MATEMÁTICA II-3004- (Ciencias Biológicas)-Teórico

ESPACIOS VECTORIALES

Estructuras Algebraicas: Cuerpos

Sea un conjunto de elementos en el que están definidas básicamente dos

operaciones, una llamada “suma” (+) y otra “multiplicación” () que satisfacen las
siguientes condiciones:

1) Ellas asocian a pares de elementos de , otro elemento de por lo cual se las llama
operaciones binarias internas.
2) Cumplen las siguientes propiedades:

Sean a, b, c

De la Suma:
1) Asociatividad: (a  b)  c  a  (b  c)
2) Conmutatividad: ab ba
3) Existencia de elemento neutro “0” (cero) tal que: a  0  0  a  a
4) Existencia del elemento (a) opuesto de a tal que: a  (a)  (a)  a  0

De la Multiplicación:
1) Asociatividad: (a  b)  c  a  (b  c)
2) Conmutatividad: a b  b a
3) Existencia de elemento neutro “1” (uno) tal que: a 1  1 a  a
4) Existencia para todo a  0 , del elemento a1 inverso de a tal que: a  a1  a1  a  1
5) Distributividad de la multiplicación respecto a la suma: a  (b  c)  a  b  a  c

En estas condiciones el conjunto dotado de estas operaciones tiene estructura

algebraica de cuerpo. Ejemplos de cuerpos son: el conjunto de los números reales y el
de los números complejos , con las operaciones de suma y multiplicación definidas en la
forma conocida. Los elementos de un cuerpo se llaman escalares. En lo que sigue, cuando
se indique: cuerpo , nos estaremos refiriendo indistintamente a los cuerpos ó .

Espacios Vectoriales

Sea un cuerpo y V un conjunto en el cual se pueden definir una operación interna

llamada suma y una operación externa llamada multiplicación por escalar, tal que:
u, v,w  V; k1 , k2  con los que se cumplen las siguientes propiedades (o axiomas)

De la suma: u v
1) Asociatividad:  u+ v  + w = u+  v+ w 
2) Conmutatividad: u+ v = v+ u
3) Existencia de elemento neutro “ 0 ” (vector nulo) tal que: u+ 0 = 0 + u  0
4) Existencia del elemento  u  opuesto de u tal que: u+   u  =   u  + u  0

De la multiplicación por escalar: k u

5) Distributividad respecto a la suma de vectores: k1  u+ v   k1 u k1 v

128
 ESPACIOS VECTORIALES

6) Distributividad respecto a la suma de escalares:  k1  k2  u  k1 u k2 u

7) Pseudoasociatividad:  k1  k2  u  k1   k2 u   k2   k1 u 
8) Existencia de operador neutro: 1 (uno) tal que: 1.u  u

De ese modo el conjunto V tiene estructura algebraica de, o es, un -espacio vectorial o
un espacio vectorial sobre , y sus elementos se denominan vectores. En el caso
particular que sea el conjunto de los números reales, se denominará “espacio vectorial
real”.
Debe tenerse en cuenta que en la definición de espacio vectorial no se especifica la
naturaleza de los elementos de V ni de las operaciones con ellos realizadas. El único
requisito es que cumplan con los ocho axiomas de la definición.

Los cuatro ejemplos siguientes son Espacios Vectoriales de gran importancia.

n-uplas sobre un cuerpo

Son conjuntos ordenados de la forma  a1 , a2 , a3 ,...., an  donde ai  . El conjunto

podrá ser el de los números racionales, el de los números reales o el de los números
complejos. Se comprueba que satisface los 8 axiomas:

Definiendo la suma como:  a1 , a2 ,...., an    b1 , b2 ,...., bn    a1  b1 , a2  b2 ,...., an  bn 

Debido a la propiedad asociativa de la suma en resulta fácil probar (1).
Como ai  bi  bi  ai con ai , bi  también se cumple (2)
La n-upla nula es 0   0, 0,...., 0  y se satisface (3).
El opuesto de  a1 , a2 ,...., an  es  a1 ,  a2 ,...., an  con lo que se cumple (4).

Producto por escalar (  ):   a1 , a2 ,...., an     a1 ,  a2 ,....,  an  .

Se puede probar fácilmente que se satisfacen los axiomas (5) a (8).

En conclusión el conjunto de las n-uplas sobre un cuerpo , adquiere la estructura

n
de Espacio Vectorial al que se denota .

