Algebra Tema 3

Álgebra Lineal y Geometrı́a. Departamento de Álgebra. http://www.departamento.us.
es/da
Álgebra Lineal y Geometrı́a
Tema 3
Departamento de Álgebra, Universidad de Sevilla

Álgebra Lineal y Geometrı́a. Departamento de Álgebra. http://www.departamento.us.es/da
El contenido de estas notas ha sido diseñado y redactado por el profesorado de la

asignatura. Se permite su reproducción, única y exclusivamente para estudio personal.
No se permite la copia indiscriminada, ni con fines lucrativos o diferentes del citado, de
la totalidad o de parte de las presentes notas. c 2009.
1
Índice
Tema 3: Espacios vectoriales 3

3.1. Espacios vectoriales: Definición y ejemplos. . . . . . . . . . . . . . . . . 3
3.2. Dependencia e independencia lineal. . . . . . . . . . . . . . . . . . . . . . 5
3.3. Sistemas generadores. Bases. . . . . . . . . . . . . . . . . . . . . . . . . 7
3.4. Teorema de la base. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.5. Dimensión. Coordenadas. . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.6. Cambios de base. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.7. Subespacios (I): Definición y ejemplos. . . . . . . . . . . . . . . . . . . . 15
3.8. Subespacios (II): Sistemas de ecuaciones. . . . . . . . . . . . . . . . . . . 17
3.9. Operaciones (I): Teorema de la dimensión. . . . . . . . . . . . . . . . . . 19
3.10. Operaciones (II): Cálculos. Suma directa. . . . . . . . . . . . . . . . . . 21
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
Tema 3: Espacios vectoriales
3.1. Espacios vectoriales: Definición y ejemplos.
Seguiremos, en lo sucesivo, denotando por k un cuerpo arbitrario, que para nosotros puede
suponerse que es Q, R, C.
Definición.– Sea k un cuerpo, 0 y 1 los elementos neutros de la suma y el producto,

respectivamente. Un espacio vectorial sobre k, también denominado k–espacio vectorial,
es un conjunto V con dos operaciones: una interna, denominada suma y notada +, y otra
externa, de k × V en V , denominada producto por escalares y denotada · (o por simple
yuxtaposición), verificando:
(a) (V, +) es un grupo abeliano.
(b) El producto por escalares verifica, para cualesquiera u, v ∈ V , α, β ∈ k,
(b.1) α(u + v) = αu + αv.

(b.2) (α + β)u = αu + βu.
(b.3) (αβ)u = α(βu).
(b.4) 1u = u.
Los elementos de V se denominan vectores y los de k, como de costumbre, escalares.
Notación.– Usaremos las notaciones siguientes, dado un k–espacio vectorial V :
(a) Los elementos V se denotarán con letras subrayadas: v ∈ V .
(b) Dado v ∈ V el inverso aditivo es único y ha de ser igual necesariamente a (−1)v.

Se notará −v. Ası́ mismo, también notaremos u + (−v) = u − v.
(c) El elemento neutro de la suma en V se denotará 0.
Proposición.– Sea V un k–espacio vectorial, u, v ∈ V , α, β ∈ k. Se verifican las siguien-

tes propiedades:
(a) α0 = 0, 0u = 0.
(b) α(u − v) = αu − αv, (α − β)u = αu − βu.
(c) (−α)u = −(αu), α(−u) = −(αu).

(d) αu = 0 implica que α = 0 ó u = 0.
Demostración.– Todas las demostraciones son elementales y sólo requieren el uso de

las propiedades axiomáticas de k y V . Hagamos por ejemplo el primer apartado de (a).
Para ello tomemos un x ∈ V cualquiera, y un α ∈ k no nulo (el caso α = 0 es el segundo
apartado). Entonces
1 1 1

x + α0 = α x + α0 = α x+0 =α x = x,
α α α
por lo que α0 = 0.
Para finalizar haremos el segundo caso de (c). Para ello dados α ∈ k y u ∈ V ,
consideramos
αu + α(−u) = α(u + (−u)) = α(u − u) = α0 = 0,
lo cual prueba que α(−u) es el inverso aditivo de αu, esto es, −(αu).
Las restantes pruebas son buenos ejercicios para que los alumnos se habitúen a usar
las propiedades de forma rigurosa, sin apoyarse en los vectores a los que están acostum-
brados. Q.E.D.
Ejemplos.– Notemos que, para dar un espacio vectorial, es necesario no solamente dar
un conjunto, sino las dos operaciones. Veremos a continuación algunos ejemplos proce-
dentes de diversos campos de las matemáticas, aunque no daremos las demostraciones,
por apartarse del temario de esta asignatura.
(a) El ejemplo fundamental será el espacio numérico n–dimensional definido como

sigue: el conjunto base es
k n = {(a1 , ..., an ) | ai ∈ k} ,
y las dos operaciones son:
(a1 , ..., an ) + (b1 , ..., bn ) = (a1 + b1 , ..., an + bn ),
α(a1 , ..., an ) = (αa1 , ..., αan ).

Con estas operaciones comprobar las propiedades de espacio vectorial es elemen-
tal. Este ejemplo incluye los casos más conocidos (¿únicos?) hasta ahora por los
alumnos, R2 y R3 .
(b) Supongamos que tenemos dos cuerpos k ⊂ K, de tal forma que, dados dos ele-
mentos cualesquiera en k, su suma y su producto son iguales si se consideran como
elementos de k y si se consideran como elementos de K. Entonces K es un k–
espacio vectorial con las operaciones:
• Dados α, β ∈ K, α + β es la suma en K.
• Dados α ∈ k ⊂ K y β ∈ K, el producto por escalares αβ es el producto en
K.
(c) El conjunto M(m × n; k) es un k–espacio vectorial con las operaciones usuales de

suma y producto por escalares, como vimos en la lección 2.2.
4
(d) Sea AX t = 0n×1 un sistema de ecuaciones lineales homogéneo en m variables.

Consideremos el conjunto de soluciones L ⊂ k m , dotadas con las mismas opera-
ciones de suma y producto por escalares que definimos en k m . Entonces L es a su
vez un k–espacio vectorial.
(e) El conjunto k[X], con la suma de polinomios y el producto por escalares usual,
es un k–espacio vectorial. De hecho, como sólo se consideran los productos de
escalares por polinomios, el conjunto
k[X]r = {p(X) ∈ k[X] | grado(p) ≤ r} ∪ {0}
también es un k–espacio vectorial.
(f) El conjunto de funciones continuas (diferenciables, Riemann–integrables,...) en un

abierto (a, b) ⊂ R es un R–espacio vectorial.
(g) Una ecuación diferencial lineal homogénea es una expresión de la forma

