Está en la página 1de 36

Tema 2: Espacios vectoriales

La estructura de espacio vectorial juega un papel fundamental en el lgebra lineal pues es la base
de todos los conceptos que ah se desarrollan. Vamos en la siguiente seccin a tratarla.
1 Denicion y ejemplos
Cuando manejamos vectores del plano R
2
o del espacio tridimensional R
3
podemos deducir una serie
de propiedades, a partir de las cuales, en un ejercicio de abstraccin, introducimos el concepto de
espacio vectorial como aquel ente que verica dichas propiedades, que sern tomadas como axiomas
y que se recogen en la siguiente denicin:
Denicin 1.1 Sea V un conjunto y sea K un cuerpo. Supongamos que tenemos denidas dos
operaciones en V , una LCI + (denominada suma), que asigna a cada par de elementos u, v V
un elemento u +v V , y otra externa : K V V (denominada producto o multiplicacin
por elementos del cuerpo), que asigna a cada elemento K y a cada v V un elemento v V
(se podr omitir el punto en adelante).
Se dice que la terna (V, +, ) es un K-espacio vectorial o un espacio vectorial sobre K (en
adelante se dir simplemente que V es un espacio vectorial) si se satisfacen las siguientes propiedades
(a las que denominaremos axiomas):
1) V es un grupo abeliano con la suma +:
(a) (Propiedad asociativa) u, v, w V se tiene que
(u +v) +w = u + (v +w)
(b) (Propiedad conmutativa) u, v V se tiene que
u +v = v +u
(c) (Elemento neutro) Existe un elemento, al que vamos a denotar por 0, tal que dado
cualquier u V se tiene que
u + 0 = u
(d) (Elemento opuesto) Dado u V existe un vector v tal que
u +v = 0
Diremos que v es el opuesto de u y pondremos v = u.
2) (Propiedades pseudodistributivas)
1
a) u, v V, K se tiene que
(u +v) = u + v
b) u V, , K se tiene que
( +) u = u + u
3) (Propiedad pseudoasociativa) u V, , K se tiene que
( ) u = ( u)
4) (Pseudoelemento neutro) u V se tiene que
1 u = u
(donde 1 es el neutro para la multiplicacin en el cuerpo K).
Observacin 1.2 Los elementos de un espacio vectorial se denominarn vectores (de dicho espacio
vectorial) y los del cuerpo se llamarn escalares. Debido a las propiedades de un espacio vectorial
como grupo abeliano existir un vector especial que ser el neutro para la suma, al cual llamaremos
vector nulo, o vector cero, y lo denotaremos 0
V
. Y para referirnos al cero del cuerpo K distinguin-
dolo del anterior podemos usar la notacin 0
K
. Si no hay lugar a confusin los denotaremos a ambos
indistintamente por 0. Tambin aparecen dos sumas, la de escalares y la de vectores. Representare-
mos ambas por el mismo smbolo +, siempre que no d lugar a confusin. Por ltimo recordemos
que todo vector v V tendr un vector opuesto para la suma, el cual ser designado por v (que
es el vector que cumple que v + (v) = 0).
Propiedad: Sea (V, +, ) un espacio vectorial sobre un cuerpo K y sean K y v V . Se
tiene que v = 0 si y slo si = 0 v = 0.
Ejemplo 1.3 1. Sea K = R el cuerpo de los nmeros reales y consideremos el conjunto
V = R
2
= {(x, y) : x, y R}
Se dene la suma interna + y la multiplicacin externa en V coordenada a coordenada:
Dados u = (x, y), v = (z, t) V denimos
u +v = (x, y) + (z, t) = (x +z, y +t)
Dados u = (x, y) V y R denimos
u = (x, y) = ( x, y).
Es sencillo comprobar que R
2
, con estas operaciones anteriormente denidas, es un R-espacio
vectorial. Vemoslo.
2
(a) Grupo abeliano:
i. Propiedad asociativa: dados
u = (x, y), v = (z, t), w = (a, b) V
se tiene que
(u +v) +w = [(x, y) + (z, t)] + (a, b) =
= (x +z, y +t) + (a, b) = ((x +z) +a, (y +t) +b) =
= (x + (z +a), y + (t +b)) =
= (x, y) + [(z +a, t +b)] =
= (x, y) + [(z, t) + (a, b)] = u + (v +w)
(hemos utilizado la propiedad asociativa de los nmeros reales para la suma).
ii. Propiedad conmutativa: dados
u = (x, y), v = (z, t) V
se tiene que
u +v = (x, y) + (z, t) =
= (x +z, y +t) = (z +x, t +y) =
= (z, t) + (x, y) = v +u
(hemos utilizado la propiedad conmutativa de los nmeros reales para la suma).
iii. Existencia de elemento neutro: existe un vector, el vector 0 = (0, 0), tal que dado
cualquier u = (x, y) V se tiene que
u + 0 = (x, y) + (0, 0) = (x + 0, y + 0) = (x, y) = u
(hemos utilizado que el nmero real 0 es el neutro para la suma en R).
iv. Existencia de elemento opuesto: dado u = (x, y) V existe un vector, el vector
u = (x, y), tal que
u + (u) = (x, y) + (x, y) = (x x, y y) = (0, 0) = 0
(hemos utilizado que todo nmero real posee opuesto para la suma).
(b) Propiedades pseudodistributivas:
i. Dados u = (x, y), v = (z, t) V y R se tiene que
(u +v) = [(x, y) + (z, t)] = (x +z, y +t) =
= [ (x +z), (y +t)] = ( x + z, y + t) =
= ( x, y) + ( z, t) = (x, y) + (z, t) = u + v
(hemos utilizado la propiedad distributiva de los nmeros reales).
3
ii. Dados u = (x, y) V y , R se tiene que
( +) u = ( +) (x, y) = (( +) x, ( +) y) =
= ( x + x, y + y) = ( x, y) + ( x, y) =
= (x, y) + (x, y) = u + u
(hemos utilizado de nuevo la propiedad distributiva de los nmeros reales).
(c) Propiedad pseudoasociativa: dados u = (x, y) V y , R se tiene que
( ) u = ( ) (x, y) = [( ) x, ( ) y] = [ ( x), ( y)] =
= ( x, y) = ( (x, y)) = ( u)
(hemos utilizado la propiedad asociativa de los nmeros reales para la multiplicacin).
(d) Pseudoelemento neutro: dado u = (x, y) V se tiene que
1 u = 1 (x, y) = (1 x, 1 y) = (x, y) = u
(hemos utilizado que el nmero real 1 es el neutro para el producto de nmeros reales).
De modo anlogo se tiene para (R
3
, +, ), (R
4
, +, ) y en general para cualquier n = 1, 2, 3....
el espacio vectorial (R
n
, +, ), donde R
n
= {(x
1
, x
2
, ..., x
n
) : x
1
, x
2
, ..., x
n
R}. Incluso para
n = 1 obtenemos el espacio vectorial (R, +, ) con la suma y el producto entre nmeros.
Adems, esta construccin no es exclusiva del cuerpo R porque tambin es posible denir, para
cualquier cuerpo K y cualquier n = 1, 2, 3, .... los espacios vectoriales de la forma (K
n
, +, ).
2. Consideremos V el conjunto de todos los polinomios de grado menor o igual que dos con coe-
cientes reales, es decir,
V = P
2
[R] = {ax
2
+bx +c : a, b, c R}
Denimos una suma interna + y una multiplicacin por escalares del siguiente modo:
Dados ax
2
+bx +c, dx
2
+ex +f V denimos
(ax
2
+bx +c) + (dx
2
+ex +f) = (a +d)x
2
+ (b +e)x + (c +f)
y dados ax
2
+bx +c V y R denimos
(ax
2
+bx +c) = ax
2
+bx +c
En denitiva se dene la suma y la multiplicacin en cada coeciente. Es sencillo comprobar
que P
2
[R], con estas operaciones anteriormente denidas, es un R-espacio vectorial. En este
espacio vectorial el vector nulo es el polinomio
0 = 0 + 0x + 0x
2
4
y el opuesto de un vector ax
2
+bx +c es
(ax
2
+bx +c) = ax
2
bx c.
De modo anlogo se denen P
3
[R], P
4
[R] y en general para cualquier n N, P
n
[R], el conjunto
de los polinomios de grado menor o igual que n (en la indeterminada x) con coecientes reales.
Adems esta construccin puede extenderse de nuevo a cualquier cuerpo. De este modo, para
un cuerpo K y cualquier n = 0, 1, 2, 3.... tambin es posible denir los espacios vectoriales de
la forma P
n
[K], tomando los polinomios de grado menor o igual que n (en la indeterminada
x) con coecientes sobre K.
3. El espacio vectorial de las funciones reales con dominio sobre un conjunto X R:
F[X] = {funciones f : X R}
(y como caso especial las funciones de una variable con dominio todo R,
F = F[R] = {funciones f : R R})
En este espacio vectorial se denen la suma y el producto de escalares por vectores del siguiente
modo: si tenemos dos funciones f, g : X R, la funcin suma f + g : X R est dada por
(f +g)(x) = f(x) +g(x), x X; y si tenemos una funcin f : X R y un escalar R
se dene el producto de ambos como la funcin f : X R dada por ( f)(x) = f(x),
x X. Estas operaciones proporcionan a F[X] estructura de espacio vectorial sobre R en el
que el vector nulo es la funcin idnticamente nula:
0 : X R, tal que 0(x) = 0, x X
es decir, es la que lleva todos los elementos de X al 0; y el vector opuesto de f es la funcin
f, denida por
(f)(x) = f(x), x X
4. El conjunto de los nmeros complejos
C = {a +bi : a, b R}
donde i es el nmero imaginario

