Bloque 2

ESPACIO VECTORIAL SOBRE UN CUERPO K .

Leccin 2.1.-

0.- DEFINICIN DE LEY DE COMPOSICIN EXTERNA.

Ejemplos:

1.- P(x) con .p(x). 2.- Rn con .(x1, x2,...,xn)=(x1,x2,...,xn). 3.- C (n complejos) con :

(a,b)= (a+bi) = a+ib.

4.- F={f: R R/f funcin}

con (f)(x) = (f(x)). 5.-S={{xn}/xn real} con {xn}={xn}

1.- CONCEPTO DE ESPACIO VECTORIAL

1.1.- Definicin
Sea (K,+,) un cuerpo y sea V un conjunto donde se definen:
Una lci + tal que (V,+) es grupo conmutativo.

Y una ley de composicin externa: KxV

V que cumpla:
o 1.- ( x + y) = x + y ; x, y V

2.- ( + ) x = x + x; , K

3.- ( x ) = ( )x; , K

o 4.- 1x = x ; siendo 1 el elemento unidad del cuerpo K

Al conjunto (V,+,K) se le llama ESPACIO VECTORIAL sobre el cuerpo k, o tambin k-espacio vectorial.
A los elementos de V los llamaremos vectores y los denotaremos con x , y... ; a los de K escalares y
los escribiremos con letras griegas

; ...

1.2.- Ejemplos
1.2.1.- Rn con la suma: ( x1 ,..., x n ) + ( y1 ,..., y n ) = ( x1 + y1 ,..., x n + y n ) , y con el producto por nmeros
reales: ( x 1 ,..., x n ) = ( x 1 ,..., x n ) ; R .

1.2.2.- ( P3 (x),+,R ) , siendo P3 ( x ) = a 0 + a1x + a 2 x 2 + a 3x 3 / a i R

1.2.3.- (C,+,R), siendo C el cuerpo de los nmeros complejos, + indica la suma de nmeros complejos y
R el producto por un nmero real.
NOTA: En general si K es cuerpo (Kn,+,K) es espacio vectorial.
1.3.- Propiedades derivadas de la definicin de espacio vectorial
1.3.1.- 0x = 0; x V, siendo 0 el neutro de (K, +, ) con la suma.
1.3.2.- 0 = 0; k
1.3.3.- Si x = 0 = 0 x = 0
1.3.4.- Si x V, x 0 y x = x =
1.3.5.- Sea 0 ; si x = y x = y
1.3.6.- a) ( x ) = ( x ) = ( )x
b) ( )( x ) = x
1.3.7.- ( x y) = x y; R , x, y V
2.- SUBESPACIO VECTORIAL
2.1.- Definicin :Sea (V,+,K) un K-espacio vectorial y SV, decimos que S es subespacio vectorial
cuando (S,+,k) es k-espacio vectorial.
2.2.- Condicin necesaria y suficiente de subespacio vectorial
Sea S V:
S es subespacio vectorial de V , k, x, y S : x + y S (I)
2.3.- Ejemplos:
1.- S = {( , ) / R }, es un subespacio vectorial de R2.
2.- P1 (x) es un subespacio vectorial de P2 (x).

Fqg_

Algebra Lineal EII 08-09

1/4

3.- V = ({x n },+,R ) tiene un subespacio vectorial S = ({x n }/ x n 2 + x n 1 = x n ) .

2.4.- Operaciones con subespacios vectoriales
2.4.1.- Interseccin de subespacios.-

Teorema: Sea (V,+,K) un k-espacio vectorial y sean S1 y

S2 dos subespacios vectoriales de V, entonces S1 S2 es tambin subespacio vectorial de V.

2.4.2.- Suma de subespacios:
Definicin: Sean S1, S2 dos subespacios vectoriales del k-espacio
vectorial (V,+,K) se define la suma:
S1 + S 2 = {x V / x = x1 + x 2 , x i Si ; i = 1,2}
Teorema: S1 + S2 es tambin subespacio vectorial.
3.- DEPENDENCIA E INDEPENDENCIA LINEAL Rango de un sistema de vectores.

3.1.- Definiciones:
Definicin 1: Sea un conjunto de vectores x1 , x 2 ,...., x n , de un espacio vectorial, decimos que x es

combinacin lineal de xi , siendo 1 i n,

si

1 , 2 , ..., n R / x =

i x i
i =1

Definicin 2: Sea el conjunto P = {x 1 , x 2 ,...., x n } , al conjunto de todas las combinaciones lineales

posibles de vectores de P le llamamos variedad lineal generada por P.
A P le llamamos sistema generador, y es el menor subespacio que contiene a
Se expresa:

{x1 , x 2 ,...., x n }.

x1, x2 ,....,xn = i xi /1 K
i=1

Definicin 3: Se dice que {x1 , x 2 ,...., x n } es un conjunto de vectores linealmente independientes (l.i.)
cuando: 1 , 2 ,....n k se verifica si

x
i =1

A {x1 , x 2 ,...., x n } se le llama familia libre.

= 0 i = 0 i .

Definicin 4: El conjunto de vectores {x 1 , x 2 ,...., x n }se dice que es un conjunto de vectores

n

linealmente dependientes (l.d.) cuando se verifica:

Si

i x i = 0 i 0 para cierto i .
i =1

3.2.- Propiedades
Teorema 1: Sea el sistema
entonces

{x1 , x 2 ,..., x n }

un conjunto de vectores linealmente dependientes

{x 1 , x 2 ,..., x n , x n +1 ,..., x n +m } es tambin linealmente dependiente.

Teorema 2: Sea el sistema x 1 , x 2 ,..., x p ,..., x n

} linealmente independiente entonces {x , x ,..., x }

1

es tambin linealmente independiente.

