ALGEBRA LINEAL Y GEOMETRÍA I

TEMA 1: Espacios Vectoriales

1. ¿Qué es un espacio vectorial?

Una estructura algebraica, esencial en muchos tópicos de fı́sica y matemática, es la de espacio
vectorial. En los espacios vectoriales, uno puede sumar sus elementos pero también los puede
multiplicar por escalares (números reales o complejos), el resultado de las dos operaciones sigue
siendo un elemento del espacio vectorial. A continuación te voy a dar la definición precisa de
lo que es un espacio vectorial. Después, vamos a considerar algunos ejemplos.

♣ Definición de espacio Vectorial. Un espacio vectorial es un conjunto, V, el cual admite

dos operaciones:

Una interna, que representaremos por +, para la cual (V, +) es un grupo conmutativo.

La segunda es externa, se necesita otro conjunto para definirla, sus elementos se pueden
multiplicar por números reales o complejos (escalares)

K × V → V, (a, ~x) 7→ a · ~x.

Naturalmente para que (V, +, .) sea un espacio vectorial, además de que (V, +) sea un grupo
abeliano, la segunda operación necesita cumplir las siguientes propiedades:

Distributiva para la suma de escalares.

(a + b) · ~x = a · ~x + b · ~x, ∀a, b ∈ K, ∀~x ∈ V.

Distributiva para la suma de V.

a · (~x + ~y ) = a · ~x + a · ~y , ∀a ∈ K, ∀~x, ~y ∈ V.

Pseudo-asociativa.
(a.b) · ~x = a · (b · ~x), ∀a, b ∈ K, ∀~x ∈ V.

Ley de identidad.
1 · ~x = ~x, ∀~x ∈ V.

1
♣ Algo de nomenclatura. Cuando tengamos un espacio vectorial, (V, +, ·), entonces a los
elementos de V les llamaremos vectores (por eso le hemos puesto una flechita encima) mientras
que los elementos de K serán llamados escalares. El espacio vectorial será real o complejo según
que K sea R o C, respectivamente. En particular, el vector cero será el neutro para la suma y
se le representará por ~0.

♣ A estas alturas ya conoces algunos ejemplos de espacios vectoriales. En efecto, el plano,

R2 y el espacio, R3 son ejemplos de espacios vectoriales con la suma y producto por números
reales. De manera general, Rn es un espacio vectorial con la suma, ya definida, y el siguiente
producto por reales
a · (a1 , a2 , · · · , an ) = (a.a1 , a.a2 , · · · , a.an )
Observa, en particular, que R es un espacio vectorial real con la suma y producto de números
reales.

♣ De la misma manera, Cn es un espacio vectorial complejo. Ya sabes que es un grupo aditivo

y abeliano: Además puedes definir el producto por escalares del siguiente modo

z · (z1 , z2 , ..., zn ) = (z.z1 , z.z2 , ..., z.zn ), z ∈ C, (z1 , z2 , ..., zn ) ∈ Cn .

Entonces tienes un espacio vectorial complejo.

♣ Otros ejemplos. Como ya conoces, recuerda el capı́tulo anterior, el conjunto de las matrices
de ordenes fijados, con la suma y el producto por reales o complejos según el caso, ya definidos,
constituye un ejemplo importante de espacio vectorial. (Mm×n (K), +, ·) es un espacio vectorial
real o complejo según que K sea R o C, respectivamente..

Los siguientes, son ejemplos de espacios vectoriales, deberı́as comprobarlo:

1. El conjunto de las matrices simétricas, y elementos en K, con la suma de matrices y

producto por elementos de K, (Sn (K), +, ·) es un espacio vectorial real sobre el cuerpo
K.

2. El conjunto de las matrices antisimétricas, y elementos en K, con la sumade matrices y

producto por elementos de K, (An (K), +, ·) es un espacio vectorial sobre el cuerpo K.

3. El conjunto de los polinomios de grado menor o igual que n y coeficientes en K, con

la suma y producto por elementos de K ordinarios, (Pn (K), +, ·) es un espacio vectorial
sobre K.

4. Considera el siguiente subconjunto de K2 con la suma y producto por reales ya definidos

para R2 ,
U = {(x, y) ∈ K2 : x + y = 0}.

Entonces, (U, +, ·) es un espacio vectorial.

5. En K2 considera el conjunto U = {(z1 , z2 ) ∈ K2 : z1 − z2 = 0}, comprueba que es un

espacio vectorial con las mismas operaciones de K2 .

2
 6. Considera el siguiente subconjunto de K3 con la suma y producto por reales ya definidos
para K3 ,
U = {(x, y, z) ∈ K3 : x + y − z = 0}.

Entonces, (U, +, ·) es un espacio vectorial.

7. Considera el siguiente subconjunto de K3 con la suma y producto por elementos de K

ya definidos para K3 ,

U = {(x, y, z) ∈ K3 : x + y = 0, x − z = 0}.

Entonces, (U, +, ·) es un espacio vectorial.

8. Considera el siguiente subconjunto de K4 con la suma y producto por elementos de K

ya definidos para K4 ,

U = {(x, y, z, t) ∈ K4 : x + y + z + t = 0, x + y − z + 4t = 0}.

Entonces, (U, +, ·) es un espacio vectorial sobre el cuerpo K.

9. Considera la matriz  
1 3
 2 1 
M =
 3

2 
4 1
entonces puedes considerar el conjunto de vectores de K4 definido como sigue
¡ ¢ ¡ ¢
U = {(x1 , x2 , x3 , x4 ) ∈ K4 : x1 x2 x3 x4 .M = 0 0

Este conjunto con la suma de vectores y el producto por elementos de K definido sobre
K4 es un espacio vectorial.

10. Considera el siguiente subconjunto de Kn con las operaciones ya definidas para Kn ,

U = {(a1 , a2 , · · · , an ) ∈ Kn : a1 + a2 + · · · + an = 0}.

Entonces, (U, +, ·) es un espacio vectorial.

11. Ya sabes que F(R, R) es un grupo aditivo abeliano. Ahora, además puedes definir el
producto de un número real por una función de R en R como sigue

(α.f )(t) = α.f (t)

obteniendo ası́ una nueva función de F(R, R). Es sencillo comprobar que verifica las
cuatro propiedades necesarias para ser un espacio vectorial real.

12. Si representamos por C(R, R) al subconjunto de F(R, R) cuyos elementos son funciones
continuas, sabes que la suma de dos funciones continuas sigue siendo continua. Tam-
bién la función resultante de multiplicar una continua por un número real sigue siendo
continua. Ası́ C(R, R) es tanbién un espacio vectorial real con las anteriores operaciones.

3
 13. Considera ahora una partı́cula con masa m moviéndose de acuerdo a un movimiento
armónico simple sobre un eje. Representamos por f (t) a la función que representa la
distancia (elongación) de la partı́cula en cada instante de tiempo t. La naturaleza del
movimiento indica que la fuerza sobre la partı́cula, en cada instante, es proporcional al
opuesto de su vector de posición. Consiguientemente, la elongación, f (t) debe ser una
solución de la siguiente ecuación diferencial

m f 00 (t) = −κ f (t) ecuación movimiento armónico simple

Resulta que el conjunto de las soluciones de esta ecuación diferencial, con las operaciones
de suma y producto por número reales definidas en F(R, R), es un espacio vectorial real.
Por ejemplo puedes comprobar, de modo sencillo, que las funciones

f1 (t) = cos ω t y f2 (t) = sin ω t

κ
con ω 2 = m son soluciones de la anterior ecuación diferencial. Lo que, como también
puedes ver, implica que para cualquier pareja de números reales, λ1 y λ2 se tiene que la
función
f (t) = λ1 cos ω t + λ2 sin ω t
es también solución de la ecuación diferencial.

14. Recuerda que (R2∗ , ?) es un grupo abeliano. Lo puedes definir en un espacio vectorial real
definiendo el siguiente producto por escalares

∗ : R × R2∗ → R2∗ , α ∗ (x, y) = (xα , y α ),

puedes entonces comprobar que se cumplen las cuatro propiedades (distributivas, pseu-
doasociativa y ley de unidad) de manera que (R2∗ , ?, ∗) es un espacio vectorial real.

15. Puedes también entretenerte en comprobar que todo espacio vectorial complejo au-
tomáticamente es un espacio vectorial real.

16. En M2 (C) los conjuntos de matrices simétricas y antisimétricas son espacios vectoriales
complejos con las operaciones originarias.

Problema: En el espacio vectorial M2 (C) consideras los siguientes subconjuntos

U1 = {A ∈ M2 (C) : A = Ā}, U2 = {A ∈ M2 (C) : A = −Ā},

¿son espacios vectoriales con las mismas operaciones que tienes definidas en M2 (C)? ¿son
espacios vectoriales reales?

Los siguientes, no son ejemplos de espacios vectoriales, deberı́as comprobarlo:

1. Considera el siguiente subconjunto de K2 con la suma y producto por reales ya definidos

para K2 ,
U = {(x, y) ∈ K2 : x + y = 1}.
Entonces, (U, +, ·) no es un espacio vectorial.

