Departament de Matemàtiques

Universitat Jaume I

MATEMÁTICAS I

DI2002 - Grado en Ingenierı́a en Diseño Industrial y Desarrollo

de Productos

ED2054 - Matemáticas I
Grado en Arquitectura Técnica

Cristina Chiralt
Vicent Renau

C. Chiralt / V.Renau
c UJI
1
TEMA 1

ESPACIOS VECTORIALES

1.1. El cuerpo de los números reales R

1.1.1. Estructuras algebraicas
 Definición 1.1. Una ley de composición interna (LCI) es una aplica-
ción en la que al componer dos elementos de un mismo conjunto el resultado
pertenece al mismo conjunto y se define de la forma:
∗ : A × A −→ A
(a, b) → a ∗ b
donde A es un conjunto no vacı́o.
 Ejemplo 1.1. (a) La suma de números naturales (N) es LCI
+ : N × N −→ N
(a, b) → a + b
porque la suma de dos números naturales es un número natural.
(b) La resta de dos números naturales NO es LCI ya que si restamos dos
números naturales el resultado no siempre es un número natural.
− : N × N −→ N
(a, b) → a − b
Por ejemplo:
3 − 5 = −2 ∈
/ N.
(c) La resta de números enteros (Z) sı́ que es LCI ya que el resultado de
restar dos números enteros siempre da un número entero.
− : Z × Z −→ Z
(m, n) → m − n ∈ Z.
 Definición 1.2. Una ley de composición externa (LCE) es una apli-
cación en la que al componer dos elementos de conjuntos distintos el resultado
pertenece a uno de los conjuntos anteriores y se define de la forma:
• : K × A −→ A
(a, b) → a • b

C. Chiralt / V.Renau
c UJI
2
donde A, K son conjuntos no vacı́os. En el caso en que el conjunto final sea A
se dice que es una LCE sobre A.

 Ejemplo 1.2. (a) El producto de un número natural (N) por un número

entero (Z) es LCE sobre Z

· : N × Z −→ Z
(a, m) → a.m

Sin embargo, NO es LCE sobre N, es decir,

· : N × Z −→ N
(a, m) → a · m

ya que si multimplicamos un número natural por un entero no siempre da un

natural. Por ejemplo, 3.(−4) = −12 ∈
/ N. 

Las leyes de composición (interna y externa) en ocasiones reciben el nombre

de operaciones.
Una estructura algebraica está formada por un conjunto, no vacı́o, en el
que se definen unas operaciones que cumplen detreminadas propiedades. Más
formalmente,

 Definición 1.3. Sea K un conjunto no vacı́o y dos operaciones + y ·. Se

dice que (K, +, ·) tiene estructura de cuerpo si se verifica:
(1) (K, +), el conjunto K con la operación + cumple las siguientes propiedades:
dados a, b, c ∈ K

La operación + es LCI.

Asociativa: a + (b + c) = (a + b) + c.

Elemento neutro e ∈ K: a + e = e + a = a.

Elemento simétrico: para todo a ∈ K existe −a ∈ K tal que

a + (−a) = (−a) + a = e.

Conmutativa: a + b = b + a.

Es decir, (K, +) cumpliendo estas propiedades es grupo conmutativo o abe-

liano.
(2) (K, ·), el conjunto K con la operación · cumple las siguientes propiedades:
dados a, b, c ∈ K

La operación · es LCI.

Asociativa: a · (b · c) = (a · b) · c.

Elemento neutro d ∈ K: a · d = d · a = a.

Elemento inverso: para todo a ∈ K existe a−1 ∈ K tal que

a · a−1 = a−1 · a = d.

C. Chiralt / V.Renau
c UJI
3
(3) (K, +, ·), el conjunto K con las operaciones +, · cumple las siguientes
propiedades:

Distributiva: a · (b + c) = a · b + a · c.

Además, si se cumple la propiedad conmutativa para la operación ·:

a·b=b·a

decimos que (K, +, ·) tiene estructura de cuerpo conmutativo o abeliano.

 Ejemplo 1.3. (a) (Z, +, ·) NO es cuerpo porque el producto no tiene ele-

mento inverso en el conjunto Z.
(b) (R, +, ·) sı́ que tiene estructura de cuerpo porque cumple todas las propie-
dades de la definición. 

1.2. Espacios vectoriales

 Definición 1.4. Un espacio vectorial (EV) es un conjunto no vacı́o E y
un cuerpo K que cumplen:

1. (E, +) es grupo conmutativo.

2. (K, +, ·) es cuerpo.

3. La operación producto mixto · : K × E −→ E satisface:

dados α, β ∈ K, ~u, ~v ∈ E

(a) α(~u + ~v ) = α~u + α~v

(b) (α + β)~u = α~u + β~u
(c) (α β)~u = α(β~u)
(d) 1 · ~u = ~u

Si cumplen todas estas propiedades se dice que E es un espacio vectorial

sobre K.

 Nota 1.1. Utilizamos el mismo signo (+) para designar la suma de escalares
y la suma de vectores. Y usamos el mismo signo (·) para designar el producto
de escalares y el producto mixto.

Los elementos del conjunto E reciben el nombre de vectores y los ele-

mentos de K se llaman escalares.

 Ejemplo 1.4. (a) R2 es un EV sobre R. En general Rn es un EV sobre R

(b) El conjunto de las matrices Mm×n (R) es un EV sobre R. 

 Nota 1.2. Los EV con los que trabajaremos en esta materia serán conjuntos
de vectores E sobre el conjunto de los números reales R.

C. Chiralt / V.Renau
c UJI
4
Propiedades de los espacios vectoriales
(1) 0 · ~u = ~0 .

(2) α · ~0 = ~0 .

(3) α · ~u = ~0 → α = 0 ó ~u = ~0 .

1.2.1. Subespacios vectoriales

Sea E un EV sobre el cuerpo K y sea S un subconjunto no vacı́o de E,
S ⊆ E, nos planteamos qué condiciones debe cumplir S para ser EV con las
operaciones definidas para E.

Figura 1.1: Subespacio vectorial

 Definición 1.5. Sea E un EV sobre el cuerpo K y sea S ⊆ E un subcon-

junto no vacı́o, S 6= ∅. Decimos que S es subespacio vectorial (SEV) de
E si S con las operaciones definidas en E es EV sobre K, es decir cumple las
propiedades de EV.
Intentar comprobar si un subconjunto es EV comprobando las propiedades
de EV resulta más sencillo si aplicamos el siguiente resultado.
 Teorema 1.1. Caracterización de subespacio vectorial.
Sea E EV sobre K y sea S ⊆ E, S 6= ∅. El subconjunto S es SEV de E si
y sólo si para cualesquiera α, β ∈ K y ~u, ~v ∈ S se verifica:
(1) ~u + ~v ∈ S,

(2) α · ~u ∈ S,
o bien, juntando ambas condiciones podemos aplicar la siguiente únicamente
(3) α~u + β~v ∈ S.
 Ejemplo 1.5. Sea R3 EV sobre R, comprobemos que S = {(x, y, z) ∈ R3 : x − 4y + z = 0}
es SEV de E.

C. Chiralt / V.Renau
c UJI
5


Figura 1.2: Subespacio vectorial S de R3 : plano.

