Aligeoi t04

Álgebra Lineal y Geometría
Departamento de Álgebra
Universidad de Sevilla
Depto. de Álgebra
Copyright © 2020 Dpto. de Álgebra, Universidad de Sevilla.

Compilado 14 de septiembre de 2020
Este trabajo está publicado bajo licencia Creative Commons 3.0 España (Re-
conocimiento - No comercial - Compartir bajo la misma licencia)
http://creativecommons.org/licenses/by-nc-sa/3.0/es
Usted es libre de
copiar, distribuir y comunicar públicamente la obra,
hacer obras derivadas,
bajo las siguientes condiciones:
Reconocimiento. Debe reconocer los créditos de la obra maestra especi-

ficada por el autor o el licenciador (pero no de una manera que sugiera
que tiene su apoyo o apoyan el uso que hace de su obra).
No comercial. No puede utilizar esta obra para fines comerciales.
Compartir bajo la misma licencia. Si altera o transforma esta obra, o ge-

nera una obra derivada, solamente puede distribuir la obra generada bajo
una licencia idéntica a esta.
II Álgebra Lineal y Geometría

Índice general
4. Espacios vectoriales 1
4.1. Estructuras algebraicas. . . . . . . . . . . . . . . . . . . . . . . . . . 1
4.2. Dependencia lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
4.3. Conjunto generador y base . . . . . . . . . . . . . . . . . . . . . . . 18
4.4. Dimensión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
4.5. * Espacio producto . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.6. Coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.7. Cambio de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
∗
Nota: los apartados con asterisco son opcionales.
III
Depto. de Álgebra
IV Álgebra Lineal y Geometría

Capítulo 4
Espacios vectoriales
4.1. Estructuras algebraicas.

En temas anteriores hemos definido matrices y vectores, estudiando algu-
nas de sus propiedades. También hemos trabajado con cuerpos de escalares,
suponiendo que se trataba de Q, R o C, pero sin dar más detalles. Ahora vamos
a estudiar con rigor estos conceptos. Definiremos algunas de las principales
estructuras que se utilizan en álgebra, como son: grupos, anillos, cuerpos y es-
pacios vectoriales. A continuación nos centraremos en una de las estructuras
que se estudian en esta asignatura: los espacios vectoriales.
Las estructuras algebraicas son conjuntos donde hay definidas ciertas ope-
raciones, que satisfacen unas determinadas propiedades. Las operaciones pue-
den ser de varios tipos. Por ejemplo, una operación binaria interna, definida
en un conjunto X , es una función que a dos elementos de X (dados en orden),
le hace corresponder otro elemento de X . Es decir, una función
p : X ×X → X.
Por ejemplo, p podría ser la suma, la diferencia o la multiplicación de núme-

ros reales. Observemos que, en ocasiones (la diferencia de números reales, por
ejemplo) el orden en que se den los dos elementos implicados influye en el re-
sultado.
Cuando se trabaja con una operación interna, se suele utilizar un símbolo,
por ejemplo ∗, de manera que el resultado de aplicar la operación a dos ele-
mentos, a y b, se escribe a ∗ b. Un ejemplo típico es el símbolo + para la suma
de números. En ocasiones, ni siquiera se utiliza símbolo alguno, como en el
caso del producto de números, donde ab representa el producto de a y b.
La primera estructura algebraica que estudiaremos, una de las más básicas
y utilizadas, es la de grupo:
1
Depto. de Álgebra
Grupo
Sea G un conjunto no vacío, y sea ∗ una operación binaria interna de-

finida en G. Se dice que (G, ∗) es un grupo si se cumplen las siguientes
propiedades:
1. Asociativa: (a ∗ b) ∗ c = a ∗ (b ∗ c), para todo a, b, c ∈ G.
2. Elemento neutro: existe e ∈ G tal que a ∗ e = e ∗ a = a, para todo

a ∈ G.
3. Elemento opuesto: Para todo a ∈ G, existe a ′ ∈ G tal que a ∗ a ′ =

a ′ ∗ a = e.
En un grupo hay dos resultados sencillos de unicidad:
El elemento neutro es único. Si e, e ′ ∈ G verifican la condición de elemen-

to neutro, entonces e ∗ e ′ = e, por ser e elemento neutro, pero también
e ∗ e ′ = e ′ por la misma razón para e ′ . Por tanto, e = e ′ .
Para todo a ∈ G, el elemento opuesto es único. Si a ′ , a ′′ ∈ G verifican

la condición de elemento opuesto, entonces de la igualdad a ∗ a ′ = e,
deducimos que a ′′ ∗ (a ∗ a ′ ) = a ′′ ∗ e = a ′′ . Por la propiedad asociativa,
a ′′ ∗ (a ∗ a ′ ) = (a ′′ ∗ a) ∗ a ′ = e ∗ a ′ = a ′ , de donde a ′ = a ′′ .
Normalmente, la operación interna ∗ será la suma o el producto de elemen-

tos. En la notación aditiva, el elemento neutro se denota 0, y el elemento opues-
to a a se denota −a. En la notación multiplicativa, el elemento neutro se denota
1, y el elemento opuesto a a, que en este caso se llama el inverso de a, se suele
1
denotar a −1 , o bien .
a
Un grupo es abeliano o conmutativo si la operación es conmutativa, es de-
cir, si para todo a, b ∈ G se verifica a ∗ b = b ∗ a.
Ejemplo 4.1.1.- Algunos ejemplos de grupos son los siguientes:
(Z, +), (Q, +), (R, +) y (C, +) son grupos abelianos aditivos.
(Q\{0}, ·), (R\{0}, ·) y (C\{0}, ·), donde · se refiere al producto, son gru-
pos abelianos multiplicativos.
2 Álgebra Lineal y Geometría

Depto. de Álgebra
El conjunto de matrices m × n con entradas en un cuerpo K (ahora vere-

mos la definición de cuerpo), junto con la suma de matrices, es un grupo
abeliano aditivo.
El conjunto de matrices cuadradas n × n no singulares con entradas en

un cuerpo K, junto con la multiplicación de matrices, forma un grupo
que se llama grupo lineal de orden n sobre K, y se denota Gl(n, K). Este
grupo no es abeliano.
El conjunto de matrices cuadradas n × n con entradas en un cuerpo K,

y con determinante igual a 1, junto con la multiplicación de matrices,
forma un grupo que se llama grupo especial lineal de orden n sobre K, y
se denota SL(n, K). Tampoco es abeliano.
Los vectores de n coordenadas, con la suma de vectores, forman un grupo

abeliano.
En ocasiones, se define más de una operación interna sobre un conjunto.

Existen estructuras que dependen de dos o más operaciones. Por ejemplo, la
más sencilla es la estructura de anillo. Usaremos las notaciones tradicionales,
+ y ·, para las dos operaciones internas, pero debemos recordar que pueden ser
operaciones cualesquiera verificando las condiciones de la definición:
Anillo
Sea A un conjunto no vacío, y sean +, · dos operaciones binarias in-

ternas, que llamaremos suma y producto, definidas en A. Se dice que
(A, +, ·) es un anillo, si se cumplen las siguientes propiedades:
1. (A, +) es un grupo abeliano.
2. Propiedad asociativa del producto: (a ·b)·c = a ·(b ·c), para todo

a, b, c ∈ A.
3. Propiedad distributiva del producto respecto a la suma:


a · (b + c) = a · b + a · c, para todo a, b, c ∈ A,




(a + b) · c = a · c + b · c, para todo a, b, c ∈ A.
Álgebra Lineal y Geometría 3

Depto. de Álgebra
Si se verifica alguna propiedad más, tenemos tipos especiales de anillos:
Un anillo (A, +, ·), se dice que es unitario, o que tiene elemento unidad,
si existe u ∈ A tal que a · u = u · a = a para todo a ∈ A.
Un anillo (A, +, ·), se dice que es conmutativo si a · b = b · a, para todo

a, b ∈ A.
Ejemplo 4.1.2.- Algunos ejemplos de anillo son los siguientes:
(Z, +, ·), (Q, +, ·), (R, +, ·) y (C, +, ·) son anillos conmutativos.
Si Z[x] es el conjunto de los polinomios en la variable x, con coeficien-

tes en Z, y definimos naturalmente la suma (+) y el producto (·) de dos
polinomios, entonces (Z[x], +, ·) es un anillo conmutativo.
De igual modo, (Q[x], +, ·), (R[x], +, ·), y (C[x], +, ·) son anillos conmu-
tativos.
El conjunto de matrices n × n con entradas en un cuerpo K, con la suma

y el producto de matrices, es un anillo no conmutativo.
En resumen, si (A, +, ·) es un anillo, entonces (A, +) es un grupo, y (A, ·) es

casi un grupo: sólo le falta el elemento inverso, y puede que el elemento unidad.
Hay elementos, como el 0 en el caso de los números, que no pueden te-
ner inverso multiplicativo. Pero si cualquier otro elemento puede invertirse, es
decir, si (A\{0}, ·) fuera un grupo, y aún más, un grupo abeliano, entonces esta-
ríamos ante un cuerpo.

