Sunteți pe pagina 1din 395

Álgebra Lineal Teoría y Práctica

Miguel A. Perelló °c 2000 - 2002 CRESLINE

Versión 20020715

ii

Índice general

Introducción

 

XI

I

Teoría

1

1. Espacios vectoriales

 

3

 

1.1. Hacia el concepto de vector

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

3

1.2. Concepto de espacio vectorial

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

3

1.3. Propiedades elementales

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

7

1.4. Producto de espacios vectoriales

 

8

1.5. Subespacios vectoriales

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

9

1.6. Intersección de subespacios vectoriales

 

12

1.7. Subespacio engendrado por un subconjunto

 

13

1.8. Suma de subespacios vectoriales

 

14

1.9. Combinaciones lineales

 

.

.

.

.

.

.

.

.

.

.

.

.

18

1.10. Clausura lineal

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

20

1.11. Sistemas equivalentes

 

.

.

.

.

.

.

.

.

.

.

.

.

23

1.12. Dependencia e independencia lineal

 

25

1.13. Bases de un espacio vectorial de dimensión nita

 

30

1.14. Dimensión de un subespacio vectorial

 

34

1.15. Espacio vectorial cociente

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

38

1.16. Rango de un sistema de vectores

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

40

1.17. Isomorsmos de espacios vectoriales

 

43

1.18. Cambio de coordenadas

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

48

2. Aplicaciones lineales

 

53

 

2.1. Denición y ejemplos

 

.

.

.

.

.

.

.

.

.

.

.

.

53

2.2. Núcleo e imagen de una aplicación lineal

 

55

2.3. Matriz asociada a una aplicación lineal

 

57

2.4. Espacios vectoriales isomorfos

 

62

2.5. Teoremas de isomorsmo

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

65

2.6. El espacio de las aplicaciones lineales

 

68

iii

 

iv

ÍNDICE GENERAL

3. Matrices

71

3.1. Denición de matriz

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

71

3.1.1.

Tipos especiales de matrices

 

73

3.2. Espacio vectorial de las matrices

 

76

3.2.1. Suma de matrices

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

76

3.2.2. Multiplicación escalar de matrices

 

77

3.3. Matriz asociada a una aplicación lineal

 

80

3.4. Producto de matrices

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

82

3.5. Imagen de un vector por de una aplicación lineal

 

85

3.6. El anillo de las matrices cuadradas

 

86

3.7. Trasposición de matrices

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

90

3.8. Cambios de base en un espacio vectorial

 

92

3.9. Cambios de base en una aplicación lineal

 

94

3.9.1. Matrices equivalentes

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

96

3.9.2. Matrices semejantes

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

97

3.10. Rango de una matriz

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

98

3.11. Matrices elementales

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

100

4. Determinantes

 

111

4.1. Determinante de n vectores

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

111

4.1.1. Propiedades de las formas multilineales alternadas

 

113

4.1.2. Propiedades de los determinantes

 

120

4.2. Determinante de un endomor smo

 

122

4.3. Determinante de una matriz cuadrada

 

126

4.3.1. Desarrollo por los elementos de una la o columna

 

129

4.3.2. Cálculo del rango de una matriz por determinantes

 

132

4.3.3. Cálculo por determinantes de la matriz inversa

 

134

5. Sistemas de ecuaciones lineales

 

137

5.1. Planteamiento del problema

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

137

5.2. Existencia de soluciones de un sistema de ecuaciones lineales

 

138

5.3. Regla de Cramer

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

140

5.4. Resolución de un sistema de ecuaciones lineales

 

141

5.5. Clasicación de los sistemas de ecuaciones lineales

 

148

5.6. Método de Gauss

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

150

5.7. Cálculo de la matriz inversa

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

153

5.8. Estudio de las ecuaciones AX = B

 

155

6. Diagonalización de endomor smos

159

6.1. Vectores propios y valores propios. Polinomio característico

 

159

6.2. Diagonalización de endomorsmos

 

161

ÍNDICE GENERAL

v

7. La forma reducida de Jordan

 

167

7.1. Polinomio mínimo

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

167

7.2. Subespacios invariantes

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

169

7.3. El teorema de Cayley-Hamilton

 

175

7.4. Matriz reducida (general) de un endomorsmo

 

177

7.5. Matriz reducida de Jordan

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

181

8. Formas bilineales simétricas y formas cuadráticas

 

185

8.1. Denición y primeras propiedades

 

185

8.2. Ortogonalidad. Elementos isótropos

 

195

 

8.2.1. Bases ortogonales

 

.

.

.

.

.

.

.

.

.

.

.

.