Solución:
El conjunto S ası́ definido es un plano en el espacio tridimensional R3 ,
Comprobamos que se cumplen las condiciones (1) y (2) de SEV,
(1) Sean (x, y, z), (x0 , y 0 , z 0 ) ∈ S, por tanto cumplen las condición S, es decir

(x, y, z) ∈ S −→ x − 4y + z = 0,
(x0 , y 0 , z 0 ) ∈ S −→ x0 − 4y 0 + z 0 = 0,

veamos si la suma de ambos vectores cumple esta condición,

?
0 0 0 0 0 0
z}|{
(x, y, z) + (x , y , z ) = (x + x , y + y , z + z ) ∈ S

comprobamos si se verifica,

(x + x0 ) − 4(y + y 0 ) + (z + z 0 ) = x + x0 − 4y − 4y 0 + z + z 0 = (agrupamos términos)

= x − 4y + z + x0 − 4y 0 + z 0 = 0 + 0 = 0.
| {z } | {z }
=0 =0

Veamos la segunda condición

(2) Sea (x, y, z) ∈ S entonces x − 4y + z = 0 y sea α ∈ R, consideramos el
producto
?
z}|{
α(x, y, z) = (αx, αy, αz) ∈ S,
aplicamos la condición de pertenecer a S,

(αx) − 4(αy) + (αz) = αx − 4αy + αz = (sacamos factor común de α) =

α (x − 4y + z) = α 0 = 0.
| {z }
=0

Se cumplen ambas condiciones (1) y (2) de SEV y por tanto S es SEV de R3 .

Por otra parte, aunque no es necesario comprobarlo de las dos maneras, veamos
otra forma de comprobar si S es SEV con la condición (3), sean α, β ∈ R y
(x, y, z), (x0 , y 0 , z 0 ) ∈ S

?
0 0 0 0 0 0
z}|{
α(x, y, z) + β(x , y , z ) = (αx + βx , αy + βy , αz + βz ) ∈ S,

C. Chiralt / V.Renau
c UJI
6
veamos ahora la condición de pertenecer a S con este último vector,

(αx + βx0 ) − 4(αy + βy 0 ) + (αz + βz 0 ) = αx + βx0 − 4αy − 4βy 0 + αz + βz 0 =

(agrupamos términos) = αx − 4αy + αz + βx0 − 4βy 0 + βz 0 =

(sacamos factor común de α y β) = α (x − 4y + z) +β (x0 − 4y 0 + z 0 ) = α 0 + β 0 = 0.

| {z } | {z }
=0 =0

Por tanto, S es SEV de R3 . 

 Nota 1.3. Podemos optar por demostrarlo de una forma u otra:
Comprobando que se cumplen las condiciones (1) y (2).

Comprobando que se cumple la condición (3) que es una combinación de

las dos anteriores.
Pero NO es necesario hacerlo de las dos formas anteriores, podéis optar por la
que os resulte más sencilla.
 Ejemplo 1.6. Sea R2 EV sobre R, veamos que S = {(x, y) ∈ R2 : y = 0} =
{(x, 0) : x ∈ R} es SEV de R2 .
Solución:
El subespacio S ası́ definido es el eje X en el plano R2 ,

ℝ"

Figura 1.3: Subespacio vectorial S de R2 : eje X.

Demostremos si S ası́ definido es SEV de ∈ R2 (o no lo es), vamos a hacerlo

con la primera opción (condiciones (1) y (2)), puede ser un poco más largo que
sólo con la (3) pero es más sencillo de aplicar, vosotros elegiréis la manera que
os resulte más simple. Comenzamos con la condición (1),

(x, y), (x0 , y 0 ) ∈ S −→ y = 0, y 0 = 0,

C. Chiralt / V.Renau
c UJI
7
veamos si la suma cumple la condición dada por S,
?
0 0 0 0
z}|{
(x, y) + (x , y ) = (x + x , y + y ) ∈ S

hay que ver si la segunda componente de este vector vale 0,

y + y 0 = 0 + 0 = 0,

luego, sı́ que la cumple. Veamos qué ocurre con la (2), sea α ∈ R, y (x, y) ∈ S
?
z}|{
α(x, y) = (α x, α y) ∈ S

la condición ahora es que la segunda componente valga 0,

, α y = α 0 = 0.

Por tanto, también la cumple y podemos asegurar que S es SEV de R2 . Como

ejercicio podéis comprobar que lo es utilizando la condición (3).

 Ejemplo 1.7. Sea R3 EV sobre R, comprobemos que S = {(x, y, z) ∈ R3 : z = 1} =

{(x, y, 1) : x, y ∈ R} es SEV de R2 .

Solución:
(1) Consideramos (x, y, z), (x0 , y 0 , z 0 ) ∈ S, luego z = 1 y z 0 = 1, la suma de
estos dos vectores
?
0 0 0 0 0 0
z}|{
(x, y, z) + (x , y , z ) = (x + x , y + y , z + z ) ∈ S

para comprobarlo hay que demostrar que la tercera componente del vector
suma z + z 0 = 1, sin embargo

z + z 0 = 1 + 1 = 2,

no lo cumple y puesto que falla esta condición podemos afirmar que S no es

SEV de R3 . 

 Ejercicio 1.1. Comprueba si los siguientes subconjuntos son SEV.

(a) S = {(x, y) ∈ R2 : y = x + 1} SEV de R2 .

(b) S = {(x, y, z) ∈ R3 : x + y + z = 0, −y − 2z = 0} SEV de R3 .

(c) S = {(x, y) ∈ R2 : x − y = 1} SEV de R2 .

(d) S = {(x, y, z) ∈ R3 : x = 3y = −z} SEV de R3 .

(e) S = {(x, y) ∈ R2 : x2 − y 2 = 0} SEV de R2 .

(Soluciones: (a) No, (b) si, (c) no, (d) si, (e) no.)

C. Chiralt / V.Renau
c UJI
8
Subespacios propios e impropios
Sea un EV E,
n o
Subespacios impropios de E son: E y ~0 .

Subespacios propios de E son los que no son impropios.

Si consideramos el EV E = R2 , tenemos:
n o
Subespacios impropios de R2 son: S = R2 y S = ~0 = {(0, 0)}.

Los únicos subespacios propios de R2 son las rectas que pasan por el
(0, 0).

Si consideramos el EV E = R3 , dim(R3 ) = 3 tenemos:

n o
Subespacios impropios de R3 son: S = R3 y S = ~0 = {(0, 0, 0)}.

Los únicos subespacios propios de R3 son las rectas y los planos que
pasan por el (0, 0, 0).

1.3. Dependencia e independencia lineal. Sis-

tema generador
En esta sección aprenderemos a trabajar con los EV y sus elementos.

 Definición 1.6. Un sistema de vectores de un EV E sobre K es una

colección de vectores de E, los cuales se pueden repetir.

 Ejemplo 1.8. Consideramos el EV R3 sobre R, un sistema de vectores S

serı́a
S = {(1, −1, 0), (−2, 3, 1)} .

 Definición 1.7. Sea un sistema de vectores S = {~v1 , ~v2 , . . . , ~vn } de un EV

E sobre K. Diremos que un vector ~u ∈ E es combinación lineal del sistema
de vectores S si existen n escalares (elementos de K) λ1 , λ2 , . . . , λn tal que el
vector ~u se puede expresar como combinación lineal de los vectores del sistema
S, es decir,
~u = λ1 ~v1 + λ2 ~v2 + . . . + λn ~vn .
Los escalares λ1 , λ2 , . . . , λn son los coeficientes de la combinación lineal.

 Ejemplo 1.9. Sea R3 EV sobre R, el vector (−1, 5, 0) es combinación lineal

de los vectores de S = {(1, 1, −1), (2, 0, 1), (0, 2, 1)} ya que

(−1, 5, 0) = 1 · (1, 1, −1) + (−1) · (2, 0, 1) + 2 · (0, 2, 1),

donde los escalares 1, −1 y 2 son los coeficientes de la combinación lineal. 