Depto. de Álgebra
Cuerpo
Sea K un conjunto no vacío, y sean +, · dos operaciones internas, que

llamaremos suma y producto, definidas en K. Se dice que (K, +, ·) es un
cuerpo si se cumplen las siguientes propiedades:
1. (K, +) es un grupo abeliano.
2. (K\{0}, ·) es un grupo abeliano, donde 0 es el elemento neutro de

la suma.
3. Propiedad distributiva del producto respecto a la suma:
a · (b + c) = a · b + a · c, para todo a, b, c ∈ K.
Dicho de otra forma, un cuerpo es un anillo conmutativo, con elemento

unidad, donde todo elemento no nulo tiene inverso.
Observemos que la propiedad distributiva solamente tiene una condición.
Esto es porque el producto es conmutativo, luego la otra condición es conse-
cuencia de la primera.
Ejemplo 4.1.3.- Algunos ejemplos de cuerpo son los siguientes:
(Q, +, ·), (R, +, ·) y (C, +, ·) son cuerpos.
Notaremos por Gl(n, K) al conjunto de matrices no singulares y SL(n, K)

al conjunto de matrices cuyo determ, no son cuerpos, ya que el producto
de matrices no es conmutativo.
Los cuerpos tienen multitud de propiedades, que no se estudiarán en esta

asignatura. Los usaremos para definir estructuras más complejas, que genera-
licen las propiedades de los vectores, que hemos visto en los temas anteriores.
Para ello debemos definir las operaciones externas. Consideremos un con-
junto X , y otro conjunto K que llamaremos conjunto de escalares. Llamaremos
operación binaria externa sobre X , a una función que tome un elemento de

Depto. de Álgebra
K y un elemento de X , y dé como resultado un elemento de X . Es decir, una

función:
p : K× X → X.
Normalmente, a una operación externa de este tipo la denotaremos · y la llama-

remos multiplicación por escalar; y al resultado de aplicarla a un escalar α ∈ K y
a un elemento x ∈ X , lo denotaremos α · x, o simplemente αx, y lo llamaremos
producto de α por x.
Por tanto, si tenemos un conjunto X y otro conjunto de escalares K, pode-
mos tener operaciones internas en cada uno de esos conjuntos, y operaciones
externas entre ellos. Usando estas dos posibilidades, se definen los espacios vec-
toriales.
Ejemplo 4.1.4.- Consideremos el conjunto R[X ]4 de polinomios en R[X ] de

grado menor o igual que 4. La operación suma es interna, y dota de estructura
de grupo abeliano a este conjunto. Una operación binaria externa es el produc-
to por elementos de R. Sean p(X ) ∈ R[X ]4 , y α ∈ R. Entonces si
p(X ) = a4 X 4 + a3 X 3 + a2 X 2 + a1 X + a0
definimos
α · p(X ) = (αa4 )X 4 + (αa3 )X 3 + (αa2 )X 2 + (αa1 )X + (αa0 ).
Sean entonces V y K conjuntos no vacíos, con + una operación interna so-

bre V , y · una operación externa sobre V con conjunto de escalares K, que lla-
maremos producto por un escalar.

Depto. de Álgebra
Espacio vectorial
Sea K un cuerpo. Diremos que (V, +, ·) es un espacio vectorial sobre K

si se cumplen las siguientes propiedades:
1. (V, +) es un grupo abeliano.
2. El producto por escalar verifica las siguientes propiedades, para

todo α, β ∈ K y para todo v , w ∈ V :
a) (α + β)v = αv + βv .
b) α(v + w ) = αv + αw .
c) α(βv ) = (αβ)v .
d) 1v = v , donde 1 es el elemento neutro de la multiplicación
de K.
A los elementos de un espacio vectorial los llamaremos vectores, y los escri-

biremos en negrita. En un K-espacio vectorial hay, por tanto, cuatro operacio-
nes: la suma y producto de escalares (operaciones en el cuerpo base), la suma
de vectores (operación interna en el espacio vectorial) y el producto de vectores
por escalares.
En las condiciones anteriores, también nos referiremos a V como un K-
espacio vectorial.
Ejemplo 4.1.5.- Algunos ejemplos de espacios vectoriales son los siguientes:

Los vectores columna y fila del producto cartesiano Kn que vimos ante-
riormente forman un espacio vectorial. El espacio vectorial de los vecto-
res de n coordenadas sobre un cuerpo K, se denota Kn . La suma se realiza
coordenada a coordenada, y el producto por escalar también. Ejemplos
de este tipo son R2 o R3 . Podemos tener
  

 x 1 

 
1×n
¡ ¢ n×1
 x
 2 
 
K = { x1 x2 . . . xn , xi ∈ K} y K =  .  , xi ∈ K .

 ..  


 

xn
En el contexto de los espacios vectoriales, no hay diferencia si se trata un

elemento de Kn como fila o como columna. Cuando la distinción entre

Depto. de Álgebra
un vector fila o un vector columna sea irrelevante, o el contexto sea claro,

usaremos la notación Kn para designar este espacio vectorial. En otros
casos, cuando hablemos de coordenadas respecto a una base, usaremos
la notación por columnas.
El conjunto M (m ×n, K) de las matrices m ×n con entradas en un cuerpo

K, con la suma de matrices y el producto por escalar, forman un espacio
vectorial. Observemos que el producto de matrices no se utiliza aquí. En
general, no tiene por qué existir una multiplicación de vectores en un
espacio vectorial.
Dado V un K-espacio vectorial, sea W = {0} el subconjunto de V forma-

do únicamente por el elemento neutro de la suma de V . Cualquier opera-
ción donde intervenga algún vector da como resultado el único elemento
0, por lo que las operaciones están bien definidas. Tiene estructura de es-
pacio vectorial, y lo denominamos espacio vectorial trivial.
Los conjuntos de polinomios Q[x], R[x] y C[x] son espacios vectoriales

con cuerpo de escalares, respectivamente, Q, R y C.
Los conjuntos Q[x]n , R[x]n y C[x]n , formados por polinomios de grado

menor o igual a n, son espacios vectoriales con cuerpo de escalares, res-
pectivamente, Q, R y C.
El conjunto de soluciones de un sistema lineal homogéneo con coeficien-

tes en un cuerpo K es un espacio vectorial sobre K. Sea A m×n una matriz,
y llamemos V = {v ∈ Kn | A v = 0}. Vamos a probar que V es un espacio
vectorial. En primer lugar, veamos la estructura de grupo. Es claro que
0 ∈ V . Sean v , w ∈ V . Entonces −v es solución del sistema, y v + w es un
elemento de V , pues
A(v + w ) = A v + A w = 0.
Así, la operación suma es interna, y hereda las propiedades de grupo de

Kn . El producto por un escalar verifica que
A(αv ) = αA v = α0 = 0,
y también se verifican las propiedades de la definición de espacio vecto-

rial.
El cuerpo base es fundamental en la definición del espacio vectorial, por

lo que llamaremos habitualmente a V un K-espacio vectorial. Por ejem-
plo, veremos más adelante que no es lo mismo C2 como C-espacio vecto-
rial que como R-espacio vectorial.

