x
,
respecto a la base
B .
Observacin 2: La base ms sencilla del espacio vectorial ( )
n
R R es :
( )
, , ,
n 1 2 n
C = e (1,0,0,...,0),e (0,1,0,...,0),...,e (0,0,0,...,1) .
Pues cualquier vector de ( )
n
R R , ( )
1
, ,
n
u u u = ...
,
tiene por coordenadas en esa base ( )
1
, ,
n
u u ... . A
esta base se le llama base cannica de ( )
n
R R
Teorema. (Teorema de existencia de bases) Todo espacio vectorial
{ }
0 U
,
de tipo
finito, posee al menos una base.
Teorema. (Teorema de la dimensin) En un espacio vectorial
{ }
0 U
,
de tipo finito
todas las bases tienen el mismo nmero de vectores.
De los dos teoremas anteriores, se deduce que a todo espacio vectorial
{ }
0 U
,
de tipo
finito, se le puede asociar de forma nica el nmero de vectores de cualquier base,
teniendo sentido la definicin siguiente.
Definicin. Se llama dimensin de un espacio vectorial
{ }
0 U
,
de tipo finito al
cardinal de cualquier base del espacio. Si la dimensin de U es n, el espacio vectorial
se denotar por
n
U .
Observacin 3: El espacio vectorial
{ }
0 U =
,
de tipo finito, no tiene ninguna base, se conviene
en decir que tiene dimensin cero.
1.8.2 Propiedades relativas a las bases y dimensin

1. Si
n
U es un espacio vectorial y
( ) 1 2
, ,..., ,
p
u u u p n <
, , ,
es un sistema libre de U
10
siempre es posible encontrar unos vectores
1
,...,
p n
u u U
+

, ,
tales que el sistema
( ) 1 2 1
, ,..., ,...,
p p n
u u u u u
+
,
, , , , ,
sea una base de U .
2. Si U tiene dimensin n , todo sistema de ms de n vectores de U es
linealmente dependiente.
3. Si un espacio vectorial U es de dimensin n , todo sistema generador de U
tiene, al menos, n vectores.
4. Si H es un subespacio propio del espacio vectorial de tipo finito U , entonces
dim( ) dim( ) H U < .
5. Si dim( ) U n = , un sistema
( ) 1 2
, ,...,
n
B u u u =
, , ,
es una base de U si y slo si, se
cumple una cualquiera de las condiciones: i) B es un sistema libre. ii) B es un
sistema generador.

Observacin: Si U es un espacio vectorial de tipo finito, todos sus subespacios vectoriales son
tambin de tipo finito, y en consecuencia, tiene perfecto sentido hablar de bases y dimensiones de
tales subespacios.

Teorema: (Frmula de Grassmann) Si
1
H y
2
H subespacios vectoriales de U ,
entonces:

1 2 1 2 1 2
dim( ) dim dim dim( ) H H H H H H + = +
en particular:

1 2 1 2
dim( ) dim dim H H H H = +
1.8.3 Cambio de base
Sea U un espacio vectorial sobre el cuerpo k , de dimensin n . Todo vector x U
,

queda unvocamente determinado si se conocen sus coordenadas respecto a una cierta
base de U . Ahora bien, si se elige una base distinta en U las coordenadas del vector x
,

respecto a la nueva base sern diferentes de las anteriores. Como quiera que, con
relativa frecuencia, es necesario realizar cambios de base en los espacios vectoriales,
surge la necesidad de analizar qu relacin guardan las coordenadas de un vector
respecto de una y otra base; este problema podr, evidentemente, resolverse cuando sea
conocida la interdependencia entre las dos bases.

Sean
( ) 1 2
, ,...,
n
B u u u =
, , ,
y
( ) 1 2
' ', ' ,..., '
n
B u u u =
, , ,
bases de U tales que:

1
' con 1 2
n
j ij i
i
u a u j n
=
= = , , ...,
, ,

Sea x U
,
con coordenadas
1
( ) , ...,
n
x x en la base B y
1
( ' ' )
n
x x ,..., en la base ' B .
Entonces:

11 1 1 12 1
2 21 22 2 2
1 2
| | | | | |
| | |
| | |
| | |
| | |
| | |
| | |
| | |
| | |

| | | | | |
\ . \ . \ .
=
. . . . .
n
n
n nn n n n
a a a x x
a a a x x
a a a x x

Resumen Terico
11
o bien de manera ms compacta:
' X PX =
donde:
X matriz columna de las coordenadas del vector en la base B
' X matriz columna de las coordenadas del vector en la base ' B
P matriz cuadrada de orden n , que llamaremos de cambio de base, y que tiene
por columnas las coordenadas de los vectores de la base ' B respecto de la base
B .
Si el cambio de base es tal que la relacin que obtenemos es ' X QX = , entonces
1
= . Q P La matriz P se puede expresar tambin de la forma
[ ] ' : B B indicando el
sentido del cambio de base (de ' B a B ).

Observacin: En el caso de ( )
n
k k cuando el cambio de base es hacia la base cannica entonces la
matriz de cambio de base tiene por columnas las coordenadas de los vectores de la base B respecto de
la base cannica.

EJERCICIOS RESUELTOS

1. Estudie si
2
R tiene estructura de espacio vectorial sobre R con las siguientes
operaciones, analizando slo los axiomas relativos a la ley externa:

a)
1 1 2 2 1 2 1 2 1 1 1 1
(x , y ) + (x , y ) = (x + x , y + y ) , (x , y ) = (y , x ) , R .
b)
1 1 2 2 1 2 1 2 1 1 1 1
(x , y ) + (x , y ) = (x + x , y + y ) , (x , y ) = (x , y ) , R .
c)
1 1 2 2 1 2 1 2 1 1 1
(x , y ) + (x , y ) = (x + x , y + y ) , (x , y ) = (x , ) , R .
,

SOLUCIN:
En primer lugar veamos que
2
R con la suma definida, tiene estructura de grupo
abeliano o conmutativo:

Para ello debemos comprobar que
2
( ) , + R cumple las propiedades siguientes:

i) Ley de composicin interna:

Si
1 1
( ) x y ,
2
R y
2 2
( ) x y ,
2
R , entonces
1 2 1 2
( ) x x y y + , +
2
R pues la suma de
nmeros reales es otro nmero real.

ii) Propiedad asociativa:

1 1 2 2 3 3 1 1 2 3 2 3 1 2 3 1 2 3
1 2 3 1 2 3 1 2 1 2 3 3 1 1 2 2 3 3
( ) [( ) ( )] ( ) [ ] ( ( ) ( ))
(( ) ( ) ) ( ) ( ) [( ) ( )] ( )
x y x y x y x y x x y y x x x y y y
x x x y y y x x y y x y x y x y x y
, + , + , = , + + , + = + + , + + =
= + + , + + = + , + + , = , + , + ,

12
iii) Existencia de elemento neutro:

2
( ) x y , R !
2
0
( ) ( ) ( ) ( )
0
x a x a
a b x y a b x y
y b y b
+ = =
, : , + , = ,

+ = =

R .

Es decir que el par (0,0) es el elemento neutro.

iv) Existencia de elemento simtrico para cada elemento de
2
R :

2
( ) x y , R !
2
0
( ) ( ) ( ) (0 0)
0
x a a x
a b x y a b
y b b y
+ = =
, : , + , = ,

+ = =

R .