′ ′
a0 (x)y n) + a1 (x)y n−1) + ... + an−1 (x)y ′ + an (x)y = 0,
donde a0 (x), a1 (x), ..., an (x) son funciones continuas en R, y es una función de R
′ ′
en R a determinar e y ′ , y ′′ , ..., y n−1) , y n) son sus derivadas sucesivas. Usando las
propiedades de la derivada es fácil ver que el conjunto de soluciones de la ecuación
diferencial es un R–espacio vectorial.
(h) El conjunto V = {0} es un k–espacio vectorial para cualquier k. Es el menor que

existe, ya que por ser (V, +) grupo debe existir elemento neutro de la suma.
(i) De manera similar al ejemplo (e), consideremos n variables x1 , ..., xn y el conjunto
W = {f (x1 , ..., xn ) = a1 x1 + ... + an xn | ai ∈ k}
Este conjunto es un espacio vectorial con la suma y el producto por escalares habi-
tuales. Por motivos que luego veremos, se denomina el espacio dual de k n .
3.2. Dependencia e independencia lineal.
Definición.– Sea V un k–espacio vectorial. Diremos que v ∈ V es combinación lineal de

v 1 , ..., v m ∈ V si existen escalares α1 , ..., αm ∈ k verificando
v = α1 v 1 + ... + αm v m .
Ejemplos.– Algunos ejemplos elementales son:
(a) El vector 0 es combinación lineal de cualquier conjunto de vectores. De forma

similar, un vector v ∈ V siempre es combinación lineal de cualquier conjunto de
vectores que contenga a v.
5
(b) Cuando V = k n , consideramos el conjunto {e1 , ..., en } donde ei es el vector que

tiene todas sus componentes 0 excepto la i–ésima, que es un 1. Entonces, dado
(a1 , ..., an ) ∈ V ,
(a1 , ..., an ) = a1 e1 + ... + an en ,
por lo que todo elemento de V es combinación lineal de e1 , ..., en .
(c) Sea V = M(m × n; k) y sea Eij la matriz que tiene todos sus elementos 0 excepto
el (i, j), que es 1. Entonces, análogamente, para cualquier A = (aij ) ∈ V ,
m X
X n
A= aij Eij .
i=1 j=1
Definición.– Sea S = {v 1 , ..., v m } ⊂ V . Diremos que S es un conjunto linealmente de-

pendiente (o que los vectores v 1 , ..., v m son linealmente dependientes) si existen escalares
α1 , ..., αm ∈ k no todos nulos tales que
α1 v 1 + ... + αm v m = 0.
Esto es, S es linealmente dependiente si 0 es combinación lineal no trivial de los

elementos de S.
En caso contrario, S se dice linealmente independiente. Esto es, v 1 , ..., v m son lineal-
mente independientes cuando
α1 v 1 + ... + αm v m = 0 =⇒ α1 = ... = αm = 0.
Ejemplos.– Veamos ejemplos de dependencia e independencia lineal.
(a) Si 0 ∈ S, S ha de ser linealmente dependiente.
(b) Si S es un conjunto linealmente dependiente, cualquier conjunto (finito) T que lo

contenga también es linealmente dependiente. Del mismo modo, cualquier subcon-
junto de un conjunto linealmente independiente es linealmente independiente.
(c) En particular, el conjunto vacı́o es linealmente independiente.
(d) Dado un vector v 6= 0, el conjunto {v} es linealmente independiente.
Proposición.– Sea S = {v 1 , ..., v m } ⊂ V . Entonces:
(a) S es linealmente dependiente si y sólo si existe un i tal que v i depende linealmente

de v 1 , ..., v i−1 , v i+1 , ..., v m .
(b) S es linealmente independiente si y sólo si ningún v i depende linealmente de los

restantes vectores de S.
6
Demostración.– Es claro que probar (a) prueba (b) y viceversa, pues uno es la ne-
gación del otro: demostraremos entonces (a). En primer lugar supondremos que S es
linealmente dependiente: por tanto existen α1 , ..., αm ∈ k no todos nulos tales que
α1 v 1 + ... + αm v m = 0.
Si suponemos que αi 6= 0, entonces la igualdad anterior se puede traducir en

−1
vi = (α1 v 1 + ... + αi−1 v i−1 + αi+1 v i+1 + ... + αm v m ) ,
αi
por lo que v i es combinación lineal de los restantes.
Ahora supondremos que algún v j es combinación lineal de los restantes vectores de
S,
v j = β1 v 1 + ... + βj−1 v j−1 + βj+1 v j+1 + ... + βm v m .
La expresión anterior se traduce en
0 = β1 v 1 + ... + βj−1 v j−1 − v j + βj+1 v j+1 + ... + βm v m ,
por lo que 0 es combinación lineal no trivial de los vectores de S, ya que el coeficiente de

v j es no nulo. Q.E.D.
Observación.– Consideremos el ejemplo V = k n , y sean v, v 1 , ..., v m dados por
v = (α1 , ..., αn ) , v i = (β1i , ..., βni ) .
Entonces, por las propiedades del rango estudiadas en las lecciones 2.6. y 2.8., sabe-
mos que v es combinación lineal de v 1 , ..., v m si y sólo si
   
β11 ... β1m β11 ... β1m α1
 . ..  .. .. .. 
rg  ..

 = rg 
.  . . .
. 
 
βn1 ... βnm βn1 ... βnm αn
Aplicando esta misma propiedad m veces deducimos entonces que {v 1 , ..., v m } es

linealmente independiente si y sólo si
 
β11 ... β1n
 . .. 
 ..
rg   = m,
. 
β1m ... βnm
lo que prueba, en particular, que un conjunto de más de n vectores no puede ser lineal-
mente independiente en k n .
3.3. Sistemas generadores. Bases.
Definición.– Sea V un k–espacio vectorial, S ⊂ V un subconjunto no necesariamente

finito. Diremos que S es un sistema generador de V si todo v ∈ V es combinación lineal
de un subconjunto finito de S.
7
Si existe un sistema generador finito, V se dice de dimensión finita. En ese caso, la

definición de sistema generador se puede simplificar para decir que S, finito, es sistema
generador si y sólo si todo vector de V es combinación lineal de los vectores de S.
Ejemplos.– Veamos algunos de los ejemplos que hemos estudiado hasta ahora que son
de dimensión finita.
(a) El espacio V = k n es de dimensión finita, ya que todo vector es combinación lineal

de {e1 , ..., en }.
(b) El espacio V = M(m × n; k) también es de dimensión finita, ya que toda matriz
es combinación de las matrices Eij , que son mn en total.
(c) El cuerpo C como R–espacio vectorial es de dimensión finita, ya que todo complejo
es de la forma α + βı, con α, β ∈ R, por lo que el conjunto {1, ı} es un sistema
generador de C.
(d) El k–espacio vectorial k[X]r es de dimensión finita, ya que todo polinomio
de grado menor o igual que r se puede escribir como combinación lineal de
{1, X, X 2 , ..., X r }.
(e) El k–espacio V = {0} admite como sistema generador a S = ∅, y a {0}.
(f) El espacio dual de k n admite como sistema de generadores a {x1 , ..., xn }.
Observación.– Si S1 , S2 son dos subconjuntos finitos de V tales que S2 es sistema gene-

rador y todo vector de S2 es combinación lineal de vectores de S1 , S1 también es sistema
generador: basta escribir un vector cualquier como combinación lineal de elementos de
S2 y sustituir éstos por las correspondientes combinaciones lineales de elementos de S1 .
Definición.– Un conjunto B ⊂ V se dice una base si es un sistema de generadores lineal-

mente independiente.
Ejemplos.– Todos los ejemplos anteriores son bases de sus respectivos espacios vectoria-
les, salvo {0} en (e). Para dar otro ejemplo de sistema generador que no sea base basta
ampliar alguno de los conjuntos anteriores con más vectores. Demos un ejemplo menos
elemental.
Una base de k[X] es el conjunto (infinito) {1, X, X 2 , ...}, porque todo polinomio es
combinación lineal (finita) de estos vectores y son linealmente independientes por que
una combinación lineal finita de ellos igualada a 0 debe tener todos sus coeficientes 0
forzosamente.
Daremos a continuación un resultado esencial, que combina los dos conceptos más
importantes estudiados hasta ahora: independencia lineal y sistema generador. Antes
probaremos algunos resultados auxiliares.
Lema I.– Sean v 1 , ..., v n linealmente independientes, v ∈ V . Si v no es combinación

lineal de v 1 , ..., v n , entonces v, v 1 , ..., v n son linealmente independientes.
Demostración.– Por reducción al absurdo, si v, v 1 , ..., v n fueran linealmente depen-
dientes halları́amos β, α1 , ..., αn ∈ k no todos nulos tales que
βv + α1 v 1 + ... + αn v n = 0.
8
Ahora bien, si β 6= 0 tendrı́amos que v es combinación lineal de los v i , contradiciendo

