T3 Diapositivas

Contenidos
Índice
1 Definción, propiedades y ejemplos

Tema 3: Espacios vectoriales
2 Subespacios vectoriales
3 Sistemas de vectores
Carmen Tasis
Sistemas generadores
Universidad de Oviedo Dependencia lineal
25 de octubre de 2018
4 Bases
Definiciones y ejemplos
Coordenadas
5 Suma e intersección de subespacios

email: ctasis@uniovi.es Definiciones
Suma directa
Carmen Tasis (Universidad de Oviedo) Tema 3 25 de octubre de 2018 1 / 112 Carmen Tasis (Universidad de Oviedo) Tema 3 25 de octubre de 2018 2 / 112
Definción, propiedades y ejemplos Definción, propiedades y ejemplos
Contenido Ley de composición externa
Definición 0.7
3 Sistemas de vectores
Sean A y K dos conjuntos, llamaremos operación externa o ley de
composición externa en A con dominio de operadores en K a cualquier
Dependencia lineal
aplicación del producto cartesiano K × A en A:
4 Bases
Definiciones y ejemplos · : K × A −→ A
Coordenadas (α, b) → α · b = c ∈ A

Definiciones
Suma directa
Conjuntos y leyes Espacios vectoriales

Definición 3.1
Un espacio vectorial es un conjunto V 6= ∅, cuyos elementos llamaremos

Ejercicio 1 vectores, con una una ley de composición interna + y una ley de
¿Cuáles de las siguientes operaciones son leyes de composición externa? composición externa · con dominio en un cuerpo (K, +, ·), cuyos
a) Producto de un número real por un elemento de R2 elementos llamaremos escalares, que verifican:
1 En V está definida una ley de composición interna, que denotaremos
b) Producto de un número racional por un elemento de R3 +,

+ : E × E −→ E
c) Producto de un número real por un elemento de Q2
(~u , ~v ) 7→ ~u + ~v
d) Producto de un número natural por números reales de modo que (V , +) es grupo abeliano, es decir, verifica las
propiedades:
i) Asociativa: ∀ ~u , ~v , w
~ ∈ V : (~u + ~v ) + w
~ = ~u + (~v + w
~ ).
ii) Conmutativa: ∀ ~u , ~v ∈ V : ~u + ~v = ~v + ~u .
iii) Elemento neutro: ∀ ~u ∈ V , ∃ ~0 ∈ V | ~u + ~0 = ~u .
iv) Elemento simétrico: ∀ ~u ∈ V , ∃ − ~u ∈ V | ~u + (−~u ) = ~0 .
Definición 1 Algunos espacios vectoriales
Ejemplos 1-2-3-4-6
2 Existe una ley de composición externa · con dominio en el cuerpo de
escalares (K, +, ·), Los siguientes conjuntos, con las operaciones suma y producto por un
escalar habituales en ellos, son espacios vectoriales.:
·: K×V −→ V
1) Si K es un cuerpo, K es K−espacio vectorial, utilizando como
(λ, ~v ) 7→ λ · ~v
producto por escalares el producto usual en el cuerpo.
verificando ∀ λ, µ ∈ K y ∀ ~u , ~v ∈ V las siguientes propiedades:
i) Ley distributiva respecto a la suma de escalares:
2) Si K es un cuerpo, ∀ n ∈ N, Kn es K−espacio vectorial. Esto es:
(λ + µ) · ~u = λ · ~u + µ · ~u .
Kn = {(x1 , x2 , ..., xn ) | xi ∈ K, ∀ i = 1, ..., n}
ii) Ley distributiva respecto a la suma de vectores:
λ · (~u + ~v ) = λ · ~u + λ · ~v . con las operaciones suma y producto por escalares definidas como:
iii) Ley asociativa respecto a los escalares: λ · (µ · ~u ) = (λ µ) · ~u .
iv) Neutralidad del elemento neutro, 1 , de la segunda ley del cuerpo K : (x1 , x2 , ..., xn ) + (y1 , y2 , ..., yn ) = (x1 + y1 , x2 + y2 , ..., xn + yn )
1 · ~u = ~u .
α(x1 , x2 , ..., xn ) = (αx1 , αx2 , ..., αxn )
Propiedades
3) Si K es un cuerpo, Mm×n (K) es K−espacio vectorial.

Propiedades 3.1
4) Si K es un cuerpo, K[x], conjunto de todos los polinomios en una Para cada ~v ∈ V y para cada α ∈ K se cumple:
indeterminada, es K−espacio vectorial. 1 0~v = ~0
Asimismo, Kn [x], conjunto de todos los polinomios en una 2 α~0 = ~0
indeterminada, de grado menor o igual que n, es K−espacio vectorial.
3 α~v = ~0 → ~v = ~0 o bien α = 0
5) {f : [a, b] → R / f continua } es un R−espacio vectorial.
4 α~v = α~w y α 6= 0 entonces ~v = w ~
5 α~v = β~v y ~v 6= ~0 entonces α = β
6 (−λ)~v = −(λ~v ) = λ(−~v )
Subespacios vectoriales Subespacios vectoriales
Contenido Subespacios vectoriales
3 Sistemas de vectores Definición 3.2

Sistemas generadores Sea V un espacio vectorial sobre K y H 6= ∅ un subconjunto de V . Se dice
Dependencia lineal que H es un subespacio vectorial de V si, con las leyes suma y producto
4 Bases por un escalar definidas en V restringidas a H, tiene también estructura de
Definiciones y ejemplos espacio vectorial sobre K.
Coordenadas

Definiciones
Suma directa
Definición equivalente de subespacio Nota 3.1

Todo subespacio vectorial contiene al vector nulo
Teorema 3.1 (Definición equivalente de subespacio)

Ejemplo 3.7
Sea V un espacio vectorial y H ⊆ V con H 6= ∅, entonces, H es subespacio
vectorial de V sı́ y sólo sı́ se cumplen las dos propiedades siguientes: {~0} y V son subespacios vectoriales de V .
a) ∀~u , ~v ∈ H, ~u + ~v ∈ H
Ejercicio 2
b) ∀~u ∈ H, ∀α ∈ K, α~u ∈ H
¿Cuáles de los siguientes conjuntos son subespacios vectoriales de R3 ?
equivalentemente, sı́ y sólo sı́
a) (x, y , z) ∈ R3 | x − y = 3

b) (x, y , z) ∈ R3 | x − y = 0

∀~u , ~v ∈ H, ∀α, β ∈ K, α~u + β~v ∈ H
c) (x, y , z) ∈ R3 | x + y 2 = 0

d) (x, y , z) ∈ R3 | x − y = 0, y ≥ 0

Ejemplos Ejemplos
Ejercicio 3.2
El conjunto de soluciones de un sistema de ecuaciones lineales homogéneo
Ejemplo 3.8 con n incógnitas es un subespacio vectorial de Kn , siendo K el cuerpo en
Los polinomios de grado menor o igual que n forman un subespacio del el que están definidos los coeficientes de dicho sistema.
espacio vectorial de los polinomios en una indeterminada sobre el cuerpo
K, esto es:
Solución: Recordar Teorema 2.7
Kn [x] = p(x) = a0 + a1 x + a2 x 2 + · · · + an x n | ai ∈ K ≤ K[x]

Teorema 2.7
Si X1 y X2 son dos soluciones de AX = ~0, y α ∈ K, entonces X1 + X2 y
αX1 son soluciones de AX = ~0.
Subespacios vectoriales Sistemas de vectores
Contenido

Ejemplo 3.9
Los únicos subespacios vectoriales de R2 son: los subespacios triviales y las
rectas pasando por el origen. 3 Sistemas de vectores
Dependencia lineal
Ejemplo 3.10
Los únicos subespacios vectoriales de R3 son: los subespacios triviales y las 4 Bases
rectas y planos pasando por el origen. Definiciones y ejemplos
Coordenadas