Polinomios de grado  n

Definiendo en la forma usual la suma de polinomios

a x
0
n
 a1 x n 1  ....  an    b0 x n  b1 x n 1  ....  bn    a0  b0  x n   a1  b1  x n 1  ....  an  bn
y la multiplicación por escalar

  a0 x n  a1 x n 1  ....  an    a0 x n   a1 x n 1  ....   an

Se demuestra que es un espacio vectorial, es decir, que se cumplen los axiomas (1) a
(8). (Ejercicio)
129
MATEMÁTICA II-3004- (Ciencias Biológicas)-Teórico

Matrices m  n

Si los elementos de las matrices pertenecen a un cuerpo y definimos la suma y la

multiplicación por escalar de la forma usual, se puede demostrar que se verifican los ocho
mn
axiomas. Estos espacios vectoriales se denotan , siendo un espacio vectorial distinto
para cada par de valores  m ; n  . (Ejercicio)

Funciones continuas de 

Sean f  g , funciones cuyo dominio está en , y cuyo recorrido también está en

, f : x  f ( x) es decir, f es la función que al número real x le hace corresponder el
número real f ( x ) y g : x  g (x )

Se define f  g : x  f ( x)  g ( x) y

 f : x   f ( x) con  

Se demuestra que estas dos nuevas funciones son también funciones continuas.
Además como
 f  g h: 
x  f ( x )  g ( x )   h( x )
pero como f ( x); g ( x); h( x) son números reales, su suma es asociativa
 f ( x )  g ( x )   h( x )  f ( x )   g ( x )  h( x ) 

de modo que  f  g   h  f   g  h  por lo que se cumple el axioma (1).

Dado que f  g : x f ( x)  g ( x); g  f : x g ( x)  f ( x )

pero como f ( x) y g ( x) son números reales: f ( x)  g ( x)  g ( x)  f ( x)

de modo que

f  g  g  f de modo que se cumple (2)

Sea la función nula aquella que a todo x  le hace corresponder cero:

0f : x 0 se verifica el axioma (3).

f 0f : x f ( x)  0  f ( x)  f  0 f  f

Definiendo  f como la función que a todo x  le hace corresponder el número

 f ( x) :
 f : x  f ( x)

con lo cual se verifica el axioma (4)

f   f  : x f ( x)    f ( x)   f ( x)  f ( x)  0  f    f   0 f
130
 ESPACIOS VECTORIALES

Además se satisfacen:

(5) k  f  g  : x k  f ( x )  g ( x )   k . f ( x )  k .g ( x )  k  f  g   k f  k g

(6)  k1  k2  f : x  k1  k2  f ( x)  k1 f ( x)  k2 f ( x)   k1  k2  f  k1 f  k 2 f

(7)  k1 k2  f : x  k1 k2  f ( x)  k1  k2 f ( x)   k1 k2  f  k1  k2 f 

(8) 1 f : x 1 f ( x)  f ( x)  1 f  f

En conclusión: las funciones continuas forman un espacio vectorial, al que se denota

f :  f es continua .

SUBESPACIOS

Un subconjunto no vacío W de un espacio vectorial V se denomina subespacio

vectorial de V si W es en sí mismo un espacio vectorial bajo la adición y la multiplicación
por escalar definidas en V.
En general, para demostrar que un conjunto W con la adición y la multiplicación por
escalar forman un espacio vectorial es necesario verificar todas las condiciones exigidas a
un conjunto para ser espacio vectorial. Sin embargo, si W es parte de un conjunto más
grande V que es un espacio vectorial, entonces algunos axiomas se cumplen
automáticamente en W porque son “heredados” de los correspondientes en V.
Así, no hace falta verificar por ejemplo que: u + v = v + u con u, v  W porque esta
relación se cumple para u , v como vectores de V.

Puede demostrarse:
Sea V un espacio vectorial sobre el cuerpo y W un subconjunto no vacío de V, entonces
W es un subespacio de V si y sólo si:
a) La suma de dos vectores de W pertenece a W.
b) El producto de un vector de W por cualquier escalar pertenece a W.

A veces resulta útil, por su sencillez, verificar si el vector nulo del espacio vectorial V
pertenece a W, porque en caso negativo es seguro que W no es un subespacio vectorial de
V.
En cualquier espacio vectorial V:


V mismo y el conjunto 0 son subespacios de V.
V es el subespacio más amplio en el sentido de que incluye a cualquier otro subespacio de
V.

El subespacio 0 está incluido en cualquier otro. Con frecuencia se le da el nombre de
subespacio trivial.

