Está en la página 1de 14

María Ronco Algebra Lineal 1. Ing.

Estadística

Espacios vectoriales. Definición y ejemplos: Rn y Rnxm. Subespacios: definición. Ejemplos:


soluciones de sistemas lineales homogéneos. Ejemplos de subespacios de espacios de matrices.

1. Espacio vectorial. Vamos a definir un concepto que engloba los ejemplos que vimos hasta
ahora: los espacios Rn y las matrices de Rnxm. En ambos casos tenemos dos operaciones, la
suma y el producto por un número real (en las matrices existe también un producto de matrices,
pero con ciertas restricciones).

1.1. Definición. Un espacio vectorial real es un conjunto V provisto de dos operaciones:


i) la suma +, que a cada par de elementos (v, w) de V, le asigna otro elemento v+w de V.
ii) el producto por escalares ., que a un número real λ y a un elemento v ∈ V les asigna un
elemento λ.v ∈ V.
Estas operaciones verifican las siguientes propiedades:
a) Si v, w y s son elementos de V, entonces
(v + w) + s = v + (w + s) (asociatvidad de +)
b) Si v y w son elementos de V entonces:
v + w = w + v (conmutatvidad de +)
c) Existe un elemento 0V ∈ V, tal que para todo v ∈ V se verifica:
0V + v = v + 0V = v (existencia de elemento neutro para +)
d) Para todo v ∈ V existe otro elemento en V, que notamos -v tal que:
v + (-v) = 0V (existencia de inverso aditivo)
e) Si λ ∈ R y v,w ∈ V, entonces:
λ.(v + w) = λ.v + λ.w. (distributividad de . con respecto a la suma de V)
f) Si λ, µ ∈ R y v ∈ V, entonces:
(λ + µ).v = λ.v + µ.v (distributividad de . con respecto a la suma de R)
g) Si λ, µ ∈ R y v ∈ V, entonces:
(λ µ).v = λ.(µ.v). (asociatividad de .)
h) Dado v ∈ V,
1.v = v, donde 1 ∈ R es el elemento neutro para el producto de números reales.
A menudo los elementos de un espacio vectorial se llaman vectores.

1.2. Ejemplos.
1) El espacio Rn, para n ≥ 1.
2) El espacio Rnxm, para n y m fijos, formado por las matrices de m filas y n columnas.
3) El espacio vectorial que consta de un solo punto, {0}. Las operaciones son:
0 + 0 = 0, y λ.0 = 0, para todo λ ∈ R.

2. Subespacios. Dado un espacio vectorial real V, un subespacio es un subconjunto de V que con


las operaciones + y . es un espacio en sí mismo.

1
María Ronco Algebra Lineal 1. Ing. Estadística

2.1. Definición. Sea V un espacio vectorial real. Un subconjunto S de V es un subespacio si:


i) S ≠ ∅, donde ∅ designa al conjunto vacío.
ii) Si v y w son dos elementos de V que están en S entonces su suma v + w también está en S.
iii) Si λ ∈ R y v ∈ S, entonces el producto λ.v está en S.

Propiedad. Para todo subespacio S de un espacio vectorial V, el elemento neutro 0V de V está


en S. En efecto, si S es un subespacio de V entonces, por i), S ≠ ∅ y existe un elemento
v ∈ S. Ahora por iii) el producto de v por cualquier número real también está en S, en particular
0.v está en S. Pero
0.v = (0 + 0).v = 0.v + 0.v , y restando 0.v de cada lado de la igualdad obtenemos:
0V = 0.v. Lo que prueba que 0V está en S.

2.2. Ejemplos. a) Una recta en R2 que contiene al origen es un subespacio.


Si L es una recta en R2 y P = (a,b) es un punto de L, sabemos que la ecuación paramétrica de L
es L:{ λ.(a, b), con λ ∈ R.
Como (0, 0) = 0. (a, b) está en L, L es no vacío.
Si v = λ.(a, b) = (λa, λb) ∈ L y w = µ.(a, b) = (µa, µb) ∈ L, tenemos
v + w = (λa, λb) + (µa, µb) = ((λ+µ) a, (λ+µ)b) = (λ+µ).(a, b), con (λ+µ) ∈ R, entonces
v + w ∈ L.
Si v = λ.(a, b) = (λa, λb) ∈ L y c ∈ R, tenemos
c.v = c.(λa, λb) = (c(λ a), c(λb)) = (cλ).(a, b), con cλ ∈ R, entonces
c.v ∈ L.
b) Dado un espacio vectorial V el conjunto 0 :={0V}, cuyo único elemento es el elemento neutro
de V es un subespacio.
En efecto 0 ≠ ∅, pues 0V ∈ 0.
Si v y w ∈ 0, entonces v = 0V y w = 0V. En ese caso v + w = 0V + 0V = 0V ∈ 0.
Si v ∈ 0 y c ∈ R, entonces v = 0V , y c.v = c.0V = 0V ∈ 0.
0 es el menor subespacio de V, está contenido en todos los subespacios.
c) Dado un espacio vectorial V, el mismo espacio V es subespacio de sí mismo, es el mayor
subespacio de V.
d) El conjunto de soluciones de un sistema homogéneo de m ecuaciones y n incógnitas