C. Chiralt / V.Renau
c UJI
9
 Ejemplo 1.10. ¿Es ~u = (1, 5, 0) combinación lineal del sistema de vectores
S = {(3, 0, 2), (−1, 7, 0), (2, 1, 5)}?
Solución:
Para demostrarlo tomamos,

(1, 5, 0) = a(3, 0, 2) + b(−1, 7, 0) + c(2, 1, 5) = (3a − b + 2c, 7b + c, 2a + 5c)

igualando las correspondientes componentes de estos vectores obtenemos el

sistema

1 =3a − b + 2c
5 =7b + c
0 =2a + 5c.

Para que se verifique que es combinación lineal resolvemos este sistema y ob-
tenemos a = 54 , b = 19
25
8
y c = − 25 , es decir, sistema compatible determinado.
En el caso en que hubiese dado incompatible, el sistema no tendrı́a solución y
por tanto ~u NO serı́a combinación lineal del sistema S. 
 Ejercicio 1.2. Expresa el vector ~u = (3, 2) ∈ R2 como combinación lineal
de los vectores del sistema S = {(1, 0), (0, 1)} y di cuáles son los coeficientes.
Dibuja los vectores de S y ~u sobre los ejes coordenados.
 Definición 1.8. Sea E EV sobre K y sea un sistema de vectores S =
{~v1 , ~v2 , . . . , ~vn }. Decimos que S es un sistema ligado o linealmente de-
pendiente si existen escalares λ1 , λ2 , . . . , λn ∈ K no todos nulos tales que se
verifica
λ1 ~v1 + λ2 ~v2 + . . . + λn ~vn = ~0.
 Ejemplo 1.11. Determina si S = {(1, 1, 1), (1, 0, 1), (0, 1, 0)} es un sistema
ligado.
Solución:
Para comprobarlo tomamos una combinación lineal de estos tres vectores
y la igualamos al vector nulo, resolvemos el sistema que se determina. Este
sistema siempre es homogéneo, es decir, compatible; si es compatible determi-
nado la única solución es que todos los coeficientes sean 0 y por tanto NO es
ligado porque la condición es que no todos sean nulos. Veamos qué ocurre en
este ejemplo,

a(1, 1, 1) + b(1, 0, 1) + c(0, 1, 0) = (0, 0, 0),

haciendo las operaciones correspondientes llegamos al sistema,

 a+b = 0
a+c = 0
a + b = 0.


Resolvemos, el sistema es compatible indeterminado, b = −a y c = −a. Pode-

mos encontrar valores de a, b y c no todos nulos que cumplan esta condición.

C. Chiralt / V.Renau
c UJI
10
Por ejemplo, a = 1, b = c = −1 y tenemos una combinación lineal con coefi-
cientes no todos nulos que cumple:

1 · (1, 1, 1) + (−1) · (1, 0, 1) + (−1) · (0, 1, 0) = (0, 0, 0).

¿Puedes buscar otros valores de a, b y c que cumplan lo mismo?

 Ejercicio 1.3. Justifica

n por qué o cualquier sistema de vectores que contenga
al vector nulo S = ~v1 , ~v2 , . . . , ~vn , ~0 es siempre linealmente dependiente.

 Nota 1.4. Si S es un sitema ligado, cualquiera de sus vectores se puede

expresar como combinación lineal de los otros.

 Definición 1.9. Sea E un EV sobre K. Decimos que el sistema de vectores

S = {~v1 , ~v2 , . . . , ~vn } es un sistema libre o linealmente independiente si
cualquier combinación lineal igualada al vector nulo

λ1 ~v1 + λ2 ~v2 + . . . + λn ~vn = ~0.

implica que todos los coeficientes valen 0, es decir,

λ1 = λ2 = . . . = λn = 0.

 Ejemplo 1.12. Veamos que S = {(1, 1, −1), (2, 0, 1), (0, 2, 1)} es un sistema
linealmente independiente o libre.

Solución:
Planteamos la combinación lineal

a(1, 1, −1)+b(2, 0, 1)+c(0, 2, 1) = (0, 0, 0) −→ (a+2b, a+2c, −a+b+c) = (0, 0, 0).

Igualamos las componentes de estos vectores obteniendo un sistema homogéneo,


 a + 2b = 0
a + 2c = 0
−a + b + c = 0.


Resolvemos por el método de Gauss y obtenemos a = b = c = 0, por tanto S

es linealmente independiente.

 Nota 1.5. Dado que el sistema planteado para estudiar si es libre o liga-
do siempre es homogéneo se puede aplicar el Teorema de Rouche-Frobenius
para determinar si es compatible indeterminado (en cuyo caso hay infinitas
soluciones y alguna de ellas no es nula y por tanto serı́a ligado) o si es compa-
tible determinado (tiene una única solución que es la solución nula, todas las
incógnitas valen 0 y por tanto es libre).

 Ejercicio 1.4. Estudia si los siguientes sistemas de vectores de R4 son

libres o ligados (a) T = {(1, 3, 2, −1), (0, 1, −2, 1), (−1, 7, −2, −4), (1, 0, 0, 1)}.
(b) T = {(1, 3, 2, −1), (0, 1, −2, 1), (−1, 7, −2, −4), (1, 0, 0, 1)}.

C. Chiralt / V.Renau
c UJI
11
 (Soluciones: (a) sistema libre, (b) sistema ligado).
En general, cuando tenemos un sistema de m vectores de Rn y queremos
saber si son libres o ligados planteamos una combinación lineal igualada al
vector nulo, un sistema homogéneo, según lo que estudiamos en el Teorema de
Roche-Frobenius donde A es la matriz de coeficientes del sistema de ecuaciones
obtenidas al hacer la combinación lineal:

Si ran(A) = m −→ sist. compatible determinado −→ solución trivial

−→ sistema libre o linealmente independiente.

Si ran(A) < m −→ sist. compatible indeterminado −→ infinitas solucio-

nes −→ sistema ligado o linealmente dependiente.

 Ejercicio 1.5. Estudia si los sistemas de vectores del ejercicio (1.4) son
libres o ligados utilizando el teorema de Rouche-Frobenius.

 Definición 1.10. Se llama rango de un sistema de vectores al número

máximo de vectores que son linealmente independientes.

 Ejemplo 1.13. Estudia el rango de S = {(1, 3, 2), (5, 4, 1), (−3, 0, 3)}, sis-
tema de vectores de R3 .

Solución:
Escribimos la combinación lineal igualada al vector nulo,

 a + 5b − 3c = 0
3a + 4b = 0
2a + b + 3c = 0.


La matriz de los coeficientes de este sistema es

 
1 3 2
A =  5 4 −1 
−3 0 3
si observamos, la matriz de coeficientes resulta al escribir los vectores de S
en fila y ası́ lo escribiremos a partir de ahora. Veamos cuál es el rango de A,
estudiamos el ran(A) utilizando operaciones elementales sobre filas,
     
1 3 2 1 3 2 1 3 2
 5 4 −1  F2 − 5F1  0 −11 −11  11F3 + 9F2  0 −11 −11  .
F3 + 3F1
−3 0 3 0 9 9 0 0 0

Hay 2 filas no nulas, ran(A) = 2 < 3(ya que estamos con vectores de R3 ) y
por tanto S es linealmente dependiente o ligado. 

 Ejercicio 1.6. Comprueba si los sistemas de vectores siguientes son libres

o ligados.

(a) S = {(1, 1, −1), (2, 0, 1), (0, 2, 1)} sistema de R3 .

(b) S = {(1, −1, 2, 3), (2, 1, 0, −1), (3, 0, 2, 2)} sistema de R4 .