Con lo que el elemento simtrico de ( ) , x y es ( ) , x y .

v) Propiedad conmutativa:

( ) ( )
1 1 2 2 1 2 1 2 2 1 2 1 2 2 1 1
( ) ( ) , , ( ) ( ) x y x y x x y y x x y y x y x y , + , = + + = + + = , + , .

En segundo lugar sabemos que ( ) , , + R con las operaciones suma y producto de
nmeros reales tiene estructura de cuerpo conmutativo.

En tercer lugar veamos si
2
( ) , + R tiene estructura de espacio vectorial sobre R con la
ley externa definida en cada uno de los casos:

a) La ley externa viene dada por:

1 1 1 1
( ) ( ) x y y x , = , , . R

NOTA 1: Se utilizar el punto para simbolizar el producto de la ley externa . Para el producto entre
reales deberamos utilizar el aspa, pero para simplificar las expresiones no pondremos ningn smbolo
cuando multipliquemos estos ltimos.

Comprobemos si verifica los 4 axiomas:

i) Distributividad respecto de la suma de vectores:

R,
2
1 1 2 2
( ) ( ) u x y v x y = , , = ,
, ,
R , se verifica que ( ) u v u v + = +
, , , ,
.

1 1 2 2 1 2 1 2
1 2 1 2 1 2 1 2
1 1 2 2 1 1 2 2
( ) [( ) ( )] ( )
( ( ) ( )) ( )
( ) ( ) ( ) ( )
u v x y x y x x y y
y y x x y y x x
y x y x x y x y u v

+ = , + , = + , + =
= + , + = + , + =
= , + , = , + , = + .
, ,
, ,

ii) Distributividad respecto de la suma de escalares:

Ejercicios resueltos
13
, R,
2
( ) u x y = ,
,
R , se verifica que ( ) u u u + = +
, , ,
.

En efecto:

( ) ( ) ( , ) (( ) , ( ) ) ( , )
( , ) ( , ) ( , ) ( , )
u x y y x y y x x
y x y x x y x y u u

+ = + = + + = + + =
= + = + = +
,
, ,

iii) Asociatividad de escalares:

, R,
2
( ) u x y = ,
,
R , se verifica que ( ) ( ) u u =
, ,
.

( ) ( ) ( ( , )) ( , ) ( , )) ( ) ( , ) u x y y x x y y x u = = = =
, ,

Por lo tanto falla este axioma.

Al fallar un axioma no hace falta seguir comprobando el resto pues ya no es un espacio
vectorial, no obstante comprobemos que tambin falla el axioma 4.

iv) Invarianza de vectores multiplicados por el neutro de escalares para la 2 operacin
del cuerpo de escalares:

2
( , ) u x y =
,
R : 1 u u =
, ,
.

Es obvio que no se cumple pues : 1 1 ( , ) ( , ) u x y y x u = =
, ,

.

En definitiva
2
R no es un espacio vectorial. sobre R

b) La ley externa, en esta ocasin, es:

1 1 1 1
( ) ( ) x y x y , = , , . R

Estudiemos los axiomas:


R,
2
1 1 2 2
( ) ( ) u x y v x y = , , = ,
, ,
, , , ,

En efecto:

1 1 2 2 1 2 1 2
1 2 1 2 1 2 1 2
1 1 2 2 1 1 2 2
( ) [( ) ( )] ( )
( ( ) ) ( )
( ) ( ) ( ) ( )
u v x y x y x x y y
x x y y x x y y
x y x y x y x y u v

+ = , + , = + , + =
= + , + = + , + =
= , + , = , + , = + .
, ,
, ,

14

, R,
2
( ) u x y = ,
,
R , se verifica que ( ) u u u + = +
, , ,
.

( ) ( ) ( , ) (( ) , ) ( , )
( , ) ( , ) ( , ) ( , ) ( , 2 )
u x y x y x x y
u u x y x y x y x y x x y

+ = + = + = +

`
+ = + = + = +

)
,
, ,

de donde:

( ) u u u + +
, , ,

luego no se cumple y por tanto
2
R no es un espacio vectorial sobre R

NOTA 2: Puede comprobar el lector que los axiomas (iii) e (iv) se cumplen.

c) Sea ahora la siguiente ley externa:

1 1 1
( ) ( ) x y x , = , , . R

Comprobemos si se cumplen los axiomas:


R,
2
1 1 2 2
( ) ( ) u x y v x y = , , = ,
, ,
, , , ,
.

1 1 2 2 1 2 1 2 1 2 1 2
1 1 2 2 1 2 1 2
( ) [( ) ( )] ( ) ( ( ) ) ( )
( ) ( ) ( ) ( ) ( 2 )
u v x y x y x x y y x x x x
u v x y x y x x x x

+ = , + , = + , + = + , = + ,

`
+ = , + , = , + , = + ,

)
, ,
, ,

con lo que:

( ) u v u v + +
, , , ,

por tanto
2
R no es un espacio vectorial. sobre R

NOTA 3: Puede comprobar el lector que el axioma (ii) se cumple, mientras que el (iii) y el (iv) fallan.

2. Analice si el conjunto de los nmeros reales tiene estructura de espacio
vectorial sobre el cuerpo de los racionales.

SOLUCIN:

El conjunto de los nmeros reales, R, tiene estructura de cuerpo conmutativo
para las operaciones suma y producto de nmeros reales y por lo tanto tiene estructura
15
de grupo abeliano para la suma, lo que permite la posibilidad, como conjunto de
vectores, de tener estructura de e.v.
Por otro lado, el conjunto de los nmeros racionales, , tambin tiene
estructura de cuerpo conmutativo para las mismas operaciones. Esta situacin es la
adecuada, como cuerpo de escalares, para que sea el dominio de operadores del
futuro espacio vectorial.
Slo falta comprobar que la ley externa el producto de un racional por un real
es igual a un real cumple los 4 axiomas establecidos para constituir la estructura de e.v.


, x y , R, se verifica que ( ) x y x y + = + . En efecto pues R es
cuerpo y se verifica la propiedad distributiva del producto respecto de la suma (todo
racional es real)


, , xR, se verifica que ( ) x x x + = + . En efecto por la misma
explicacin que en el axioma anterior.

iii) Asociatividad de escalares:

, , xR, se verifica que ( ) ( ) x x = . En efecto se cumple pues el
producto de reales es asociativo.

iv) Invarianza de vectores multiplicados por el neutro de escalares para la 2 operacin:

x R: 1 x x = .

En efecto, pues el neutro para el producto de reales es el mismo que el del producto de
racionales.

Por lo tanto R es un espacio vectorial sobre .

NOTA: Es claro que R es un e.v. sobre R, y de hecho el espacio vectorial R sobre hereda en
cierta forma su estructura.
Los dos primeros axiomas son iguales en el e.v. R( R), el tercero corresponde como ya hemos
dicho a la propiedad asociativa del producto de nmeros reales y el cuarto a la existencia de neutro
para dicho producto.