Definiciones
Suma directa
Sistemas de vectores Sistemas de vectores
Sistemas de vectores Combinaciones lineales
Definición 3.4
Definición 3.3 Dado el sistema de vectores
Llamaremos sistema de vectores de un espacio vectorial V a una
colección de vectores de V S = {~v1 , ~v2 , . . . , ~vp }
{~v1 , ~v2 , . . . , ~vp } llamaremos combinación lineal de S a cualquier vector de la forma
dados en un cierto orden y en la que no necesariamente son todos distintos. ~u = α1~v1 + α2~v2 + · · · + αp ~vp
con α1 , α2 , . . . , αp ∈ K
Sistemas de vectores Sistemas de vectores Sistemas generadores
Teorema 3.2 (Subespacio generado por un sistema de vectores)

Nota 3.3 Sea S = {~v1 , ~v2 , . . . , ~vp } un sistema de vectores de V , y denotemos por
< S >=< ~v1 , ~v2 , . . . , ~vp >

i) El vector ~0 es combinación lineal de cualquier sistema de vectores
(basta tomar λi = 0 para i = 1, 2, . . . , p ). al conjunto formado por todas las combinaciones lineales que se pueden
ii) Un vector es combinación lineal de cualquier sistema que lo contiene construir con los vectores de S, esto es:
(basta tomar el valor 1 para su coeficiente y 0 para los demás).
< ~v1 , ~v2 , . . . , ~vp >= {α1~v1 + α2~v2 + · · · + αp ~vp / α1 , α2 , . . . αp ∈ K}
Entonces, < ~v1 , ~v2 , . . . , ~vp > es un subespacio vectorial de V.
Además, es el menor subespacio que contiene a todos los vectores de S.

Sistemas de vectores Sistemas generadores Sistemas de vectores Sistemas generadores
< S >=< ~v1 , ~v2 , . . . , ~vp >= Ejercicio 3

Calcular el subespacio generado por la familia de vectores de R3 ,
= {α1~v1 + α2~v2 + · · · + αp ~vp / α1 , α2 , . . . αp ∈ K}
S = {~v1 = (1, 0, 0), ~v2 = (0, 1, 0)}
Definición 3.5 (Subespacio generado por una familia de vectores)
El subespacio vectorial < S > recibe el nombre de subespacio generado
o engendrado por S.
Definición 3.6 (Sistema generador)

Sea H un subespacio vectorial del espacio vectorial V y Nota 3.4
S = {~v1 , ~v2 , . . . , ~vp } un sistema de vectores de H. Se dice que S es un Para comprobar que un sistema S de vectores genera un subespacio H
sistema generador de H si H = hSi. bastará con ver que:
i) S ⊆ H
ii) Todo vector de H se puede escribir como combinación lineal
Ejercicio 4 de los vectores de S
Calcular un sistema generador para los subespacios
1) Si H = V = R3
2) Si H = V = R1 [x]
Generadores en Kn
Ejercicio 5 Nota 3.5

Indica, justificando la respuesta, cuáles de los siguientes sistemas de Sea H un subespacio de Kn .
vectores generan H = {(x, 0, z) | x, z ∈ R} ⊆ V = R3 .
1 S1 = {~v1 = (1, 0, 0), ~v2 = (0, 0, 1), ~v3 = (1, 0, 1)}
S = {~v1 , ~v2 , . . . , ~vm } ⊆ H
2 S2 = {~ ~ 2 = (0, 0, 1), w
w1 = (1, 0, 0), w ~ 3 = (1, 1, 1)}
3 S3 = {~u1 = (1, 0, 0), ~u2 = (0, 0, 5)} es un sistema generador del espacio vectorial H ⇐⇒ ∀ ~v ∈ H el sistema
x1~v1 + x2~v2 + · · · + xp ~vm = →

−
v
es un sistema COMPATIBLE.
Generadores en Kn Sistemas equivalentes

Ejercicio 6
1 Dado V = R3 y su subespacio
Definición 3.7
H = (x, y , z) ∈ R3 | x − 2y = 0 Diremos que dos sistemas, S y S 0 , del espacio vectorial V son

equivalentes cuando el subespacio generado por ambos coincida, es decir,
indica, justificando la respuesta, cuáles de los siguientes sistemas de cuando hSi = hS 0 i
vectores generan H.
a) S1 = {~v1 = (2, 1, 0), ~v2 = (0, 0, 1), ~v3 = (2, 1, 1)}
Ejercicio 7
b) S2 = {~v1 = (2, 1, 0), ~v2 = (0, 0, 1)} De los sistemas estudiados en los ejercicios 5 y 6 , indica cuáles son
sistemas equivalentes.
c) S3 = {~ ~ 2 = (4, 2, 0)}
w1 = (2, 1, 0), w
2 Dado ~v = (2, 4, −2) ∈ H, exprésese como combinación lineal de los

vectores de S1 y S2 .
Sistemas equivalentes
Proposición 3. 1 (Sistemas equivalentes) Ejercicio 8

Considerando, nuevamente, los sistemas del ejercicio 6,
Sea S = {~v1 , ~v2 , . . . , ~vp } un sistema generador de H. Entonces:
S1 = {(2, 1, 0), (0, 0, 1), (2, 1, 1)}
1 ∀ ~v ∈ H : < ~v1 , ~v2 , . . . , ~vp >=< ~v1 , ~v2 , . . . , ~vp , ~v >
S y
Esto es, los sistemas S y S {~v } son equivalentes. S2 = {(2, 1, 0), (0, 0, 1)}
deducir, utilizando la proposición anterior, que son equivalentes.
2 Si algún ~vi ∈ S, es combinación lineal del resto de vectores de S , el
sistema S \ {~vi } también genera H.
Esto es, los sistemas S y S \ {~vi } son equivalentes.
Proposición 3. 2 (Transformaciones elementales en un sistema de

vectores)
Dado un sistema de vectores S = {~v1 , ~v2 , . . . , ~vn }, los siguientes sistemas
son equivalentes a S
( es decir, engendran el mismo subespacio que S):
Ejercicio 9
Dado el sistema de vectores
1 El sistema que se obtiene multiplicando uno de los vectores de S por
S = {~v1 = (1, 2, 3), ~v2 = (1, 3, 3), ~v3 = (1, 1, 1)} y aplicando la proposición
un escalar no nulo, S1 = {~v1 , ~v2 , . . . , α~vi , . . . , ~vn } con α 6= 0
anterior constrúyase un sistema equivalente escalonado.
2 El sistema que se obtiene intercambiando las posiciones de dos
vectores cualesquiera de S, S2 = {~v1 , ~v2 , . . . , ~vj , . . . , ~vi , . . . , ~vn } , j > i
3 El sistema que se obtiene sumándole a un vector de S cualquier otro

multiplicado por un escalar,
S3 = {~v1 , ~v2 , . . . , ~vi + α~vj , . . . , ~vj , . . . , ~vn }
Sistemas de vectores Dependencia lineal Sistemas de vectores Dependencia lineal
Sistemas ligados y libres

