Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Lecc 5. Espacios Vectoriales
Lecc 5. Espacios Vectoriales
1 Defnición y ejemplos
Hablando sin precisión, un espacio vectorial es un conjunto de vectores que podemos sumar y
multiplicar por escalares de un cuerpo. Estas operaciones deben proporcionar vectores en el espacio
vectorial y deben satisfacer algunas condiciones.
Defnición 1: Un espacio vectorial sobre un cuerpo K (o un K-espacio vectorial) es un conjunto V
en el cual están denidas dos operaciones llamadas suma y multiplicación por elementos de K :
+ : V × V −→ V , · : K×V −→ V
(u, v) −→ u+v (λ, v) −→ λ·v
Esto es, a cada par de elementos u, v de V le podemos asociar un único elemento u + v ∈ V y para cada
elemento u ∈ V y cada elemento λ ∈ K existe un único elemento λ · u ∈ V tal que se verican las
siguientes condiciones:
1. u + v = v + u (conmutatividad de la suma)
2. (u + v) + w = u + (v + w) (donde w ∈ V) (asociatividad de la suma)
3. existe un vector nulo (o vector cero) 0 ∈ V tal que u + 0 = 0 + u = u para todo u ∈ V
4. cada u ∈ V tiene un inverso aditivo u opuesto v ∈ V tal que u + v = 0
5. 1 · u = u para todo u ∈ V
6. (λµ) · u = λ(µ · u) para todo u ∈ V y λ, µ ∈ K
7. λ · (u + v) = λ · u + λ · v para todo u, v ∈ V y λ ∈ K
8. (λ + µ) · u = λ · u + µ · u para todo u ∈ V y λ, µ ∈ K
Los elementos del cuerpo K se llaman escalares y los elementos del espacio vectorial V se llaman
vectores. Mientras no se diga lo contrario supondremos que K = R y evitaremos poner el punto · para
denotar la multiplicación por escalares. Además, denotaremos los vectores por letra negra fuerte.
Ejemplos 1:
1. El conjunto Rn de n-tuplas de números reales es un R-espacio vectorial con las siguientes opera-
ciones: Dados x, y ∈ Rn y r ∈ R entonces
x1 y1 x1 + y1 rx1
x2 y2 x2 + y2 rx2
x= .. , y = .. =⇒ x + y = .. ; rx = ..
. . . .
xn yn xn + yn rxn
Mientras no se diga lo contrario, los elementos (vectores ) de Rn serán escritos en negrita fuerte
como vectores columna en vez de vectores la. Con esta notación xt = ( x1 , x2 , ... , xn ) .
1
Espacios vectoriales de acuerdo con César Rodrı́guez Mielgo
C = a + bi / a , b ∈ R
donde n es un entero no negativo y los coecientes an , an−1 , ..., a1 , a0 son números reales. Si p( x ) =
0, esto es, si an = an−1 = ... = a1 = a0 = 0, entonces p( x ) se llama el polinomio nulo y diremos
que el grado de p( x ) es −1. En otro caso, el grado de un polinomio se dene como el exponente
más grande de la indeterminada x que tiene un coeciente no nulo. Nótese que los polinomios de
grado cero son de la forma p( x ) = c donde c es un escalar no nulo. Dos polinomios p( x ) y q( x )
son iguales si, y sólo si, tienen el mismo grado y sus coecientes son iguales. Como es bien sabido,
la suma de polinomios y el producto de un polinomio por un escalar se denen de la siguiente
manera: Si p( x ) = an xn + an−1 xn−1 + ... + a1 x + a0 y q( x ) = bn xn + bn−1 xn−1 + ... + b1 x + b0 son
dos polinomios y c ∈ R entonces
( p + q)( x) = p( x ) + q( x ) = ( an + bn ) xn + ... + ( a1 + b1 ) x + ( a0 + b0 )
(cp)( x) = cp( x) = can xn + can−1 xn−1 + ... + ca1 x + ca0
( f + g)( x) = f ( x) + g( x) ; (c f )( x) = c f ( x)
1) 0v = 0
2) u + v = 0 implica que v = −u, esto es, el inverso aditivo es único
3) (−1)v = −v
4) λ0 = 0 para todo λ ∈ R
Departamento de Matemáticas, 2
Universidad de Las Palmas de Gran Canaria
Espacios vectoriales de acuerdo con César Rodrı́guez Mielgo
2 Subespacios Vectoriales
En pocas palabras, un subespacio de un espacio vectorial V es un subconjunto W de V que es
“cerrado” bajo las operaciones de suma de vectores y multiplicación escalar, esto es, los resultados de
estas operaciones en W permanecen en W.