3. Consideremos el espacio vectorial
3
( ) R R . Averige cules de los siguientes
subconjuntos son subespacios vectoriales, probndolo en caso afirmativo o
mediante un contraejemplo en caso negativo:

16
a) R
3
A= {(x, y, z) : x + y - z = 0}
b) R
3
B = {(x, y, z) : x - z = 2}
c) R
3
C = {(x, y, z) : sinz = 0}
d) R
3
D = {(x, y, z) : z y}
e) R
3
E = {(x, y, z) : xyz = 0}
f) R
3 2 2 2
F = {(x, y, z) : x y z = -1} + +

SOLUCIN:

Se podra analizar su estructura y determinar como en ejercicios anteriores si
dichos subconjuntos tienen estructura de e.v. lo que , en caso afirmativo, nos conducira
a la prueba efectiva de que son subespacios vectoriales y en caso negativo , de que no lo
son.
Pero resulta mucho ms prctico y sencillo utilizar el teorema de caracterizacin
de subespacios vectoriales, siendo H U :

H es subespacio vectorial de U u v H u v H , , , : +
, , , ,
k

lo que se puede descomponer de la siguiente forma:

H es subespacio vectorial de U

u v H u v H
u H u H
, : +
, :
, , , ,
, ,
k

Pasemos pues a estudiar los distintos casos:

a) { }
3
( , , ) / 0 ( ) A x y z x y z = + = R R , adems A pues (0, 0, 0) A

Sean
1 1 1
( , , ) u x y z
,
y
2 2 2
( , , ) v x y z
,
elementos de A
1 1 1
2 2 2
0
(1)
0
x y z
x y z
+ =
`
+ =
)

i) Veamos que u v +
, ,
A

1 1 1 2 2 2 1 2 1 2 1 2
1 2 1 2 1 2 1 1 1 2 2 2
(1)
( , , ) ( , , ) ( , , );
( ) ( ) ( ) ( ) ( ) 0 0 0
u v x y z x y z x x y y z z
x x y y z z x y z x y z
+ = + = + + +
+ + + + = + + + = + =
, ,

por lo que:

u v A +
, ,

ii) Comprobemos que u
,
A con R

En efecto,
17

1 1 1 1 1 1 1 1 1 1 1 1
(1)
( , , ) ( , , ) ( ) 0 0 u x y z x y z x y z x y z u A = = + = + = =
, ,

Luego A s es subespacio vectorial de
3
( ) R R .

b) { }
3
( , , ) / 2 ( ) B x y z x z = = R R y adems B pues, por ejemplo, (1, 6, 1) B
Sin embargo, en este caso no tenemos estructura de espacio vectorial pues (0, 0, 0) B

c) { }
3
( , , ) / sin 0 ( ) C x y z z = = R R y C pues (0, 0, 0) C .

Por otro lado:

Como (0, 0, ) C pero
1
(0, 0, )
2
C pues sin 1 0
2
| |
=
|
\ .
, C no es s.e.v de
3
( ) R R .

d) { }
3
( , , ) / ( ) D x y z z y = R R y D pues (0, 0, 0) D .

De la misma forma que en el caso anterior, como (0, , ) e D pues 0 e > y dado
que ( 1)(0, , ) (0, , ) e e D = ya que ( ) 0 e e = < , entonces D no es un
subespacio vectorial de
3
( ) R R

e) { }
3
( , , ) / 0 ( ) E x y z xyz = = R R y E pues (0, 0, 0) E

Sean (1, 0, 0) E y (0,1,1) E y sin embargo (1, 0, 0) (0,1,1) (1,1,1) E + = pues
1 0 xyz = . Por lo tanto E no es un subespacio vectorial de
3
( ) R R

f)
{ }
2 2 2 3
( , , ) / 1 ( ) F x y z x y z = + + = R R pero F = pues
3
( , , ) ( ) x y z R R de
forma que
2 2 2
1 x y z + + = . Por lo tanto E no es un subespacio vectorial de
3
( ) R R .

4. Consideremos el espacio vectorial F
[ ]
R de las funciones reales de variable real.
Averige cules de los siguientes subconjuntos son subespacios vectoriales:

a) C = conjunto de funciones continuas en R.
b) P = conjunto de funciones pares.
c) T = {f F
[ ]
R / f(x) = 1, x R}
d) I = {f F
[ ]
R / f(a) = f(b), con a, b R y a b fijos}
e) D = {f F
[ ] R / f es derivable en R y f (0) = k 0, k fijo }
f) G= {f F
[ ] R / f es continua en [0,1] e
1
0
f(x)dx = 0 }

18

SOLUCIN:

Todos los conjuntos del ejercicio estn incluidos en F
[ ]
R y son no vacos pues
contienen al menos una funcin real de variable real. La funcin nula pertenece a todos
los conjuntos excepto a T y a D .

a) Dado la suma de funciones continuas sigue siendo una funcin continua y que el
producto de un nmero real por una funcin continua es tambin una funcin continua
queda claro que C es un subespacio vectorial de F
[ ]
R .

b) El conjunto de las funciones pares es el conjunto { } / ( ) ( ) f f x f x =
Utilizando el teorema de caracterizacin de s.e.v., dados , f g P :

( )( ) ( ) ( ) ( ) ( ) ( )( ) ( ) f g x f x g x f x g x f g x f g P + = + = + = + +

Luego P es s.e.v. de F[ ] R

c) Puesto que la suma de dos funciones que valen constantemente 1 es la funcin que
vale constantemente 2, queda claro que T no es s.e.v. de F
[ ]
R .
Tambin se poda haber razonado que la funcin idnticamente nula no
pertenece a T por lo que no puede ser un s.e.v.

d) Razonando como en el apartado b) sean , f g I , entonces:

( )( ) ( ) ( ) ( ) ( ) ( )( ) ( ) f g a f a g a f b g b f g b f g I + = + = + = + +

y por lo tanto I es s.e.v. de F
[ ]
R

e) Puesto que la funcin idnticamente nula tiene derivada nula en cualquier punto es
obvio que no pertenece a D, con lo que D no es s.e.v. de F
[ ]
R

f) Consideremos , f g G y apliquemos el teorema de caracterizacin:

( )
1 1 1 1
0 0 0 0
( )( ) ( ) ( ) ( ) ( )
0 0 0 ( )
f g x dx f x g x dx f x dx g x dx
f g G

+ = + = + =
= + = +

luego G es s.e.v. de F
[ ]
R

19
5. Consideremos los vectores
,
u =(1,1,2) y
,
v =(1,2,1) del espacio vectorial
3
( ) R R . Se
pide:

a. Halle una relacin entre a, b y c tal que el vector
,
w (a,b,c) sea
combinacin lineal de
,
u y
,
v .
b. Utilizando el resultado anterior escriba, si es posible, los vectores
(2,10,-4) y (3,-1,2) como combinacin lineal de
,
u y
,
v .
c. Estudie para qu valores de k es (2,-k,1) combinacin lineal de
,
u y
,
v .

SOLUCIN:

a) Para poder expresar el vector ( , , ) w a b c
,
como combinacin lineal de u
,
y v
,
, es
necesario encontrar dos nmeros reales y tales que :

w u v = +
, , ,

es decir,

( , , ) (1,1, 2) (1, 2,1) 2
2
a
a b c b
c

= +
= + = +
= +

La existencia de y est supeditada a la compatibilidad del sistema , es decir ,

1 1
y ( ) ( *) 1 2 0 3 0
2 1
a
existen rango M rango M b c b a
c
= = + =

donde M es la matriz del sistema y M* es la ampliada.