C. Chiralt / V.Renau
c UJI
12
 (Soluciones: (a) libre, (b) ligado.)

 Definición 1.11. Dados E EV sobre K y S SEV de E, decimos que

{~v1 , ~v2 , . . . , ~vn } es sistema generador (SG) de S si cualquier vector de S
se puede expresar como combinación lineal de estos vectores y el conjunto de
todos los vectores que son combinación lineal de ellos lo escribiremos

< ~v1 , ~v2 , . . . , ~vn > .

 Nota 1.6. El conjunto < ~v1 , ~v2 , . . . , ~vn > formado por todas las combina-
ciones lineales del SG {~v1 , ~v2 , . . . , ~vn } es siempre SEV de E.

 Ejemplo 1.14. {(1, 0), (0, 1)} es SG de R2 , cualquier vector se puede ex-
presar como combinación lineal deestos vectores. Por ejemplo,

(2, −4) = 2 · (1, 0) + (−4) · (0, 1).

 Ejemplo 1.15. Buscamos SG de los siguientes SEV. (a) S = {(x, y) ∈ R2 : y = 2x}.

Los vectores de S cumplen y = 2x, es decir, la segunda componente es dos

veces la primera, por ejemplo (1, 2) está en S pero (1, 3) no lo está. Además
podemos expresar los vectores de S de la forma (x, 2x) siendo x un valor
cualquiera de R. Por tanto,

(x, 2x) = x(1, 2)

cualquier vector de S es combinación lineal de (1, 2), entonces un SG de S es

(1, 2) y podemos expresar S =< (1, 2) >.
(b) T = {(x, y, z) ∈ R3 : z = 2x, y = −x} = {(x, −x, 2x) : x ∈ R}.
Teniendo en cuenta la forma de los vectores de T ,

(x, −x, 2x) = x(1, −1, 2),

todos los vectores de T son combinación lineal de (1, −1, 2), luego este vector
es SG de T y podemos escribir T =< (1, −1, 2) >.
(c) V = {(x, y, z) ∈ R3 : z = x + y} = {(x, y, x + y) : x, y ∈ R}.
Veamos cómo serı́a en este caso,

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

esto es, cualquier vector de V es combinación lineal de los vectores (1, 0, 1), (0, 1, 1)
y éstos son SG de V que también podrı́amos escribirlo en la forma

V =< (1, 0, 1), (0, 1, 1) > .

 Ejercicio 1.7. (a) Determina un SG del EV R3 .

(b) Encuentra un SG del SEV V = {(x, y, z) ∈ R3 : x = 2y + z}.

(Soluciones: (a) (1, 0, 0), (0, 1, 0), (0, 0, 1), (b) (2, 1, 0), (1, 0, 1)).

C. Chiralt / V.Renau
c UJI
13
1.4. Base y dimensión de un espacio vectorial
 Definición 1.12. Sea E EV sobre K y un sistema de vectores B =
{~u1 , ~u2 , . . . , ~un }. Decimos que B es base de E si se cumple:
es SG de E,

es libre.
Todo EV E 6= {~0} admite una base. Asimismo, un EV puede tener más de
una base, cuando trabajamos en Rn las bases más simples que podemos tener
son las llamadas bases canónicas:
La base canónica de R2 es B = {(1, 0), (0, 1)}.

La base canónica de R3 es B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}.

En general, la base cacnónica de Rn es

B = {(1, 0, 0, . . . , 0), (0, 1, 0 . . . , 0), . . . , (0, 0, . . . , 0, 1)} .

Dada una base B = {~u1 , ~u2 , . . . , ~un } del EV E y dado un vector ~v ∈ E,

puesto que B es SG, el ~v se puede escribir como combinación lineal de los
vectores de la base,

~v = λ1 ~u1 + λ2 ~u2 + . . . + λn ~un

ya que B es SG del EV. A los escalares (que son únicos ) λ1 , λ2 , . . . , λn se les

llama coordenadas de ~v en la base B y lo escribiremos

~vB = (λ1 , λ2 , . . . , λn )

 Nota 1.7. Las coordenadas de un vector cambian según la base que consi-
deremos.
Cuando queremos comprobar si un conjunto de vectores es base tenemos
que ver si es un sistema libre y si es sistema generador. Esto último no resulta
sencillo de demostrar, el siguiente teorema nos simplifica esto.
 Teorema 1.2. Sea E un EV sobre K que tiene una base de n vectores
B = {~u1 , ~u2 , . . . , ~un }. Entonces,
(1) Todo sistema libre de n vectores de E es base.

(2) Todo SG de n vectores de E es base.

 Teorema 1.3. En un EV todas las bases tienen el mismo número de vec-
tores.
Dado que en este curso trabajaremos con el EV Rn y sabemos que tiene
una base de n vectores que es la canónica, podemos comprobar si un sistema n
vectores es base sólo comprobando que es un sistema libre (según la condición
(1) del teorema anterior).

C. Chiralt / V.Renau
c UJI
14
 Ejemplo 1.16. Comprueba si B = {(2, −1, 3), (1, 4, 0), (3, 2, −1)} es base
de R3 .

Solución:
Las bases de R3 tienen 3 vectores. Veamos si B es un sistema libre y por
tanto base,
   
2 −1 3 1 4 0
F − 2F1
 1 4 0  F1 ↔ F2  2 −1 3  2
F3 − 3F1
3 2 −1 3 2 −1
   
1 4 0 1 4 0
 0 −9 3  9F3 − 10F2  0 −9 3 .
0 −10 −1 0 0 −39
Hay 3 filas no nulas, el ran(A) = 3, por tanto el sistema es libre. 

 Ejercicio 1.8. Comprueba si B = {(1, 2, 5), (3, 2, 1), (1, 0, 0)} es base de
R3 .

(Solución: sı́)

 Ejemplo 1.17. Encuentra las coordenadas de los siguientes vectores en

las bases dadas. (a) ~u = (5, −1) en la base B = {(1, 0), (1, 1)}. (b) ~v =
(4, −12, 5) en la base B 0 = {(2, −1, 3), (1, 4, 0), (3, 2, −1)}. (c) Dada la base
B = {(1, 0, 2), (2, −1, 3), (0, 0, 1))} y el vector ~uB = (2, −1, 1), encuentra las
coordenadas de este vector en la base canónica.

Solución:
(a) Las coordenadas ~u = (5, −1) , si no se especifica otra cosa, son las co-
rrespondientes a la base canónica de R2 , para obtener las coordenadas de este
vector en B procedemos de la siguiente manera,

(5, −1) = a(1, 0) + b(1, 1) = (a + b, b)

igualamos componentes, 
a+b =5
b = −1.
Resolvemos el sistema y obtenemos a = 6 y b = −1, las coordenadas del vector
en la base B son ~uB = (6, −1).
(b) El procedimiento es el mismo que en el caso anterior.

(4, −12, 5) = a(2, −1, 3)+b(1, 4, 0)+c(3, 2, −1) = (2a+b+3c, −a+4b+2c, 3a−c)

igualando, 
 2a + b + 3c = 4
−a + 4b + 2c = −12
3a − c = 5.


Resolvemos a = 2, b = −3 y c = 1, por tanto las coordenas de ~v en B 0 son

~vB 0 = (2, −3, 1).