Defnición 2: Un subconjunto W de un espacio vectorial V es un subespacio vectorial de V si W es
un espacio vectorial bajo las operaciones heredadas.
En cualquier espacio vectorial V, nótese que V y 0 son subespacios de V, llamados subespacios
triviales. Todos los otros subespacios se denominan subespacios propios.
Afortunadamente, para probar que W es un subespacio vectorial de V no es necesario vericar to-
dos los axiomas de la denición. La siguiente proposición nos proporciona un método simple para
determinar si un subconjunto de un espacio vectorial es un subespacio vectorial.
Proposición 3: Sea V un espacio vectorial y W un subconjunto de V. Entonces W es un subespacio
vectorial de V si, y sólo si, es cerrado por combinaciones lineales, es decir, si λu+µv ∈ W cualesquiera
que sean u , v ∈ W y λ , µ ∈ K.
Observación 1: El vector nulo 0 pertenece a todos los subespacios de un espacio vectorial ya que
0u + 0u = 0 ∈ W.
Ejemplos 2:
1. Las rectas y los planos que pasan por el origen son subespacios de R3 ya que son conjuntos
solución de sistemas lineales homogéneos. Por ejemplo, el subconjunto de R3
x
W = y ∈ R3 / x − 2y + z = 0
z
Rn [ x ] = a0 + a1 x + ... + an xn / a0 , a1 , ... , an ∈ R
Departamento de Matemáticas, 3
Universidad de Las Palmas de Gran Canaria
Espacios vectoriales de acuerdo con César Rodrı́guez Mielgo
N ( A) = x ∈ Rn / Ax = 0
Departamento de Matemáticas, 4
Universidad de Las Palmas de Gran Canaria
Espacios vectoriales de acuerdo con César Rodrı́guez Mielgo
En primer lugar vamos a caracterizar cuándo podemos quitar un vector de un conjunto de vectores
sin que cambie el subespacio engendrado por ese conjunto.
Proposición 5: Sea S = v1 , v2 , ... , vn un conjunto o sistema de vectores de un K-espacio vecto-
rial V. Entonces ⟨v1 , v2 , ... , vn , v⟩ = ⟨v1 , v2 , ... , vn ⟩ si, y sólo si, v ∈ ⟨S⟩ = ⟨v1 , v2 , ... , vn ⟩ para
cualquier v ∈ V.
Ejemplo 4: Si u y v son dos vectores de un espacio vectorial cualquiera, entonces se verica que
⟨u , v , u + v⟩ = ⟨u , v , 2u − v⟩ = ⟨u , v , u + v , 2u − v⟩ = ⟨u , v⟩
Observación 3: De la anterior proposición se sigue que un sistema o conjunto de vectores que genera
un subespacio vectorial es minimal si, y sólo si, no contiene vectores que se puedan expresar como
combinación lineal de los restantes vectores del sistema dado. Esta importante propiedad nos conduce
al concepto de independencia lineal de un conjunto o sistema de vectores.
Defnición 6: Un conjunto S = v1 , v2 , ... , vn de vectores de un K-espacio vectorial V se dice
que es linealmente dependiente si, al menos uno de ellos, digamos vn , es combinación lineal de los
otros, esto es, vn = α1 v1 + ... +αn−1 vn−1 para ciertos α1 , ... , αn−1 ∈ K no todos nulos.
Defnición 7: Un conjunto S = v1 , v2 , ... , vn de vectores de un K-espacio vectorial V se dice
que es linealmente independiente si ninguno de ellos es combinación lineal de los restantes.
