1.

PRELIMINARES

1. LEYES DE COMPOSICIÓN INTERNA Y EXTERNA

DEFINICIÓN 1.1.- Sea un conjunto A ∈ 𝑅 2, llamaremos ley de composición

interna definida en a toda aplicación r de A x A en A.

r : A x A A
( a1 ,a2 ) r (a1, a2 ) = a1 r a2

Es decir el resultado de operar dos elementos de A sigue estando en A.

DEFINICIÓN 1.2.- Sean A, dos conjuntos ( se denomina conjunto de

operadores o escalares). Llamaremos ley de composición externa definida en A
y con operadores en , a toda aplicación ε de x A en A.
ε: x A 
(λ ,a) ε (λ, a) = λεa
n n
1.3. LOS CONJUNTOS R Y C

Sea R el conjunto de número reales, C el conjunto de los números complejos y n

un número entero positivo. Denotaremos por:
Rn = {x= (x1,,…. , xn ) / n – uplas ordenadas, xi ϵ R ,i=1.2., … n }
n
Sean x=(x1,….,xn), y = (y1 ,…. , yn } ϵ R diremos que x=y si y solo así xi = Y i
para todo i=1,2,…,n.

De manera análoga denotaremos:

Cn= {z= (z1,…., zn) / n-uplas ordenadas, zi ϵ C, i = 1, 2,…, n }

1.4. GRUPOS Y CAMPOS

DEFINICIÓN 1.4.1.- Sea un conjunto G ≠  , si en G definimos una ley de

Composición interna T, diremos que el objeto (G, T) es un grupo si satisface las
Siguientes condiciones:

G1) (a T b)T c a T( b T c) para todo a, b, c G .

G2) Existe e G tal que para todo a G se cumple que a T e e T a a
G3) Para todo a G , existe aG tal que a T aaT a e .

Si además de las tres condiciones se cumple:

G4) a T b b T a para todo a, b G.
Se dice que (G, T) es un grupo conmutativo o grupo abeliano.

1
NOTAS:

(1) e se denomina elemento identidad o nulo del grupo.

(2) El elemento 𝑎−1 relativo a la propiedad G3) recibe el nombre de elemento
inverso de a.
EJEMPLO.- (Z, +), (Q, +), ·(R, +), (R - {0}, · ) donde "+" y "." denotan la
adición y multiplicación usuales, son grupos conmutativos.

EJEMPLO .- El conjunto de las matrices de componentes reales de orden

mx n denotada por 𝑅 𝑚𝑥𝑛 con la operación usual de suma de matrices es un
grupo abeliano.

(𝑎𝑖𝑗 ), (𝑏𝑖𝑗 ) 𝑅 𝑚𝑥𝑛 / (𝑎𝑖𝑗 + 𝑏𝑖𝑗 ) donde 1≤ i  m y 1 ≤ j ≤ n .

EJEMPLO .- Sea n un número entero positivo, denotemos por

Zn= { [a] / a ϵ Z, donde [a] designa a la clase de restos módulo n que contiene
al número a. Definimos en Zn una operación  tal que:

: Zn X Zn  Zn
([a] , [b] ) aba+b

donde + es la adición usual en Z. (Z, ) es un grupo conmutativo.

EJEMPLO PARTICULAR.- Sea n=3, Z3 = { [0], [1], [2] }

 [0] [1] [2]

[0] [0] [1] [2]

[1] [1] [2] [0]

[2] [2] [0] [1]

Este es un caso de campo pues se presentan los clases de restos módulos o de

equivalencia de n=3 , por ejemplo el [1] =3º+ 1 y asi con los demás restos.

DEFINICIÓN 1.4.2.- Sea un conjunto K ≠ , definimos en K dos leyes de

composición internas:

Adición:
+: K K K
(a , b) a + b

Multiplicación:
·:KK  K

2
 (a, b) a.b

Diremos que el objeto (K, + , ·) es un campo si y solo si satisface las siguientes

condiciones:

K1) (a + b) + c = a + (b + c) para todo a, b, c ϵ K .

K2) Existe 0 ϵ K tal que a + 0 = 0 + a = a para todo a ϵ K . 0 es llamado
elemento Nulo o cero.
K3) Para todo a ϵ K , existe un elemento de K que se llama opuesto de a o
inverso aditivo de a que denotaremos por - a y es tal que:
a +(-a) =(-a) + a = 0 .
K4) a + b = b + a para todo a, b ϵ K.
K5) (ab) c = a (bc) para todo a, b, c ϵ K .
K6) Existe e ϵ K tal que a e = e a = a para todo a ϵ K . e es llamado elemento
idéntico o identidad.
K7) Para todo a ≠ 0 elemento de K, existe un elemento también en K llamado
opuesto de a o inverso de a con respecto a la multiplicación que se denota
por a-1 y es tal que: a a-1 = a-1a = e .
K8) a b = b a para todo a, b ϵ K .
K9) a (b + c) = ab + ac y (a + b) c = ac + bc para todo a, b, c ϵ K .

OBSERVACIONES:

(1) El elemento 0 que cumple K2), y e que cumple K6) son únicos.
(2) El inverso aditivo y multiplicativo ( K3), K7)) de cada elemento es único.
(3) a 0 = 0 para todo a ϵ K .
(4) a b = 0 entonces a = 0 ó b = 0 . Esta propiedad se expresa diciendo que K
no tiene divisores de cero.

EJEMPLO .-En (Q, +, ·), (R, +, ·), (C, +, ·),( Z,+,·) donde "+" y "." son las
operaciones usuales de adición y multiplicación son campos excepto:
(Z,+, ·) ya que para 3 ϵ Z, no existe un y ϵ Z / 3.y=1

EJEMPLO.- Sea Zp= { [a] / a ϵ Z ], [a] como se vio en el ejemplo 4.1.3.

representa la clase de restos módulo p donde p es primo. Definimos en Zp las

3
operaciones:
[a] + [b] = [a + b]
[a]·[b] = [a·b]

donde "+" y "."· son las operaciones usuales de adición y multiplicación.( Zp,+,·)
es un campo.