1, es un espacio vectorial sobre R, donde la suma es la
habitual y el producto de escalares por vectores se hace como en R
2
, es decir, y el producto de
a +bi C y R est dado por
(a +bi) = a +bi
El 0 y el opuesto son los mismos que en C.
5. Dados m, n N

, las matrices de orden m n con coecientes sobre K constituyen un K-


espacio vectorial con la suma y el producto por escalares coordenada a coordenada (como si
fueran vectores). El neutro es la matriz nula, y el opuesto de una matriz dada es la matriz que
tiene todos los coecientes opuestos de la anterior.
5
2 Subespacios vectoriales
Denicin 2.1 Un subconjunto W de un K-espacio vectorial V se dir que es un subespacio
vectorial (o simplemente un subespacio) de V (y lo denotaremos as: W V ) si se cumplen
las dos propiedades siguientes:
1. Para todo par de vectores u, v W se tiene que u +v W; y
2. Para todo vector u W y todo escalar K se tiene que u W.
Propiedad:Sea V un espacio vectorial. Entonces:
1. Si W V , entonces (W, +, ) (con las operaciones suma y multiplicacin externa heredadas de
V ) es un K-espacio vectorial.
2. (Caracterizacin de subespacio) Dado un subconjunto W de V , se tiene que W es un
subespacio de V si y slo si para cada par de vectores u, v W y cada par de escalares
, K, se tiene que u +v W.
3. Si W V . Entonces 0 W.
La ltima de las propiedades anteriores es til en la prctica para determinar, en algunas ocasio-
nes, que ciertos subconjuntos de un espacio vectorial no son subespacios, pues, en cuanto tengamos
un subconjunto del espacio vectorial que no contiene al vector nulo podremos armar que no puede
ser un subespacio suyo.
Ejemplo 2.2 1. Consideremos el espacio vectorial V = R
2
y el subconjunto W = {(x, y) tales
que 3x y = 0} de R
2
. Entonces, W es un subespacio de V . Vemoslo.
Dados u = (x, y), v = (z, t) W y , R, debemos ver que el vector w = u + v est en
W. Como w = (x, y) +(z, t) = (x +z, y +t) y como 3x y = 0, 3z t = 0, se tiene
que 3(x +z) (y +t) = (3x y) +(3z t) = 0. En denitiva w W.
2. Sea V = K
3
= {(x, y, z)|x, y, z K} y sea U = {(x, y, z)|z = 1}. Entonces U no es un
subespacio de V porque el vector nulo de K
3
, 0 = (0, 0, 0), no est en U.
3. Sea V = K
2
= {(x, y)|x, y K} y sea S = {(x, y)|y = x
2
}. Entonces S no es un subespacio de
V porque aunque el vector nulo de K
2
, 0 = (0, 0), est en S, se cumple para el vector (1, 1) S
que 2(1, 1) = (2, 2) / S.
4. Sea V un espacio vectorial. Asociados a V siempre aparecen los llamados subespacios tri-
viales, que son V y {0}. El primero es claro que es un subespacio vectorial, pues la suma de
vectores de V estn en V , y el producto de un escalar por un vector de V est de nuevo en
V (esto se debe a la denicin de suma y producto por escalares en V ). Y el conjunto {0}
6
tambin es un subespacio de V , ya que, la suma de vectores nulos da de nuevo el vector nulo,
as como el producto de cualquier escalar por el vector nulo. El primero est formado por todos
los vectores de V y el segundo est formado nicamente por el vector 0. A stos se les llamar
subespacio total y subespacio cero (o subespacio nulo), respectivamente. A este ltimo
se le designa (igual que al vector) con el smbolo 0.
3 Sistemas de vectores
Un sistema de vectores de un espacio vectorial V es una coleccin (nita) de vectores v
1
, v
2
, ..., v
n
de V , en la que pudiera ocurrir que hubiese alguno repetido (de ah que no empleemos en general
el trmino conjunto de vectores, pues en un conjunto, por denicin, no puede haber elementos
repetidos). Tambin designaremos a los sistemas de vectores mediante llaves, dejando claro que eso
no signica que el sistema sea propiamente un conjunto. As, no es lo mismo hablar del sistema de
vectores {v
1
, v
2
, ..., v
n
}, que del conjunto de vectores {v
1
, v
2
, ..., v
n
}, pues en el segundo caso estamos
suponiendo adems que no hay vectores repetidos.
3.1 Combinaciones lineales. Subespacio generado. Sistema generador
Supongamos que tenemos un sistema de vectores v
1
, v
2
, ..., v
n
de un espacio vectorial V . Dado otro
vector v del espacio vectorial, diremos que v es combinacin lineal (abreviadamente CL) del
sistema (o de los vectores) v
1
, v
2
, ..., v
n
si
v =
1
v
1
+
2
v
2
+... +
n
v
n
para algunos
1
,
2
, ...
n
K.
Ejemplo 3.1 1. Dados los vectores
(0, 1, 2), (3, 0, 1)
una de sus CL es el vector
2(0, 1, 2) 1(3, 0, 1) = (3, 2, 3)
Todas las CL de ellos sern los vectores de la forma
(0, 1, 2) +(3, 0, 1) = (3, , 2 +)
para cualquier par de escalares y .
2. Dado cualquier sistema de vectores v
1
, v
2
, ..., v
n
se tiene que cada v
i
es CL del sistema. Esto es
as porque
v
i
= 0 v
1
+ 0 v
2
+... + 0 v
i1
+ 1 v
i
+ 0 v
i+1
+... + 0 v
n
7
3. El vector nulo es siempre CL de cualquier sistema de vectores {v
1
, v
2
, ..., v
n
}. Esto se debe a
que
0 = 0 v
1
+ 0 v
2
+... + 0 v
n
Dado un sistema de vectores S = {v
1
, v
2
, ..., v
n
} de un K-espacio vectorial V , podemos coger
todos los vectores de V que son CL de los vectores de S, es decir, el siguiente conjunto de vectores:
{
1
v
1
+
2
v
2
+... +
n
v
n
:
1
,
2
, ...
n
K}
al que denotaremos por < S > < v
1
, v
2
, ..., v
n
> (otros autores utilizan la notacin L(S) o
L{v
1
, v
2
, ..., v
n
}). De hecho se tiene que < S > es un subespacio de V .
Dados vectores v
1
, v
2
, ..., v
n
, al subespacio dado anteriormente, < v
1
, v
2
, ..., v
n
>, lo llamaremos
subespacio generado o engendrado por S o por los vectores v
1
, v
2
, ..., v
n
(otros docentes lo llaman
envoltura lineal de los vectores v
1
, v
2
, ..., v
n
).
Ejemplo 3.2 Hallemos el subespacio de R
3
generado por los vectores (2, 0, 3) y (1, 1, 0). ste es
< (2, 0, 3), (1, 1, 0) >= {(2, 0, 3) +(1, 1, 0) : , R} = {(2 , , 3) : , R}
Diremos que {v
1
, v
2
, ..., v
n
} es un sistema generador (abreviadamente SG) de V si
V =< v
1
, v
2
, ..., v
n
>
Esto ocurre si y slo si todo vector de V es CL de los vectores v
1
, v
2
, ..., v
n
.
Ejemplo 3.3 Determinar cules de los siguientes son SG de R
2
:
1.
{(1, 2), (1, 1)}
Tomemos un vector arbitrario (x, y) de R
2
. Veamos si existen escalares a, b R de manera
que (x, y) = a(1, 2) +b(1, 1). Operando e igualando coordenada a coordenada tendramos que
()
(
x = a b
y = 2a +b
Sumando estas dos ecuaciones concluiramos que a =
x+y
3
, y sustituyendo en la primera que
b = a x =
2x+y
3
. As, vemos que efectivamente todo vector de R
2
es CL de los vectores
iniciales (pues hemos hallado a y b en funcin de x e y, comprobando que se cumple la igualdad
(x, y) = a(1, 2) +b(1, 1)), lo que prueba que stos constituyen un SG de R
2
.
Nota: Habitualmente uno de los mtodos ms sencillos para ver que el sistema de vectores es un
SG es comprobar que el sistema de ecuaciones lineales (*) es un SC. Por ejemplo, analizando
los rangos (argumentan do como en el Teorema de Rouch). En nuestro caso la matriz de
coecientes tiene claramente rango 2, y por tanto tambin la ampliada. Por ello es un SC y
por tanto y los vectores consituyen un SG de R
2
.
8
2.
{(1, 3)}.
Tomemos nuevamente un vector arbitrario (x, y) de R
2
. Veamos si existe algn escalar a R
de manera que (x, y) = a(1, 3). Operando e igualando coordenada a coordenada tendramos que
()
(
x = a
y = 3a
Las matrices de coecientes es y ampliada son, respectivamente,