En 2
el conjunto Wu  k u/ k   con u   0, 0  , que también puede escribirse
u  0 representa geométricamente una recta por el origen. Luego, los subespacios de 2

131
MATEMÁTICA II-3004- (Ciencias Biológicas)-Teórico

son: 2
mismo, cualquier recta por el origen y el conjunto  0, 0  . Se prueba que éstos
2
son los únicos subespacios de .

Sean U y W subespacios de un espacio vectorial V.

 La intersección de U y W denotada como U W   v  V / v  U  v  W (o sea el
conjunto de vectores comunes a U y W), es un subespacio.
Más generalmente: la intersección de cualquier colección finita de subespacios es un
subespacio.

 La suma de U y W denotada por U  W  v  V / v  u  w con u  U  w  W (o

sea el conjunto de las sumas de un vector de U y un vector de W) es un subespacio
del espacio vectorial V.

Observación: la unión de subespacios no es, en general, un subespacio.

COMBINACIONES LINEALES Y SUBESPACIO GENERADO

Sea V un espacio vectorial sobre un cuerpo

v1 , v 2 , ..., vr vectores de V. k1 , k2 ,..., kr escalares de

Se dice que un vector v  V es combinación lineal de los vectores

v1 , v 2 , ..., vr según los escalares k1 , k2 ,..., kr

r
si y sólo si v = k1 v1 + k2 v 2 +...+ kr v r   k j v j
j 1

EJEMPLO 6.1
Sean v1   2,1, 3 ; v2   1, 4, 2  vectores de 3
y k1  2 ; k2  3
Luego v = 2  2,1, 3   3 1, 4, 2    7, 10, 0 
es combinación lineal de los vectores v 1 y v 2 según los escalares k1 , k2 .

EJEMPLO 6.2
0 2 
Sea v   
2×2

 3 1
 1 2 2 2
¿Es v combinación lineal de v1    y v2    ?
 1 3  1 5 

Si la respuesta fuera afirmativa, deben existir escalares k1 y k2 tal que:

 1 2  2 2 0 2
k1.    k2 .   
 1 3  1 5  3 1
queda planteado el sistema de ecuaciones

132
 ESPACIOS VECTORIALES

 k1  2k2  0
 2 k  2 k  2
 1 2

 1k1  k2  3
 3k1  5k2  1

que tiene solución única  k1 , k2  =  2,1 . Luego el vector v es combinación lineal de los
vectores v 1 y v 2 según los escalares k1  2 y k2  1 .

Sea V: -espacio vectorial, con v1 , v 2 , ..., vr vectores de V.

W: conjunto de las combinaciones lineales de v1 , v 2 , ..., vr

Entonces W es un subespacio de V, el cual se llama subespacio generado

por v1 , v 2 , ..., vr y se denota: W  genv1 , v2 , ..., vr 

El conjunto S  v1 , v2 , ..., vr  se llama generador de W.

El subespacio generado por los vectores v1 , v 2 , ..., vr puede ser el mismo V; en ese caso
diremos que el conjunto S   v1 , v 2 , ..., v r  genera al espacio vectorial V, o bien que
S   v1 , v 2 , ..., v r  es un generador de V.

Sea V un espacio vectorial sobre un cuerpo . S   v1 , v 2 , ..., v r  es un generador de V

si y sólo si v  V  v = x1v1  x2 v2   xr vr

Observación

Se han usado las palabras generador y subespacio generado cuyo significado preciso
debe ser tenido en cuenta.
Un generador es un conjunto de vectores tales que todo vector del espacio vectorial se
puede expresar como combinación lineal de ellos.
El subespacio generado es el conjunto formado por todas las combinaciones lineales
que se pueden realizar con los vectores del generador.

2 3
EJEMPLO 6.3: Si u es un vector no nulo de ó de , el subespacio generado por u ,

W  gen u es la recta por el origen, con vector de dirección u .

3
EJEMPLO 6.4: Si u y v son dos vectores no nulos y no paralelos de , el subespacio
generado por ellos W  gen u, v es un plano por el origen.

