Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Departamento de Álgebra
Universidad de Sevilla
Depto. de Álgebra
4. Espacios vectoriales 1
4.1. Estructuras algebraicas. . . . . . . . . . . . . . . . . . . . . . . . . . 1
4.2. Dependencia lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
4.3. Conjunto generador y base . . . . . . . . . . . . . . . . . . . . . . . 18
4.4. Dimensión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
4.5. * Espacio producto . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.6. Coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.7. Cambio de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
∗
Nota: los apartados con asterisco son opcionales.
III
Depto. de Álgebra
Espacios vectoriales
p : X ×X → X.
1
Depto. de Álgebra
Grupo
(Z, +), (Q, +), (R, +) y (C, +) son grupos abelianos aditivos.
(Q\{0}, ·), (R\{0}, ·) y (C\{0}, ·), donde · se refiere al producto, son gru-
pos abelianos multiplicativos.
Anillo
(a + b) · c = a · c + b · c, para todo a, b, c ∈ A.
Un anillo (A, +, ·), se dice que es unitario, o que tiene elemento unidad,
si existe u ∈ A tal que a · u = u · a = a para todo a ∈ A.
De igual modo, (Q[x], +, ·), (R[x], +, ·), y (C[x], +, ·) son anillos conmu-
tativos.
Cuerpo
a · (b + c) = a · b + a · c, para todo a, b, c ∈ K.
p : K× X → X.
p(X ) = a4 X 4 + a3 X 3 + a2 X 2 + a1 X + a0
definimos
Espacio vectorial
a) (α + β)v = αv + βv .
b) α(v + w ) = αv + αw .
c) α(βv ) = (αβ)v .
d) 1v = v , donde 1 es el elemento neutro de la multiplicación
de K.
A(v + w ) = A v + A w = 0.
A(αv ) = αA v = α0 = 0,
5. Si αv = βv y v 6= 0, entonces α = β.
6. Si αv = αw y α 6= 0, entonces v = w .
1. De la igualdad
α0 = α(0 + 0) = α0 + α0,
2. Análogamente,
v = 1 · v = (1 + 0)v = 1 · v + 0v = v + 0v .
αv + (−α)v = (α + (−α))v = 0v = 0,
Combinación lineal
α1 v1 + α2 v2 + · · · + αr vr ∈ V, donde α1 , . . . , αr ∈ K.
p(x) = 2 · 1 + (−2) · (1 + x) + 3 · (1 + x + x 2 ) = 3 + x + 3x 2
Nota 4.2.1. Obsérvese que, por definición, las combinaciones lineales de vec-
tores son finitas. Es decir, podemos partir de un conjunto infinito de vectores,
pero en la suma solamente intervienen un número finito de elementos.
Dependencia lineal
x1 v1 + · · · + xr vr = 0
−2 −2 −5 −2
0 = α1 u1 + α2 u2 + α3 u3 + α4 u4 .
¡ ¢
Sea A S = v1 · · · vr .
Gauss
Calculamos A S −−−→ E .
En resumen,
2 1 2
verifica que
1 −1 5 1 −1 5
Gauss
1
AT = 0 −−−−→ 0
2 1 ,
−3
2 1 1 0 0 0
por lo que T es un conjunto linealmente dependiente.
P RUEBA :
αi vi = −α1 v1 − · · · − αi −1 vi −1 − αi +1 vi +1 − · · · − αr vr ,
y al ser αi 6= 0, obtenemos
α1 αi −1 αi +1 αr
vi = − v1 − · · · − vi −1 − vi +1 − · · · − vr ,
αi αi αi αi
que es una expresión de vi como combinación lineal de los demás; por
tanto vi depende linealmente de los demás.
v = β1 v1 + · · · + βr vr , vk ∈ S − {v }.
β1 v1 + · · · + βr vr − v = 0,
que es una expresión del vector 0 como combinación lineal de los vecto-
res v1 , . . . , vr , v donde no todos los coeficientes son nulos (el coeficiente
de v es −1). Por tanto, el conjunto {v1 , . . . , vr , v } es linealmente depen-
diente y S también lo es.
u = α1 v1 + · · · + αp vp , vi ∈ S y además
vi = βi ,1 wi 1 + · · · + βi ,qi wi qi , para i = 1, . . ., p, wi j ∈ T.
α1 u1 + · · · + αr ur + βv = 0, ui ∈ S, i = 1, . . ., r,
El rango es entonces igual a tres, por lo que el sistema siempre tendrá solución,
independientemente de los valores de α1 , α2 , α3 .
