Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Curso 10-11 1
• El conjunto ZZ2 = {0, 1} de las congruencias módulo 2 es un cuerpo conmutativo con las operaciones
Como 1+1=0, el opuesto de 1 es también 1, y ası́ -1=1. En consecuencia, la resta es idéntica a la suma.
Definición 1.2. Un Espacio Vectorial (e.v.) sobre un cuerpo IK es un conjunto V̸= ∅ y dos operaciones,
una interna (SUMA) y otra externa (PRODUCTO por escalares) tal que se cumplen las siguientes propiedades:
3. Existe un elemento en V, que notamos ⃗0, tal que ⃗x+⃗0 = ⃗0+⃗x = ⃗x ∀ ⃗x ∈ V ELEMENTO NEUTRO
4. ∀ ⃗x ∈ V, existe un elemento en V, que notamos -⃗x, tal que ⃗x+(-⃗x) = (-⃗x)+⃗x = ⃗0 ELEMENTO OPUESTO
8. 1•⃗x = ⃗x ∀ ⃗x ∈ V
Observaciones y Notaciones:
1. El elemento neutro de un e.v., es decir el ⃗0, es único (todo e.v. tiene que contener al ⃗0).
3. a • ⃗0 = ⃗0, ∀ a ∈ IK.
4. 0 • ⃗x = ⃗0, ∀ ⃗x ∈ V.
• El conjunto de las matrices mxn con coeficientes reales, Mmxn (IR), con la suma de matrices y el producto
de un número real por una matriz.
a11 a12 ... a1n
a21
a22 ... a2n
Mmxn (IR) = A= . .. .. .. = (aij )1≤i≤m / aij ∈ IR, ∀i, ∀j
.. .
. . 1≤j≤n
a m1 am2 . . . amn
• El conjunto de los polinomios de grado menor o igual que n con coeficientes reales con la suma de
polinomios y el producto de un número real por un polinomio.
• El conjunto de las soluciones de un sistema homogéneo A⃗x = ⃗0 con A∈ Mmxn (IR). Las soluciones de
un sistema son n-uplas de números reales, luego el conjunto de las soluciones es un subconjunto de IRn y
diremos que es un subespacio vectorial de IRn .
• El conjunto de las sucesiones de números reales V = { (xn )n∈IN / xn ∈ IR, ∀n ∈ IN } con las operaciones
EJEMPLO de e.v. NO real: El conjunto ZZn2 = {(i1 , . . . , in ) / ik ∈ ZZ2 = {0, 1}, k = 1, . . . , n} con las
operaciones suma y producto por un escalar de ZZ2 . Por ejemplo (1, 1, 0, 1) + (0, 1, 0, 0) = (1, 0, 0, 1)
1(1, 0, 0, 1) = (1, 0, 0, 1)
0(1, 0, 0, 1) = (0, 0, 0, 0)
EJEMPLOS de conjuntos con operaciones que no tienen estructura de e.v.:
• El conjunto de los polinomios de grado exactamente n con las operaciones de suma de polinomios y
producto de un número real por un polinomio no es un e.v. (NO contiene al polinomio nulo)
• El conjunto de las matrices 2x2 con determinante nulo, con las operaciones de suma de matrices y producto
de un número real por una matriz no es un e.v. (la suma NO es una operación interna)
Carmen Torres Blanc Dpto. Matemática Aplicada. Fac. Informática. U.P.M. Álgebra Lineal. Curso 10-11 3
Para ver si un vector ⃗x es c.l. de ⃗x1 , . . . , ⃗xn se plantea la ecuación ⃗x = λ1 ⃗x1 + · · · + λn ⃗xn y se estudian sus
soluciones; si el sistema que se obtiene tiene solución entonces ⃗x es c.l. de ⃗x1 , . . . , ⃗xn sino no.
Ejemplo 2.1. En IR3 , veamos si el vector ⃗v = (1, −1, 0) es c.l. de los vectores ⃗v1 = (1, 1, 1), ⃗v2 = (1, 1, 0) y
⃗v3 = (0, 1, 1), para ello planteamos la ecuación
α+β =1 α=2
(1, −1, 0) = α(1, 1, 1) + β(1, 1, 0) + γ(0, 1, 1) =⇒ α + β + γ = −1 =⇒ β = −1
α+γ =0 γ = −2
| {z }
rg 3
| {z }
rg 2
• Los vectores ⃗x1 , . . . , ⃗xn son Linealmente Dependientes (l.d.) ⇐⇒ existen números λ1 , . . . , λn ∈ IK
NO todos nulos tal que λ1 ⃗x1 + · · · + λn ⃗xn = ⃗0.
• Los vectores ⃗x1 , . . . , ⃗xn son Linealmente Independientes (l.i.) ⇐⇒ NO son l.d.