C. Chiralt / V.Renau
c UJI
15
(c) En este caso el procedimiento es diferente ya que nos piden las coordenadas
del vector en la base canónica y nos dan sus coordenadas en B. Las coordenadas
en B son los coeficientes de la combinación lineal de los vectores de B, luego
(a, b, c) = 2(1, 0, 2) + (−1)(2, −1, 3) + 1(0, 0, 1)
= (2, 0, 4) + (−2, 1, −3) + (0, 0, 1) = (0, 1, 2).
Las coordenadas en la base canónica son ~u = (0, 1, 2) . 
Notemos que cuando hablamos de coordenadas en la base canónica no se
especifica de forma explı́cita.
 Definición 1.13. Sea E un EV sobre K, E 6= {~0}. Llamamos dimensión
de E y lo escribiremos dim(E) al número de vectores de cualquiera de sus
bases.
La dimensión del EV formado por el vector nulo es 0, dim({~0}) = 0.
dim(R2 ) = 2, dim(R3 ) = 3, . . .,dim(Rn ) = n.
 Teorema 1.4. Sea S un SEV de E. Entonces,
dim(S) ≤ dim(E).
Si dim(S) = dim(E) entonces S ≡ E.
 Ejemplo 1.18. Halla una base y la dimensión de los siguientes SEV.
(a) S =< (1, 0, 0, 4), (3, 2, 1, 0)) > de R4 .
(b) S =< (1, 2, 3), (0, 1, 2), (1, 3, 5)) > de R3 .
Solución:
(a) Estos dos vectores generan el SEV S, es decir, son SG. Para ser base sólo
hemos de comprobar que son linealmente independientes,
   
1 0 0 4 1 0 0 4
F2 − 2F1 .
3 2 1 0 0 2 1 −12
Hay dos filas no nulas, el rango de la matriz es 2 y por tanto son linealmente
independientes y son base de S. Como hay 2 vectores en la base dim(S) = 2.
(b) Estos 3 vectores de generan el subespacio S, son SG ası́ que veamos si son
linealmente independientes,
   
1 2 3 1 2 3
 0 1 2  F3 ↔ F1  0 1 2  F3 − F2
1 3 5 0 1 2
 
1 2 3
 0 1 2 .
0 0 0
Hay 2 filas no nulas luego, hay dos vectores linealmente independientes. Como
la tercera fila corresponde al tercer vector significa que es combinación lineal
de los dos primeros (1, 2, 3), (0, 1, 2), éstos constituyen una base (SG+libre)
B = {(1, 2, 3), (0, 1, 2)} y entonces dim(S) = 2. 

C. Chiralt / V.Renau
c UJI
16
 Ejercicio 1.9. Sea E un EV de dimensión n y sean B = {~u1 , ~u2 . . . , ~un } y
B 0 = {~v1 , ~v2 . . . , ~vn } dos bases de E. Razona si es verdadero o falso que ~ui = ~vj
para algún i, j = 1, 2, . . . , n, es decir que ambas bases han de tener algún vector
en común.

1.5. Ecuaciones de un subespacio vectorial

Sean E EV sobre K y S SEV propio de E, además dim(E) = n y dim(S) =
m < n.
Podemos representar S de varias formas:

(1) S =< ~u1 , ~u2 . . . , ~um > siendo B = {~u1 , ~u2 . . . , ~um } una base de S.

(2) Sus ecuaciones implı́citas o caracterı́sticas.

Por ejemplo,

S = < (1, 5, 2), (0, −2, 3) >,

S = (x, y, z) ∈ R3 : x + y − 2z = 0 .


Veamos cómo pasar de una forma a la otra.

Paso de (1) a (2).

Consideramos S SEV de dimensión m ⇒ existen m vectores ~u1 , ~u2 . . . , ~um
linealmente independientes tales que

S =< ~u1 , ~u2 . . . , ~um > .

Un vector cualquiera ~v ∈ S se puede expresar

~v = λ1 ~u1 + λ2 ~u2 + . . . + λm ~um (1.1)

dado que ~u1 , ~u2 . . . , ~um son SG. Si expresamos los vectores anteriores mediante
sus componentes,

~v =(x1 , x2 , . . . , xm )
~u1 =(u11 , u12 , . . . , u1m ), . . . , ~um = (um1 , um2 , . . . , umm )

la expresión (1.1) queda,

(x1 , x2 , . . . , xm ) = λ1 (u11 , u12 , . . . , u1m ) + . . . , λm (um1 , um2 , . . . , umnm )

de donde 

 x1 = λ1 u11 + λ2 u21 + . . . + λm um1
x2 = λ1 u12 + λ2 u22 + . . . + λm um2


 ...
xm = λ1 u1m + λ2 u2m + . . . + λm umm


C. Chiralt / V.Renau
c UJI
17
Nuestra intención es encontrar una relación entre las componentes x1 , x2 , . . . , xm
que caracterice cualquier vector que pertenezca al subespacio S. Para ello tra-
tamos de eliminar los parámetros λ1 , λ2 , . . . , λm mediante el método de elimi-
nación de Gauss y obtener dicha relación.
Si E = Rn podemos saber el número de ecuaciones caracterı́sticas de S, si
dim(Rn ) = n y dim(S) = m < n sabemos que

dim(S) = n − número de ecuaciones

o lo que es lo mismo

número de ecuaciones = n − dim(S).

El espacio total Rn es el que contiene TODOS los vectores, por tanto no tiene
ecuaciones que lo caractericen.
 Ejercicio 1.10. Comprueba que el número de ecuaciones de Rn es 0.
 Ejemplo 1.19. Halla las ecuaciones caracterı́sticas del SEV S =< (1, 0, 0), (0, 1, 1), (1, 1, 1)) >.
Solución:
En primer lugar veamos cuáles de esos vectores son linealmente indepen-
dientes (son SG)
     
1 0 0 1 0 0 1 0 0
 0 1 1  F3 − F1  0 1 1  F3 − F2  0 1 1  .
1 1 1 0 1 1 0 0 0

Por tanto, nos quedamos con los linealmente independientes y son base B =
{(1, 0, 0), (0, 1, 1)}, dim(S) = 2. Calculamos el número de ecuaciones carac-
terı́sticas de S,

no ecuaciones = dim(R3 ) − dim(S) = 3 − 2 = 1.

Veamos cuáles son estas ecuaciones,

(x, y, z) = a(1, 0, 0) + b(0, 1, 1) = (a, b, b)

igualando 
 x= a
y= b
z = b.


Podemos utilizar método de eliminación de Gauss,

   
1 0 | x 1 0 | x
 0 1 | y  F3 − F2  0 1 | y 
0 1 | z 0 0 | y−z

Nos quedamos con las filas que tienen todo ceros en la parte izquierda, en este
caso sólo una, ası́ y − z = 0 es la ecuación cararcterı́stica de S,

S = (x, y, z) ∈ R3 : y − z = 0 .


C. Chiralt / V.Renau
c UJI
18
 Ejercicio 1.11. Halla las ecuaciones caracterı́sticas de los siguientes subes-
pacios
(a) S =< (2, 1, 0, −1), (−1, 2, 1, −2), (−4, 4, 1, −3) > SEV de R4 .
(b) S =< (1, 0, 0, 4), (3, 2, 1, 0) > SEV de R4 .
(c) S =< (1, 0, 1, 0), (0, 2, 1, 0), (2, 1, 2, 1) > SEV de R4 .
(d) S =< (1, 2, 3), (0, 1, 2), (1, 3, 5) > SEV de R3 .
(e) S =< (1, 2, 3), (0, 1, 2), (1, 3, 5), (1, 2, 2) > SEV de R3 .
(Soluciones: (a) S = {(x, y, z, t) ∈ R4 : x + 5y + 5z + 7t = 0},
(b) S = {(x, y, z, t) ∈ R4 : y − 2z = 0, −4x + 12z + t = 0},
(c) S = {(x, y, z, t) ∈ R4 : −2x − y + 2z + t = 0},
(d) S = {(x, y, z) ∈ R3 : x − 2y + z = 0},
(e) S ≡ R3 , no hay ecuaciones.)