Por la definición: S = {~v1 , ~v2 , . . . , ~vp } ligado si y solo si
Definición 3.8 (Vectores linealmente dependientes. Sistemas ligados) ~vi = c1~v1 + c2~v2 + · · · + ci−1~vi−1 + ci+1~vi+1 + · · · + cn~vp (1)
Un sistema de vectores
Teorema 3.3 (Caracterización equivalente de un sistema ligado)
S = {~v1 , ~v2 , . . . , ~vp }
S = {~v1 , ~v2 , . . . , ~vp } es un sistema ligado si y sólo si el vector ~0 se puede
diremos que es ligado, o también que los vectores de S son linealmente expresar como combinación lineal de S con no todos los escalares que
dependientes, si uno de ellos es combinación de los demás. intervienen nulos.
Esto es, si y sólo si existen escalares λ1 , λ2 , ..., λp ∈ K, no todos nulos ,
Esto es, si existe i ∈ {1, 2, ..., p} y c1 , c2 , ...ci−1 , ci+1 , ..., cp tal que: tales que:
→
−
0 = λ1~v1 + λ2~v2 + · · · + λp ~vp (2)
~vi = c1~v1 + c2~v2 + · · · + ci−1~vi−1 + ci+1~vi+1 + · · · + cn~vp (1)
Definición 3.9 (Vectores linealmente independientes. Sistemas libres)

¿Existen escalares λ1 , λ2 , ..., λp ∈ K, no todos nulos , tales que:
→
−
0 = λ1~v1 + λ2~v2 + · · · + λp ~vp ? Si el sistema no es ligado diremos que es libre y que sus vectores son
linealmente independientes
Ejercicio 10
Indica, justificando la respuesta, si los siguientes sistemas son ligados y, en Teorema 3.4 (Caracterización equivalente de un sistema libre)
caso de serlo, encuentra una relación de dependencia entre sus vectores.
Es decir, S = {~v1 , ~v2 , . . . , ~vp } es un sistema libre si de cada combinación
Obsérvese la diferencia entre los casos 1 y 2.
lineal del tipo
1 S1 = {~v1 = (1, 0, 1), ~v2 = (1, 1, 1), ~v3 = (1, −1, 1)} ⊂ R3 →
−
0 = λ1~v1 + λ2~v2 + · · · + λp ~vp
2 S2 = {~v1 = (1, 0, 1), ~v2 = (1, 1, 1), ~v3 = (2, 0, 2)} ⊂ R3 se deduce que: λ1 = λ2 = · · · = λp = 0
3 S3 = {~v1 = (1, 0, 0), ~v2 = (1, 1, 0), ~v3 = (1, 1, 1)} ⊂ R3 Esto es equivalente a decir que la única combinación lineal de los vectores
de S con la que se obtiene el vector nulo es aquélla en la que todos los
escalares son 0.
Nota 3.6 (Sistemas libres en Kn )

¿Existen escalares λ1 , λ2 , ..., λp ∈ K, no todos nulos , tales que:
→
− En el espacio vectorial Kn , dado un sistema de vectores
0 = λ1~v1 + λ2~v2 + · · · + λp ~vp ?
S = {~v1 , ~v2 , . . . , ~vp } se verifica que:
1 S es un sistema ligado ⇐⇒ el sistema homogéneo
Ejercicio 11
Indı́quese, justificando la respuesta, si los siguientes sistemas de vectores →
−
λ1~v1 + λ2~v2 + · · · + λp ~vp = 0
son ligados:

1 1

0 1

1 0
es compatible e INDETERMINADO ⇐⇒ la matriz cuyas columnas (o
a) S1 = M1 = , M2 = , M3 = ⊂ cuyas filas ) son los vectores del sistema, tiene rango menor que p.
0 1 1 −1 1 3
M2 (R)
2 S es un sistema libre ⇐⇒ el sistema homogéneo
b) S2 = p1 (x) = x 2 − x + 1, p2 (x) = x − 1, p3 (x) = 1

⊂ R2 [x] →
−
λ1~v1 + λ2~v2 + · · · + λp ~vp = 0
c) S3 = {~v1 = (1, 1, 1, 1), ~v2 = (1, 1, 0, 1), ~v3 = (0, 1, 1, 1)} ⊂ R4
es compatible y DETERMINADO ⇐⇒ la matriz cuyas columnas (o
filas ) son los vectores del sistema, tiene rango exactamente p.
Propiedades 3.2
Sea V un K−espacio vectorial, y sea S = {~v1 , ~v2 , . . . , ~vp } un sistema de
Ejercicio 12 vectores de V, entonces se cumple:
1 Si ~
0 ∈ S entonces el sistema es ligado.
Utilizando la nota anterior indı́quense si el sistema
S3 = ~v1 = (1, 1, 1, 1), ~v2 = (1, 1, 0, 1), ~v3 = (0, 1, 1, 1) del ejercicio anterior 2 Si S = {~v1 }, S es libre ⇐⇒ ~v1 6= ~0.
es libre. 3 Si S = {~v1 , ~v2 } y ~v1 6= ~0, S es ligado si y sólo si ∃ α ∈ K tal que
~v2 = α~v1
4 Si S contiene dos vectores iguales o que sólo difieren en una
constante multiplicativa, el sistema es ligado.
Propiedades 3.2 Teorema fundamental de la independencia

5 Sea T = {~v1 , ~v2 , . . . , ~vp , ~vp+1 , ..., ~vp+r } un sistema de vectores tal que
S ⊆ T , entonces
i) Si S es un sistema ligado, T también es ligado. Teorema 3.5 (Teorema fundamental de la independencia)
Es decir, si a un sistema ligado se le añaden vectores, el sistema
resultante sigue siendo ligado. Si B = {~v1 , ~v2 , . . . ~vm } es un sistema generador de V y S = {~u1 , ~u2 , . . . ~up }
ii) Si T es un sistema libre, entonces S también lo es.
es un sistema libre de V , entonces p ≤ m.
Es decir, si a un sistema libre se le quitan vectores, el sistema
resultante sigue siendo libre.
Esto es, si un espacio vectorial puede engendrarse con m vectores todo
sistema libre tiene a lo sumo m vectores.
Ejercicio 13
Utilizando las propiedades 1, 2 y 3 de la transparencia anterior indı́quese Ejercicio 14
cuáles de los siguientes sistemas de vectores de R3 son libres? ¿Es posible encontrar en R3 un sistema libre con cuatro vectores?. ¿ Y un
a) {(1, 0, 2)} sistema generador de todo R3 con dos vectores?
b) {(0, 1, 0), (0, 0, 0)}
c) {(1, 0, 2), (1, 1, 2)}
Bases Bases Definiciones y ejemplos
Contenido Bases
Definición 3.10 (Base)

Sea H un subespacio vectorial de V .
Diremos que un sistema de vectores de H es una base de H si es sistema
3 Sistemas de vectores generador de H y es libre.
Dependencia lineal
Ejercicio 15
4 Bases
Dado el conjunto H = (x, y , z) ∈ R3 / x − 2y = 0 demuéstrese que el

Coordenadas sistema de vectores

Definiciones B = {(2, 1, 0), (0, 0, 1)} es una base de H mientras que el sistema
Suma directa B 0 = {(2, 1, 0), (0, 0, 1), (2, 1, 1)} no lo es.
(Utilı́cense los apartados 2) y 3) del ejercicio 6 )
Bases Definiciones y ejemplos Bases Definiciones y ejemplos
Espacios de dimensión finita
Definición 3.11 Definición 3.12

n o
Sea V un K-espacio vectorial. Si existe una base B
n=o {~v1 , ~v2 , . . . ~vn } de V Si V 6= ~0 es un espacio vectorial de dimensión finita llamaremos
formada por un número finito de vectores o V = ~0 diremos que V es dimensión de V al número de vectores de cualquiera de sus bases, y lo
n o denotaremos dimK V o dim V (si está claro cuál es el cuerpo de escalares).
un espacio de dimensión finita. Si V 6= ~0 no posee base finita diremos
que es de dimensión infinita.
n o
Si V = ~0 diremos que dim V = 0.
Teorema 3.6
n o
Todas las bases de un espacio vectorial V 6= ~0 de dimensión finita
tienen el mismo número de elementos.
Bases canónicas en K-espacios vectoriales habituales Dimensión de subespacios