las hipótesis. Por tanto ha de ser β = 0, pero eso implica que existe una combinación
lineal de los v i igualada a 0, con no todos los coeficientes nulos. Ası́ v 1 , ..., v n son lin-
ealmente dependientes y llegamos también a contradicción. Esto prueba el resultado.
Q.E.D.
Lema II.– Sean T ⊂ S ⊂ V conjuntos finitos de tal forma que T es linealmente inde-
pendiente y S es sistema generador. Entonces existe B, base de V tal que T ⊂ B ⊂ S.
Demostración.– Consiste en aplicar reiteradamente el lema I, de la siguiente forma:
llamemos
T = {u1 , ..., ur } ⊂ {u1 , ..., ur , v 1 , ..., v s } = S.
Empecemos tomando B0 = {u1 , ..., ur } e iremos añadiendo vectores de S \ T o no,

siguiendo el siguiente proceso.
Miremos primero si v 1 es combinación lineal de los elementos de B0 (por ahora,
B0 = T ). Si no es combinación lineal lo añadimos a B0 y, si lo es, no lo añadimos.
En cualquier caso, repetimos el proceso con v 2 , v 3 , ..., v s . Cuando hayamos realizado las
s comprobaciones y añadido los vectores que sean, definimos B = B0 .
El resultado es obviamente un conjunto B que verifica T ⊂ B ⊂ S, por construcción.
Además, por el lema I, B es linealmente independiente, ya que B0 se mantiene linealmente
independiente en todos los pasos del proceso. Resta ver que B es sistema generador de V .
Para ello notemos que todos los elementos de S son combinación lineal de los elementos
de B, bien porque están en B bien porque, si no están en B, es porque son combinación
lineal de vectores de B. Como hemos indicado, esto implica que B es sistema generador.
Q.E.D.
Proposición.– Sea V un k–espacio vectorial de dimensión finita. Entonces V admite una

base finita (esto es, con una cantidad finita de elementos). Más aún:
(a) Todo sistema generador finito contiene una base.

(b) Todo conjunto finito linealmente independiente se puede ampliar a una base finita.
Demostración.– Claramente (a) ó (b) implican la existencia de una base ası́ que nos
limitaremos a probar ambas afirmaciones.
Para probar (a): dado un sistema generador finito S, basta entonces aplicar el lema II
a la situación ∅ ⊂ S para obtener una base finita contenida en S.
Para probar (b): dado un conjunto linealmente independiente T , consideramos un
sistema generador finito cualquiera (debe existir por ser V de dimensión finita) S y apli-
camos el lema II a la situación T ⊂ T ∪ S, que es sistema generador por contener a S.
Q.E.D.
3.4. Teorema de la base.
Esta lección se dedica fundamentalmente a probar el teorema de la base, resultado fun-

damental para todo lo que sigue, que también requiere resultados auxiliares. De ahora
9
en adelante, salvo expresa mención en sentido contrario, V representará un k–espacio

vectorial de dimensión finita.
Lema I (Lema del intercambio).– Sea a ∈ V un vector distinto de 0 que es com-

binación lineal de v 1 , ..., v n . Entonces existe un i tal que v i es combinación lineal de
v 1 , ..., v i−1 , a, v i+1 , ..., v n .
Demostración.– Como a 6= 0, en la expresión
a = α1 v 1 + ... + αn v n ,
debe existir, forzosamente, un αi 6= 0. Entonces
−1
vi = (α1 v 1 + ... + αi−1 v i−1 − a + αi+1 v i+1 + ... + αn v n ) ,
αi
lo que prueba el resultado. Q.E.D.
Lema II.– Sean B = {u1 , ..., um } una base de V y A = {v 1 , ..., v r } un conjunto lineal-
mente independiente. Entonces r ≤ m.
Demostración.– Por el lema del intercambio, como v 1 es combinación lineal de los
elementos de B, podemos intercambiarlo con uno de los elementos de B, pongamos con
u1 . Obtenemos entonces un nuevo conjunto B1 = {v 1 , u2 , ..., um }, que es de nuevo
sistema generador como lo era B, porque todo elemento de B es combinación lineal de
los elementos de B1 .
Por tanto, como v 2 es combinación lineal de los elementos de B1 , podemos intercam-
biarlo por un elemento de B1 . Aún más, podemos tomar para intercambiar un vector de
B1 que no sea v 1 .
En efecto, si nos fijamos en la demostración del lema del intercambio, veremos que
podemos tomar cualquier vector de B1 que tenga coeficiente no nulo en la expresión de
v 2 como combinación lineal. Si el único vector disponible fuera v 1 , tendrı́amos
v 2 = α1 v 1 ,
con lo que A serı́a linealmente dependiente, contradiciendo las hipótesis. Por tanto pode-
mos tomar uno de los v i , i = 2, ..., n. Por comodidad de notación, supondremos que
tomamos v 2 y definimos
B2 = {v 1 , v 2 , u3 ..., um } ,
que sigue siendo sistema generador, por análogas razones que B1 .
Pasamos entonces al caso genérico, suponiendo que tenemos un sistema generador
Bi = {v 1 , ..., v i , ui+1 , ..., um } .
Por el lema del intercambio, como v i+1 es combinación lineal de los vectores de Bi ,
podemos intercambiarlo con uno de esos vectores. Pero, si no pudiera ser intercambiado
por uno de los uj , j = i + 1, ..., m, serı́a porque
v i+1 = α1 v 1 + ... + αi v i ,
por lo que A serı́a linealmente dependiente, en contra de las hipótesis. Ası́ pues podemos
intercambiar v i+1 con uno de los uj y supondremos que es ui+1 . Ası́ definimos
Bi+1 = {v 1 , ..., v i+1 , ui+2 , ..., um } ,
10
que sigue siendo sistema generador.

Podremos seguir de esta forma hasta llegar al mı́nimo entre m y r. Supongamos que
r > m y lleguemos a un absurdo para probar el resultado. En efecto, si r > m podemos
construir un sistema generador
Bm = {v 1 , ..., v m } ,
y aún existirán vectores en A que, forzosamente, dependerán de los que están en Bm . Ası́,
A es linealmente dependiente, contradiciendo las hipótesis. Q.E.D.
Corolario.– Sea V un k–espacio vectorial, no necesariamente de dimensión finita. Si

existe un conjunto infinito linealmente independiente, o conjuntos linealmente indepen-
dientes finitos pero arbitrariamente grandes, V no es de dimensión finita.
Demostración.– En efecto, la proposición de la lección anterior, junto con el lema
que acabamos de probar, implica que en un k–espacio vectorial de dimensión finita, los
conjuntos linealmente independientes tienen un cardinal acotado por el cardinal de una
base finita arbitraria. Q.E.D.
Observación.– El k–espacio vectorial k[X] no es de dimensión finita. Por tanto, tampoco

lo es el espacio de funciones continuas (derivables, integrables,...).
Teorema de la base.– Sea V un k–espacio vectorial de dimensión finita. Entonces todas

las bases de V tienen el mismo número de elementos.
Demostración.– Sean B1 y B2 dos bases distintas de V , con cardinales respectivos n1
y n2 . Entonces, por ser B1 linealmente independiente, n1 ≤ n2 y por ser B2 linealmente
independiente n2 ≤ n1 . Ası́ n1 = n2 . Q.E.D.
3.5. Dimensión. Coordenadas.
Esta lección está dedicada por entero a explotar consecuencias del teorema de la base:
entre ellas los conceptos fundamentales de dimensión y coordenadas.
Definición.– Sea V un k–espacio vectorial (de dimensión finita). El número de elementos