Las anteriores deniciones son equivalentes a las siguientes:
Defnición 8: Un conjunto S = v1 , v2 , ... , vn de vectores de un K-espacio vectorial V es lineal-
mente independiente si, y sólo si, la única combinación lineal de ellos que vale 0 es la que tiene todos
sus coecientes nulos, esto es, si λ1 v1 + λ2 v2 + ... +λn vn = 0 para ciertos λ1 , λ2 , ... , λn ∈ K, entonces
necesariamente λ1 = λ2 = · · · = λn = 0.
Defnición 9: Un conjunto de vectores v1 , v2 , ... , vn es linealmente dependiente si admiten
al menos una combinación lineal igual al vector nulo λ1 v1 + λ2 v2 + ... +λn vn = 0 con al menos un
coeciente λi no nulo.
λ1 v1 + λ2 v2 + ...+λn vn = 0
con al menos un coeciente, digamos λn , no nulo. Entonces el vector vn se puede expresar como com-
binación lineal de los restantes ya que
λ1 λ
vn = − v − ... − n−1 vn−1
λn 1 λn
Defnición 10: Se dice que un vector depende linealmente de otros si áquel es igual a una com-
binación lineal de éstos. Un sistema de vectores S = v1 , v2 , ... , vn es linealmente dependiente
si, y sólo si, alguno de sus vectores depende linealmente de los demás. Un sistema de vectores S =
v1 , v2 , ... , vn es linealmente independiente si, y sólo si, ninguno de sus vectores depende lineal-
mente de los otros.
Observación 5: Desde un punto de vista geométrico, se puede pensar la dependencia lineal de la
siguiente manera:
1. Dos vectores v1 y v2 en Rn son linealmente dependientes si, y sólo si, son paralelos.
2. Tres vectores v1 , v2 y v3 en Rn son linealmente dependientes si, y sólo si, son coplanarios, esto es,
están contenidos en un mismo plano.
Departamento de Matemáticas, 5
Universidad de Las Palmas de Gran Canaria
Espacios vectoriales de acuerdo con César Rodrı́guez Mielgo
Bases
Defnición 11: Un conjunto o sistema de vectores β = v1 , v2 , ... , vn forma una base del espacio
vectorial V si generan V y son linealmente independientes.
Observación 6: Como el vector nulo o cero depende linealmente de cualesquiera vectores se sigue
que nunca puede formar parte de una base.
El siguiente teorema caracteriza una base.
Teorema 1: Los vectores β = v1 , v2 , ... , vn forman una base del K-espacio vectorial V si, y sólo
si, cualquier vector de V se puede expresar de modo único como combinación lineal de ellos.
Demostración: Sea β = v1 , v2 , ... , vn una base de V y se desea probar que para todo vector
v ∈ V existen escalares únicos λ1 , λ2 , ... , λn tales que v = λ1 v1 + λ2 v2 + ... +λn vn . Puesto que
⟨v1 , v2 , ... , vn ⟩ = V se sigue que cualquiera que sea v ∈ V entonces v = λ1 v1 + λ2 v2 + ... +λn vn para
ciertos λi ∈ K. Además estos escalares λ1 , λ2 , ... , λn son únicos. En efecto, supogamos que existen dos
representaciones de v:
λ1 − µ1 = λ2 − µ2 = · · · = λ n − µ n = 0 ,
Departamento de Matemáticas, 6
Universidad de Las Palmas de Gran Canaria
Espacios vectoriales de acuerdo con César Rodrı́guez Mielgo
esto es,
λ1 = µ1 ; λ2 = µ2 ; · · · ; λ n = µ n
Recı́procamente, supongamos que todo vector v ∈ V se expresa de forma única como combinación
lineal de los vectores de β = v1 , v2 , ... , vn . Entonces, por hipótesis β es un sistema generador de V.
Veamos que β es linealmente independiente. Para ello consideramos una combinación lineal del vector
nulo λ1 v1 + λ2 v2 + ... +λn vn = 0. Puesto que λ1 v1 + λ2 v2 + ... +λn vn = 0 = 0v1 + 0v2 + ... +0vn se
sigue, por hipótesis, que λ1 = λ2 = · · · = λn = 0.
