Nombre de la Unidad:

Nombre del Tema:

Nombre de la actividad:
Nombre de los alumnos:

ESPACIO VECTORIAL
ESPACIO VECTORIAL
INVESTIGACION
MIGUEL ANGEL GUARDIOLA MAYORGA
13IIN083

ALDAIR ANTONIO OLVERA 14IIN043

Semestre: 6y 4
Grupo: E1
Periodo Escolar:

ENERO 2016 - JULIO 2016

Profesor:

ING. MIRIAM EDITH GALICIA MENDIOLA

Materia:

ALGEBRA LINEAL

Fecha de entrega:

VIERNES 27 DE MAYO DEL 2016

ESPACIO VECTORIAL
La definicin de un espacio vectorial envuelve un cuerpo arbitrario cuyos
elementos se llaman ESCALARES. Adoptaremos las notaciones siguientes:
K el cuerpo de los escalares .

a , b , c k Los elementos de K
V el espacio vectorial dado

u , v , w son los elementos de V

Grupo:
G es grupo si cumple las siguientes caractersticas
G ,

debe cumplirse G debe poseer elemento inverso u opuesto

G ,
G debe tener elemento neutro

G ,

debe tener en su operacin la propiedad asociativa

Nota: para que esta operacin sea considerado Grupo Abeliano, debe existir la
propiedad CONMUTATIVA
Ejemplo:
N ,+
Es grupo?

Resp. NO ES GRUPO por que los elementos de

no tienen opuesto respecto

a la adicin.
Z ,+

es grupo?

Resp. ES GRUPO ABELIANO por que se cumple los tres requisitos

a la adicion posee elemento neutro (Cero), todos los elemento de

opuestos Ejem.

Z ,+

2 con2 ,

respecto
Z

tienen

se cumple la propiedad Asociativa

a , b , c Z=> ( a+b )+ c=a+ ( b +c )

Tambin se cumple la propiedad Conmutativa, por lo tanto

Z ,+

es GRUPO

ABELIANO.

( Z , )

es grupo?

Resp. NO ES GRUPO por que los elementos de

no tienen INVERSO

respecto al Producto.
DEFINICIN:
Sea

un cuerpo y V

un conjunto no vacio con reglas de adicin y

multiplicacin por escalar que asignan a todo

a todo

u V , k K

un producto

ESPACIO VECTORIAL sobre

u , v V

ku V . Entonces

K (y los elementos de

si cumplen los axiomas siguientes.

; una suma

u+ v V

se llama un

se llaman vectores),

[ A1]:

Para todo vector

[ A2]:

Existe un vector en

u , v , w V ,
V

que u+0=u para todo vector

[ A3] :

Para todo vector

( u+ v )+ w=u+(v +w)

, denotado por

y llamado vector CERO, tal

u V

u V

existe un vector en

, denotado por

u ,

tal que u+ (u )=0

[ A4 ]:

Para todo vector

[ M 1]:

Para todo escalar

k K y todo vector u , v V , k ( u+ v )=ku+ k v

[ M 2]:

Para todo escalar

a,bK

[ M 3]:

Para todo escalar

a , b K y todo vector

[ M 4] :

Para el escalar unidad

u , v V

, u+ v=v+ u

u V , ( a+b ) u=au+bu

y todo vector

u V , ( a b ) u=a( b u)

1 K ,1 u=u para todo vector

u V .

Los axiomas anteriores se dividen en dos clase: los cuatro primeros se relacionan
nicamente con la estructura aditiva de
V

V y podemos resumir diciendo que

es un grupo conmutativo (grupo abeliano) bajo la adicin.

En consecuencia, toda suma de vectores de la forma:

v1 + v 2+ v 3 ++ v m
No requiere parntesis ni depende del orden de los sumandos, el vector 0 es
nico, el negativo de

de u es nico y se cumple la LEY CANCELATIVA:

u+w=v +w implica u=v

Para todo vector

u , v , w V . Tambin la sustraccin est definida por:

uv=u+(v)

Los cuatro axiomas restantes (multiplicacin), se refieren a la accin del cuerpo

K

sobre V .