Depto. de Álgebra
Terminamos esta sección con algunas consecuencias sencillas de la defini-

ción de espacio vectorial.
Propiedades fundamentales de un espacio vectorial
Si V es un K-espacio vectorial, se tienen las siguientes propiedades, pa-

ra todo α, β ∈ K y todo v , w ∈ V :
1. α0 = 0, donde 0 es el elemento neutro de la suma en V .
2. 0v = 0, donde 0 es el elemento neutro de la suma en K.
3. Si αv = 0 entonces, o bien α = 0 o bien v = 0.
4. (−α)v = α(−v ) = −(αv ).
5. Si αv = βv y v 6= 0, entonces α = β.
6. Si αv = αw y α 6= 0, entonces v = w .
P RUEBA : Probemos en primer lugar la propiedad de cancelación en V como

grupo: si v + u = v + w , entonces u = w . En efecto, queda
(−v ) + v + u = (−v ) + v + w al sumar el opuesto de v ,

(−v + v ) + u = (−v + v ) + w por la propiedad asociativa,
0+u = 0+w por la definición de opuesto,
u=w por la definición de elemento neutro.
1. De la igualdad
α0 = α(0 + 0) = α0 + α0,
tenemos que α0 = 0 por la propiedad de cancelación.
2. Análogamente,
v = 1 · v = (1 + 0)v = 1 · v + 0v = v + 0v .
Por la propiedad de cancelación, 0v = 0.

Depto. de Álgebra
3. Supongamos que αv = 0. Si α = 0, ya lo tenemos. Si α 6= 0, existe α−1 ∈ K

y
1)
α−1 (αv ) = α−1 0 = 0.
Como α−1 (αv ) = (α−1 α)v = 1v = v , tenemos el resultado.
4. Veamos en primer lugar que −(αv ) = (−α)v , es decir, el elemento opuesto

de αv es (−α)v . En efecto,
αv + (−α)v = (α + (−α))v = 0v = 0,
de donde tenemos esta parte. Para la segunda,
αv + α(−v ) = α(v + (−v )) = α0 = 0.
Los dos últimos apartados son consecuencias inmediatas de los anteriores.

Depto. de Álgebra
4.2. Dependencia lineal

El concepto de combinación lineal ya nos ha aparecido cuando estudiamos
las operaciones elementales entre filas y columnas de una matriz. Ese caso, que
se corresponde con un conjunto Km , lo generalizamos a espacios vectoriales
arbitrarios.
Combinación lineal
Sea V un K-espacio vectorial. Dados r vectores v1 , . . . , vr ∈ V , llamamos

combinación lineal de estos vectores a cualquier expresión de la forma
α1 v1 + α2 v2 + · · · + αr vr ∈ V, donde α1 , . . . , αr ∈ K.
Ejemplo 4.2.1.- En el Q-espacio vectorial V = Q[x], consideremos el conjunto

de vectores {1, 1 + x, 1 + x + x 2 }. Entonces
p(x) = 2 · 1 + (−2) · (1 + x) + 3 · (1 + x + x 2 ) = 3 + x + 3x 2
es una combinación lineal del conjunto dado.
Nota 4.2.1. Obsérvese que, por definición, las combinaciones lineales de vec-
tores son finitas. Es decir, podemos partir de un conjunto infinito de vectores,
pero en la suma solamente intervienen un número finito de elementos.
Dependencia lineal
Sea V un K-espacio vectorial. Diremos que un vector v depende lineal-

mente de un conjunto de vectores S ⊂ V si se puede escribir como com-
binación lineal de vectores de S.

Depto. de Álgebra
Ejemplo 4.2.2.- En el ejemplo anterior, vemos que el polinomio 3 + x + 3x 2

depende linealmente del conjunto {1, 1 + x, 1 + x + x 2 }, pero no depende lineal-
mente del conjunto {1, 1 + x}.
Conjunto linealmente (in)dependiente
Sea V un K-espacio vectorial.
Un conjunto finito de vectores {v1 , . . . , vr } es linealmente depen-

diente si la ecuación
x1 v1 + · · · + xr vr = 0
tiene solución no trivial.
Un subconjunto no vacío S ⊂ V es linealmente dependiente si

contiene un conjunto finito de vectores linealmente dependien-
te.
En caso contrario, decimos que S es linealmente independiente o li-

bre.
Un caso extremo de la definición es S = ;, que lo consideramos linealmente

independiente. Si el conjunto S tiene un número finito de vectores v1 , . . . , vr ,
diremos de forma extendida que los vectores v1 , . . . , vr son linealmente depen-
dientes o independientes en lugar de hablar de la dependencia o independen-
cia del conjunto S.
Ejemplo 4.2.3.- Consideremos el conjunto S = {u1 , u2 , u3 , u4 } de vectores en

R3 dados por
       
4 −4 1 1
       
 3  , u2 =  −5  , u3 =  0  , u4 =  0  .
u1 =        
−2 −2 −5 −2

Depto. de Álgebra
Tratemos de determinar si S es un conjunto linealmente dependiente. Plantea-

mos si existen escalares no todos nulos αi , i = 1, 2, 3, 4 tales que
0 = α1 u1 + α2 u2 + α3 u3 + α4 u4 .
Se trata entonces de verificar si el sistema lineal homogéneo


 4α1 −4α2 +α3 +α4 = 0,
3α1 −5α2 = 0,

−2α1 −2α2 −5α3 −2α4 = 0,
tiene alguna solución no trivial. Observemos que la matriz de coeficientes del

sistema es  
4 −4 1 1
 
 3 −5 0 0 
 ,
−2 −2 −5 −2
cuyas columnas son los vectores de partida. El sistema lo resolvemos mediante
eliminación gaussiana:
   
4 −4 1 1 4 −4 1 1
  Gauss  
 3 −5 0 0  −−−−→  0 −8 −3 −3  = E .
   
−2 −2 −5 −2 0 0 24 0
El rango de la matriz de coeficientes es 3, que es menor que el número de in-

cógnitas. Por tanto, tiene solución no trivial. Al resolver el sistema deducimos
una combinación lineal de los vectores de S igual al vector 0:
5 3
· u1 + · u2 + 0 · u3 + (−1)u4 = 0.
8 8
A partir de los pivotes de la matriz E , deducimos que el conjunto S ′ = {u1 , u2 , u3 }
es linealmente independiente, pues forman las columnas básicas de la matriz
de coeficientes. No puede haber dependencia lineal entre estos vectores, pues
entonces la tendríamos entre
     
1 0 0
e1 =  0  , e2 =  1  , e3 = 0  ,

0 0 1
y es fácil ver que estos vectores forman un conjunto linealmente independien-

te.

Depto. de Álgebra
Si el espacio vectorial es Kn , podemos usar los cálculos matriciales de los

temas anteriores para saber si un conjunto de vectores S = {v1 , . . . , vr } ⊂ Kn es
linealmente dependiente o independiente.
Dependencia e independencia lineal en Kn
¡ ¢
Sea A S = v1 · · · vr .
Gauss
Calculamos A S −−−→ E .
Si alguna columna de E no tiene pivote, la columna correspon-

diente de A S es combinación lineal de las anteriores, y el conjun-
to S es linealmente dependiente.
Si todas las columnas de E tienen pivote, entonces S es lineal-

mente independiente.
En resumen,
S es linealmente independiente si y solamente si rango(A S ) = r .
Ejemplo 4.2.4.- El conjunto S = {u1 , u2 , u3 } de R3 dado por

     
1 −1 2
     
 1  , u2 =  0  , u3 =  −1  ,
u1 =      
2 1 2
es linealmente independiente, pues

   
1 −1 2 1 −1 2
  Gauss  
 1 0 −1
 −−−−→  0 1
AS =    .
−3 
2 1 2 0 0 7
Sin embargo, el conjunto T = {u1 , u2 , v3 }, con