4
 2. Considera el siguiente subconjunto de K3 con la suma y producto por reales ya definidos
para R3 ,
U = {(x, y, z) ∈ K3 : x + y − z = 16}.
Entonces, (U, +, ·) no es un espacio vectorial.
3. Considera el siguiente subconjunto de K2 con la suma y producto por reales ya definidos
para K2 ,
U = {(x, y) ∈ K2 : x2 − y = 0}.
Entonces, (U, +, ·) es un espacio vectorial.
4. El conjunto de las matrices ortogonales, digamos que de orden dos O(2), con la suma y
producto por reales ya definidos en M2 (R), no es un espacio vectorial.
5. El subconjunto de C formado por los números complejos cuyo módulo vale uno
S1 = {z ∈ C : |z| = 1},
no es un espacio vectorial, ni complejo ni real, con las operaciones usuales de C como
espacio vectorial.
6. En C3 consideras los siguientes subconjuntos Ur = {(z1 , z2 , z3 ) ∈ C3 : z1 − z2 − z3 = r}.
Comprueba que la única posibilidad para que sea un espacio vectorial complejo, con las
operaciones de C3 , es que r = 0.
7. Grupo Unitario de orden dos: El subconjunto, U(2) de M2 (C) formado por aquellas
matrices, A, que verifican A.Āt = I2 es un grupo (multiplicatino y no abeliano) pero no
es un espacio vectorial con las operaciones de M2 (C).
8. Grupo Especial: El conjunto de Mn (K) formado por aquellas matrices con determi-
nante uno, no es un espacio vectorial con las operaciones de Mn (K).

♠ Propiedades de vectores y escalares en un Espacio Vectorial. En cualquier espacio

vectorial se verifican las siguientes propiedades, que se pueden deducir de manera sencilla a
partir de la definición del mismo:
El vector cero de un espacio vectorial es único.
Un vector de un espacio vectorial no puede tener dos opuestos.
0 · ~x = ~0
a · ~0 = ~0
Si a · ~x = ~0 entonces a = 0 o ~x = ~0
−(a · ~x) = (−a) · ~x = a · (−~x)
a · (~x − ~y ) = a · ~x − a · ~y
(a − b) · ~x = a · ~x − a · ~y
Si a · ~x = b · ~x y ~x 6= ~0 entonces a = b
Si a · ~x = a · ~y y a 6= 0 entonces ~x = ~y

5
2. Combinaciones Lineales
En un espacio vectorial uno puede sumar vectores y multiplicarlos por escalares. Ası́, usando
estas dos operaciones uno puede generar muchos vectores a partir de unos pocos. Por ejemplo,
si nos dan un vector, ~x ∈ V, en un espacio vectorial, V; entonces podemos definir todos los
vectores siguientes
a · ~x, a ∈ K,
cada uno de estos vectores, múltiplo del vector dado, se llamará una combinación lineal de ~x.

Naturalmente, esta idea es digna de ser extendida. En efecto, si nos dan dos vectores, ~x, ~y ∈ V,
de un espacio vectorial, entonces podemos definir las combinaciones lineales de ellos, simple-
mente sumando los múltiplos de ~x con los de ~y obteniendo ası́ un buen conjunto de vectores
de V
{a · ~x + b · ~y : a, b ∈ K}.

Imagı́nate ahora que te dan un conjunto de vectores ~x1 , ~x2 , · · · , ~xk de un espacio vectorial, V,
entonces una combinación lineal de ellos es otro vector de V que se puede escribir sumando
un múltiplo de cada uno de ellos, esto es de la forma
k
X
a1 · ~x1 + a2 · ~x2 + · · · + ak · ~xk = ai · ~xi .
i=1

F Veamos algunos ejercicios sobre combinaciones lineales:

1. En el espacio vectorial R2 prueba que el vector ~x = (1, 0) es una combinación lineal de los
vectores ~x1 = (1, 1) y ~x2 = (1, −2). Para resolverlo, observa que tienes que calcular dos
números reales, sean a y b, de manera que
~x = a · ~x1 + b · ~x2 ,
esto es
(1, 0) = a.(1, 1) + b.(1, −2),
lo que lleva a resolver el sistema de ecuaciones lineales
a+b = 1
a − 2b = 0
2
esto te lleva a que a = 3
y b = 31 .
2. Prueba que toda matriz antisimétrica de orden dos es una combinación lineal de la matriz
µ ¶
0 −4
4 0
Puesto que toda matriz antisimétrica de orden dos es de la forma
µ ¶
0 a
−a 0
para un cierto escalar a. Entonces se tiene
µ ¶ µ ¶
0 a a 0 −4
=− ·
−a 0 4 4 0

6
3. En el espacio vectorial K3 se considera el siguiente conjunto de vectores

U = {(x, y, z) ∈ K3 : x + y + z = 0}.

Prueba que cualquier vector de U es combinación lineal de los vectores (1, 0, −1) y (0, 1, −1).
En efecto, cada vector de U es de la forma (x, y, −x − y) y por tanto

(x, y, −x − y) = x.(1, 0, −1) + y.(0, 1, −1).

4. Prueba que todo polinomio de grado menor o igual que dos, y coeficientes en K, es combi-
nación lineal de los siguientes polinomios

P1 (t) = t2 , P2 (t) = t + t2 , P3 (t) = 1 + t + t2 .

En efecto, para cualquier polinomio, ao + a1 t + a2 t2 , hay que encontrar tres escalares,

sean a, b, c, de manera que

ao + a1 t + a2 t2 = a.P1 (t) + b.P2 (t) + c.P3 (t),

lo que lleva a resolver el siguiente sistema de ecuaciones lineales

a + b + c = a2
b + c = a1
c = ao

La solución es entonces a = a2 − a1 , b = a1 − ao , c = ao

5. En el espacio vectorial M2 (K) se consideran los siguientes cuatro vectores

µ ¶ µ ¶ µ ¶ µ ¶
1 0 0 1 1 0 0 1
M1 = M2 = M3 = M4 =
0 1 1 0 0 −1 −1 0

Comprueba que ninguno de ellos es combinación lineal de los otros tres.

6. Considera el vector de M2 (C) definido por

µ ¶
4i 2
M=
2−i 1−i

comprueba que lo puedes escribir como una combinación lineal de los cuatro vectores
dados en el ejercicio anterior.

7. En el espacio vectorial K4 comprueba que el vector ~x = (1, 1, 1, 1) lo puedes escribir

como combinación lineal de los siguientes vectores ~x1 = (2, 0, 0, 2), ~x2 = (2, 0, 0, −2),
~x3 = (0, 1, −1, 0) y ~x4 = (0, −1, −1, 0)

8. Se consideran los vectores f1 (t) = cos t y f2 (t) = sin t en el espacio vectorial C(R, R).
Comprueba que el vector f (t) = cos 2t no se puede escribir como una combinación lineal
de los dos vectores dados.

7
 9. Ya sabes que C2 es un espacio vectorial complejo, entonces cualquier vector de él se
puede escribir como una combinación lineal de los vectores ~e1 = (1, 0) y ~e2 = (0, 1), en
efecto
(z1 , z2 ) = z1 (1, 0) + z2 (0, 1) = z1 ~e1 + z2 ~e2 , z1 , z2 ∈ C.
Por otro lado, como ya se ha dicho, todo espacio vectorial complejo es también un espacio
vectorial real, con la misma suma y el producto por escalares restringido a los reales.
No obstante, en este sentido tienes que observar lo siguiente: imagina que consideras el
vector ~v = (2 + 3i, 1 − i) de C2 entonces si vemos a C2 como espacio vectorial complejo,
tiene sentido escribir
~v = (2 + 3i)~e1 + (1 − i)~e2 ,
sin embargo si lo consideramos como un espacio vectorial real entonces la expresión ante-
rior no tiene sentido. Para poder escribir, en este caso, al vector ~v , como una combinación
lineal de vectores, necesitamos que los escalares sean reales. Una manera de hacerlo es
la siguiente
~v = (2 + 3i, 1 − i) = 2(1, 0) + 3(i, 0) + (0, 1) − (0, i).

10. En el espacio vectorial C3 comprueba que cualquier vector es combinación lineal de los
siguientes tres vectores

v~1 = (i, 1, 0), ~v2 = (−i, 1, 0), ~v3 = (0, 0, 1 − i).

¿Serı́a lo anterior cierto si C3 lo consideras como un espacio vectorial real?