NOTA.- Si p no es primo la afirmación anterior no es verdadera. En efecto,

Consideremos Z4 = { [0], [1], [2], [3]} y construyamos la tabla siguiente:

º [1] [2] [3]

[1] [1] [2] [3]
[2] [2] [0] [2]
[3] [3] [2] [1]

de la tabla podemos observar que [2] ≠ [0] .

Aquí una breve explicación se entiende que de las clases de resto módulo
como n=4 cumple que [2]=4º+2 y [0]=4º+0 por lo tanto no son iguales
pero; sin embargo, no tiene inverso multiplicativo, es decir no cumple K7) ya
quede la definición 4.2 debería cumplir que [2].[Y]=1 pero no existe un Y
inverso de 2 en la tabla.

EJEMPLO.- Consideremos el conjunto Q (√2) = {a + b √2/ a, b ϵ Q} . Si

sobre Q(√2) se definen las operaciones:

Adición: (a + b √2) (c d √2 ) = (a + c) + (b + d) √2

Multiplicación: (a + b √2)·(c +d √2) = (ac + 2bd) + (ad + bc) √2


Probar que Q (√2), , · es un campo.
PRUEBA:

Sólo probaremos la condición K7) de la definición 4.2.; las restantes

condiciones no
ofrecen dificultad.
Sea a +b √2 ≠ 0 donde (b ≠0) , debemos probar que existe c +d √2 tal que
(a + b√2) (c +d √2) = 1.

Sabemos que (a + b √2) (c + d √2) = (a c + 2bd ) + (b c + a d) √2 = 1 = 1+ 0√2

De donde: a c + 2bd = 1 (1)

bc + a d = 0 (2)

despejando c de (1) y (2) respectivamente tenemos:

4
 1−2𝑏𝑑
c= (3)
𝑎

−𝑎𝑏
c= (4)
𝑑

igualando (3) y (4), obtenemos:

𝑏
d=
2𝑏2 −𝑎2

y reemplazando el valor de d en (4), resulta:

𝑎
c=
𝑎2 −2𝑏2

Luego
𝑎 -
𝑏 √2
c+d √2 =
𝑎2 −2𝑏2 𝑎2 −2𝑏2

Q(√2) es un campo.

EJEMPLO.- El conjunto Z(√2) = {a + b√2/ a, b ϵ Z } con las operaciones

de adición y multiplicación definidas en el ejemplo 4.2.3. no es un campo. La
verificación es inmediata.

Prueba:
El procedimiento es igual al problema anterior

5
 ESPACIOS VECTORIALES

Los objetos realmente importantes son las transformaciones lineales que

son un tipo particular de funciones cuyo dominio y contradominio son conjuntos
dotados de una estructura muy importante: los espacios vectoriales. Es por lo
tanto, la intención de este capítulo dar los conceptos y propiedades básicas de
los espacios vectoriales.

DEFINICIÓN 1.1.- Dados un conjunto V ≠  , un campo K, una ley de

composición interna “+” en V llamada adición y una ley de composición externa
“·” definida en V y con operadores o escalares en K denominada multiplicación
por escalares. Diremos que V es un K- espacio vectorial o que V es un
espacio
vectorial sobre el campo K si y solo si se verifican las siguientes condiciones:

V1) (x + y) + z = x + ( y + z) para todo x, y, z ∈V .

V2) Existe 𝜃 ∈ V tal que x + 𝜃 = 𝜃 + x = x , para todo x ∈ V . El elemento 𝜃 se
denomina neutro aditivo o cero.
V3) Para todo x ∈V , existe y ∈V tal que x + y = y + x = 𝜃 . El elemento y se
denomina opuesto de x y se denota por y = − x .
V4) x + y = y + x para todo x, y ∈ V .
V5) a(b x) = (a b)x para todo a, b ∈ K , para todo x ∈ V .
V6) (a + b)x = ax + bx para todo a, b ∈ K , para todo x ∈ V .
V7) a(x + y) = ax + ay para todo a ∈ K , para todo x, y ∈ V .
V8) Existe 1 ∈ K llamado elemento idéntico multiplicativo tal que 1x = x . Para
todo x ∈ V .

OBSERVACIONES:

a) Un conjunto V ≠ ∅ para que sea espacio vectorial sobre un campo K debe

tener definidas dos operaciones “adición” y “multiplicación por un escalar”;
las cuales deben cumplir las ocho propiedades arriba mencionadas. En caso
que no cumpla con alguna de ellas no es un espacio vectorial.
b) A los elementos de V se les llaman vectores y el elemento neutro aditivo 𝜃
recibe el nombre de vector nulo.
c) Si K = R , V es llamado espacio vectorial real y si K = C , V se denomina
espacio vectorial complejo.

6
EJEMPLO .- Sea V= 𝑅𝑛 {( 𝑋1 ,… ,𝑋𝑛 ) / 𝑋𝑖 ∈ 𝑅 , ∀ 𝑖 =1, 2,.. ,n } y K =R .
Dados 𝑥 = (𝑥1 ,.. , 𝑥𝑛 ) , y = ( 𝑦1 ,.…, 𝑦𝑛 ) 𝑅 𝑛 y a ∈ R , definimos:

x +y = ( x1 + y1,…,xn + yn)
ax = ( a𝑥1 , …. ,a𝑥𝑛 )

(𝑅 𝑛 , +, R, ·) cumple las condiciones de espacio vectorial. En efecto:

V1) Sean x, y, z ∈ 𝑅 𝑛

(x+ y) + z = [ (x1,… ,xn ) + (y1 ,… ,yn ) ] + (z1,…,zn) ]

=(x1+ y1,….., xn+ yn ) + ( z1 ,… ,zn )
= [(x1+ y1 ) + z1,….(xn + yn) + zn ]
= [ x1 + (y1 + z1),….,xn +(yn + zn ) ]
= (x1,….,xn) + (y1+z1,…..yn+ zn)
=x+ (y +z)
V2) Existe 𝜃 =(0, .., 0) ∈ Rn / x +𝜃 = 𝜃 +x =x , para todo x ∈ Rn .
V3) Para todo x ∈ Rn , existe y = −x =(−x1,… ,−xn) tal que x +y =y +x = 𝜃 .
V4) Sean x, y ∈ Rn
x + y = (x1,… , yn) + (y1,….,yn)
=(x1+ y1,….,xn +yn )
= y+ x
V5), V6), V7) y V8) se verifican análogamente.