es un subespacio de Rn.
En efecto 0Rn = (0, 0, ... , 0) es siempre solución del sistema. Lo que prueba que el conjunto de
soluciones es no vacío.

2
María Ronco Algebra Lineal 1. Ing. Estadística

Si v = (v1, v2, ..., vn ) y w = (w1, w2, ..., wn ) son soluciones del sitema, evaluamos cualquier
ecuación en v + w = (v1+ w1, v2+ w2, ..., vn + wn), al evaluar la ecuación i-ésima resulta:
ai1 (v1+ w1)+ ai2 (v2+ w2) +... + ain (vn+ wn) =
= (ai1 v1+ ai2 v2 +... + ain vn) + (ai1 w1+ ai2 w2 +... + ain wn) = 0 + 0 = 0,
con lo cual v + w es otra solución del sistema.
Si v = (v1, v2, ..., vn ) es solución del sistema y c es un número real, c.v = (cv1, cv2, ..., cvn).
Evaluando la ecuación i-ésima en c.v, para cualquier 1≤ i ≤ m, tenemos:
ai1(cv1) + ai2(cv2) +... + ain(cvn) = (ai1c)v1 + (ai2c)v2 +... + (ainc)vn =
= c (ai1 v1+ ai2 v2 +... + ain vn) = c.0 = 0.
Luego c.v es solución de todas las ecuaciones, entonces es solución del sistema.
e) El conjunto de soluciones del sistema:

no es un subespacio de Rn si (c1, c2, ..., cm) ≠ (0, 0, ... , 0).


En efecto, si (c1, c2, ..., cm) ≠ (0, 0, ... , 0) existe k, 1 ≤ k ≤ m, tal que c k ≠ 0 (pueden existir
varios k que verifiquen ck ≠ 0, tomamos uno cualquiera). Sabemos que si el conjunto de
soluciones del sistema es subespacio entonces 0Rn debe ser solución (pues todos los subespacios
de V contienen a 0V). Evaluemos la k-ésima ecuación en 0Rn:
ak10 + ak20 +... + akn0 = 0 + 0 + ... + 0 = 0 ≠ ck .

Entonces 0Rn no es solución, de donde el conjunto de soluciones del sistema no es un subespacio


de Rn.
f) El conjunto de soluciones de la ecuación x2 - 4y2 = 0 en Rn no es un subespacio.
Sabemos que la ecuación x2 - 4y2 = (x - 2y)(x + 2y) = 0, lo que implica x - 2y = 0 ó x + 2y = 0.
El conjunto de soluciones es la unión de las rectas L :{x - 2y = 0 y L’ :{x + 2y = 0.

El (0, 0) es solución de la ecuación.


Qué pasa si sumamos dos soluciones, una en la recta L y otra en la recta L’ ? Dibujando el
paralelogramo vemos que la suma de las dos soluciones no es solución. Por ejemplo tomemos el

3
María Ronco Algebra Lineal 1. Ing. Estadística

(2, 1) ∈ L y (2, -1) ∈ L’. La suma de ambos es (2, 1) + (2, -1) = (4, 0), pero 42 - 2.02 = 16 ≠ 0, o
sea que encontramos dos soluciones cuya suma no es solución. Entonces el conjunto de
soluciones no es subespacio.
g) El conjunto S = {A ∈ R2x2 / a12 = a21 = 0} es un subespacio de R2x2.
Notemos primero que S es el conjunto de todas las matrices de la forma
A=
con a11 y a22 números cualesquiera.
La matriz

0R2x2 =
es un elemento de S.

Si A y B son dos matrices en S


A= y B=
entonces
A+B=
está en S.

Si A es una matriz de S
A=
y λ es un número real, entonces
λ.A =
está en S.
h) El paralelogramo

no es un subespacio. Si bien (0, 0) está en el paralelogramo, y la suma de varios elementos del


paralelogramo está en el paralelogramo (se ve en el dibujo) ; pero algunas sumas y el producto
de un elemento del paralelogramo por un escalar cualquiera no siempre están. Tomemos por
ejemplo el punto (4, 2) y λ = 2, el vector (4, 2) está en el paralelogramo pero 2 .(4, 2) = (8, 4) no
está.