 
5
 
v3 =  2 


Depto. de Álgebra
verifica que    
1 −1 5 1 −1 5
  Gauss  
 1
AT =  0  −−−−→  0
2  1 ,
−3 

2 1 1 0 0 0
por lo que T es un conjunto linealmente dependiente.
Relaciones entre dependencia y combinación lineal
1. Un conjunto S de vectores es linealmente dependiente si y so-

lamente si existe un vector v ∈ S que depende linealmente de
S − {v }.
2. Si un vector u depende linealmente del conjunto S y cada vector

de S depende linealmente del conjunto T , entonces u depende
linealmente de T .
3. Sea S ⊂ V un conjunto linealmente independiente. Si v es un vec-

tor que no depende linealmente de los vectores de S, entonces
S ∪ {v } es un conjunto linealmente independiente.
P RUEBA :
1. Supongamos que el conjunto S es linealmente dependiente. Entonces

existen vectores v1 , . . . , vr ∈ S y escalares α1 , . . . , αr ∈ K, no todos nulos,
tales que
α1 v1 + α2 v2 + · · · + αr vr = 0.
Sabemos que existe al menos un αi 6= 0 por lo que podemos despejar
αi vi = −α1 v1 − · · · − αi −1 vi −1 − αi +1 vi +1 − · · · − αr vr ,
y al ser αi 6= 0, obtenemos
α1 αi −1 αi +1 αr
vi = − v1 − · · · − vi −1 − vi +1 − · · · − vr ,
αi αi αi αi
que es una expresión de vi como combinación lineal de los demás; por
tanto vi depende linealmente de los demás.

Depto. de Álgebra
Supongamos ahora que existe un vector v que depende linealmente de

S − v . Esto quiere decir que existe una combinación lineal
v = β1 v1 + · · · + βr vr , vk ∈ S − {v }.
De esta igualdad se obtiene
β1 v1 + · · · + βr vr − v = 0,
que es una expresión del vector 0 como combinación lineal de los vecto-
res v1 , . . . , vr , v donde no todos los coeficientes son nulos (el coeficiente
de v es −1). Por tanto, el conjunto {v1 , . . . , vr , v } es linealmente depen-
diente y S también lo es.
2. Por hipótesis, podemos escribir
u = α1 v1 + · · · + αp vp , vi ∈ S y además
vi = βi ,1 wi 1 + · · · + βi ,qi wi qi , para i = 1, . . ., p, wi j ∈ T.
Consideremos el conjunto de todos los vectores wi j que aparecen en las

expresiones anteriores. Los etiquetamos como w1 , . . . , wq , con índice que
no depende de i , y podemos escribir entonces que, para cada i ,
q
X
vi = β′i j w j ,
j =1
con la asignación de escalares nulos en las expresiones correspondientes.

Ahora sustituimos cada vi por la combinación lineal anterior.
Ã !
Xp Xp q
X ′
u = αi vi = αi βi j w j
i =1 i =1 j =1
Ã !
q
X p
X q
X
= αi β′i j w j = γj wj ,
j =1 i =1 j =1
| {z }
γj
lo que implica que u depende linealmente de {w1 , . . . , wq } y, por tanto, de

T.
3. Supongamos que S ∪ {v } es linealmente dependiente. Esto quiere decir

que existe una combinación lineal no trivial de los vectores de S∪{v } igual
a cero, es decir, se puede escribir
α1 u1 + · · · + αr ur + βv = 0, ui ∈ S, i = 1, . . ., r,

Depto. de Álgebra
donde no todos los coeficientes αi , β son nulos. Si se tiene que β = 0, la

expresión anterior sería una combinación lineal de los vectores de S igual
a 0, donde no todos los coeficientes serían nulos, lo cual no es posible
porque S es un conjunto linealmente independiente. Por tanto, β 6= 0 y
podemos entonces despejar v en la expresión anterior, obteniendo
α1 αr
v=− u1 − · · · − ur .
β β
Así, v depende linealmente de S.

Depto. de Álgebra
4.3. Conjunto generador y base

En esta sección veremos cómo el concepto de dependencia lineal sirve pa-
ra expresar los elementos de un espacio vectorial utilizando sólo un conjunto
(posiblemente finito) de vectores.
Conjunto o sistema generador
Sea V un K-espacio vectorial. Diremos que un conjunto de vectores S

es un conjunto o sistema generador de V si todo vector de V puede
escribirse como combinación lineal de los vectores de S. En este caso
diremos que V está generado por S, o por los vectores de S.
Si el espacio V tiene un sistema generador con un número finito de elemen-

tos decimos que es finitamente generado.
Ejemplo 4.3.1.- En el R-espacio vectorial R[x], el conjunto S = {1, x, x 2 , . . .} es

un conjunto generador de V .
Ejemplo 4.3.2.- El conjunto S = {u1 , u2 , u3 , u4 }, con

       
1 −1 2 −1
u1 =  1  , u2 =  0  , u3 =  −1  , u4 =  3  ,
2 1 2 5
es un sistema generador de R3 . Se trata de expresar un vector arbitrario de R3

como combinación lineal de los elementos de S, esto es, de resolver el sistema
de ecuaciones  
α1
 α2  = x1 u1 + x2 u2 + x3 u3 + x4 u4
α3

Depto. de Álgebra
para cualesquiera α1 , α2 , α3 ∈ R. La matriz de coeficientes del sistema es

 
1 −1 2 −1
 
 1 0 3 
 −1 ,
2 1 2 5
con forma escalonada por filas igual a

 
1 −1 2 −1
 
 0
E = 1 −3 4 .
0 0 7 −5
El rango es entonces igual a tres, por lo que el sistema siempre tendrá solución,
independientemente de los valores de α1 , α2 , α3 .
Conjunto generador en Kn
Sea G = {v1 , . . . , vs } ⊂ Kn .
¡ ¢
Construimos la matriz AG = v1 · · · vs , que es de orden n×s.
Gauss
Calculamos AG −−−−→ E una forma escalonada.
Si E tiene n pivotes, entonces G es un sistema generador. En caso

contrario, no lo es.
En resumen,
G es sistema generador de Kn si y solamente si rango(AG ) = n.
Justifiquemos el método anterior. Si G es un conjunto generador, entonces todo

vector v ∈ Kn se expresa como combinación lineal de los vectores de G. En
particular, cada uno de los vectores ei , i = 1, . . . , n es combinación lineal de los
vectores de G. Si lo traducimos a sistemas de ecuaciones, esto implica que cada
uno de los sistemas de matriz ampliada (AG |ei ) es compatible, de donde
rango(AG |ei ) = rango(AG ), i = 1, . . ., n.

Depto. de Álgebra
Sea T = (AG |I n ), que es una matriz n × (s + n). El bloque de la derecha nos dice
que rango(T ) = n y el razonamiento anterior implica que rango(T ) = rango(AG ).
Por tanto, rango(AG ) = n.
Recíprocamente, si rango(AG ) = n y v ∈ Kn , la matriz (AG |v ) es de orden n ×
(s + 1) y tiene rango igual a n, de donde v es combinación lineal de los vectores
de G.
Un espacio vectorial puede tener muchos sistemas de generadores diferen-
tes. Incluso puede haber sistemas de generadores donde algún vector no sea
necesario. En el ejemplo anterior, los tres primeros vectores forman un sistema
generador de R3 . Esto nos va a llevar al concepto de base.
Base
Sea V un K-espacio vectorial. Una base de V es un conjunto S de vec-

tores de V linealmente independiente y generador.
En otras palabras, una base es un sistema de generadores de un espacio vec-

torial en el que no sobra ningún vector, ya que, al ser linealmente independien-
te, ninguno de ellos puede escribirse como combinación lineal de los demás.
Ejemplo 4.3.3.- En Kn tenemos siempre la base estándar S = {e1 , . . . , en }, don-

de el vector ei es la n-upla que tiene un 1 en la posición i y cero en las restantes.
S es un conjunto linealmente independiente, pues si consideramos una com-
binación lineal
α1 e1 + · · · + αn en = 0,
entonces, al identificar componentes de cada lado, nos queda que αi = 0, i =

1, . . . , n. Además, es un conjunto generador, pues dado v ∈ Kn de componentes
v i , podemos escribir, de manera inmediata, que v = v 1 e1 + · · · + v n en .