Tambin se poda haber buscado la relacin resolviendo un subsistema de dos
ecuaciones con dos incgnitas:

( , ) (2 , )
2
a
a b b a
b

= +
=
`
= +
)

y sustituyendo en la tercera ecuacin 2(2 ) ( ) 3 3 c a b b a c a b a b c = + = = +

b) En primer lugar hay que comprobar si los vectores pueden expresarse como
combinacin lineal de u
,
y v
,
, por lo que bastar con verificar si sus coordenadas
cumplen la relacin 3a b c = + .
Veamos:

El vector (2,10, 4) la cumple y por lo tanto ( , ) (2 , ) ( 6,8) a b b a = = luego :

20
(2,10, 4) 6(1,1, 2) 8(1, 2,1) = +

El vector (3, 1, 2) no verifica la relacin 3a b c = + luego no puede expresarse como
,
y v
,

c) Para determinar el valor que debe tener k para que (2, ,1) k pueda escribirse como
,
y v
,
basta exigir que sus coordenadas verifiquen la relacin
3a b c = + y entonces:

6 1 5 k k = + =

NOTA: Para determinar la relacin 3a = b+ c tambin podamos haber procedido por Gauss.
En efecto:

| | | | | |
| | |
| | |
| | |
\ . \ . \ .

1 1 a 1 1 a 1 1 a
1 2 b 0 1 b - a 0 1 b - a
2 1 c 0 -1 c - 2a 0 0 c +b - 3a

6. Determine si los siguientes conjuntos de vectores son linealmente
independientes:

A= {(2,4,-3),(0,1,1),(0,1,-1)} en el e.v.
3
( ) R R
2
B = {1 - x,1 + x,1 - x } en el e.v. P
2[ ]
R
x
C = {1, senx, e } en el e.v. F[ ] R

donde :

P
2[ ]
R es el e.v. de los polinomios, de grado menor o igual que dos, con una
indeterminada en x y a coeficientes reales.
F[ ] R es el e.v. de las funciones reales de variable real.

NOTA 1: Se entiende que los espacios vectoriales anteriores lo son con las operaciones habituales
suma y producto por un escalar.

SOLUCIN:

Un sistema de vectores es linealmente independiente si toda combinacin lineal nula de
los mismos implica que los coeficientes de la combinacin lineal son todos nulos.

a) Dado que:

21
2 0
(2, 4, 3) (0,1,1) (0,1, 1) (0, 0, 0) 4 0 ( , , ) (0, 0, 0)
3 0

=

+ + = + + = =
`

+ =
)

el sistema A es libre o de vectores linealmente independiente.

b) De la misma forma:

2 2
2 2
(1 ) (1 ) (1 ) 0 1 0 0
( )1 ( ) ( ) 0 1 0 0
0
0 ( , , ) (0, 0, 0)
0
x x x x x
x x x x

+ + + = + +
+ + + + + = + +
+ + =

+ = =
`

=
)

el sistema B es por tanto libre.

NOTA 2: El sistema homogneo obtenido surge por comparacin de dos polinomios del mismo
grado. Dos polinomios del mismo grado son iguales si sus coeficientes son iguales.

c) Sea la combinacin lineal nula siguiente:

2
0 0
1 sin 0, 0 ( , , ) (0, 0, 0)
2
0
x
x
x e x x e
x e

= + =

+ + = = + + = =
`

= + =
)
R

por tanto el sistema C es libre

NOTA 3: Habitualmente cuando el sistema es de funciones se prueba la independencia lineal dando
valores a la variable independiente para obtener el sistema lineal homogneo de ecuaciones que nos
permita discernir sobre la naturaleza del sistema de vectores.

NOTA 4: El espacio vectorial de las funciones reales de variable real tiene dimensin infinita.

7. Dados los vectores (4,-5,7), (3,-3,4), (1,1,-2) y (2,-1,1) de
3
( ) R R , halle un
sistema mnimo de generadores del subespacio al que pertenecen. Estudie si dicho
subespacio es el mismo que el generado por (1,-2,3) y (3,0,-1).

SOLUCIN:

En primer lugar nombraremos los vectores:

1 2 3 4
(1 1 2) (2 1 1) (4 5 7) (3 3 4) u u u u = , , , = , , , = , , , = , , ,
, , , ,

22

y analizaremos las relaciones entre ellos:

1 1 1
2 2 1 2 1
3 3 1 3 1 2 1
4 4 1
1 1 2 1 1 2 1 1 2
2 1 1 0 3 5 2 0 3 5 2
4 5 7 0 9 15 4 0 0 0 4 3( 2 )
3 3 4 0 6 10 3 0 0 0
u u u
u u u u u
u u u u u u u
u u u u
( (
( (
( (
( (
( (
( (
( (
( (
( (
( (
( (
( (

, , ,
, , , , ,
, , , , , , ,
, , ,
4 1 2 1
3 2( 2 ) u u u
(
(
(
(
(
(

.
, , , ,

las operaciones realizadas son operaciones elementales, el sistema de vectores resultante
y los intermedios son equivalentes al sistema
( ) 1 2 3 4
u u u u , , ,
, , , ,

Por consiguiente,

(1 1 2) (0 3 5) (1 1 2) (2 1 1) (4 5 7) (3 3 4) , , , , , = , , , , , , , , , , , ,

siendo un sistema mnimo de generadores { } (1 1 2) (0 3 5) , , , , ,

existiendo las siguientes relaciones de dependencia lineal entre vectores:

3 1 2 1 1 2
4 1 2 1 1 2
4 3( 2 ) 2 3
3 2( 2 ) 2
u u u u u u
u u u u u u
= + = + ,
= + = + .
, , , , , ,
, , , , , ,

Seguidamente estudiaremos si dicho subespacio es el mismo que el generado por los
vectores (1 2 3) , , y (3 0 1) , , . Para ello veremos si:

(1 1 2) (1 2 3) (3 0 1) (0 3 5) (1 2 3) (3 0 1) , , , , , , , , , , , , , , , ,

y

(1 2 3) (1 1 2) (0 3 5) (3 0 1) (1 1 2) (0 3 5) , , , , , , , , , , , , , , , .

Para estudiar si (1 1 2) (1 2 3) (3 0 1) , , , , , , , hacemos ceros del siguiente modo:

1 2 3 1 2 3 1 2 3
3 0 1 0 6 10 0 6 10
1 1 2 0 3 5 0 0 0
( ( (
( ( (
.
( ( (
( ( (

Luego (1 1 2) (1 2 3) (3 0 1) , , , , , , , .

Veamos ahora si (0 3 5) (1 2 3) (3 0 1) , , , , , , , :

23
1 2 3 1 2 3 1 2 3
3 0 1 0 6 10 0 6 10
0 3 5 0 3 5 0 0 0
( ( (
( ( (
.
( ( (
( ( (

Luego (0 3 5) (1 2 3) (3 0 1) , , , , , , , .

Podemos concluir que

(1 1 2) (0 3 5) (1 2 3) (3 0 1) , , , , , , , , , , .

Anlogamente puede comprobarse que

(1 2 3) (3 0 1) (1 1 2) (0 3 5) , , , , , , , , , , .

y de ambas inclusiones se concluye que:

(1 1 2) (0 3 5) (1 2 3) (3 0 1) , , , , , = , , , , , .