3. Sistemas de Generadores
Una ventaja que tienen los espacios vectoriales es que a partir de unos pocos de sus vectores y
mediante combinaciones lineales de ellos, uno puede conocer o calcular un montón de vectores
y a veces todos los vectores. En un espacio vectorial, V, puede ocurrir que exista un conjunto
de vectores, G, de manera que cualquier vector de V sea combinación lineal de los vectores de
G, entonces diremos que G es un sistema de generadores de V. Si un espacio vectorial admite
un sistema de generadores fintito, entonces diremos que el espacio vectorial es finitamente
generado. En este curso y a partir de ahora consideraremos que los espacios vectoriales son
finitamente generados a menos que de manera explı́cita se diga lo contrario. Algunos ejemplos
de sistemas d generadores ya conoces, otros los acabamos de obtener. Seguro que los siguientes
te suenan

Todo vector de R2 es combinación lineal de los vectores (1, 0) y (0, 1). Diremos que
estos vectores forman o son un sistema de generadores del plano. Pero también
todo vector del plano es combinación lineal de los vectores (1, 0), (1, 2). Otro sistema
de generadores del plano. También todo vector de R2 es combinación lineal de los
vectores (1, 0), (1, 1) y (1, −1), un nuevo sistema de generadores del plano. Seguro que
sabes obtener un montón de sistemas de generadores del plano.

Como has visto en un ejercicio anterior todo polinomio de grado menor o igual que dos
es combinación lineal de los siguientes polinomios

P1 (t) = t2 , P2 (t) = t + t2 , P3 (t) = 1 + t + t2 .

8
Ası́, estos tres polinomios forman un sistema de generadores de P2 (K). Calcula otros
sistemas de generadores de P2 (K).

Las siguientes matrices forman un sistema de generadores del espacio vectorial de las
matrices simétricas de orden dos, S2 (K), pues cualquier matriz simétrica de orden dos
es combinación lineal de ellas
µ ¶ µ ¶ µ ¶
1 0 1 0 0 1
M1 , M2 = , M3 =
0 1 0 −1 1 0
En efecto dada cualquier matriz simétrica
µ ¶
a11 a12
M=
a12 a22

habrá que calcular escalares α, β, γ de manera que

M = α M 1 + β M2 + γ M 3 .

Esto te lleva a resolver el siguiente sistema de ecuaciones lineales

α + β = a11
γ = a12
α − β = a22

con lo que
a11 + a22 a11 − a22
α= , β= , γ = a12 .
2 2
Entonces
µ ¶ µ ¶ µ ¶ µ ¶
a11 a12 a11 + a22 1 0 a11 − a22 1 0 0 1
= + + a12
a12 a22 2 0 1 2 0 −1 1 0

Los vectores ~x = (1, 0, −1) e ~y = (0, 1, −1) de K3 no forman un sistema de generadores de

dicho espacio vectorial. En efecto, el vector ~v = (1, 0, 0), por ejemplo, no es combinación
lineal de ellos. Para convencerte de ello, tratemos de escribirlo como combinación lineal,
tendrı́amos que encontrar dos números reales α, β de manera que

(1, 0, 0) = α (1, 0, −1) + β (0, 1, −1),

por lo que tendrı́amos el sistema de ecuaciones lineales

α = 1
β = 0
α+β = 0

y esto, obviamente es imposible.

No obstante, los vectores ~x = (1, 0, −1) e ~y = (0, 1, −1) si que forman un sistema de
generadores, como has visto en el tercer ejercicio anterior, del espacio vectorial siguiente:

U = {(x, y, z) ∈ K3 : x + y + z = 0}

9
 Calcula un sistema de generadores del espacio vectorial P3 (K) que contenga a los sigu-
ientes polinomios
P1 (t) = 1 − t + t2 − t3 P2 (t) = 1 + t + t2 + t3
¿Cuál es el menor número de polinomios que necesitas para generar P3 (K)
En C2 considera U = {(z1 , z2 ) ∈ C2 : 2z1 − z2 = 0}. Comprueba que es un espacio
vectorial complejo y calcula sistemas de generadores del mismo visto como un espacio
vectorial complejo y como espacio vectorial real, respectivamente.

4. Dependencia e Independencia Lineales

La relación entre los vectores de un espacio vectorial está, esencialmente, descrita mediante la
dependencia lineal.

Definición: Dependencia e Independencia Lineales. Los vectores,

{~u1 , ~u2 , · · · , ~ur } de un espacio vectorial, V, se dicen que son linealmente dependientes si, al
menos, uno de ellos es combinación lineal del resto. Cuando esto no ocurra, se dirá que los
vectores son linealmente independientes.

Imagı́nate que tienes vectores linealmente dependientes, entonces, al menos uno (considera
que es el primero), es combinación lineal del resto, es decir
r
X
~u1 = ai ~ui ,
i=2

entonces, lo anterior se puede escribir como sigue

r
X
~0 = −~u1 + ai ~ui ,
i=2

esto prueba que el vector cero es combinación lineal (no trivial, es decir con algún coeficiente
no nulo) de los r vectores.

Lo bueno de esto, es que al contrario también se cumple. Es decir que si el vector cero es
combinación lineal, no trivial, de r vectores entonces estos son linealmente dependientes. En
efecto si tienes r
X
~0 = αj ~uj ,
j=1

y al menos un coeficiente es no nulo, considera que es el α1 , entonces puedes escribir

r
X αj
~u1 = − ~uj ,
j=2
α1

lo que prueba que los vectores son linealmente dependientes, pues uno de ellos es combinación
lineal del resto.

Como consecuencia de todo esto, tenemos el siguiente test para la dependencia e independencia
lineales.

10
 Pr
1. Escribes ~0 = j=1 αj ~uj
2. Si lo puedes hacer con algún coeficiente no nulo, entonces los vectores son linealmente
dependientes.
3. Si por el contrario, la única posibilidad es con todos los coeficientes cero, entonces son
linealmente independientes.

F Los siguientes ejemplos, seguramente, te aclararán los conceptos anteriores.

1. Prueba que los siguientes vectores de K2 son linealmente dependientes:
~u1 = (1, 1), ~u2 = (1, −1), ~u3 = (3, 1).
Si escribes
~0 = (0, 0) = a1 (1, 1) + a2 (1, −1) + a3 (3, 1),
obtienes
a1 + a2 + 3 a3 = 0
a1 − a2 + a3 = 0
ahora, este sistema tiene soluciones no triviales, por ejemplo a1 = −2, a2 = −1, a3 = 1,
lo que prueba la dependencia lineal.
2. Prueba que los siguiente vectores de P2 (K) son linealmente independientes
P1 (t) = 1 + t + t2 , P2 (t) = 1 + t, P3 (t) = 1 − t.
Si escribes
~0 = a1 P1 (t) + a2 P2 (t) + a3 P3 (t),
obtienes
a1 + a2 + a3 = 0
a1 + a2 − a3 = 0
a1 = 0
y obviamente, la única solución es la trivial, a1 = a2 = a3 = 0.
3. En el espacio vectorial S2 (K) de las matrices cuadradas y simétricas de orden dos,
considera los siguientes vectores
µ ¶ µ ¶ µ ¶
0 1 1 0 −1 0
, , ,
1 0 0 1 0 1
prueba que son linealmente independientes.
4. En el espacio vectorial M2 (K) de las matrices cuadradas de orden dos, considera los
siguientes vectores
µ ¶ µ ¶ µ ¶ µ ¶
0 1 1 0 −1 0 0 1
, , ,
1 0 0 1 0 1 −1 0

prueba que son linealmente independientes.

11
Para saber si lo has entendido.

Si tienes r vectores, {~u1 , ~u2 , ..., ~ur } de un espacio vectorial, V, que son linealmente de-
pendientes y añades otro vector, ~ur+1 prueba que los r + 1 vectores, {~u1 , ~u2 , ..., ~ur+1 } son
linealmente dependientes.

Si tienes r vectores, {~u1 , ~u2 , ..., ~ur } de un espacio vectorial, V, que son linealmente inde-
pendientes y quitas uno de ellos, por ejemplo el ~ur , prueba que los r − 1 vectores que te
quedan, {~u1 , ~u2 , ..., ~ur−1 }, son linealmente independientes.

5. Bases y Dimensión de un espacio vectorial

En un espacio vectorial, existen unos sistemas de generadores mejores que otros. Por ejemplo,
en el espacio vectorial R2 los dos siguientes conjuntos de vectores son sistemas de generadores

G1 = {(2, 0), (0, −2), (1, 1)}

G2 = {(2, 0), (0, −2)}

no obstante, tienes que convenir que el segundo es mejor que el primero puesto que
con menos vectores eres capaz de generar el mismo espacio vectorial. Además,
observa que los vectores del primero son linealmente dependientes mientras que los del segundo
son linealmente independientes. Esto es importante. El hecho de que los vectores de G2
sean linealmente independientes permite hablar de coordenadas con respecto a él. Cualquier
vector de R2 es combinación lineal, de manera única, de los vectores de G2 . En efecto,
∀~x = (x, y) ∈ R2 , se puede escribir como combinación lineal de los vectores de G2 de una
única forma
x −y
~x = (x, y) = (2, 0) + (0, −2)
2 2
esto permite hablar de coordenadas, se puede decir, sin ninguna ambigüedad que x/2 y −y/2
son las coordenadas de ~x en el sistema de generadores G2 . Por el contrario, la expresión
de un vector como combinación lineal de los de G1 no es única. En efecto, observa lo
siguiente
x−1 −y + 1
~x = (x, y) = (2, 0) + (0, −2) + (1, 1)
2 2
pero también
x−2 −y + 2
~x = (x, y) = (2, 0) + (0, −2) + 2 (1, 1)
2 2
y podrı́amos seguir. De manera que, ¿cuáles son las coordenadas del vector?