Ley Composicin Interna(Operacion entre el mismo conjunto) V V V

u+ w=v

Ley Composicin Externa(Operacionentre dos conjuntos s )

V K V
u k=uk
( x , y ) . k=( xk ; yk )

TEOREMA
Sea V

un espacio vectorial sobre el cuerpo

Para todo escalar

Para
Si

0K

ku=0

k K y 0 V , k 0=0 k ( 0,0,0 )=( k 0, k 0, k 0 )=( 0,0,0 )

y todo vector

u V , 0 u=0 0 ( u1 , u2 , u3 )=( 0u 1 , 0 u2 , 0u 3 )=( 0,0,0 )

, donde k K y u V , entonces k =0 o u=0

Para todo escalar

k K

y todo vector

u V , (k ) u=k (u )=ku

Ejemplos de Espacios Vectoriales:

Veamos un ejemplo generalizado del espacio

K un cuerpo arbitrario. El conjunto de todas las

Sea
K

de

nuplas

de elementos

con la adicin de vectores y la multiplicacin por escalar definidos por:

( a1 ; a2 ; a3 ; ; an ) + ( b1 ; b2 ; b3 ; ; bn )=( a1 +b1 ; a2 +b 2 ; a3 + b3 ; ; an +bn )

k ( a 1 ; a2 ; a3 ; ; an ) =( ka 1 ; k a 2 ; k a 3 ; ; kan )

Donde

ai , bi , k K

vector CERO en
K

, es un espacio vectorial sobre

n

es la

nupla

denotado por

0=(0 ; 0 ; 0 ; ; 0) ; entonces

de CEROS,

es un espacio vectorial; el cual podemos considerar que

operaciones definidas en el espacio vectorial sobre

K n . El

contiene las

R.

Ejemplo 2:
Sea F
K

un cuerpo y

un cuerpo que contiene a

como un espacio Vectorial sobre

F , utilizando la operacin

espacio vectorial la adicin de elementos de

v

es el producto de

los axiomas

M 1; M 2; M 3

F ( F K ) . Consideramos

K y definiendo para

y v , como elementos en el cuerpo

del

F ,v K ,
K ; entonces

para un espacio vectorial son entonces consecuencias

de la ley distributiva hacia la derecha (un escalar respecto a dos vectores

( v+u )= v +u ) y la ley distributiva a la izquierda (dos escalares respecto a un
vector u ( + )=u+u ) y la ley asociativa respectivamente que valen para
por ser un Cuerpo.

Ejemplos:

[ A 1 ] : Sean u= (2 ; 5 ; 8 ) , v= ( 4 ; 0 ; 1 ) , w= (5 ; 7 ; 1 ) ; entonces tenemos :

[ ( 2; 5 ; 8 )+(4 ; 0 ; 1)] + ( 5 ; 7 ; 1 )=( 2 ; 5; 8 ) + [ ( 4 ; 0 ; 1 ) +(5 ;7 ; 1)]
( 6 ; 5 ; 9 ) + ( 5 ; 7 ; 1 )=( 2 ;5 ; 8 )+ ( 9 ; 7 ; 2 )
( 11 ; 12; 10 ) =(11 ; 12 ; 10)

[ A 2 ] : El vector NULO o vector CERO esta denotado en R 3 : (0 ; 0 ; 0)

= si u (3 ;8 ; 5 )=>u+0=( 3 ;8; 5 )+ ( 0; 0; 0 )=( 3 ;8 ; 5 )=u

[ A 3 ] :Sea u=( 6 ;2 ; 9 )==u=(6 ;2 ; 9)

Luego: u+ (u )=( 6 ;2 ; 9 ) + [ ( 6 ;2 ; 9 ) ]
=u+ (u )=( 6 ;2; 9 )+ (6 ;+ 2;9 )=( 0 ; 0 ; 0 )

y esto es el vector NULO o vector

CERO.