8. Dado el espacio vectorial de los nmeros reales sobre el cuerpo de los
racionales, se considera el siguiente subconjunto:

H = {a 2 +b 3 +c 5 / a, b, c }

Pruebe que H es un subespacio vectorial de R ( ) con las operaciones inducidas.
Halle adems una base y la dimensin de dicho s.e.v.

SOLUCIN:

En primer lugar H R y adems H pues 0 0 2 0 3 0 5 H = + +

Procederemos mediante la caracterizacin de s.e.v.

Sean 2 3 5 y ' 2 ' 3 ' 5 y , a b c H a b c H + + + + , entonces:

( ) ( )
2 3 5 ' 2 ' 3 ' 5
( ') 2 ( ') 3 ( ') 5
a b c a b c
a a b b c c H

+ + + + + =
= + + + + +

pues
( ')
( ')
( ')
a a
b b
c c

+
por lo que H es s.e.v. de R( ).

24
Por otro lado de forma evidente el sistema:

{ }
1 2 0 3 0 5, 0 2 1 3 0 5, 0 2 0 3 1 5 + + + + + +

es linealmente independiente y adems es generador de H , por lo que dimH = 3.

NOTA: Se puede probar siguiendo los pasos de este ejercicio que el conjunto:

`
)

k
i i i i
i=1
J = a p / p primos distintos y a , i = 1,...,k

es un subespacio vectorial de R ( ) cuya dimensin es k

9. Estudie si el sistema de vectores
2 2
S = {1 - x, x + x + 1, 2x - 1} es base del
espacio vectorial P
2[ ]
R de los polinomios de grado menor o igual que dos con
indeterminada en x y a coeficientes reales.

SOLUCIN:

Analizaremos en primer lugar si es generador. En ese caso, todo polinomio de
2
[ ] P x
deber poder expresarse como combinacin lineal de los vectores del sistema:

2 2 2
0 1 2 1 2 3
(1 ) ( 1) (2 1) + + = + + + + . a a x a x x x x x

Agrupando trminos, tenemos

2 2
0 1 2 1 2 3 1 2 2 3
( ) ( ) ( 2 ) + + = + + + + + , a a x a x x x

de donde

1 2 3 0
2 1 1
3 2 2
2
a
a
a

+ =
+ =
+ =

que podemos resolver mediante el mtodo de Gauss:

0 0 0 0
1 0 1 2 2
2 2 0 1 0 1 2
1 1 1 1 1 1 1 1 1 1 1 1
1 1 0 0 2 1 0 1 2 0 1 2
0 1 2 0 1 2 0 2 1 0 0 5 2
a a a a
a a a a a
a a a a a a a
( ( ( (
( ( ( (
( ( ( (
( ( ( (
( ( ( (
( ( ( (
( ( ( (
( ( ( (

+
+ +

25
Se trata de un sistema compatible, con solucin nica, y por tanto, el sistema es
generador. Como la dimensin de
2
[ ] P x es 3, deben ser adems libres, y por tanto S es
base.
No obstante, estudiaremos la dependencia lineal de los vectores. Para ello, planteamos
el sistema

2 2
1 2 3
(1 ) ( 1) (2 1) 0 + + + + = , x x x x
de donde

2
2 3 1 2 1 2 3
( 2 ) ( ) ( ) 0 + + + + + = , x x

llegando al sistema

2 3
1 2
1 2 3
2 0
0
0

+ =
+ =
+ =

que podemos resolver mediante el mtodo de Gauss:

1 1 0 0 1 1 0 0 1 1 0 0 1 1 0 0
1 1 1 0 0 2 1 0 0 1 2 0 0 1 2 0
0 1 2 0 0 1 2 0 0 2 1 0 0 0 5 0
( ( ( (
( ( ( (
,
( ( ( (
( ( ( (

de modo que
1 2 3
0 = = = y el sistema de vectores es libre.

NOTA: Tambin se puede estudiar la dependencia o independencia lineal considerando a
0
=a
1
=a
2
=0
en el sistema original y como la solucin de ste es :

0 1 2
1
0 1 2
2
0 1 2
3
2a - 3a + a
=
5
2a + 2a + a
=
5
-a - a + 2a
=
5

resulta al sustituir que
1 2 3
= = = 0

10. En el espacio vectorial
4
( ) R R consideramos el conjunto de vectores:

. S = {(1,1,1,2),(1,-1,2,3),(1,3,0,1),(2,2,2,4)}

26
Determine unas ecuaciones implcitas de S , y el valor de k para que el vector
(-1,3, k,-4) pertenezca a S .

SOLUCIN:

En primer lugar veremos si podemos simplificar el problema estudiando la dependencia
lineal de los vectores

1 2 3 4
(1 1 1 2) (1 1 2 3) (1 3 0 1) (2 2 2 4) u u u u = , , , , = , , , , = , , , , = , , , .
, , , ,

Haciendo ceros,

1 1 1
2 2 1 2 1
3 3 1 3 1 2 1
4 4 1 4
1 1 1 2 1 1 1 2 1 1 1 2
1 1 2 3 0 2 1 1 0 2 1 1
1 3 0 1 0 2 1 1 0 0 0 0 ( )
2 2 2 4 0 0 0 0 2 0 0 0 0
u u u
u u u u u
u u u u u u u
u u u u
( (
( (
( (
( (
( (
( (
( (
( (
( (
( (
( (
( (

+
, , ,
, , , , ,
, , , , , , ,
, , ,
1
2u
(
(
(
(
(
(
(
(
(
(
(
(

, ,

Se trata de un sistema ligado de vectores, existiendo las relaciones

4 1 3 1 2
2 2 u u u u u = , = .
, , , , ,

As pues,

(1 1 1 2) (1 1 2 3) (1 3 0 1) (2 2 2 4) (1 1 1 2) (0 2 1 1) , , , , , , , , , , , , , , , = , , , , , , , .

Unas ecuaciones paramtricas son de obtencin directa:

{ (1 1 1 2) (0 2 1 1) } {( 2 2 ) } S = , , , + , , , : , = , , + , + : , . R R

Un vector ( )
1 2 3 4
, , , x x x x S si , tal que ( )
1 2 3 4
, , , (1 1 1 2) (0 2 1 1) x x x x = , , , + , , , ,
es decir, que el siguiente sistema tenga solucin en y :

1
2
3
4
2
2
=
=
+ =
+ =
x
x
x
x

de donde se consiguen unas ecuaciones implcitas del subespacio

NOTA 1: Unas ecuaciones implcitas de un subespacio vectorial se obtienen eliminando los
parmetros en las ecuaciones paramtricas. Dependiendo de la forma en que eliminemos los
parmetros obtendremos unas u otras ecuaciones que en todo caso sern equivalentes.
En ocasiones en las ec. paramtricas hay una o varias que no tienen parmetros por lo que respetando
la relacin:
27

Dimensin del e.v. = dimensin del s.e.v. + nmero de ecuaciones implcitas independientes

podemos obtener directamente unas ecuaciones cartesianas.
Tambin podemos proceder por Gauss exigiendo la compatibilidad del sistema de forma que
unas ecuaciones implcitas sern las correspondientes a las filas de ceros de la matriz del sistema.