Teorema 3: El sistema de vectores {x1 , x 2 ,..., x n } es ligado alguno de sus vectores es combinacin
lineal de los restantes. Se suele utilizar como definicin equivalente de dependencia lineal.

x x1 ,..., xn
{
}
entonces {x1 , x2 ,..., xn +1 } es l.i.
Teorema 4: El sistema P = x1 , x2 ,...., xn es libre n+1

Teorema 5: Dados n vectores {x1 , x2 ,..., xn } al formar con ellos n+1 combinaciones lineales se forma
n

un sistema ligado {y1 , y 2 ,..., y n +1 } con y i = i x i .

i =1

RANGO DE UN SISTEMA DE VECTORES. TEOREMA DE EXISTENCIA.v

Si S= v1 , v 2 ,.....,v p . p vectores, no todos nulos, entonces:

I/ Hay algn sistema S0 S. de vectores l.i. / todos los dems son dependientes de S.
II/ Todos los sistemas S0 S. que cumplen lo anterior tienen el mismo n de vectores.
A este n r se le llama rango del sistema de vectores. ( es el n mximo de vectores l.i.)
Ver:
- Rango y operaciones elementales. Enfoque matricial.

Fqg_

Algebra Lineal EII 08-09

2/4

- Clculo efectivo del rango de un sistema de vectores.

- Extensin a la definicin de RANGO DE UNA MATRIZ. ( rango de las filas y de las columnas).
4.- BASE DE UN ESPACIO VECTORIAL. Coordenadas.4.1.- Definiciones
Definicin 1: Sea un k-espacio vectorial se dice que {v1 ,..., v n } es una base de V cuando:
1.- {v 1 ,..., v n } es linealmente independiente.

2.- {v 1 ,..., v n } es un sistema generador de V.

Definicin 2: Al nmero natural n = nmero de vectores de una base, se le llama dimensin del espacio
vectorial.
Ejemplos:
1.- En R2 una base es la cannica B = {e1 , e 2 } donde e1 = (1,0) y e2 = (0,1) .
2.- En ( P3 (x), +, R) tenemos {1, x, x2, x3}, base del espacio vectorial.
Teorema: Todas las bases de un k-espacio vectorial tienen el mismo nmero de vectores.
Definicin 3: Sea un k-espacio vectorial V y B = {v1 , v 2 ,..., v n } una base suya, entonces todo
expresarse como una combinacin lineal de los vectores de la base, esto es: x =

v ,
i =1

elementos

x V puede

k . A los

i , siendo i = 1,...,n se les llama coordenadas del vector x en la base B. Se suele expresar:

1

x V x B = (1 , 2 ,..., n )B = :

n B

Teorema: Las coordenadas de un vector respecto de una base son nicas.

Teorema de la base incompleta: Sean t1, t 2 ,..., t p p vectores linealmente independientes del espacio

vectorial de dimensin n (n p), entonces podemos encontrar t p +1 ,..., t n (n-p vectores), de tal forma

que t 1 , t 2 ,..., t p ,..., t n sea una base del espacio vectorial.

4.2.- Cambios de bases en un espacio vectorial.

Ejemplos........

5.- SUMAS DIRECTAS DE SUBESPACIOS

5.1.- Definiciones
Definicin 1: Sea E un k-espacio vectorial y sean dos subespacios F1, F2 se define suma F1+ F2, como:
F1+F2= { x E / x = x1 + x 2 con x1 F1 y x 2 F2 }
Definicin 2: Cuando esta descomposicin es nica se dice que es suma directa y se denota E = F1 F2 .

5.2.- Teoremas de caracterizacin de las sumas de subespacios

Teorema 1: Sea un k-espacio vectorial y F1 y F2 dos subespacios suyos entonces:
E = F1 F2 F1 F2 = {0}

Teorema 2: La suma E = F1 +F2 es directa 0 = x1 + x 2 donde x i Fi x i = 0 .

5.3.- Subespacios suplementarios
Definicin: Dado un k-espacio vectorial (V,+,k) y sean L y M dos subespacios suyos, decimos que L y M son
suplementarios (o complementarios) cuando:

a) L+M=V b) L M = {0}

Es decir cuando la suma de L y M es directa L M = V.

Fqg_

Algebra Lineal EII 08-09

3/4

6.- DIMENSIONES DE LOS SUBESPACIOS

Teorema de ampliacin de la base: Sea (V,+,k) un k-espacio vectorial de dimensin n y sea L un
subespacio de dimensin r/ r<n, entonces base de L existe otra base de V que contiene a la de L, tal que
los vectores aadidos a la base de L son base del subespacio vectorial complementario de L.

Corolario: Si L y M son dos subespacios complementarios de V entonces:

dim L+dim M= dim V
6.1.- Teorema de las dimensiones
Sea V un espacio vectorial y L y M dos subespacios suyos tales que dim L= r y dim M= s. Se cumple
que:
dim (L+M) + dim (LM) = dim L + dim M

7.-ECUACIONES DE UN SUBESPACIO:

Ecs. paramtricas, implcitas.

Ecs. de la suma y de la interseccin de subespacios.

----------------------------------------------------------BIBLIOGRAFA

TEORA:

Algebra Lineal, Juan de Burgos. Mc Graw-Hill

lgebra lineal y Geometra Lpez-Pellicer y Garca Garca. Marfil

"lgebra lineal con aplicaciones" Grossman. Mc Graw-Hill.

Lecciones de lgebra lineal J.L. Pinilla.
"lgebra lineal" Jess Rojo. Mc Graw Hill
PROBLEMAS:
Problemas de lgebra A. de la Villa.
Problemas de lgebra Lineal J.L. Pinilla.
"Problemas de lgebra lineal" Tebar Flores.

Fqg_

Algebra Lineal EII 08-09

4/4