200

8.2.2. Bases ortonormales

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

204

8.3. Formas bilineales simétricas reales

 

207

 

8.3.1. Endomorsmos adjuntos y autoadjuntos

 

213

8.3.2. Diagonalización de matrices simétricas

 

218

8.4. Procedimientos

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

223

 

8.4.1. Reducción de las formas cuadráticas reales

 

223

8.4.2. Clasicación de formas cuadráticas reales

 

.

.

.

.

.

.

.

.

.

228

II Práctica

 

233

9.

Espacios vectoriales

 

235

9.1. Concepto de espacio vectorial

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

235

9.2. Subespacios vectoriales

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

242

9.3. Intersección de subespacios vectoriales

 

245

9.4. Subespacio engendrado por un conjunto

 

246

9.5. Suma de subespacios vectoriales

 

246

9.6. Combinaciones lineales

 

.

.

.

.

.

.

.

.

.

.

.

.

247

9.7. Clausura lineal

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

249

9.8. Sistemas equivalentes

 

.

.

.

.

.

.

.

.

.

.

.

.

252

9.9. Dependencia e independencia lineal

 

253

9.10. Bases de un espacio vectorial de dimensión nita

 

.

.

.

.

.

.

.

.

.

255

9.11. Dimensión de un subespacio vectorial

 

257

9.12. Espacio vectorial cociente

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

259

9.13. Rango de un sistema de vectores

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

259

9.14. Producto de espacios vectoriales. Isomorsmos de espacios vecto-

 

riales .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

262

9.15. Cambio de coordenadas

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

262

10.Aplicaciones lineales

 

265

10.1. Denición y ejemplos

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

265

10.2. Núcleo e imagen de una aplicación lineal

 

267

10.3. Matriz asociada a una aplicación lineal

 

270

10.4. Espacios vectoriales isomorfos

 

275

10.5. Teoremas de isomorsmo

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

276

 

vi

ÍNDICE GENERAL

10.6.

El espacio de las aplicaciones lineales

 

277

11.Matrices

279

11.1. Denición de matriz

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

279

11.2. Espacio vectorial de las matrices

 

279

11.3. Producto de matrices

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

281

11.4. Matriz asociada a una aplicación lineal

 

283

11.5. El anillo de las matrices cuadradas

 

283

11.6. Cambios de base

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

285

11.7. Matrices elementales

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

288

12.Determinantes

293

12.1. Formas multilineales. Propiedades

 

293

12.2. Determinante de un endomor smo

294

12.3. Determinante de una matriz cuadrada. Propiedades

 

295

13.Sistemas de ecuaciones lineales

 

303

14.Diagonalización de endomor smos

 

313

14.1. Vectores y valores propios. Polinomio característico

 

313

14.2. Diagonalización de matrices

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

314

15.Forma reducida de Jordan

 

319

15.1. Polinomio mínimo

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

319

15.2. Subespacios invariantes

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

320

15.3. El teorema de Cayley-Hamilton

 

323

15.4. Matriz canónica de un endomorsmo

 

326

16.Formas bilineales simétricas y formas cuadráticas

 

331

16.1. Denición y primeras propiedades

 

331

16.2. Ortogonalidad respecto a una forma bilineal simétrica

 

334

16.3. Formas bilineales simétricas reales

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

339

16.4. Procedimientos

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

342

III Apéndices

347

A. Espacios vectoriales

349

B. Aplicaciones lineales

355

C. Matrices

361

D. Determinantes

365

E. Sistemas de ecuaciones lineales

369

F. Diagonalización de endomor smos

371

ÍNDICE GENERAL

vii

G. Forma reducida de Jordan

375

H. Formas bilineales simétricas y formas cuadráticas

379

Agradecimientos

381

 

viii

ÍNDICE GENERAL

Prefacio

El presente libro es sólo una parte del curso que con el mismo título se ofrece de forma gratutita en www.aprendes.com. Su único objetivo es presentar sus contenidos en formato pdf para que el estudiante pueda obtener una copia impresa de aquellos documentos que son de su interés. El estudiante, sin em- bargo, debe tener en cuenta que al elegir el estudio por la vía del documento impreso no podrá beneciarse de ninguna de las ayudas incorporadas en el curso mediante interacción, ni de ninguno de los exámenes tipo test donde podrá pon- er a prueba su nivel de conocimientos sobre un determinado tema. Este material debe considerarse solamente como un soporte de repaso a los cursos interactivos presentados por aprendes.com.