[ A 4 ] : Seanlos vectoresu=( 2;4 ; 5 ) y v=(6 ; 9 ; 1)

=u+ v =v +u

( 2;4 ; 5 ) + (6 ; 9 ; 1 )=(6 ; 9 ; 1 )+(2 ;4 ; 5)

(4 ; 5 ; 6 ) =(4 ;5 ; 6)

[ M 1 ] : sean los vectoresu ( 2 ;5 ; 1 ) y v=( 5 ; 7 ;3 ) y sea el escalar igual a3

= k (u +v ) =ku+ k v=> 3 [ (2 ;5 ; 1 )+(5 ; 7 ;3) ]=3 (2 ;5 ; 1 )+ 3 ( 5 ; 7 ;3 )
3 ( 7 ; 2;2 )=( 6 ;15 ; 3 ) +( 15; 21 ;9)

( 21; 6 ;6 )=( 21; 6 ;6)

[ M 2 ] : Sean a=3 y b=2 a , b K ; sea u=(3 ; 7 ;1)

= ( a+b ) u=au+bu=> [ 3+2 ] ( 3; 7 ;1 )=3 ( 3 ; 7 ;1 )+ 2(3 ; 7 ;1)

=5 ( 3 ; 7 ;1 )=( 9 ; 21 ;3 )+(6 ; 14 ;2)

= (15 ; 35 ;5 )=(15 ; 35;5)

[ M 3 ] : Sean a=3 y b=5 a ,b K ; sea u=(2 ;3; 9)

( a b ) u=a ( b u )=> [ ( 3 ) . ( 5 ) ] ( 2 ;3 ; 9 )=3 [ 5 ( 2 ;3 ; 9 ) ]
=15 ( 2 ;3; 9 )=3( 10;15 ; 45)

= (30 ;45 ; 135 ) =(30 ;45 ; 135)

[ M 4 ] :Sea u=( 2; 6 ; 7 )=>1 u=u

1 ( 2 ; 6 ; 7 ) =(2 ; 6 ; 7)

ESPACIO EUCLIDEANO:
Es un espacio vectorial provisto de una estructura algebraica (conocido como
conjunto de axiomas)
Construir una geometra en el espacio euclideano
operacin producto escalar y la longitud de un vector.

PRODUCTO ESCALAR o Producto Punto:

3
Para dos vectores cualesquiera u , v R , tal que:

u=( u1 ; u2 ; u3 ) y v =(v 1 ; v 2 ; v 3)
Se define como producto escalar:

R3 , definimos sobre l, la

u v =u1 v 1 +u2 v 2+u 3 v3

Ejemplo 1:
Dados los vectores:

u= (2 ;3 ; 1 ) y v =(3 ; 7 ; 5) . Calcular el producto escalar de

u y v
Solucin:
Utilizando la definicin de producto escalar obtenemos:
u v =( 2 ) ( 3 ) + (3 )( 7 )+ ( 1 ) (5)

621+5===1121
Luego: u v =10
Ejemplo 2:
Dados los vectores:

1
u= (1 ; 5 ;2 ) y v =(3 ; ; 6) . Calcular el producto escalar de
5

u y v
Solucin:
Utilizando la definicin de producto escalar obtenemos:
u v =( 1 ) (3 )+ (5 )

( 51 )+(2)(6)

3+112===115

Luego: u v =14

PROPIEDADES

FUNDAMENTALES

DE

LA

OPERACIN

PRODUCTO

ESCALAR:
Para dos vectores cualesquiera
u=( u1 ; u2 ; u3 ) , v =(v 1 ; v 2 ; v 3)

u , v R3 y R

tal que:

se tiene:

Propiedad 1:
u
v =
v u

Propiedad Conmutativa

Ejemplo:
Sean u= (1 ; 8 ; 4 ) y v =(3 ; 2; 5 )=> ( 1 ; 8 ; 4 ) (3; 2 ; 5 )= (3 ; 2 ; 5 ) ( 1 ; 8; 4 )
= (1 ) (3 ) + ( 8 ) ( 2 )+ ( 4 )( 5 ) =(3 )( 1 ) + ( 2 ) ( 8 ) + ( 5 ) ( 4)

=3+16 +20=3+16+ 20
=33=33

Propiedad 2:

( u ) v = ( u v )

Propiedad Asociativa

Ejemplo:
Sean u= (3 ; 7 ;1 ) y v =( 2 ; 8 ; 5 ) ; =5
= [ 5 (3 ;7 ;1) ] ( 2; 8; 5 )=5 [(3 ; 7 ;1) (2 ; 8 ; 5 ) ]
= (15 ; 35 ;5 ) ( 2 ; 8 ; 5 )=5 [ ( 3 ) ( 2 )+ ( 7 ) ( 8 ) + (1 )( 5) ]