4
María Ronco Algebra Lineal 1. Ing. Estadística

En realidad todo subespacio de Rn puede expresarse como solución de un sistema homogéneo


de ecuaciones en n variables. Dado un subespacio S de Rn podemos indicarlo como el conjunto
de soluciones de un sistema homogéneo:

o dando su forma paramétrica:


S :{λ1.v1 + λ2.v2 + ... + λr.vr , con λ1, λ2, ... , λr ∈ R, donde v1, v2, ... y vr son vectores de Rn.

3. Combinación lineal

3.1. Definición. Sea V un espacio vectorial real y v1, v2, ... y vr vectores de V. Si un vector
v ∈ V se escribe de la forma v = λ1.v1 + λ2.v2 + ... + λr.vr, con λ1, λ2, ... , λr ∈ R, diremos que
v es combinación lineal de v1, v2, ... y vr.

3.2. Ejemplo. Escribir el vector (-1, 2) en R2 como combinación lineal de (1, -1) y (2, 2).

Solución. Planteamos (-1, 2) = λ1 (1, -1) + λ2 (2, 2), y buscamos λ1 y λ2.


Resulta (-1, 2) = (λ1, -λ1) + (2λ2, 2λ2) = (λ1 + 2λ2, -λ1 + 2λ2), luego

Resolvemos el sistema

Claramente resulta λ2 = 1/4 y λ1 = -3/2, y (-1, 2) = −3/2 (1, -1) + 1/4 (2, 2).

4. Generadores.

4.1. Definición. Dado un espacio vectorial V diremos que {v1, v2, ... , vr} es un sistema de
generadores de V, o que {v1, v2, ... , vr} generan V, si todo elemento de V es combinación
lineal de {v1, v2, ... , vr}.

4.2.Ejemplos. a) Probar que los siguientes conjuntos son generadores de los espacios indicados:
i) {(1,0), (1,1)} V = R2
ii) {(1, 2, -1), (2, 0, -2)} V = {x ∈ R3 : x1 + x3 = 0
iii) V = R2x2

b) Encontrar un sistema de generadores de :

5
María Ronco Algebra Lineal 1. Ing. Estadística

i) R3x2
ii) S = {x ∈ R3 : 3x1 - 2x2 = 4x1 + x2 - x3 = 0}
iii) T = {x ∈ R4 : -2x2 - x4 = 3x1 + x3 - 2x4 = 3x1 + 4x2 + x3 = 0}
iv) W = {x = λ1 (3, 0, 1) + λ2 (2, 1, 1) + λ3 (0, 1, 1) + λ4 . (0, 0, 1), con λ1, λ2, λ3, λ4 ∈ R.

Solución. a) i) Tomamos un vector cualquiera de R2, v = (x1, x2). Debemos ver que es
combinación lineal de (1, 0) y (1, 1), esto es:
(x1, x2) = λ1(1, 0) + λ2(1, 1) = (λ1 + λ2, λ2). Obtengo un sistema de 2 ecuaciones con 2
incógnitas:

Debemos probar que tiene solución para todo (x1, x2). Pero esto es verdad, la solución del
sistema es λ1 = x1 - x2 y λ2 = x2, cualesquiera sean los valores de x1 y x2.
ii) Si (x1, x2, x3) ∈ V entonces es de la forma (x1, x2, -x1), con x1 y x2 números reales
cualesquiera. Debemos ver entonces que para cualquier valor de x1 y x2 existen λ1 y λ2 tales que:
(x1, x2, -x1) = λ1(1, 2, -1) + λ2(2, 0, -2) = ( λ1 + 2λ2 , 2λ1, -λ1 -2 λ2 ). Obtenemos un sistema de 3
ecuaciones con 2 incógnitas:

Para ver si tiene solución triangulamos la matriz:


→ →
→ -1/4 F2→
Existe siempre solución única y es: λ 1 = 1/2x2
λ 2 = -1/4x2 + 1/2 x1.
Por lo tanto {(1, 2, -1), (2, 0, -2)} generan V.
iii) Una matriz de R2x2 es de la forma
, con x11, x12, x21 y x22 números reales.
Para que el conjunto de matrices genere R2x2 necesitamos que, para cada
(x11, x12, x21, x22 ) ∈ R4 existan λ1, λ2, λ3 y λ4 en R tales que:
= λ1 + λ2 + λ3 + λ4
Esto es:
=
Nos queda un sistema de ecuaciones

El sistema tiene solución única: λ1 = 1/2 (x11 + x12), λ2 = x21 , λ3 = 1/2 (x11 - x12) y λ4 = x22
Luego el conjunto de matrices genera R2x2.
b) i) R3x2 es el conjunto de matrices
, con x11, x12, x21, x22, x31 y x32 números reales.