1 En Kn , se conoce como base canónica al sistema
Teorema 3.7
C = {(1, 0, 0, ..., 0, 0), (0, 1, 0, ..., 0, 0), . . . , (0, 0, 0, ..., 0, 1)}
| {z } | {z } | {z } Sea V un K-espacio vectorial de dimensión n, si U es un subespacio
~e1 ~e2 ~en vectorial de V entonces U también es un espacio vectorial de dimensión
2 En Kn [x], se conoce como base canónica al sistema finita y dim U ≤ dim V = n.
1, x, x 2 , · · · , x n

Además, dimU = dimV ⇐⇒ U = V .
3 En Mm×n (K), se conoce como base canónica al sistema Definición 3.13 (Rango de un sistema de vectores)
Se llama rango de un sistema de vectores, S = {~u1 , ~u2 , . . . ~um }, a la
{Eij | i = 1, ..., m; j = 1, ..., n} dimensión del subespacio generado por dicho sistema, es decir
siendo Eij la matriz que tiene un 1 en la posición ij y 0 en las
restantes. rg (S) = dim(< S >)
En consecuencia
dim(Kn ) = n, dim(Kn [x]) = n + 1, dim(Mm×n (K)) = m × n.
Subespacios en el plano y el espacio Proposición 3. 3 (Dimensión-no de generadores-no de vectores

independientes)
Dado un sistema de vectores S = {~v1 , ~v2 , . . . ~vp } de un espacio vectorial V
de dimensión n. Se verifica:
Nota 3.7
1 Si S es un sistema generador de V, entonces p ≥ n
1 Los únicos subespacios vectoriales de son: los subespacios {~0} ,
R2 Es decir, n es el número mı́nimo de vectores que debe tener un
2
R y las rectas pasando por el origen que tienen dimensión 1. sistema generador de V.
2 Los únicos subespacios vectoriales de R3 son: los subespacios {~0}, R3 2 Si S es libre, entonces p ≤ n.
y las rectas pasando por el origen que tienen dimensión 1 y los planos
Es decir, n es el número máximo de vectores que puede tener un
pasando que tienen dimensión 2.
sistema libre de V.
3 Si p = n, esto es, si S tiene exactamente n vectores, entonces:

S es libre ⇐⇒ S es sistema generador de V ⇐⇒ S es base de V.
Teorema 3.8 ( Construcción de bases a partir de sistemas generadores)

Ejercicio 16
Resuélvase, utilizando la proposición anterior, el ejercicio 6. Si V es un espacio vectorial no nulo de dimensión n, entonces, de cada
sistema generador de V se puede extraer una base.
Teorema 3.9 (Teorema de la base incompleta)

RECORDAR:Nota: 3.6 Sistemas libres en Kn
( Construcción de bases a partir de sistemas libres)
Sea V un espacio vectorial de dimensión n y S = {~v1 , ~v2 , . . . ~vp } un
En el espacio vectorial Kn , dado un sistema de vectores sistema libre de V , entonces
S = {~v1 , ~v2 , . . . , ~vp } se verifica que: 1 p ≤ n.
1 S es un sistema ligado ⇐⇒ la matriz cuyas columnas (o cuyas filas ) 2 Si p < n, existen ~u1 , . . . , ~un−p vectores de V tales que el sistema de
son los vectores del sistema, tiene rango menor que p. vectores
2 S es un sistema libre ⇐⇒ la matriz cuyas columnas (o filas ) son los {~v1 , ~v2 , . . . ~vp , ~u1 , . . . , ~un−p }
vectores del sistema, tiene rango exactamente p. es una base de V .
Ejercicio 17
Constrúyase una base de R3 a partir del sistema generador Ejercicio 18
S1 = {(1, 0, 0), (1, 1, 0), (1, −1, 0), (1, 1, 1)} Si V = R3 el sistema S = {(1, 1, 1), (3, 2, 0), } ¿es libre?. En caso de serlo,
completar a una base de R3 .
Bases Coordenadas Bases Coordenadas
Coordenadas de un vector respecto a una base
Ejercicio 19
Teorema 3.10 (de la representación única) Calcúlense las coordenadas de los vectores:
Sea B = {~v1 , ~v2 , . . . ~vn } una base del espacio V , entonces, para cada 1 ~v = (2, 3, 5, 55) ∈ R4 respecto de la base canónica de R4 .
~u ∈ V existe un único conjunto de escalares x1 , x2 , . . . , xn tales que
x1~v1 + x2~v2 + · · · + xn~vn = ~u 2 p(x) = 1 − 4x 2 ∈ R3 [x] respecto de la base canónica de R3 [x].
x1 , x2 , ..., xn son las coordenadas de ~u en la base B y lo indicaremos

11 0
3 M= ∈ M2×2 (R) respecto de la base canónica de
1 2
~u = (x1 , x2 , ..., xn )B = XBt
M2×2 (R).
Fijada una base B de V el vector ~u puede, por tanto, representarse por los
escalares que aparecen en la combinación lineal anterior.
Nota 3.8 (Coordenadas y operaciones con vectores)
Ejercicio 20 Fijada una base B de V, podremos trabajar en él como en el
correspondiente Kn ( identificando cada ~u ∈ V con el vector de sus

a) Dada una base de R3 , B = {~v1 , ~v2 , ~v3 } cualquiera, calcúlense:
coordenadas (x1 , x2 , ..., xn ) ∈ Kn ).
1 Las coordenadas de los vectores ~v1 , ~v2 , ~v3 respecto de la base B.
→
−
2 Las coordenadas del vector ~v = 0 = (0, 0, 0) respecto de la base ~u ≡ (x1 , x2 , ..., xn )B
B.
Sea B = {~v1 , ~v2 , . . . ~vn } una base del espacio V , entonces, dados dos
b) Dada la base de R2 , B = {~v1 = (1, 1), ~v2 = (1, −1)}, calcúlense las vectores ~u = (x1 , x2 , ..., xn )B y ~v = (y1 , y2 , ..., yn )B cualesquiera de V se
coordenadas de los vectores ~v = (5, 1) y ~v2 = (1, −1) respecto de la verifica:
base B.
1 ~u + ~v = (x1 + y1 , x2 + y2 , ..., xn + yn )B
2 k ~u = (kx1 , kx2 , ..., kxn )B ∀ k ∈ K
Trabajando con coordenadas
Fijemos una base B de V . Sea S = {~u1 , ~u2 , . . . , ~um } un sistema de Proposición 3. 4 (Caracterización de sistemas libres)
vectores de coordenadas :
En las condiciones anteriores:
~u1 = (x11 , x12 , . . . , x1n )B 
x11 x12 ... x1n
 1 S es libre si y sólo si rg (A) = m.
~u2 = (x21 , x22 , . . . , x2n )B  x21 x22 ... x2n  2 S es libre si y sólo si cualquier matriz escalonada, equivalente por
.. y sea A =  ...