Para estudiar si un conjunto de vectores { ⃗x1 , . . . , ⃗xn } es l.d. o l.i. se plantea la ecuación λ1 ⃗x1 + · · · + λn ⃗xn = ⃗0
y se estudian sus soluciones en las variables λ1 , . . . , λn . Si el sistema de ecuaciones homogéneo que se obtiene
admite alguna solución (λ1 , . . . , λn ) NO nula el conjunto de vectores es l.d. y si sólo admite la solución NULA
(0, . . . , 0) es l.i.
Carmen Torres Blanc Dpto. Matemática Aplicada. Fac. Informática. U.P.M. Álgebra Lineal. Curso 10-11 4
Ejemplo 2.4. Estudiemos si el conjunto {(0, 1, 0), (1, 1, −1), (−1, 0, 1)} es l. dependiente o independiente.
β − γ = 0 0 1 −1
α(0, 1, 0) + β(1, 1, −1) + γ(−1, 0, 1) = (0, 0, 0) =⇒ α+β =0 −→ 1 1 0
−β + γ = 0 0 −1 1
1 1 0
1 1
0 α = −λ
−→
0 1 −1
−→ 0 1 −1
S.C.I. =⇒ Admite solución NO nula β = λ
γ=λ
0 −1 1 0 0 0
Por tanto, los vectores son l.d. y una c.l. de ellos que da el vector cero puede ser (tomando λ = 1)
Luego (0, 1, 0) = (1, 1, −1) + (−1, 0, 1) y también podemos decir que (0,1,0) es c.l. de (1,1,-1) y (-1,0,1).
Además, {(1, 1, −1), (−1, 0, 1)} es linealmente independiente ya que α(1, 1, −1) + β(−1, 0, 1) = (0, 0, 0) sólo
tiene solución nula.
{( ) ( ) ( )}
2 −1 1 0 0 1
Ejemplo 2.5. Estudiemos si el conjunto de matrices , , es linealmente
−1 0 0 1 1 −1
dependiente o independiente.
2α + β = 0 2 1 0
( ) ( ) ( ) ( )
2 −1 1 0 0 1 0 0 −α + γ = 0 −1 0 1
α +β +γ = =⇒ −→
−1 0 1
−1 0 0 1 1 −1 0 0 −α + γ = 0
β−γ =0 0 1 −1
2 1 0
0 1 −1
−→
0 0
S.C.D. =⇒ Solución única la nula =⇒ las matrices son l.i.
3
0 0 0
Además,
{4 + x2 , 3 + x + 2x2 } son l.i. ya que si hacemos α(4 + x2 ) + β(3 + x + 2x2 ) = 0 el sistema que se obtiene
4α + 3β = 0
β=0 tiene solución única α = 0, β = 0.
α + 2β = 0
Observaciones:
• El ⃗0 es c.l. ó d.l. de todo conjunto finito de vectores, ya que ⃗0 = 0 ⃗x1 + · · · + 0 ⃗xn . Por tanto, todo
conjunto que contenga el vector ⃗0 es l.d. y un conjunto l.i. no puede contener al ⃗0.
Carmen Torres Blanc Dpto. Matemática Aplicada. Fac. Informática. U.P.M. Álgebra Lineal. Curso 10-11 5
• Un conjunto con vectores repetidos es l.d. Por ejemplo, A={(1,0),(1,0)} es l.d. y A={(1,0)} es l.i.
Teorema 3.2. Sea V un e.v. sobre IK, S ⊂ V, S ̸= ∅, S es s.v. de V ⇐⇒ α⃗x + β⃗y ∈ S , ∀⃗x, ⃗y ∈ S , ∀α, β ∈ IK
Demostración:
(⇒) Si S s.v. ⇒ S es e.v. y por tanto, ∀⃗x, ⃗y ∈ S, ⃗x + ⃗y ∈ S y ∀α ∈ IK, α⃗x ∈ S ⇒ α⃗x + β⃗y ∈ S.
(⇐) Tomando α = 1 y β = 1 ⇒ ⃗x + ⃗y ∈ S, ∀⃗x, ⃗y ∈ S. Luego la operación + es una operación interna en S.
Tomando β = 0 ⇒ α⃗x ∈ S, ∀α ∈ IK y ⃗x ∈ S. Luego la operación producto por escalares es una operación
externa. Las propiedades Asociativa y Conmutativa se verifican por cumplirse en V. El axioma 3 también se
cumple ya que, tomando α = 0 y β = 0 obtenemos que 0⃗x + 0⃗y = ⃗0 + ⃗0 = ⃗0 ∈ S. Para el axioma 4 tomo α = −1
y β = 0 ⇒ (−1)⃗x + 0⃗y = (−1)⃗x = −⃗x ∈ S. Los axiomas 5, 6, 7 y 8 se verifican por cumplirse en V.