F !En efecto!, los mejores sistemas de generadores son los formados por vectores linealmente
independientes y son llamados bases del espacio vectorial.

Aquı́ tienes algunos ejemplos de bases en espacios vectoriales. Te recomiendo que los com-
pruebes.

1. B = {(1, 1, 0), (0, 1, 1), (1, 0, 1)} es una base de K3 .

2. B = {(1, −1, 0), (0, 1, −1)} es una base del plano U = {(x, y, z) ∈ K3 : x + y + z = 0}.

12
 3. B = {1 + t, 1 − t, t2 } es una base de P2 (K).

4. B = {(1, 1, 0, 0), (−1, 1, 0, 0), (0, 0, 1, 1), (0, 0, 1, −1)} es una base de K4 .

5. La matriz siguiente es una base de A2 (K)

µ ¶
0 1
−1 0

6. Las siguientes matrices forman una base de M2 (K)

µ ¶ µ ¶ µ ¶ µ ¶
0 1 1 0 −1 0 0 1
, , ,
1 0 0 1 0 1 −1 0

7. Las siguientes tres matrices forman una base de S2 (K)

µ ¶ µ ¶ µ ¶
0 1 1 0 −1 0
, ,
1 0 0 1 0 1

8. Las siguientes tres matrices forman una base del espacio vectorial formado por las ma-
trices de M2 (K) que tienen traza cero
µ ¶ µ ¶ µ ¶
0 1 1 0 0 1
, ,
1 0 0 −1 0 0

F Todas las bases de un mismo espacio vectorial tienen el mismo número de

vectores. A este número se le llama dimensión del espacio vectorial. Esto lo veremos
más adelante. Aquı́ tienes algunos ejemplos,

1. K3 tiene dimensión tres.

2. U = {(x, y, z) ∈ K3 : x + y + z = 0} tiene dimensión dos.

3. P2 (K) tiene dimensión tres.

4. K4 tiene dimensión cuatro.

5. A2 (K) tiene dimensión uno.

6. M2 (K) tiene dimensión cuatro.

7. S2 (K) tiene dimensión tres.

8. Las matrices con elementos en K de orden dos y traza cero forman un espacio vectorial
de dimensión tres.

13
F Problema: Ya sabes que todo espacio vectorial complejo, V (C), es también un espacio
vectorial real, se trata entonces de relacionar las dimensiones de ambos espacios vectoriales.
Para resolverlo, suponemos que la dimensión del espacio vectorial complejo es n, lo podemos
escribir como dimC (V ) = n. Entonces las bases de esta espacio vectorial (siempre considerado
sobre C) tiene exactamente n vectores. Tomamos una de ellas, por ejemplo

BC = {~v1 , ~v2 , ..., ~vn },

vamos entonces a comprobar que los siguientes 2n vectores de V forman una base del mismo
visto como un espacio vectorial real

BR = {~v1 , i~v1 , ~v2 , i~v2 , ..., ~vn , i~vn },

BR es un sistema de generadores de V como espacio vectorial real. En efecto, para

cualquier V~ ∈ V, por ser BC un sistema de generadores para el espacio vectorial complejo,
puedes escribir
n
X
v̄ = zk ~vk , zk ∈ C,
k=1

ahora escribes zk = ak + ibk , con ak , bk ∈ R y 1 ≤ k ≤ n, con lo que obtienes

n
X n
X n
X
v̄ = (ak + ibk )~vk = ak~vk + bk (i~vk ),
k=1 k=1 k=1

que es una combinación lineal, con coeficientes reales, de los vectores de BR .

Los vectores de BR son linealmente independientes, en efecto si escribes

n
X n
X
αk~vk + βk (i~vk ) = ~0, αk , βk ∈ R,
k=1 k=1

entonces consideras los números complejos, zk = αk + iβk , 1 ≤ k ≤ n, con lo que la

expresión anterior la puedes escribir como
n
X
v̄ = zk ~vk = ~0, zk ∈ C,
k=1

y finalmente al ser BC una base del espacio vectorial complejo, sus vectores son lineal-
mente independientes y por lo tanto zk = 0 para 1 ≤ k ≤ n. Es obvio entonces que
αk = βk = 0 para 1 ≤ k ≤ n.
Con ello has probado que
dimC (V ) = 2 dimR (V ) .

F Coordenadas en una Base F

Como ya se dijo, otra ventaja que tiene el trabajar con bases en un espacio vectorial es que uno
puede hablar de coordenadas. Para que lo tengas claro, insisto con la misma idea, considera
el siguiente ejemplo sencillo.

14
 Imagı́nate que en el espacio vectorial, R2 consideras el siguiente sistema de generadores

G = {(1, 0), (1, 1), (0, 1)},

ya sabes que no forman base puesto que los tres vectores son linealmente dependientes.

Si ahora tomas un vector de R2 , por ejemplo el vector (4, 5), entonces puedes escribir

(4, 5) = 3 (1, 0) + (1, 1) + 4 (0, 1).

Parece que podemos decir que el vector tiene coordenadas 3, 1, 4 en este sistema de
generadores. Pero esto no es ası́. Observa que el mismo vector también se puede escribir
del siguiente modo
(4, 5) = 2 (1, 0) + 2 (1, 1) + 3 (0, 1).
Por tanto también tiene coordenadas 2, 2, 3 en el mismo sistema de generadores. Esto,
tienes que convenir, que no es razonable.

Lo que quiero que entiendas es que ésto no ocurre con las bases. Toma, por ejemplo la
base
B = {(1, 0), (1, 1)},

Ahora, observa que, por ejemplo, el mismo vector de antes se escribe del siguiente modo

(4, 5) = −1 (1, 0) + 5 (1, 1),

y esta manera de escribirlo es única. Te reto a que lo escribas de otra manera.

¨ Como la expresión de un vector como combinación lineal de los vectores de una base es
única, esto es una razón para hablar de coordenadas de un vector en una base. Por ejemplo,
el vector (4, 5) de R2 , en la base B = {(1, 0), (1, 1)} tiene coordenadas −1, 5.

FF Sea B = {~x1 , ~x1 , ..., ~xn } una base de un espacio vectorial, V(K), entonces cualquier
vector ~x ∈ V se escribe, de manera única, como combinación lineal de los vectores
de B, esto es
n
X
~x = ai ~xi , ÚNICA ⇒ a1 , a2 , ..., an ∈ K coordenadas de ~x en B
i=1

Prueba.- Es claro que cada vector, ~x ∈ V es combinación lineal de los vectores de B puesto
que toda base es un sistema de generadores. Queda probar la unicidad de la expresión, de las
coordenadas. Supón que un mismo vector se escribe de dos maneras como combinación lineal
de los vectores de B, esto es
Xn n
X
~x = ai ~xi = bi ~xi .
i=1 i=1

De aquı́ obtenemos
n
X
~0 = (ai − bi ) ~xi ,
i=1

15
como los vectores de B son linealmente independientes, la única posibilidad para la expresión
anterior es la trivial, todos los escalares deben ser cero

ai = bi , 1 ≤ i ≤ n ⇒ unicidad.

¨ Aquı́ tienes algunos ejercicios

1. Calcula las coordenadas de los vectores ~u = (1, 2, 4) y ~v = (−1, −2, −4) en la base
B = {(1, 1, 0), (0, 1, 1), (1, 0, 1)} de R3 .
2. Calcula las coordenadas de los vectores w
~ = (1 − i, 2i) y ~z = (2, 4) en la base B =
{(1, 1), (i, 4)} de C2 .
3. Calcula las coordenadas de los vectores P (t) = 2 − 2t + t2 y Q(t) = 1 − 5t de P2 (C) en
la base B = {1 + t, 1 − t, t2 }.
4. En M2 (R), calcula las coordenadas de los vectores
µ ¶ µ ¶
2 4 −4 0
M= N=
2 4 1 2
en la base µ ¶ µ ¶ µ ¶ µ ¶
0 1 1 0 −1 0 0 1
, , ,
1 0 0 1 0 1 −1 0

5. Calcula una base de R3 que contenga al vector ~u = (1, 1, 1). Calcula, en ella las coorde-
nadas del vector ~u.
6. Calcula una base del espacio vectorial R2 en la que el vector ~u = (1, 2) tenga por
coordenadas [−1, 1]. ¿Es única esta base?
7. Calcula una base del espacio vectorial C2 en la que el vector ~u = (1, 2) tenga por
coordenadas [i, −i]. ¿Es única esta base?
8. Se considera el espacio vectorial real U = {(x1 , x2 , x3 , x4 ) ∈ R4 : x1 + x2 − x3 − x4 = 0}
calcula una base que contenga al vector ~u = (1, −1, 1, −1) y otra en la que dicho vector
tenga por coordenadas [1, 2, 1].