. ... ... ...  filas a A, no contiene filas nulas.
~um = (xm1 , xm2 , . . . , xmn )B xm1 xm2 ... xmn
la matriz cuyas filas son las coordenadas de dichos vectores. Entonces:
Operaciones elementales con coordenadas. Sistemas

equivalentes a uno dado
Ejercicio 21
Fijemos una base B de V . Sea S = {~u1 , ~u2 , . . . , ~um } un sistema de
Indı́quese si el sistema vectores de coordenadas :

1 2 0 3 0 0 ~u1 = (x11 , x12 , . . . , x1n )B  
S = A1 = , A2 = , A3 = x11 x12 ... x1n
3 4 2 1 0 7 ~u2 = (x21 , x22 , . . . , x2n )B  x21 x22 ... x2n 
.. y sea A =  ...

es un sistema libre del R− espacio vectorial M2×2 (R). . ... ... ... 
~um = (xm1 , xm2 , . . . , xmn )B xm1 xm2 ... xmn
la matriz cuyas filas son las coordenadas de dichos vectores. Entonces, las
transformaciones elementales en el sistema S, equivalen a operaciones
elementales fila en la matriz A.
Operaciones elementales en un sistema de vectores Proposición 3.8

Proposición 3. 5 2) Todo sistema de vectores es equivalente a un sistema libre escalonado.
→
−
u 1 −→  x11 x12 
... x1n
1) Las filas de cualquier matriz equivalente por filas a A, son las →
−
u 2 −→  x21 x22 ... x2n  Operaciones elementales
coordenadas de un sistema de vectores equivalente a S ..   −→
. ···  ... ... ... ... 
→
− →
−
u m −→ xm1 xm2 ... xmn
u 1 −→  x11 x12 . . . x1n 
→
−
u 2 −→  x21 x22 . . . x2n  operaciones elementales →
−
.. −→ →→−
w 1 6= 0
 
y11 y12 · · · ··· ··· y1n
 
. ···  ... ... ... ...  tipo 1),2),3) →
−
→
− 0 y22 · · · ··· ··· y2n →→−
w 2 6= 0
u m −→ xm1 xm2 . . . xmn  
..
 
 .. .. .. .. 
 →→ − →
− . . . . .
u 01 6= 0
 

y11 y12 · · · y1n Operaciones elementales   →
− →
−
→
− −→ 0 ··· 0 yrr ··· yrn → w r 6= 0
→→ −
 
y21 y22 · · · y2n  u 02 6= 0 
0 0 ··· ··· ··· 0
 →
−
=⇒< S >=< ~u10 , ..., ~um
0

−→  > 0
 
··· ··· ··· ··· 
 .. 
.. .. .. .. .. ..

. ..
  
ym1 ym2 · · · ymn →
−0 →
−  . . . . . .  .
| {z } → u m 6= 0 0 0 ··· ··· ··· 0 →
−
0
matriz equivalente B | {z }
matriz escalonada B
Sistema libre escalonado equivalente a uno dado

Resumen: Obsérvese que :

~1
w 
 Ejercicio 22 (Cálculo del rango de un sistema y de una base a partir
 ~2
w


  de un generador)
~u1 .. ~1 
w


 
~u2


 . 

 ~2 
w


transformaciones elementales
.. −→ ~r
w −→ ..
. 
 tipo 1),2),3) ~0  prop 3.1)) . 
 Calcúlese el rango del sistema de vectores
S = p1 (x) = 1 + x + x 2 , p2 (x) = 1 + x 2 , p3 (x) = 3 + 2x + 3x 2 de
  
~um ~r
w
  
.. 

. 


 R2 [x] y obténgase una base de < S >.
~0 
→
− →
− prop31 Propuesto, no hecho.
=⇒< S >=< w ~ 1 , ..., w
~ r , 0 , ..., 0 > = < w ~ 1 , ..., w
~r >
Obsérvese que :
~ 1 , ..., w
rg (S) = dim(< S >) = dim(< w ~ r >) = r = rg (A)
Ejercicio 23 ( Construcción de bases a partir de sistemas generadores)

Ejercicio 24 (Bases a partir de sistemas libres. Teorema de la base
incompleta)
Dado el sistema de vectores
S = {(1, 3, 4, 1), (2, 5, 7, 2), (0, −1, 1, 0), (3, 2, 17, 3)} En V = R5 compruébese que el sistema
S = {(1, 1, 1, 0, 0), (1, 1, 3, 2, 1), (1, −2, 1, 1, −1)} es libre y complétese
hallar una base de < S > escalonando la matriz cuyas filas son las
hasta formar una base de R5 .
coordenadas de los vectores de S.
Propuesto, no hecho.
Descripción de un subespacio vectorial de Kn .

Generadores y bases
3) Dando unas ecuaciones paramétricas con r = dim(H) parámetros
Sean V un espacio vectorial de dimensión n, B = {~v1 , ~v2 , . . . , ~vn } una base independientes , α1 , α2 , ..., αr , que deben satisfacer las coordenadas
de V y H un subespacio de V con dim(H) = r . (respecto de B ) de los vectores de H
Para que H quede completamente determinado podemos describirlo de ~v ∈ H ⇐⇒ ~v = (x1 , x2 , ..., xn )B ∈ V verificando
cuatro formas equivalentes: 

 x1 = α1 a11 +α2 a12 + · · · + αr a1r
 x2 = α1 a21 +α2 a22 + · · · + αr a2r

1) Dando un sistema generador de H .. .. .. .. .. .. ..


 . . . . . . .
~ 1, w
H =< w ~ 2, . . . , w
~m > xn = α1 an1 +α2 an2 + · · · + αr anr

2) Dando una base de H
H =< ~u1 , ~u2 , . . . , ~ur >
Descripción de un subespacio vectorial de Kn .

Bases ←→ Ecuaciones Paramétricas


 x1 = α1 a11 +α2 a12 + · · · + αr a1r
 x2 = α1 a21 +α2 a22 + · · · + αr a2r

.. .. .. .. .. .. ..


 . . . . . . . Ejercicio 25
xn = α1 an1 +α2 an2 + · · · + αr anr

Encontrar una base y unas ecuaciones paramétricas, respectivamente, para
siendo el sistema de vectores los subespacios de R3
~u1 = (a11 , a21 , . . . , an1 )B

1 U = {(x1 , x2 , x3 ) | x1 = 2α + 2β, x2 = α + β, x3 = α − β}
~u2 = (a12 , a22 , . . . , an2 )B 2 H =< (1, 0, 1), (2, 1, 1) >
············
~ur = (a1r , a2r , . . . , anr )B
Importante
una base de H.
Las ecuaciones paramétricas de un subespacio no son únicas.
Ecuaciones implı́citas de un subespacio vectorial de Kn .
Dando un sistema de p = n − dim(H) ecuaciones lineales independientes

homogéneo, con n = dim(V ) incógnitas, cuyo conjunto de soluciones son
los vectores de Kn coordenadas (respecto de B ) de los vectores de H. Ejercicio 26
~v = (x1 , x2 , ..., xn )B ∈ V ⇐⇒ se verifica: En el espacio vectorial R4 calcúlense unas ecuaciones paramétricas y una
 base para el subespacio H = {(x, y , z, t) | x + y − z = 0, x − z + t = 0}
 b11 x1 + b12 x2 + · · · + b1n xn = 0

..
 .
bp1 x1 + bp2 x2 + · · · + bpn xn = 0

Trabajaremos siempre con ecuaciones independientes.