Observación 7: El teorema anterior nos asegura que, dada una base cualquiera β = v1 , v2 , ... , vn ,
existe una biyección
V −→ Rn
v−→(λ1 ,...,λn )
tal que v = λ1 v1 + λ2 v2 + ... +λn vn . Claramente esta biyección depende de la base elegida en V y nos
permite asociar a todo vector una n-tupla de números reales, a los que llamaremos coordenadas.
Observación 8: Como es bien sabido, el método de Gauss nos permite describir el conjunto solución
de un sistema lineal homogéneo Am×n x = 0 como una combinación lineal de n − r vectores cuyos
coecientes o escalares son precisamente las variables libres, siendo r = rang( A) :
Obviamente, estos n − r vectores u1 ,...., un−r generan el conjunto solución pero, además, son siempre
linealmente independientes. Esto se debe a que, al igualar la combinación lineal precedente al vector
cero 0, las variables libres xl1 , ... , xln−r aparecen ellas solas iguales a 0. Por tanto, estos n − r vectores
que nos proporciona el método de Gauss son linealmente independientes y forman base del conjunto
solución del sistema homogéneo Am×n x = 0, o lo que es lo mismo, son una base de N ( A), el espacio
nulo de A.
Coordenadas de un vector respecto de una base
A partir de ahora consideraremos siempre “bases ordenadas” de un espacio vectorial
Defnición 12: Sea V un espacio vectorial. Una base ordenada de V es una base de V junto con un
orden especı́co.
Sea V un espacio vectorial y sea β = v1 , v2 , v3 una base de V. Entonces β′ = v2 , v1 , v3 es
también una base de V pero como bases ordenadas β ̸= β′ .
Sea β = v1 , v2 , ... , vn una base ordenada de un espacio vectorial V. Dado un vector v ∈ V, se
sabe que v se puede escribir de forma única como
n
v = λ1 v1 + λ2 v2 + ...+λn vn = ∑ λi vi
i =1
Defnición 13: Los escalares λ1 , λ2 , ... , λn , unı́vocamente determinados por la base β y el vector
v, se denominan las coordenadas o componentes del vector v respecto de la base β y serán denotadas
por [v] β :
λ1
λ2
[v] β = ..
.
λn
De este modo, se tiene una representación matricial del vector v en la base β que viene dada por la
matriz columna cuyos elementos son las coordenadas de v en la base β.
Observación 9: Nótese que el problema de hallar las coordenadas de un vector dado v ∈ V respecto
de una base β = v1 , v2 , ... , vn es equivalente a resolver el sistema lineal de ecuaciones Ax = v
Departamento de Matemáticas, 7
Universidad de Las Palmas de Gran Canaria
Espacios vectoriales de acuerdo con César Rodrı́guez Mielgo
siendo A = (v1 , v2 , ... , vn ) la matriz de coecientes del sistema cuyos vectores columna son los vec-
tores vi de la base dada, xt = (λ1 , λ2 , ... , λn ) el vector de las incógnitas y v el vector de los términos
independientes. Dicho sistema es compatible determinado ya que los vectores columna de A son lineal-
mente independientes y se tiene
( A v) −→ · · · −→ In [v] β
5 5
Ejemplo 5: En R3 , el vector v = −3 tiene coordenadas −3 respecto de la base ordinaria
2 2
o usual
1 0 0
β = E3 = i = 0 , j = 1 , k = 0
0 0 1
ya que
5
v = −3 = 5i−3j+2k
2
Por otro lado, si queremos hallar las coordenadas del vector dado v respecto de la base siguiente
1 1 1
β′ = v1′ = 0 , v2′ = 1 , v3′ = 3
1 2 2
se deberá resolver el sistema lineal compatible determinado Ax = v siendo A = v1′ , v2′ , v3′ la matriz
cuyos vectores columna son los vectores de la base β′ y las incógnitas son las coordenadas λ1 , λ2 y λ3 :
1 1 1 5
λ1 0 + λ2 1 + λ3 3 = −3 ⇐⇒ Ax = v
1 2 2 2
Si realizamos sustitución retrógada se obtiene que la única solución del sistema es Sol = (8 , − 3 , 0) .