de una base cualquiera de V se denomina dimensión de V , denotado dim(V ).
Ejemplos.– En los ejemplos usuales, tenemos las siguientes dimensiones:
(a) dim(k n ) = n.
(b) dim({0}) = 0.
(c) dim(k[X]r ) = r + 1.
(d) dim(M(m × n; k)) = mn.
(e) La dimensión del espacio dual de k n es n.
Proposición.– Sea V un k–espacio vectorial, dim(V ) = n.
11
(a) Todo conjunto de n vectores linealmente independiente es una base.
(b) Todo conjunto de más de n vectores es linealmente dependiente.
(c) Todo sistema de generadores con n vectores es una base.
(d) Todo sistema de generadores tiene, al menos, n vectores.
(e) Si W es otro k–espacio vectorial, W ⊂ V , W es de dimensión finita y dim(W ) ≤

dim(V ).
(f) Si W ⊂ V son dos k–espacios vectoriales con la misma dimensión, V = W .
Demostración.– Es obvio que (a) y (b) son equivalentes, ası́ como (c) y (d). Haremos
por ejemplo (a), ya que (c) es análogo. En efecto, si A es un conjunto de n vectores
linealmente independiente, se puede extender a una base. Como toda base ha de tener n
elementos, A es necesariamente una base.
Veamos ahora (e). Si W ⊂ V , tomamos una base B de W . Aunque no podemos
decir nada acerca de si genera o no todo V , sı́ podemos asegurar que B es un conjunto
linealmente independiente de V , ya que esto sólo depende del conjunto y de k, no del
espacio vectorial en el que está inmerso el conjunto. Ası́, B puede extenderse a una base
B′ de V . Por tanto, como B′ ha de ser finita, W es de dimensión finita y
dim(W ) = ♯(B) ≤ ♯(B′ ) = dim(V ).
Veamos por último (f). En efecto, si W ⊂ V , tomamos como antes una base B de W
y la extendemos a una base B′ de V . Dado que dim(W ) = dim(V ), ha de ser B = B′ y,
por tanto, B genera V , de donde W = V . Q.E.D.
Observación.– El concepto de coordenadas respecto de una base es uno de los más impor-
tantes: es particularmente esencial que el alumno distinga entre vectores y coordenadas; si
es necesario poniendo énfasis en los ejemplos distintos de k n para acentuar la diferencia.
Proposición.– Sea B = {u1 , ..., un } una base de V , v ∈ V . Entonces existen unos

escalares únicos α1 , ..., αn ∈ k tales que
v = α1 u1 + ... + αn un .
Demostración.– La existencia de α1 , ..., αn está garantizada por el hecho de que B es

sistema generador de V . Para probar la unicidad supondremos que v se puede expresar
de dos formas distintas como combinación lineal de los elementos de B:
v = α1 u1 + ... + αn un = β1 u1 + ... + βn un .
Entonces ha de ser
0 = (α1 − β1 ) u1 + ... + (αn − βn ) un ,
de donde, al ser B linealmente independiente,
α1 − β1 = ... = αn − βn = 0,
12
esto es, αi = βi para i = 1, ..., n. Q.E.D.
Definición.– En la situación de la proposición, la n–upla (α1 , ..., αn ) ∈ k n se denominan

coordenadas de v con respecto a B, y se denota (v)B .
En (numerosas) ocasiones abusaremos de la notación y consideraremos las coorde-
nadas indistintamente como n–upla (α1 , ..., αn ) y como matriz de orden 1×n, (α1 ... αn ).
Proposición.– Sea V un k–espacio vectorial, B = {u1 , ..., un } una base de V ; v, v 1 , ..., v m

vectores de V . Son equivalentes:
(a) v es combinación lineal de v 1 , ..., v m .
(b) (v)B es combinación lineal de (v 1 )B , ..., (v m )B .
Demostración.– Denominemos
(v)B = (α1 , ..., αn ) , (v i )B = (βi1 , ..., βin ) , i = 1, ..., m.
Entonces si tenemos
 
m
X m
X n
X X
v= γi v i = γi  βij uj  = (γi βij )uj ,
i=1 i=1 j=1 i,j
por lo que, por la unicidad de las coordenadas,

m m m
!
X X X
(α1 , ..., αn ) = γi βi1 , ..., γi βin = γi (βi1 , ..., βin ) ,
i=1 i=1 i=1
y la otra implicación es análoga. Q.E.D.
Corolario.– Dados vectores v, v 1 , ..., v p ∈ V y escalares α1 , ..., αp ∈ k,

p
X p
X
v= αi v i ⇐⇒ (v)B = αi (v i )B
i=1 i=1
Observación.– A partir de este corolario es directo ver que la dependencia e independen-

cia lineal de un conjunto de vectores o el hecho de ser o no sistema generador se pueden
ver a partir de las coordenadas respecto de una base cualquiera.
3.6. Cambios de base.
En esta sección trabajaremos con k n como espacio de coordenadas de un k–espacio vecto-

rial arbitrario V de dimensión n. Como ilustración primordial de la diferencia conceptual
entre vectores y coordenadas, estudiaremos a fondo la relación entre coordenadas respecto
de distintas bases.
Observación.– En el caso V = k n , un conjunto de n vectores S = {v 1 , ..., v n } dados por
v i = (a1i , ..., ani )
13
es una base si y sólo si

a11 ... a1n
.. . . .
. . .. 6= 0.
an1 ... ann
Veamos por qué.
Para empezar S es sistema generador porque todo vector de V es combinación lineal
de sus elementos, como se puede ver rápidamente por el criterio dado en 3.2.: ningún
vector que añadamos a la matriz (aij ) puede hacer crecer el rango.
Además son linealmente independientes, porque el rango de la matriz que forman es
n y, si retiramos una fila, el rango disminuye obviamente. Ası́, ninguno de los vectores
depende linealmente de los restantes y el conjunto ha de ser linealmente independiente.
Esta observación, llevada al caso general, arroja el siguiente resultado.
Proposición.– Sea V un k–espacio vectorial de dimensión n, B una base cualquiera de V

y u1 , ..., un un conjunto de vectores tales que
(uj )B = (a1j , ..., anj ) .
Entonces {u1 , ..., un } son base de V si y sólo si det(aij ) 6= 0.

Demostración.– El resultado se sigue de combinar la observación anterior con la
última de la lección 3.5. Q.E.D.
Vamos a tratar ahora un tema distinto: sea V un k–espacio vectorial de dimensión n,

B = {u1 , ..., un } y B′ = {v 1 , ..., v n } dos bases de V . Estudiaremos la relación que existe
entre las coordenadas de un mismo vector respecto de B y de B′ .
Proposición.– En las condiciones anteriores, sea v ∈ V con
(v)B = (α1 , ..., αn ) , (v)B′ = (β1 , ..., βn ) ,
y sean
(ui )B′ = (c1i , ..., cni ) ,
las coordenadas de los vectores de B respecto de B′ . Entonces
    
c11 ... c1n α1 β1
 . . .  .   . 
 . . . .. 
 .   ..  =  ..  .
   
cn1 ... cnn αn βn
Demostración.– Basta aplicar la definición de coordenadas respecto de B y B′ y la

unicidad de éstas últimas. En concreto, tenemos que
 
n n n n n
!
X X X X X
v= αi ui = αi  cji v j  = αi cji v j ,
i=1 i=1 j=1 j=1 i=1
por lo que la coordenada j–ésima de v respecto de B′ es precisamente
α1 cj1 + ... + αn cjn = βj ,
14
de donde se tiene el enunciado. Q.E.D.
Definición.– En las condiciones del enunciado, la matriz (cij ) se denomina matriz de

cambio de base de B a B′ y se denotará por M (B, B′ ), esto es
M (B, B′ )(v)tB = (v)tB′ .
Observación.– La matriz M (B, B′ ) es única verificando la condición de la proposición.