ix

 

x

PREFACIO

Introducción

El presente libro, dedicado al Álgebra Lineal, está destinado a los estudiantes de primer curso de las Facultades de Ciencias, Escuelas de Ingeniería y Arqui- tectura, y su texto está dividido en tres partes: Teoría, Práctica y Apéndice. La primera parte presenta una exposición teórica de cada tema por capítulos. En cada capítulo se tratan los conceptos de forma rigurosa mediante deniciones, se enuncian sus propiedades mediante teoremas y corolarios, y se acompañan todas las demostraciones. En la exposición se han incorporado ejemplos para hacer más fácil su compresión y su utilización en la práctica. La segunda parte, como su nombre indica, es una cuidada selección de prob- lemas resueltos de cada tema. En la mayoría de los casos, los problemas se presentan en cada capítulo de esta parte bajo los mismos epígrafes que la ex- posición teórica, y se han escrito los razonamientos que justi can los pasos realizados para llegar a la solución de cada uno de ellos. Finalmente, como apéndice del texto, se han añadido listas de problemas de cada uno de los temas tratados en las partes anteriores para que sirvan de soporte a los estudiantes que quieran practicar y profundizar más, así como la bibliografía utilizada en el curso.

xi

 

xii

INTRODUCCIÓN

Parte I

Teoría

1

 

Capítulo 1

Espacios vectoriales

1.1. Hacia el concepto de vector

La palabra ”vector” es conocida de todos por la geometría. En el bachillerato, se estudió la clase de objetos que denominamos vectores en geometría plana o del espacio. Sin embargo, hay otras clases de objetos de la matemática que se comportan del mismo modo; comportarse del mismo modo signi ca poseer las mismas propiedades. Descubrir estas propiedades es el primer paso hacia la generalización. El segundo paso es la axiomatización, es decir, elegir entre todas las propiedades descubiertas aquellas que permitan deducir todas las demás; es- tas propiedades se llaman entonces axiomas. Cualquier clase de objetos que satisfaga estos axiomas se dirá que se comportan como vectores. El último paso es desarrollar la teoría matemática con base en los axiomas previamente elegidos. Los resultados que se obtienen de la teoría constituyen las propiedades de los vectores. Por tanto, cualquier clase de objetos que se comporten como vectores tendrán estas propiedades. Según la teoría matemática, se llamará vector a cualquier elemento de un espacio vectorial. Es preciso pues denir el concepto de espacio vectorial.

1.2. Concepto de espacio vectorial

Para saber si un conjunto es un espacio vectorial es necesario comprobar que sobre él podemos denir dos operaciones. Una de ellas es interna, es decir, estable respecto a los elementos del propio conjunto y, la otra, es externa y su conjunto de operadores externo es un cuerpo conmutativo; decir que la operación es externa signica que es estable respecto a la actuación del cuerpo sobre los elementos del conjunto. Además, estas dos operaciones deben satisfacer unas determinadas propiedades, que se denominan axiomas.

Denición 1 Dado un cuerpo conmutativo K, sea E un conjunto arbitrario de

3

 

4

CAPÍTULO 1. ESPACIOS VECTORIALES

objetos sobre los cuales se de nen dos operaciones, la adición y la multiplicación por escalares (elementos de K ). Por adición se entiende una regla para asociar con cada pareja de objetos u y v de E , un elemento u + v , llamado suma de u y v . Por multiplicación por escalares se entiende una regla para asociar con cada escalar λ de K y cada objeto u de E , un elemento λu, llamado producto de u por el escalar λ. Si los axiomas siguientes son satisfechos por todos los objetos u, v , w en E y todos los escalares λ, µ en K, entonces E recibe el nombre de espacio vectorial sobre K, y a los objetos en E se les denomina entonces vectores.

1.

Si u y v son objetos de E , entonces u + v está en E (la adición es una operación interna)

2.

u + (v + w )=( u + v ) + w (la adición es asociativa)

3.

u + v = v + u (la adición es conmutativa)

4.

Existe un objeto 0 en E , denominado vector cero, tal que 0 + u = u + 0 = u (la adición posee elemento neutro)

5.

Para cada u en E , existe un objeto u en E , denominado opuesto de u, tal que u + ( u)=(u) + u = 0 (la adición posee la propiedad del elemento simétrico)

6.

Si λ está en K y u en E , entonces λu está en E (la multiplicación por escalares es una operación externa y su conjunto de operadores es K)

7.

λ(u + v ) = λu + λv

8.

(λ + µ) u = λu + µu

9.

λ(µu)=( λµ)u

10.

1u = u (1 es la unidad del cuerpo K)

Observación 1 Hacemos las siguientes observaciones importantes:

1. En la teoría de espacios vectoriales, el cuerpo K se ja de una vez para siempre y se llama el cuerpo base . Sus elementos se llaman escalares

y se designan por letras griegas.