Depto. de Álgebra
Ejemplo 4.3.4.- El conjunto {1, x, x 2 , . . .} es una base del espacio vectorial R[x].
Observemos que tiene un número infinito de elementos. Además, R[x] no pue-
de ser finitamente generado: supongamos que existe un conjunto finito de po-
linomios g 1 (x), g 2 (x), . . . , g r (x) que sean linealmente independientes y genera-
dores. Existe una potencia k de x que es la mayor que aparece en estos poli-
nomios. Entonces el polinomio x k+1 no se puede expresar como combinación
lineal de g 1 (x), . . . , g r (x).
Ejemplo 4.3.5.- El conjunto S = {u1 , u2 , u3 , u4 }, con

       
1 −1 2 −1
u1 =  1  , u2 =  0  , u3 =  −1  , u4 =  3  ,
2 1 2 5
es un sistema generador de R3 , pero no es una base, pues el vector u4 se puede

expresar como combinación lineal de los restantes. En concreto,
16 13 5
u4 = u1 + u2 − u3 .
7 7 7
Sin embargo, el conjunto B = {u1 , u2 , u3 } es base, pues la matriz
¡ ¢
AB = u1 u2 u3
tiene una forma escalonada con tres pivotes, es decir, su rango es tres. Esto
significa que es un sistema generador y los vectores son independientes.
Nota 4.3.1. Las bases infinitas no tienen nada que ver con las combinaciones
lineales infinitas. En el ejemplo de R[x], no estamos considerando expresiones
de la forma
∞
X
ci x i ,
i =0
que es una serie formal.

Depto. de Álgebra
Ahora veamos que un espacio vectorial finitamente generado, que no sea

trivial, siempre tiene una base. Además veremos cómo se construye, a partir de
un sistema de generadores.
Existencia de base
Sea V 6= {0} un espacio vectorial finitamente generado. Dado cualquier

conjunto finito de generadores G ⊂ V , existe una base B de V formada
por vectores de G.
P RUEBA :
Sea G = {v1 , . . . , vp }. Vamos a dividir el conjunto G en dos subconjuntos. Si
v1 6= 0, lo etiquetamos como básico. Si es cero, lo etiquetamos como no básico.
Para cada i ≥ 2, si vi no depende linealmente de los anteriores {v1 , . . . , vi −1 },
etiquetamos a vi como básico y, en otro caso, lo etiquetamos como no básico.
Sea B el conjunto de todos los elementos básicos. Vamos a probar que B es
una base de V . El conjunto B es no vacío, porque no todos los vi son nulos y el
primer vi no nulo será básico.
Todo vector de V depende linealmente de G, porque es un conjunto gene-
rador. Por la construcción, todos los elementos de G dependen linealmente de
B: los básicos porque están en B y los no básicos por la definición. En conse-
cuencia, B es un conjunto generador.
Basta entonces comprobar que B es un conjunto linealmente indepen-
diente. Sea B = {u1 , . . . , us } y consideremos una expresión de la forma
α1 u1 + α2 u2 + · · · + αs us = 0.
Entonces
α1 u1 + α2 u2 + · · · + αs−1 us−1 = −αs us
Por la definición de elemento básico, el vector us no depende linealmente de

{u1 , . . . , us−1 }, por lo que αs = 0. Por una repetición de este argumento, llegamos
a que αs−1 = 0 y, en general, que todos los αi = 0, 1 ≤ i ≤ s. Por tanto, B es un
conjunto linealmente independiente.


Depto. de Álgebra
Extracción de una base en Kn
Sea G = {v1 , . . . , vp } un sistema de generadores del espacio vectorial Kn .

¡ ¢
Formamos la matriz AG = v1 · · · vp .
Gauss
Calculamos AG −−−→ E .
Las columnas básicas de AG , que se corresponden con las colum-

nas con pivotes de E , forman una base de Kn .
Ejemplo 4.3.6.- En R3 consideremos el sistema

        
 

 1 −1 5 0 
 2
          
G = v1 =  1  , v2 =  0  , v3 =  2  , v4 =  1  , v5 =  −1  . .
         

 

 
2 1 1 1 2
Mediante la forma escalonada por filas, obtenemos

 
1 −1 5 0 2
¡ ¢ Gauss  
 0
v1 v2 v3 v4 v5 −−−−→  1 −3 1 .
−3 
0 0 0 −2 7
Luego G es un sistema generador de R3 y B = {v1 , v2 , v4 } es una base.

Depto. de Álgebra
4.4. Dimensión
En esta sección definiremos un concepto esencial del álgebra lineal: la di-
mensión de un espacio vectorial. Necesitamos primero el siguiente resultado:
Relación entre conjuntos independientes y generadores
Sea V un K-espacio vectorial. Si G = {u1 , . . . , um } es un conjunto gene-

rador de V y S = {v1 , . . . , vr } un conjunto linealmente independiente,
entonces r ≤ m.
P RUEBA : Si G = {u1 , . . . , um } es un conjunto generador, contiene una base

que, tras reordenar si fuera preciso, podemos escribir como B = {u1 , . . . , un }.
Tenemos así que n ≤ m y vamos a probar que r ≤ n. Cada vector vi de S se
puede escribir como combinación lineal de los vectores de B, esto es,
vi = a1i u1 + · · · + ani un , a j i ∈ K, i = 1, . . . , r.
Si partimos de una expresión de la forma
x1 v1 + · · · + xr vr = 0,
sabemos que tiene solución única x1 = · · · = xr = 0. Sustituimos en dicha expre-

sión los valores de vi en función de los u j :
0 = x1 v1 + · · · + xr vr
= x1 (a11 u1 + · · · + an1 un ) + · · ·
+ xr (a1r u1 + · · · + anr un )
= (a11 x1 + · · · + a1r xr )u1 + · · · + (an1 x1 + · · · + anr xr )un .
Como el conjunto {u1 , . . . , un } es linealmente independiente, todos los coefi-

cientes son nulos: 
 a11 x1 + · · · + a1r xr = 0,

..
 .

an1 x1 + · · · + anr xr = 0.
Sabemos que este sistema tiene solución única, por lo que el rango de la ma-
triz de coeficientes A n×r = (ai j ) tiene que ser igual al número de incógnitas, es
decir, rango(A) = r . Como el número de filas es una cota superior del rango, se
sigue que r ≤ n y tenemos el resultado.

Depto. de Álgebra
Este resultado implica que una base de un espacio vectorial finitamente ge-
nerado tiene que contener un número finito de elementos, pues su cardinal
está acotado por el de cualquier conjunto generador. Identificamos ahora un
invariante de un espacio vectorial finitamente generado.
Teorema de la base
Sea V un K-espacio vectorial finitamente generado. Entonces todas las

bases de V tienen el mismo número de elementos.
P RUEBA : Como V es finitamente generado, existe una base del espacio.

Sean B1 y B2 dos bases de V , de m y n vectores respectivamente. Como B1
es un conjunto generador y B2 es libre, entonces n ≤ m por la relación entre
conjuntos independientes y generadores (pág. 24). Pero como B2 es un con-
junto generador y B1 es libre, se tiene m ≤ n. Por tanto, m = n.
Dimensión de un espacio vectorial
La dimensión de un K-espacio vectorial V que denotamos dim(V ), se

define como sigue:
Si V = {0}, entonces dim(V ) = 0.
Si V es finitamente generado, su dimensión es el número de ele-

mentos de cualquier base de V .
Si V no es finitamente generado, diremos que tiene dimensión

infinita, y escribiremos dimV = ∞.
Ejemplo 4.4.1.-
El K-espacio vectorial Kn tiene dimensión n, pues la base estándar tiene
n elementos.
El conjunto de polinomios, K[x], es un K-espacio vectorial de dimensión

infinita y una base es {x i | i = 0, 1, 2, . . .}. Si V es un espacio vectorial que
no es de generación finita, no hemos probado la existencia de una base.
Esto requiere otros métodos que hacen uso del axioma de elección.