En efecto, para que ésta se cumpla sobre los vectores de B es inmediato comprobar que
las columnas de la matriz han de ser las coordenadas de los elementos de B respecto de
B′ .
Observación.– Notemos que, como en M (B, B′ ) aparecen, por columnas, las coorde-
nadas de una base respecto de otra, la matriz ha de ser invertible. En particular, por el
resultado anterior y la unicidad que acabamos de enunciar, se tiene que
M (B, B′ )−1 = M (B′ , B).
3.7. Subespacios (I): Definición y ejemplos.
Definición.– Sea V un k–espacio vectorial, no necesariamente de dimensión finita. Un

subconjunto L ⊂ V se denomina un subespacio vectorial si es, a su vez, un k–espacio
vectorial con las mismas operaciones definidas en V .
Ejemplo.– Si consideramos Q ⊂ R, vemos que Q es un subespacio de R como Q–

espacio vectorial, pero no como R–espacio vectorial pues con la suma y el producto por
escalares reales Q no es espacio vectorial.
Proposición.– Sea L ⊂ V , L 6= ∅. Son equivalentes:
(a) L es un subespacio vectorial de V .
(b) Dados u, v ∈ L y α, β ∈ k cualesquiera, se tiene que αu + βv ∈ L.
Demostración.– Haremos por separado las dos implicaciones, ya que son esencial-
mente distintas en su estrategia.
(a) =⇒ (b) Esta implicación es sencilla: como L es k–espacio vectorial, el producto
de un escalar por un vector de L ha de estar en L, ası́ como la suma de vectores de L, por
lo que se tiene (b).
(b) =⇒ (a) Entre elementos de L tenemos definida una suma, por ser a su vez ele-
mentos de V . La hipótesis (b), para α = β = 1, asegura que esta suma es una operación
interna. Ası́ mismo, el producto de un vector de L por un escalar arbitrario es de nuevo un
vector de L, tomando en (b) el caso β = 0. Por tanto, tenemos definidos en L una suma y
un producto por escalares.
Casi todas las propiedades que debe verificar L para ser k–espacio vectorial se veri-
fican inmediatamente porque se verifican en todo V . Sólo hay que verificar que 0 ∈ L y
15
que, dado u ∈ L, −u ∈ L. Pero la primera afirmación se tiene por el caso α = β = 0 y

la segunda por el caso α = −1, β = 0. Q.E.D.
Corolario.– Si L es subespacio vectorial, cualquier combinación lineal de elementos de

L debe estar en L.
Ejemplos.– Veamos algunos ejemplos en los casos conocidos.

(a) Dado cualquier k–espacio vectorial V , el propio V y {0} son siempre subespacios
vectoriales de V (denominados impropios o triviales).
(b) Sea AX t = 0m×1 un sistema homogéneo de m ecuaciones lineales en n incógnitas,
L el conjunto de sus soluciones. Entonces L es un subespacio vectorial de k n . En
efecto, si tomamos dos soluciones, u y v, y dos escalares α, β ∈ k,
A (αu + βv)t = αAut + βAv t = 0m×1 .
(c) Las matrices diagonales, las triangulares superiores y las triangulares inferiores de
orden m × n, son subespacios vectoriales de M(m × n; k).
(d) Las funciones derivables en R son un subespacio de las funciones continuas en R.
Observación.– Un ejemplo esencial es el siguiente: dado un k–espacio vectorial V y un

subconjunto de vectores A definimos el subespacio generado por A como
{x ∈ V | x es combinación lineal de un subconjunto finito de A} ,
denotado L(A) ó hAi. Si A = {v 1 , ..., v m }, también se notará L(v 1 , ..., v m ) ó hv 1 , ..., v m i.
Proposición.– Sea V un k–espacio vectorial de dimensión finita, A ⊂ V . Entonces L(A)

es el menor subespacio vectorial de V que contiene a A.
Demostración.– Veamos primero que L(A) es subespacio vectorial: para ello
tomemos u, v ∈ L(A) y α, β ∈ k. Por definición existen vectores u1 , ..., ur , v 1 , ..., v s ∈ A
y escalares γ1 , ..., γr , δ1 , ..., δs ∈ k tales que
r
X s
X
u= γ i ui , v = δi v i .
i=1 i=1
Pero entonces r s
X X
αu + βv = αγi ui + βδi v i ,
i=1 i=1
esto es, es combinación lineal de una cantidad finita de vectores de A, por lo que αu+βv ∈
L(A).
Ahora hemos de probar que L(A) es el menor subespacio que contiene a A, para lo
que tomaremos un subespacio L tal que A ⊂ L y veremos que L(A) ⊂ L. Esto es
sencillo, ya que, si v ∈ L(A), existen a1 , ..., ar ∈ A y α1 , ..., αr ∈ k tales que
v = α1 a1 + ... + αr ar .
Pero, como ai ∈ A ⊂ L, v es combinación lineal de elementos de L y, por tanto, está

en L. Q.E.D.
Corolario.– En las condiciones anteriores:
16
(a) A siempre es sistema generador de L(A). En particular, L(A) = V si y sólo si A

es sistema generador de V .
(b) Si A ⊂ B, entonces L(A) ⊂ L(B).
(c) L(∅) = {0}.
(d) Si A es un subespacio vectorial, L(A) = A.
Demostración.– Todas las pruebas son triviales a partir de la proposición. Q.E.D.
3.8. Subespacios (II): Sistemas de ecuaciones.
Hemos visto que el conjunto de soluciones de un sistema de ecuaciones es un subespacio

de k n y que, de algún modo, lo mismo da trabajar con un k–espacio vectorial de dimensión
n que con k n como espacio de coordenadas respecto de una base fijada. Ahora veremos
el otro lado de la cuestión probando que, fijada una base para tomar coordenadas, todo
subespacio se puede expresar como el conjunto de soluciones de un sistema de ecuaciones
lineales.
Proposición.– Sea AX t = 0m×1 un sistema de m ecuaciones con n incógnitas, ho-

mogéneo, definido sobre k; L el subespacio vectorial de k n formado por las soluciones.
Entonces
dim(L) = n − rg(A).
Demostración.– Tomemos un menor de orden maximal, pongamos h, en A y supon-

gamos que está formado por las h primeras filas y columnas. Entonces, como en la
prueba del teorema de Rouché–Fröbenius, consideramos el sistema equivalente de Cramer
formado por las h primeras ecuaciones en x1 , ..., xh , considerando xh+1 , ..., xn como
parámetros. Ası́, todo vector de L es de la forma
 
n
X n
X n
X
v =  di1 xi , di2 xi , ..., dih xi , xh+1 , ..., xn 
i=h+1 i=h+1 i=h+1
n
X
= xi (di1 , ..., dih , 0, ..., 0, 1, 0, ..., 0) ,
i=h+1
con el 1 en la posición i–ésima. Denotemos
z i = (di1 , ..., dih , 0, ..., 0, 1, 0, ..., 0) ,
para i = h + 1, ..., n.
17
Lo anterior implica que L = L(zh+1 , ..., zn ). Pero además como

 
dh+1,1 dh+2,1 ... dn1
dh+1,2 dh+2,2 ... dn2
 
 
.. .. ..
 
 

 . . . 

 dh+1,h dh+2,2 ... dnh 
rg   = n − h,

1 0 ... 0

 
 

 0 1 ... 0 

 .. .. . . . .. 

 . . . 