EJEMPLO 6.5: Todo vector v   a , b, c  en 3 se puede expresar como una combinación

lineal de los versores (un versor es un vector unitario en la dirección de un eje cartesiano):
e1 = (1, 0, 0); e2 = (0,1, 0); e3 = (0, 0,1)

133
MATEMÁTICA II-3004- (Ciencias Biológicas)-Teórico

En efecto (a, b, c)  a (1, 0, 0)  b (0,1, 0)  c (0, 0,1)

Luego 3
= gen e1 ; e 2 ; e 3 

EJEMPLO 6.6: 2
 gen 1, 0  ,  0,1 ,  2, 3 
En efecto, todo v   x, y   2 se expresa como:
 x, y    x  2k 1, 0    y  3k  0,1  k  2, 3 para cualquier k 

DEPENDENCIA E INDEPENDENCIA LINEAL DE VECTORES

Sean v1 , v 2 , ..., vr vectores de un espacio vectorial V. Si V  gen  v1 , v 2 , ..., v r  , no

todo vector de V es combinación lineal de los vectores dados, sino solamente aquellos que
pertenecen a W  gen  v1 , v 2 , ..., v r  .
Pero para cualquier elección de los vectores v1 , v 2 , ..., vr (y para cualquier r) el vector
0  gen v1 , v 2 , ..., v r  ; o sea que el vector nulo es siempre combinación lineal de r
vectores arbitrariamente elegidos. En efecto, basta escribir:

0 = 0 v1 + 0 v 2 + ... + 0 v r

o sea con todos los coeficientes iguales a cero, a la cual se denomina combinación lineal
trivial.
La pregunta es si es posible escribir el vector nulo como combinación lineal de los
vectores dados en forma distinta a la trivial, es decir con coeficientes no todos nulos. Al
menos en 2 y 3 la respuesta depende de cuáles son los vectores v1 , v 2 , ..., vr . Así por
3
ejemplo en si:

v1  1, 2, 0  ; v 2  1, 0, 0  ; v 3  1, 4, 0 

 0, 0, 0   0 1, 2, 0   0 1, 0, 0   0 1, 4, 0 

 0, 0, 0    2 1, 2, 0   11, 0, 0   11, 4, 0 
El vector nulo es combinación lineal de los vectores dados en más de una forma.
Mientras que si: v1  1, 0, 0  ; v 2  1,1,1 son los vectores dados, el vector nulo se expresa
como combinación lineal de ellos en una única forma, ya que:

 0, 0, 0   k1 1, 0, 0   k2 1,1,1    k1  k2  , k2 , k2   k1  k2  0
En el primer caso los vectores dados son linealmente dependientes, mientras que en casos
como el segundo, los vectores son linealmente independientes.

134
 ESPACIOS VECTORIALES

Sea V un espacio vectorial sobre el cuerpo K; v1 , v2 , . . . r, vectores

v de V.
v1 , v 2 , ..., vr son linealmente dependientes (l.d.) si y sólo si existen escalares
k1 , k2 ,..., kr no todos nulos tal que k1 v1  k2 v 2   kr v r  0

Sea V un espacio vectorial sobre el cuerpo K; v1 , v 2 , ..., vr vectores de

V. v1 , v 2 , ..., vr son linealmente independientes (l.i.) si y sólo si

k1 v1  k2 v 2   kr v r  0  k1  k2   kr  0

Si v1 , v 2 , ..., vr son linealmente independientes, el vector nulo se expresa de una sola

forma como combinación lineal de estos vectores (forma trivial), mientras que si dichos
vectores son linealmente dependientes, además de la forma trivial existen otras maneras de
expresar al vector nulo como combinación lineal de ellos.

Propiedades:

1) Sea V un espacio vectorial sobre un cuerpo ; v1 , v2 , ..., vr vectores de V. Los

vectores v1 , v 2 , ..., vr son linealmente independientes sí y sólo si todo
v  gen v1 , v 2 , ... , v r  es combinación lineal de los vectores v1 , v 2 , ..., vr en una sola
forma.
2) Sea V un espacio vectorial sobre un cuerpo ; v1 , v2 , ..., vr  V ; r  2
Los vectores v1 , v 2 , ..., vr son linealmente dependientes sí y sólo si alguno de ellos es
combinación lineal de los demás.

Observaciones:

Sea V un – espacio vectorial:

1) Dos vectores u y v no nulos son linealmente dependientes sólo si u= k v .
2) Si entre los vectores v1 , v 2 , ..., vr figura el vector nulo, entonces v1 , v 2 , ..., vr son
linealmente dependientes.
3) Si entre los vectores v1 , v 2 , ..., vr figuran dos vectores iguales entonces
v1 , v 2 , ..., vr son linealmente dependientes.
4) Si al conjunto de vectores v1 , v 2 , ..., vr linealmente dependientes, se le agrega el
vector u , los vectores v1 , v 2 , ..., vr ,u son linealmente dependientes.
5) Si v1 , v 2 , ..., vr son vectores linealmente independientes, entonces los vectores
v2 , v3 , ..., vr son linealmente independientes.
6) En n los vectores en “escalera” son linealmente independientes.