En consecuencia, se tiene que
5 8
[ v ] β ′ = −3 = −3
2 β′
0
Si hubiéramos reducido a forma escalonada reducida la matriz de la izquierda serı́a la matriz identi-
dad y en la columna de la derecha se obtendrı́an las coordenadas buscadas. En efecto,
1 1 1 5 − 12 F3
1 1 1 5 1 1 0 5 1 0 0 8
F1 − F3 F1 − F2
0 1 3 −3 −→ 0 1 3 −3 −→ 0 1 0 −3 −→ 0 1 0 −3
F2 −3F3
0 0 −2 0 0 0 1 0 0 0 1 0 0 0 1 0
Un espacio vectorial V puede tener muchas bases y, en general, no podemos asociar a dicho espacio
vectorial una base que lo describa mejor. Sin embargo, las bases tienen algunas propiedades carac-
terı́sticas que estudiamos a continuación.
Departamento de Matemáticas, 8
Universidad de Las Palmas de Gran Canaria
Espacios vectoriales de acuerdo con César Rodrı́guez Mielgo
Teorema 2 (Teorema de la base): Todas las bases de un K-espacio vectorial V tienen el mismo
número de elementos.
Defnición 14: Se llama dimensión del K-espacio vectorial V al número de elementos de cualquier
base de V y se denota por dimK V.
Defnición 15: Un espacio vectorial es de dimensión nita si tiene una base formada por un número
nito de elementos. El subespacio 0 tiene dimensión 0 puesto que su base es el conjunto vacı́o.
Observación 10: El teorema anterior muestra que el número de vectores de una base es una propiedad
intrı́nseca al espacio vectorial. Además, nótese que una base β es un conjunto maximal independiente
(no puede ser ampliado sin perder la independencia lineal de los vectores) y un conjunto generador
minimal (no puede reducirse y seguir generando el espacio vectorial). Por tanto, es claro que dimK V
coincide con el número de vectores de cualquier subconjunto linealmente independiente maximal de V
y con el número de vectores de cualquier subconjunto generador minimal de V. Por tanto, en un espa-
cio vectorial V de dimensión n cualesquiera n vectores linealmente independientes forman una base y
cualesquiera n vectores generadores forman una base.
Proposición 7: Si W ⊆ V es un subespacio de un espacio vectorial V, entonces dim W ≤ dim V y si
dim W = dim V entonces W = V.
Observación 12: Si dim V = n y W es un subespacio vectorial de V generado por los vectores
w1 , ... , wk , esto es, W = ⟨w1 , ... , wk ⟩ , entonces la dim W es el número máximo de vectores lineal-
mente independientes que haya entre los vectores w1 , ... , wk .
A continuación enunciaremos el teorema de Steinitz que asegura que toda colección de vectores
linealmente independientes de un espacio vectorial se puede ampliar hasta formar una base del espacio.
Teorema 2: Sean v1 , v2 , ... , vm vectores linealmente independientes de un espacio vectorial V
de dimensión n, con m < n. Entonces existen m − n vectores vm+1 , ... , vn tal que
es una base de V.
Ahora vamos a enunciar un teorema que asegura que cualquier sistema generador de V se puede
reducir a una base, descartando vectores si fuera necesario.
Teorema 3 : Sea V un espacio vectorial de dimensión n y sea v1 , v2 , ... , vm un sistema generador
de V. Entonces existen n vectores vi1 , .. , vin ∈ v1 , v2 , ... , vm que forman una base de V.
Corolario 1: Sea V un espacio vectorial de dimensión n. Entonces,
Departamento de Matemáticas, 9
Universidad de Las Palmas de Gran Canaria
Espacios vectoriales de acuerdo con César Rodrı́guez Mielgo
W = ⟨ S ⟩ = ⟨ v1 , v2 , ... , vk ⟩
la matriz de orden k × n cuyos vectores la son los vectores vi del conjunto S, se verica que rang(S) =
dim W = rang(A). Además, una base del subespacio W = ⟨ v1 , v2 , ... , vk ⟩ viene dada por los vectores
la no nulos de cualquier forma escalonada de la matriz A y, en particular, la base más elegante de W
es la formada por los vectores la no nulos de la forma escalonada reducida de A. Por último, se tiene
que el conjunto S = v1 , v2 , ... , vk es linealmente independiente si, y sólo si, rang(A) = k.