FF A estas alturas podemos dar una demostración simple de un resultado, ya comentado:

Dos bases de un mismo espacio vectorial tienen el mismo número de vectores.
En efecto, sean B1 = {~x1 , ..., ~xn } y B2 = {~v1 , ..., ~vm } dos bases de un espacio vectorial, V,
con n y m vectores, respectivamente. Puesto que los n vectores de la primera son linealmente
independientes, la única solución de la siguiente ecuación es la trivial

a1~x1 + a2~x2 + · · · + an~xn = ~0

si escribimos estos vectores como combinación lineal de los m vectores de la segunda base,
la anterior ecuación se convierte en un sistema homogéneo de m ecuaciones lineales con n
indeterminadas y su única solución es la trivial a1 = · · · = an = 0. Entonces, el teorema
de Rouché obliga a que m ≥ n. Cambiando, en este argumento, los papeles de ambas bases,
probamos que n ≥ m y, consiguientemente m = n.

16
6. Cambio de Base en un Espacio Vectorial
Sea Vn (K) un espacio vectorial de dimensión n. Cada vector, ~x ∈ V, posee n coordenadas en
cada base del espacio vectorial:
P
Si B1 = {~u1 , ..., ~un } es una base de V, entonces ~x = ni=1 ai~ui .
P
Si B2 = {~v1 , ..., ~vn } es otra base de V, entonces ~x = nj=1 bj ~vj .

¿Qué relación existe entre las coordenadas de un mismo vector en una y otra base?

Para resolver este problema tenemos que relacionar previamente ambas bases. Es decir, definir
los vectores de una base por sus coordenadas en la otra. Por ejemplo, los vectores de la base
B2 poseen unas coordenadas en la base B1
n
X
~vj = αji ~ui 1≤j≤n
i=1

Por lo tanto à n ! à n !
n
X X n
X X
~x = bj αji~ui = bj αji ~ui
j=1 i=1 i=1 j=1

Como las coordenadas de un vector en una base están determinadas de manera única, obtienes
n
X
ai = bj αji 1≤i≤n
j=1

Si escribes las coordenadas en cada base como una matriz fila, obtienes

(a1 a2 · · · an ) = (b1 b2 · · · bn ) ? M21

donde M21 es una matriz cuadrada de orden n cuyas filas son las coordenadas de los vectores
de B2 en la base B1 . La Matriz del cambio de base.

Una matriz de cambio de base no puede ser cualquiera, tiene que ser regular. Para
entender esta afirmación, consideramos tres bases, B1 , B2 y B3 , del espacio vectorial V. Sean
entonces las matrices de los cambios de base

M21 : B2 ⇒ B1

M32 : B3 ⇒ B2

M31 : B3 ⇒ B1
entonces
M31 = M32 ? M21
Es obvio que
M11 = I, M21 = M−1
12

17
Quizá este hecho te permita ver que el producto de matrices, al menos de matrices
cuadradas, que es, aparentemente tan artificial, en realidad se corresponde con los
cambios sucesivos de base, lo cual es anterior y ciertamente más natural.

Aquı́ tienes algunos ejemplos y ejercicios sobre bases y cambios de base.

1. En V = R4 , considera las tres bases siguientes:
B0 = {~e1 = (1, 0, 0, 0), ~e2 = (0, 1, 0, 0), ~e3 = (0, 0, 1, 0), ~e4 = (0, 0, 0, 1)}
B1 = {~x1 = (1, 1, 0, 0), ~x2 = (2, 1, 0, 0), ~x3 = (0, 0, 1, 2), ~x4 = (0, 0, 1, 1)}
B2 = {~v1 = (1, 1, 1, 1), ~v2 = (2, 1, 2, 1), ~v3 = (1, 1, 1, 0), ~v4 = (4, 0, 1, 1)}
Calcula las matrices de todos los cambios de base posibles entre ellas, M10 , M01 , M20 ,
M02 , M21 , M12 .
2. Calcula dos bases de C2 de manera que una de las matrices de cambio sea
µ ¶
1−i 2
1+i 1

3. ¿Es posible encontrar una base en C2 en la que los vectores ~e1 = (1, 0) y ~e2 = (0, 1)
tengan por coordenadas [i, 2 − i] y [1, −1 − 2i], respectivamente?
4. En V = R3 , se considera la base canónica B0 = {~e1 = (1, 0, 0), ~e2 = (0, 1, 0), ~e3 =
(0, 0, 1)}. Calcula otra base, B1 , de R3 de modo que la matriz de cambio, M10 sea
 
−1 0 2
 0 −1 2 
1 1 1
Calcula otra base, B2 de manera que la matriz de cambio, M02 sea la matriz anterior.
5. En V = P2 , se consideran las dos bases siguientes:
B1 = {~x1 = 1 − t, ~x2 = t + 2t2 , ~x3 = 2 − t2 }
B2 = {~y1 = 1 + t, ~y2 = 2 − t + 2t2 , ~y3 = 1 − t2 }. Calcula las dos matrices de cambio
de base comprobando que son inversas una de otra.
6. En V = P3 considera dos bases en las que el polinomio P (t) = t tenga por coordenadas
[1, 1, 1, 1]. Calcula las matrices de cambio de base entre ellas.
7. En el espacio vectorial V = A3 calcula dos bases que contengan al vector
 
0 1 −1
M =  −1 0 1 
1 −1 0
Calcula también las correspondientes matrices de cambio de base.
8. Considera el siguiente espacio vectorial
U = {(x1 , x2 , x3 , x4 , x5 ) ∈ R5 : x1 − x2 − x3 + x4 + x5 = 0}
Calcula dos bases del mismo que contengan a los vectores ~x1 = (1, 1, 0, 0, 0) y ~x2 =
(0, 0, 0, 1, −1). Calcula también las correspondientes matrices de cambio de base.

18
7. Subespacios vectoriales
Imagı́nate que V es un espacio vectorial y que U es un subconjunto de V. Naturalmente,
con las operaciones de V podemos manipular los elementos de U. Si ocurre que U, con las
operaciones de V es también un espacio vectorial, entonces diremos que es un subespacio
vectorial de V. Naturalmente, interesa conocer, sobre todo en la práctica, las condiciones que
debe cumplir un subconjunto, U, de un espacio vectorial, V, para ser subespacio vectorial del
mismo. Es claro que las dos siguientes deben estar entre ellas

Ser cerrado para la suma de vectores ∀~u1 , ~u2 ∈ U debe ocurrir que ~u1 + ~u2 ∈ U

Ser cerrado para el producto por escalares ∀α ∈ K y ∀~u ∈ U debe ocurrir que
α.~u ∈ U

F Puedes ver, de manera sencilla, que estas dos condiciones, necesarias para que un subcon-
junto sea un subespacio vectorial, son también suficientes para ello.

F Para aclararte mejor este nuevo concepto aquı́ tienes algunos ejemplos de subconjuntos que
son subespacios vectoriales, y otros que no lo son, de espacios vectoriales dados

1. Considera como espacio vectorial K2 y en él toma el subconjunto

U = {(x, y) ∈ K2 : x = y},

entonces puedes comprobar que se trata de un subespacio vectorial de K2 . La suma de

dos elementos de U está en U. Respecto al producto de reales por vectores, observa
que lo único que tendrı́amos que ver es que al multiplicar cualquier vector de U por
un escalar, el vector que obtienes está en U, lo cual, en este caso, es evidente por la
deficición de U.

2. En K2 consideras el conjunto de vectores

U = {(x, y) ∈ K2 : x2 + y 2 = 1},

entonces, U no es un subespacio vectorial de K2 . Para entenderlo fı́jate que el vector

cero de K2 no está en U. Otra razón es que si sumas dos vectores de de U, entonces te
sales de U, en efecto

(1, 0) ∈ U, (0, 1) ∈ U pero (1, 1) no pertenece a U

3. Seguramente, sabrás comprobar que Sn (K), el conjunto de las matrices simétricas de

orden n, y An (K), el de las matrices antisimétricas del mismo orden, son subespacios
vectoriales de Mn (K). Sı́mplemente comprueba que todas las dos operaciones que definen
la estructura de espacio vectorial no cambian la simetrı́a o antisimetrı́a de una matriz.
La suma de dos simétricas es simétrica etc.