6
María Ronco Algebra Lineal 1. Ing. Estadística

Toda matriz se escribe como:


= x11 + x12 + x21 +
+ x22 + x31 + x32
Luego el conjunto

{;;; ;;}
genera R3x2.

ii) S = {x ∈ R3 : 3x1 - 2x2 = 4x1 + x2 - x3 = 0}


Esto lo sabemos hacer. Los puntos de S son las soluciones de

Triangulamos

Resulta 3x1 = -2x2


-3x3 = 11x2,
las soluciones son de la forma
(-2/3 x2, x2, -11/3 x2) = x2 (-2/3, 1, -11/3). Todas las soluciones son múltiplos de
(-2/3, 1, -11/3), luego un sistema de generadores de S es {(-2/3, 1, -11/3)}
iii) T = {x ∈ R4 : -2x2 - x4 = 3x1 + x3 - 2x4 = 3x1 + 4x2 + x3 = 0}
T es el conjunto de soluciones de

Triangulamos la matriz
→ →

Resulta 3x1 = - x3 + 2x4
-2x2 = x4 .
Las soluciones son de la forma (-1/3 x3 + 2/3 x4, -1/2 x4 , x3, x4) =
= x3 (-1/3, 0, 1, 0) + x4 (2/3, -1/2, 0, 1), para cualquier valor de x3 y x4.
Un sistema de generadores de T es {(-1/3, 0, 1, 0), (2/3, -1/2, 0, 1)}
iv) W = {x = λ1 (3, 0, 1) + λ2 (2, 1, 1) + λ3 (0, 1, 1) + λ4 . (0, 0, 1), con λ1, λ2, λ3, λ4 ∈ R.
Como todos los vectores de W son combinación lineal de (3, 0, 1), (2, 1, 1), (0, 1, 1) y (0, 0, 1),
un conjunto de generadores de W es {(3, 0, 1), (2, 1, 1), (0, 1, 1), (0, 0, 1)}
Esto resuelve el ejercicio, sin embargo podemos notar que cualquier vector de R3 se escribe:
(x1, x2, x3) = 1/3x1 (3, 0, 1) + x2 (0, 1, 1) + (x3 - 1/3x1 - x2) (0, 0, 1).
Esto nos muestra que W es todo R3 pues todo vector (x1, x2, x3) de R3 se escribe:
(x1, x2, x3) = 1/3x1 (3, 0, 1) + 0. (2, 1, 1) + x2 (0, 1, 1) + (x3 - 1/3x1 - x2) (0, 0, 1).
Pero además vemos que para generar R3 no necesitamos los 4 vectores, alcanza con 3 de ellos.

7
María Ronco Algebra Lineal 1. Ing. Estadística

4.3. Proposición y definición: Dado un espacio vectorial V y un conjunto de vectores


{v1, v2, ..., vr} en V, el conjunto de todas las combinaciones lineales de {v1, v2, ... , vr} es un
subespacio de V. Este subespacio se llama el subespacio generado por v1, v2, ... , vr y se nota
<v1, v2, ... , vr >.
*(Demostración: Sea entonces <v1, v2, ... , vr > el conjunto de todas las combinaciones lineales
de v1, v2, ... , vr .
i) 0V ∈ <v1, v2, ... , vr > pues 0V = 0.v1+ 0.v2+ ... + 0.vr .
ii) Si v = λ1.v1 + λ2.v2 + ... + λr.vr ∈ <v1, v2, ... , vr > , y
w = δ1.v1 + δ2.v2 + ... + δr.vr ∈ <v1, v2, ... , vr >, con λ1, λ2, ... , λr ,δ 1, δ2, ... , δr ∈ R,
entonces
v + w = (λ1+δ1).v1 + (λ2+δ2).v2 + ... + (λr+δr).vr ∈ <v1, v2, ... , vr > ,
con λ1+ δ1, ... , λr + δ r∈ R.
iii) Si v = λ1.v1 + λ2.v2 + ... + λr.vr ∈ <v1, v2, ... , vr > , y c ∈ R, entonces
c .v = (cλ ).v + (cλ ).v + ... + (cλ ).v ∈ <v , v , ... , v > , con cλ , cλ , ... , cλ ∈ R.
1 1 2 2 r r 1 2 r 1 2 r
Luego <v1, v2, ... , vr > es un subespacio de V.)