Paso de (2) a (1).

Dadas las ecuaciones caracterı́sticas de un subespacio podemos obtener una
base y de ahı́ la dimensión. Pero en este caso es mejor verlo mediante ejemplos.
Sea S = {(x, y, z) ∈ R3 : x + y − z = 0}, despejamos una de las componen-
tes en función de las otras. Podemos despejar cualquiera de ellas, depende de
la que despejemos podemos obtener una base u otra pero todas válidas. Si
despejamos z = x + y los vectores de S tendrán la forma
(x, y, z) = (x, y, x + y) = (x, 0, x) + (0, y, y) = x(1, 0, 1) + y(0, 1, 1),
eso significa que cualquier vector que pertenezca a S es combinación lineal de
(1, 0, 1), (0, 1, 1), es decir estos dos vectores son SG de S y además asi obtenidos
son linealmente independientes y por tanto forman base de S.
Si consideramos un subespacio con 2 ecuaciones caracterı́sticas,
T = (x, y, z, t) ∈ R4 : y = 2x, t = 2z .


Intentaremos resolver el sistema formado por las ecuaciones caracterı́sticas, en

este caso es sencillo porque las mismas ecuaciones ya nos dan la forma de T ,
T = {(x, 2x, z, 2z) : x, z ∈ R} .
De esta expresión obtenemos la base,
(x, 2x, z, 2z) = (x, 2x, 0, 0) + (0, 0, z, 2z) = x(1, 2, 0, 0) + z(0, 0, 1, 2).
Por tanto la base de T es,
B = {(1, 2, 0, 0), (0, 0, 1, 2)}
y dim(T ) = 2. 
 Ejercicio 1.12. Halla una base y la dimensión del siguiente subespacio
S = (x, y, z, t) ∈ R4 : x = y = z = t .


(Solción: B = {(1, 1, 1, 1)} y dim(S) = 1).

C. Chiralt / V.Renau
c UJI
19
1.6. Suma e intersección de subespacios vec-
toriales
Dados dos SEV S y T de E veamos cómo construir la suma y la intersección
de ambos.
 Definición 1.14. Sean S y T SEV del EV E sobre K. Llamamos subes-
pacio suma de S y T al conjunto
S + T = {~u + ~v : ~u ∈ S y ~v ∈ T }
El SEV suma es el que está formado por vectores que se pueden expresar
como la suma de un vector de S y un vector de T .
Un resultado que simplifica trabajar con la suma de subespacios es el si-
guiente teorema.
 Teorema 1.5. Si S y T son SEV de E sobre K, entonces S + T también
es SEV de E sobre K.
 Ejemplo 1.20. Sean los subespacios de R3 ,
S = (x, y, z) ∈ R3 : x − 3z = 0 = {(3z, y, z) : y, z ∈ R}


T = (x, y, z) ∈ R3 : x + y − z = 0 = {(x, y, x + y) : x, y ∈ R}


Buscamos un vector de S, que cumpla que la primera componente es 3 veces

la tercera componente, ~u = (3, 2, 1), y un vector de T en el que la tercera
componente es la primera más la segunda, ~v = (2, −1, 1). El vector ~u + ~v =
(3, 2, 1) + (2, −1, 1) = (5, 2, 1) ∈ S + T .
 Ejercicio 1.13. Busca un vector del SEV S + T de R3 siendo,
S = (x, y) ∈ R2 : x = 0 = {(0, y) : y ∈ R}


T = (x, y) ∈ R2 : x + y = 0 = {(x, −x) : x ∈ R}



 Definición 1.15. Sean S y T SEV del EV E sobre K. Llamamos subes-

pacio intersección de S y T al conjunto
S ∩ T = {~u ∈ E : ~u ∈ S y ~u ∈ T } .
Es decir, el SEV intersección es el que está formado por los vectores que están
en S y en T .

S
T

Figura 1.4: Intersección de subespacios vectoriales.

C. Chiralt / V.Renau
c UJI
20
 Teorema 1.6. Si S y T son SEV del EV E, entonces S ∩ T también es
SEV de E.
 Ejemplo 1.21. Sea el EV R3 sobre ∈ R y sean los SEV

S = (x, y, z) ∈ R3 : x − 3z = 0


T = (x, y, z) ∈ R3 : x + y − z = 0 .


Tanto S como T son planos en el espacio tridimensional R3 , el SEV intersección

S ∩ T es la recta en la que se cortan ambos planos.

Figura 1.5: Intersección de dos planos: una recta.


Más adelante veremos cómo obtener los SEV suma e intersección de forma
analı́tica.
 Definición 1.16. Sean S y T SEV del EV E sobre K. Decimos que S + T
es SEV suma directa y lo denotamos por S ⊕ T , si cada vector del SEV suma
S + T se puede expresar de forma única como la suma de un vector de S y un
vector de T .
Resulta difı́cil deducir si el SEV S + T es suma directa mediante la defini-
ción, el siguiente teorema nos facilita esta tarea.
 Teorema 1.7. Caracterización de suma directa de subespacios.
Sean S y T SEV del EV E sobre K, entonces S +T es suma directa (S ⊕T )
si y sólo si S ∩ T = {~0}.
 Teorema 1.8. Sean S y T SEV de E. Entonces,

dim(S + T ) = dim(S) + dim(T ) − dim(S ∩ T ).

Cómo obtener el subespacio suma S + T .

Dados dos SEV S y T si queremos hallar el subespacio S + T , que está
formado por los vectores ~u +~v donde ~u ∈ S y ~v ∈ T . El vector ~u por pertenecer
a S se puede poner como combinación lineal de los vectores de una base de S
y los vectores de T se pueden escribir como combinación lineal de una base de
T . Luego, ~u + ~v se puede escribir como combinación lineal de una base de S y
una base de T . Según esto los pasos que seguiremos son:

C. Chiralt / V.Renau
c UJI
21
 Obtener una base de S.

Obtener una base de T .

Una base de S + T juntando los vectores de las bases de S y T y dejando

sólo los linealmente independientes.

A partir de esta base podremos obtener la dimensión del subespacio S+T

y sus ecuaciones caracterı́sticas.

Cómo obtener el subespaciointersección S ∩ T .

Dados dos SEV S y T los vectores que están en la intersección son los que
pertenecen a ambos, es decir, que verifican las ecuaciones caracterı́sticas de S
y las de T . Ası́, los pasos a seguir son:
Obtenemos las ecuaciones de S.

Obtenemos las ecuaciones de T .

El subespacio S∩T queda caracterizado por las ecuaciones caracterı́sticas

de ambos que son linealmente independientes.

A partir de las ecuaciones podemos obtener una base y su dimensión.

Vemos a continuación algunos ejemplos de cómo calcular los subespacios
suma e intersección y en qué casos es suma directa.
 Ejemplo 1.22. Dado el EV R3 y sean los SEV

S = < (1, 0, 1), (2, −1, 3) >

T = (x, y, z) ∈ R3 : x + y = 0, x − y + z = 0 .


(a) ¿Pertenece el vector ~v = (−1, 1 − 2) al subespacio T ?

(b) Halla una base, la dimensión y las ecuaciones del subespacio S + T .

(c) Halla una base, la dimensión y las ecuaciones del subespacio S ∩ T .

(d) ¿Es S + T suma directa? ¿Por qué?

Solución:
(a) Para comprobar si ~v = (−1, 1−2) está en T veamos si verifica sus ecuaciones

−1 − 1 − 2 6= 0,

por tanto NO está en T .