Ejemplo 3.3. Veamos algunos ejemplos de subespacios vectoriales en distintos espacios vectoriales.
• Sea A ∈ Mmxn (IR), el conjunto de las soluciones del sistema homogéneo A⃗x = ⃗0 es un s.v. de IRn .
• En Mnxn (IR) el conjunto de las matrices simétricas es un s.v. No son subespacio vectorial el conjunto de
las matrices regulares ni el de las matrices singulares.
• En todo e.v. V los conjuntos V y {⃗0} son s.v. Se les llama subespacios triviales.
• Sea el e.v. de las funciones reales F(IR) = {f : IR → IR/f aplicación}. Son subespacios vectoriales
A = {p(x) ∈ Pn (IR)/grado(p(x)) = n}
Definición 3.4. Sea A ={⃗x1 , . . . , ⃗xn } ⊂ V, definimos L(A) como el conjunto de todas las combinaciones
lineales de elementos de A, es decir L(A) ≡ {λ1 ⃗x1 + · · · + λn ⃗xn /λ1 , . . . , λn ∈ IK} ⊂ V .
Carmen Torres Blanc Dpto. Matemática Aplicada. Fac. Informática. U.P.M. Álgebra Lineal. Curso 10-11 6
Proposición 3.5. Dado V un e.v. sobre IK, A ={⃗x1 , . . . , ⃗xn } ⊂ V. El conjunto L(A) es un s.v. de V y es el
menor s.v. de V que contiene a A.
∑n ∑n
Demostración: L(A)̸= ∅ ya que A ̸= ∅ y A ⊂ L(A). Sean ⃗u, ⃗v ∈ L(A). Ası́, ⃗u = i=1 λi ⃗xi y ⃗v = i=1 βi ⃗xi ,
∑n ∑n ∑n
sean a, b ∈ IK ⇒ a⃗u + b⃗v = a( i=1 λi ⃗xi ) + b( i=1 βi ⃗xi ) = i=1 (aλi + bβi ) xi ∈ L(A) ⇒ L(A) s.v. de V.
| {z }
∈IK
Observaciones:
• L(A) se llamará el s.v. generado por A (A ̸= ∅) y diremos que A es un sistema de generadores (s.g.) de
L(A). Si L(A)=V diremos que A es un s.g. de V (luego, un s.g. de V es un conjunto de vectores de V tal
que todo vector de V se puede escribir como c.l. de ellos) .
• L(∅) = { ⃗0 }
• S s.v. de V =⇒ S = L(S)
• A ⊂ B =⇒ L(A) ⊂ L(B)
Ejemplo 3.7. Veamos algunos ejemplos de como construir un subespacio vectorial generado por un conjunto
de vectores A, es decir, como construir L(A).
• En IR3 sea A={⃗v1 = (1, 1, 1), ⃗v2 = (1, −1, 0)}. Por tanto,
L(A) = {⃗x = α⃗v1 + β⃗v2 /α, β ∈ IR} = {(x, y, z) = α(1, 1, 1) + β(1, −1, 0) = (α + β, α − β, α)/α, β ∈ IR}
x=α+β
Ası́ obtenemos las ecuaciones y = α − β que se llaman Ecuaciones Paramétricas de L(A).
z=α
Estas ecuaciones se pueden utilizar, dando distintos valores a α y β, para obtener vectores pertenecientes
al espacio vectorial L(A). Por ejemplo, para α = 1 y β = 1 obtenemos el vector ⃗v = (2, 0, 1) ∈ L(A).
A continuación eliminamos los parámetros α y β de las ecuaciones paramétricas
1 1 x 1 0 z
1 −1 y =⇒ x + y − 2z = 0
−→ . . . −→ 0 1 x−z
1 0 z 0 0 x + y − 2z
y obtenemos x + y − 2z = 0 que es lo que llamaremos Ecuaciones Implı́citas de L(A) (en este caso sólo hay
una). Las ecuaciones implı́citas nos dan las condiciones que tiene que verificar un vector para pertenecer
al subespacio vectorial; es decir, son útiles para para saber si un vector pertenece o no a L(A) (para
pertenecer, el vector debe cumplir todas las ecuaciones). Por ejemplo, el vector (1, 0, 1) ∈
/ L(A) pues
1 + 0 − 2 ̸= 0 y el vector (1, 1, 1) ∈ L(A) ya que 1 + 1 − 2 = 0.