5. Independencia lineal. Muchas veces tenemos un conjunto de generadores de un espacio V, al


que se le pueden sacar algunos vectores de modo que el conjunto restante siga generando el
espacio. Por ejemplo, miremos {(1, 0), (0, 1), (1, 1)} en R2. Si tomamos un vector cualquiera
(x1, x2) y planteamos
(x1, x2) = λ1 (1, 0) + λ2 (0, 1) + λ3 (1, 1) = (λ1 + λ3, λ2 + λ3) (*)
tenemos

Si (x1, x2) es un vector fijo en R2, es claro que existen infinitas ternas (λ1, λ2, λ3) que verifican
(*). El sistema indica que cada vez que tomemos λ1 = x1 - λ3 y λ2 = x2 - λ3 tendremos una
solución cualquiera sea el valor de λ3.
Por ejemplo si (x1, x2) = (2, 5), entonces
(2, 5) = 2 (1, 0) + 5 (0, 1) + 0 (1, 1) , si λ3 = 0, ó
(2, 5) = 1 (1, 0) + 3 (0, 1) + 1 (1, 1) , si λ3 = 1, ó
(2, 5) = 3 (1, 0) + 6 (0, 1) + (-1) (1, 1) , si λ3 = -1.
Lo que sucede es que si elimináramos algún vector del conjunto, por ejemplo el (1, 0), el
conjunto de los vectores restantes también genera R2. En efecto dado (x1, x2) en R2 tenemos:
(x1, x2) = (x2 - x1) (0, 1) + x1 (1, 1).

8
María Ronco Algebra Lineal 1. Ing. Estadística

El conjunto {(0, 1), (1, 1)} genera R2, pero ahora para cada vector (x1, x2) existen únicos
λ1 = x2 - x1 y λ2 = x1 tales que (x1, x2) = λ1 (0, 1) + λ2 (1, 1).
Lo que sucede es que (1, 0) pertenece al espacio generado por los otros dos vectores
< (0, 1), (1, 1) >, luego no agrega nada al espacio generado por ambos.
En general, si tenemos un vector v ∈ < v1, v2, ... , vm >, entonces al agregarlo el
conjunto
{v, v1, v2, ... , vm } genera el mismo espacio que {v1, v2, ... , vm }. Diremos que un conjunto es
linealmente independiente cuando al sacar cualquier vector, el espacio generado por los restantes
sea distinto del generado por el conjunto original (es más chico):

5.1. Definición. Dado un espacio vectorial V y un conjunto de vectores de V, {v1, v2, ... , vr},
decimos que el conjunto {v1, v2, ... , vr} es linealmente independiente si:
i) r = 1 y v1 ≠ 0V.
ii) r > 1 y ningún vector del conjunto es combinación lineal de los demás vectores. Esto es, para
cualquier i entre 1 y r se verifica vi ∉ <v1, v2, ... , vi-1, vi+1, ... , vr >.
Si un conjunto de vectores no es linealmente independiente diremos que es linealmente
dependiente .

En el ejemplo b) iv) anterior (pág. 7)


(2, 1, 1) = 2/3 (3, 0, 1) + 1 (0, 1, 1) - 2/3 (0, 0, 1),
lo que muestra que {(3, 0, 1), (2, 1, 1), (0, 1, 1), (0, 0, 1)} no es linealmente independiente.

5.2. Proposición. Sea V un espacio vectorial. El conjunto de vectores {v1, v2, ... , vr} de V es
linealmente independiente si, y sólo si, todo vector v ∈ <v1, v2, ... , vr > se escribe en forma
única como combinación lineal
v = λ1.v1 + λ2.v2 + ... + λr.vr ∈ <v1, v2, ... , vr > , con λ1, λ2, ... , λr ∈ R.

Esto quiere decir que si V además es v = δ1.v1 + δ2.v2 + ... + δr.vr , entonces λ1 = δ1, λ2 = δ2, ...
y λr = δr.
Volvamos al ejemplo b) iv). El vector (2, 1, 1) está en el subespacio <(3, 0, 1), (2, 1, 1),
(0, 1, 1), (0, 0, 1)>, y podemos escribirlo como:
(2, 1, 1) = 2/3 (3, 0, 1) + 0 (2, 1, 1) + 1 (0, 1, 1) - 2/3 (0, 0, 1), o también como
(2, 1, 1) = 0 (3, 0, 1) + 1 (2, 1, 1) + 0 (0, 1, 1) + 0 (0, 0, 1).
Esto es otra forma de mostrar que los vectores no son linealmente independientes.
Si en cambio miramos el ejemplo a) ii) (pág. III.6) vemos que al plantear
(x1, x2, -x1) = λ1(1, 2, -1) + λ2(2, 0, -2)
existen únicos λ1 y λ2 que satisfacen la igualdad, ya que debe ser necesariamente λ1 = 1/2x2 y
λ2 = -1/4x2 + 1/2 x1. Luego el conjunto {(1, 2, -1), (2, 0, -2)} es linealmente independiente.