Depto. de Álgebra
El conjunto de matrices M (m ×n, K) es un K-espacio vectorial de dimen-

sión m·n. Una base está formada por las matrices E (i , j ), que tienen ceros
en todas sus posiciones, salvo en el valor 1 en la posición (i , j ).
El cuerpo C es un R-espacio vectorial de dimensión 2.
El cuerpo R es un Q-espacio vectorial de dimensión infinita.
La dimensión de un espacio vectorial nos impone restricciones sobre el ta-

maño que pueden tener los conjuntos libres o generadores.
Acotación de conjuntos generadores e independientes
Sea V un K-espacio vectorial de dimensión finita y S = {v1 , . . . , vm } ⊂ V .
1. Si S es un conjunto generador, entonces m ≥ dimV .
2. Si S es linealmente independiente, entonces m ≤ dimV .
3. Si S es un conjunto generador y m = dimV , entonces S es base

de V .
4. Si S es linealmente independiente, y m = dimV , entonces S es

base de V .
P RUEBA : Sea n = dim(V ). Los dos primeros apartados los conocemos ya. Su-
pongamos entonces que S es un conjunto generador con m = dim(V ). Por el
teorema de existencia de base (pág. 22), podemos extraer una base de S. Como
el número de elementos de S es igual a la dimensión, no es posible conseguir
una base de menor número de elementos, por lo que S es ya una base.
Supongamos ahora que S es un conjunto linealmente independiente, con
m = dim(V ). Si v ∈ V no se puede expresar como combinación lineal de S, en-
tonces S ∪ {v } es linealmente independiente (relación entre combinación y de-
pendencia lineal, pág. 15), lo que implica que m + 1 ≤ dimV , que es una con-
tradicción.

Depto. de Álgebra
Base en Kn
¡ ¢
Sea B = {v1 , . . . , vn } y A B = v1 · · · vn .
Gauss
Calculamos A B −−−−→ E .
Si E tiene tiene n pivotes, entonces B es una base. En caso con-

trario, no lo es.
En resumen,
B es base de Kn si y solamente si rango(A B ) = n.
Al igual que de un conjunto generador podemos extraer una base, un con-

junto linealmente independiente se puede ampliar a una base.
Ampliación a una base
Sea V un K-espacio vectorial de dimensión finita n y S = {v1 , . . . , vr } un

conjunto linealmente independiente, con r < n. Entonces existen n − r
vectores vr +1 , . . . , vn ∈ V tales que el conjunto {v1 , . . . , vn } es base de V .
Además, los vectores vr +1 , . . . , vn pueden tomarse de cualquier base de
V.
P RUEBA : Sea B = {u1 , . . . , un } una base cualquiera de V y formemos el con-

junto G = {v1 , . . . , vr , u1 , . . . , un }. Como B es un conjunto generador, también lo
es G. Apliquemos el proceso descrito en la prueba del teorema de existencia de
base (página 22), donde clasificamos a los vectores de G como básicos o no. Co-
mo S es un conjunto linealmente independiente, todos los vectores {v1 , . . . , vr }
son básicos y la base resultante del proceso los contiene.

Depto. de Álgebra
Ampliación a una base de Kn
Sea S = {v1 , . . . , vm } un conjunto linealmente independiente de Kn , con

m ≤ n, y {e1 , . . . , en } la base estándar de Kn .
Formamos la matriz
¡ ¢
A= v1 · · · vm e1 · · · en .
Calculamos una forma escalonada por filas de A, que tiene n pi-

votes.
Las columnas básicas de A constituyen una ampliación de S.
El método anterior es válido, porque los m primeros pivotes están en las m pri-
meras columnas, pues S es un sistema libre, y el resto entre las siguientes co-
lumnas. Por tanto, las columnas básicas de la matriz A contienen a los vectores
de partida v1 , . . . , vm y todas forman una base de Kn que completa a S.
Ejemplo 4.4.2.- En el espacio vectorial R4 consideramos el sistema libre

    

 1 2  

    
 −1   −1 
S = v1 =   , v2 =   .

  2   2  
 
 1 1 
Completaremos S con vectores de la base estándar hasta obtener una base de

R4 :    
1 2 1 0 0 0 1 2 1 0 0 0
−1 0 1 0 0   0 1 1 1 0 0 
   
 −1
   .
 2 2 0 0 1 0   0 0 0 2 1 0 
1 1 0 0 0 1 0 0 0 0 −1/2 1
Luego una base de R4 que completa a S es {v1 , v2 , e2 , e3 }
En el método anterior hemos seleccionado la base estándar de Kn , pero

es posible realizar el mismo procedimiento con cualquier base que tengamos
inicialmente.

Depto. de Álgebra
4.5. * Espacio producto

El producto cartesiano de espacios vectoriales sobre un mismo cuerpo K es
un conjunto que admite la estructura de espacio vectorial. Además, en el caso
de dimensión finita, podemos calcular una base de este nuevo espacio.
Espacio producto
Dados dos espacios vectoriales V1 y V2 sobre un mismo cuerpo K, el

producto cartesiano
V1 × V2 = {(v1 , v2 ) | v1 ∈ V1 , v2 ∈ V2 },
tiene estructura de K-espacio vectorial con las operaciones
Suma: (u1 , u2 ) + (v1 , v2 ) = (u1 + v1 , u2 + v2 ).
Producto por escalar: α(v1 , v2 ) = (αv1 , αv2 ).
P RUEBA : Es una sencilla verificación de las propiedades que definen un K-

espacio vectorial.
Dimensión del espacio producto
Dados dos K-espacios vectoriales V1 y V2 de dimensión finita, el espa-

cio producto V1 ×V2 es un espacio vectorial de dimensión dim(V1 ×V2 ) =
dim(V1 ) + dim(V2 ).
P RUEBA : Tomemos una base B1 = {u1 , . . . , um } de V1 y una base B2 = {v1 , . . . , vn }

de V2 . Se prueba de forma directa que el conjunto de vectores
B = ((u1 , 0), . . . , (um , 0), (0, v1 ), . . . , (0, vn ))
es base de V1 × V2 . Por tanto, dim(V1 × V2 ) = m + n = dim(V1 ) + dim(V2 ).

Depto. de Álgebra
4.6. Coordenadas
La principal ventaja de la existencia de bases, en los espacios vectoriales
de dimensión finita, es que vamos a poder estudiarlos, sea cual sea el espacio
vectorial, como si fuera Kn . Esto lo vamos a conseguir mediante el uso de coor-
denadas.
Primero necesitamos hacer una precisión. Hasta ahora, cuando hablába-
mos de un conjunto de vectores, o de una base, no nos importaba el orden en
que estuvieran los vectores. Pero para definir las coordenadas de un vector, es
necesario fijar un orden. Por tanto, a partir de ahora, cuando escribamos una
base en la forma B = {u1 , . . . , un } entendemos que hay una ordenación, lo que
nos permite hablar del i -ésimo vector de una base.
Unicidad de la expresión
Sea V un K-espacio vectorial finitamente generado y sea B un conjun-

to de vectores de V . Entonces B es una base si y solamente si todo vec-
tor de V se puede expresar de una única manera como combinación
lineal de los vectores de B.
P RUEBA : Supongamos que B = {u1 , . . . , un } es una base de V . Dado un vec-

tor v ∈ V , como B es conjunto de generadores, podremos escribir v = α1 u1 +
· · · + αn un . Si existiera otra forma de expresar v , digamos v = β1 u1 + · · · + βn un ,
entonces tendríamos
0 = v − v = (α1 − β1 )u1 + · · · + (αn − βn )un .
Pero como B es un conjunto linealmente independiente, los coeficientes de la
expresión anterior deben ser todos nulos. Es decir, αi − βi = 0, o lo que es lo
mismo, αi = βi para todo i = 1, . . . , n. Por tanto, la forma de expresar v como
combinación lineal de los elementos de B es única.
Recíprocamente, sea B = {u1 , . . . , un } un conjunto de vectores tal que todo
vector v ∈ V se puede expresar de forma única como combinación lineal de
los vectores de B. Por un lado, B es sistema de generadores, puesto que todo
vector de V se puede expresar como combinación lineal de B. Por otra parte,
consideremos el vector 0 ∈ V . Sabemos que siempre se tiene la combinación
lineal obvia:
0 = 0 · u1 + · · · + 0 · un .
Por la propiedad que le suponemos a B, esta es la única forma de escribir 0
como combinación lineal de los vectores de B. Por tanto, B es un conjunto
linealmente independiente y es una base.