1
3
!
1 x
3 y
!
por lo que su rango vale, para la primera 1, y para la segunda a veces 1 y otras veces 2. Entonces
no se cumple que estemos siempre (para todos los valores de x, y) con un SC (cuando el rango
de la matriz ampliada es 2 estamos con un SI). Concluimos que no es un SG de R
2
.
3. Supongamos que estamos en el espacio vectorial R
2
y tomemos el subespacio
U = {(x, y)|x + 2y = 0}
de R
2
. Veamos si los vectores (2, 1) y (2, 1) forman un SG de U.
En primer lugar es claro que ambos vectores pertenecen a U. Seguidamente tomemos un vector
cualquiera (x, y) U y veamos si es CL de los dos vectores anteriores. As veamos si existen
escalares a y b tales que (x, y) = a(2, 1)+b(2, 1), es decir, tales que x = 2a+2b e y = ab.
Sabemos que x +2y = 0, con lo que x = 2y = 2a +2b (es decir, la primera ecuacin sobra,
pues se deduce de la segunda). Entonces es suciente tomar a y b tales que y = a b. Hemos
deducido que los vectores (2, 1) y (2, 1) forman un SG de U.
Algunas propiedades destacables son las siguientes:
Propiedad: Sea V un espacio vectorial. Entonces:
1. Dado un sistema de vectores v
1
, v
2
, ..., v
n
de V , se tiene que cada v
i
pertenece a < v
1
, v
2
, ..., v
n
>.
2. El subespacio generado por un sistema de vectores no vara si realizamos alguna de las siguientes
manipulaciones:
(a) Aplicamos las trasformaciones elementales de Gauss. En particular esto es aplicable a
un SG de V , es decir, si sobre un SG de V aplicamos alguna de las transformaciones de
Gauss (cambiamos de orden los vectores, le aadimos a algn vector algn mltiplo de
otro vector del sistema o multiplicamos algn vector por un escalar no nulo) el sistema
resultante es de nuevo un SG de V .
9
(b) Adems de las transformaciones de Gauss, tambin pueden en un sistema de vectores
eliminarse algunos que no aporten ms informacin de la que ya aportan los dems, es
decir, si a un sistema de vectores le quitamos uno que sea CL de los dems el sistema
resultante es de nuevo un SG de V .
Ejemplo 3.4 Consideremos el siguiente subespacio de R
4
:
W =< (1, 2, 0, 1), (0, 1, 3, 0), (2, 4, 0, 2), (2, 3, 3, 2), (0, 0, 0, 0), (1, 0, 6, 1) >
Hallar un SG de W que tenga el menor nmero de vectores posibles, escalonando por Gauss.
Se deduce de lo anterior que un SG de W es
{(1, 2, 0, 1), (0, 1, 3, 0), (2, 3, 3, 2), (1, 0, 6, 1)}
Simplemente vamos a escalonar por Gauss dicho sistema y despus de eliminar los vectores sobrantes
nos quedar el SG pedido de W. Observemos en primer lugar que el tercero puede ser eliminado,
pues es el doble del primero, y el penltimo es el vector nulo y por tanto puede ser tambin eliminado.
A simple vista no es fcil observar ms relaciones de dependencia, por lo que los otros cuatro los
dispondremos en forma matricial y procederemos a escalonar por Gauss:

1 2 0 1
0 1 3 0
2 3 3 2
1 0 6 1

Ahora le aadimos a la tercera la 2 veces la primera y a la ltima le restamos la primera:


F
3
2F
1
F
4
F
1

1 2 0 1
0 1 3 0
0 1 3 0
0 2 6 0

Ahora podemos eliminar la tercera la, por ser igual que la segunda, y la cuarta, por ser el doble de
la segunda, quedndonos como SG de W el siguiente
{(1, 2, 0, 1), (0, 1, 3, 0)}
3.2 Dependencia e independencia lineal
Un sistema de vectores v
1
, v
2
, ..., v
n
se dice que es libre, o que los vectores que lo forman son lineal-
mente independientes (LI), cuando la nica CL de ellos que da como resultado el vector 0 es la
CL en la que todos los escalares son nulos (diremos indistintamente que el sistema o los vectores son
LI). Podemos expresarlo as:

1
v
1
+
2
v
2
+... +
n
v
n
= 0
1
=
2
= ..... =
n
= 0
10
En caso contrario se dice que el sistema de vectores es ligado, o que los vectores que lo forman son
linealmente dependientes (LD) (diremos indistintamente que el sistema o los vectores son LD).
Esto ocurre cuando podamos encontrar alguna CL de los vectores que da cero, siendo algn escalar
no nulo.
Ejemplo 3.5 1. Veamos que los vectores u = (0, 3, 4) y v = (1, 2, 3) de R
3
son LI.
Para ello supongamos que tenemos alguna CL nula de ellos, es decir, u +v = 0 para ciertos
escalares a y . Entonces tendremos
(0, 0, 0) = a(0, 3, 4) +(1, 2, 3) = (0, 3a, 4a) + (, 2, 3) = (, 3a + 2, 4a + 3)
De aqu deducimos el sistema de ecuaciones

= 0
3 +2 = 0
4 +3 = 0
en las incgnitas y , cuya nica solucin es = = 0.
Nota: Como regla general podemos decir que si el sistema lineal obtenido es SCD entonces al
tener solucin nica y la solucin nula es una de ellas, sta debe ser la nica posible. En tal
caso (SCD) los vectores sern LI, y en caso contrario (SCI) los vectores sern LD.
2. Consideremos los vectores u
1
= (1, 0, 1), u
2
= (1, 2, 0) y u
3
= (1, 2, 2) de R
3
; veamos que son
LD.
Para ello supongamos que se tiene alguna CL nula au
1
+bu
2
+cu
3
= 0, para ciertos escalares
a, b y c. Entonces tendremos
(0, 0, 0) = a(1, 0, 1) +b(1, 2, 0) +c(1, 2, 2) = (a b +c, 2b + 2c, a + 2c)
De aqu deducimos el sistema de ecuaciones

a b +c
2b +2c
a +2c
= 0
= 0
= 0
el cual es SCI. Por tanto los vectores son LD.
3. Veamos que el siguiente sistema de vectores de R
4
es libre:
{u = (1, 5, 4, 5), v = (0, 3, 1, 0), w = (0, 0, 2, 5)}
Si suponemos que existe una CL de estos vectores que da cero u +v +w = 0 tenemos que
(0, 0, 0, 0) = (1, 5, 4, 5) +(0, 3, 1, 0) +(0, 0, 2, 5) = (, 5 + 3, 4 + 2, 5 )
11
De aqu deducimos el sistema de ecuaciones

5 +3
4 +2
5
= 0
= 0
= 0
= 0
cuyas soluciones obtenemos as: en la primera ecuacin = 0; sustituyendo esto en la segunda
= 0; sustituyendo lo anterior en la tercera o cuarta = 0. Claramente es un SCD y por ello
el sistema de vectores es LI.
En los ejemplos anteriores se ha analizado la dependencia o independencia lineal de ciertos sis-
temas de vectores utilizando slo la denicin. A continuacin vamos a ver ciertas propiedades que
nos van a permitir dicho anlisis de manera ms prctica y eciente. Entre ellas gura, cmo no, las
transformaciones de Gauss, las cules nos permitirn escalonar el sistema para obtener la respuesta
a la cuestin.
Propiedades: En un espacio vectorial V se tiene que:
1. Un sistema escalonado es LI si y slo si no tiene las nulas.
2. Las transformaciones de Gauss conservan la dependencia o independencia lineal de un sistema.
3. Todo sistema de vectores que contenga al vector nulo es LD.
4. Todo sistema de vectores que tenga algn vector repetido es LD.
5. Un sistema formado por un slo vector es un sistema LD si y slo si el vector es nulo.
6. Los vectores u, v son LD si y slo si son proporcionales.
7. Los vectores u
1
, u
2
, ..., u
n
son LD si y slo si alguno de ellos es CL del resto.
8. Todo sistema de vectores que contenga a un sistema LD es LD.
9. Todo sistema de vectores contenido en un sistema LI es LI.
10. Si un sistema de vectores es LI entonces las CL lineales del sistema no se repiten, es decir, cada
vector que es CL del sistema puede ponerse slo de una forma como CL del sistema.
Para determinar si un sistema de vectores de R
n
es o no LI utilizaremos habitualmente las dos pri-
meras propiedades de la lista. De este modo escalonaremos el sistema mediante las transformaciones
de Gauss. Como dichas transformaciones no cambian el carcter del sistema, si originalmente ste
era LI el sistema resultante tambin lo ser, y si el del principio era LD el escalonado nal tambin
lo ser. Entonces si al escalonar nos aparece (no importa que sea al nal o en un paso intermedio) el
vector nulo el sistema ser LD. Por contra si conseguimos escalonar hasta el nal el sistema sin que
aparezca el vector nulo, ste ser LI.
Vemoslo en el siguiente ejemplo:
12
Ejemplo 3.6 Veamos si los siguientes vectores de R
5
son LI o LD escalonando el sistema
u
1
= (1, 2, 3, 4, 5), u
2
= (0, 2, 3, 4, 5), u
3
= (1, 0, 0, 0, 0), u
4
= (3, 0, 0, 4, 1), u
5
= (0, 0, 0, 8, 2)
Los ponemos en forma matricial en el orden que creamos conveniente:

1 0 0 0 0
3 0 0 4 1
0 0 0 8 2
0 2 3 4 5
1 2 3 4 5

Le aadimos la primera la a la segunda y quinta del siguiente modo


F
2
3F
1
F
5
+F
1

1 0 0 0 0
0 0 0 4 1
0 0 0 8 2
0 2 3 4 5
0 2 3 4 5

Ahora observamos que hay relaciones de dependencia. Por ejemplo, las dos ltimas las son iguales.
O bien la segunda y tercera son proporcionales. Por tanto los vectores iniciales son LD. Si por el
contrario en ninguno de los pasos obtenemos ninguna relacin de dependencia, entonces los vectores
seran LI.
Veamos otro ejemplo:
Ejemplo 3.7 Demostremos que los vectores (1, 0, 1, 1), (1, 0, 3, 2) y (2, 1, 1, 0) son LI. Para ello
hagamos operaciones sobre la matriz cuyas las son estos vectores:

1 0 1 1
1 0 3 2
2 1 1 0

En primer lugar le aadimos la primera la a la segunda y a la tercera, (a sta ltima multiplicada


por 2):
F
2
+F
1
F
3
+ 2F
1

1 0 1 1
0 0 4 3
0 1 1 2

Despus cambiamos de orden la segunda y tercera las y obtenemos


F
3
F
2

1 0 1 1
0 1 1 2
0 0 4 3

Como en el sistema escalonado de vectores que forman las las de la matriz no aparece el vector
nulo, se deduce que stos (y por lo tanto los vectores iniciales) son LI.
13
Ejemplo 3.8 Demostremos que los vectores (2, 1, 1, 0), (1, 0, 3, 1) y (1, 1, 2, 1) son LD. Para
ello hagamos operaciones sobre la matriz cuyas las son estos vectores:

2 1 1 0
1 0 3 1
1 1 2 1

En primer lugar cambiamos de orden las dos primeras las:


F
1
F
2

1 0 3 1
2 1 1 0
1 1 2 1

Despus le aadimos la primera la a la segunda y a la tercera (a la segunda multiplicada por 2) y


obtenemos
F
2
2F
1
F
3
+F
1

1 0 3 1
0 1 5 2
0 1 5 2

Ahora le sumamos a la tercera la la segunda. Nos da


F
3
+F
2

1 0 3 1
0 1 5 2
0 0 0 0

Como ha aparecido el vector nulo estamos ante un sistema de vectores LD.


4 Bases y dimensin de un espacio vectorial
Denicin 4.1 Un sistema de vectores de un espacio vectorial V se dice que es una base de V si
es un SG de V y es LI.
Ejemplo 4.2 1. Base cannica.
Consideremos en el espacio vectorial R
3
el sistema de vectores
{(1, 0, 0), (0, 1, 0), (0, 0, 1)}
Es fcil comprobar que este sistema es libre y generador del espacio vectorial: lo primero es
inmediato; para lo segundo es suciente observar que para cualquier vector (x, y, z) se tiene que
(x, y, z) = x(1, 0, 0) +y(0, 1, 0) +z(0, 0, 1)
Entonces es una base de R
3
, a la que llamaremos base cannica de R
3
. De modo anlogo puede
denirse la base cannica en cualquier R
n
y en cualquier K
n
. Por ejemplo, en K
2
la base
cannica sera {(1, 0), (0, 1)}.
14
2. El sistema de vectores {(1, 3), (2, 3)} es una base de R
2
.
LI: Por el mtodo de escalonacin basta escalonar la matriz

1 3
2 3
!
dejndola as

1 3
0 9
!
SG: Sea u = (x, y) un vector cualquiera de R
2
. Veamos si puede ponerse como CL de nuestros
vectores. Para ello deberan existir escalares a y b tales que (x, y) = a(1, 3) + b(2, 3), lo que
se traduce en el siguiente sistema de ecuaciones en el que las incgnitas son a y b
(
x = a + 2b
y = 3a 3b
Como es un SC (el rango de la matriz de coecientes y el de la ampliada vale 2), el vector
(x, y) puede ponerse como CL de los vectores (1, 3) y (2, 3), y como esto ocurre para cualquier
vector (x, y) R
2
, se cumple entonces que los vectores iniciales forman un SG (y al ser LI,
por tanto, tambin una base) de R
2
.
3. En el espacio vectorial P
3
[R], de los polinomios con coecientes reales de grado menor o igual
que 3, el sistema
{1, x, x
2
, x
3
}
es una base. A esta base la llamaremos tambin base cannica del espacio vectorial P
3
[R].
LI: Si tenemos una CL nula de los vectores
0 = 1 + x + x
2
+ x
3
= +x +x
2
+x
3
esto se traduce que el polinomio anterior es el polinomio cero, y por tanto sus coecientes son
todos nulos, es decir, = = = = 0.
SG: Sea p(x) = a+bx+cx
2
+dx
3
un vector cualquiera deP
3
[R]. Este vector se pone claramente
como CL de {1, x, x
2
, x
3
}, pues
p(x) = a +bx +cx
2
+dx
3
= a 1 +b x +c x
2
+d x
3
Tener una base en un espacio vectorial es algo que simplica mucho las cosas, pues no hace falta
trabajar con todos los vectores del espacio vectorial, teniendo en cuenta que stos se ponen como CL
de los vectores de la base. El siguiente resultado nos dice que la existencia de bases es una propiedad
de todo espacio vectorial.
Teorema 4.3 (Teorema de la base) Todo espacio vectorial (no nulo) tiene alguna base. Adems,
todas las bases de un espacio vectorial tienen el mismo nmero de elementos.
15
Se llama dimensin de un espacio vectorial V al nmero de elementos de cualquiera de sus
bases, y se denotar por dimV . Segn lo que hemos visto para las bases cannicas de los espacios
vectoriales de la forma R
n
(o K
n
) deducimos que la dimensin de estos espacios vectoriales es n.
Diremos que un espacio vectorial tiene dimensin nita cuando sus bases tienen un nmero nito
de elementos, cosa que ocurrir normalmente en los casos que vamos a tratar. As, cuando hablemos
de un espacio vectorial, salvo que hagamos mencin explcita de lo contrario, supondremos que tiene
dimensin nita.
Observacin 4.4 El subespacio nulo es un espacio vectorial que no tiene bases, ya que
el nico vector que forma parte de l es el vector 0, y ste no puede formar un sistema libre. Esto
tambin puede ser interpretado como que la base del espacio vectorial nulo es el conjunto vaco, .
En cualquier caso la dimensin de este espacio vectorial es 0. Sera incorrecto decir que la base de
este espacio vectorial est formada por el vector 0.
Propiedades: Sea V un espacio vectorial no nulo de dimensin n, y X = {v
1
, v
2
, ..., v
k
} un
sistema de vectores de V .
1. Si X es SG de V entonces existe una base de V contenida en X. En particular n k.
2. Si X es un sistema libre de vectores de V entonces existe una base de V que contiene a X. En
particular k n.
3. Si k = n, entonces X es una base de V X es un SG de V X es un sistema libre de
vectores de V .
Observacin 4.5 Como consecuencia de estas propiedades se deduce adems que la dimensin de
un espacio vectorial V es el nmero mximo de vectores que puede tener un sistema libre de V e
igualmente el nmero mnimo de vectores que puede tener un SG de V .
En la prctica normalmente lo que necesitaremos es simplemente hallar una base de V a partir
de un SG del espacio, sin necesidad de que la base est formada exclusivamente por vectores del SG.
Un mtodo vlido, si estamos en R
n
, es de nuevo el mtodo de escalonacin: Despus de escalonar
el SG de V los vectores no nulos que queden constituirn una base de V . Se pueden ir
quitando durante la escalonacin los vectores nulos que vayan apareciendo sin necesidad de esperar
hasta el nal. Incluso pueden eliminarse los vectores que sean CL de los dems.
Ejemplo 4.6 Recordemos el ejemplo 3.6 en el que probbamos que los siguientes vectores de R
5
eran
LD
u
1
= (1, 2, 3, 4, 5), u
2
= (0, 2, 3, 4, 5), u
3
= (1, 0, 0, 0, 0), u
4
= (3, 0, 0, 4, 1), u
5
= (0, 0, 0, 8, 2)
Ahora lo que pretendemos es hallar una base del subespacio vectorial de R
5
generado por u
1
, u
2
, u
3
, u
4
, u
5
.
Escalonamos igual que hicimos para comprobar si el sistema era libre o ligado:
16
Partiendo de

1 0 0 0 0
3 0 0 4 1
0 0 0 8 2
0 2 3 4 5
1 2 3 4 5

le aadamos la primera la a la segunda y quinta del siguiente modo


F
2
3F
1
F
5
+F
1

1 0 0 0 0
0 0 0 4 1
0 0 0 8 2
0 2 3 4 5
0 2 3 4 5

y luego eliminbamos algunos vectores que eran CL de otros:


Como los dos ltimos vectores son iguales se puede quitar, por ejemplo, el quinto. Como el
segundo y el tercero son proporcionales quitaremos el tercero.
As nos quedara la matriz

1 0 0 0 0
0 0 0 4 1
0 2 3 4 5

Ahora simplemente intercambiamos los dos ltimos vectores para tener escalonada la matriz.
F
2
F
3