9
María Ronco Algebra Lineal 1. Ing. Estadística

* (Demostración de la Proposición: Supongamos que {v1, v2, ... , vr} es linealmente


independiente, sea v ∈ <v1, v2, ... , vr >. Si v se escribe como combinación lineal de
{v1, v2, ... , vr} en dos formas:
v = λ1.v1 + λ2.v2 + ... + λr.vr = δ1.v1 + δ2.v2 + ... + δr.vr ,
entonces (λ1.v1 + λ2.v2 + ... + λr.vr) - (δ1.v1 + δ2.v2 + ... + δr.vr) = 0V, esto es
(λ1 - δ1).v1 + (λ2 - δ2).v2 + ... + (λr - δr).vr = 0V.
Si existe algún i, 1≤ i ≤r, tal que λi - δi ≠ 0 entonces podemos despejar vi en función de los
demás vectores. Resulta
vi = - v1 - v2 - ... - vi-1 - vi+1 - ... - vr

Como - , - , ... ; -son números reales resulta que


vi ∈ < v1, v2, ... , vi-1, vi+1, ... , vr >. Lo cual contradice la hipótesis de que el conjunto es
linealmente independiente, esta contradicción proviene de suponer que algún λi - δi es distinto de
0, luego
λi - δi = 0 para todo 1 ≤ i ≤ r , de donde λi = δi , para todo i.

Al revés, sabemos que todo vector v de < v1, v2, ... , vr > admite una única escritura de la forma
v = λ1.v1 + λ2.v2 + ... + λr.vr . Queremos ver que ningún vector de{v1, v2, ... , vr} puede ser
combinación lineal de los demás. Supongamos que algún vector es combinación lineal de los
restantes vectores, tendremos
v = λ .v + λ .v + ... + λ .v + λ .v + ... + λ .v , para algún 1 ≤ j ≤ r.
j 1 1 2 2 j-1 j-1 j+1 j+1 r r
Pero entonces vj admite 2 escrituras distintas como combinación lineal de {v1, v2, ... , vr}, ya
que:
vj = λ1.v1 + λ2.v2 + ... + λj-1.vj-1 + 0.vj+ λj+1.vj+1 + ... + λr.vr =
= 0.v1 + 0.v2 + ... + 0.vj-1 + 1.vj+ 0.vj+1 + ... + 0.vr .
Esto contradice la hipótesis entonces ningún vector de {v1, v2, ... , vr} puede ser combinación
lineal de los demás. )

5.3. Veamos ahora una regla práctica para verificar si un conjunto de vectores en Rn es
linealmente independiente. La vamos a explicar con un ejemplo, estudiemos la independencia
lineal de
{(0, 1, -1), (2, -2, 3), (6, -4, 7)}.
Disponemos los vectores como filas de una matriz y la triangulamos:
→ →

10
María Ronco Algebra Lineal 1. Ing. Estadística

Miremos las filas de la última matriz.


Si llamamos v1 = (0, 1, -1), v2 = (2, -2, 3) y v3 = (6, -4, 7), la primera fila de la última matriz es
el vector w1 = v2,
la segunda fila es w2 = v1,
y la tercera fila w3 se obtiene haciendo primero v3 - 3 v2 (F3 - 3 F1), y a ese vector le restamos 2
Veces v1
(F3 - 2F2), de donde w3 = (v3 - 3 v2 ) - 2v1 = -2v1 - 3v2 + v3 . Pero w3 = (0, 0, 0) entonces
despejo y resulta v3 = 2v1 + 3v2. Esto muestra que el conjunto de vectores no es linealmente
independiente.
Resumiendo, si ponemos los vectores como filas de una matriz y triangulamos, las filas de la
matriz obtenida son combinaciones lineales de los vectores originales. Es más, generan el mismo
subespacio y si alguna fila es 0 el conjunto de vectores no es linealmente independiente.
Ahora bien, si la matriz está triangulada podemos decir que los vectores que forman las filas son
linealmente independientes, luego si ninguna fila se transforma en 0 al triangular el conjunto
inicial de vectores es linealmente independiente.