= (15 )( 2 ) + ( 35 ) ( 8 ) + (5 ) (5 )=5 ( 6+565 )

=30+ 28025=5 ( 57 )
=285=285

Propiedad 3:
u ( v +r )=u v + u r

Propiedad Distributiva

Ejemplo 3:
Sean los vectores:

u= (7 ;1 ;3 ) ,
v =( 5 ; 7 ; 4 ) , r =(2 ; 7 ; 3)

= (7 ;1 ;3 ) [ ( 5 ; 7 ; 4 )+(2 ; 7 ; 3) ] =( 7 ;1 ;3 ) ( 5 ; 7 ; 4 ) + ( 7 ;1 ;3 ) (2; 7 ; 3)
= (7 ;1 ;3 ) ( 7 ; 14 ; 7 ) =( 7 ) (5 )+ (1 ) ( 7 ) + (3 ) ( 4 )+ (7 )( 2 ) + (1 ) (7 )+ (3 ) (3)
= (7 )( 7 )+ (1 ) ( 14 ) + (3 ) ( 7 )=35712+ 1479
= 491421=4935
=14=14

Propiedad 4:
u u 0

Propiedad de la desigualdad no estricta.

Ejemplo 4:
Sean el vector:

u= (5 ;2 ;1 )

= (5 ;2 ;1 ) (5 ;2 ;1 ) 0

= (5 )( 5 ) + (2 ) (2 ) + (1 )(1 ) 0
=25+ 4+ 1 0
=30 0

Ejemplo 5:
Sean el vector:

u= (4 ; 7 ;3 )

= u u 0

= (4 ; 7 ;3 ) (4 ; 7 ;3 ) 0
= (4 ) (4 ) + ( 7 )( 7 )+ (3 ) (3 ) 0
=16 +49+ 9 0
=74 0

INDICAR

SI

EL SIGUIENTE

CONJUNTO

CONSTITUYE

UN

ESPACIO

VECTORIAL:
Sea

V = { ( x , y ) / y=3 x+10 , x R }

Para que indicar que

es espacio vectorial, debe cumplir lo siguiente:

Si

x V y V => ( x + y ) V (cerradura bajola suma)

Si

x V otro vectorx V t . q . x+ (x )=0 ( Elemento Opuesto)

 un vector 0 Vt . q . x V ; x+ 0=0+ x=x (Elemento Neutro Aditivo)

Verificamos si se cumple la propiedad (1)

x=( x 1 , y 1 ) y=( x2 , y 2 )=> la suma de estos dos vectores x + y=( x 1 , y 1) + ( x2 , y 2 )

Sea

= ( x1 , y 1) + ( x 2 , y 2 )=( x 1 + x 2 , y 1 + y 2 ) ( )
Recordando nuestros conocimientos de funciones donde y

depende de x ;

tenemos:
y 1=3 x 1+10 y2 =3 x 2 +10

; reemplazando estos valores en

( )

tenemos:

( x 1+ x 2 , y 1+ y 2 ) =( x 1+ x 2 , 3 x 1 +10+3 x 2+10 )=( x 1 + x 2 , 3 x 1+3 x 2+ 20 )

Observamos que no se cumple el axioma de cerradura por lo tanto V no es
espacio Vectorial

3x
+5 x +2=0
2
3 x2 +10 x+ 4=0

SUBESPACIOS VECTORIALES:
Dado un espacio vectorial V, podemos considerar una parte S de l que funcione
como un espacio vectorial ms pequeo, incluido en V.

Como V es un espacio vectorial, posee unas operaciones (suma, producto por un

escalar) que en particular se pueden efectuar en S. Slo necesitaremos que, al
efectuarlas, su resultado quede dentro de S.
SUBESPACIO.
DEFINICIN:
Dado un espacio vectorial V, se dice que un subconjunto S de V es un subespacio
vectorial si contiene al vector

0 , y si al efectuar las operaciones de suma y

producto por escalar entre vectores de S, el resultado permanece en S.