Ejemplos 6:
1. En Rn el conjunto
β = En = e1 , e2 , ... , en donde e1 = (1, 0, ..., 0)t , e2 = (0, 1, 0, ..., 0)t , ..., en = (0, 0, ..., 0, 1)t
es la base más natural y sencilla posible de entre todas las bases. Dicha base se llama la base
ordinaria o usual o estándar de Rn . Dado cualquier vector
v1
v2
v = . ∈ Rn
..
vn
se tiene que v = v1 e1 +v2 e2 + ... +vn en . Por tanto, las coordenadas de v respecto de la base ordi-
naria β = En son sus mismas componentes. Por esta razón, esta base se llama base ordinaria o
usual de Rn . Evidentemente, en Rn hay otras muchas bases y dimR Rn = n.
1
2. En R2 el vector v = respecto de la base ordinaria o usual
2
1 0
β = E2 = e1 = i = , e2 = j =
0 1
1 1 1
tiene coordenadas , esto es, [v] β=E2 = = ya que v = 1i + 2j.
2 2 β=E
2
2
Departamento de Matemáticas, 10
Universidad de Las Palmas de Gran Canaria
Espacios vectoriales de acuerdo con César Rodrı́guez Mielgo
1
de R2 y calculamos las coordenadas del vector v = en la base β′ se tiene que
2
1 −1 1 λ − λ2 = 1 λ1 = 32
λ1 + λ2 = =⇒ 1 =⇒
1 1 2 λ1 + λ2 = 2 λ2 = 12
Entonces
1 3/2
[ v ] β′ = =
2 β′
1/2
1 1
3. En R3 , el vector v = 2 tiene coordenadas 2 respecto de la base ordinaria o usual
3 3
1 0 0
β = E3 = e1 = i = 0 , e2 = j = 1 , e3 = k = 0
0 0 1
se tiene que
1 0 1 1 λ1 + λ3 = 1 λ1 = −1
λ1 1 + λ2 1 + λ3 1 = 2 =⇒ λ1 + λ2 + λ3 = 2 =⇒ λ2 = 1
0 1 1 3 λ2 + λ3 = 3 λ3 = 2
Entonces,
1 −1
[ v ] β′ = 2 = 1
3 β′
2
4. Los números complejos 1, i forman una base ordinaria de C como R-espacio vectorial y se tiene
que dimR C = 2.
5. Si consideramos C como C-espacio vectorial, entonces una base para este espacio es 1 puesto
que cualquier número complejo a + bi se puede escribir como ( a + bi)1, donde a + bi se toma como
escalar y 1 como el vector base. De igual modo, i es otra base ya que a + bi = (b − ai )i. Por tanto,
dimC C = 1.
6. En el espacio vectorial Mm×n (R ) de las matrices de orden m × n con coecientes reales, si deno-
tamos por Eij la matriz cuyo único elemento no nulo es un 1 en la la i-ésima y en la columna
j-ésima, se verica que el conjunto
β = Eij : 1 ≤ i ≤ m ; 1 ≤ j ≤ n
Departamento de Matemáticas, 11
Universidad de Las Palmas de Gran Canaria
Espacios vectoriales de acuerdo con César Rodrı́guez Mielgo
En efecto, esas matrices son linealmente independientes ya que si existiera una combinación lineal
0 0
λ1 E11 + λ2 E12 + λ3 E21 + λ4 E22 = 0 = O =
0 0
entonces
λ1 λ2 0 0
= ⇐⇒ λ1 = λ2 = λ3 = λ4 = 0
λ3 λ4 0 0
se tiene que
A = aE11 + bE12 + cE21 + dE22
7. En el espacio
vectorial Rn [ x ]
de todos los polinomios de grado menor o igual que n, la base natural
es β = 1, x, x2 , ..., xn−1 , xn como el lector puede comprobar fácilmente y dimR Rn [ x ] = n + 1.
Por ejemplo, los polinomios β = 1, x, x2 forman una base de R2 [ x ] y las coordenadas del
polinomio 6 − 5x + 7x2 respecto de esa base son (6, −5, 7)t .