Conjunto generador en Kn
Sea G = {v1 , . . . , vs } ⊂ Kn .
¡ ¢
Construimos la matriz AG = v1 · · · vs , que es de orden n×s.
Gauss
Calculamos AG −−−−→ E una forma escalonada.
En resumen,
Sea T = (AG |I n ), que es una matriz n × (s + n). El bloque de la derecha nos dice
que rango(T ) = n y el razonamiento anterior implica que rango(T ) = rango(AG ).
Por tanto, rango(AG ) = n.
Recíprocamente, si rango(AG ) = n y v ∈ Kn , la matriz (AG |v ) es de orden n ×
(s + 1) y tiene rango igual a n, de donde v es combinación lineal de los vectores
de G.
Un espacio vectorial puede tener muchos sistemas de generadores diferen-
tes. Incluso puede haber sistemas de generadores donde algún vector no sea
necesario. En el ejemplo anterior, los tres primeros vectores forman un sistema
generador de R3 . Esto nos va a llevar al concepto de base.
Base
Ejemplo 4.3.4.- El conjunto {1, x, x 2 , . . .} es una base del espacio vectorial R[x].
Observemos que tiene un número infinito de elementos. Además, R[x] no pue-
de ser finitamente generado: supongamos que existe un conjunto finito de po-
linomios g 1 (x), g 2 (x), . . . , g r (x) que sean linealmente independientes y genera-
dores. Existe una potencia k de x que es la mayor que aparece en estos poli-
nomios. Entonces el polinomio x k+1 no se puede expresar como combinación
lineal de g 1 (x), . . . , g r (x).
16 13 5
u4 = u1 + u2 − u3 .
7 7 7
Sin embargo, el conjunto B = {u1 , u2 , u3 } es base, pues la matriz
¡ ¢
AB = u1 u2 u3
tiene una forma escalonada con tres pivotes, es decir, su rango es tres. Esto
significa que es un sistema generador y los vectores son independientes.
Nota 4.3.1. Las bases infinitas no tienen nada que ver con las combinaciones
lineales infinitas. En el ejemplo de R[x], no estamos considerando expresiones
de la forma
∞
X
ci x i ,
i =0
Existencia de base
P RUEBA :
Sea G = {v1 , . . . , vp }. Vamos a dividir el conjunto G en dos subconjuntos. Si
v1 6= 0, lo etiquetamos como básico. Si es cero, lo etiquetamos como no básico.
Para cada i ≥ 2, si vi no depende linealmente de los anteriores {v1 , . . . , vi −1 },
etiquetamos a vi como básico y, en otro caso, lo etiquetamos como no básico.
Sea B el conjunto de todos los elementos básicos. Vamos a probar que B es
una base de V . El conjunto B es no vacío, porque no todos los vi son nulos y el
primer vi no nulo será básico.
Todo vector de V depende linealmente de G, porque es un conjunto gene-
rador. Por la construcción, todos los elementos de G dependen linealmente de
B: los básicos porque están en B y los no básicos por la definición. En conse-
cuencia, B es un conjunto generador.
Basta entonces comprobar que B es un conjunto linealmente indepen-
diente. Sea B = {u1 , . . . , us } y consideremos una expresión de la forma
α1 u1 + α2 u2 + · · · + αs us = 0.
Entonces
α1 u1 + α2 u2 + · · · + αs−1 us−1 = −αs us
4.4. Dimensión
En esta sección definiremos un concepto esencial del álgebra lineal: la di-
mensión de un espacio vectorial. Necesitamos primero el siguiente resultado:
vi = a1i u1 + · · · + ani un , a j i ∈ K, i = 1, . . . , r.
x1 v1 + · · · + xr vr = 0,
0 = x1 v1 + · · · + xr vr
= x1 (a11 u1 + · · · + an1 un ) + · · ·
+ xr (a1r u1 + · · · + anr un )
= (a11 x1 + · · · + a1r xr )u1 + · · · + (an1 x1 + · · · + anr xr )un .
Este resultado implica que una base de un espacio vectorial finitamente ge-
nerado tiene que contener un número finito de elementos, pues su cardinal
está acotado por el de cualquier conjunto generador. Identificamos ahora un
invariante de un espacio vectorial finitamente generado.
Teorema de la base
Ejemplo 4.4.1.-
El K-espacio vectorial Kn tiene dimensión n, pues la base estándar tiene
n elementos.
P RUEBA : Sea n = dim(V ). Los dos primeros apartados los conocemos ya. Su-
pongamos entonces que S es un conjunto generador con m = dim(V ). Por el
teorema de existencia de base (pág. 22), podemos extraer una base de S. Como
el número de elementos de S es igual a la dimensión, no es posible conseguir
una base de menor número de elementos, por lo que S es ya una base.