Carmen Torres Blanc Dpto. Matemática Aplicada. Fac. Informática. U.P.M. Álgebra Lineal. Curso 10-11 7
{ ( ) ( ) ( )}
2 −1 1 1 0 0 0 1 1
• En M2x3 (IR), sea A = A1 = , A2 = , A3 = . Luego,
−1 0 0 0 1 1 1 −1 0
• En P2 (IR),
L({x2 +1, x2 +x}) = {p(x) = α(x2 +1)+β(x2 +x)/α, β ∈ IR} = {ax2 +bx+c = (α+β)x2 +βx+α/α, β ∈ IR}
a=α+β
=⇒ b=β Ecuaciones Paramétricas
c=α
Proposición 4.1. Si un vector ⃗xk es c.l. de ⃗x1 , . . . , ⃗xk−1 =⇒ L({⃗x1 , . . . , ⃗xk−1 })=L({⃗x1 , . . . , ⃗xk−1 , ⃗xk }).
Demostración:
(⊂) ⃗x ∈ L({⃗x1 , . . . , ⃗xk−1 }) ⇐⇒ ⃗x = α1 ⃗x1 +· · ·+αk−1 ⃗xk−1 = α1 ⃗x1 +· · ·+αk−1 ⃗xk−1 +0⃗xk ∈ L({⃗x1 , . . . , ⃗xk−1 , ⃗xk })
= α1 ⃗x1 +· · ·+αk−1 ⃗xk−1 +αk (λ1 ⃗x1 +· · ·+λk−1 ⃗xk−1 )
(⊃) ⃗x∈L({⃗x1 , . . . , ⃗xk−1 , ⃗xk })⇐⇒ ⃗x = α1 ⃗x1 +· · ·+αk−1 ⃗xk−1 +αk ⃗xk|{z}
⃗
xk c.l. ⃗
x1 ,...,⃗
xk−1
= (α1 + λ1 αk )⃗x1 + · · · + (αk−1 + λk−1 αk )⃗xk−1 ∈ L({⃗x1 , . . . , ⃗xk−1 })
Teorema 4.2. (Teorema de la Base) Todo e.v. V ̸= {⃗0} (o s.v. S) con un s.g. finito admite al menos una base
B ̸= ∅ contenida en el s.g.
Demostración: Dado un s.g. si es l.i. ya hemos terminado sino tiene que existir algún vector c.l. de los demás.
Por tanto, eliminando ese vector y por la proposición anterior los vectores que nos quedan generan el mismo
e.v. Si estos son l.i. ya hemos terminado, sino repetimos el proceso.
Lo que hemos hecho en la demostración es ir quitando vectores que sean c.l. de otros hasta quedarnos con
un conjunto l.i. Esto nos va a dar un método para construir bases a partir de un s.g.
Carmen Torres Blanc Dpto. Matemática Aplicada. Fac. Informática. U.P.M. Álgebra Lineal. Curso 10-11 8
Teorema 4.3. (Teorema de la Dimensión) Todas las bases de un e.v. V ̸= {⃗0} (o s.v. S) tienen el mismo
número de vectores. Llamamos Dimensión del e.v. V (o del s.v. S) al número de vectores de una de sus bases.
Diremos que dim{⃗0}=0.
dimM2x3 (IR) = 6
Definición 4.5. Sea V e.v. sobre IK y B = { ⃗e1 , . . . , ⃗en } un base de V, llamaremos Coordenadas de ⃗x ∈ V
respecto de B a los escalares únicos x1 , . . . , xn ∈ IK tal que ⃗x = x1⃗e1 + · · · + xn⃗en .
Notación: A las coordenadas de ⃗x respecto de B las notaremos (x1 , . . . , xn ) ∈ IKn ; por abuso de notación, en
ocasiones escribiremos ⃗x = (x1 , . . . , xn ).
Observación: Cuando trabajemos con las coordenadas respecto de las bases usuales, salvo que haya confusión,
no indicaremos explı́citamente la base.
Para obtener las coordenadas de un vector ⃗x respecto de una base B = { ⃗e1 , . . . , ⃗en } planteamos la ecuación
⃗x = α1⃗e1 + · · · + αn⃗en y obtenemos su solución única en α1 , . . . , αn .
Ejemplo 4.6. En P3 (IR) consideramos la base usual B={1, x, x2 , x3 } y otra base B’={x, x2 , x3 , 7x2 + 2}. Sea
el polinomio p(x) = 3x2 + x + 2, sus coordenadas respecto de B son (2, 1, 3, 0). Para obtener sus coordenadas
respecto de B’ planteamos la siguiente ecuación,
4.4 Uso de operaciones elementales y coordenadas para obtener una base de L(A)
a partir de un s.g.
Sea V un e.v. sobre IR, A={ ⃗x1 , . . . , ⃗xm } ⊂ V. Si tomamos la matriz M cuyas filas sean las coordenadas de los
vectores de A respecto de una base de V, y sea Mr una matriz reducida de M. Entonces, una base de L(A) está
formada por los vectores cuyas coordenadas son las filas NO nulas de Mr . Si Mr es la forma escalonada la base
que se obtiene es la más sencilla posible.