1 0 0 0 0
0 2 3 4 5
0 0 0 4 1

Eso signica que los vectores


{(1, 0, 0, 0, 0), (0, 2, 3, 4, 5), (0, 0, 0, 4, 1)}
constituyen una base del subespacio generado por los 5 vectores iniciales.
Sabemos que todo subespacio U de un espacio vectorial V es por s solo un espacio vectorial,
con lo que tendr una base. Podremos hablar pues de su dimensin, como el nmero de vectores de
cualquiera de sus bases. Veamos en el prximo resultado que entonces la dimensin del subespacio
no puede superar la del espacio.
Propiedad: Sea V un espacio vectorial (de dimensin nita) y U un subespacio suyo. Entonces
dimU dimV . De hecho dimU = dimV si y slo si U = V .
17
4.1 Rango de un sistema de vectores
Denicin 4.7 Se llama rango de un sistema de vectores v
1
, v
2
, ..., v
k
a dim < v
1
, v
2
, ..., v
k
>. Si
estamos en R
n
esto es lo mismo que el rango de la matriz cuyas las (o columnas) son los vectores.
El rango se conserva al realizar cualquier operacin que transforme un sistema de vectores en otro
que genere lo mismo. Por ejemplo:
Propiedades
1. Quitar algn vector que sea CL de los restantes.
2. Las transformaciones de Gauss.
Adems, dado un sistema formado por k vectores de un espacio vectorial V se tiene que:
Propiedades
1. El sistema es LI si y slo si su rango es k.
2. Es un SG de V si y slo si su rango es dimV .
Ejemplo 4.8 Calculemos el rango del sistema de vectores siguiente
{(1, 0, 3, 2), (0, 1, 1, 0), (3, 0, 1, 1), (2, 1, 5, 1)}
y deducir si el sistema es LI o SG de R
4
.
Si lo ponemos en forma de matriz el problema se reduce a calcular el rango de la siguiente matriz

1 0 3 2
0 1 1 0
3 0 1 1
2 1 5 1

lo cual se puede hacer escalonndola. En primer lugar le aadimos la primera la a la tercera


(multiplicada por 3) y a la cuarta (multiplicada por 2)
F
3
3F
1
F
4
2F
1

1 0 3 2
0 1 1 0
0 0 10 5
0 1 11 5

Seguidamente le sumamos a la cuarta la la segunda


F
4
+F
2

1 0 3 2
0 1 1 0
0 0 10 5
0 0 10 5

18
Y por ltimo le restamos la tercera a la cuarta para obtener la siguiente escalonacin de la matriz
inicial
F
4
F
3

1 0 3 2
0 1 1 0
0 0 10 5
0 0 0 0

lo cual nos indica que el rango es 3 (nos han salido 3 vectores no nulos). Por tanto los vectores no
son LI (el rango no es igual al nmero de vectores, 4) ni constituyen un SG de R
4
(pues el rango no
coincide con dimR
4
= 4).
4.2 Coordenadas respecto de una base
Supongamos que tenemos una base B = {v
1
, ..., v
n
} de un espacio vectorial V . Entonces dado un
vector u V sabemos que ste puede ponerse como CL de los vectores de la base B, ya que sta
constituye un SG del espacio. Pero al ser adems vectores LI esta CL es nica. Esto signica que
tenemos
u = x
1
v
1
+..... +x
n
v
n
para ciertos escalares x
1
, ....., x
n
, que, en ese orden, son nicos cumpliendo la condicin anterior.
Llamaremos coordenadas del vector u en (o respecto de) la base B a los escalares anteriores (que
se suelen poner en forma de vector), y para esto usaremos la notacin u
B
= (x
1
, ....., x
n
) (aunque
en algunos textos preeren poner u = (x
1
, ....., x
n
)
B
). El vector anterior es lo que se llama un
vector-la; tambin se puede poner, si interesa, en forma de vector-columna
u
B
=

x
1
....
x
n

La necesidad de ponerlo en forma de vector es que interesa que estn ordenados porque importa el
orden en que se disponen los escalares.
Ejemplo 4.9 1. En R
2
cojamos la base
B = {(1, 3), (0, 1)}
Hallemos las coordenadas del vector (2, 5) en la base B.
Sabemos que son los escalares x, y que cumplen que
(2, 5) = x(1, 3) +y(0, 1) = (x, 3x y)
De aqu deducimos el sistema de ecuaciones
(
2 = x
5 = 3x y
19
cuya solucin es x = 2, y = 11. De este modo obtenemos que las coordenadas de (2, 5) en la
base B son (2, 11).
2. Las coordenadas del vector nulo son todas nulas. Esto es as porque
(0, ..., 0) = 0 v
1
+ 0 v
2
+... + 0 v
n
para cualquier base B = {v
1
, v
2
, ..., v
n
}.
3. Si tenemos una base B = {v
1
, v
2
, ..., v
n
} de un espacio vectorial entonces las coordenadas en B
de los propios vectores de la base son las siguientes:
(v
1
)
B
= (1, 0, ..., 0), (v
2
)
B
= (0, 1, 0, ..., 0), ...., (v
n
)
B
= (0, 0, ..., 0, 1)
4. Si estamos en los espacios vectoriales de la forma R
n
y tomamos como base B la cannica, las
coordenadas de un vector v R
n
en esta base son precisamente las componentes del vector, es
decir,
v = (x
1
, ..., x
n
) v
B
=

x
1
....
x
n

Esto es as porque
(x
1
, ..., x
n
) = x
1
(1, 0, ..., 0) +x
2
(0, 1, ..., 0) +... +x
n
(0, 0, ..., 1)
5. Dada la base
B = {(4, 3), (5, 0)}
de R
2
y el vector v R
2
tal que v
B
= (3, 2) se tiene que
v = 3 (4, 3) 2 (5, 0) = (22, 9)
4.3 Cambio de base
Supongamos que tenemos dos bases B = {v
1
, v
2
, ..., v
n
} y B
0
de un mismo espacio vectorial V (con
dimV = n). Lo que pretendemos es, dado un vector u V , relacionar las coordenadas de u en B con
las coordenadas de u en B
0
. Llamaremos matriz cambio de base de B a B
0
(y la denotaremos por
M
BB
0
C
BB
0
) a aqulla cuyas columnas son las coordenadas de los vectores de la base B respecto
de B
0
. Esto es, si
(v
1
)
B
0
= (a
11
, a
21
, ..., a
n1
), (v
2
)
B
0 =
(a
12
, a
22
, ..., a
n2
), ..., (v
n
)
B
0
= (a
1n
, a
2n
, ..., a
nn
)
entonces
M
BB
0
=

a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn

20
La matriz cambio de base nos relaciona las coordenadas de un vector en ambas bases. Concreta-
mente, si tomamos un vector u V se cumple la siguiente relacin matricial
u
B
0
= M
BB
0
u
B
Poniendo
u
B
=

x
1
....
x
n

u
B
0
=

x
0
1
....
x
0
n

la relacin matricial anterior se traduce en el sistema de ecuaciones


x
0
1
= a
11
x
1
+a
12
x
2
+... +a
1n
x
n
x
0
2
= a
21
x
1
+a
22
x
2
+... +a
2n
x
n
...............
x
0
n
= a
n1
x
1
+a
n2
x
2
+... +a
nn
x
n
a lo que denominaremos ecuaciones cambio de base de B a B
0
.
Ejemplo 4.10 En R
2
se consideran las bases B = {(1, 2), (2, 1)} y B
0
= {(1, 3), (0, 1)} de R
2
.
1. Hallar tanto la matriz cambio de base como las ecuaciones cambio de base de B a B
0
.
2. Dado el vector u R
2
tal que sus coordenadas en B son (3, 3) hallar sus coordenadas en B
0
.
3. Dado el vector v R
2
tal que sus coordenadas en B
0
son (2, 0) hallar sus coordenadas en B.
Solucin:
1. Tenemos que poner los vectores de B en funcin de los de B
0
. En primer lugar (1, 2) =
a(1, 3) +b(0, 1) = (a, 3a b), de donde obtenemos el sistema de ecuaciones
1 = a
2 = 3a b
en el que obtenemos directamente que a = 1, y por tanto b = 5. As las coordenadas del vector
(1, 2) respecto de la base B
0
son (1, 5). Procedemos igual con el vector (2, 1) para llegar a la
igualdad (2, 1) = c(1, 3) +d(0, 1) = (c, 3c d), de donde obtenemos el sistema de ecuaciones
2 = c
1 = 3c d
en el que deducimos que c = 2 y por tanto d = 5. As las coordenadas del vector (2, 1) respecto
de la base B
0
son (2, 5). Entonces la matriz cambio de base de B a B
0
es
M
BB
0
=

1 2
5 5
!
21
Concluimos que las ecuaciones cambio de base de B a B
0
son
x
0
= x + 2y
y
0
= 5x 5y
2. Ahora es sencillo calcular u
B
0
como el producto
u
B
0
= M
BB
0

3
3
!
=

3
0
!
Tambin se puede realizar la sustitucin x = 3, y = 3 en las ecuaciones anteriores y obtener el
mismo resultado.
3. Para hallar v
B
basta con hacer la sustitucin x
0
= 2, y
0
= 0 en las ecuaciones anteriores y
resolver. Se obtiene entonces que v
B
= (2, 2).
Ejemplo 4.11 En R
2
se consideran las dos bases B y B
0
para las cuales se conocen las ecuaciones
del cambio de base de B a B
0
, que son
x
0
= 3x +y
y
0
= 5y
Hallar la matriz la cambio de base de B a B
0
.
Solucin:
M
BB
0
=

