Conferencia # 4

Tema 2: Nociones de Álgebra Lineal Abstracta con aplicaciones geométricas y

algorítmicas.

Asunto: Espacios vectoriales: definición, propiedades. Subespacios vectoriales:

definición, propiedades. Combinación lineal. Dependencia e independencia lineal de un
sistema de vectores.
Objetivo: Determinar cuándo un conjunto es un espacio vectorial o un subespacio
vectorial. Determinar la dependencia o independencia lineal de un sistema de vectores.

Desarrollo
Espacio vectorial
Definición: Sea E un conjunto no vacío sobre el cual se han definido dos operaciones:
1. Suma: Si X  E , Y  E entonces X + Y E
2. Producto por un número: Si K   y X E entonces K*X E
Si estas operaciones cumplen las siguientes propiedades independientes.
P1. Conmutativa de la suma:
Para todo X, Y  E, X+Y=Y+X
P2. Asociativa de la suma:
Para todo X, Y, Z  E, X + (Y + Z) = (X + Y) + Z
P3. Existencia de un neutro para la suma:
Existe o  E tal que X + o = o + X = X para todo X E
P4. Existencia de un opuesto para cada elemento de E:
Para todo X E, existe -X E tal que X + (-X) = o
P5. Producto de un elemento de E por el número uno:
Para todo X E, 1*X = X
P6. Distributividad del producto por un escalar respecto a la suma de vectores.
Para todo X, Y  E, K   , K(X + Y) = KX+ KY
P7. Distributividad del producto por un escalar respecto a la suma de escalares.
Para todo K,    , X  E; (K +  )X = KX +  X
P8. Asociatividad mixta:
Para todo K,    , X  E ; K(  X) = (K  )X
Entonces el conjunto E recibe el nombre de espacio vectorial y sus elementos son vectores.
Destacar que este concepto generaliza el concepto de vector que hasta hoy era una flecha → con
dirección, sentido y módulo.
Ejemplos de espacios vectoriales:
− El conjunto de vectores libres del plano.
−  2 (plano xy)
−  3 (el espacio)
− El conjunto de las matrices Mm*n
− El conjunto de las funciones reales definidas en un intervalo (a, b)
− El conjunto de los polinomios con coeficientes reales.
El espacio vectorial  n
El conjunto  n es un producto cartesiano cuyos elementos son eneadas de números reales

 2  ( x1 , x 2 ) x1 , x 2  

 3  ( x1 , x2 , x3 ) x1 , x2 , x3  

...........................................
 n   ( x1 , x 2 ,..., x n ) x1 , x2 ,..., xn  

Cada uno de los números reales que forman una eneada, se denomina componente de la eneada.
En el conjunto  n están definidas la igualdad entre eneadas de números reales, la adición de
eneadas y la multiplicación de un número real por una eneada. Este conjunto cumple las
propiedades exigidas en la definición de espacio vectorial, por tanto es un espacio vectorial.
Es bueno destacar por su utilidad algunos elementos del espacio vectorial  n . El vector nulo de

 n es la eneada (0; 0; 0;...; 0). El opuesto de cualquier vector ( x1 , x2 ,..., xn ) de  n es el vector

(  x1 , x2 ,..., xn ) de  n .

Son importantes también los vectores de la forma (1; 0; 0;....; 0); (0; 1; 0;....; 0); (0; 0; 1;....; 0); (0; 0;
0;....; 1) que se denominan vectores canónicos de  n y se denotan e1, e2, e3,..., en.

Combinación lineal de un sistema de vectores

Definición: Se denomina combinación lineal de un sistema de {X1, X2, ..., Xk} de k vectores de un
espacio vectorial E con λ1, λ2, ..., λk escalares, a la expresión: λ1 X1 + λ2 X2 + ... + λk Xk. Es
importante destacar, que una combinación lineal de cualquier sistema de vectores de un espacio
vectorial E, es un vector de E.
La combinación lineal es la operación que involucra a las dos operaciones básicas definidas en un
espacio vectorial, o sea, el producto por un número y la suma, esto es:
Si X, Y E y 1 ,  2   entonces: 1 X   2Y es una combinación lineal de los vectores X e Y

con los coeficientes escalares 1 y 2 .

Ejemplo 1: Investigar si el vector X = (1; −1) es combinación lineal de los vectores Y = (1; 2) y Z
= (2; 4)
1 (1; 2) + 2 (2; 4) = (1; -1)
 1  22  1 1 2 1  1 2 1 
 SEL con (A/B) =  ~  
21  42  1 2
 4  1 0
 0  3 

incompatible pues r(A) ≠ r(A/B)

Por tanto no existen los coeficientes 1 y 2 ; lo que indica que X no es combinación lineal de los
vectores Y y Z.

Ejemplo 2: Expresar, si es posible, el vector (3; 2; 5) como combinación lineal de los vectores (1; 1;
1), (0; 1; 1) y (2; 0; 1)
1 (1; 1; 1) + 2 (0; 1; 1) + 3 (2; 0; 1) = (3; 2; 5)

1  23  3

1  2  2
  2  3  5
 1

1 0 2 3 1 0 2 3  1 0 2 3 
(A/B) =
1 1 0 2 ~ 0 1  2  1 ~ 0 1  2  1
     
1 1 1 5 0  1 1  2 0 0  1  3

1  23  3 (1)


 2  23   1 ( 2)
  3   3 (3)


De (3) Sustituyendo en (2) Sustituyendo en (1)

3 = 3 2 = 5 1 = -3

Por tanto: (3; 2; 5) = -3(1; 1; 1) + 5(0; 1; 1) + 3(2; 0; 1)

(3; 2; 5) = (-3; -3; -3) + (0; 5; 5) + (6; 0; 3)
(3; 2; 5) = (3; 2; 5)

Concluir que el vector nulo de un espacio vectorial es combinación lineal de cualquier sistema de
vectores de dicho espacio, pues el SEL que surge de dicha combinación lineal es homogéneo y
estos siempre son compatibles, por tanto, siempre existirán los coeficientes de la combinación
lineal. Pero este SEL puede ser determinado (soluciona única) entonces todos los coeficientes
nulos.
Si el SEL es indeterminado entonces los coeficientes de la combinación lineal pueden tomar otros
valores distintos de cero.