Ejemplo 4.7. Veamos algunos ejemplos de como obtener una base (en particular, vamos a construir la más
sencilla posible) a partir de un sistema de generadores de L(A). También vamos a obtener coordenadas respecto
de dichas bases y ecuaciones implı́citas y paramétricas de L(A).
– Para obtener una base de L(A) ponemos los tres vectores anteriores en fila, en una matriz, y hacemos
operaciones elementales por filas hasta obtener una forma reducida (en este caso la forma escalonada),
1 1 −1 1 1 −1 1 1 −1 1 0 −1
0 1 0 −→ 0 1 0
−→ 0 1 0 −→ 0 1 0
2 1 −2 0 −1 0 0 0 0 0 0 0
– Obtener las coordenadas del vector ⃗x = (3, 0, −3) ∈ L(A) respecto de la base B obtenida.
{
α=3
(3, 0, −3) = α(1, 0, −1) + β(0, 1, 0) = (α, β, −α) =⇒ =⇒ (3,0) Coordenadas de (3,0,-3)
β=0
respecto de B
– Obtener una base de L(A) (la más sencilla posible): para ello tomamos las coordenadas de p1 (x), p2 (x), p3 (x)
y p4 (x) respecto de la base usual {1, x, x2 , x3 }
1 0 0 −1 1 0 0 −1
0 1 0 −1 0 1 0 −1
=⇒ B = {1 − x3 , x − x3 } base de L(A)
1 −1 0 0 −→ . . . −→ 0 0 0 0
1 1 0 −2 0 0 0 0
– Hallar las coordenadas del polinomio p(x) = −1 + 2x − x3 ∈ L(A) respecto de la base B de L(A).
−1 + 2x − x3 = α(1 − x3 ) + β(x − x3 )
α = −1
ó =⇒ =⇒ p = (−1, 2)B son las coor-
β=2
(−1, 2, 0, −1) = α(1, 0, 0, −1) + β(0, 1, 0, −1) denadas de p(x) en B
⃗x = λ1⃗v1 + . . . + λm⃗vm
Sean (x1 , . . . , xn ) las coordenadas de ⃗x respecto de B y sean (vi1 , . . . , vin ) las coordenadas de ⃗vi respecto de B
(1 ≤ i ≤ m). Por tanto, obtenemos las siguientes ecuaciones
x1 v11 vm1
. . .
(I) .. = λ1 .. + . . . + λm ..
xn v1n vmn
que son n ecuaciones con m parámetros λ1 , . . ., λm . A estas ecuaciones se les llama Ecuaciones Paramétricas
de S respecto de B.
Eliminando los parámetros en la ecuación anterior obtendremos, un sistema homogéneo de n − m ecuaciones
y n incógnitas (m = dimS)
a11 x1 + . . . + a1n xn = 0
(II) .......................
a x + ... + a x = 0
k1 1 kn n
con k = n - m = dimV - dimS. A estas ecuaciones les llamaremos Ecuaciones Implı́citas de S respecto de B.
Por tanto, resolviendo el sistema (II) obtendremos las ecuaciones paramétricas de S respecto de B y elimi-
nando parámetros en (I) obtendremos las ecuaciones implı́citas de S respecto de B.
Observación: Siempre que no se diga lo contrario se supondrá las ecuaciones implı́citas y paramétricas dadas
respecto de la base usual del e.v. correspondiente.
Observación: No es necesario que los vectores {⃗v1 , . . . , ⃗vm } sean base de S es suficiente con que sean sistema
de generadores de S, pero en ese caso habrá algún parámetro dependiente de los demás; se detectará al pasar a
las ecuaciones implı́citas.
Carmen Torres Blanc Dpto. Matemática Aplicada. Fac. Informática. U.P.M. Álgebra Lineal. Curso 10-11 11
1. Si A es l.i. =⇒ A es Base de V (es decir, en un e.v. de dim n NO puede haber más de n vectores l.i.)
Demostración: 1. Sea V e.v. (sobre IR) con dimV=n, sea B = {⃗e1 , . . . , ⃗en } base de V. A = { ⃗x1 , . . . , ⃗xn } ⊂
V l.i. Supongamos que A NO base de V ⇒ A NO s.g. de V ⇒ ∃⃗x ∈ V tal que ⃗x NO c.l. de {⃗x1 , . . . , ⃗xn } ⇒
{⃗x, ⃗x1 , . . . , ⃗xn } l.i.