(b) Procedemos tal y como se ha descrito antes.
Base, dimensión y ecuaciones de S: Este subespacio viene dado por un SG,
sólo nos queda comprobar si esos dos vectores son libres,
   
1 0 1 1 0 1
F2 − 2F1 .
2 −1 3 0 −1 1

C. Chiralt / V.Renau
c UJI
22
Hay dos filas no nulas, por tanto los dos vectores son libres y forman base.
Ahora bien, podemos elegir otra base de S que es la formada por los dos
vectores que son las filas de la última matriz obtenida, usualmente estas bases
simplifican los cálculos posteriores. Tomamos como base de S,

BS = {(1, 0, 1), (0, −1, 1)} ,

además dim(S) = 2. A partir de los vectores de esta base y como hemos

aprendido antes obtenemos las ecuaciones caracterı́sticas,

S = (x, y, z) ∈ R3 : −x + y + z = 0 .


Base, dimensión y ecuaciones de T : las ecuaciones ya las tenemos, de éstas

obtenemos una base,
BT = {(1, −1, −2)} ,
y dim(T ) = 1.
(b) Base, dimensión y ecuaciones de S + T : como ya dijimos el subespacio
suma lo obtenemos apartir de las bases de S y T ,

S + T =< (1, 0, 1), (0, −1, 1), (1, −1, −2) > .

Nos quedamos con los que son linealmente independientes,

     
1 0 1 1 0 1 1 0 1
 0 −1 1  F3 − F1  0 −1 1  F3 − F2  0 −1 1 .
1 −1 −1 0 −1 −2 0 0 −3

Hay 3 filas no nulas, los 3 vectores son linealmente independientes y forman

una base de S + T ,

BS+T = {(1, 0, 1), (0, −1, 1), (0, 0, −3)} ,

y dim(S + T ) = 3 = dim(R3 ), entonces S + T ≡ R3 , no hay ecuaciones.
(c) Base, dimensión y ecuaciones de S ∩ T : la dimensión podemos hallarla
previamente por el teorema 1.8,

dim(S + T ) =dim(S) + dim(T ) − dim(S ∩ T )

3 =2 + 1 − dim(S ∩ T ) ⇒ dim(S ∩ T ) = 0.

El único subespacio que tiene dimensión 0 es el que está formado por el vector
nulo, por tanto
S ∩ T = {(0, 0, 0)} .
Una base es el mismo vector nulo y si queremos expresar sus ecuaciones,

S ∩ T = (x, y, z) ∈ R3 : x = y = z = 0 .


(d) Sı́ que es suma directa, S⊕T , ya que el subespacio intersección está formada
sólo por el vector nulo ~0. 

C. Chiralt / V.Renau
c UJI
23
 Ejemplo 1.23. Dados los SEV de R4

S = (x, y, z, t) ∈ R4 : x − 2y + 3z − t = 0, 2x + y − z + 2t = 0, 3x − y + 2z + t = 0


T = < (0, 1, 1, −1), (0, 1, 0, 1), (0, 3, 1, 1) >

Calcula una base, la dimensión y las ecuaciones de S + T y S ∩ T .

Solución:
Base, dimensión y ecuaciones de S: resolvemos el sistema formado por las
ecuaciones caracterı́sticas de S, es compatible indeterminado cuyas soluciones
son x = − 51 z − 35 t, y = 57 z − 54 t (si despejamos otras incógnitas no obtendremos
la misma base pero es válida). Es decir,
 
1 3 7 4
S = (− z − t, z − t, z, t) : z, t ∈ R ,
5 5 5 5
obtenemos una base,
 
1 7 3 4
(− , , 1, 0), (− , − , 0, 1)
5 5 5 5
aunque si queremos trabajar con números enteros podemos multiplicar cada
uno de estos vectores por 5 y elegir como base

BS = {(−1, 7, 5, 0), (−3, −4, 0, 5)}

y dim(S) = 2.
Base, dimensión y ecuaciones de T : este subespacio viene dado por un SG,
veamos qué vectores son libres,
     
0 1 1 −1 0 1 1 −1 0 1 1 −1
F2 − F1 
 0 1 0 1  0 0 −1 2  F3 − 2F2  0 0 −1 2 .
F3 − 3F1
0 3 1 1 0 0 −2 4 0 0 0 0
Consideramos la base,

BT = {(0, 1, 1, −1), (0, 0, −1, 2)}

y dim(T ) = 2. Veamos ahora cuántas ecuaciones tiene,

no ecuaciones = dim(R4 ) − dim(T ) = 4 − 2 = 2.

Hallamos cuáles son esas ecuaciones, por el método de eliminación de Gauss.

Sabemos que hay 2 ecuaciones y eso significa que al aplicar el método de Gauss
2 filas deben tener ceros en la parte izquierda tal y como vimos en el ejemplo
1.19. Esto nos da las ecuaciones x = 0 y −y + 2z + t = 0,

T = (x, y, z, t) ∈ R4 : x = 0, −y + 2z + t = 0 .


Base, dimensión y ecuaciones de S + T : un SG de T está formado por las bases

de S y T ,

S + T =< (−1, 7, 5, 0), (−3, −4, 0, 5), (0, 1, 1, −1), (0, 0, −1, 2) > .

C. Chiralt / V.Renau
c UJI
24
Vemos cuáles son linealmente independientes, y después de hacer operaciones
elementales sobre filas llegamos a los vectores que forman una base de S + T ,

BS+T = {(−1, 7, 5, 0), (0, 1, 1, −1), (0, 0, −1, 2)} ,

dim(S + T ) = 3. Calculamos el número de ecuaciones,
no ecuaciones = dim(R4 ) − dim(S + T ) = 4 − 3 = 1.
es decir,
(x, y, z, t) = a(−1, 7, 5, 0) + b(0, 1, 1, −1) + c(0, 0, −1, 2)
aplicamos el método de eliminación de parámetros de Gauss,
   
−1 0 0 | x −1 0 0 | x
 7
 1 0 | y  F2 + 7F1  0
  1 0 | y + 7x 
 F3 − F2
 5 1 −1 | z  F3 + 5F1  0 1 −1 | z + 5x  F4 + F2
0 −1 2 | t 0 −1 2 | t
   
−1 0 0 | x −1 0 0 | x
 0 1 0 | y + 7x 
 0 1
 0 | y + 7x 
 0 0 −1 | z − 2x − y  F4 + 2F3  0 0
 .
−1 | z − 2x − y 
0 0 2 | t + y + 7x 0 0 0 | 3x − y + 2z + t
La ecuación caracterı́stica es la que corresponde a la última fila que tiene toda
la parte izquierda de ceros,
S + T = (x, y, z, t) ∈ R4 : 3x − y + 2z + t = 0 .


Base, dimensión y ecuaciones de S ∩ T : podemos disponer de información

sobre su dimensión, que luego podemos confirmar al hallar la base,
dim(S + T ) =dism(S) + dim(T ) − dim(S ∩ T ) ⇒
3 =2 + 2 − dim(S ∩ T ) ⇒
dim(S ∩ T ) =1.
Por otra parte, las ecuaciones

S ∩ T = {(x, y, z, t) ∈ R4 : x − 2y + 3z − t = 0, 2x + y − z + 2t = 0,
3x − y + 2z + t = 0, x = 0, −y + 2z + t = 0}
resolvemos el sistema formado por todas estas ecuaciones y obtenemos x = 0,
z = −3t, y = −5t,
S ∩ T = (x, y, z, t) ∈ R4 : x = 0, y = −5t, z = −3t


= {(0, −5t, −3t, t) : t ∈ R} .

De aquı́ obtenemos la base,
BS∩T = {(0, −5, −3, 1)}
y como ya habı́amos visto, dim(S ∩ T ) = 1. 