4. En el espacio vectorial V = Kn , uno puede considerar el conjunto de soluciones de

un sistema de ecuaciones lineales homogéneo con n indeterminadas. Entonces, dicho
conjunto es siempre un subespacio vectorial de V = Kn . Para ser más preciso, considera

19
 el subconjunto U de V = Kn formado por los vectores, ~x = (x1 , x2 , · · · , xn ) ∈ Kn que
verifican las siguientes r ligaduras (ecuaciones) lineales
n
X
aik xi = a1k x1 + a2k x2 + · · · + ank xn = 0, 1 ≤ k ≤ r.
i=1

Este sistema de ecuaciones lineales se puede escribir matricialmente de la siguiente man-

era:
~x ∗ M = ~0,
donde ~x = (x1 , x2 , · · · , xn ) se ve como una matriz fila (y n columnas), M (aik ) es la
matriz de coeficientes que está en Mn×r (K) y finalmente el vector cero, ~0 es el de Kr ,
visto como la matriz cero fila y r columnas.

5. Puedes también comprobar que las matrices de Mn (K) que tienen traza cero constituyen
un subespacio vectorial de Mn (K).

6. En el espacio vectorial P4 consideras el siguiente subconjunto de polinomios

U = {P (t) ∈ P4 : P (2) = 0}

entonces puedes comprobar que es un subespacio vectorial de P4 . También es subespacio

vectorial el siguiente subconjunto de polinomios

W = {P (t) ∈ P4 : P (2) = P 0 (−2) = 0}

Ahora, usando las propiedades, que ya conoces, de los productos de matrices, puedes
comprobar que, efectivamente, U es un subespacio vectorial de V = Kn .

F Otra manera de obtener subespacios vectoriales. Ya has visto que se pueden obtener
subespacios de un espacio vectorial anulando ecuaciones lineales homogéneas. Otra forma de
generar subespacios vectoriales es mediante las combinaciones lineales de conjuntos de vectores.
En efecto, considera que A = {~u1 , ~u2 , · · · , ~ur } es un conjunto de r vectores de un cierto espacio
vectorial, V. Toma el conjunto de vectores de V que se expresan como combinación lineal de
los vectores dados, esto es
( r )
X
U = L(A) = ai ~ui , : ai ∈ K, 1 ≤ i ≤ r
i=1

entonces U = L(A) es un subespacio vectorial de V.

F Usando este criterio comprueba que los siguientes subconjuntos de Kn son

subespacios vectoriales.

1. U = {(x, y, z) ∈ K3 : 2x − 2y − z = 0}

2. U = {(x, y, z, t) ∈ K4 : x − 2y − z + t = 0, x − t = 0}

3. U = {(x, y, z, t) ∈ K4 : 2x − 2y − z = 0}

20
 4. U = {(x, y, z, t, w) ∈ K5 : 2x − 2y − z = x + t − w = 0}
Comprueba también, usando el mismo procedimiento, que los siguientes subconjuntos son
subespacios vectoriales de Mn (K)
1. U = {M ∈ Mn (K) : traza(M ) = 0}
2. U = {M ∈ Mn (K) : M − M t = 0}

F Ejercicio: En M3 (C) considera el subconjunto U = {M ∈ M3 (C) : M = M̄ }, ¿es un

subespacio vectorial de M3 (C)?, donde la matriz M̄ es la obtenida de M por conjugación de
sus items.

8. Operaciones con Subespacios Vectoriales

Ya sabes que si U y W son dos subconjuntos de un conjunto, V, entonces U ∩ W es otro
subconjunto de V, de manera más precisa es el mayor subconjunto de V que está con-
tenido en U y en W simultáneamente. El problema que planteamos es natural: si V es
un espacio vectorial y U, W son subespacios suyos, determina el mayor subespacio de V que
está contenido, simultáneamente, en U y en W. Naturalmente, la respuesta serı́a U ∩ W si
fuese un subespacio vectorial.

Ejercicio.- Comprueba que la intersección de dos subespacios vectoriales es un sub-espacio

vectorial, el mayor simultáneamente contenido en los dos dados.

Agunos Ejemplos.
1. En V = K3 se consideran los siguientes subespacios vectoriales
U = {(x, y, z) ∈ K3 : x − y + z = 0} W = {(x, y, z) ∈ K3 : x − 2y + z = 0}
es claro que
U ∩ W = {(x, y, z) ∈ K3 : y = 0, x + z = 0} = L({(1, 0, −1)}).

2. Calcula la intersección de los siguientes subespacios vectoriales de V = K3

U = {(x, y, z) ∈ K3 : 2x − 2y + 3z = 0} W = L({(1, 1, 1); (1, 1, −1)}).
Observa que, a diferencia con el caso anterior, ahora el segundo subespacio nos lo dan
a través de un sistema de generadores (ecuaciones paramétricas). Para calcular la inter-
sección es recomendable calcular las ecuaciones implı́citas o ligaduras, en este caso una
pues se trata de un plano en K3 . Los vectores, (x, y, z), de W verifican
x = α + β, y = α + β, z =α−β
eliminando en estas ecuaciones los parámetros α y β se obtiene que W está definido por
la ecuación implı́cita o ligadura lineal siguiente
x−y =0
por lo tanto la intersección es
U ∩ W = {(x, y, z) ∈ K3 : x − y = 0, z = 0} = L({(1, 1, 0)}).

21
 3. Calcula la intersección de los siguientes subespacios vectoriales de V = K4

U = {(x, y, z, t) ∈ K4 : x − y + z + t = 0} W = L({(1, 1, 0, 0); (1, 0, −1, 0)}).

Procedemos como antes y calculamos las ligaduras lineales que define a W, serán dos.
Los vectores de este subespacio satisfacen las siguientes ecuaciones paramétricas

x = α + β, y = α, z = −β, t=0

eliminando los parámetros, se obtiene

W = {(x, y, z, t) ∈ K4 : x − y + z = 0, t = 0}

lo que implica que W ⊂ U y por lo tanto U ∩ W = W.

4. En V = M2 (K) se consideran los siguientes subespacios vectoriales: U = S2 (K) y

W = {A ∈ M2 (K) : traza(A) = 0}. Entonces la intersección de estos dos subespacios
vectoriales es ½µ ¶ ¾
a b
U∩W : a, b ∈ K
b −a

La suma de subespacios vectoriales. También debes recordar que la unión, U ∪ W, es el

menor subconjunto de V que, simultáneamente, contiene a U y a W. No obstante, en general,
la unión no es un subespacio vectorial de V. Para convencerte, considera, por ejemplo, en
V = R2 , los siguientes subespacios vectoriales

U = {(x, y) ∈ R2 : y = 0} W = {(x, y) ∈ R2 : x = 0}

es claro que
U ∪ W = {(x, y) ∈ R2 : x.y = 0}
ası́ (1, 0) ∈ U ∪ W también (0, 1) ∈ U ∪ W. No obstante su suma (1, 1) no está en U ∪ W lo
que prueba que U ∪ W no es cerrado para la suma y por tanto no es un subespacio vectorial.

Una Observación.- Tienes que darte cuenta que la unión de dos subespacios vectoriales
contiene al vector cero, también contiene al opuesto de cualquier vector que esté en la unión,
finalmente es, obviamente cerrado para el producto por números reales. Ası́, lo que impide que
la unión, de dos subespacios vectoriales, sea un subespacio vectorial es que no es cerrada para
la suma de vectores.

Una Idea.- Si queremos definir el menor subespacio que, simultáneamente, contenga a U y

a W, tenemos que evitar lo anterior. Entonces, tiene obviamente que contener a todas las
sumas posibles de vectores de U con vectores de W. Definamos entonces el siguiente
subconjunto de V
U + W = {~u + w ~ ∈ V : ~u ∈ U, w~ ∈ W}

Es claro que tanto U como W están contenidos en U+W puesto que ∀~u ∈ U y ∀w~ ∈W
se pueden escribir, respectivamente, como ~u + ~0 ∈ U + W y ~0 + w
~ ∈ U + W.

Además, U + W es un subespacio vectorial de V. Deberı́as comprobarlo como ejercicio.

22
 Finalmente, es el menor subespacio que contiene simultáneamente a U y a W. También
deberı́as comprobarlo como ejercicio.

Una manera de calcular la suma de subespacios vectoriales.- Sean A1 = {~u1 , ..., ~ur } y
A2 = { w~ 1 , ..., w
~ s } sistemas de generadores de U y W, respectivamente. Entonces, A1 ∪ A2 es
un sistema de generadores de U + W. Este criterio se usa para calcular sumas de subespacios
vectoriales, aquı́ tienes algunos ejemplos

1. En V = K3 se consideran los siguientes subespacios vectoriales, U = L({(1, 1, 1)}) y

W = {(x, y, z) ∈ K3 : x + z = 0, x − y = 0}

Para calcular su suma, calculamos un sistema de generadores del segundo y para ello
usamos las dos ligaduras

W = {(x, x, −x) ∈ K3 : x ∈ K} = L({(1, 1, −1)})

Consiguientemente, U + W es el plano de K3 generado por los vectores (1, 1, 1) y

(1, 1, −1).