Utilizando el mtodo de Gauss:

1 1 1 1
3 1 2 2 1 3 1
1 3 4 3 3 1 4 1
1 2 3 4 4 1 2 1
1 0 1 0 1 0 1 0
0 1 1 2 0 2 0 1
0 0 1 1 0 1 0 1 2
0 0 3 2 2 1 0 1 2 0 2
x x x x
x x x x x x x
x x x x x x x x
x x x x x x x x
( ( ( (
( ( ( (
( ( ( (
( ( ( (
( ( ( (
( ( ( (
( ( (
( ( (
( ( (
( ( (
( ( (

+
+ +

(
(
(
(
(
.

obligamos a que este sistema tenga solucin.

Luego unas ecuaciones cartesianas o implcitas son:

1 3 4 1 2 3
0 3 2 0 + = , + + = . x x x x x x

En la segunda parte del ejercicio se pide el valor del parmetro k para que el vector
( 1 3 4) u k , , ,
,
pertenezca a S . Empleando la forma implcita de las ecuaciones,
vemos que el vector ( 1 3 4) u k , , ,
,
deber satisfacer las restricciones

1 2 3 1 3 4
3 2 0 0 + + = , + = , x x x x x x

de modo que obtenemos las ecuaciones

3 3 2 0 1 4 0 + + = , + + = , k k

de donde 3 = k .

NOTA 2: Podran darse tres situaciones ms:
1) Que de cada ecuacin implcita obtuviramos un valor distinto de k en cuyo caso no existe
ningn valor real de k para el que
,
u S
2) Que k slo intervenga en una ecuacin, de la que deducimos un valor, mientras que la otra
ecuacin, o es verificada por el resto de coordenadas de u
,
, en cuyo caso el valor de k
obtenido es vlido, o no es verificada con lo que no existe ningn valor real de k para el que
,
u S .
3) Que k no intervenga en ninguna ecuacin o el resto de coordenadas verifiquen ambas
ecuaciones implcitas, en cuyo caso
,
u S para cualquier valor real de k, o alguna
ecuacin no es verificada y por tanto no existe ningn valor real de k para el que
,
u S

Utilizando la forma paramtrica, plantearamos el sistema

28

1
2 3
2 4
+ =
+ =
k

De las dos primeras ecuaciones resulta 1 = y 2 = , y sustituyendo en la tercera
ecuacin obtenemos 3 = k , comprobando previamente que verifica la cuarta ecuacin.

11. En el espacio vectorial ( ) R R
4
, se consideran los siguientes s.e.v.:

( ) . R R
4
F = (1,1,0,-1) ,(0,1,1,0) ,(1,0,1,0) ,
G = {(x, y, z,t) : x -t = 0}

Halle una base de: F, G, FG y F + G.
Es FG un subespacio vectorial de ( ) R R
4
?

SOLUCIN:

Base de F .
Los vectores dados en la definicin de F generan F , pero queda averiguar si son o no
linealmente independientes. Esto se puede saber haciendo ceros, de modo que
directamente veamos cul podemos eliminar si existe alguna relacin de dependencia
lineal entre ellos:

1 1 1
2 2 2
3 3 1 3 1 2
1 1 0 1 1 1 0 1 1 1 0 1
0 1 1 0 0 1 1 0 0 1 1 0
1 0 1 0 0 1 1 1 0 0 2 1
u u u
u u u
u u u u u u
( ( (

( ( (
( ( (
( ( (
+
( ( (

, , ,
, , ,

, , , , , ,

Una vez finalizado el proceso de hacer ceros se observa que los tres vectores son
linealmente independientes, luego engendrarn un subespacio vectorial de dimensin 3
igual al de partida (al haber efectuado operaciones elementales), por lo que los tres
vectores dados constituyen un sistema libre y forman una base de F . Y as, podemos
escribir

{ } (1 1 0 1) (0 1 1 0) (1 0 1 0)
F
B = , , , , , , , , , , , .

Base de G .
El subespacio G viene dado mediante unas ecuaciones implcitas. Podemos obtener la
base del subespacio directamente a partir de la forma paramtrica:

{( ) } G = , , , : , , . R

De este modo, todo vector de G es de la forma
29

1 2 3 4
( ) (1 0 0 1) (0 1 0 0) (0 0 1 0) , , , = , , , + , , , + , , , , x x x x
y
(1 0 0 1) (0 1 0 0) (0 0 1 0) = , , , , , , , , , , , . G

Como los vectores que generan G son libres, entonces una base de G vendr dada por

{ } (1 0 0 1) (0 1 0 0) (0 0 1 0)
G
B = , , , , , , , , , , , .

NOTA: El sistema generador de un s.e.v. que se obtiene a partir de unas ecuaciones implcitas del
mismo, mediante este procedimiento, siempre es linealmente independiente.

Base de + F G.
Recordemos que

{ / } F G u v u F v G + = + , ,
, , , ,

y se obtiene

(1 1 0 1) (0 1 1 0) (1 0 1 0) (1 0 0 1) (0 1 0 0) (0 0 1 0) F G + = , , , , , , , , , , , , , , , , , , , , , , , .

Estudiaremos las relaciones de dependencia entre estos 6 vectores para determinar una
base. Para ello, operamos haciendo ceros en la forma habitual, reordenando antes los
vectores a conveniencia,

1 2 3
(1 0 0 1) (0 1 0 0) (0 0 1 0) u u u = , , , , = , , , , = , , , ,
, , ,

4 5 6
(1 0 1 0) (1 1 0 1) (0 1 1 0) u u u = , , , , = , , , , = , , , .
, , ,

1 0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1 0 0 1
0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0
0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0
1 0 1 0 0 0 1 1 0 0 1 1 0 0 0 1 0
1 1 0 1 0 1 0 2 0 0 0 2 0 0 0 2
0 1 1 0 0 1 1 0 0 0 1 0 0 0 0 0
( ( ( (
( ( ( (
( ( ( (
( ( ( (
( ( ( (

( ( ( (
( ( ( (

( ( ( (
( ( ( (

0 0 1
0 0 0 0
0 0 0 0
(
(
(
(
(
(
(
(
(

De este modo, tenemos que

4
(1 0 0 1) (0 1 0 0) (0 0 1 0) (0 0 0 1) F G + = , , , , , , , , , , , , , , , = . R

Podemos dar como base de + F G por ejemplo la base cannica.

Base de F G.
Recordemos que
30
4
{ ( ) / } F G u u F y u G = .
, , ,
R R
Para la obtencin de la interseccin conviene expresar tanto F como G en forma
implcita, aunque es posible tambin resolverlo en paramtricas:

Vamos a obtener unas ecuaciones implcitas de F :

Puesto que

{ }
4
(1 1 0 1) (0 1 1 0) (1 0 1 0)
( , , , ) ( ) /( , , , ) (1 1 0 1) (0 1 1 0) (1 0 1 0); , ,
F
x y z t x y z t a b c a b c
= , , , , , , , , , , , =
= = , , , + , , , + , , , R R R

llegamos al sistema:

a c x
a b y
b c z
a t
+ =

+ =

`
+ =

=
)

y resolviendo por Gauss o de una forma alternativa (sabido que slo tiene una ecuacin
implcita) sumando las dos primeras ecuaciones , restando la tercera y sumando el doble
de la cuarta se llega a la siguiente ecuacin cartesiana o implcita:

2 0 x y z t + + =

Por consiguiente:

{ } { }
4 4
2 0 3 0
( ) / ( ) /
( , , 3 , ) / , (1, 0, 3,1) (0,1,1, 0) / , (1, 0, 3,1), (0,1,1, 0)
x y z t x y z
F G x y z t x y z t
x t x t
x y x y x x y x y x y
+ + = + =
= , , , = , , , =
` `
= =
) )
= + = + =
R R
R R

luego una base de F G es:

{(1 0 3 1) (0 1 1 0)}
F G
B

= , , , , , , , .