C. Chiralt / V.Renau
c UJI
25
 Ejercicio 1.14. Dados los subespacios de R4
S = (x, y, z, t) ∈ R4 : x + y − z − t = 0, 2x + 2y − z − t = 0


T = (x, y, z, t) ∈ R4 : x − y = 0, z − t = 0 .


Halla las ecuaciones, una base y la dimensión de S + T y S ∩ T . Razona si

S + T es suma directa.

1.7. Cambio de base

Sabemos que un EV puede tener más de una base y en esta sección vamos
a aprender a cambiar de una base a otra.
Sea E un EV sobre K de dimensión n y sea ~u ∈ E. Consideramos una base
de E,
B = {~v1 , ~v2 , . . . , ~vn } ,
de donde,
~u = α1 ~v1 + α2 ~v2 + · · · + αn ~vn ;
las coordenadas de ~u en la base B son
~uB = (α1 , α2 , . . . , αn ).
Si consideramos otra base de E,
n o
B 0 = v~0 1 , v~0 2 , . . . , v~0 n ,
el mismo vector ~u lo podemos expresar en términos de la base B 0 ,
~u = α10 v~0 1 + α20 v~0 2 + · · · + αn0 v~0 n ;
las coordenadas en la nueva base son
~uB 0 = (α10 , α20 , . . . , αn0 ).
Por otra parte, los vectores de B ~vi ∈ E, cada uno de ellos se puede expresar
como combinación lineal de la otra base B 0 de E,
~v1 =a11 v~0 1 + a21 v~0 2 + . . . + an1 v~0 n
~v2 =a12 v~0 1 + a22 v~0 2 + . . . + an2 v~0 n
..
.
~vn =a1n v~0 1 + a2n v~0 2 + . . . + ann v~0 n .
Ası́,
~u =α1 ~v1 + α2 ~v2 + · · · + αn ~vn =
α1 (a11 v~0 1 + a21 v~0 2 + . . . + an1 v~0 n )+
α2 (a12 v~0 1 + a22 v~0 2 + . . . + an2 v~0 n )+
..
.
αn (a1n v~0 1 + a2n v~0 2 + . . . + ann v~0 n ) =

α10 v~0 1 + α20 v~0 2 + · · · + αn0 v~0 n .

C. Chiralt / V.Renau
c UJI
26
pasamos la última fila al otro lado del igual, sacamos factor común de v~0 1 , v~0 2 , . . . , v~0 n
y tenemos,

(α a + . . . + αn a1n − α10 ) v~0 1 + . . .

| 1 11 {z }
coeficiente combinación lineal

(α a + . . . + αn ann − αn0 ) v~0 n = ~0.

| 1 n1 {z }
coeficiente combinación lineal

Puesto que v~0 1 , v~0 2 , . . . , v~0 n son linealmente independientes los coeficientes de
la combinación lineal tienen que ser todos 0,

α1 a11 + . . . + αn a1n − α10 =0

..
.
0
α1 an1 + . . . + αn ann − αn =0,

pasamos los αi0 al otro lado del igual,

α10 =α1 a11 + . . . + αn a1n

..
.
0
αn =α1 an1 + . . . + αn ann .

Lo expresamos en lenguaje matricial,

    
α10 a11 a12 . . . a1n α1
 α0   a21 a22 . . . a2n  α2 
 2  
 ..  =  ..
 
 .. 
 .   .  . 
αn0 an1 an2 . . . ann αn
| {z } | {z } | {z }
UB 0 MB 0 B UB

Esto nos proporciona las coordenadas de ~u en la base B 0 si conocemos las

coordenadas en la base B. Lo podemos expresar,

UB 0 = MB 0 B · UB ,

donde,

UB 0 son las coordenadas que estamos buscando.

MB 0 B es la matriz en la que ponemos en la primera columna las coor-

denadas de ~u1 en la base B 0 , en la segunda columna las coordenadas
de ~u2 en la base B 0 y ası́ hasta llegar a la última columna que son las
coordenadas de ~un en B 0 . A esta matriz la llamamos matriz de cambio
de base de B a B 0

UB son las coordenadas de ~u en B puestas en columna.

C. Chiralt / V.Renau
c UJI
27
.
Análogamente, podemos obtener las coordenadas de ~uB conociendo ~uB 0 ,

UB = MBB 0 · UB 0 ,

en este caso en la matriz de cambio de base MBB 0 ponemos en cada columna

las coordenadas de los vectores de B 0 en la base B.
Se puede comprobar que

MBB 0 · MB 0 B = In ,

por tanto,
MBB 0 = M−1
B0B .

 Ejemplo 1.24. Sean

B = {(1, 0, −1), (2, 1, 3), (3, 1, −2)} ,

B 0 = {(7, 2, −1), (−4, −1, 7), (3, 1, 2)}

bases de R3 y sea ~vB = (2, 1, −4) coordenadas del vector en la base B, calcula
las coordenadas de ~v en la base B 0 .
Solución: en primer lugar calculamos las coordenadas de los vectores de B en
la base B 0 ,

(1, 0, −1) =a (7, 2, −1) + b (−4, −1, 7) + c (3, 1, 2)

(2, 1, 3) =d (7, 2, −1) + e (−4, −1, 7) + f (3, 1, 2)
(3, 1, −2) =g (7, 2, −1) + h (−4, −1, 7) + k (3, 1, 2).

De la primera fila obtenemos un sistema,

1 =7a − 4b + 3c
0 =2a − b + c
−1 = − a + 7b + 2c.

Resolvemos obteniendo a = 2, b = 1, c = −3, que pondremos en la primera

columna de la matriz de cambio de base MB0 B . Procddemos de la misma
manera con la segunda fila, resolvemos el sistema y tenemos que d = −2,
e = −1, f = 4, que ponemos en la segunda columna y por último con la
tercera fila llegamos a los valores g = −1, h = −1 y k = 2, tercera columna de
la matriz de cambio de base. Es decir,
 
2 −2 −1
MB 0 B =  1 −1 −1  .
−3 4 2

Calculamos las coordenadas de ~uB 0 ,

    
2 −2 −1 2 6
VB 0 =  1 −1 −1   1  =  5  .
−3 4 2 −4 −10

C. Chiralt / V.Renau
c UJI
28
Por tanto, ~vB 0 = (6, 5, −10). 
Estos cambios de base se simplifican si nos dan las coordenadas de un
vector en una determinada base y queremos hallar sus coordenadas en la base
canónica.

 Ejemplo 1.25. Sea ~uB = (2, −1, 5) siendo B = {(0, 1, 1), (1, 0, 1), (0, 1, 0)},
calcula las coordenadas de ~u en la base canónica.

Solución: por definición de coordenadas de un vector en una determinada

base sabemos que,

2 · (0, 1, 1) + (−1) · (1, 0, 1) + 5 · (0, 1, 0) =

realizando las operaciones entre vectores,

= (0, 2, 2) + (−1, 0, −1) + (0, 5, 0) = (−1, 7, 1).

Por tanto, las coordenadas del vector en la base canónica son ~u = (−1, 7, 1).


 Ejercicio 1.15. Sean

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

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

bases de R3 y sea ~uB 0 = (3, 1, −2) coordenadas del vector en la base B 0 , calcula
las coordenadas de ~u en la base B.

(Solución: ~uB = (1, 2, 3)).

 Ejercicio 1.16. Escribe los vectores de la base canónica de R3 en la base

B = {(0, 1, 1), (1, 0, 1), (0, 1, 0)}.

(Solución: (−1, 1, 1), (0, 0, 1), (1, 0, −1).)

C. Chiralt / V.Renau
c UJI
29