5.4. Ejemplos. a) Determinar si los siguientes conjuntos de vectores son linealmente


independientes:
i) {(3, 2, -1, 0), (2, 5, 4, 1), ( 2, 2, 2, 2), (1, 0, 1, 0)}
ii) {(0, 0, 1), (2, 2, 3), (1, 1, 1)}
b) Determinar los valores de k tales que los siguientes conjuntos de vectores sean linealmente
independientes:
i) {(1, 2, 3), (1, 1, 0), (2, k, k)}
ii) {(1, -1, 0, k), (2, 0, 0, -1), (3, -1, 0, k2)}

a) i) Triangulamos la matriz
→ → →

El conjunto {(3, 2, -1, 0), (2, 5, 4, 1), ( 2, 2, 2, 2), (1, 0, 1, 0)} es linealmente independiente.

ii) Triangulamos.
El conjunto {(0, 0, 1), (2, 2, 3), (1, 1, 1)} es linealmente dependiente. Al comenzar cambiamos el
orden de las filas, el primer vector (0, 0, 1) pasó a la tercera fila. Como la tercera fila se hace 0,
tenemos que el vector (0, 0, 1) es combinación lineal de los otros dos vectores.
El conjunto {(2, 2, 3), (1, 1, 1)} es linealmente independiente, pues triangular la matriz que tiene
a los vectores como filas es como quedarme con las dos primeras filas de la matriz que ya
triangulamos.

b) i) Triangulamos
→ →

11
María Ronco Algebra Lineal 1. Ing. Estadística

Para que el conjunto de vectores sea linealmente independiente necesitamos que ninguna fila sea
0, esto es que -2k + 6 ≠ 0, o sea k ≠ 3.
ii) {(1, -1, 0, k), (2, 0, 0, -1), (3, -1, 0, k2)} Debemos triangular
→ →

Necesitamos que k2-k +1≠ 0 . Pero la ecuación cuadrática k2 - k +1 no tiene raíces reales pues
1 - 4 = -3 < 0. Luego k2-k +1≠ 0 para cualquier valor de k ∈ R. Los vectores son linealmente
independientes para todo valor k real.

6. Bases. Sea V un espacio vectorial. Un conjunto de vectores {v1, v2, ... , vn}de V es una base
de V si:
a) {v1, v2, ... , vn}es un sistema de generadores de V.
b) {v1, v2, ... , vn} es linealmente independiente.
Dicho de otro modo una base es un sistema de generadores donde ningún vector es combinación
lineal de los demás, es un sistema minimal de generadores.
Por ejemplo el conjunto {(1, 0), (0, 1)} es una base de R2 pues
a) todo vector (x1, x2) se escribe (x1, x2) = x1 (1, 0) + x2 (0, 1).
b) Al poner los vectores como filas de una matriz,

vemos que el conjunto es linealmente independiente.

6.1. Base canónica.


Dado n ≥ 1, el conjunto {(1, 0, ... , 0), (0, 1, 0, ..., 0), ..., (0, ..., 0, 1)} es una base de Rn, llamada
la base canónica.

6.2. Teorema (sin demostración). Sea V un espacio vectorial, y sean {v1, v2, ... , vn} y
{w1, w2, ... , wm} dos bases de V. El número de elementos de ambas bases es el mismo,
n = m.

6.3. Definición. Sea V un espacio vectorial. Llamamos dimensión de V, y lo notamos


dim (V), al número de elementos de una base cualquiera de V.

La definición es correcta ya que todas las bases de V tienen el mismo número de elementos.

6.4. Observación. Sea V un espacio vectorial. Todo conjunto de vectores linealmente


independiente {v1, v2, ... , vn} de V puede extenderse a una base de V. Si la dimensión de V es n,
todo conjunto de vectores linealmente independiente de V tiene a lo sumo n elementos. Más aún,
todo conjunto linealmente independiente de n elementos es una base de V.

6.5. Ejemplos. a) Calcular una base de W = < (1, 2, 3), (1, 1, 1), (5, 7, 9) >

12
María Ronco Algebra Lineal 1. Ing. Estadística

b) Completar el conjunto de vectores {(1, 1, 0, 2), (3, 3, 0, 7), (0, 0, 1, 1)} a una base de R4.
c) Completar el conjunto de vectores {(1, 1, 0, 2), (3, 3, 0, 7), (0, 0, 0, 1)} a una base de R4.
d) Elegir un subconjunto de{(1, 2, 3), (1, 1, 2), (-1, 1, 1), (0, 2, 2)} que sea una base de R3.
e) Encontrar una base de W = {x ∈ R3: x1 + x2 - x3 = 0}.
Solución. a) Claramente el conjunto {(1, 2, 3), (1, 1, 1), (5, 7, 9)} genera W. Debemos ver si es
linealmente independiente. Construimos la matriz