2. En V = M2 (K) consideran los subespacios vectoriales U = A2 (K) y

W = S2 (K) ∩ {M ∈ M2 (K) : traza(M ) = 0}

Para calcular su suma observamos lo siguiente

µ½µ ¶¾¶
0 1
U=L
−1 0

Por otro lado el segundo subespacio se escribe del siguiente modo

½µ ¶ ¾ µ½µ ¶ µ ¶¾¶
a b 1 0 0 1
W= : a, b ∈ K = L ;
b −a 0 −1 1 0

Como consecuencia
µ½µ ¶ µ ¶ µ ¶¾¶
1 0 0 1 0 1
U+W =L ; ;
0 −1 1 0 −1 0

3. En el espacio vectorial V = P3 (K) de los polinomios con grado menor o igual a tres se
consideran los siguientes subconjuntos

U = {P (t) : P (0) + 2P 0 (1) = P 00 (0) − P 000 (0) = 0}

W = {P (t) : P 0 (0) + 2P 00 (0) = P 000 (−1) = P (0) − 4P 00 (1) = 0}

¿Son subespacios vectoriales? En caso afirmativo calcula su intersección y su suma.

23
9. Ampliación de bases y fórmula de las dimensiones
Una técnica bastante útil en los cálculos de la geometrı́a lineal está basada en la idea de
ampliar bases. Se trata de considerar un subespacio vectorial, U, con dimensión r de un
espacio vectorial, V, con dimensión n. Entonces, partiendo de una base del subespacio, uno
puede ir añadiendo vectores hasta obtener una base del espacio vectorial. Vamos a considerar,
en primer lugar, algunos ejemplos.

1. Considera en V = R2 el subespacio vectorial U = {(x, y) ∈ R2 : 2x − y = 0}. Entonces,

una base de U es la formada por el vector, ~x1 = (1, 2). Es claro que si consideramos
cualquier vector, ~x2 , del plano que no esté en U, entonces el conjunto formado por por
estos dos vectores, {~x1 , ~x2 } forman una base de V = R2 . En efecto, prueba por ejemplo
que {~x1 = (1, 2), ~x2 = (1, 0)} es una base del plano.

2. En V = R3 se considera el subespacio, U = L({~x1 = (1, 0, 1)}). Si consideramos un

segundo vector del espacio, por ejemplo ~x2 = (1, 0, −1), que no esté en la recta U
entonces, es claro que los dos vectores, {~x1 , ~x2 }, generan un plano, digamos W, de V =
R3 . Finalmente, añadiendo un tercer vector, digamos ~x3 = (0, 1, 0), que no esté en W,
obtenemos tres vectores linealmente independientes de V = R3 , los cuales obviamente
forman una base de V = R3 (base ampliada de la originaria de U).

3. Calcula una base de V = M2 (K) que sea ampliada de otra de A2 (K). Consideremos,
por ejemplo la base de A2 (K) formada por el vector
µ ¶
0 1
~x1 =
−1 0

empezamos eligiendo cualquier otro vector, matriz, que no esté en A2 (K), cualquier
matriz que no sea antisimétrica, por ejemplo
µ ¶
1 0
~x2 =
0 0

entonces, los dos vectores {~x1 , ~x2 } son linealmente independientes y generan un plano,
W = L({~x1 , ~x2 }) de M2 (K). Tomamos un tercer vector, matriz, que no esté en este
plano, por ejemplo µ ¶
0 0
~x3 =
0 1
con lo que Z = L({~x1 , ~x2 , ~x3 }) es un subespacio vectorial de M2 (K) con dimensión tres.
Finalmente, agregamos un cuarto vector, matriz, que no esté en Z, sea
µ ¶
0 1
~x4 =
1 0

para obtener cuatro vectores, matrices, linealmente independientes que obviamente for-
man una base, {~x1 , ~x2 , ~x3 , ~x4 }, de M2 (K) ampliada de la originaria, {~x1 }, de A2 (K).

En fin, esta técnica funciona siempre que quieras ampliar cualquier base de cualquier sube-
spacio vectorial de cualquier espacio vectorial. En efecto, sea B = {~u1 , ..., ~ur } una base de

24
un subespacio vectorial, U, de un espacio vectorial, V con dimensión n. Tomamos un vec-
tor, ~xr+1 ∈ (V − U), entonces los vectores {~u1 , ..., ~ur , ~xr+1 } son linealmente independientes y
generan un subespacio vectorial, U1 , con dimensión r + 1. Si r + 1 < n, entonces podemos
tomar ~xr+2 ∈ (V − U1 ) con lo que garantizamos que los vectores {~u1 , ..., ~ur , ~xr+1 , ~xr+2 } son
linealmente independientes, generando otro subespacio vectorial, U2 con dimensión r + 2. Si
r + 2 < n, volvemos a repetir el proceso y al final obtenemos una base de todo V

B̄ = {~u1 , ..., ~ur , ~xr+1 , ..., ~xn }

a la que llamaremos base ampliada de la base B = {~u1 , ..., ~ur }. Conviene observar que la base
ampliada es, altamente, no única. Para una misma base del subespacio, uno puede encontrar
muchas bases ampliadas.

Subespacios complementarios.- Los n − r vectores que añadimos para ampliar una base,
{~xr+1 , ..., ~xn } generan un subespacio, Uc , de V al que le llamaremos complementario de U
en V. Obviamente verifica
U ∩ Uc = {~0}

U + Uc = V
por lo dicho anteriormente, un subespacio admite muchos complementarios. Mira los siguientes
ejercicios.
1. Calcula un subespacio complementario de S2 (K) en M2 (K). Ya conoces que toda matriz
cuadrada, en particular de orden dos es suma de una simétrica con otra antisimétrica.
Además, es claro que S2 (K) ∩ A2 (K) = {~0} por lo tanto A2 (K) es un complementario
de S2 (K) en M2 (K). Aunque no supieras las ideas que se han usado, el ejercicio también
lo puedes resolver tomando una base de las matrices simétricas y a
nadiendo otra que no lo sea, entonces la que añades genera un complementario.

2. Se considera el subespacio vectorial de K3 definido como sigue

U = {(x, y, z) ∈ K3 : x − z = 2y − 3z = 0}

para calcular un complementario de este subespacio en K3 , empezamos eligiendo una

base de él. Se tiene ½µ ¶ ¾
3 3
U= z, z, z ∈ K : z ∈ K
2
y por lo tanto U = L({(2, 3, 2)}). A continuación ampliamos la base, B = {~u1 = (2, 3, 2)}
de U para ello añadimos un primer vector que no esté en U. No nos complicamos la
vida, elegimos ~x2 = (1, 0, 0) que ciertamente no pertenece a U y a continuación elegimos
un tercer vector que no esté en el plano L({~u1 , ~x2 }). Es claro que ~x3 = (0, 0, 1) no está en
ese plano pues no depende linealmente de los dos vectores que lo generan, observa que
los tres vectores son linealmente independientes.

3. Calcula dos complementarios distintos, en K4 , del subespacio

U = {(x1 , x2 , x3 , x4 ) ∈ K4 : x1 − x4 = x2 − x3 = 0}

de manera que ambos contengan al vector (1, 1, −1, −1)

25
 4. Calcula un complementario del subespacio U = {P (t) ∈ P3 (K) : P (1) = P 0 (−1) = 0}
en el espacio vectorial P3 (K) que contenga al vector ~x = t2 .
Una Fórmula Importante.- Finalmente y como aplicación de la técnica de ampliación de
bases, vamos a obtener una fórmula muy útil que proporciona una relación entre las dimen-
siones de dos subespacios vectoriales, la dimensión de su suma y la de su intersección. Sean
pues U y W dos subespacios vectoriales de un espacio vectorial, V, entonces se tiene
dim(U) + dim(W) = dim(U + W) + dim(U ∩ W)

Prueba.- Sean dim(U ∩ W) = r, dim(U) = n1 y dim(W) = n2 . La cuestión es probar que

dim(U + W) = n1 + n2 − r. Para ello, empezamos tomando una base de la intersección,
B = {~x1 , ..., ~xr }
puesto que U ∩ W es subespacio vectorial de U y de W, esta base puede ser ampliada en
ambos subespacios para obtener bases de los mismos
B1 = {~x1 , ..., ~xr , ~ur+1 , ..., ~un1 } B2 = {~x1 , ..., ~xr , w
~ r+1 , ..., w
~ n2 }
finalmente observamos que
B̄ = {~x1 , ..., ~xr , ~ur+1 , ..., ~un1 , w
~ r+1 , ..., w
~ n2 }
es una base de U + W con lo que quedarı́a probado. Para probar que es una base, se tienen
que probar las dos cuestiones siguientes:
Forman un sistema de generadores de U + W. En efecto, ∀~x ∈ U + Wes de la forma
~x = ~u + w~ con ~u ∈ U y w ~ ∈ W. Ası, los dos sumandos se pueden escribir como
combinación lineal de los vectores de las bases ampliadas que hemos obtenido en cada
subespacio
Xr Xn1 Xr n2
X
~u = ai~xi + αj ~uj w
~= bi~xi + βk ~uk
i=1 j=r+1 i=1 k=r+1
y por lo tanto
r
X n1
X n2
X
~x = ~u + w
~= (ai + bi )~xi + αj ~uj + βk ~uk
i=1 j=r+1 k=r+1

ası́ ~x es combinación lineal de los vectores de B̄.