8. El espacio vectorial
R [ x ] formado por todos los polinomios tiene una base formada por innitos
elementos β = 1, x, x2 , ..., xn−1 , xn , ...
9. Como ya hemos visto muchas veces, el espacio vectorial de soluciones de un sistema lineal ho-
mogéneo se describe, aplicando el método de Gauss, como una combinación lineal de ciertos vec-
tores. Por tanto, estos vectores generan dicho subespacio y como son linealmente independientes
forman una base del conjunto solución. Por ejemplo, se desea obtener una base del subespacio
vectorial W de R4 denido por
x
y 4 x + y + z = 0
W= z
∈R /
2x +y +t = 0
t
Departamento de Matemáticas, 12
Universidad de Las Palmas de Gran Canaria
Espacios vectoriales de acuerdo con César Rodrı́guez Mielgo
y = −2z + t
x = z−t
Entonces
x 1 −1
−2 1
y
W = Sol =
z = z 1
+t
0
/ z,t∈R
t 0 1
Puesto que estos vectores son linealmente independientes (no son múltiplos uno de otro) se sigue
que forman una base de W y dimR W = 2.
10. Sea ahora W el subespacio de M2×2 (R ) denido por
a b
W= / a − b + 2c = 0 , 2a − c + d = 0
c d
b = 52 c − 12 d
a = b − 2c = 52 c − 12 d − 2c = 12 c − 12 d
Entonces
1 1 5 1
W= 2c − 2d 2c − 2d /c,d∈R =
c d
1/2 5/2 −1/2 −1/2
= c +d /c,d∈R
1 0 0 1
Puesto que esas matrices son linealmente independientes se sigue que forman una base de W y
dimR W = 2.
Departamento de Matemáticas, 13
Universidad de Las Palmas de Gran Canaria
Espacios vectoriales de acuerdo con César Rodrı́guez Mielgo
4 Combinación de subespacios
Hay varias formas de combinar subespacios de un K-espacio vectorial V para formar nuevos subespa-
cios. Dado que los subespacios de un espacio vectorial son subconjuntos de dicho espacio, es natural
considerar la unión e intersección de subespacios. La intersección de dos subespacios vectoriales es un
espacio vectorial, pero la unión de dos subespacios podrı́a no ser un subespacio. Por ejemplo, en R2 , el
eje x (generado por e1 = (1, 0)) y el eje y (generado por e2 = (0, 1)) son dos subespacios pero su unión
no es cerrada respecto de la suma de vectores. En efecto, el vector e1 + e2 = (1, 1) no pertenece a la
unión.
Sin embargo, aparte de la unión y la intersección hay otra manera de formar un nuevo subespacio a
partir de otros.
Subespacios suma e intersección
Defnición 18: Sean U y W subespacios vectoriales de un K-espacio vectorial V. Se denen la suma
U + W y la intersección U W por
1) U + W = v ∈ V : v = u + w donde u ∈ U y w ∈ W
2) U W = v ∈ V : v ∈ U y v ∈ W
son subespacios de V.
Proposición 9: Si u1 , ... , ur es una base de U y w1 , ... , ws es una base de W, entonces los
vectores u1 , ... , ur , w1 , ... , ws forman un sistema de generadores de U + W.
Suma directa de subespacios
Comenzaremos con dos subespacios y, después, generalizaremos este concepto a más subespacios.
Defnición 19: Si U y W son dos subespacios de un K-espacio vectorial V, entonces el subespacio
U + W se dice que es una suma directa de subespacios, la cual denotaremos por U ⊕ W, si cada elemento
de U + W se puede expresar de forma única como u + w, donde u ∈ U y w ∈ W, esto es, cualquier
vector de dicha suma se puede escribir de forma única como suma de un vector de U y otro vector de
W.
Proposición 10: La suma U + W es directa si, y sólo si, U W = 0
Defnición 20: Si U y W son dos subespacios de un K-espacio vectorial V, entonces V es la suma
directa de U y W, denotada por V = U ⊕ W, si todo vector v ∈ V tiene una representación única v =
u + w, donde u ∈ U y w ∈ W.