Tales sistemas se dicen ecuaciones implı́citas o cartesianas de H.
Ecuaciones implı́citas ←→ ecuaciones paramétricas Importante
Importante
Las ecuaciones implı́citas dan las condiciones necesarias y suficientes
Siempre se verifica:
que tienen que cumplir las coordenadas de un vector respecto de la
base B considerada, para que dicho vector pertenezca al subespacio
H. n = dim(V ) = p + dim(H)
Las soluciones en forma paramétrica de un sistema de ecuaciones q q q
implı́citas de H son unas ecuaciones paramétricas para H. no de ec. implı́citas no parámetros
no de incógnitas
independientes independientes
Al dar las ecuaciones implı́citas de un subespacio es imprescindible
indicar la base a la que van referidas
Las ecuaciones implı́citas de un subespacio (referidas a un base dada)
no son únicas.
Ejercicio 27
Nota 3.9
En el espacio vectorial R3 se pide calcular
En este curso nos referiremos siempre a las ecuaciones implı́citas como un
1 Unas ecuaciones paramétricas para el subespacio sistema de ecuaciones independientes.
H = {(x, y , z) | x + y = 0} Asimismo, en este curso nos referiremos siempre a las ecuaciones
2 Unas ecuaciones implı́citas para paramétricas como ecuaciones con r = dim(H) parámetros independientes.
U = {(x1 , x2 , x3 ) | x1 = α + β, x2 = α − β, x3 = α + 2β}
Descripción de un subespacio vectorial de Rn Método práctico
Ejercicio 28
(1) (2) (3)
Sistema Ecuaciones Ecuaciones Realizar todos los pasos anteriores para pasar de una descripción a otra del
Base
generador
(6) (5)
paramétricas
(4)
implı́citas subespacio de R4 :
U = h(1, 0, 0, 1), (1, 1, 0, 1), (1, 1, 0, 0)(3, 2, 0, 2)i
Al dar las ecuaciones implı́citas de un subespacio es Cambio de base

imprescindible indicar la base a la que van referidas
Sea V K-espacio vectorial, dim V = n y sean
B = {~u1 , ~u2 , . . . , ~un } , y B 0 = {~ ~ n}

~ 2, . . . , w
w1 , w
dos bases de V .
Ejercicio 29
Dada la base B = {~v1 = (1, 1, 1), ~v2 = (0, 1, 1), ~v3 = (0, 0, 1)} de R3 , Vamos a establecer la relación existente entre las coordenadas de un
calcular unas ecuaciones implı́citas referidas a la base canónica C y unas mismo vector en las dos bases.
ecuaciones implı́citas referidas a la base B para el subespacio:
~v = x1~u1 + x2~u2 + · · · xn~un = x10 w
~ 1 + x20 w
~ 2 + · · · + x 0n w
~n
~ = (1, 2, 3) >
H =< w
x10
   
x1
x2 ? x20
←→ 
   
  
 ..  .. 
 .  . 
xn xn0
Cambio de base en espacios vectoriales
~v = x1~u1 + x2~u2 + · · · xn~un = x10 w

~ 1 + x20 w
~ 2 + · · · + x 0n w
~ n (2) entonces, sustituyendo en (2) las expresiones de {~ ~ n } en función de
w1 , ..., w
la base B, resulta
x10
   
x1
~v = x1~u1 + x2~u2 + · · · xn~un = x10 w
~ 1 + x20 w
~ 2 + · · · xn0 w
~n =
x2 ? x20
←→
   
= x10 (p11~u1 + p21~u2 + · · · pn1~un ) + x20 (p12~u1 + p22~u2 + · · · pn2~un ) + · · ·
   
 ..   .. 
 .   . 
xn xn0 · · · + xn0 (p1n~u1 + p2n~u2 + · · · pnn~un ) =
= (x10 p11 +x20 p12 +· · ·+xn0 p1n )~u1 +· · ·+(x10 p21 +x20 p22 +· · ·+xn0 p2n )~u2 +· · ·
Se conocen las coordenadas de B 0 respecto de la base B,
 · · · + (x10 pn1 + x20 pn2 + · · · + xn0 pnn )~un
~ 1 = p11~u1 + p21~u2 + · · · pn1~un 
w 
~ 2 = p12~u1 + p22~u2 + · · · pn2~un 
w

..
. 


~ n = p1n~u1 + p2n~u2 + · · · pnn~un
w

Relación matricial entre las coordenadas de un vector en

dos bases distintas
~v = x1~u1 + x2~u2 + · · · xn~un =
= (x10 p11 + x20 p12 + · · · + xn0 p1n )~u1 + · · · +
+ · · · +(x10 p21 + x20 p22 + · · · + xn0 p2n )~u2 + · · · x10
    
x1 p11 p12 · · · p1n
 x2   p21 p22 · · · p2n  x20 
=  (abreviadamente X = PX 0 )
    
.. .. .. .. ..
+ · · · +(x10 pn1 + x20 pn2 + · · · + xn0 pnn )~un
 
 .   . . .  . 
xn pn1 pn2 · · · pnn xn0
Igualando coeficientes, como las coordenadas de un vector en una base son | {z } | {z }
X X0
únicas:
x1 = x10 p11 + x20 p12 + ··· + xn0 p1n
x2 = x10 p21 + x20 p22 + ··· + xn0 p2n A la matriz  
.. .. .. p11 p12 · · · p1n
. . .  p21 p22 · · · p2n 
x10 pn1 x20 pn2 xn0 pnn P=
 
xn = + + ··· + .. .. .. 
 . . . 
que matricialmente se escribe: pn1 pn2 · · · pnn
la llamaremos matriz del cambio de la base B a la base B 0 .
Cálculo de la matriz de cambio de base

Obsérvese que en las columnas de P están las coordenadas de los vectores
de la base (nueva) B 0 respecto de la base B (antigua), esto es :
Ejercicio 30
(w1 )B (w2 )B · · · (wn )B
En el espacio R3 se consideran las bases
↓ ↓ ··· ↓

p11 p12 ··· p1n
 B = {~u1 , ~u2 , ~u3 } y B 0 = {~ ~ 3}
~ 2, w
w1 , w
P=
 p21 p22 ··· p2n 

 .. .. .. ..

 tales que 
 . . . .  ~ 1 = ~u1 − 2~u2 + ~u3
 w
pn1 pn2 ··· pnn ~ 2 = −2~u1 + 2~u2
w
~3 =
w 2~u1

El rango de P será, por tanto, n con lo cual la matriz será inversible. Calcular las coordenadas del vector ~u = (1, 2, −2)B en la base B 0 y las
Como X 0 = P −1 X , P −1 será la matriz de paso de la base B 0 a la base B. coordenadas del vector ~v = (1, 0, −1)B0 en la base B.
3.11 de la colección
Ejercicio 31
Calcular la matriz de cambio de base de la base Ejercicio 32
En el espacio vectorial R2 [x] de los polinomios de grado menor o igual
B = {~u1 = (1, 1, 1), ~u2 = (1, 1, 0), ~u3 = (1, 0, 0)} que dos, se considera el polinomio
de R3 a la base f (x) = x 2 − 2x + 1
B 0 = {~ ~ 2 = (0, 1, 1), w
w1 = (1, 1, 1), w ~ 3 = (0, 0, 1)}
y las coordenadas del vector ~v = (1, 0, −1)B0 en la base B. a) Demostrar que los polinomios f (x) , f 0 (x) y f 00 (x) forman una base.
b) Calcular las coordenadas del vector g (x) = x 2 + 2x − 1 , respecto de
la base B = {f (x), f 0 (x), f 00 (x)} .
Suma e intersección de subespacios Suma e intersección de subespacios Definiciones
Contenido Suma e intersección de subespacios
2 Subespacios vectoriales Definición 3.14 (Conjuntos suma e intersección de subespacios)

3 Sistemas de vectores Dados V un K-espacio vectorial, y dos subespacios vectoriales suyos U1 y
Sistemas generadores U2 , llamaremos intersección de U1 y U2 al conjunto
Dependencia lineal
U1 ∩ U2 = {~v ∈ V / ~v ∈ U1 y ~v ∈ U2 }
4 Bases
Llamaremos suma de U1 y U2 al conjunto
Coordenadas
5 Suma e intersección de subespacios U1 + U2 = {~v ∈ V / ~v = ~v1 + ~v2 con ~v1 ∈ U1 y ~v2 ∈ U2 }

Definiciones
Suma directa
Suma e intersección de subespacios Definiciones Suma e intersección de subespacios Definiciones
Teorema 3.12 (Subespacios suma e intersección)