Resulta de utilidad interpretar geométricamente la dependencia e independencia lineal

lo cual es factible cuando se visualizan los vectores en 2 o 3 .

Dos vectores son linealmente independientes (l.i.) si cuando se grafican representantes

de los mismos con origen coincidente con el origen de coordenadas, no resultan ubicados
sobre la misma recta (Figura 6.1a). Notar que en el caso de la Figura 6.1b, los dos vectores
135
MATEMÁTICA II-3004- (Ciencias Biológicas)-Teórico

son paralelos, es decir que al trasladarlos quedan ubicados en la misma recta y resultan ser
múltiplos escalares.

y y

u u
v
v

x x
z z

Figura 6.1: a) vectores l.i. b) vectores l.d.

Con el mismo tipo de representación, en el caso de tres vectores la independencia lineal

implica que no están situados en el mismo plano. (Figura 6.2a), en tanto que la
dependencia lineal si se comprueba que son coplanares. (Figura 6.2b).

y
y
w
w
u
v
u
v x x

z z
Figura 6.2: a) vectores l.i b) vectores l.d.

BASES Y DIMENSIÓN DE UN ESPACIO VECTORIAL

Entre los subconjuntos generadores de un espacio vectorial, desempeñan un papel

fundamental aquellos que son linealmente independientes. Por este motivo los
distinguiremos con un nombre especial, como lo expresa la siguiente definición:

Sea V un espacio vectorial sobre un cuerpo , los vectores v1 , v2 , ..., vr  V forman

una base para V si:
1) v1 , v 2 , ..., vr son linealmente independientes
2) gen v1 , v 2 , ..., v r   V

Los vectores e1 =(1, 0, 0); e2 = (0,1, 0); e3 = (0, 0,1) generan 3

. Como están “en
escalera” son linealmente independientes, luego forman una base de 3
la cual recibe el
nombre particular de “base canónica” o “base estándar”.

136
 ESPACIOS VECTORIALES

En algunos espacios vectoriales el número de vectores que componen una base es

finito, mientras no lo es en otros casos. El número de vectores que componen distintas
bases de un mismo espacio vectorial no cambia y recibe el nombre de dimensión.
2
es un espacio vectorial de dimensión dos, análogamente, 3 es un espacio
vectorial de dimensión tres y n es un espacio vectorial de dimensión n. Estos espacios
vectoriales se dicen de dimensión finita.


En cualquier espacio vectorial V, el conjunto 0 es un subespacio. Se asigna a este
subespacio la dimensión cero.

2×2
El espacio vectorial tiene dimensión cuatro, pues:

1 0 0 1 0 0 0 0 
    
0 0 0 0 1 0 0 1 
2×2
es una base de , como se verifica fácilmente.

ESPACIO DE LAS FILAS Y ESPACIO DE LAS COLUMNAS DE UNA MATRIZ

mn
Dada la matriz A 
 a11 a12 ... a1n 
a a22 ... a2 n 
A   21 
 ... 
 am1 am 2 ... amn 

Si se considera a cada fila de la matriz A como un vector, denominado vector fila de A, el

conjunto de ellos genera un subespacio, llamado espacio de las filas de A: E f  A   n .
Las columnas de A consideradas como vectores, a las que se denomina vectores columna
de A, generan un subespacio, llamado espacio de las columnas de A. Por supuesto
Ec  A   m .

Propiedades:

1) Si A es una matriz de tamaño  m  n  , entonces las operaciones elementales sobre las

filas (o columnas) de A no cambian el espacio de las filas (o columnas) de A.

Demostración:

Puesto que hacer operaciones elementales sobre las filas es hacer combinaciones lineales
de los vectores fila, el subespacio generado es el mismo, lo que vale también para las
columnas.

2) Sea A una matriz, entonces:

a) Los vectores no nulos de una matriz escalonada equivalente por filas a la matriz
A forman una base de E f  A  .

137
MATEMÁTICA II-3004- (Ciencias Biológicas)-Teórico

b) Los vectores no nulos de una matriz escalonada equivalente por filas a la matriz
AT forman una base de Ec  A  .

Demostración:

Basta probar que los vectores no nulos de una forma escalonada son linealmente
independientes, pero eso se comprueba fácilmente ya que debajo de cada elemento
conductor solo hay ceros.