EJEMPLO .- R no es un espacio vectorial sobre K = C . Pues si a ∈ C y

X ∈ R , no siempre se cumple que a x a ∈ R ; es decir, no es una ley de
composición externa.

EJEMPLO .- Consideremos F f : R R el conjunto de funciones

definida en los reales y con valores reales, y K R . Sean f , g F y aR
definimos:

( f g) (x) f (x) g(x) para todo xR

(a f )(x) a f (x) para todo xR
La cuaterna ( F , , R, ·) es un espacio vectorial. Verificaremos sólo las
condiciones V2) y V3), las demás quedan como ejercicio para el lector.

V2) Existe 𝜃 F definida como 𝜃 (x) 0 para todo xR (función cero) y

7
cumple f  𝜃  𝜃 f f para todo f F .
V3) Para todo f F , existe un opuesto que definimos como:
(f )(x) f (x) tal que f (f ) f f  𝜃

EJEMPLO .- Denotemos por:

𝑘 ∞ = {𝑥⁄𝑥 = (𝑎1 , 𝑎2 , … … , 𝑎𝑛 , … . ) 𝐷𝑜𝑛𝑑𝑒 𝑙𝑜𝑠 𝑎𝑖 ∈

K, 𝑠𝑜𝑛 𝑡𝑜𝑑𝑜𝑠 𝑐𝑒𝑟𝑜𝑠, 𝑒𝑥𝑐𝑒𝑝𝑡𝑜 𝑢𝑛 𝑛ú𝑚𝑒𝑟𝑜 𝑓𝑖𝑛𝑖𝑡𝑜 𝑑𝑒 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠(𝑛ú𝑚𝑒𝑟𝑜𝑠)}

Sean x= (ai) y y =(bi) y c K . Definimos:

x y a0 +b 0 ,a1+ b1,….,an + bn, … , )

cx ca0, ca1,…,can ,…)
se deja al lector verificar que (𝑘 ∞ ,,k, ·) es un espacio vectorial.

EJEMPLO .- Consideremos P[x] el conjunto de las funciones en la

indeterminada x de grado menor o igual que n ( nZ+) sobre el campo de
los números reales. Sean:
Definimos
p (x) a0 +a1 x + anxn , q(x) = b0 + b1 +... ,x b P [𝑥]
𝛼 p (x) 𝛼a0  𝛼 a1 x 𝛼an xn
P[x], , R, ·es un espacio vectorial. La verificación es análoga en el ejemplo
1.1.2.

NOTA.- Si se considera el conjunto de todos los polinomios de grado igual a

n nZ) con las mismas operaciones, no constituye un espacio vectorial sobre
R, pues la adición para este conjunto no es una ley de composición interna.

EJEMPLO .- Sean V1 , V2 espacios vectoriales sobre el campo K y

consideremos el conjunto:

V={(v1 ,v2 ) / v1 ∈ v2 ∧ 𝑣2 ∈ V2}

para (v1 , v2 ), (v'1 v'2 ) y aK . Definimos:
( v1, v2) +(v'1,v'2 ) = ( v'1 + 𝑣'1,v2 + 𝑣'2)
a (v1 ,v2 )a v1, a v2)

V con las operaciones arriba definidas es un espacio vectorial sobre K.

8
PROPOSICIÓN 1.2.- Sea (V, , K, ·) un espacio vectorial. Entonces se tiene:
i) El elemento 𝜃 es único.
ii) 0x  𝜃 para todo x V .
iii) a 𝜃  𝜃 para todo a K .
iv) Si ax  𝜃 , entonces a 0 ó x  𝜃 .
v) (a) x (ax) para todo a K y para todo x V .

PRUEBA.- Solamente, a modo de ilustración, probaremos i) y v).

Prueba de i)
Supongamos que exista 𝜃 'V tal que x  𝜃 ' 𝜃 'x x para todo xV .
Haciendo x  𝜃 tenemos que:

𝜃  𝜃 ' 𝜃 ' 𝜃 =𝜃(1)

Por otro lado en virtud de la condición V2) de espacios vectoriales existe 𝜃 V

tal que x  𝜃  𝜃 x x para todo xV , haciendo x  𝜃 tenemos que:

𝜃 ' 𝜃  𝜃  𝜃 ' 𝜃 ' (2)

de (1), (2) y V4) finalmente se tiene: 𝜃  𝜃 ' .

Prueba de v):

(ax) ax 𝜃 por V3)

0 x por ii)
(a a)x por suma de opuestos en K
(ax) ax ax ax por V6)
(ax) ax por la ley de cancelación.

2.2 SUBESPACIOS

DEFINICIÓN 2.2.1- Sea (V, , K, ·) un espacio vectorial cualesquiera. Diremos

que W, un subconjunto de V diferente del vacío es un subespacio si y solo si
(W, +, K, ·) con las operaciones definidas para V es por sí mismo un espacio
vectorial.

NOTA.- El conjunto {𝜃} y V son subespacios vectoriales de V, denominados

subespacios triviales; cualquier otro subespacio es llamado subespacio
propio.

9
 Nótese además que el elemento neutro aditivo de W es el mismo que el de V.

TEOREMA 2.2.2- Sea V un K-espacio vectorial un espacio vectorial y W un

subconjunto de V diferente del vacío. W es un subespacio vectorial de V si y
solo si:

i ) Para todo x, y W, x y W .

ii) Para todo a K , para todo xW, ax W .

PRUEBA
) Es obvio
) Por hipótesis tenemos que se cumple i) y ii), probaremos que W es un K-
espacio vectorial.
V1) (x y) z x ( y z) para que x, y, z W . Se verifica: x, y, z W V y
en V se cumple V1).
V2) Existe 𝜃 W / x 𝜃  𝜃x x para todo xW . En efecto, sea:
y W (1) y y W (por ii)) y (y)  W por i)).
V3) Para todo xW , existe xW tal que x (x) x x 𝜃 en virtud de i) y
ii).Análogamente se puede verificar que (W, , K, ·) cumple las condiciones
restantes del espacio vectorial.

