Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema1 EspaciosVectoriales PDF
Tema1 EspaciosVectoriales PDF
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)
Naturalmente para que (V, +, .) sea un espacio vectorial, además de que (V, +) sea un grupo
abeliano, la segunda operación necesita cumplir las siguientes propiedades:
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.
♣ 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..
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}.
U = {(x, y, z) ∈ K3 : x + y = 0, x − z = 0}.
U = {(x, y, z, t) ∈ K4 : x + y + z + t = 0, x + y − z + 4t = 0}.
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.
U = {(a1 , a2 , · · · , an ) ∈ Kn : a1 + a2 + · · · + an = 0}.
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
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
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
14. Recuerda que (R2∗ , ?) es un grupo abeliano. Lo puedes definir en un espacio vectorial real
definiendo el siguiente producto por escalares
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.
¿son espacios vectoriales con las mismas operaciones que tienes definidas en M2 (C)? ¿son
espacios vectoriales reales?
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).
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
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
4. Prueba que todo polinomio de grado menor o igual que dos, y coeficientes en K, es combi-
nación lineal de los siguientes polinomios
a + b + c = a2
b + c = a1
c = ao
La solución es entonces a = a2 − a1 , b = a1 − ao , c = ao
comprueba que lo puedes escribir como una combinación lineal de los cuatro vectores
dados en el ejercicio anterior.
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
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
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
M = α M 1 + β M2 + γ M 3 .
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
α = 1
β = 0
α+β = 0
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.
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
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
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.
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.
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.
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 .
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
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
vamos entonces a comprobar que los siguientes 2n vectores de V forman una base del mismo
visto como un espacio vectorial real
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 ) .
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
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
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
¨ 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.
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].
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
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.
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
U = {(x, y) ∈ K2 : x = y},
U = {(x, y) ∈ K2 : x2 + y 2 = 1},
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
5. Puedes también comprobar que las matrices de Mn (K) que tienen traza cero constituyen
un subespacio vectorial de Mn (K).
U = {P (t) ∈ P4 : P (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
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}
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)}).
21
3. Calcula la intersección de los siguientes subespacios vectoriales de V = K4
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
W = {(x, y, z, t) ∈ K4 : x − y + z = 0, t = 0}
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.
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.
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
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
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
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.
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
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.
U = {(x, y, z) ∈ K3 : x − z = 2y − 3z = 0}
U = {(x1 , x2 , x3 , x4 ) ∈ K4 : x1 − x4 = x2 − x3 = 0}
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)
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 :
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}
27
S2 (K) = {M ∈ M2 (K) : M = M t }
A2 (K) = {M ∈ M2 (K) : M = −M t }
Calcula dos bases, B̄1 y B̄2 , de K4 que sean ampliadas de la base B anteriormente
calculada.
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