Sea λ⃗x + λ1 ⃗x1 + · · · + λn ⃗xn = ⃗0. Obtenemos un sistema homogéneo de n ecuaciones (igual al número de
coordenadas de cada vector) y n+1 incógnitas (λ, λ1 , . . . , λn ) ⇒ S.C.I. ⇒ Infinitas soluciones, lo cual es una
contradicción con el hecho de que { ⃗x, ⃗x1 , . . . , ⃗xn } sean l.i.
Teorema 4.10. (Teorema de Extensión de la Base) Sea V un e.v. con dimV=n y sea A={⃗e1 , . . . , ⃗er } ⊂ V,
1≤r≤n, l.i. Entonces, existe B base de V tal que A ⊂ B.
Ejemplo 4.11. Veamos algunos ejemplos de como extender un conjunto l.i. a una base usando coordenadas y
operaciones elementales.
• Obtener una base de IR4 que contenga los vectores l.i. {(1, 1, 2, 1), (2, 2, 0, 1)}. Para ello construimos una
matriz cuyas filas sean estos dos vectores. A continuación, obtenemos una forma reducida de esta matriz.
( ) ( )
1 1 2 1 1 1 2 1
−→
2 2 0 1 0 0 −4 −1
En la matriz reducida añado dos filas con el mayor número posible de ceros tal que la nueva matriz esté
en forma reducida (si es necesario se reordenan las filas) y tenga rango máximo (en este caso 4) .
1 1 2 1 1 1 2 1
0 0 −4 −1 0
−→ 0 1 0
0 1 0 0 −4 −1
0 0
0 0 0 1 0 0 0 1
Tomo como base de IR4 los vectores de partida más las filas añadidas a la matriz reducida.
4
B IR = {(1, 1, 2, 1), (2, 2, 0, 1), (0, 1, 0, 0), (0, 0, 0, 1)}
Evidentemente las cuatro filas de la matriz anterior también son base de IR4 .
{( ) ( ) ( )}
0 2 −1 2 2 2 1 1 1
• Extender el conjunto , , l.i. a una base de M2x3 (IR).
−1 2 1 1 2 1 1 1 0
Se hace de forma análoga al ejemplo anterior tomando coordenadas de las matrices respecto de la base
Carmen Torres Blanc Dpto. Matemática Aplicada. Fac. Informática. U.P.M. Álgebra Lineal. Curso 10-11 12
La base pedida es
{( ) ( ) ( ) ( ) ( ) ( )}
0 2 −1 2 2 2 1 1 1 0 0 1 0 0 0 0 0 0
B M2x3 (IR) = , , , , ,
−1 2 1 1 2 1 1 1 0 0 0 0 0 1 0 0 0 1
• En P2 (IR) extender el conjunto l.i. {1 + 2x − 2x2 , 1 + 2x} a una base de todo el espacio. Tomo coordenadas
respecto de la base usual de P2 (IR) ({1, x, x2 }).
( ) ( ) 1 2 −2 1 2 −2
1 2 −2 1 2 −2
−→ 0 1
−→ 0 0 2 0
=⇒ B
P2 (IR)
= {1+2x−2x2 , 1+2x, x}
1 2 0 0 0 2
0 1 0 0 0 2
Observación: Sea V e.v. y A, B ⊂ V. Se verifica que L(A) + L(B) = L(A∪B) Como consecuencia se
verifica que si S y T son s.v. de V entonces, S + T = L(BS ) + L(BT ) = L(BS ∪ BT ) siendo BS y BT bases
de S y T respectivamente ( es suficiente con que BS y BT sean s.g. de S y T).
Ejemplo 5.3. Las ecuaciones implı́citas de S ∩ T son la unión de las ecuaciones implı́citas de S y las ecuaciones
implı́citas de T . Un sistema de generadores de S + T es la unión de un s.g. de S con un s.g. de T .
Sean S y T subespacios vectoriales de R4 definidos por
S = L{(1, 0, 1, 1), (1, −1, −1, 0), (0, 1, 2, 1)}, T = {(x, y, z, t)/x − z − t = 0, y + z = 0}
Obtener una base de los subespacios S + T y S ∩ T . Escribir las ecuaciones paramétricas e implı́citas para los
subespacios pedidos. (BT = {(1, 0, 0, 1), (0, 1, −1, 1)})
Carmen Torres Blanc Dpto. Matemática Aplicada. Fac. Informática. U.P.M. Álgebra Lineal. Curso 10-11 13
1 0 1 1 1 0 1 1
s.g. de S
1 −1 −1 0
0 −1 −2 −1
BS = {(1, 0, 1, 1), (0, 1, 2, 1)}
• S + T: 0 1 2 1 −→ 0 1 2 1 =⇒
dimS = 2
0 1 −1 1 −1 1
s.g. de T 0 1
1 0 0 1 1 0 0 1
1 0 1 1 1 0 1 1 1 0 0 1
0 1 2 1 0 1 2 1 0 1 0 1
=⇒ 0 1 −1 1 −→ 0 0 −3 0 −→ 0 0 1 0
1 0 0 1 0 0 −1 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0
x=λ
y=β Ecs. Param.