EJEMPLO .- Sea V R2 y consideremos:

𝑥2
W={(𝑥1 , 𝑥2 ) ∈ 𝑅2 ⁄(𝑥1 , 𝑥2 ) = (0,0) 𝑜 𝑥1
= 𝑎, 𝑥1 ≠ 0 𝑦 𝑎 = 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒}

W es un subespacio vectorial de V.

EJEMPLO - Sea F el R-espacio vectorial de todas las funciones reales de

variable real, consideremos:

C { f : R R / f es continua}

es un subespacio vectorial de F. En efecto, tenemos que C ≠ ya que 𝜃 ∈C ,

pues 𝜃 : RR tal que 𝜃 (x) 0 para que x ∈R es una función continua. Las
otras condiciones se cumplen en virtud de las propiedades de funciones
continuas.

EJEMPLO - Sea (R3 , , R, ·) y dados u (1, 3, 0) y v (2, 0, 1)

elementos de R3 . Construimos:

10
 W {wR3 / w u a(v u), aR}

W no es un subespacio de R3 , pues es fácil verificar que cero no

pertenece a W.

Verificando

(0,0,0) =(1,3,0) + a(−3, −3, 1 )

(0,0,0)=(1−3 a, 3−3𝑎,a)

Igualando:

1−3 a = 0 → a=1/3
3− 3𝑎 = 0 → a=1 (↔)

Existen dos valores para a por lo tanto no es un subespacio.

EJEMPLO .- Sea V =F el R-espacio vectorial de todos las funciones

reales
de variable real. Averiguar si el conjunto definido como:

W { f F / f (a b) f (a) f (b) f ( 𝜑a)  𝜑 f (a)}

es un subespacio vectorial.

SOLUCIÓN:
Haciendo uso del teorema 2.2. tenemos que W V por definición y
además W pues la función cero pertenece a W. Veamos si cumplen
las condiciones i) y ii) del teorema.

ii) f , g W entonces:

f (a b) f (a) f (b) f ( a)  f (a) (1)

g(a b) g(a) g(b) g( a)  g(a) (2)
Sumando las igualdades de (1) y (2) miembro a miembro
f (a b) g(a b) ( f (a) f (b)) (g(a) g(b))
f (𝜑a a) g(𝜑a)  𝜑 f (a) 𝜑 g(a)

agrupando convenientemente y usando la definición de suma de

funciones,
tenemos:
( f g)(a b) ( f g)(a) ( f g)(b) ( f g)( 𝜑 a)  𝜑 ( f g)(a)
luego f g W .
𝑖𝑖) 𝑎R, f W entonces:
11
 𝛼 R, f (a b) f (a) f (b) f (𝜑 a)  𝜑 f (a) (3)

multiplicando las igualdades de (3) por 𝛼 y de la definición de producto de una

función por un escalar tenemos:

(𝛼 f )(a b) ( 𝛼 f )(a) ( 𝛼 f )(b) ( 𝛼 f )( 𝜑 a)  𝜑 (𝛼 f )(a)

luego 𝛼 f W .

De i) y ii) W es un subespacio vectorial.

EJEMPLO .- Sea V C { f : R R / f es continua} y consideremos:

1
W1 f C / ∫0 𝑓(𝑡) dt 
1
W2 f C/ ∫0 𝑓(𝑡) dt 
W1 es un subespacio vectorial, W2 no es un subespacio pues no se cumplen
las condiciones del teorema 2.2. En efecto, tomemos f : R R tal que f (t) 1,
1 1
entonces f W2 ya que ∫0 𝑑𝑡 , pero f f W2 pues ∫0 (𝑓(𝑡) + 𝑓(𝑡))𝑑𝑡= 2 ≠ 1

2.3.OPERACIONES CON SUBESPACIOS

PROPOSICIÓN 2.3.1.- Sea {𝑊𝑖}𝑖∈I una familia de subespacios de (V, , R, ·) . Si

𝑊 = ⋂ 𝑊𝑖
𝑖∈𝐼

entonces, W es un subespacio de V.

PRUEBA

W ⊂ V por definición y además es no vacío ya que 𝜃 ∈ W i , ∀ 𝑖 ∈ 𝐼, entonces 𝜃

W

i) Sean x, y ∈ W ⇒ x, y W i , ∀ 𝑖 ⇒x y W .

ii) Sean a ∈ K , x ∈ W ⇒ a ∈ K ∧ x ∈ Wi ,∀𝑖ax  Wi ∀𝑖
⇒ 𝑎𝑥 ∈ 𝑊

EJEMPLO - Sea (R3 , , R, ·) y consideremos:

W1 = {( x, y, z) ∈ 𝑅 3 / x− y = 0}

W2 = { (x, y, z) ∈ 𝑅 3 / 2x+ 𝑧 = 0}

12
W1 W2 x, y, z 𝑅 3 /x− 𝑦= 0 ∧ 2x + z es un subespacio de (R3 , , R, .)

DEFINICIÓN 2.4.- Sean W1 , W2 subespacios de (V, , R, ·) . Definimos:

W x V / x 𝑥1 + 𝑥2 , x1 W1 x W2 }

W se denota por W W1 W2 y se le llama suma de subespacios W1 y W2 .

PROPOSICIÓN 2.4.1.- La suma de dos subespacios de V es un subespacio

vectorial
de V.