3 1
0 5
!
Propiedades:
1. La matriz M
BB
0
es invertible y su inversa es M
B
0
B
.
2. Si C es la base cannica entonces las columnas de M
BC
son los vectores de la base B.
3. M
B
1
B
3
= M
B
2
B
3
M
B
1
B
2
4. Como caso particularmente til del anterior destaquemos la situacin en que B
2
es la base
cannica C de R
n
, pues en ese caso la frmula queda as
M
B
1
B
3
= (M
B
3
C
)
1
M
B
1
C
Ejemplo 4.12 1. En R
3
si denominamos por C a la base cannica y tenemos la base
B = {(1, 2, 3), (0, 1, 3), (0, 0, 4)}
entonces
M
BC
=

1 0 0
2 1 0
3 3 4

22
2. En R
2
si denominamos por C a la base cannica y disponemos de las bases B = {(1, 2), (0, 1)}
y B
0
= {(1, 0), (1, 1)} (que hacen el papel, en la frmula dada en la ltima propiedad anterior,
de B
1
y B
3
, respectivamente) se tiene que
M
BB
0
= (M
B
0
C
)
1
M
BC
Como
M
BC
=

1 0
2 1
!
M
B
0
C
=

1 1
0 1
!
necesitamos hallar la inversa de la ltima matriz. Basta realizar un sencillo clculo (por ejemplo
mediante Gauss-Jordan basta con aadirle a la primera 1 por la segunda) para obtener que
(M
B
0
C
)
1
=

1 1
0 1
!
Entonces concluimos que
M
BB
0
=

1 1
0 1
!

1 0
2 1
!
=

1 1
2 1
!
5 Ecuaciones de los subespacios
Supongamos que estamos en el espacio vectorial R
n
. Supongamos ahora que tenemos un subespacio
U de R
n
con una base u
1
, ..., u
k
(aunque tambin es posible tomar un SG) de U. Si tenemos un
vector v R
n
, para que v pertenezca a U debe ocurrir que este vector sea CL de los vectores
u
1
, ..., u
k
, es decir, deben existir escalares
1
, ...,
k
tales que v =
1
u
1
+ ... +
k
u
k
. Suponiendo
que v = (x
1
, ....., x
n
) y que u
i
= (a
1i
, ....., a
ni
) para cada i = 1, 2, ..., k, e igualando coordenada a
coordenada, tendremos un sistema de ecuaciones de la forma
()

x
1
= a
11

1
+a
12

2
+... +a
1k

k
x
2
= a
21

1
+a
22

2
+... +a
2k

k
...
x
n
= a
n1

1
+a
n2

2
+... +a
nk

k
A stas las llamaremos ecuaciones paramtricas de U. A los escalares
1
, ...,
k
que aparecen
en ellas se les llamar parmetros (son los nmeros mediante los cuales se obtiene cada una de
las incgnitas x
1
, x
2
, ..., x
n
como CL de ellos). Finalmente, si eliminamos de forma adecuada los
parmetros de estas ecuaciones, nos aparecern lo que llamaremos ecuaciones implcitas de U, lo
cual se puede hacer de modo similar al que emplebamos para escalonar un sistema de vectores, slo
23
que aqu escalonando los parmetros en las ecuaciones. Quedara un sistema de la forma

c
11
x
1
+c
12
x
2
+... +c
1n
x
n
= b
11

1
+ b
12

2
+... +b
1k

k
c
21
x
1
+c
22
x
2
+... +c
2n
x
n
= b
22

2
+... +b
2k

k
...
c
k1
x
1
+c
k2
x
2
+... +c
kn
x
n
= b
kk

k
d
11
x
1
+d
12
x
2
+... +d
1n
x
n
= 0
d
12
x
1
+d
22
x
2
+... +d
2n
x
n
= 0
...
d
s1
x
1
+d
s2
x
2
+... +d
sn
x
n
= 0
donde las ltimas s ecuaciones seran las ecuaciones implcitas

d
11
x
1
+d
12
x
2
+... +d
1n
x
n
= 0
d
12
x
1
+d
22
x
2
+... +d
2n
x
n
= 0
...
d
s1
x
1
+d
s2
x
2
+... +d
sn
x
n
= 0
(notar que k +s = n).
stas se caracterizan porque son de la forma CL de las coordenadas x
1
, ....., x
n
igualadas a 0 (lo
que se conoce como ecuaciones lineales homogneas). En ellas no aparece ningn parmetro.
Observacin 5.1 1. Es conveniente indicar que un mismo subespacio puede estar representado
por diferentes bases, y por lo tanto por diferentes ecuaciones paramtricas o diferentes ecuacio-
nes implcitas.
2. Cuando pasemos base a implcitas o viceversa, puede venir bien la comprobacin de si los
vectores de la base (iniciales u obtenidos despus) verican las ecuaciones implcitas.
3. Dado U K
n
si llamamos A a la matriz de coecientes del sistema de ecuaciones implcitas
de U debe cumplirse que
dimU +r(A) = n
Adems, como U es el subespacio formado por los vectores que son solucin del sistema de
ecuaciones lineales cuya matriz de coecientes es A, se tiene que U = ker A.
Ejemplo 5.2 Consideremos el siguiente subespacio de R
3
U =< (1, 0, 3), (1, 2, 2) >
Vamos a hallar las ecuaciones paramtricas e implcitas de U. Tenemos, pues, dado el subespacio
mediante un SG
{(1, 0, 3), (1, 2, 2)}
24
el cual es una base (como puede fcilmente comprobarse). Cojamos un vector genrico (x, y, z) R
3
e impongamos la condicin de que pertenece a U. Entonces deben existir escalares , tales que
(x, y, z) = (1, 0, 3) +(1, 2, 2), y esto se traduce en el sistema de ecuaciones paramtricas de U

x =
y = 2
z = 3 2
Para pasar ahora a implcitas eliminemos los parmetros y . Fijamos, por ejemplo, la primera
ecuacin en la que utilizamos el parmetro y se la aadimos multiplicada por un escalar a cada
una de las dems ecuaciones (para eliminar de stas), entonces tenemos
(
y = 2
z 3x =
(hemos aadido a la tercera ecuacin 3 veces la primera y a la segunda, 0 veces). Ahora jamos la
ltima ecuacin, y con objeto de eliminar de la otra le aadimos a sta la ltima multiplicada por
2, y nos queda
6x +y 2z = 0
que es la (nica, en este caso) ecuacin implcita de U.
Aunque no es obligatorio, es sencillo comprobar que los dos vectores que haba en la base de U,
(1, 0, 3) y (1, 2, 2), cumplen la ecuacin.
Ejemplo 5.3 Consideremos el siguiente subespacio de R
3
U =< (2, 4, 1) >
El vectir dado constituye una base de U. Obtenemos el sistema de ecuaciones paramtricas de U

x = 2
y = 4
z =
Utilizando la ltima ecuacin podemos eliminar el parmetro de las dems (aadimos a la primera
2 veces la tercera y a la segunda, 4 veces). Entonces tenemos
(
x + 2z = 0
y 4z = 0
stas son las dos ecuaciones implcitas de U.
Aunque no es obligatorio, es sencillo comprobar que el vector que haba en la base de U, (2, 4, 1),
cumple las dos ecuaciones implcitas.
Se pueden obtener las ecuaciones implcitas de un subespacio U directamente a partir de una
base suya sin tener que obtener las ecuaciones paramtricas. Vemoslo en el siguiente ejemplo:
25
Ejemplo 5.4 Consideremos el siguiente subespacio de R
4
U =< (1, 0, 3, 2), (0, 1, 1, 0) >
Vamos a hallar las ecuaciones implcitas de U. Construimos la matriz

1 0
0 1
3 1
2 0

x
y
z
t

la cual vamos a escalonar (observemos que se ponen los vectores por columnas, estando al nal la
columna de las incgnitas; todo esto aunque las operaciones las vayamos a hacer como siempre por
las. En este caso no es que estemos mezclando operaciones por las y columnas, es solamente que
estamos realizando matricialmente las operaciones con los coecientes de las ecuaciones paramtricas,
en vez de operar con stas directamente). En primer lugar le aadimos a la tercera la 3 veces la
primera, y a la cuarta 2 veces la primera, resultando