EJEMPLO 6.7: PROBLEMA

Dados u1 , u 2  u3  , siendo u1  1,2,0  , u 2   3,6,0  , u 3  1,0, 1

3

Determinar si los vectores dados son linealmente independientes y el subespacio

W  3 que generan. Caracterizar dicho subespacio (hallar una ecuación que indique las
condiciones que cumplen los vectores pertenecientes al subespacio). Dar una base e indicar
la dimensión del mismo.

Para determinar si u1 , u 2  u 3 son linealmente independientes, se debe comprobar que sólo

los escalares k1  k2  k3  0 verifican la condición k1u1  k2u 2  k3u 3  0

k1 1,2,0   k2  3,6,0   k3 1,0, 1   0,0,0 

De modo que hay que resolver el sistema homogéneo:

k1  3k2  k3  0

 2k1  6k2  0
  k3  0


Cuya matriz ampliada es:

1 3 1 0
 
2 6 0 0
 0 0 1 0 

Se puede observar que los vectores u1 , u 2  u 3 son las columnas de la matriz de

coeficientes.

Reduciendo por filas:

1 3 1 
2 6 0 
 
 0 0 1
 F2   2  F1

138
 ESPACIOS VECTORIALES

  1 F3
1 3 1
0 0 2 
 
0 0 1 
1 3 1
0 0 2 
 
0 0 1 
 F2  F3
1 3 1 
0 0 1 
 
0 0 2 
 F1   1 F2
 F3  2 F2
1 3 0 
0 0 1 
 
0 0 0 

k1  3k2  0

 k3  0

El sistema resolvente indica que existen ki  0 que verifican

k1 1,2,0   k2  3,6,0   k3 1,0, 1   0,0,0 

Tomando cualquier k 2  , existen infinitas combinaciones lineales para el vector nulo,

del tipo:
3k2 1,2,0   k2  3,6,0   0 1,0, 1   0,0,0 

Si en la matriz reducida una columna no contiene un elemento conductor, ésta se

corresponde con el vector de la matriz de coeficientes que puede expresarse como
combinación lineal de los que sí tienen conductores. En este caso

 3,6,0   31,2,0   0 1,0, 1

Conclusiones:
 Al anularse una fila, el rango de la matriz es 2, lo que indica que la dimensión del
subespacio W 
3
, es 2.
 Los vectores u1  1,2,0  , u 2   3,6,0  son linealmente dependientes al ser uno
múltiplo escalar del otro.
139
MATEMÁTICA II-3004- (Ciencias Biológicas)-Teórico

 Los vectores u1 , u 2  u 3 son linealmente dependientes, al serlo u1  u 2 .

 El subespacio W  gen u1 , u 2 , u3  gen u1 , u3 , por lo tanto u1  1,2,0  y
u 3  1,0, 1 constituyen una base de W.

Caracterizar un (sub) espacio vectorial es hallar una o más ecuaciones que

indiquen las condiciones que cumplen los vectores pertenecientes a ese (sub)espacio
vectorial.
La caracterización de los vectores pertenecientes al subespacio y la determinación
de una base del mismo, se obtiene probando que todo vector  x, y , z  W 
3
resulta
ser combinación lineal de u1 , u 2  u 3 . Es decir, que en el ejemplo 6.7:
 x, y, z   k1 1,2,0   k2  3,6,0   k3 1,0, 1
De modo que hay que resolver el sistema:

k1  3k2  k3  x

 2k1  6k2  y
  k3  z

Cuya matriz ampliada es:
1 3 1 x
 
2 6 0 y
 0 0 1 z 

Reduciendo por filas:

1 3 1 x
 
2 6 0 y
 0 0 1 z 
 F2   2  F1
  1 F3
1 3 1 x 
 
0 0 2 y  2x
0 0 1  z 
 F2  F3
1 3 1 x 
 
0 0 1 z 
0 0 2 y  2 x 

140
 ESPACIOS VECTORIALES

 F1   1 F2
 F3  2 F2
1 3 0 xz 
 
0 0 1 z 
0 0 0 y  2 x  2 z 

El sistema será compatible (teorema de Rouche Frobenius) si en la última fila se cumple

que y  2 x  2 z  0 , lo que determina una condición que caracteriza a los vectores del
subespacio generado por los vectores u1 , u 2  u 3 .