PRUEBA

Sea W1W2 xV / x 𝑥1 𝑥2 , 𝑥1 W 𝑥2 W2 }, W1 W2 V, por definición
y además es diferente del vacío pues 𝜃 ∈ W1+ W2 ya que se puede escribir
𝜃  𝜃  𝜃 (𝜃 es elemento de W1 y de W2 ).

i) x, y W1 W2 , debemos probar que x y W1 W2 .

x 𝑥 1+ 𝑥2 , 𝑥1 W1 x W2
y 𝑦 1 𝑦2 , 𝑦1 W 𝑦2 W2
x y (𝑥1 𝑦1 ) (𝑥2 𝑦2 )W1 W2
pues 𝑥1 𝑦1 W1 𝑥2 𝑦2 W2 .
ii) a K, x W1 W2 , debemos probar que ax W1 W2 .
x 𝑥1 𝑥2 ax a𝑥1 a𝑥2 W1 W2 pues a𝑥1 W1 a𝑥2 W2 .
Luego W1 +W2 es un subespacio vectorial.

EJEMPLO .- En (R3 , , R, ·) consideremos los subespacios:

W1 x ,0,z) R3 / x, z R} y W2y, z) R3/ y, z R}

Tenemos:
 
W1 + W2 {(𝑢, 𝑣, 𝑤) ∈ 𝑅 3 ⁄(𝑢, 𝑣, 𝑤) = (𝑥1 , 0, 𝑧1 ) + (0, 𝑦2 , 𝑧2 ); (𝑥1 , 0, 𝑧1 ) ∈
𝑊1 𝑦 (0, 𝑦2 , 𝑧2 ) ∈ 𝑊2 }

Podemos observar que W1 W2 R3 pues cualquier vector (u, v, w) R3 se puede
1 1 1 1
escribir como (u, v, w) (u, 0, 2w) v, 2w ) donde (u, 0, 2w ) W1 y (0, v, 2 w)
W2.

13
DEFINICIÓN 2.5.- Sean V un espacio vectorial sobre K, W1 y W2 subespacios
de V. Diremos que V es la suma directa de los subespacios W1 y W2 y
denotaremos por:
V W W .

Si y solo si:

i) V W1 W2
ii) W1 W2 {𝜃}

EJEMPLO .- En (R2 , , R, ·) consideremos los subespacios:

W1={(𝑥, 𝑦) ∈ 𝑅 2 ⁄𝑦 = 𝑥} y W2={(𝑥, 𝑦) ∈ 𝑅 2 ⁄𝑦 = −𝑥 }

R2 W W . En efecto:
i) Cualquier vector (u, v) R2 se puede expresar como:
1 1 1 1
(u, v) (2 (u v),2 (u v)) 2 (u v),2 (v u))

es decir que R2 W1 W2 .

1 1 1 1
Obsérvese que (2 (u +v),2(u + v)) ∈ W1 y (2 (𝑢 − 𝑣),2 (v− u)) ∈ 𝑊 2

ii) Probaremos ahora que W1 W2 {(0, 0)}

{(0, 0)} W1 W2 se cumple siempre.

Sea (x, y )W1 W2 x ,y) W1 x, y) W2 x y x y

x y 0 (x, y) {(0, 0)}. Luego W1 W2 {(0, 0)}

 W1 W2 .{(0, 0)}

De i), ii) y la definición 3.4 se tiene:

R2 W1 W2

EJEMPLO .- Sea V el espacio vectorial de las matrices cuadradas sobre el

campo R; y consideremos:

U { AV / A AT } conjunto de las matrices simétricas.

W { AV / A AT } conjunto de las matrices antisimétricas.
Demostrar que V U W .

14
i) Demostraremos que V U W . Sea A una matriz cuadrada arbitraria de
orden n. Siempre es posible expresar A como:

1 1
A = 2 (A+AT )+ 2 (A AT )

Sólo nos falta hacer ver que:

1
a) (A AT ) U y
2
1
b) 2(A AT ) W

Probando a):
1 1
( 2 (𝐴 + 𝐴𝑇 )) 𝑇 = 2 (𝐴 + 𝐴𝑇 ) 𝑇
1
 = 2 (𝐴𝑇 + 𝐴𝑇 ) 𝑇 )
1
2𝐴𝑇 
1
=2 (A + AT )

Probando b)
1 𝑇 1
( 2(A− AT ) = 2 (𝐴 − 𝐴𝑇 )) 𝑇

1
= 2 (𝐴𝑇− − (𝐴𝑇) 𝑇 )

1
= − 2 (𝐴 − 𝐴𝑇 )

Luego satisface la condición

ii) Demostraremos que U W {𝜃 }.
Sea AU W AU AW A AT A AT A 𝜃 .
Luego U W { 𝜃 }.
De i), ii) y de la definición 3.4 se tiene:
V U W

OBSERVACIÓN .- La definición de suma de espacios puede ser generalizada

para una familia finita de subespacios. En efecto la suma de los subespacios
W1 , W2 , , Wn de (V, , K, ·) es el conjunto:

𝑛 𝑛
W= ∑ 𝑤𝑖 = {𝑣 ∈ 𝑉 ⁄𝑣 = ∑ 𝑤𝑖 ∧ 𝑤𝑖 ∈ 𝑊1; 1,2, … , 𝑛}
𝑖=1 𝑖=1

15
W es un subespacio de (V, , K, ·) . Además si tales subespacios tienen como único ele
mento común al vector cero, es decir si para todo i j se tiene que

Wi ∩ 𝑊𝑗 = { 𝜃} , entonces diremos que W es la suma directa y escribiremos:

W W1 W2 W n

2.6 Indepencia línea y-Base y dimensión de un espacio vectorial

DEFINICIÓN 2.6.1- Sea (V,, K ,·) un espacio vectorial y A v1, v2,.. .,vn} un

subconjunto de V diferente del vacío, llamaremos combinación lineal (c.l.) de

elementos de A a todos los vectores de la forma:

𝑛
∑ 𝑎𝑖 𝑣𝑖 = a1 v1 + a2 v2 +….+ an vn Donde ai ∈ 𝐾 y vi ∈ A
𝑖=1
Diremos que v V es una combinación lineal de los elementos de A si existen

escalares a1, a2, ,,,,,an  K tal que:

𝑛
v = ∑ 𝑎𝑖 𝑏𝑖 , Vi ∈ 𝐴
𝑖=1

EJEMPLO - Dado v1 = (1, 1, 0) y v2 =(1, 2, 2) vectores del espacio vectorial

(R3 , , R, ·) . Averiguar si los vectores u (0, 1, 3), w (1, 0,2) son
combinaciones lineales de v1 y v2.