2. A los elementos de los espacios vectoriales se les llama vectores y se designan por letras minúsculas en negrita. Para distinguir el conjunto de su estructura de espacio vectorial, utilizaremos la siguiente notación: es- cribiremos E para referirnos simplemente al conjunto, y E para referirnos

a su estructura de espacio vectorial sobre K .

3. En realidad, la distinción entre escalares y vectores no tiene ningún sentido matemático ya que como veremos más abajo los escalares se comportan también como vectores.

1.2.

CONCEPTO DE ESPACIO VECTORIAL

5

4. Se ha utilizado el mismo signo + para denotar dos operaciones distintas (la adición en K y la adición en el espacio vectorial), pero no da lugar a confusión si nos jamos en los elementos que une el signo + en cada caso. Lo mismo puede decirse de la multiplicación en K y de la multiplicación por escalares.

5. El conjunto E dotado con la adición tiene la estructura de grupo con- mutativo o abeliano al satisfacer los axiomas 1-5. Se supone en esta sección que el lector está familiarizado con las propiedades elementales de la teoría de grupos.

6. En particular, un espacio vectorial sobre el cuerpo R de los números reales se llama un espacio vectorial real, y un espacio vectorial sobre el cuerpo C de los números complejos, un espacio vectorial complejo.

7. El lector debe tener presente que, en la denición de espacio vectorial, no se especi ca la naturaleza de lo que llamamos después vectores ni la de las operaciones que denominamos adición y multiplicación por escalares. Cualquier clase de objetos que se desee puede servir como vectores, todo lo que se requiere es que se satisfagan los axiomas de los espacios vectoriales. En los ejemplos que siguen, dan cierta idea de la diversidad de espacios vectoriales posibles.

Ejemplo 1 Todo cuerpo conmutativo es un espacio vectorial sobre sí mismo, lo que muestra que los ”escalares” son en este caso también ”vectores”; Q, R y C son espacios vectoriales sobre sí mismo.

Ejemplo 2 El cuerpo de los números reales R es un espacio vectorial sobre el

cuerpo Q de los números racionales; 2, π, 5 2+ π/3, etc., son vectores de este espacio.

Ejemplo 3 Tomemos E = C, K = R y las operaciones

( a + bi)+(c + di)=(a + c)+( b + d )i

λ(a + bi) = λa + λbi

donde a, b, c, d, λ R, entonces C es un espacio vectorial real; es también un espacio vectorial sobre sí mismo. Es importante saber que estas dos estructuras son diferentes.

Ejemplo 4 Tomemos K = R y como E el conjunto de los vectores de origen dado O del espacio ordinario. De nimos la suma de dos vectores por la regla del paralelogramo y el producto de un número real λ por un vector v como el vector obtenido aplicando a v la homotecia de centro O y razón λ. De este modo se obtiene un espacio vectorial real. En este ejemplo está el origen de la noción general de espacio vectorial y explica además el empleo de la palabra ”vector” para designar a sus elementos.

 

6

CAPÍTULO 1. ESPACIOS VECTORIALES

Ejemplo 5 Se llama vector de orden n sobre K a toda n tupla ordenada

(x 1 ,

componentes del vector. El elemento x i recibe entoces el nombre de compo- nente i esima´ del vector. Dos vectores de orden n son iguales si y sólo si sus

, x n ) de elementos del cuerpo conmutativo K. Los elementos x i se llaman

componentes son iguales. Distinguiremos entre vector la

y vector columna

( x 1

···

x

.

.

.

x

1

n

x n )

Es fácil dotar al conjunto de estos vectores de estructura de espacio vectorial sobre K. La adición se de ne por

(x 1 ,

,

x n )+(y 1 , y n )=(x 1 + y 1 ,

,

, x n + y n )

El elemento neutro es 0 = (0, ,

La multiplicación por un escalar λ K se dene por

0) y el opuesto de ( x 1 ,

,

x n ) es ( x 1 ,

λ( x 1 , ,

x

n )=( λx 1 ,

, λx n )

, x n ).

Es inmediato comprobar que se cumplen todos los axiomas de espacio vectorial, ya que quedan reducidos a las propiedades elementales entre elementos del cuerpo K. Este espacio vectorial se denota por K n . Este ejemplo tiene su origen en la geometría analítica al representar un vector por sus componentes en los ejes de coordenadas.