=⇒ S+T = L{(1, 0, 0, 1), (0, 1, 0, 1), (0, 0, 1, 0)} =⇒ =⇒ x+y−t = 0 Ecs. Impl. de S + T
z = γ de S + T
t=λ+β
⇐⇒ (1, 0, 1, 1)λ1 + (0, 1, 2, 1)λ2 − (1, 0, 0, 1)λ3 − (0, 1, −1, 1)λ4 = (0, 0, 0, 0)
λ1 − λ3 = 0 1 0 −1 0 1 0 −1 0 1 0 −1 0
λ −λ =0 0 1 0 −1 −1
⇐⇒
2 4
−→ −→ 0 1 0 −1 −→ 0 1 0
λ1 + 2λ2 + λ4 = 0 0 3
1 2 0 1 0 2 1 1 0 1
λ1 + λ2 − λ3 − λ4 = 0 1 1 −1 −1 0 1 0 −1 0 0 0 0
λ1 = −3β
λ =β
2
=⇒ =⇒ (x, y, z, t) = −3β(1, 0, 0, 1) + β(0, 1, −1, 1) = (−3, 1, −1, −2)β
3 = −3β
λ
λ4 = β
S + T es Suma Directa (que notaremos S ⊕ T ) ⇐⇒ {⃗s1 , . . . , ⃗sr , ⃗t1 , . . . , ⃗tp } son l.i.
Carmen Torres Blanc Dpto. Matemática Aplicada. Fac. Informática. U.P.M. Álgebra Lineal. Curso 10-11 14
Teorema 5.5. Sea V e.v., S ̸= {⃗0} y T ̸= {⃗0} s.v. V; S+T es Suma Directa ⇐⇒ S ∩ T = { ⃗0 }.
Demostración: Sea BS = {⃗s1 , . . . , ⃗sr{
} base de S y BT = {⃗t1 , . . . , ⃗tp } base de T .
⃗x = α1⃗s1 + · · · + αr ⃗sr
(⇒) ⃗x ∈ S ∩ T ⇒ ⃗x ∈ S, ⃗x ∈ T ⇒ ⇒ α1⃗s1 + · · · + αr ⃗sr − β1⃗t1 − · · · − βp⃗tp = ⃗0
⃗x = β1⃗t1 + · · · + βp⃗tp
=⇒ α1 = 0, . . . , αr = 0, β1 = 0, . . . , βp = 0 ⇒ ⃗x = ⃗0
|{z}
{⃗ sr ,⃗
s1 ,...,⃗ tp } l.i.
t1 ,...,⃗
(⇐) Supongamos {⃗s1 , . . . , ⃗sr , ⃗t1 , . . . , ⃗tp } l.d. ⇒ En {⃗s1 , . . . , ⃗sr , ⃗t1 , . . . , ⃗tp } existe un vector c.l. de los demás.
Supongamos que ⃗s1 es c.l. de los demás ⇒ ⃗s1 = α2⃗s2 + · · · + αr ⃗sr + β1⃗t1 + · · · + βp⃗tp ⇒ ⃗s1 − α2⃗s2 − · · · − αr ⃗sr =
| {z }
∈S
β1⃗t1 + · · · + βp⃗tp ∈ S ∩ T = {⃗0} ⇒ ⃗s1 − α2⃗s2 − · · · − αr ⃗sr = ⃗0 ⇒ ⃗s1 = α2⃗s2 + · · · + αr ⃗sr Imposible ya que BS
| {z }
∈T
l.i.
Observación:
Ejemplo 5.6. Veamos algunos ejemplos sobre suma directa de subespacios vectoriales.