Depto. de Álgebra
Coordenadas
Sea V un K-espacio vectorial de dimensión n. Dada una base B =

{u1 , . . . , un }, para todo vector v ∈ V , existe una única combinación li-
neal
v = α1 u1 + · · · + αn un .
Los escalares α1 , . . . , αn definen, por tanto, al vector v , y los llamaremos
coordenadas de v respecto a B. Escribiremos:
 
α1
vB =  ...  .
 
αn
Cuando la base B esté clara por el contexto, escribiremos simplemente

 
α1
v =  ...  .
 
αn
Por tanto, no importa cómo sea V como espacio vectorial; si fijamos una
base, vamos a poder representar los elementos de V como elementos del co-
nocido espacio vectorial Kn . Hay que hacer notar unas cuestiones sencillas,
pero muy importantes.
Un vector v ∈ Kn viene dado por una n-upla de números, que coincide

con las coordenadas de v con respecto a la base estándar S de Kn . Esto
es, si    
α1 α1
v =  ...  , entonces vS =  ...  .
   
vn vn
Dada una base B = {u1 , . . . , un } de un espacio vectorial V , se tiene que

   
1 0
 0   .. 
 , . . . , [un ]B =  .  ,
   
[u1 ]B =  ..
 .   0 
0 1
pues ui = 0 · u1 + · · · + 1 · ui + · · · + 0 · un .

Depto. de Álgebra
El problema que se plantea ahora es cómo calcular las coordenadas de un

vector con respecto a una base dada. Para ello, tenemos que resolver un sistema
de ecuaciones.
Cálculo de las coordenadas
Sea B = {u1 , . . . , un } una base de Kn , y v un vector, definido por una

n-upla.
¡ ¢
Formamos la matriz A = u1 . . . un v .
G-J ¡ ¢
Calculamos A −→ E = I n w la forma escalonada reducida
por filas de la matriz A.
La última columna de E contiene las coordenadas de v respecto

de la base B.
Ejemplo 4.6.1.- En R4 , consideremos el vector v , y la base B = {u1 , u2 , u3 , u4 },

dados por
         
1 1 1 1 0
 2   1   1   0   1 
         
v =   , u1 =   , u2 =   , u3 =   , u4 =   .
 3   1   0   1   1 
4 0 1 1 1
Entonces
   
1 1 1 0 1 1 0 0 0 −2/3
1 1 0 1 2  G-J  0 1 0 0 1/3 
¡ ¢    

A= u1 u2 u3 u4 v =   −→  .
 1 0 1 1 3   0 0 1 0 4/3 
0 1 1 1 4 0 0 0 1 7/3
Luego
− 32
 
 1

 
 3 
vB =  4
.
 
 3 
7
3

Depto. de Álgebra
Coordenadas y operaciones con vectores
Sea V un K-espacio vectorial de dimensión n y B una base de V . Sea
c B : V → Kn
la aplicación que a cada elemento de V le hace corresponder el vector

de sus coordenadas: cB (v ) = vB . Entonces cB es una aplicación biyec-
tiva que verifica
1. cB (u + v ) = cB (u) + cB (v ),
2. cB (αu) = αcB (u),
para todo α ∈ K y u, v ∈ V .
P RUEBA : La aplicación es biyectiva por el teorema de la unicidad de la ex-

presión (pág. 30). Si B = {u1 , . . . , un } y
   
a1 b1
 a2   b2 
   
vB =  ..  , wB =  ..  ,
 .   . 
an bn
entonces
v = a 1 u1 + a 2 u2 + · · · + a n un , w = b 1 u1 + b 2 u2 + · · · + b n un ,
de donde
v + w = (a1 + b1 )u1 + (a2 + b2 )u2 + · · · + (an + bn )un ,

αv = (αa1 )u1 + (αa2 )u2 + · · · + (αan )un .
Por tanto,    
a1 + b1 αa1

 a2 + b2 


 αa2 

[v + w ]B =  ..  , [αu]B =  .. .
 .   . 
an + bn αan


Depto. de Álgebra
Esta aplicación cB recibe el nombre de morfismo de coordenadas respecto

de la base B. La encontraremos más adelante como un caso especialmente
importante de aplicación entre espacios vectoriales.
Nota 4.6.1. La aplicación cB tiene gran importancia para el cálculo efectivo en
espacios vectoriales de dimensión finita. Sea S = {v1 , . . . , vr } un subconjunto
finito de vectores de V y B una base cualquiera de V , con dimV = n. Entonces
es fácil comprobar los siguientes resultados:
S es un conjunto linealmente independiente si y solamente si el conjunto

{[v1 ]B , . . . , [vn ]B } es linealmente independiente en Kn .
S es un conjunto generador si y solamente si {[v1 ]B , . . . , [vn ]B } es un con-

junto generador en Kn .
S es una base de V si y solamente si {[v1 ]B , . . . , [vn ]B } es una base de Kn .
Observemos también que la ampliación de un conjunto linealmente inde-

pendiente a una base de V se puede hacer a través de Kn . En resumen, todos
los procedimientos que hemos visto en Kn pueden ser aplicados a espacios
vectoriales de dimensión finita una vez fijada una base.

Depto. de Álgebra
4.7. Cambio de base
Observemos que las coordenadas de un vector de V dependen de la base B

que hayamos elegido. Si tuviéramos otra base B ′ , las coordenadas del mismo
vector serían diferentes. Vamos a ver entonces cómo están relacionados estos
dos tipos de coordenadas.
Supongamos que tenemos un espacio vectorial V de dimensión n, y consi-

deremos dos bases de V dadas por B = {u1 , . . . , un } y B ′ = {u′1 , . . . , u′n }. Como B
es base, podremos escribir cada vector de B ′ respecto a B, es decir, tendremos:
 
a11
 a21 
u′1 [u′1 ]B
 
= a11 u1 + a21 u2 + · · · + an1 un , = .. ,
 . 
an1
 
a12
 a22 
u′2 = a12 u1 + a22 u2 + · · · + an2 un , [u′2 ]B = 
 
.. ,
 . 
an2
.. ..
. .
 
a1n
 a2n 
u′n = a1n u1 + a2n u2 + · · · + ann un , [u′n ]B = 
 
.. .
 . 
ann
Definimos la matriz de cambio de base o matriz de paso de B ′ a B como
¡ ¢
M(B ′ , B) = (ai j ) = [u′1 ]B [u′2 ]B . . . [u′1 ]B ,
es decir, la columna i de M(B ′ , B) contiene las coordenadas del vector u′i de

B ′ respecto de la base B. Con esta notación, se tiene lo siguiente:

Depto. de Álgebra
Ecuaciones del cambio de base
Si las coordenadas de v ∈ V respecto a B y B ′ son, respectivamente

  
x1 x1′
vB =  ...  y vB ′ =  .. 
  