W  gen u1 , u 2 , u3

W   x, y, z   3
/ y  2 x  2 z  0

La ecuación de caracterización permite observar que:

(a) (b) (c)

y  2x  2z  0 y  2x  2z  0 y  2x  2z  0
y  2x  2z x  12 y  z z  12 y  x

Considerando (a) los vectores  x, y , z  W son de la forma:

 x, y , z    x , 2 x  2 z , z 
 x, y, z   x 1,2,0   z  0,2,1
Así: W  gen 1,2,0  ,  0,2,1
BW  1,2,0  ,  0,2,1 es una base de W.
dim W   2

En conclusión, se puede apreciar que los vectores u1 , u 2  u 3 no generan

3
. Generan un
subespacio W 
3
, que corresponde a un plano pasante por el origen.

El mismo subespacio W se encuentra considerando (b):

 x, y, z    12 y  z , y , z 
 x, y, z   y  12 ,1,0   z  1,0,1
Así: W  gen  12 ,1,0  ,  1,0,1
BW   12 ,1,0  ,  1,0,1 es una base de W.
dim W   2

O bien considerando (c):

141
MATEMÁTICA II-3004- (Ciencias Biológicas)-Teórico

 x, y, z    x , y , 12 y  x 
 x, y, z   x 1,0, 1  y  0,1, 12 
Así: W  gen 1,0, 1 ,  0,1, 12 
BW  1,0, 1 ,  0,1, 12  es una base de W.
dim W   2
Nótese que se han resuelto separadamente dos sistemas de ecuaciones con la misma matriz
de coeficientes, uno homogéneo y el otro no. El sistema resolvente en ambos casos se
obtuvo mediante la aplicación de la misma sucesión de operaciones elementales de fila.
Por tal motivo resulta práctico resolverlos simultáneamente.

1 3 1 0 x 
 
2 6 0 0 y 
 0 0 1 0 z 

Llegando a la reducida

1 3 0 0 xz 
 
0 0 1 0 z 
0 0 0 0 y  2 x  2 z 

Obteniendo las mismas conclusiones a las que se arribó previamente.

Por último, si se considera a los vectores dados como las filas de la matriz y se aplican las
definiciones y propiedades del espacio de las filas de una matriz, se llega a resultados
idénticos.
1 2 0 
3 6 0 
 
1 0 1
 F2   3 F1
 F3   1 F1
1 2 0 
0 0 0 
 
0 2 1
 F2  F3
1 2 0 
0 2 1
 
0 0 0 

142
 ESPACIOS VECTORIALES

 F2  1 / 2 
1 2 0 
0 1 1 / 2 
 
0 0 0 
 F1   2  F2
1 0 1 
0 1 1 / 2 
 
0 0 0 

Analizando la matriz reducida por filas de acuerdo a lo expresado anteriormente, se

concluye que:
 La existencia de una fila nula indica que los vectores u1 , u 2  u 3 son linealmente
dependientes.
 Las dos primeras filas (consideradas como vectores) constituyen una base de
W  gen u1 , u 2 , u3 , el que claramente tiene dimensión 2.
 Los vectores que forman las filas no nulas coinciden con los obtenidos en el caso
(c) del método visto anteriormente.
 Teniendo en mente la caracterización obtenida para los vectores de W se puede
observar que cada una de las filas de la matriz inicial (con los vectores en las filas)
y en todos los pasos de la reducción por filas, los vectores cumplen con la
caracterización.

FUNCIONES LINEALMENTE INDEPENDIENTES

Dos funciones f y g son linealmente dependientes (l.d.) en un intervalo  a, b   si

existen constantes c1 y c2 no simultáneamente iguales a cero tales que para todo x   a, b 
se cumple:
c1 f  x   c2 g  x   0

Alternativamente, dos funciones f y g son linealmente independientes (l.i.) en un

intervalo  a, b   si y solo sí para todo x   a, b  los únicos valores de las constantes c1
y c2 que verifican
c1 f  x   c2 g  x   0
con c1  c2  0
Si f y g son linealmente dependientes (l.d.) en un intervalo  a, b   , entonces existen
constantes c1 y c2 no simultáneamente iguales a cero tales que para todo x   a, b  se
cumple:
c1 f  x   c2 g  x   0

Suponiendo que c1  0 , luego:

143
MATEMÁTICA II-3004- (Ciencias Biológicas)-Teórico

c2
f  x   g  x
c1
Si dos funciones son l.d. en un intervalo, entonces una es múltiplo escalar de la otra para
todo x   a, b  .
Si se tiene que f  x  c2 g x , se comprueba que:  1 f  x   c2 g  x   0 para todo
x   a, b  . Por lo tanto las funciones f y g son l.d. en  a, b  .
Se concluye que dos funciones son l.i. en un intervalo cuando ninguna es múltiplo escalar
de la otra.