BU = {(1, 0, 1), (0, 1, 0)}, BV = {(0, 0, 1)} BW = {(1, −1, 0), (0, 1, −1)}
1 0 1
SUMA DIRECTA
a) rg
0 1 0 = 3 =⇒ l.i. =⇒ Base de R =⇒ R = U ⊕ V U ∩ V = {⃗0}
3 3
0 0 1
1 −1 0
SUMA DIRECTA
b) rg
0 1 −1 = 3 =⇒ l.i. =⇒ Base de R =⇒ R = V ⊕ W V ∩ W = {⃗0}
3 3
0 0 1
1 0 1 1 0 1
0 1 0 0
c) rg = rg 0 1
1 −1 0 0 −1 −1 = 3
0 1 −1 0 0 −1
NO SUMA DIRECTA
=⇒ 3 vectores l.i. que forman base de R3 =⇒ R3 = U + W
U ∩ W ̸= {⃗0}
2. Se consideran los subespacios vectoriales de R3 :
S = L{(1, 0, 1), (1, 1, −1), (2, 1, 0)}, T = L{(1, 0, 1), (0, 0, 1), (3, 0, −1)}
BS = {(1, 0, 1), (0, 1, −2)} −→ BR3 = {(1, 0, 1), (0, 1, −2), (0, 0, 1)} =⇒ BU = {(0, 0, 1)} ⊂ T =⇒ T ∩U ̸= ⃗0
| {z } | {z }
BS ∈T
T + U No Suma Directa
=⇒
R3 = S ⊕ U
Observación: Dado V e.v., S y T s.v. de V; si S + T no son suma directa, ⃗x ∈ S + T podrı́a admitir más de
una descomposición como vector de S + T . Por ejemplo, dados T = { (x,y,z) / y = 0 } y S = { (x,y,z) / z=0 }
s.v. de IR3
1 1
(1, 1, 1) = ( , 1, 0) + ( , 0, 1) = (0, 1, 0) + (1, 0, 1)
| 2 {z } | 2 {z } | {z } | {z }
∈S ∈T
∈S ∈T
Si esto no ocurre la suma es directa.
Ejemplo 5.8. Veamos dos ejemplos de como calcular subespacios suplementarios. En el primer ejemplo cal-
culamos un suplementario de un subespacio dentro de otro subespacio. En el segundo ejemplo calculamos un
suplementario respecto del total.
1 0 0 1 1 0 0 1 1 0 0 1
1 1 1 0 0 1 1 −1 0 1−1 1
s.g. de V
0 2 −1 0 0 2 −1 0 0 0 −3 2
dimV = 3
0 −→
3 −2 −→ 0 0 3 −2
2 0 3 0 0 =⇒ dimW = 2
1 0 3 −1 1 0 3 −1 1 0 3 −1
s.g. de W
1 −1 −2 0 0 2 −1 0
1 4 0 4
0 2 −1 0 0 2 −1 0 0 0 0 0
( )
(1, 0, 3, −1) = (1, 0, 0, 1) + (0, 0, 3, −2) 1 + 3x2 − x3 = (1 + x3 ) + (3x2 − 2x3 ) ∈ V
=⇒ ( ) =⇒ W ⊂ V
(0, 2, −1, 0) = 2(0, 1, 1, −1) + (0, 0, −3, 2) 2x − x2 = 2(x + x2 − x3 ) + (−3x2 + 2x3 ) ∈ V
Para obtener un suplementario de W en V extendemos una base de W a una base de V :
Suplementario
BW = {1+3x2 −x3 , 2x−x2 } ⊂ V −→ BV = {1+3x2 −x3 , 2x−x2 , 3x2 −2x3 } =⇒ W ′ = L{3x2 −2x3 }
de W en V
{( ) }
α β
2. Hallar una base del subespacio vectorial F = : α, β ∈ R de M2x2 (R). Ampliar la base
−β 0
obtenida hasta formar una base de M2x2 (R). Hallar a continuación un subespacio complementario de F .
{( ) ( )} {( ) ( ) ( ) ( )}
1 0 0 1 1 0 0 1 0 0 0 0
BF = , −→ BM2x2 (R) = , , ,
0 0 −1 0 0 0 −1 0 1 0 0 1
{( ) ( )}
0 0 0 0
=⇒ F ′ = , s.v. Complementario de F
1 0 0 1
Carmen Torres Blanc Dpto. Matemática Aplicada. Fac. Informática. U.P.M. Álgebra Lineal. Curso 10-11 16
• Supongamos a1⃗e1 + · · · + ar ⃗er + br+1 ⃗xr+1 + · · · + bs ⃗xs + cr+1 ⃗yr+1 + · · · + ct ⃗yt = ⃗0 ⇒ ⃗t = −⃗s ∈ S ⇒
| {z } | {z }
s∈S
=⃗ t∈T
=⃗
⃗t ∈ S ∩ T ⇒ cr+1 ⃗yr+1 + · · · + ct ⃗yt = λ1⃗e1 + · · · + λr ⃗er ⇒ λ1⃗e1 + · · · + λr ⃗er − cr+1 ⃗yr+1 − · · · − ct ⃗yt = ⃗0 ⇒
|{z}
BT l.i.
ci = 0, λj = 0, ∀i, j ⇒ a1⃗e1 + · · · + ar ⃗er + br+1 ⃗xr+1 + · · · + bs ⃗xs = ⃗0 |{z}
⇒ ai = 0, bj = 0, ∀i, j ⇒ B l.i.
BS l.i.
S1 = L{(1, 0, 1, 0), (2, 1, 0, 2), (0, −1, 2, −2)} y S2 = L{(1, 1, 1, 0), (−1, −1, 1, −2)}