SOLUCIÓN

Para u: Si u fuera combinación lineal de v1 y v2 se podría escribir u a1 v1a2 v2

para a1, a2 R .

(0, 1, 3) = a1 (1, 1, 0) + 𝑎2 (1, 2, 2)

= ( a1, a1, 0) + (a2, 2a2, 2a2 )
= ( a1a2, a1 + 2 a2, 2 a2)

𝑎1 + 𝑎2 = 0 (1)
⇒ { 𝑎1 + 2𝑎2 = 1 (2) 
2𝑎3 = 3 (3)

de (3) a2 = 3⁄2 y reemplazando dicho valor en (2) se tiene a1 = −2.

Sustituyendo dichos valores en la ecuación (1) se tiene:
16
 1
−2 = 0 (⇒ | ⇐)

luego para u no existen números reales a1 , a2 tales que u =a1 v1 +a2 v2 . En

consecuencia u no es c.l. de v1 y v2.
Para w: w =b1 v1 +b2v2
(1, 0, 2) = 𝑏1 (1, 1, 0) +𝑏2 (1, 2, 2)
= (b1, b1,0 ) + ( b2, 2b2, 2b2 )

𝑏1 + 𝑏2 = 1 (1′)
⇒ {𝑏1 + 2𝑏2 = 0 (2′)
2𝑏2 = −2 (3′)

de las ecuaciones (2’) y (3’) resulta b1 y b2  reemplazando dichos

valores en (1’) satisface la ecuación. Luego existen b1 y b2tal que
(1, 0,1) 2(1, 1, 0) (1, 2, 2) ; entonces w es combinación lineal de v1 y v2 .

EJEMPLO.- Dado el espacio vectorial (F , , R, ·) y considerando

f , g, h F definidas como f (t) sen t, g(t) cos t y h(t) t 2 . Hallar todos los

números reales tales que af bg ch 𝜃.

SOLUCIÓN

af bg ch = 𝜃
(af bg ch)(t) 𝜃 (t) 0
af (t) bg(t) ch(t) 0
a sen t b cos t c t 2 0 (1)
derivando (1)

a cos t bsen t 2c t 2 0 (2)

nuevamente derivando (2)

a sen t b cos t 2c 0 (3)

En las ecuaciones (1), (2) y (3) para todo t 0 se tiene:
b 0 (1’)

17
 a 0 (2’)
b 2c 0 (3’)

de (1’), (2’) y (3’) concluimos que los únicos números reales que satisfacen la
ecuación af bg ch 𝜃 son:

a +b +c = 0

DEFINICIÓN 2.6.2.- Sean V un espacio vectorial sobre un campo K y

A v1,….,vn } un subconjunto de V diferente del vacío, definimos el conjunto:

L{A} {vV / v es combinación lineal de elementos de A}.

PROPOSICIÓN 2.6.3.- El conjunto L{A} definido en 3.2. es un subespacio de V.

PRUEBA
Tenemos que A v1,….,vn} es un subconjunto de V diferente del vacío. L{A} V
por definición y L{A}  ∅ puesto que A  ∅ , existe por lo menos un elemento vi
Apara i entre 1 y n que se puede escribir como:

Vi = 0𝑣1 + ⋯ + 0𝑣𝑖−1 + 𝑣1 + 0𝑣𝑖+1 … . +0𝑣𝑛

i) Sean v, u ∈L{A}, entonces mostraremos que v +u ∈L{A}.

vL{A} , entonces existen escalares a1,…, an ∈ K tal que

𝑛
v= ∑ 𝑎𝑖 𝑣𝑖 (1)
𝑖=1

u L{A}, entonces existen escalares b1,….bn ∈ K tal que

𝑛
v= ∑ 𝑏𝑖 𝑣𝑖 (2)
𝑖=1

de (1) y (2)
𝑛 𝑛 𝑛 𝑛
v+ 𝑢 = ∑ ∑
𝑎𝑖 𝑣𝑖 + 𝑏𝑖 𝑣𝑖 = ∑(𝑎1 + 𝑏1 )𝑣𝑖 = ∑ 𝑐𝑖 𝑣𝑖
𝑖=1 𝑖=1 𝑖=1 𝑖=1

donde 𝐶𝑖 =𝑎𝑖 + 𝑏𝑖

18
v u L{A}
ii) Sea a K, vL{A} hay que mostrar que avL{A} .

𝑛 𝑛 𝑛 𝑛 𝑛
v= ∑ 𝑎𝑖 𝑣𝑖 ⇒ av = a ∑ 𝑎𝑖 𝑣𝑖 = ∑ 𝑎(𝑎𝑖 𝑣𝑖 ) = ∑(𝑎𝑎𝑖 )𝑣𝑖 = ∑ 𝑏𝑖 𝑣𝑖
𝑖=1 𝑖=1 𝑖=! 𝑖=1 𝑖=1

donde biaai
avL{A}
luego L{A} es un subespacio de V y es llamado subespacio generado por A.

EJEMPLO a)- En el espacio vectorial (R3 , , R, ·) consideremos

A {(1, 2, 1), (3, 0, 1)}, hallar el subespacio L{A}.

SOLUCIÓN

L{A} {(x, y, z)R3 /(x, y, z) a(1, 2, 1) b (3, 0, 1); a, bR}
(x, y, z) a(1, 2, 1) b (3, 0, 1)
(a 3b, 2a, a b)

𝑎 + 3𝑏 = 𝑥
⇒ { 2𝑎 = 𝑦 
−𝑎 + 𝑏 = 𝑧

en el sistema (*) eliminando a y b


𝑦
𝑦 3𝑏 = 𝑥 − (1)
 a y{ 𝑦
2 
2 𝑏=𝑧+2 (2)

multiplicando (2) por 3 y sumando con (1), resulta x 2y 3z 0 .
L{A} {(x, y, z)R3 / x 2y 3z 0} que es un plano en R3 que pasa por el
origen.