El problema consiste en hallar los coeficientes c1 y c 2 que se consideran incógnitas en la

ecuación
c1 f  x   c2 g  x   0
Josef Wronski (1776-1853) propuso que la segunda ecuación fuera la derivada de la
anterior, ya que contiene los mismos coeficientes
c1 f '  x   c2 g '  x   0

Así, si se conocen las dos funciones en estudio y sus derivadas, es posible hallar los
coeficientes resolviendo el sistema de ecuaciones lineales homogéneo:

 c1 f  x   c2 g  x   0  f  x  g  x    c1   0 
       
c1 f '  x   c2 g '  x   0  f '  x  g '  x   c2  0 

Este sistema tendrá solución única (la trivial) si el determinante de la matriz de Wronski es
distinto de cero. En ese caso el único valor que admiten c1 y c 2 es cero, lo que implica que
las funciones f y g son linealmente independientes, en caso contrario son linealmente
dependientes.

Wronskiano
Sean f y g funciones derivables en un intervalo  a, b   . A la función definida por el
determinante
f  x g  x
 f  x g ' x  f ' x g  x
f ' x g ' x
se la denomina Wronskiano de f  x  y g  x  y se denota por W  f , g  , que valuada en x
es W  f , g  x  .

EJEMPLO 6.8:
Comprobar que f  x   x y g  x   x 2 son l.i. en

Razonando por el absurdo, supondremos que f y g son l.d. en , es decir existen

constantes c1 y c2 no simultáneamente iguales a cero tales que:

c1 x  c2 x 2  0
derivando respecto a x:
c1  2c2 x  0
144
 ESPACIOS VECTORIALES

Con las dos ecuaciones anteriores se conforma un sistema de ecuaciones lineales, cuyas
incógnitas son c1 y c 2
c1 x  c2 x 2  0  x x 2   c1   0 
       
 c1  2c2 x  0 1 2 x  c2  0
Al ser un sistema de ecuaciones homogéneo, siempre admite la solución trivial, pero
interesa determinar si tiene soluciones no triviales, si fuera así las funciones serían l.d. Para
que esto suceda el determinante de la matriz del sistema debe ser igual a cero.

x x2
 2 x 2  x 2  x 2  0 para todo x  .
1 2x

La suposición de que f y g sean l.d. llevó a concluir que x2  0 para todo x  , lo que es
claramente falso. En consecuencia f y g son l.i. para todo x  .

TEOREMA
Sean f y g funciones derivables en un intervalo  a, b   , si el Wronskiano W  f , g  es
distinto de cero en por lo menos un punto x0   a, b  , entonces f y g son funciones
linealmente independientes en ese intervalo.

Demostración: Por el absurdo, si se supone que f y g son funciones linealmente

dependientes en ese intervalo, se debe cumplir que el sistema

 f  x  g  x    c1   0 
     
 f '  x  g '  x   c2  0 

admita soluciones distinta a la trivial, y eso se da solo sí

f  x g  x
 f  x g ' x  f ' x g  x  0 x   a, b 
f ' x g ' x

Lo que contradice la hipótesis. Por lo tanto f y g son funciones linealmente

independientes.

Si se necesita determinar si tres funciones f, g, y h son linealmente independientes en un

intervalo, la matriz de Wronski es de tamaño  3  3  e incorpora una fila con las derivadas
segundas, como se ve a continuación:

 f  x g  x h  x 
 
 f ' x g ' x h ' x 
 f ''  x  g ''  x  h ''  x  

siendo su determinante:

145
MATEMÁTICA II-3004- (Ciencias Biológicas)-Teórico

f  x g  x h  x
W  f , g, h  f ' x g ' x  h ' x 
f ''  x  g ''  x  h ''  x 

En el caso de determinar si n funciones f1 , f 2 , , f n son linealmente independientes en un

intervalo, la matriz de Wronski es de tamaño  n  n  siendo su determinante:

f1 f2 fn
f1  f 2  f n 
1 1 1

W  f1 , f 2 , , fn  

f1
n 1
f 2
n 1
f n
n 1
 x

Extendiéndose la validez del teorema enunciado para determinar la independencia lineal

entre dos funciones ya demostrado.

146