Teorema 8: Si U y W son dos subespacios de un K-espacio vectorial V, entonces
1) V = U + W
V = U ⊕ W ⇐⇒
2) U W = 0
Departamento de Matemáticas, 14
Universidad de Las Palmas de Gran Canaria
Espacios vectoriales de acuerdo con César Rodrı́guez Mielgo
Mn (R ) = Sn (R ) ⊕ Hn (R )
En primer lugar probaremos que toda matriz cuadrada A descompone como suma de una matriz
simétrica y de una hemisimétrica. En efecto, se verica que
A + At A − At
A= +
2
2
simétrica hemisimétrica
Puesto que
Sn (R ) Hn (R ) = O
se sigue el resultado deseado.
Proposición 11: Sean U y W subespacios de un K-espacio vectorial V. Entonces los siguientes enun-
ciados son equivalentes:
Dimensión de la suma
Teorema 10: En un espacio vectorial V de dimensión nita se verica que:
1.
V = U1 ⊕U2 ⊕... ⊕ U p
=⇒ β = β1 · · · β p es una base de V
βi es una base de Ui
Departamento de Matemáticas, 15
Universidad de Las Palmas de Gran Canaria
Espacios vectoriales de acuerdo con César Rodrı́guez Mielgo
5 Hiperplanos
Sea V un espacio vectorial de dimensión nita y H un subespacio vectorial de V.
− ( a2 /a1 ) − ( a3 /a1 ) − ( an /a1 )
x1
1 0 0
x2 ..
= .. = x2 0 + x3 1 + · · · + xn / x2 , x3 , ..., xn ∈ R
.. .. .
.
. . 0
xn
0 0 1
Cuando un subespacio vectorial se corta por un hiperplano se verica que la dimensión baja “en
general” una dimensión.
Departamento de Matemáticas, 16
Universidad de Las Palmas de Gran Canaria
Espacios vectoriales de acuerdo con César Rodrı́guez Mielgo
1. W no está contenido en H
2. W + H = V
3. dim(W H) = dim W − 1
Demostración: Nótese que W no está contenido en H si, y sólo si, W + H ̸= H, lo que a su vez
equivale a que W + H = V ya que H un hiperplano. Puesto que
donde λ1 , ... , λk son escalares arbitrarios y la matriz (wij ) tiene rango k. El conjunto de las ecuaciones
anteriores se llaman ecuaciones paramétricas del susbespacio W en la base β.
A continuación, para obtener las ecuaciones cartesianas o implı́citas del subespacio W en la base β
se debe imponer que
rang ( w1 , w2 , . . . , wk x) = k
De esta manera, elegido un menor de orden k no nulo, esta condición equivale a la anulación de n − k
menores de orden k + 1, lo cual proporciona el número mı́nimo de ecuaciones linealmente independi-
entes que denen las ecuaciones implı́citas de W. Nótese que
Ejemplo 8: Halla unas ecuaciones paramétricas e implı́citas (o cartesianas) del subespacio vectorial
W de R4 generado por los vectores
1 −1 5
2
v1 = , v2 = 0 , v3 = 6
1 1 1
0 −2 4
Solución: Puesto que el subespacio W = ⟨v1 , v2 , v3 ⟩ está generado por esos tres vectores dados, se
debe comprobar primero si son o no linealmente independientes:
1 2 1 0 1 2 1 0 1 2 1 0
F2 + F1 F3 +3F2
A = −1 0 1 −2 −→ 0 2 2 −2 −→ 0 2 2 −2
F3 −5F1
5 6 1 4 0 −4 −4 4 0 0 0 0
Departamento de Matemáticas, 17
Universidad de Las Palmas de Gran Canaria
Espacios vectoriales de acuerdo con César Rodrı́guez Mielgo
Puesto que
1 0 x 1 0 x 1 0 x
2 1 y F2 −2F1 0 1 y − 2x F3 − F2 0 1 y − 2x
−→ −→
1 1 z F3 − F1 0 1 z−x F4 + F2 0 0 z − x − y + 2x
0 −1 t 0 −1 t 0 0 t + y − 2x
Departamento de Matemáticas, 18
Universidad de Las Palmas de Gran Canaria