Son linealmente independientes. En efecto, si escribes
X r Xn1 Xn2
ci~xi + γj ~uj + δk ~uk = ~0
i=1 j=r+1 k=r+1
P n1
entonces el vector j=r+1 γj ~uj que, obviamente, está en U, por la fórmula anterior
también está en W y por lo tanto en la intersección. Pero como pertenece a un comple-
mentario de U ∩ Wen U tiene que anularse
Xn1
γj ~uj = ~0 ⇒ γj = 0, r + 1 ≤ j ≤ n1
j=r+1

el mismo argumento vale para anular a los coeficientes δk . Ahora, es claro que también
se anulan los ci .

26
 Listado de Ejercicios Propuestos
Ejercicio 1 Comprueba que los vectores ~x = (1, 2), ~y = (2, 1) y ~z = (−1, 4) de K2 son
linealmente dependientes.
Ejercicio 2 Comprueba que los dos vectores siguientes forman un sistema de generadores del
espacio vectorial A2 (K) (matrices antisimétricas de orden dos):
µ ¶ µ ¶
0 2 0 −3
, .
−2 0 3 0
Comprueba que un vector de A2 (K) se puede escribir de distintas formas como combinación
lineal de los dos vectores anteriores.
Ejercicio 3 Calcula una base del siguiente espacio vectorial

U = {(x1 , x2 , x3 , x4 ) ∈ K4 : x1 − x4 = 0, x2 + x3 = 0}

Ejercicio 4 Prueba que los siguientes tres vectores forman una base del espacio vectorial C3 :

~u1 = (1, 1, 1), ~u2 = (1, 0, 1), ~u3 = (1, 0, −1).

Calcula las coordenadas, en la base anterior, de los vectores ~u = (1, 2, 3) y ~v = (2 + i, i, 2).
Ejercicio 5 Prueba que los siguientes tres vectores forman una base del espacio vectorial
S2 (K): µ ¶ µ ¶ µ ¶
1 1 0 −1 4 0
, ,
1 0 −1 1 0 1
Calcula las coordenadas, en la base anterior del vector
µ ¶
2 0
0 0

Ejercicio 6 Sean U1 y U1 dos subespacios vectoriales de V

Comprueba que U1 ∩ U2 es un subespacio vectorial de V.
Comprueba que, en general, U1 ∪ U2 no es un subespacio vectorial de V.

Ejercicio 7 ¿Existe alguna situación en la que la unión de dos subespacios vectoriales sea un
subespacio vectorial?
Ejercicio 8 Calcula la dimensión, encontrando una base, del siguiente subespacio vectorial
de P4 (K)
U = {P (t) ∈ P4 (K) : P (1) = P 0 (1) = P 00 (0) = 0}

Ejercicio 9 En el espacio vectorial V = K4 , se consideran los siguientes subespacios vectoriales

U = {(x, y, z, t) ∈ K4 : 2x − y + z − t = 0, x − y = 0}, W = L{(1, 1, 1, 1)}
Calcula U ∩ W y U + W.
Ejercicio 10 En el espacio vectorial V = M2 (K) se consideran los subespacios vectoriales
siguientes

27
 S2 (K) = {M ∈ M2 (K) : M = M t }

A2 (K) = {M ∈ M2 (K) : M = −M t }

T2 (K) = {M ∈ M2 (K) : traza(M ) = 0}

Calcula todas las sumas e intersecciones entre cada dos de ellos.

Ejercicio 11 En el espacio vectorial V = M2 (K), calcula una base que contenga a los sigu-
ientes vectores µ ¶ µ ¶
1 0 1 0
,
1 −1 0 0
En dicha base calcula las coordenadas de los siguientes vectores
µ ¶ µ ¶
2 2 1 4
,
2 −2 2 −1

Ejercicio 12 Sea U un subespacio vectorial de un espaco vectorial, V y sea B una base de

U. Encuentra otra base de V que contenga a B.
Ejercicio 13 En K4 se considera el siguiente subespacio vectorial

U = {(x1 , x2 , x3 , x4 ) ∈ K4 : 2x1 + 3x2 − x3 + x4 = 0}

Calcula la dimensión de U, calculando una base, B, del mismo.

Calcula dos bases, B̄1 y B̄2 , de K4 que sean ampliadas de la base B anteriormente
calculada.

Calcula las matrices de cambio de base M (B̄1 , B̄2 ) y M (B̄2 , B̄1 )

Ejercicio 14 En P3 (K) se consideran las dos bases siguientes: B1 = {1, t, t2 , t3 } y B2 =

{1 + t, 1 − t, t2 − t3 , 1 + t + t2 + t3 }. Calcula las dos matrices que cambian estas bases. ¿Exista
alguna relación entre estas matrices?. Calcula las coordenadas del vector 2 − 2t + 4t2 − t3 en
la segunda base.
Ejercicio 15 Se considera el plano, U de F(R, R) generado por las dos siguientes funciones

f, h : R → R f (t) = 1 h(t) = cos 2t

Comprueba que las funciones

ϕ, ψ : R → R ϕ(t) = cos2 t ψ(t) = sin2 t

pertenecen a U y calcula sus coordenadas en la base {f, h}

Ejercicio 16 Recuerda que cuando dos subespacios vectoriales, U y W, de un espacio vecto-
rial, V tienen intersección trivial, U ∩ W = {~0}, entonces a su suma se le llama directa y se
le representa por U ⊕ W. Prueba que

Mn (K) = Sn (K) ⊕ An (K)

28
Ejercicio 17 Sea U un subespacio vectorial de V. Prueba que existe otro subespacio vectorial,
Uc , de V de manera que V = U ⊕ Uc . A este subespacio se le llama complementario de U
en V y es obvio que un subespacio de un espacio vectorial tiene muchos complementarios.
¿Puedes justificar esto?
Ejercicio 18 Calcula la dimensión de los espacios vectoriales Mn (K), Sn (K) y An (K).
Ejercicio 19 Calcula la dimensión de Pn (K) y también la del espacio vectorial formado por
todas las matrices cuadradas de orden n que tienen traza cero.
Ejercicio 20 Sea U un subespacio vectorial de un espacio vectorial V. Si ambos tienen la
misma dimensión, ¿se puede garantizar que son iguales?
Ejercicio 21 En el espacio vectorial V = K4 , se considera el subespacio vectorial siguiente
U = {(x1 , x2 , x3 , x4 ) ∈ K4 : x1 + x4 = 0, x2 + x3 = 0}
Calcula dos subespacios complementarios de U en V, que tengan intersección no trivial.
Ejercicio 22 Sean A = {~u1 , ~u2 , · · · , ~ur } vectores linealmente independientes de un espacio
vectorial V. Prueba que cualquier subconjunto de A sigue estando formado por vectores
linealmente independientes.
Ejercicio 23 Sean A = {~u1 , ~u2 , · · · , ~ur } vectores linealmente dependientes de un espacio
vectorial V. Prueba que si añades otro vector, de V, a A, entonces los r + 1 vectores son
linealmente dependientes.
Ejercicio 24 En el espacio vectorial V = K4 , se consideran los subespacios vectoriales
U = {(x1 , x2 , x3 , x4 ) ∈ K4 : x1 + x4 = 0, x2 + x3 = 0}, W = L({(1, 1, 1, 1)})
Calcula U ∩ W y U + W.
Ejercicio 25 En el espacio vectorial complejo M2 (C) se consideran los siguientes subconjuntos
Matrı́ces Hermı́ticas, H(2) = {A ∈ M2 (C) : A = Āt }
Matrı́ces anti-Hermı́ticas, AH(2) = {A ∈ M2 (C) : A = −Āt }
¿Son subespacios vectoriales de M2 (C)? ¿son subespacios vectoriales de M2 (C) visto como un
espacio vectorial real?
Ejercicio 26 Se considera M2 (C) como espacio vectorial real. Prueba que M2 (C) = H(2) ⊕
AH(2)
Ejercicio 27 En M2 (C) se consideran las siguientes matrices, llamadas matrices de Pauli
µ ¶ µ ¶ µ ¶
0 1 0 −i 1 0
σ1 = σ2 = σ3 =
1 0 i 0 0 −1
Comprueba que las matrices de Pauli son Hermı́ticas.
Comprueba que {I, σ1 , σ2 , σ3 } es una base de H(2)
Comprueba las matrices Hermı́ticas que tienen traza cero es un espacio vectorial y que
{σ1 , σ2 , σ3 } es una base suya.

Ejercicio 28 Comprueba que {iI, iσ1 , iσ2 , iσ3 } es una base de AH(2). ¿Es cierto que si A ∈
H(2) entonces iA ∈ AH(2)? Comprueba que las matrices anti-Hermı́ticas que tienen traza
cero es un espacio vectorial y que {iσ1 , iσ2 , iσ3 } es una base suya.

29