EJEMPLO b).- En el espacio (R3, , R, ·)

A {(0, 1, 1), (2, 1, 3), (2, 5, 1)} y B {(1, 1, 1), (1, 2, 4), (1, 0, 2)} generan el
mismo subespacio.

SOLUCIÓN
i) L{A} {(x, y, z)R3 /(x, y, z) a(0, 1, 1) b(2, 1, 3) c(2, 5, 1); a, b, cR}
(x, y, z) a(0, 1, 1) b(2, 1, 3) c(2, 5, 1)

19
(2b 2c, a b 5c, a 3b c)

𝑥 = 2𝑏 + 2𝑐 (1)
⇒ { 𝑦 = 𝑎 + 𝑏 + 5𝑐 (2)
𝑧 = 𝑎 − 3𝑏 + 𝑐 (3)

eliminando a, b y c
(2)-(3) y z 4b 4c (4)
y ahora multiplicando (1) por 2 y restando (4) resulta: 2x y z 0
Luego L{A} {(x, y, z)R3 / 2x y z 0}
ii) L{B} {(x, y, z)R3 /(x, y, z) a(1,1,1) b(1, 2, 4) c(1,0,2); a,b,cR}
(x, y, z) a(1, 1, 1) b(1, 2, 4) c(1, 0, 2)

𝑥 =𝑎−𝑏+𝑐 (1´)
⇒ { 𝑦 = 𝑎 + 2𝑏 (2´)
𝑧 = −𝑎 + 4𝑏 − 2𝑐 (3´)

eliminando a, b y c
(2)-(3) y z 2a 2b 2c ( 4' )
y ahora multiplicando (1) por 2 y restando ( 4' ) resulta: 2x y z 0
Luego L{B} {(x, y, z)R3 / 2x y z 0}
De i) y ii) L{A} L{B} . Es decir, A y B generan los mismos subespacios.

DEFINICIÓN 2.6.4.- Un subconjunto diferente del vacío, de vectores

{v1,v2,…,vn} de un espacio vectorial V sobre un campo K, se dice que es
linealmente independiente (l.i.) si y solo si:

𝑛
∑ 𝑎𝑖 𝑣𝑖 =𝜃 ⇒ 𝑎𝑖 = 0 ; ∀ 𝑖 = 1,2, … 𝑛
𝑖=1

Si {v1, v2,… vn, } no cumple esta condición diremos que {v1 ,v2 , …, vn} no es
linealmente dependiente (l.d.); es decir
𝑛
∑ 𝑎𝑖 𝑣𝑖 =𝜃 ⇒ 𝑎𝑖 ≠ 0 ; para algun i entre 1 y n
𝑖=1

20
EJEMPLO a).- En R3 , e1= (1, 0, 0), e2= (0, 1, 0) y e3 = (0, 0, 1) son
linealmente independientes.

EJEMPLO b) .- En R3,e1= (1, 2, 3), v2=(2, −1, 1) y v3= ( −1, 8,− 11) son
linealmente dependientes, pues 3v1v2v3 𝜃

1 0 0 1 0 0 0 0
EJEMPLO c).- En R2X2, {[ ],[ ],[ ],[ ]} son linealmente
0 0 0 0 1 0 0 1
independintes

DEFINICIÓN 2.6.5.- Sean (V,,K,·) un espacio vectorial, S V , diremos que S es

linealmente independiente si todo subconjunto finito de S es linealmente
independiente.
PROPOSICIÓN 2.6.6.- Sean S y S' subconjuntos de V tal que S S' . Entonces:
i) Si S' es linealmente independiente, entonces S también lo es.
ii) Si S es linealmente dependiente también lo es S' .
PRUEBA. Queda como ejercicio.

DEFINICIÓN 2.6.7.- Dado un espacio vectorial V sobre un campo K,

llamaremos
base de V a todo subconjunto no vacío S de V que cumple las siguientes
condiciones:
i) S es linealmente independiente.
ii) L{S} =V

EJEMPLO .- El conjunto {e1 , e2,e3 } es una base para el espacio vectorial

(R3 ,, R,·) , donde e1= (1, 0, 0), e2 (0, 1, 0) y e3= (0, 0, 1) .

EJEMPLO.- El conjunto {e1 ,e2 ,e3 } es una base para el espacio vectorial
(Rn , , R, ·) , donde e1= (1, 0, , 0), e2  (0, 1, , 0) , e3 (0, 0, 1) son
n-uplas.

PROPOSICIÓN 2.6.8.- Un conjunto de elementos {v1 ,.. ,vn } del espacio vectorial
V sobre un campo K forman una base si y solo si vV, v puede ser expresado de
forma única como combinación lineal de v1 , …,vn .

DEFINICIÓN 2.6.9.- Llamaremos dimensión de un espacio vectorial V sobre un

campo K, al número de elementos de cualquiera de sus bases.

21
NOTACIÓN.- Denotamos por “ dim k V ” y se lee “dimensión de V sobre el campo

K”.

OBSERVACIÓN

(1) Si V tiene como único elemento el vector nulo, convenimos que la dimensión
de V es cero. Es decir dim k{ 𝜃} 0 .
(2) Si V tiene una base infinita, la dimensión de V denotaremos por dim k V = ∞.

EJEMPLO.- El conjunto {(1, 0, 0), (0, 1, 0), (0, 0, 1)} es una R base para
R3 , entonces dim R R3 3 .

EJEMPLO.- El conjunto {(1, 0,.., 0), (0, 1,…, 0),…, (0, 0,…, 1)} es una
K base para K n , entonces dim kK n = n

EJEMPLO.- Sea V = { p(t) =a 0 + a1t + a2t2+ a3t3 / a0,a1,a2,a3 ∈ 𝑅 }

dim RV 4 , pues {1, t, t 2 , t 3} es una R base para V.

EJEMPLO .- Dado (Cn , , R, ·) . ¿Cuál es la dimensión de Cn sobre R?