0 0 ... 1
los z i son linealmente independientes y, por tanto, base de L. De aquı́, dim(L) = n −
rg(A). Q.E.D.
Observación.– Como es habitual, lo anterior se puede trasladar a cualquier k–espacio

vectorial de dimensión n, una vez que hemos fijado una base B para tomar coordenadas
con respecto a ella. Ahora veremos que, de hecho, esta forma de definir subespacios se
puede utilizar en cualquier caso.
Proposición.– Sea V un k–espacio vectorial de dimensión n, L ⊂ V un subespacio

vectorial, B una base de V . Entonces existe un sistema de ecuaciones homogéneo AX t =
0m×1 tal que
v ∈ L ⇐⇒ (v)B es solución de AX t = 0m×1 .
Demostración.– Al ser L un k–espacio vectorial de dimensión finita, podemos tomar

una base u1 , ..., us de L, con coordenadas respecto de B dadas por
(ui )B = (c1i , ..., cni ).
Entonces un vector de coordenadas genéricas (v)B = (x1 , ..., xn ) está en L si y sólo

si es combinación lineal de los ui , lo cual se traduce en que
   
c11 ... c1s c11 ... c1s x1
 . ..  .. .. .. 
 ..

rg   = rg 
.  . . ,
. 

cn1 ... cns cn1 ... cns xn
lo cual, a su vez, se traduce, usando por ejemplo el método del orlado, en que una serie
de determinantes, con una fila de indeterminadas, sean todos 0. Esto es, en definitiva, un
sistema de ecuaciones lineales homogéneo.
Observemos que, si tomamos una base de L, s = dim(L) , la matriz de orden s ×
n (cij ) tiene un menor no nulo de orden s y, por tanto, aparecen exactamente n − s
ecuaciones, correspondientes a las n − s formas posibles de orlar un menor de orden s en
una matriz (s + 1) × n, con s + 1 ≤ n. Q.E.D.
Definición.– En la situación de la proposición, el sistema AX t = 0m×1 se denomina un

sistema de ecuaciones implı́citas de L. Cuando rg(A) = m el sistema se dirá (linealmente)
independiente.
Proposición.– Sea L ⊂ V un subespacio vectorial, n = dim(V ), s = dim(L) y AX t =

0m×1 un sistema de ecuaciones implı́citas de L respecto de una base fijada B. Entonces
n = s + rg(A).
18
Demostración.– Todos los ingredientes de la prueba ya se han visto: un vector está en

L si y sólo si sus coordenadas verifican el sistema y esto sucede si y sólo si dichas coor-
denadas son combinación lineal de n − rg(A) vectores de k n linealmente independientes
y que son soluciones del sistema. Los vectores de V que tienen estas soluciones como
coordenadas son, entonces, una base de L.
Notemos que es un buen ejercicio para el alumno ver si es capaz de distinguir, en esta
prueba, cuándo hablamos de coordenadas y cuándo de vectores. Q.E.D.
Observación.– Es crucial observar que, al basarse en las coordenadas, un sistema de

ecuaciones implı́citas de L depende de la elección previa de una base y un cambio de
base trae consigo obviamente un cambio del sistema de ecuaciones.
Proposición.– Sea V un k–espacio vectorial de dimensión n, B y B′ dos bases de V , L un

subespacio definido, respecto de B por un sistema de ecuaciones implı́citas AX t = 0m×1 .
Entonces un sistema de ecuaciones implı́citas de L respecto de B′ viene dado por
AM (B′ , B)X t = 0m×1 .
Demostración.– El sistema anterior será un sistema de ecuaciones implı́citas de L

respecto de B′ si verifica que v ∈ L si y sólo si (v)B′ es solución del sistema. Pero esto
último sucede si y sólo si
0m×1 = AM (B′ , B)(v)tB′ = A(v)tB ,
lo cual sucede si y sólo si v ∈ L. Esto prueba el resultado. Q.E.D.
3.9. Operaciones (I): Teorema de la dimensión.
En toda esta lección consideraremos un k–espacio vectorial V de dimensión n.
Proposición.– Sea {Li }i∈I una familia de subespacios vectoriales de V . Entonces el

conjunto \
L= Li
i∈I
es un subespacio vectorial.
Demostración.– Aplicando la caracterización de subespacios es muy fácil: tomamos
u, v pertenencientes a L (en consecuencia a todos los Li ) y α, β ∈ k. Por ser todos los Li
subespacios, tenemos que αu + βv está en todos los Li y, por tanto, en L. Q.E.D.
Observación.– Como intersección de conjuntos que es, la intersección de subespacios

verifica las propiedades asociativa y conmutativa.
Observación.– Notemos, sin embargo que no siempre la unión de subespacios es un

subespacio. Si tomamos, por ejemplo, los subespacios de R3 definidos por
L1 : z = 0, L2 : x = 0,
observaremos que (1, 0, 0), (0, 0, 1) ∈ L1 ∪L2 , pero su suma no está en ninguno de ambos,
por lo que no está en la unión. Esto, como es costumbre en matemáticas, definiendo una
nueva operación que resulte lo más parecida posible a la suma.
19
Definición.– Sean {Li }i∈I una familia de subespacios de V . Entonces se define el subes-
pacio suma de la familia Li como
* +
X [
Li = Li .
i∈I i∈I
Equivalentemente, si I = {1, ..., n}, notaremos Li = L1 + ... + Ln .

P
i∈I
Observación.– Obviamente i∈I Li es un subespacio, porque lo hemos definido como

P
tal. Además es trivial que, por ser el menor subespacio que contiene a la unión de los
Li , ha de ser el menor subespacio que contiene a todos los Li . Ası́, la suma es, en cierto
modo, la operación más próxima posible a la unión.
Observación.– Por la forma de definirla, es obvio que la suma de subespacios verifica las
propiedades asociativa y conmutativa.
Proposición.– En las condiciones anteriores, dados subespacios L1 , L2 , L3 , se verifica:
(a) L1 + L2 = {u1 + u2 | ui ∈ Li } (por supuesto, el enunciado análogo es válido para

n sumandos).
(b) (Leyes de simplificación) L1 = L1 + (L1 ∩ L2 ) = L1 ∩ (L1 + L2 ).
(c) (Ley modular) Si L1 ⊂ L3 , L1 + (L2 ∩ L3 ) = (L1 + L2 ) ∩ L3 .
Demostración.– Probemos (a) y, para ello, denotemos momentáneamente
M = {u1 + u2 | ui ∈ Li }.
Si tomamos un vector cualquiera de M , pongamos v han de existir u1 ∈ L1 , u2 ∈ L2

verificando v = u1 + u2 . Pero, por ser L1 , L2 ⊂ L1 + L2 y ser L1 + L2 subespacio, se
tiene que v ∈ L1 + L2 .
Para ver la otra inclusión tomaremos un vector cualquier de L1 + L2 = hL1 ∪ L2 i,
pongamos w. Como vimos entonces en 3.7., w ha de ser combinación lineal de una
cantidad finita de vectores de L1 ∪ L2 , esto es
w = α1 a1 + ... + αr ar + β1 b1 + ... + βs bs ,
donde ai ∈ L1 , bj ∈ L2 , para i = 1, ..., r y j = 1, ..., s. Entonces llamando u1 = αi ai ∈