Finalmente, la unin de s.e.v. no es en general un s.e.v. lo que queda patente en este
ejercicio.

Recordemos que F G es el conjunto de vectores de
4
( ) R R que pertenecen a F o
pertenecen a G o pertenecen a ambos.

Sean (1, 1, 4, 2) y (2, 1, 3, 2) F G , tales que (1, 1, 4, 2) y (2, 1, 3, 2) G F

y adems
(3, 2, 7, 4)
(1, 1, 4, 2) (2, 1, 3, 2) (3, 2, 7, 4)
(3, 2, 7, 4)
F
G

+ =

31

con lo que F G no es s.e.v. de
4
( ) R R

12. En el espacio vectorial
3
( ) R R se consideran los subespacios:

U = (1,0,1)
V = (1,0,0) ,(0,1,1)
W = (1,0,0) ,(0,0,1)

a) Estudie si U y V son subespacios suplementarios.
b) Haga lo mismo para U y W, y para V y W.
c) Exprese, si es posible, el vector (2,1,2) como suma de un vector de U y
otro de V. Razone si es nica tal descomposicin.
d) Realice la misma operacin para el caso del vector (3,0,3) respecto de la
suma de un vector de U y otro de W.

SOLUCIN:

a) Estudiaremos si U y V son suplementarios.

Esto ocurrir si
3
U V + = R y adems {0} U V =
,
.

(1 0 1) (1 0 0) (0 1 1) (1 0 1) (1 0 0) (0 1 1) + = , , + , , , , , = , , , , , , , , . U V

Como los vectores son linealmente independientes
3
U V + = R , y dado que:

dim( ) dim( ) dim dim + + = + , U V U V U V

se llega a que :

dim( ) 0 = , U V

y por lo tanto, {(0 0 0)} = , , U V y la suma es directa.

De este modo,
3
U V = R , es decir, U y V son subespacios suplementarios.

b) Veamos ahora si lo son U y W :

(1 0 1) (1 0 0) (0 0 1) (1 0 0) (0 0 1) + = , , + , , , , , = , , , , , , U W

pues (1 0 1) (1 0 0) (0 0 1) , , = , , + , , . Por lo tanto no son espacios suplementarios.

32
Tampoco son suplementarios V y W , dado que tienen un vector en comn, y por tanto
no pueden ser independientes.

c) Como
3
U V = R , todo vector de
3
R se puede expresar de forma nica como suma
de un vector de U ms otro de V, y en particular el vector (2,1, 2) .
En efecto tomemos u U
,
y v V
,
, tales que:

(1 0 1) (1 0 0) (0 1 1) = , , , = , , + , , . u v
As,

( 0 ) ( ) ( ) (2 1 2) + = , , + , , = + , , + = , , , u v

a continuacin resolvemos el sistema siguiente:

2
1
2

+ =
+ =

La solucin del sistema es ( 1) = = = , de modo que

(2 1 2) (1 0 1) (1 1 1) , , = , , + , , ,

d) Como U y W no son suplementarios, veamos si se puede expresar el vector (3 0 3) , ,
como suma de un vector de U y otro de W :

(3 0 3) (1, 0,1) (1 0 0) (0 0 1)
U W

, , = + , , + , , ,
_ _

que nos conduce a un sistema compatible indeterminado con un grado de libertad, cuyas
soluciones son

3 t
t
t
=
=
=

por tanto , s que se puede obtener el vector (3 0 3) , , como suma de un vector de U y
otro de W de ms de una forma, por ejemplo:

0 (3 0 3) 3(1, 0,1) 0(1 0 0) 0(0 0 1)
1 (3 0 3) 2(1, 0,1) 1(1 0 0) 1(0 0 1)
U W
U W
t
t

= , , = + , , + , , ,
= , , = + , , + , ,
_ _
_ _

33
13. Pruebe que toda funcin real de variable real puede escribirse de forma nica
como suma de una funcin par ms una funcin impar.

SOLUCIN:

Sean

El conjunto de las funciones pares, [ ] { }
/ ( ) ( ) P f F f x f x = = R y,

El conjunto de las funciones impares [ ] { }
/ ( ) ( ) I f F f x f x = = R .

Para probar el enunciado basta probar que P I F =

1.- Veamos que { }
{ } 0
0 P I f = =
,
donde
0
f es la funcin idnticamente nula:

Sea
( ) ( )
: : ( ) ( ) : 2 ( ) 0
( ) ( )
f x f x
f P I x x f x f x x f x
f x f x
=
= =
R R R

por lo tanto:

si
0
entonces : ( ) 0 por consiguiente f P I x f x f f = = R

como se quera demostrar.

2.- Probemos que P I F + =

Para ello tomaremos una funcin
[ ]
f F R e intentaremos determinar dos
funciones g P y h I , tales que:

f g h = +

En efecto supongamos que existen tales funciones y comprobaremos que quedan
perfectamente determinadas:

Como g es par y h es impar se tiene que:

( ) ( ) ( ), f x g x h x x = + R y ( ) ( ) ( ) ( ) ( ), f x g x h x g x h x x = + = R

y resolviendo el sistema obtenemos:

( )
( )
1
( ) ( ) ( ) ,
2
1
( ) ( ) ( ) ,
2
g x f x f x x
h x f x f x x
= +
=
R
R

34

resulta claro que f g h = + y que g es par y h es impar, como se quera demostrar.

14. Sea C[a, b] el e.v. de las funciones continuas en el intervalo [a, b] con 0 <a < b.
Consideramos ahora los siguientes subespacios vectoriales de C[a, b]:

H = { f C[a, b] tal que f es constante }
J = {f C[a, b] tal que
b
a
f(x)dx = 0 }

Pruebe que H J = C[a, b]

SOLUCIN:

En primer lugar veamos que H y J son subespacios vectoriales independientes de C[a, b]
analizando su interseccin.

En efecto:

[ ]
{ }
[ ] { }
[ ] { }
[ ] { } { }
b
a
0
, / ( ) e ( ) 0,
, / ( ) y ( ) 0,
, / ( ) y 0,
, / ( ) 0,
H J f C a b f x k f x dx x
f C a b f x k k b a x
f C a b f x k k x
f C a b f x x f
= = = =
= = = =
= = = =
= = =
R R
R R
R R
R

Por otro lado, sea f una funcin continua en [a,b] , veamos que podemos determinar
dos funciones h H y j J , tales que:

f h j = +

En efecto:

Sea ( ) h x k = R, entonces supongamos que ( ) ( ) ( ), f x h x j x x = + R , con
( ) 0
b
a
j x dx =
.
Como f es una funcin continua en [a,b] tiene sentido el nmero real ( )
b
a
f x dx
, por lo
que:

( ) ( ( )) ( ) ( ) 0 ( )
b b b b
a a a a
f x dx k j x dx kdx j x dx k b a k b a = + = + = + =

de donde

35
1 1
( ) ( ) ( ) ,
b b
a a
k f x dx h x f x dx x
b a b a
= =

R
luego

1
( ) ( ) ( )
b
a
j x f x f x dx
b a
=

como queramos demostrar.