(Se puede decir que S es cerrado para las operaciones suma y producto por
escalar.)
Es decir:

Si v, w S entonces v + w S.
Si v S y es un escalar, entonces v S.

Ya no hace falta comprobar que se cumplen las propiedades asociativa,

conmutativa, etc. puesto que sabemos que se cumplen en V, y por tanto tambin
en S (se dice que S hereda las propiedades de las operaciones en V).
Por supuesto si para V utilizamos escalares reales, tambin para S; si para V
utilizamos complejos, tambin para S.

EJEMPLOS DE SUBESPACIOS.

1) La recta x=y es un subespacio de 2. Est formado por los vectores de la

forma (a,a). Contiene al vector (0,0).
Adems, es cerrado para la suma y producto por escalar:
Suma :(a , a)+(b , b)=(a+b ,a+ b) que tambin es un elemento de la recta.
Producto por un escalar : R , ( a , a)=( a , a)

que tambin es un elemento

de la recta.

2) El plano XY es un subespacio de 3. Est formado por los vectores de la

forma (x, y, 0). Contiene al vector (0, 0,0).
Adems, es cerrado para la suma y producto por escalar:
Suma:

( x , y , 0)+(x , y ,0)=( x + x , y + y , 0) que tambin es un elemento del

plano.
Producto por un escalar:

R , ( x , y ,0)=( x , y , 0) que tambin es un

elemento del plano.

Podemos decir que este plano es como 2 pero incluido en 3.

3) Es un subespacio de 2 el conjunto de los vectores de la forma (a, 1)?

No, puesto que no contiene al (0,0). O tambin: porque no se puede sumar dentro
de este conjunto, por ejemplo
conjunto.

(a , 1)+(b , 1)=(a+ b , 2)

que no pertenece al

4) En el espacio P2 = {polinomios de grado 2}, el conjunto de los polinomios de

grado 1 forma un subespacio. En efecto, contiene al polinomio cero, y podemos
sumar y multiplicar por un escalar sin salir del conjunto:
Suma :( ax+ b)+(a x +b )=(a+ a ) x+(b+b )

que tambin es un polinomio de

grado 1.
Producto por escalar : R , ( ax+ b)=ax + b

que tambin es un polinomio de

grado 1.

5) En M2= {matrices 2x2}, el conjunto de matrices simtricas

(ac bd )

es un

subespacio que contiene a la matris nula, y es cerrado para las operaciones:

( )(

)(

Suma a b + a ' b ' = a+a ' b +b '

c d
c' d'
c +c ' d +d '

Producto escalar ,

que tambien es una matriz simtrica.

(ac bd ) = ( ac db)

que tambien es una matriz

simtrica

6) Geomtricamente, los subespacios vectoriales de 2 y 3 son rectas, planos, y

slo uno de ellos es un punto, el { 0 }.

Las curvas o las superficies curvas no son subespacios; tampoco las figuras
geomtricas finitas, como crculos o polgonos en el plano, esferas o poliedros en
el espacio.
(Comprobar grficamente que no pueden sumarse vectores dentro de este tipo de
conjuntos)

7) En todo espacio vectorial existen el subespacio cero, formado solamente por el

vector

{0 }, y el subespacio total, formado por todos los vectores del espacio.

DESCRIPCIN DE LOS SUBESPACIOS DE

Los subespacios de

Rn

Rn pueden describirse de dos formas: implcita y

paramtrica.
Forma implcita: Mediante ecuaciones. Los vectores que verifiquen las
ecuaciones son los que pertenecen al subespacio.
Forma paramtrica: Mediante una expresin con parmetros, los cuales al tomar
distintos valores producen todos los vectores del subespacio.
Para pasar de una a otra forma:
De la forma implcita a la paramtrica: Basta considerar las ecuaciones implcitas
como un sistema, y resolverlo. La solucin general del sistema (que podr
depender de parmetros) es la expresin paramtrica.
De la forma paramtrica a la implcita: Podemos decir, aunque no es un mtodo
riguroso, que se trata de describir mediante ecuaciones cmo es el vector
genrico del subespacio.
Ayudar el conocer qu nmero de ecuaciones es necesario (lo que se ver ms
adelante).