P
L1 y u2 = βj bj ∈ L2 , tenemos el resultado.
P
Dejaremos (b), que es el enunciado más simple, como ejercicio, y probaremos una
de las inclusiones de (c), pues las dos son parecidas. Si, por ejemplo, tomamos u ∈
L3 ∩ (L1 + L2 ), eso quiere decir que
u ∈ L3 y, además, ∃a1 ∈ L1 , a2 ∈ L2 tales que u = a1 + a2 .
Entonces a2 = u − a1 ∈ L3 (recordemos que a1 ∈ L1 ⊂ L3 ), por lo que u se puede

escribir como suma de dos vectores: a1 ∈ L1 y a2 ∈ L2 ∩ L3 . Esto finaliza la inclusión.
Q.E.D.
20
Sin duda alguna el resultado esencial que relaciona suma e intersección de subespacios
es el teorema de la dimensión, que tendrá ası́ mismo sus variantes geométricas.
Teorema de la dimensión.– Sean L1 , L2 subespacios de V . Entonces
dim(L1 + L2 ) = dim(L1 ) + dim(L2 ) − dim(L1 ∩ L2 ).
Demostración.– Sea B = {a1 , ..., ap } una base de L1 ∩ L2 . Como conjunto lineal-

mente independiente en L1 y L2 puede ampliarse a sendas bases respectivas
B1 = {a1 , ..., ap , b1 , ..., bq }, B2 = {a1 , ..., ap , c1 , ..., cr }.
Por definición de dimensión basta entonces probar que
S = B1 ∪ B2 = {a1 , ..., ap , b1 , ..., bq , c1 , ..., cr }
es base de L1 + L2 . Es claro que es sistema generador, pues todo vector de L1 + L2 es

combinación lineal de vectores de L1 (que son a su vez combinación lineal de vectores de
B1 ) y de vectores de L2 (análogo). Veamos entonces que S es linealmente independiente.
Para ello consideremos
p
X q
X r
X
αi ai + βj bj + γl cl = 0,
i=1 j=1 l=1
y denotemos para abreviar los tres sumatorios de la izquierda como u, v, w, pertenecientes

respectivamente a L1 ∩ L2 , L1 y L2 .
Entonces, como u + v = −w, este vector está en L1 ∩ L2 y, por tanto, podemos
escribirlo como p q p
X X X
αi ai + βj bj = δi ai ,
i=1 j=1 i=1
de donde (αi − δi )ai + βj bj = 0 y, al ser B1 base, esto implica que αi − δi = βj = 0

P P
para todo i = 1, ..., p y j = 1, ..., q. Ası́, u + w = 0 y, por ser B2 base, obtenemos

finalmente αi = γl = 0 para i = 1, ..., p y l = 1, ..., r. Q.E.D.
Corolario.– Dados subespacios L1 , ..., Lt de V , se tiene que
dim(L1 + ... + Lt ) ≤ dim(L1 ) + ... + dim(Lt ).
Demostración.– Ejercicio sencillo por inducción en t. Q.E.D.
3.10. Operaciones (II): Cálculos. Suma directa.
Observación.– Sean L1 y L2 subespacios de un k–espacio vectorial V de dimensión

finita. A la hora de efectuar cálculos explı́citos de suma e intersección hemos de partir de
datos diferentes: como hemos visto en la demostración del teorema de la dimensión, si
tenemos
L1 = L (u1 , ..., us ) , L2 = L (v 1 , ..., v t ) ,
21
es sencillo verificar que
L1 + L2 = L (u1 , ..., us , v 1 , ..., v t ) .
El caso de n sumandos es análogo. No obstante, hemos de ser cuidadosos en el sentido

de que, aún en el caso de que los sistemas generadores escogidos sean bases, el sistema
generador hallado al unirlo no tiene por qué serlo. Un ejemplo elemental puede ser tomar
L1 = V y L2 6= {0} con sistemas generadores cualesquiera.
En caso de que queramos calcular la intersección, los sistemas generadores de L1 y L2
no son de mucha utilidad ya que éstos representan la faceta constructiva del problema (se
usan para crear vectores por combinación lineal) mientras que la intersección representa
una operación restrictiva. Por ello, es mucho más útil usar dos sistemas de ecuaciones que
definan respectivamente a L1 y a L2 . En efecto, ya que un vector estará en L1 si y sólo si
verifica el primer sistema, y análogamente para L2 , es inmediato ver que un vector está en
L1 ∩ L2 si y sólo si verifica ambos sistemas de ecuaciones. Ası́, un sistema de ecuaciones
de L1 ∩ L2 se obtiene reuniendo ambos sistemas.
De la misma forma que en el caso de la suma, el escoger sistemas de ecuaciones
independientes no garantiza que el sistema obtenido para la intersección sea de ecuaciones
independientes. El mismo ejemplo que pusimos anteriormente sirve para este caso.
Veamos ahora una situación particular que tiene numerosas aplicaciones.
Definición.– Sean L, L1 , L2 , ..., Ln subespacios vectoriales de V . Decimos que L es suma

directa de L1 , ..., Ln , (o que L1 , ..., Ln están en suma directa) notado
n
M
L= Li = L1 ⊕ ... ⊕ Ln ,
i=1
si se verifican las dos condiciones siguientes:
(a) L = L1 + ... + Ln .
P
(b) Li ∩ j6=i Lj = {0} para cualquier i.
En particular, L = L1 ⊕ L2 si L = L1 + L2 y L1 ∩ L2 = {0}. Este caso es el que

aparecerá con más frecuencia.
Observación.– De la definición y del teorema de la dimensión se sigue que:
(a) Si L1 , ..., Ln están en suma directa, también lo están cualquier subconjunto de ellos.
(b) dim(L1 ⊕ ... ⊕ Ln ) = dim(L1 ) + ... + dim(Ln ). (Inducción en n trivial)
Proposición.– Sea L = L1 + ... + Ln . Las condiciones siguientes son equivalentes:
(a) L = L1 ⊕ ... ⊕ Ln .
(b) Para todo v ∈ L existen únicos u1 ∈ L1 , ..., un ∈ Ln tales que v = u1 + ... + un .
(c) Para cualesquiera B1 , ..., Bn , bases respectivas de L1 , ..., Ln , B1 ∪ ... ∪ Bn es base

de L.
22
Demostración.– Como hemos de probar que cualquiera de los enunciados implica los
otros dos, haremos la prueba siguiendo el esquema (a) =⇒ (b) =⇒ (c) =⇒ (a).
(a) =⇒ (b) La existencia está garantizada por el hecho de que L = L1 + ... + Ln .
Para ver la unicidad, si tenemos v = u1 + ... + un = u′1 + ... + u′n , con ui , u′i ∈ Li ,
tendrı́amos
 
u1 − u′1 = (u2 + ... + un ) − (u′2 + ... + u′n ) ∈ L1 ∩ 

X
Lj  = {0},
j>1
por lo que u1 = u′1 . Para un i cualquiera se procede análogamente.

(b) =⇒ (c) El hecho de que B1 ∪ ...Bn es sistema generador está garantizado porque
L = L1 + ... + Ln . Hemos de probar que es linealmente independiente y, para ello,
tomamos una combinación lineal
r1
X rn
X n o
0= α1i a1i + ... + αn1 ani , con aji ∈ Bj = aj1 , ..., ajrj , αji ∈ k.
i=1 i=1
Pero en la expresión anterior escribimos 0 ∈ L como suma de un vector de cada Li .

Sin embargo, otra forma equivalente de expresarlo es 0 = 0 + ... + 0. Por la unicidad de
esta forma de expresión (que es la hipótesis (b)) hemos de tener necesariamente
r1
X rn
X
0= α1i a1i = ... = αni ani ,
i=1 i=1
y, al ser las Bj bases, tenemos que, para cualesquiera j = 1, ..., n; i = 1, ..., rj ; αji = 0
como querı́amos probar.
(c) =⇒ (a) Sean B1 , ..., Bn bases respectivas de L1 , ..., Ln , verificándose dim(Li ) =
ri . Si es necesario, multiplicaremos algunos vectores de cada Bi por escalares no nulos
para garantizar que Bi ∩ Bj = ∅ en cualquier caso. Entonces
   
X X
dim Li ∩ Lj  = dim(Li ) + dim  Lj  − dim(L).
j6=i j6=i
Pero, por (c), B1 ∪ ...Bn esbase de L y, obviamente, B1 ∪ Bi−1 ∪ ... ∪ Bi+1 ∪ ... ∪ Bn
lo es de j6=i Lj , por ser linealmente independiente. Ası́,
P
 