Ejemplo 6 El conjunto

R n [x] = © a 0 + a 1 x + a 2 x 2 +

+ a n x n : a 0 ,a 1 ,a 2 , ,

a n

R ª

de los polinomios de grado a lo sumo n con coe cientes reales y las operaciones

( a 0 + a 1 x + a 2 x 2 +

+ a n x n )+(b 0 + b 1 x + b 2 x 2 +

+ b n x n ) =

( a 0 + b 0 )+( a 1 + b 1 )x + ( a 2 + b 2 )x 2 +

+ (a n + b n ) x n

λ(a 0 + a 1 x + a 2 x 2 +

+ a n x n ) = λa 0 + λa 1 x + λa 2 x 2 +

+ λa n x n

forman un espacio vectorial real.

Ejemplo 7 El conjunto F ( R, R) = {f : f : R R} de las funciones reales de variable real y las operaciones ( f, g ) 7−→ f + g y (λ, f ) 7−→ λf denidas como sigue

(f + g )( x) = f ( x) + g (x)

(λf )( x) = λf ( x)

forman un espacio vectorial real.

1.3.

PROPIEDADES ELEMENTALES

7

Ejemplo 8 El conjunto M n×m (R) de las matrices de orden n × m con coe- cientes reales junto con las operaciones de adición matricial y multiplicación escalar:

( a ij )+( b ij )=(a ij +

λ(a ij )=(λa ij )

b ij )

donde 1 i n y 1 j m, forman un espacio vectorial real.

Ejemplo 9 El conjunto E de todos los puntos del plano que se encuentran en el primer cuadrante no es un espacio vectorial real. Para ver esto, obsérvese que el punto de coordenadas (1, 1) está en E , pero (1)(1, 1) = (1, 1) no lo está.

Ejemplo 10 El conjunto de los polinomios de segundo grado con coecientes reales no es un espacio vectorial real. Para ver esto, consideremos los siguientes polinomios de segundo grado:

p( x) = x 2 y q ( x) = x 2 + x + 1

Entonces, su suma no es un polinomios de segundo grado, pues

p (x) + q (x) = x + 1

Observación 2 Sería interesante que el lector probara todas los axiomas de los espacios vectoriales en los ejemplos anteriores; es fácil aunque un poco largo.

1.3. Propiedades elementales

Como consecuencia de la denición, se obtienen los siguientes resultados.

Teorema 1 Para cualquier u de E y λ de K, se cumple:

1. 0u = 0

2. λ0 = 0

3. λu = 0 implica λ = 0 o u = 0

4. ( 1) u = u

Demostración: (1.) En efecto, aplicando el axioma 8, se tiene

0u = (0 + 0)u = 0u + 0u

y, de aquí, por la unicidad del vector cero, se deduce 0u = 0. (2.) En efecto, aplicando los axiomas 4 y 7, se tiene

λ0 = λ(0 + 0) = λ0 + λ0

 

8

CAPÍTULO 1. ESPACIOS VECTORIALES

y, de aquí, por la misma razón de antes, se deduce λ0 = 0. (3.) En efecto, si λ 6= 0, λ es invertible en K . Entonces, aplicando el axioma 9 y el apartado anterior, se tiene

u = 1u = (λ 1 λ) u = λ 1 ( λu) = λ 1 0 = 0

y de aquí, se deduce lo que queríamos demostrar. (4.) En efecto, aplicando los axiomas 10 y 8, y el apartado 1, se tiene

u + (1)u = 1u + (1) u = (1 + (1)) u = 0u = 0

de donde, por la unicidad del opuesto de u, se tiene lo que queríamos probar.

del opuesto de u , se tiene lo que queríamos probar. 1.4. Producto de espacios vectoriales

1.4. Producto de espacios vectoriales

El procedimiento que nos ha permitido de nir K n a partir de K puede gen- eralizarse para construir nuevos espacios a partir de espacios conocidos. Sean E 1 y E 2 dos espacios vectoriales sobre el mismo cuerpo conmutativo K. Consideremos el conjunto producto E 1 × E 2 y las dos operaciones siguientes:

(u 1 , u 2 )+( v 1 , v 2 )=(u 1 + v 1 , u 2 + v 2 ) λ( u 1 , u 2 )=(λu 1 u 2 )

Entonces con estos datos tenemos un espacio vectorial sobre K que se llama espacio vectorial producto E 1 × E 2 .

E n

Del mismo modo se dene el producto de n espacios vectoriales E 1 , sobre un mismo cuerpo K. Las operaciones son en este caso

,

(u 1 , u 2 ,

,

u n )+( v 1 , v 2 , λ( u 1 , u 2 ,

,

,

v n )=( u 1 + v 1 , u 2 + v 2 ,

u

n

)=(

λu 1 u

2 ,