. ,
xn xn′
entonces se tiene la relación
x1 = a11 x1′ + a12 x2′ + · · · + a1n xn′ ,

x2 = a21 x1′ + a22 x2′ + · · · + a2n xn′ ,
..
.
xn = an1 x1′ + an2 x2′ + · · · + ann xn′ ,
que en forma matricial es vB = M(B ′ , B)vB ′ .
P RUEBA : En las igualdades
v = x1 u1 + · · · + xn un , v = x1′ u′1 + · · · + xn′ u′n ,
sustituimos cada u′i por a1i u1 + a2i u2 + · · · + ani un y agrupamos coeficientes,

obtendremos:
v = (a11 x1′ + · · · + a1n xn′ )u1 + · · · + (an1 x1′ + · · · + ann xn′ )un .
Como la forma de expresar v como combinación lineal de B es única, los co-

eficientes de esta última combinación lineal han de ser iguales a x1 , . . . , xn , lo
que demuestra el resultado.
Otra forma de probar la igualdad es mediante el uso del morfismo de coor-
denadas cB . Se tiene que
vB = x1′ [u′1 ]B + · · · + xn′ [u′n ]B

 
x1′
¡ ¢ . 
= [u′1 ]B . . . [u′n ]B  .. 
xn′
= M(B ′ , B)vB ′ .

Depto. de Álgebra
Como es natural, se podían haber invertido los papeles y tendríamos una

matriz de cambio de base M(B, B ′ ), cuyas columnas están formadas por las
coordenadas de los vectores de B respecto a la base B ′ . El siguiente resultado
establece la conexión entre estas dos matrices de cambio de base.
Inversa de la matriz de cambio de base
Dadas dos bases B y B ′ de un espacio vectorial de dimensión n, la ma-

triz de cambio de base M(B ′, B) es invertible, y su inversa es M(B, B ′).
P RUEBA : Consideremos la matriz M(B, B ′ ). Para cualquier vector v ∈ V , se

verifica que
vB = M(B ′ , B)vB ′ , vB ′ = M(B, B ′ )vB ,
de donde
vB = M(B ′ , B)M(B, B ′ )vB para todo vector v ∈ V.
Si v recorre todos los vectores de la base B, obtenemos las relaciones en Kn

dadas por
e1 = M(B ′ , B)M(B, B ′ )e1 ,

e2 = M(B ′ , B)M(B, B ′ )e2 ,
..
.
en = M(B ′ , B)M(B, B ′ )en .
Por tanto, I n = M(B ′ , B)M(B, B ′ ) y tenemos el resultado.
Cálculo de la matriz de cambio de base en Kn
Consideremos dos bases B y B ′ del espacio vectorial Kn , respecto de la

base estándar, y sean A B y A B ′ las matrices de coordenadas respectivas
de ambas bases.
Calculamos
¡ ¢la forma escalonada reducida por filas de la matriz
AB AB′ .
¡ ¢ G-J ¡ ¢
A B A B ′ −→ I n P .
Entonces la matriz de cambio de base de B ′ a B es M(B ′ , B) = P .

Depto. de Álgebra
Ejemplo 4.7.1.- En R3 consideramos las bases B = {u1 , u2 , u3 } y B ′ = {v1 , v2 , v3 },

donde
           
1 1 0 1 1 1
u1 =  1  , u2 =  0  , u3 =  1  , v1 =  −1  , v2 =  0  , v3 = 0  .

0 1 1 0 −1 0
Entonces
   
1 1 0 1 1 1 1 0 0 0 1 1/2
¡ ¢ G-J
AB AB′ =  1 0 1 −1 0 0  −→  0 1 0 1 0 1/2  .
0 1 1 0 −1 0 0 0 1 −1 −1 −1/2
Luego la matriz del cambio de base es

 
0 1 1/2
M(B ′ , B) =  1 0 1/2  .
−1 −1 −1/2
Usando este tipo de matrices, podremos ver la similitud existente entre los
conceptos definidos para espacios vectoriales y los definidos para matrices.

Aligeoi t04

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Aligeoi t04

Cargado por

Copyright:

Formatos disponibles

Álgebra Lineal y Geometría

Copyright © 2020 Dpto. de Álgebra, Universidad de Sevilla.

copiar, distribuir y comunicar públicamente la obra,

hacer obras derivadas,

bajo las siguientes condiciones:

Reconocimiento. Debe reconocer los créditos de la obra maestra especi-

No comercial. No puede utilizar esta obra para fines comerciales.

Compartir bajo la misma licencia. Si altera o transforma esta obra, o ge-

II Álgebra Lineal y Geometría

IV Álgebra Lineal y Geometría

4.1. Estructuras algebraicas.

Por ejemplo, p podría ser la suma, la diferencia o la multiplicación de núme-

Sea G un conjunto no vacío, y sea ∗ una operación binaria interna de-

1. Asociativa: (a ∗ b) ∗ c = a ∗ (b ∗ c), para todo a, b, c ∈ G.

2. Elemento neutro: existe e ∈ G tal que a ∗ e = e ∗ a = a, para todo

3. Elemento opuesto: Para todo a ∈ G, existe a ′ ∈ G tal que a ∗ a ′ =

En un grupo hay dos resultados sencillos de unicidad:

El elemento neutro es único. Si e, e ′ ∈ G verifican la condición de elemen-

Para todo a ∈ G, el elemento opuesto es único. Si a ′ , a ′′ ∈ G verifican

Normalmente, la operación interna ∗ será la suma o el producto de elemen-

Ejemplo 4.1.1.- Algunos ejemplos de grupos son los siguientes:

2 Álgebra Lineal y Geometría

El conjunto de matrices m × n con entradas en un cuerpo K (ahora vere-

El conjunto de matrices cuadradas n × n no singulares con entradas en

El conjunto de matrices cuadradas n × n con entradas en un cuerpo K,

Los vectores de n coordenadas, con la suma de vectores, forman un grupo

En ocasiones, se define más de una operación interna sobre un conjunto.

Sea A un conjunto no vacío, y sean +, · dos operaciones binarias in-

1. (A, +) es un grupo abeliano.

2. Propiedad asociativa del producto: (a ·b)·c = a ·(b ·c), para todo

3. Propiedad distributiva del producto respecto a la suma:

Álgebra Lineal y Geometría 3

Si se verifica alguna propiedad más, tenemos tipos especiales de anillos:

Un anillo (A, +, ·), se dice que es conmutativo si a · b = b · a, para todo

Ejemplo 4.1.2.- Algunos ejemplos de anillo son los siguientes:

(Z, +, ·), (Q, +, ·), (R, +, ·) y (C, +, ·) son anillos conmutativos.

Si Z[x] es el conjunto de los polinomios en la variable x, con coeficien-

El conjunto de matrices n × n con entradas en un cuerpo K, con la suma

En resumen, si (A, +, ·) es un anillo, entonces (A, +) es un grupo, y (A, ·) es

4 Álgebra Lineal y Geometría

Sea K un conjunto no vacío, y sean +, · dos operaciones internas, que

1. (K, +) es un grupo abeliano.

2. (K\{0}, ·) es un grupo abeliano, donde 0 es el elemento neutro de

3. Propiedad distributiva del producto respecto a la suma:

Dicho de otra forma, un cuerpo es un anillo conmutativo, con elemento

Ejemplo 4.1.3.- Algunos ejemplos de cuerpo son los siguientes:

(Q, +, ·), (R, +, ·) y (C, +, ·) son cuerpos.

Notaremos por Gl(n, K) al conjunto de matrices no singulares y SL(n, K)

Los cuerpos tienen multitud de propiedades, que no se estudiarán en esta

Álgebra Lineal y Geometría 5

K y un elemento de X , y dé como resultado un elemento de X . Es decir, una

Normalmente, a una operación externa de este tipo la denotaremos · y la llama-

Ejemplo 4.1.4.- Consideremos el conjunto R[X ]4 de polinomios en R[X ] de

α · p(X ) = (αa4 )X 4 + (αa3 )X 3 + (αa2 )X 2 + (αa1 )X + (αa0 ).

Sean entonces V y K conjuntos no vacíos, con + una operación interna so-

6 Álgebra Lineal y Geometría

Sea K un cuerpo. Diremos que (V, +, ·) es un espacio vectorial sobre K

1. (V, +) es un grupo abeliano.

2. El producto por escalar verifica las siguientes propiedades, para

A los elementos de un espacio vectorial los llamaremos vectores, y los escri-

Ejemplo 4.1.5.- Algunos ejemplos de espacios vectoriales son los siguientes:

En el contexto de los espacios vectoriales, no hay diferencia si se trata un

Álgebra Lineal y Geometría 7