Subespacio Vectorial
Definición: Un subconjunto S no vacío, de un espacio vectorial E es un subespacio vectorial si
cumple con la definición de espacio.
No obstante, la definición anterior, el subespacio vectorial se puede caracterizar por las siguientes
propiedades:
Definición: Sea E un espacio vectorial y F un subconjunto de E no vacío, entonces: F es un
subespacio vectorial de E si y solo si:

P1. F conserva la suma: si X, Y F entonces (X + Y)  F

P2. F conserva el producto por un escalar: si K  , X F entonces KX  F.

O sea que una condición necesaria y suficiente para que F sea un subespacio vectorial es que

cualesquiera sean X e Y vectores de F y 1 y 2 números reales se cumpla que la combinación

lineal 1 X   2Y  F.
Ejemplos:
a) F =   x, y    2 tal que y = 0}
Verifiquemos el cumplimiento de las propiedades P1 y P2.
P1. (a1; 0) + (a2; 0) = (a1 + a2; 0) E
P2. K(a; 0) = (Ka; 0)  F
Entonces F es un subespacio vectorial.
b) S =   x, y    2 tal que x – y = 0}
La condición x – y = 0 es equivalente a x = y. Entonces:
P1. (a; a) + (b; b) = (a + b; a + b) S
P2. K(a; a) = (Ka; Ka)  S

Destacar que ambos subespacios son rectas en el plano.

a) y b) y

y=0

x x
y y

x =y
¿Si una recta no pasa por el origen de coordenadas representará a un subespacio vectorial?
No, pues no contiene al vector nulo del espacio.

Dependencia e independencia lineal

Definición: Dado un espacio vectorial E, un sistema A = { u 1 , u 2 , u 3 ,...., u n } de n vectores y

1 , 2 , 3 ,....., n   .
Si 1 u 1  2 u 2  3 u 3  ....   n u n  0 con (I)

1. 1  2  3  ......  n  0 entonces el sistema es linealmente independiente.

2. i ≠ 0 el sistema u 1 , u 2 , u 3 ,..., u n es linealmente dependiente, o sea si el SEL homogéneo es

determinado, entonces los vectores son linealmente independiente y si es indeterminado los
vectores son linealmente dependiente.
La relación (I) es el modelo general para analizar o investigar la dependencia lineal de un sistema
de vectores de un espacio cualquiera E.
Si el espacio es  n entonces existen vías prácticas para analizar la dependencia lineal:
1. Formando un determinante
Si el sistema de vectores está formado por n vectores de  n formamos un determinante con sus
vectores en filas o en columnas y si este es distinto de cero el sistema es linealmente
independiente. Si el determinante es cero, entonces el sistema es linealmente dependiente.
Ejemplo: El sistema de vectores u 1 = (1; -1; 1), u 2 = (2; 3; -3), u 3 = (1; 4; -4)

1 2 1 1 2 1
es linealmente dependiente pues  1 3 4 = 0 5 5 = 0 por tener dos filas iguales.
1 3 4 0 5 5

2. Empleo del rango de una matriz.

Se forma una matriz con los vectores del sistema y se le determina el rango. Si el rango coincide
con el número de vectores del sistema que se investiga, entonces este es linealmente
independiente, si no coincide entonces es linealmente dependiente.
Ejemplo: Analizar la independencia o dependencia lineal del sistema de vectores: u 1 = (1; -1; 0;
1), u 2 = (2; 0; 1; -1), u 3 = (2; 1; 0; 1)

1 2 2 1 2 2 1 2 2 1 2 2
 1 0 1 0 2 2 0 2 2 0 2 2
A=  ~  ~   ~  
0 1 0 0 1 0 0 0 2 0 0 2
       
1 1 1 0 3  1 0 0 4 0 0 0

r(A) = 3 n=3 El sistema es linealmente independiente

Si el sistema se escribe en filas, entonces:

 1 1 0 1  1 1 0 1  1 1 0 1 
     
A = 2 0 1  1 ~ 0 2 1  3 ~ 0 2 1 3 
2 1 0 1  0 3 0  1  0 0 3  11 
  

r(A) = 3 n=3 El sistema es linealmente independiente

De esta última forma se trabaja menos, se hacen sólo tres iteraciones.

Estudio Independiente
 Lt. Álgebra Lineal de Maria Virginia Varela
1. Estudiar los conceptos, definiciones de espacio vectorial (Página 189-254).
2. Responder las preguntas (Página 255 – 257).
3. Estudiar los ejercicios resueltos (Página 257 - 263).
4. Resolver los ejercicios propuestos (Página 264 - 265).
5. Estudiar los ejercicios resueltos (Página 315).

 Lt. Algebra Lineal. Teoría y problemas de Celia Fernández.

1. Estudiar los conceptos, definiciones de espacio vectorial (Página 181-210).
2. Estudiar los ejercicios (Página 111).