15. Calcule, segn los valores reales de , y , el rango del siguiente sistema de
vectores de
3
( ) R R :

S = {(1,-1,0),(2,1, ),(3,0, ),(1,,1)} .

SOLUCIN:

El rango de un sistema de vectores es el nmero de vectores libres del sistema.

Procedemos haciendo ceros,

1 1 0
1 1 0 1 1 0
0 3
2 1 0 3
0 0
3 0 0 3
( 1)
1 1 0 1 1 0 0 1
3

(
( (
(
( (
(
( (
.
(
( (
(
+ ( (
(
+

(

De este modo, si , y R, tenemos que rg 3 = S .

Por otro lado, si = , se presentan dos posibles situaciones:

( 1) 3 0 + + : En este caso, rg 3 = S .
( 1) 3 0 + + = : En este caso, rg 2 = S .

16. Consideremos el e.v. de los polinomios P
2
[ ]
R
y en l el polinomio:

p(x) = x
2
-2x + 1

Pruebe que el sistema B = {p(x), p (x), p (x)} es una base de P
2
[ ]
R
y halle las
coordenadas del vector q(x) = x
2
+ 2x + 3 respecto de B.

36
SOLUCIN:

Resolveremos el ejercicio de forma general, es decir, consideremos el polinomio:

2
0 1 2
( ) p x a a x a x = + +

Vamos a probar que
3
0 1 2
( , , ) a a a R se verifica que el sistema:

{ } ( ), '( ), ''( ) B p x p x p x =

es una base de [ ]
2
P R .

Sea pues, el sistema
{ }
2
0 1 2 1 2 2
, 2 , 2 B a a x a x a a x a = + + +
Veamos que B es libre y generador de [ ]
2
P R

B es sistema generador de
[ ]
2
P R , o sea,
[ ]
2
P R B =

Sea
[ ]
2
0 1 2 2
( ) q x b b x b x P = + + R entonces
3
( , , ) R de forma que:

( ) ( ) ( )
2
0 1 2 1 2 2
( ) 2 2 q x a a x a x a a x a = + + + + +

de donde:

( ) ( ) ( )
2 2
0 1 2 0 1 2 1 2 2
2 2 b b x b x a a x a x a a x a + + = + + + + +

y reorganizando coeficientes en el segundo miembro:

( ) ( ) ( )
2 2
0 1 2 0 1 2 1 2 2
2 2 , b b x b x a a a a a x a x x + + = + + + + + R
Puesto que dos polinomios son iguales para cualquier valor real de su indeterminada si
los respectivos coeficientes son iguales se llega al siguiente sistema de tres ecuaciones
con tres incgnitas:

0 0 1 2
1 1 2
2 2
2
2
b a a a
b a a
b a

= + +
= +
=
(1)

y al expresarlo matricialmente:

0 1 2 0
1 2 1
2 2
2
2 0
0 0
a a a b
a a b
a b
| |
|
|
|
\ .

37
por Gauss sabemos que es un sistema no homogneo compatible determinado, o
expresndolo de otra forma,
3
0 1 2
( , , ) a a a R existe una nica terna
3
( , , ) R de
forma que ( ) q x se expresa como combinacin lineal de los vectores de B. Como
consecuencia B es sistema generador de
[ ]
2
P R .

B es un sistema libre o linealmente independiente:

Para probar que es L.I. basta con tomar ( ) q x como el polinomio idnticamente nulo y
as el sistema anterior se convierte en el sistema homogneo asociado al anterior que es
compatible determinado. En estas condiciones la nica solucin es ( , , ) (0, 0, 0) = .
Por lo tanto B es linealmente independiente.

Como consecuencia para el caso particular en que
2
( ) 1 2 p x x x = + el sistema:

{ }
2
1 2 , 2 2 , 2 B x x x = + +

es base de
[ ]
2
P R .

Las coordenadas del vector
[ ]
2
2
( ) 3 2 q x x x P = + + R respecto de B se obtienen
resolviendo el sistema (1) :

3 ( 2) 2
2 ( 2) 2
1

= + +
= +
=

que es claramente de Gauss y del que trivialmente se desprende que ( , , ) (1, 2, 3) =
que son las coordenadas de ( ) q x respecto de la base B.

NOTA: La base B tambin puede expresarse de forma simplificada:

( ) ( )
{ }
2
B= x - 1 ,2 x - 1 ,2

Entonces, si podemos expresar q(x) en potencias de ( ) x - 1 , la deduccin de las coordenadas
tambin ser obvia.

Puesto que

( ) ( ) ( ) ( ) [ ] (

2 2
q(x) = x - 1 + 4 x - 1 +6 = x - 1 + 2 2 x - 1 + 3 2

es claro que las coordenadas de q(x) respecto de B son (1,2,3)

38
17. Dado el espacio vectorial
5
( ) R R halle:

a) Una base que contenga el vector
,
u (1,-1,3,2,4)
b) Una base que contenga los vectores
,
u y
,
v (1,0,-1,2,1)
c) Una base que contenga los vectores
,
u ,
,
v y
,
w (2,-2,1,-1,3)

SOLUCIN:

La resolucin de este ejercicio se basa en el teorema de la base incompleta (propiedad 1
del apartado 1.8.2).

a) Dado que la dimensin de
5
( ) R R es 5 podemos elegir 4 vectores de la base cannica
{ } 1 2 3 4 5
(1, 0, 0, 0, 0), (0,1, 0, 0, 0), (0, 0,1, 0, 0), (0, 0, 0,1, 0), (0, 0, 0, 0,1) C e e e e e =
, , , , ,
que junto
con el vector u
,
constituyan una base de
5
( ) R R .

En efecto, de un modo trivial se tiene que:

rango
1 1 3 2 4
0 1 0 0 0
5 0 0 1 0 0
0 0 0 1 0
0 0 0 0 1
| |
|
|
| =
|
|
|
\ .

por lo que el sistema
{ } 1 2 3 4 5
, , , , B u e e e e =
, , , , ,
es una base de
5
( ) R R .
b) En este caso buscamos un sistema de cinco vectores L.I. que contenga los vectores u
,

y v
,
. Se trata de seguir un procedimiento anlogo al anterior tomando,
convenientemente, de la base cannica aquellos vectores que junto con los dos dados
constituyan un sistema de rango 5.

1 1 3 2 4 1 1 3 2 4
1 0 1 2 1 0 1 4 0 3
0 0 1 0 0 0 0 1 0 0
0 0 0 1 0 0 0 0 1 0
0 0 0 0 1 0 0 0 0 1
| | | |
| |

| |
| |
| |
| |
| |
\ . \ .
luego rango de
1 1 3 2 4
1 0 1 2 1
5 0 0 1 0 0
0 0 0 1 0
0 0 0 0 1
| |
|
|
| =
|
|
|
\ .

y entonces el sistema
{ } 2 3 4 5
, , , , B u v e e e =
, , , , ,
es una base de
5
( ) R R .
c) Siguiendo la metodologa precedente se llega a:

Espacios Vectoriales

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Espacios Vectoriales

Caricato da

Copyright:

Formati disponibili

FUNDAMENTOS

por lo que H es s.e.v. de R( ).

Potrebbero piacerti anche