1 0
0 1
0 1
0 0

x
y
z 3x
t 2x

Seguidamente le sumamos a la tercera la la segunda y sale

1 0
0 1
0 0
0 0

x
y
z 3x +y
t 2x

De aqu deducimos que las ecuaciones implcitas de U son


z 3x +y = 0
t 2x = 0
Hemos visto cmo obtener las ecuaciones paramtricas a partir de una base (o un SG) del subes-
pacio, y cmo llegar a las ecuaciones implcitas a partir de las paramtricas. Nos faltan los dos pasos
inversos. Comencemos pasando de paramtricas a base (o SG):
Bsicamente consiste en invertir los pasos que se han hecho para obtener las ecuaciones para-
mtricas partiendo de una base. A partir de un sistema de ecuaciones paramtricas como el siguiente

x
1
= a
11

1
+a
22

2
+... +a
1k

k
x
2
= a
21

1
+a
22

2
+... +a
2k

k
...
x
n
= a
n1

1
+a
n2

2
+... +a
nk

k
26
podemos obtener la siguiente relacin
(x
1
, ....., x
n
) =
1
(a
11
, ....., a
n1
) +
2
(a
12
, ....., a
n2
) +... +
k
(a
1k
, ....., a
nk
)
de donde deducimos que un SG de U (no necesariamente una base, pero del cual sabemos cmo
extraerla) sera
{u
1
= (a
11
, ....., a
n1
) , u
2
= (a
12
, ....., a
n2
) , ..., u
k
= (a
1k
, ....., a
nk
)}
es decir, seran los vectores {u
1
, u
2
, ..., u
k
}.
El paso de implcitas a paramtricas se basa en utilizar el mtodo de Gauss para triangularizar el
sistema de ecuaciones. Recordemos que el mtodo consiste en, operando de forma adecuada, obtener
un sistema escalonado (de un modo bastante similar al que empleamos con sistemas escalonados de
vectores). Este sistema tendr una matriz de coecientes escalonada. De hecho se puede obtener
una matriz escalonada con diagonal principal no nula (salvo las las completamente nulas). Una vez
con esta disposicin, a los coecientes de la diagonal principal los llamaremos pivotes, los cuales
se correspondern con determinadas incgnitas del sistema. Cada una de stas aparecer en primer
lugar en alguna de las ecuaciones. Entonces se eligen como parmetros precisamente las restantes
incgnitas, para seguidamente despejar el resto de incgnitas en funcin de los parmetros.
Ejemplo 5.5 1. Hallar una base y las ecuaciones implcitas del subespacio de R
3
U
1
:

x =
y = 3 + 2
z = 5
2. Hallar una base y las ecuaciones implcitas del subespacio de R
3
U
2
:

x = 3
y = 0
z =
3. Consideremos el siguiente subespacio de R
4
U
3
:
(
x y + 3t = 0
2x y z + 5t = 0
dado en ecuaciones implcitas. Vamos a hallar las ecuaciones paramtricas y una base de U
3
.
Utilizaremos el mtodo de Gauss. Fijando la primera ecuacin vamos a proceder a eliminar la
incgnita x del resto de ecuaciones, en este caso de la segunda. Basta con aadirle a la segunda
2 veces por la primera. Entonces obtenemos el sistema
(
x 2y +3t = 0
y z t = 0
27
el cual est ya escalonado, (esto se observa porque la matriz de los coecientes resultante

1 2 0 3
0 1 1 1
!
est escalonada). En la primera ecuacin la incgnita que gura en pri-
mer lugar es x, en la segunda es y, luego elegimos como parmetros a las dos ltimas incgnitas
z, t. Entonces obtenemos x2y = 3t, y = z+t. De la ltima obtenemos que x = 2y3t = 2zt.
As tendremos las ecuaciones paramtricas de U
3

x = 2z t
y = z +t
z = z
t = t
o bien, si ponemos z = , t = ,

x = 2
y = +
z =
t =
El paso de paramtricas a una base es sencillo pues, agrupando en forma de vector tendremos
(x, y, z, t) = (2z, z, z, 0) + (t, t, 0, t) = z(2, 1, 1, 0) +t(1, 1, 0, 1)
Esto prueba que {(2, 1, 1, 0), (1, 1, 0, 1)} es un SG de U
3
.
Habiendo elegido el mtodo de triangulacin de Gauss para pasar de implcitas a paramtricas,
est asegurado que este SG ser una base del subespacio. (En el caso en que hagamos el paso
de paramtricas a un SG de modo directo (sin partir de las implcitas) lo que obtenemos ser
un SG, que no puede asegurarse que sea base. En tal caso basta con sacar una base a partir de
l.)
4. Consideremos el siguiente subespacio de R
3
U
4
: {2x y + 3z = 0
dado en ecuaciones implcitas. Vamos a hallar las ecuaciones paramtricas y una base de U
4
.
Al emplear en este caso el mtodo de Gauss, como slo hay una ecuacin (una la) el sistema
ya est escalonado. Por tanto slo hay un pivote, que se dejar a la izquierda. Por ejemplo
nos interesa quedarnos con la incgnita y a la izquierda, dejando las dems como parmetros.
As quedar

x = x
y = 2x + 3z
z = z
o bien, si ponemos x = , z = ,

x =
y = 2 + 3
z =
El paso de paramtricas a una base es sencillo pues, agrupando en forma de vector tendremos
(x, y, z) = (, 2, 0) + (0, 3, ) = (1, 2, 0) +(0, 3, 1)
Esto prueba que {(1, 2, 0), (0, 3, 1)} es un SG de U
4
, el cual es una base como sucede con el
ejemplo anterior.
28
5. Consideremos el siguiente subespacio de R
3
U
5
:

x y +z = 0
x + 2y + 3z = 0
x +y +z = 0
dado en ecuaciones implcitas. Vamos a hallar las ecuaciones paramtricas y una base de U
5
.
Al emplear en este caso el mtodo de Gauss, sumamos la primera ecuacin a las otras dos.
Obtenemos
U
5
:

x y +z = 0
y + 4z = 0
2z = 0
De la tercera ecuacin concluimos que z = 0. Al sustituir esto en la segunda vemos que y = 0.
Finalmente deducimos de la primera que x = 0. As quedar

x = 0
y = 0
z = 0
stas seran las ecuaciones paramtricas (ojo: sin parmetros). Y no obtendramos base, pues
no sale ningn parmetro. Todas estas peculiaridades se dan porque U
5
= 0, el subespacio nulo.
6. Consideremos el siguiente subespacio de R
4
U
6
:
(
x y + 3t = 0
x 2y + 5t = 0
dado en ecuaciones implcitas. Vamos a hallar las ecuaciones paramtricas y una base de U
6
.
Utilizaremos el mtodo de Gauss. Fijando la primera ecuacin vamos a proceder a eliminar la
incgnita x del resto de ecuaciones, en este caso de la segunda. Basta con restarle a la segunda
la primera. Entonces obtenemos el sistema
U
6
:
(
x y + 3t = 0
y + 2t = 0
el cual est ya escalonado. Dejamos x e y en la parte izquierda, las cuales quedarn en funcin
de los parmetros. Ahora obtenemos que
U
6
:
(
x y = 3t
y = 2t
Obtenemos que y = 2t, para despus sustituir en la ecuacin superior y deducir que x = y3t =
2t 3t = t. As conseguimos las siguientes ecuaciones paramtricas de U
6

x = t
y = 2t
z = z
t = t
29
El paso de paramtricas a una base es sencillo pues, agrupando en forma de vector tendremos
(x, y, z, t) = (0, 0, z, 0) + (t, 2t, 0, t) = z(0, 0, 1, 0) +t(1, 2, 0, 1)
Esto prueba que {(0, 0, 1, 0), (1, 2, 0, 1)} es un SG de U
6
. Y al ser LI, constituye adems una
base del subespacio.
Nota: Es importante destacar en este ejemplo que la variable z, a pesar de no aparecer en las
ecuaciones implcitas, no tiene valor nulo, sino el de un parmetro.
7. En el espacio vectorial P
3
de los polinomios de grado menor o igual que 3, hallar una base del
subespacio
W = {p(x) : p(1) = 0, p
0
(1) = 0}
formado por los polinomios que tiene al 1 como raz de multiplicidad al menos 2.
Poniendo p(x) = a + bx + cx
2
+ dx
3
, tendramos que p
0
(x) = b + 2cx + 3dx
2
, y por tanto
p(1) = a b +c d y p
0
(1) = b 2c + 3d. Entonces lo que tiene que cumplirse es
(
a b +c d = 0
b 2c + 3d = 0
Este sistema de ecuaciones (considerando las incgnitas a, b, c, d) constituye las ecuaciones
implcitas del subespacio W. Como ya est escalonado el sistema tomamos como parmetros c
y d y obtenemos de la ltima que b = 2c 3d y de la primera que a = b c +d = c 2d. Por
tanto las ecuaciones paramtricas de W son

a = c 2d
b = 2c 3d
c = c
d = d
Para obtener una base tomaremos un vector genrico p(x) = a + bx + cx
2
+ dx
3
P
3
e
impondremos que pertenece a W utilizando la condicin anterior de las ecuaciones paramtricas
p(x) = a +bx +cx
2
+dx
3
=
= (c 2d) + (2c 3d)x +cx
2
+dx
3
=
= (c + 2cx +cx
2
) + (2d 3dx +dx
3
) =
= c(1 + 2x +x
2
) +d(2 3x +x
3
)
de donde deducimos que una base de W est formada por los dos siguientes polinomios (vectores
del espacio vectorial P
3
) {1 + 2x +x
2
, 2 3x +x
3
}.
30
6 Suma e interseccin de subespacios
Supongamos que tenemos dos subespacios vectoriales U y W de un espacio vectorial V . Llamaremos
suma de U y W al conjunto de vectores
U +W = {u +w|u U, w W}
Llamaremos interseccin de U y W a la interseccin como conjuntos, es decir, al conjunto
U W = {v V |v U, v W}
La denicin de suma y de interseccin de dos subespacios puede extenderse a cualquier nmero de
stos, siendo el resultado nuevamente un subespacio del espacio vectorial inicial.
Propiedad: Dados dos (o ms) subespacios vectoriales U y W de un espacio vectorial V se
verica que tanto la suma U +W como la interseccin U W son tambin subespacios de V .
Veamos ahora la forma de calcular la suma y la interseccin:
Propiedad: Si C es un SG de U y C
0
es un SG de W entonces C C
0
es un SG de U +W.
Observacin 6.1 Aunque estos sistemas generadores sean bases respectivas de U y W, en general
no se da que la unin sea una base de U +W, porque es posible que sea un sistema ligado. De hecho,
cuando la unin de dos bases de U y W es una base de U+W ocurre una situacin (que ms adelante
analizaremos) en la que se dice que la suma de los subespacios es directa.
Propiedad: Las ecuaciones implcitas de U junto con las de W constituyen unas ecuaciones
implcitas de U W.
Ejemplo 6.2 1. Consideramos los subespacios de R
4
siguientes
U =< (1, 2, 3, 2) > W =< (0, 1, 3, 1), (1, 1, 0, 5) >
Entonces U+W =< (1, 2, 3, 2), (0, 1, 3, 1), (1, 1, 0, 5) >. Luego un SG (y una base de U+W)
es
{(1, 2, 3, 2), (0, 1, 3, 1), (1, 1, 0, 5)}
Por tanto unas ecuaciones paramtricas de U +W son
x = +
y = 2 + +
z = 3 + 3
t = 2 + 5
que en modo paramtrico expresamos as:

1 0 1
2 1 1
3 3 0
2 1 5

x
y
z
t

31
Escalonando se tiene
F
2
2F
1
F
3
3F
1
F
4
+ 2F
1

1 0 1
0 1 1
0 3 3
0 1 7

x
y 2x
z 3x
t + 2x

y
F
3
3F
2
F
4
+F
2

1 0 1
0 1 1
0 0 0
0 0 6

x
y 2x
z + 3x 3y
t +y

luego el subespacio U +W tiene por ecuacin implcita


3x 3y +z = 0
2. Consideramos los subespacios de R
4
siguientes
U :
(
x 2y +3t = 0
y z t = 0
W :
n
6x +2y z +t = 0 .
Entonces
U W :

x 2y +3t = 0
y z t = 0
6x +2y z +t = 0
Si queremos obtener una base de U W debemos resolver el sistema anterior. Para ello apli-
camos las siguientes transformaciones elementales:
F
3
6F
1

x 2y +3t = 0
y z t = 0
14y z 17t = 0
y seguidamente
F
3
14F
2

x 2y +3t = 0
y z t = 0
13z 3t = 0
o, lo que es lo mismo, cambiando el orden de las dos ltimas variables
F
3
14F
2

x 2y +3t = 0
y t z = 0
3t 13z = 0
32
para as despejar las siguientes ecuaciones paramtricas de U W
x =
7z
3
y =
16z
3
z = z
t =
13z
3
de donde obtenemos que una base de U W es
{((7, 16, 3, 13)}
Puede comprobarse fcilmente que este vector pertence tanto a U como a W, pues verica las
ecuaciones implcitas de ambos subespacios (es decir, las ecuaciones implcitas de la interseccin
U W).
3. En R
4
consideramos lo siguientes subespacios vectoriales
U =< (0, 1, 3, 4) > W = {(x, y, z, t) : x y = 0, 3x +y z = 0} S =< (1, 1, 4, 2) >
Hallar una base de la suma U + W + S. Para ello necesitamos una base (o SG) de cada uno
de los subespacios. Como de U y S ya tenemos, slo nos falta de W. Para ste resolvemos las
ecuaciones despus de escalonar: cambiamos el orden de las ecuaciones y el de las incgnitas
para poner z la primera, y la segunda e y la tercera (t quedara igual), y obtenemos
W :
(
z +y +3x = 0
y +x = 0
.
Entonces tomando como parmetros x, t se tienen como ecuaciones paramtricas de W
x = x
y = x
z = y + 3x = 4x
t = t
y por tanto una base de W es {(1, 1, 4, 0), (0, 0, 0, 1}. Finalmente obtenemos un SG para U +
W +S:
{(0, 1, 3, 4), (1, 1, 4, 0), (0, 0, 0, 1), (1, 1, 4, 2)}
del cual escalonando podramos sacar una base. Esto se hara por ejemplo as: elegimos el
orden de los vectores as

1 1 4 2
0 1 3 4
0 0 0 1
1 1 4 0

33
en donde le sumamos al cuarto el primero para obtener
F
4
+F
1

1 1 4 2
0 1 3 4
0 0 0 1
0 0 0 2

y eliminamos el ltimo por ser mltiplo del tercero. Obenemos como base de U + W + S la
formada por los vectores
{(1, 1, 4, 2), (0, 1, 3, 4), (0, 0, 0, 1}
4. Consideramos los subespacios de R
3
siguientes
U = < (1, 2, 1), (3, 1, 2) >
W :
n
3x y +z = 0
Entonces debemos obtener las ecuaciones implcitas de U (porque de W ya las tenemos). Sale
solo una que es
U :
n
x y z = 0
Entonces
U W :
(
x y z = 0
3x y +z = 0
Para hallar una base podemos escalonar. En este caso si le aadimos a la segunda -3 veces la
primera obtenemos que
U W :
(
x y z = 0
2y +4z = 0
de donde y = 2z y por tanto x = z. Por tanto una base de U W es
{(1, 2, 1)}
Propiedad: Sean U y W subespacios vectoriales de un espacio vectorial de dimensin nita V.
Entonces se verica la frmula de las dimensiones:
dim(U +W) + dim(U W) = dimU + dimW
Supongamos que tenemos dos subespacios vectoriales U
1
, U
2
de un espacio vectorial V . Se dice
que la suma de ambos subespacios (es decir, U
1
+U
2
) es una suma directa cuando U
1
U
2
= 0, es
decir, cuando slo tienen en comn el vector nulo. En tal caso pondremos la suma as U
1
L
U
2
.
Observacin 6.3 1. La denicin anterior se extiende a varios subespacios del siguiente modo:
Una suma de varios subespacios es suma directa cuando al unir bases de cada uno de ellos
obtenemos un sistema LI (y por tanto una base de la suma). En el caso de 2 subespacios (y
slo en ste) esta denicin equivale con la otra anterior.
34
2. La suma es directa si y slo si la dimensin de la suma es la suma de las dimensiones.
3. Cuando la suma es directa se tiene que todo vector de dicha suma se pone de modo nico como
suma de vectores de cada uno de los subespacios.
Ejemplo 6.4 Comprobar si los subespacios dados en los 3 ejemplos anteriores estn en suma directa.
1. En el primer ejemplo los subespacios s estn en suma directa pues se puede comprobar que los
3 vectores obtenidos al unir las bases de ambos subespacios (uno de U y dos de W) s son LI.
2. En el segundo ejemplo no estn en suma directa.
3. En el ltimo ejemplo la suma de los 3 subespacios U + W + S no era suma directa pues para
la base de la suma nos sobraba algn vector (concretamente 1) despus de unir bases de cada
uno de los 3 subespacios.
7 Operaciones en coordenadas
Supongamos que tenemos una base B = {v
1
, v
2
, ..., v
n
} de un espacio vectorial V . Muchas de las
cosas que hemos visto anteriormente para sistemas de vectores (hallar una base a partir de un SG, el
rango de un sistema de vectores, etc.) pueden hacerse en coordenadas respecto de la base B, es decir,
no es del todo necesario tener los vectores con los que tengamos que operar, es suciente con tener
sus coordenadas respecto de la base B. Por ejemplo, supongamos que para un sistema de vectores
w
1
, w
2
, ..., w
k
del espacio vectorial se conocen sus coordenadas respecto de la base B. stas coordenadas
(w
1
)
B
, (w
2
)
B
, ..., (w
k
)
B
son realmente vectores de R
n
. Pues bien:
Los vectores w
1
, w
2
, ..., w
k
son LD o LI si y slo si lo son (w
1
)
B
, (w
2
)
B
, ..., (w
k
)
B
(como vectores
de R
n
).
La dimensin del subespacio W de V que generan w
1
, w
2
, ..., w
k
coincide con la dimensin del
subespacio U de R
n
generado por (w
1
)
B
, (w
2
)
B
, ..., (w
k
)
B
Para hallar una base del subespacio anterior W es suciente con hallar una base del subespacio
U anterior y coger los vectores de V cuyas coordenadas respecto de la base B son precisamente
las de los vectores de la base de U.
35
Ejemplo 7.1 Dada una base B = {v
1
, v
2
, v
3
} de un espacio vectorial V vamos a determinar si el
sistema
{v
1
+v
2
, v
1
+v
3
, v
2
+v
3
}
es una base de V .
Hallemos las coordenadas de estos vectores respecto de la base B; stas son
(1, 1, 0), (1, 0, 1), (0, 1, 1)
De modo que es suciente ver si estos ltimos vectores son una base de R
3
. Al ser 3 vectores basta
ver si son LI. Para ello haremos operaciones en la matriz

1 1 0
1 0 1
0 1 1

Le aadimos a la segunda la la primera multiplicada por 1 y nos sale


F
2
F
1

1 1 0
0 1 1
0 1 1

Ahora le aadimos a la tercera la la segunda y sale


F
3
+F
2

1 1 0
0 1 1
0 0 2

Como el sistema ha sido escalonado con xito, los vectores (1, 1, 0), (1, 0, 1) y (0, 1, 1) son LI y por
tanto una base de R
3
. Entonces el sistema de vectores {v
1
+v
2
, v
1
+v
3
, v
2
+v
3
} es una base de V .
36