EJEMPLOS:
1) En 2, la recta bisectriz del primer cuadrante puede describirse en implcitas
como { y=x }, y en paramtricas como

{( , ): R }

2) En

3,

dado el subespacio en paramtricas

implcita es la ecuacin
3) En

{( , , ): , R } , su forma

{z=x y } .

, dado el subespacio en paramtricas

describirlo en forma implcita necesitamos dos ecuaciones:

{( , , 3 ): R }, para

{zy=3=xx

4) Consideremos el subespacio de 3 dado en implcitas por

{x +2x+yz+=0z=0

Cul es su forma paramtrica? Para ello resolvemos el sistema, que es

compatible indeterminado. La solucin depende de un parmetro y es
{( , 0, ): R }.

5) El subespacio cero y el subespacio total constituyen un caso especial. Por

ejemplo en 3:

- El subespacio {(0, 0,0)} tiene como ecuaciones implcitas

x=0
y=0
z=0

Su forma paramtrica es (0, 0,0): no hay parmetros, pues como se trata de un

solo punto, no se puede variar nada.
- Por el contrario el subespacio total 3 tiene como forma paramtrica { (,,) :
,, } (tres parmetros variando libremente, pues no hay ninguna limitacin).
Ecuaciones implcitas no tiene ninguna, pues no hay restriccin alguna que
imponer.

OPERACIONES CON SUBESPACIOS:

A partir de dos subespacios podemos construir otro efectuando las operaciones de
suma o interseccin de subespacios.

1. INTERSECCIN DE SUBESPACIOS:
La interseccin, indicada por el smbolo , puede aplicarse a conjuntos
cualesquiera, no slo a espacios vectoriales. Consiste en encontrar los elementos
comunes a dos conjuntos.

Por ejemplo, la interseccin de dos planos en R 3 podr ser una recta.

Notar que dados dos subespacios cualesquiera, siempre hay vectores comunes a
ambos (al menos el

0
, que est en todos los subespacios.)

TEOREMA
La interseccin de subespacios es un subespacio.
En efecto, es posible sumar vectores dentro de ST, pues por
ser S y T subespacios, la suma debe permanecer dentro de S
y dentro de T, y por tanto dentro de ST. Lo mismo para el producto por escalares.

CLCULO DE LA INTERSECCIN.
La forma ms sencilla (aunque no la nica) de calcular ST es utilizar la expresin
implcita de S y de T.

Como buscamos los vectores que verifiquen a la vez ambas condiciones,

podremos describir ST considerando conjuntamente las ecuaciones implcitas de
S y las de T (formando un sistema con todas ellas).
Este sistema, si es sencillo, puede considerarse ya como la forma implcita de
ST.
En todo caso, resolviendo este sistema obtenemos la forma paramtrica de ST.

SUMA DE SUBESPACIOS.
Dados dos subespacios S, T se define el subespacio suma como:
S +T ={u+ v :u S , v T }
Es decir, aquellos vectores que podamos construir sumando un vector de S y uno
de T.

TEOREMA
La suma de subespacios es un subespacio.

CLCULO DEL SUBESPACIO SUMA.

Al contrario que la interseccin, la suma S+T se calcula ms fcilmente usando la
forma paramtrica de S y de T. Esto nos permite tomar un vector genrico de cada
uno de los subespacios y sumarlos, obtenindose una expresin paramtrica de
S+T.
No obstante la forma paramtrica as obtenida puede tener parmetros no
independientes.

Ms adelante, en el punto Sistemas generadores se dar otro mtodo para

calcular el subespacio suma.

DEPENDENCIA E INDEPENDENCIA LINEAL

COMBINACIN LINEAL:
Definicin: Combinacin lineal.
Una combinacin lineal de dos o ms vectores es el vector que se obtiene al
sumar esos vectores multiplicados por sendos escalares.

Cualquier vector se puede poner como combinacin lineal de otros que tengan
distinta direccin.

Esta combinacin lineal es nica.

Vectores linealmente dependientes:
Varios vectores libres del plano se dice que son linealmente dependientes si
hay una combinacin lineal de ellos que es igual al vector cero, sin que sean
cero todos los coeficientes de la combinacin lineal.