Observación: El conjunto unión de dos subespacios, esto es
Dados V un K-espacio vectorial, y dos subespacios vectoriales suyos U1 y
U2 , entonces:
U1 ∪ U2 = {~v ∈ V / ~v ∈ U1 o ~v ∈ U2 }
1 U1 ∩ U2 es un subespacio vectorial de V. no es, en general, subespacio vectorial de V.
Además, U1 ∩ U2 ⊆ U1 y U1 ∩ U2 ⊆ U2 , siendo el mayor subespacio Por ejemplo, dados los subespacios

contenido en ambos subespacios simultáneamente.
(x, y , z) ∈ R3 / x = z , (x, y , z) ∈ R3 / x = y

2 U1 + U2 es un subespacio vectorial de V.
los vectores (1, 0, 1) y (1, 1, 0) están en la unión y sin embargo
(1, 0, 1) + (1, 1, 0) = (2, 1, 1) no está en la unión.
Además, U1 ⊆ U1 + U2 y U2 ⊆ U1 + U2 , siendo el menor subespacio
que contiene a ambos subespacios simultáneamente.
Teorema 3.13 (Generadores del subespacio suma)

Ejercicio 33 Sea V un K-espacio vectorial, y U1 y U2 dos subespacios vectoriales suyos,
R3 si S1 un sistema
S generador de U1 y S2 un sistema generador de U2 ,

Dadoslos subespacios U1 = (x, y , z) ∈ |z =y y
U2 = (x, y , z) ∈ R3 |z = 0 se pide: entonces S1 S2 es un sistema generador de U1 + U2 .
1 Calcular el subespacio U1 ∩ U2
Ejercicio 34
2 Calcular el subespacio U1 + U2
Dados los subespacios U1 =< (1, 0, 1, 1), (0, 0, 1, 0) > y
3 Probar que el conjunto U1 ∪ U2 no es un subespacio vectorial de R3 .
U2 = (1, −1, 0, 0), (1, 2, 1, 2), (1, 2, 2, 1), calcúlese una base para U1 + U2
(Ver ejercicio siguiente)
Ejercicio 35
Calcular una base para la suma y una base para la intersección de los
subespacios del ejercicio anterior.
Teorema 3.14 (Teorema de las dimensiones o Fórmula de Grassmann) Solución:
Denotamos ~u1 = (1, 0, 1, 1), ~u2 = (0, 0, 1, 0) a los vectores de la base de
Sea V un K-espacio vectorial, y sean U1 y U2 dos subespacios vectoriales
U1 y por w~ 1 = (1, −1, 0, 0), w
~ 2 = (1, 2, 1, 2), w
~ 3 = (1, 2, 2, 1) a los vectores
suyos, entonces:
de la base de U2 .
dim(U1 + U2 ) = dim(U1 ) + dim(U2 ) − dim(U1 ∩ U2 ) Sabemos por el teorema anterior que:
{~u1 , ~u2 , w
~ 1, w ~ 3}
~ 2, w
generan U1 + U2 . Para encontrar una base de la suma, buscaremos un

sistema escalonado y libre equivalente al anterior. Iremos anotando las
operaciones elementales realizadas para, de las relaciones de dependencia
obtenidas, al final deducir una base de U1 ∩ U2
   
~u1 → 1 0 1 1 ~u1 → 1 0 1 1
~u2 →  0 0 1 0  ~u2 →  0 0 1 0 
 ∼  
~u1 →
  
w~1 →  1 −1 0 0 − → ~
w 1 − ~u1 →  0 −1 −1 −1  −−→ 1 0 1 1
~ 1 − ~u1 → 0 −1 −1 −1
   
w~2 →  1 2 1 2  ~ 2 − ~u1 →  0
w 2 0 1  w  
∼   ∼
w~3 → 1 2 2 1 ~ 3 − ~u1 →
w 0 2 1 0 −−→ ~u2 → 
 0 0 1 0  −−→

  ~ 2 + 2~
w w1 − 3~u1 →  0 0 −2 −1 
~u1 → 1 0 1 1 ~ 3 + 2~
w w1 − 3~u1 → 0 0 −1 −2
~ 1 − ~u1 → 
w  0 −1 −1 −1  ∼
  
~ 2 − ~u1 →  0 ~u1 → 1 0 1 1
w 2 0 1  −−→

~ 3 − ~u1 →
w  0 2 1 0  ~ 1 − ~u1 →
w 
 0 −1 −1 −1 
 ∼
~u2 → 0 0 1 0 ~u2 → 
 0 0 1 0  −−→

  ~ 2 + 2~
w w1 − 3~u1 + 2~u2 →  0 0 0 −1 
~u1 → 1 0 1 1 ~ 3 + 2~
w w1 − 3~u1 + ~u2 → 0 0 0 −2
~ 1 − ~u1 →
w  0 −1 −1 −1 
 
~ 2 − ~u1 + 2(~
w w1 − ~u1 ) →   0 0 −2 −1  
~ 3 − ~u1 + 2(~
w w1 − ~u1 ) →  0 0 −1 −2 
~u2 → 0 0 1 0
Una base para U1 + U2 , será:
{~u1 , w
~ 1 − ~u1 , ~u2 , w w1 − 3~u1 + 2~u2 }
~ 2 + 2~
~u1 →
 1 0 1 1

~ 1 − ~u1 →
w 0 −1 −1 −1
esto es
~u2 →

 0 0 1 0

 (1, 0, 1, 1), (0, −1, −1, −1), (0, 0, 1, 0), (0, 0, 0, −1)
~ 2 + 2~
w w1 − 3~u1 + 2~u2 → 0 0 0 −1
~ 3 + 2~
w w1 − 3~u1 + ~u2 − 2(~ w1 − 3~u1 + 2~u2 ) →
w2 + 2~ 0 0 0 0 La última fila de la matriz es la fila nula, lo que nos proporciona una
  relación de dependencia entre los vectores del sistema generador.
~u1 → 1 0 1 1
~ 1 − ~u1 →
w  0 −1 −1 −1


 ~ 3 − 2~
w w1 + 3~u1 − 3~u2 = ~0
w2 − 2~
~u2 →  0
 0 1 0 

~ 2 + 2~
w w1 − 3~u1 + 2~u2 →  0 0 0 −1  Sabemos que dim (U1 ) = 2, dim (U2 ) = 3 y dim (U1 + U2 ) = 4
~ 3 − 2~
w w2 − 2~w1 + 3~u1 − 3~u2 → 0 0 0 0 Por la fórmula de Grassmann
dim(U1 + U2 ) = dim(U1 ) + dim(U2 ) − dim(U1 ∩ U2 )

| {z } | {z } | {z }
4 2 3
luego dim (U1 ∩ U2 ) = 1.