Supongamos ahora que S es un conjunto linealmente independiente, con
m = dim(V ). Si v ∈ V no se puede expresar como combinación lineal de S, en-
tonces S ∪ {v } es linealmente independiente (relación entre combinación y de-
pendencia lineal, pág. 15), lo que implica que m + 1 ≤ dimV , que es una con-
tradicción.
Base en Kn
¡ ¢
Sea B = {v1 , . . . , vn } y A B = v1 · · · vn .
Gauss
Calculamos A B −−−−→ E .
En resumen,
Formamos la matriz
¡ ¢
A= v1 · · · vm e1 · · · en .
El método anterior es válido, porque los m primeros pivotes están en las m pri-
meras columnas, pues S es un sistema libre, y el resto entre las siguientes co-
lumnas. Por tanto, las columnas básicas de la matriz A contienen a los vectores
de partida v1 , . . . , vm y todas forman una base de Kn que completa a S.
Espacio producto
V1 × V2 = {(v1 , v2 ) | v1 ∈ V1 , v2 ∈ V2 },
4.6. Coordenadas
La principal ventaja de la existencia de bases, en los espacios vectoriales
de dimensión finita, es que vamos a poder estudiarlos, sea cual sea el espacio
vectorial, como si fuera Kn . Esto lo vamos a conseguir mediante el uso de coor-
denadas.
Primero necesitamos hacer una precisión. Hasta ahora, cuando hablába-
mos de un conjunto de vectores, o de una base, no nos importaba el orden en
que estuvieran los vectores. Pero para definir las coordenadas de un vector, es
necesario fijar un orden. Por tanto, a partir de ahora, cuando escribamos una
base en la forma B = {u1 , . . . , un } entendemos que hay una ordenación, lo que
nos permite hablar del i -ésimo vector de una base.
Unicidad de la expresión
Coordenadas
αn
αn
Por tanto, no importa cómo sea V como espacio vectorial; si fijamos una
base, vamos a poder representar los elementos de V como elementos del co-
nocido espacio vectorial Kn . Hay que hacer notar unas cuestiones sencillas,
pero muy importantes.
vn vn
pues ui = 0 · u1 + · · · + 1 · ui + · · · + 0 · un .
G-J ¡ ¢
Calculamos A −→ E = I n w la forma escalonada reducida
por filas de la matriz A.
Entonces
1 1 1 0 1 1 0 0 0 −2/3
1 1 0 1 2 G-J 0 1 0 0 1/3
¡ ¢
A= u1 u2 u3 u4 v = −→ .
1 0 1 1 3 0 0 1 0 4/3
0 1 1 1 4 0 0 0 1 7/3
Luego
− 32
1
3
vB = 4
.
3
7
3
c B : V → Kn
1. cB (u + v ) = cB (u) + cB (v ),
para todo α ∈ K y u, v ∈ V .
entonces
v = a 1 u1 + a 2 u2 + · · · + a n un , w = b 1 u1 + b 2 u2 + · · · + b n un ,
de donde
Por tanto,
a1 + b1 αa1
a2 + b2
αa2
[v + w ]B = .. , [αu]B = .. .
. .
an + bn αan
a11
a21
u′1 [u′1 ]B
= a11 u1 + a21 u2 + · · · + an1 un , = .. ,
.
an1
a12
a22
u′2 = a12 u1 + a22 u2 + · · · + an2 un , [u′2 ]B =
.. ,
.
an2
.. ..
. .
a1n
a2n
u′n = a1n u1 + a2n u2 + · · · + ann un , [u′n ]B =
.. .
.
ann
¡ ¢
M(B ′ , B) = (ai j ) = [u′1 ]B [u′2 ]B . . . [u′1 ]B ,
v = (a11 x1′ + · · · + a1n xn′ )u1 + · · · + (an1 x1′ + · · · + ann xn′ )un .
Calculamos
¡ ¢la forma escalonada reducida por filas de la matriz
AB AB′ .
¡ ¢ G-J ¡ ¢
A B A B ′ −→ I n P .
Entonces
1 1 0 1 1 1 1 0 0 0 1 1/2
¡ ¢ G-J
AB AB′ = 1 0 1 −1 0 0 −→ 0 1 0 1 0 1/2 .
0 1 1 0 −1 0 0 0 1 −1 −1 −1/2
Usando este tipo de matrices, podremos ver la similitud existente entre los
conceptos definidos para espacios vectoriales y los definidos para matrices.