SOLUCIÓN

Cn = { (z1,….zn) / zj ∈ 𝐶, ∀𝑗 = 1, … . , 𝑛 }
z j Cdonde zj a jibj y podemos escribir:

zj aj i0 ) ij

Afirmamos que:

B {(1, 0,.., 0), (i, 0,…, 0), (0, 1,…, 0), (0, i,…, 0),…., (0, 0,…, 1), (0, 0,…, i)}
es una base.
En efecto
i) B es linealmente independiente.
ii) L{B} Cn , pues cualquier (z1 …, , zn ) ∈ Cn se puede escribir como:
(z1 ,… ,zn ) = a1 (1, 0,.. ,0) + b1 (i, 0, ,0) + …. + an (0, 0, ,1) + bn (0, 0,… , i)
n a 1ib1,…, an ibn )
donde zj a j ib para todo j 1,…, n .
Luego dim R Cn 2 n.

22
TEOREMA 2.6.10.- (Completación de bases)
Sea V un espacio vectorial sobre un campo K, tal que dim kV n, W subespacio de
V y { v1,…. ,vn } es base de W. Entonces se cumple:

i) m n .
ii) Si m n , entonces existen v m+1,vn ∈ V tal que { v1,… ,vm,vm+1 ,.. , vn } es
una base para V.

23
 TRANSFORMACIONES LINEALES

3. TRANSFORMACIONES LINEALES

DEFINICIÓN 3.1.- Sean (V, , K, ·) y (W, , K, ·) dos espacios vectoriales. Una

función T :V W es llamada transformación lineal si satisface las siguientes
condiciones:
i) T(u v) T(u) T(v), u, vV .
ii) T(av) aT(v), a K y vV .
EJEMPLO.- Dados (V, , K, ·) y (W, , K, ·) espacios vectoriales.
Definimos:

T : V W
V T(v) = 𝜃w ; ∀ v ∈ V
T así definida es una transformación lineal pues satisface las condiciones i) y
ii) de la definición 3.1. y es llamada transformación lineal nula o cero y se
denota por T .

EJEMPLO.- Dado (V, , K, ·) espacio vectorial. La aplicación:

I: VV
v I(v) = av

I es transformación lineal y es llamada transformación lineal idéntica de V.

EJEMPLO .- Sea (V, , K, ·) un espacio vectorial. La aplicación:

TVV
v (v) = av

para todo a K fijo y para todo vV , es una transformación lineal.

DEFINICIÓN 3.2.- Sean V, W espacios vectoriales sobre el campo K y

T : V W una transformación lineal, diremos que:
i) T es un monomorfismo si y solo si T es inyectiva.
ii) T es un epimorfismo si y solo si T es suryectiva.
iii) T es un isomorfismo si y solo si T es biyectiva.

24
OBSERVACIONES

(1) Si V W , la transformación lineal T recibe el nombre de endomorfismo, y si

además T es biyectiva se denomina automorfismo. Es decir, un automorfismo
es una transformación lineal biyectiva de un espacio vectorial en sí mismo.
(2) Si T : V W es un isomorfismo, se dice que V es isomorfo a W y se denota
como V W .

EJEMPLO .- Sea T : R2 R2 definida T(x, y) (x y, x y) , donde T es

un automorfismo. En efecto, T es una transformación lineal y además:

i) T es un monomorfismo. Probaremos que:

T(x1,y1) =T(x2,y2) x1.y1) = (x2,y2)

(x1+y1, x1-y1) =(x2+ y2, x2-y2)
𝑥1+ 𝑦1= 𝑋2 + 𝑦2
⇒{ } x1= x2 , y1 = y2
𝑥1 − 𝑦1 = 𝑥2 − 𝑦2
2 (x1, y1) x2, y2)
Luego T es un monomorfismo.
ii)T es un epimorfismo. Probaremos que:
∀ (𝑥2 ,y2)∈ 𝑅 2 𝑡𝑎𝑙 𝑞𝑢𝑒 , (x1 , y1 )R2 tal que T ( x1, y1,) =(x2, y2) .
T ( x1, y1,) =(x1+y1, x1-y1) =(x2,y2)

𝑥1+ 𝑦1= 𝑥2 𝑥2 + 𝑦2 (𝑥2 −𝑦2 )

⇒ {𝑥 − 𝑦 = 𝑦 } ⇒ 𝑥1 = y 𝑦1 =
1 1 2 2 2
𝑥2 + 𝑦2 𝑥2 + 𝑦2
Luego ∀ (x2,y2), (x1 , y1 )( , )tal que
2 2

T(x1,y1) x2,y2)
En consecuencia T es epimorfismo.
De i) y ii) T es un isomorfismo y por lo tanto un automorfismo.

TEOREMA - (Teorema fundamental de las transformaciones lineales).

Sean (V, , K, ·) y (W, , K, ·) dos espacios vectoriales. Sea {v1,v2 , .., ,vn} una base de
V y { w1,w2,…wn } un subconjunto de vectores de W, entonces existe
una única transformación lineal T :V W tal que T(vi ) wi para todo
i 1, 2,, n .

25
3.2 NÚCLEO E IMAGEN DE UNA TRANSFORMACIÓN LINEAL
DEFINCIÓN
.- Sea T :V W una transformación lineal.
i) Llamaremos núcleo de la transformación lineal T al conjunto denotado por
“Nu(T)” que definiremos como:

Nu( T) = {v V / T( v) w }

Es decir, el núcleo de T es el conjunto formado por todos los elementos de V
tales que sus imágenes mediante T es igual al elemento nulo de W.

V w
V
θ𝑣
θ𝑊

Nu(T)

ii) Llamaremos imagen de la transformación lineal T al conjunto denotado por

“Im(T)” que definimos como:
Im(T) {wW /vV T(v) w}
Es decir, wW es un elemento de la imagen de T si existe vV tal T(v) w.
T
v
w

θ𝑊

Im(T)

26
OBSERVACIONES.

(1) Nu(T) es un subespacio de V e Im(T) es un subespacio de W.

(2) Si W =L ={v1,…vn} entonces Im(T ) = L {T(v1) ,.. ,T ( vn)} 1 n T L T v T v .
(3) La dimensión de Im(T) se denomina rango de T y se denota por “r(T)”. Es
obvio que r (T) dim k W .

27