Suma e intersección de subespacios Definiciones Suma e intersección de subespacios Suma directa
Suma directa
~ 6= ~0 tal que
Luego una base de la intersección será cualquier vector w
~ ∈ U1 y w
w ~ ∈ U2 .
Para construirlo utilizamos la relación de dependencia obtenida:
Definición 3.15 (Suma directa de subespacios)
~ 3 − 2~
w w1 + 3~u1 − 3~u2 = ~0
w2 − 2~ Sea V un K-espacio vectorial, y sean U1 y U2 dos subespacios vectoriales
suyos, diremos que la suma es directa y lo denotaremos por U1 ⊕ U2 ,
Pasando al segundo miembro todos los vectores de alguno de los cuando cada vector de la suma se puede expresar de forma única en suma
subespacios, por ejemplo de U1 : de un vector de U1 y otro de U2 .
~ − 2~
w w2 − 2~
w1 = −3~u1 + 3~u2 = w
~
|3 {z } | {z }
t t
U2 U1 Ejercicio 36
Dadoslos subespacios U1 = (x, y , z) ∈ R3 | z = y y

~ = −3~u1 + 3~u2 = −3(1, 0, 1, 1) + 3(0, 0, 1, 0) = (−3, 0, 0, −3) (o
luego w
U2 = (0, 0, z) ∈ R3 | z ∈ R , compruébese que su suma es directa.
cualquier vector del tipo α(1, 0, 0, 1) 6= ~0) es una base de U1 ∩ U2 .
Suma e intersección de subespacios Suma directa Suma e intersección de subespacios Suma directa
Caracterizaciones
Ejercicio 37
Teorema 3.15 (Caracterizaciones de la suma directa)
Demuéstrese que:
Sea V un K-espacio vectorial, U1 , U2 ≤ V . Son equivalentes:
a) La suma de U1 y U2 es directa. h(1, 1, 1), (1, 1, 2)i y h(0, 1, 1), (0, 0, −1)i
b) Si ~u1 + ~u2 = ~0 con ~u1 ∈ U1 y ~u2 ∈ U2 entonces ~u1 = ~0 y ~u2 = ~0 no son suma directa y que
n o
c) U1 ∩ U2 = ~0 h(1, 1, 1, 1), (0, 2, 2, 2)i y h(0, 0, 1, 1)i
sı́ lo son.
d) dim(U1 + U2 ) = dim(U1 ) + dim(U2 )
e) La unión de una base de U1 y una base de U2 es una base de U1 + U2
Subespacios suplementarios Caracterización
Definición 3.16 (Subespacios suplementarios) Teorema 3.16

Si V es un K-espacio vectorial de dimensión finita, y U1 y U2 son dos
Sea V un K-espacio vectorial de dimensión finita, y sean U1 y U2 dos
subespacios vectoriales suyos, U1 y U2 son suplementarios en V si y sólo si
subespacios vectoriales suyos, diremos que U1 y U2 son suplementarios n o
a) U1 U2 = ~0
T
en V si
V = U1 ⊕ U2 b) U1 + U2 = V
Teorema 3.17 Proposición 3. 6 (Construcción de suplementarios)

Sea V un K-espacio vectorial de dimensión finita, U1 y U2 dos subespacios Sea V un K-espacio vectorial de dimensión finita n.
vectoriales suyos y B1 y B2 , bases de U1 y U2 respectivamente. Entonces, Si B = {~v1 , ~v2 , . . . , ~vp , ~vp+1 , ..., ~vn } es una base de V y consideramos los
U1 y U2 son suplementarios en V si y sólo si B1 ∪ B2 es base de V . sistemas B1 = {~v1 , ~v2 , . . . , ~vp } y B2 = {~vp+1 , ..., ~vn }, entonces los
subespacios < B1 > y < B2 > son suplementarios, esto es:
M
Ejercicio 38 V =< B1 > < B2 >
En R4 se considera el subespacio U =< (1, 1, 1, 1), (0, 0, 1, 0) >. ¿Cuál de (Ası́, utilizando el teorema de la base incompleta podemos garantizar la
los siguientes sistemas de vectores forma una base de un subespacio existencia se subespacios suplementarios para cualquier subespacio de V,
suplementario de U? →
−
salvo 0 y V.)
a) {(0, 1, 1, −1), (0, 0, 1, 1)}
b) {(1, 0, 0, 0), (0, 1, 1, 1), (0, 0, 0, 1)}
c) {(0, 1, 1, 1), (1, 0, 0, 0)} Ejercicio 39
d) {(0, 1, 1, 1), (0, 0, 0, 1), (0, 1, 1, 2)} En el R−espacio vectorial R5 , encuéntrese un subespacio suplementario de:
e) {(1, 2, 1, 2)}
U = h(1, 2, 3, 4, 5), (−1, −2, −2, −2, −2), (1, 2, 4, 6, 9)i

T3 Diapositivas

Cargado por

Información del documento

Descripción original:

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

T3 Diapositivas

Cargado por

Copyright:

Formatos disponibles

Contenidos

1 Definción, propiedades y ejemplos

5 Suma e intersección de subespacios

Definción, propiedades y ejemplos Definción, propiedades y ejemplos

Contenido Ley de composición externa

1 Definción, propiedades y ejemplos

5 Suma e intersección de subespacios

Conjuntos y leyes Espacios vectoriales

Un espacio vectorial es un conjunto V 6= ∅, cuyos elementos llamaremos

b) Producto de un número racional por un elemento de R3 +,

Definción, propiedades y ejemplos Definción, propiedades y ejemplos

Definición 1 Algunos espacios vectoriales

3) Si K es un cuerpo, Mm×n (K) es K−espacio vectorial.

Subespacios vectoriales Subespacios vectoriales

Contenido Subespacios vectoriales

1 Definción, propiedades y ejemplos

3 Sistemas de vectores Definición 3.2

5 Suma e intersección de subespacios

Definición equivalente de subespacio Nota 3.1

Teorema 3.1 (Definición equivalente de subespacio)

Subespacios vectoriales Subespacios vectoriales

1 Definción, propiedades y ejemplos

5 Suma e intersección de subespacios

Sistemas de vectores Sistemas de vectores

Sistemas de vectores Combinaciones lineales

{~v1 , ~v2 , . . . , ~vp } llamaremos combinación lineal de S a cualquier vector de la forma

Teorema 3.2 (Subespacio generado por un sistema de vectores)

< S >=< ~v1 , ~v2 , . . . , ~vp >

Entonces, < ~v1 , ~v2 , . . . , ~vp > es un subespacio vectorial de V.

Además, es el menor subespacio que contiene a todos los vectores de S.

Sistemas de vectores Sistemas generadores Sistemas de vectores Sistemas generadores

< S >=< ~v1 , ~v2 , . . . , ~vp >= Ejercicio 3

Definición 3.6 (Sistema generador)

Sistemas de vectores Sistemas generadores Sistemas de vectores Sistemas generadores

Ejercicio 5 Nota 3.5

x1~v1 + x2~v2 + · · · + xp ~vm = →

Generadores en Kn Sistemas equivalentes

2 Dado ~v = (2, 4, −2) ∈ H, exprésese como combinación lineal de los

Sistemas de vectores Sistemas generadores Sistemas de vectores Sistemas generadores

Proposición 3. 1 (Sistemas equivalentes) Ejercicio 8

Esto es, los sistemas S y S \ {~vi } son equivalentes.

Proposición 3. 2 (Transformaciones elementales en un sistema de

3 El sistema que se obtiene sumándole a un vector de S cualquier otro

Sistemas de vectores Dependencia lineal Sistemas de vectores Dependencia lineal

Sistemas ligados y libres

Definición 3.9 (Vectores linealmente independientes. Sistemas libres)

Sistemas de vectores Dependencia lineal Sistemas de vectores Dependencia lineal

Nota 3.6 (Sistemas libres en Kn )

Sistemas de vectores Dependencia lineal Sistemas de vectores Dependencia lineal

Propiedades 3.2 Teorema fundamental de la independencia

Definición 3.10 (Base)

5 Suma e intersección de subespacios

Bases Definiciones y ejemplos Bases Definiciones y ejemplos

Espacios de dimensión finita

Definición 3.11 Definición 3.12

Bases canónicas en K-espacios vectoriales habituales Dimensión de subespacios

Bases Definiciones y ejemplos Bases Definiciones y ejemplos

Subespacios en el plano y el espacio Proposición 3. 3 (Dimensión-no de generadores-no de vectores

3 Si p = n, esto es, si S tiene exactamente n vectores, entonces:

Teorema 3.8 ( Construcción de bases a partir de sistemas generadores)

Bases Definiciones y ejemplos Bases Definiciones y ejemplos

Teorema 3.9 (Teorema de la base incompleta)