Teorema.
Para probar que un conjunto S es subespacio, basta probar que:
La combinacin lineal de elementos de S est en S. (Ello es debido a que
calcular una combinacin lineal de vectores involucra tanto la suma como el
producto por escalares, as que equivale a probar ambas cosas por separado).
Esto se suele expresar diciendo que un subespacio es un conjunto cerrado para
las combinaciones lineales.
Ejemplo.
Veamos si es subespacio de 2 el conjunto U= {(, ): }.
Tomamos dos elementos genricos de U, (, ) y (, ). Una combinacin lineal de
ellos es:
(, ) + (, ) = (+, +) que tambin es un elemento de U.
Por tanto U es subespacio.
PROPIEDADES:
1. Si varios vectores son linealmente dependientes, entonces al menos uno de
ellos se puede expresar como combinacin lineal de los dems.

2. Tambin se cumple el reciproco: si un vector es combinacin lineal de otros,

entonces todos los vectores son linealmente dependientes.
3. Dos vectores del plano son linealmente dependientes si, y slo si, son
paralelos.

4. Dos vectores libres del plano

= (u1, u2) y

= (v1, v2) son linealmente

dependientes si sus componentes son proporcionales.

EJEMPLO:
Determinar los valores de k para que sean linealmente dependientes los
vectores

combinacin lineal de

y
y

. Escribir

como

, siendo k el valor calculado.

Los vectores son linealmente dependientes si el determinante de la matriz que

forman es nulo, es decir que el rango de la matriz es menor que 3.

Vectores linealmente independientes

Varios vectores libres son linealmente independientes si ninguno de ellos puede
ser escrito con una combinacin lineal de los restantes.

a1 = a2 = = an = 0
Los vectores linealmente independientes tienen distinta direccin y sus
componentes no son proporcionales.

EJEMPLOS:
1. Estudiar si son linealmente dependientes o independientes los vectores:
(2, 3,1),=(1, 0,1),=(0,3,1)
a(2, 3, 1)+b (1,0, 1)+ c (0, 3,1)=(0, 0, 0)

r = 2, n = 3

Sistema compatible indeterminado: El sistema tiene infinitas soluciones, por tanto

los vectores son linealmente dependientes.

DEPENDENCIA LINEAL:
Definicin: Dependencia lineal.
Se dice que un conjunto de vectores es linealmente dependiente (o ligado) si:
Al menos uno de ellos es combinacin lineal de los dems.
Esto se puede expresar tambin as:
El vector 0 es combinacin lineal de ellos (con coeficientes no todos nulos).
EJEMPLO:
Sean 2 en los vectores u=(1,1), v=(0,3), w=(2,5) .
Observamos que son linealmente dependientes por (a):
w es combinacin lineal de u y v , puesto que w = v+2u. (Pueden encontrarse
tambin otras combinaciones, como u = 12w 12v, etc).
Tambin podemos verlo por (b): 0 es combinacin lineal de u, v, w puesto que 0 =
v+2uw, (y los coeficientes de esta combinacin lineal son 1, 2, 1 que no son
todos nulos).

OBSERVACIN:
Si un conjunto es linealmente dependiente, entonces por (a) sabremos que existe
algn vector entre ellos que es combinacin lineal de los dems. Pero esto no
quiere decir que cualquier vector de ellos sea combinacin lineal de los dems.
Por ejemplo, el siguiente conjunto en 3 podemos comprobar que es ligado:

u=(1,0,0), v=(0,1,0), w=(1,1,0), k=(0,0,1),

ya que, por (a), tenemos que w = u + v (es decir, w=1u +
1v + 0k ), hay un vector que es combinacin lineal de los
dems. Pero no cualquier vector lo es, puesto que k no
es combinacin lineal de los dems. Esto se puede ver
poniendo
(0, 0,1) = (1, 0,0) + (0, 1,0) + (1, 1,0)
Y viendo que se obtiene un sistema incompatible.
INDEPENDENCIA LINEAL:
Definicin: Independencia lineal.
En caso de que un conjunto de vectores no sea linealmente dependiente, se dice
que es linealmente independiente (o libre).
Por tanto, escribiendo la negacin de la definicin de dependencia lineal,
tendremos que un conjunto de vectores es linealmente independiente cuando:
Ninguno de ellos es combinacin lineal de los dems. O equivalentemente:
El vector 0 no es combinacin lineal de ellos, a no ser que la combinacin tenga
coeficientes todos nulos. Expresando (b) de otra manera,
(b) La nica forma de poner 0 como combinacin lineal de los vectores, es
con todos los coeficientes nulos.
OBSERVACIN.
La definicin de dependencia lineal no es: v, w son independientes
si 0v + 0w = 0
Esa afirmacin no aporta nada, puesto que se cumple para todos los vectores,
dependientes o no.