→ →

Vemos que el último vector es combinación lineal de los dos primeros. Luego una base de W
será
{(1, 2, 3), (1, 1, 1)}
b) La base canónica de R4 tiene 4 elementos, luego la dimensión de R4 es 4. Debemos completar
los 3 vectores a un conjunto de 4 vectores linealmente independientes. Comenzamos poniendo
los vectores como filas de una matriz

→ F2 - 3F1 →

Agregamos algún vector de modo que la matriz quede triangulada. Por ejemplo si en la segunda
fila agregamos el vector (0, 1, 0, 0) tendremos
vector agregado
Entonces el conjunto {(1, 1, 0, 2), (3, 3, 0, 7), (0, 0, 1, 1), (0, 1, 0, 0)} es una base de R4.
c) Triangulamos
→ F2 - 3F1 →
Los vectores no son linealmente independientes, luego no existe ninguna base de R4 que
contenga a las tres.
d) La dimensión de R3 es 3. Debemos ver si podemos extraer un subconjunto de 3 vectores
linealmente independientes de {(1, 2, 3), (1, 1, 2), (-1, 1, 1), (0, 2, 2)}.

→ →

El conjunto de los 3 primeros vectores es linealmente independiente. Tomo la base de R3


{(1, 2, 3), (1, 1, 2), (-1, 1, 1)}
e) Tenemos x1 + x2 - x3 = 0, luego x1 = - x2 + x3 , las soluciones son
(- x2 + x3, x2, x3) = x2 (-1, 1, 0) + x3 (1, 0, 1). Verifique que son linealmente independientes.
Una base de W es {(-1, 1, 0), (1, 0, 1)}.

Sobre el ejercicio e) observemos lo siguiente. Sea {v1, v2, ... , vn} un conjunto de vectores en Rn
que tienen todos su coordenada i-ésima igual a 0, para algún i fijo entre 1 y n. Si v es un vector

13
María Ronco Algebra Lineal 1. Ing. Estadística

cuya coordenada i-ésima es distinta de 0 entonces v no puede estar en <v1, v2, ... , vn>. En
efecto, cualquier combinación lineal de {v1, v2, ... , vn} tiene un 0 en el lugar i.
A partir de esto notemos que al resolver un sistema homogéneo de ecuaciones dejamos
expresadas algunas variables en función de otras. Supongamos que dejamos expresadas
x1, x2, ... , xj en términos de las últimas variables xj+1, xj+2, ... , xn . La forma paramétrica de las
soluciones será de la forma {λ1 vj+1 + λ2 vj+2 + ... + λn-j vn , con λ1, λ2, ... y λn-j ∈ R,
donde el vector vj+1 tiene un 1 en el lugar k y ceros en los lugares j+1, ..., k-1, k+1, ... , n. Esto
prueba que los vectores hallados son siempre linealmente independientes.

7. Coordenadas.

7.1. Definición. Dados un espacio vectorial V y una base B = {v1, v2, ... , vn} de V, todo vector
de V se escribe en forma única como combinación lineal de {v1, v2, ... , vn}
v = λ1.v1 + λ2.v2 + ... + λn.vn , con λ1, λ2, ... y λn ∈ R.
Las coordenadas de V en la base B son (λ1, λ2, ... , λn).
7.2. Ejemplo.a) Hallar las coordenadas de (-1, 2) en la base B = {(1, 0), (1, 1)}.
b) Hallar las coordenadas de (-1, 2, -3) en la base B’ ={(3, 1, 1), (0, -1, 1), (0, 0, 2)} y en la base
{(0, -1, 1), (0, 0, 2), (3, 1, 1)}
Solución. a) Escribimos (-1, 2) = λ1 (1, 0) + λ2 (1,1) = (λ1+ λ2, λ2)
Nos queda el sistema

De donde λ1 = -3 y λ2 = 2 . Las coordenadas de (-1, 2) en la base B son (-3, 2).


b) Planteamos
(-1, 2, -3) = λ1 (3, 1, 1) + λ2 (0, -1, 1) + λ3 (0, 0, 2) = (3λ1, λ1 - λ2, λ1+ λ2+ 2λ3).
Resulta

de donde λ1 = -1/3, λ2 = -1/3 - 2 = -7/3 y λ3 = 1/2 (-3 + 1/3 + 7/3) = - 1/6. Las coordenadas de
(-1, 2, -3) en la base B son (-1/3, -7/3, -1/6).
Los vectores de la base B’ son los mismos que los de la base B pero cambiados de orden.
Tenemos (-1, 2, -3) = -7/3 (0, -1, 1) - 1/6 (0, 0, 2) - 1/3 (3, 1, 1). Luego las coordenadas de
(-1, 2, -3) en la base B’ son (-7/3, -1/6, -1/3).

14