De lo que se trata, es de ver si esa es la nica manera de poner 0 como

combinacin lineal de ellas.
EJEMPLOS.
Veamos que u=(3,1) y v=(4,5) en son linealmente independientes. 2
Para ello intentaremos poner (0,0) como combinacin lineal de ellos, y
encontraremos que slo es posible con coeficientes nulos.
(0,0) = (3,1) + (4,5)

3 + 4 =0
+ 5 =0

Este sistema es compatible determinado,

Por tanto slo tiene la solucin =0, =0.

As pues, la nica forma de poner (0,0) como combinacin lineal de u, v es con

coeficientes , nulos. Esto significa que son linealmente independientes.
Veamos si son independientes w=(3,1) y k=(6,2): con el mismo planteamiento,
(0,0) = (3,1) + (6,2)

3 +6 =0
+2 =0

Este sistema es compatible indeterminado.

Esto quiere decir (an sin resolver el sistema) que existen coeficientes , no
nulos que permiten poner (0,0) como combinacin lineal de w, k. Por tanto w, k
son linealmente dependientes.
Veamos si son independientes u=(1,0,2), v=(4,3,1) y w=(5,3,3) en 3:
+ 4 +5 =0
(0,0,0) = (1,0,2) + (4,3,1) + (5,3,3) 3 +3 =0
2 + +3 =0

Este sistema es compatible indeterminado, puesto que su matriz es

( )
1 4 5
0 3 3
2 1 3

con rango 2.
Esto quiere decir (an sin resolver el sistema) que existen coeficientes , , no
nulos que permiten poner (0,0,0) como combinacin lineal de u, v, w. Por tanto
son linealmente dependientes.
Veamos si son independientes u=(3,2,1), y v=(2,2,0) en 3 :
3 +2 =0
(0,0,0) = (3,2,1) + (2,2,0) 2 +2 =0
=0

Este sistema es compatible determinado, puesto que su matriz es:

( )
3 2
2 2
1 0

Que tiene rango 2 y hay 2 incgnitas.

Esto quiere decir que la nica solucin es =0 , =0 y por tanto que la nica forma
de poner (0,0,0) como combinacin lineal de u, v, es con coeficientes nulos. Por
tanto son linealmente independientes.
OBSERVACIN.
Si observamos los dos ltimos ejemplos, veremos que la matriz del sistema est
formada por los vectores dados, en columnas.
Hallando el rango de esa matriz vemos si el sistema es compatible determinado o
indeterminado, y por tanto si los vectores son independientes o dependientes,
respectivamente.
Volveremos sobre esto ms tarde (en el punto Rango de un conjunto de
vectores.)

PROPIEDADES DE LA DEPENDENCIA / INDEPENDENCIA LINEAL.

El conjunto formado por un solo vector v no nulo, es libre.

(En efecto, una combinacin lineal de v es solamente v, y v=0 slo puede

conseguirse con =0).
Dos vectores v, w son linealmente dependientes cuando uno es mltiplo del otro ,
v=w

(ya que esto equivale a decir que uno es combinacin lineal del otro).
Todo conjunto que contenga al 0 es ligado.

Vemoslo para 3 vectores: si tenemos { v, w, 0} podemos formar 0como

combinacin de ellos:
0 v+0 w+1 0=0
y los coeficientes de esta combinacin lineal son 0, 0, 1 y por tanto no todos nulos.
Si un conjunto es ligado, aadindole vectores sigue siendo ligado.

(En efecto, si un vector es combinacin de otros, aunque aadamos ms vectores

seguir sindolo.)
Si un conjunto es libre, quitndole vectores sigue siendo libre.

(En efecto, si no se puede formar como combinacin de ellos, al quitar vectores

tampoco se podr)