X X n
X
dim Li ∩ L j  = ri + rj − rj = 0,
j6=i j6=i j=1
lo que prueba (a). Q.E.D.
Definición.– Dados subespacios L ⊂ L0 , diremos que L′ es un subespacio complemen-

tario de L en L0 cuando L0 = L ⊕ L′ .
Observación.– Por los resultados anteriores, una forma de calcular un subespacio com-
plementario de L en L0 consiste en tomar una base, BL , de L y ampliarla a una base B de
L0 . Entonces los vectores de B \ BL forman una base de un subespacio complementario.
En particular, salvo que L sea un subespacio trivial de L0 , no existe un único subespacio
complementario.
23
Ejercicios del tema 3
Ejercicio 1.– Se consideran los vectores siguientes del R–espacio vectorial R2 :

{(3, 2), (4, −1), (5, −2)}
¿Son o no son linealmente dependientes?
Misma pregunta para los vectores siguientes de R3 :
{(9, −3, 7), (1, 8, 8), (5, −5, 1)}
Y para los vectores siguientes de R4 :
{(2, −1, 5, 7), (3, 1, 5, −2), (1, 1, 1, −4)}
Ejercicio 2.– Sea P (x) un polinomio de grado n con coeficientes reales. Demostrar
que P (x) y sus n primeras derivadas: P ′ (x), P ′′ (x), . . . , P (n) (x) son linealmente in-
dependientes en el R–espacio vectorial R[x]n (Idea: Fijar una base de R[x]n y tomar
coordenadas).
Ejercicio 3.– En el R–espacio vectorial R4 :

(a) Determinar λ tal que los tres vectores
a = (3, 1, −4, 6), b = (1, 1, 4, 4), c = (1, 0, −4, λ),
sean dependientes.
(b) Se consideran los vectores linealmente independientes:
a = (2, −2, 3, 1), b = (−1, 4, −6, −2).
Completar la familia {a, b} hasta una base de R4 .
Ejercicio 4.– Determinar razonadamente la dimensión de cada uno de los R–espacios

vectoriales de matrices con coeficientes reales y orden n × n siguientes:
• El espacio de todas estas matrices.
• El espacio de las matrices diagonales.
• El espacio de la matrices triangulares superiores.
• El espacio de las matrices simétricas.
• El espacio de las matrices antisimétricas.
Ejercicio 5.– Sea B = {(1, 0, 1, 3), (0, 1, −1, 0), (1, 0, 1, 2), (−1, 0, 0, 1)}. Probar que es
una base de R4 . Calcular las coordenadas de los siguientes vectores respecto de la base
B.
v 1 = (1, 0, 1, 0), v 2 = (1, 1, 1, 1), v 3 = (1, −1, 2, 1).
24
Ejercicio 6.– Sea V un K-espacio vectorial, y sea S ⊂ V . Demostrar los siguientes

enunciados.
1. Si S es un sistema linealmente dependiente y v ∈ V , entonces S ∪ {v} es lineal-

mente dependiente.
2. Si S es un sistema linealmente independiente y v ∈ S, entonces S\{v} es lineal-

mente independiente.
3. Si S es un sistema de generadores y v ∈ V , entonces S ∪ {v} es un sistema de

generadores.
4. Si S es un sistema de generadores y v ∈ V \ S, entonces S ∪ {v} es linealmente

dependiente.
5. Si S es un sistema linealmente independiente y v ∈ S, entonces S\{v} no es

sistema de generadores.
6. Si una base de V está contenida dentro de otra, entonces son iguales.
Ejercicio 7.– Sea V un Q–espacio vectorial de dimensión 4, y consideramos B =

{u1 , u2 , u3 , u4 } y B′ = {u′ 1 , u′ 2 , u′ 3 , u′ 4 } dos bases de V relacionadas por:
 ′

 u1 = 2u1 + u2 − u3
 ′

u2 = 2u1 + u3 + 2u4


 u′ 3 = u1 + u2 − u3
 ′
u4 = −u1 + 2u3 + 3u4
1. Se consideran los vectores cuyas coordenadas respecto de la base B se dan:
aB = (1, 2, 0, 1), bB = (3, −1, 2, 1), cB = (0, 1, −2, 3), dB = (1, 2, 1, 2).
Determinar sus coordenadas respecto de B′ .
2. Se consideran los vectores cuyas coordenadas respecto de la base B′ se dan:
xB′ = (0, 1, 1, −1); y B′ = (2, 1, 0, 1); z B′ = (−1, 2, 0, 6).
Determinar sus coordenadas respecto de B.
Ejercicio 8.– A cada numero real θ asociamos la familia de dos vectores:
B(θ) = {(cos(θ), sen(θ)), (−sen(θ), cos(θ))} .
• Demostrar que siempre es una base del R–espacio vectorial R2 .
• Para α y β números reales, hallar la matriz de cambio de base de B(α) a B(β).
• ¿Cuáles son las coordenadas del vector (1, 1) en la base B(π/3)?
25
Ejercicio 9.– Sea θ ∈ R. Sea V (θ) el subconjunto de R formado por los números x + yθ,
con x, y ∈ Q.
• Demostrar que V (θ) es un subespacio vectorial del Q–espacio vectorial R.

√
• ¿Qué dimensión tiene V (2)? ¿Qué dimensión tiene V ( 2)?
• Indicar la regla que da la dimensión de V (θ), dependiendo del valor de θ.
Ejercicio 10.– Sean V, W dos k–espacios vectoriales. Consideramos el producto carte-

siano V × W y, sobre sus elementos, las operaciones siguientes:
(v, w) + (v ′ , w′ ) = (v + v ′ , w + w′ )
α(u, v) = (αu, αw)

Demostrar que estas operaciones definen, sobre V × W , una estructura de k–espacio
vectorial. Si tenemos que dim(V ) = n, dim(W ) = m, hallar la dimensión de V × W .
Ejercicio 11.– En el R–espacio vectorial R4 se consideran los tres vectores:
a = (1, 2, 0, 1), b = (2, 3, 0, 3), c = (3, 2, 1, 2).
Sea V el subespacio vectorial de R4 que generan. Hallar un sistema de ecuaciones lineales

que defina V , es decir tal que V sea su conjunto de soluciones. ¿Cuál es la dimensión de
V?
Ejercicio 12.– En el R–espacio vectorial R4 consideramos los subespacios vectoriales

siguientes (V1 definido por una familia de generadores, los otros por un sistema de ecua-
ciones implı́citas):
(
x1 − x4 = 0
V1 = h(1, 1, 2, 1), (2, 2, 0, 2), (−1, −1, 6, −1)i V2 :
6x2 + x3 = 0
x1 + x2 = 0

( 

x1 − x2 = 0 x1 + x2 + 2x3 − x4 = 0


V3 : V4 : 
x3 + 6x4 = 0 
 3x1 + 3x2 + 2x3 + x4 = 0
x1 − x2 = 0

• Hallar la dimensión y una base de V1 , V2 , V3 y V4 .
• Hallar una base o un sistema de ecuaciones implı́citas para cada uno de los sube-
spacios siguientes:
V1 + V2 , V1 + (V2 ∩ V3 ), (V1 + V2 ) ∩ V3 .
Ejercicio 13.– En el R–espacio vectorial M(n; R), sea T + el subespacio vectorial de las
matrices triangulares superiores, y T − el subespacio vectorial de las matrices triangulares
inferiores. Hallar la dimensión de T + + T − .
26
Ejercicio 14.– En el R–espacio vectorial M = M(n; R) de las matrices cuadradas de

orden n con coeficientes reales, consideremos A, el subespacio vectorial de las matrices
antisiméricas, y S, el subespacio vectorial de las matrices simétricas. Demostrar que
M = S ⊕ A.
Ejercicio 15.– Sea V el R–espacio vectorial de los polinomios P (x) con coeficientes
reales y grado máximo 3. Hallar un complementario del subespacio W definido por:
W = {P ∈ V | P (0) = P (1) = 0}.
27

Algebra Tema 3

Cargado por

Copyright:

Formatos disponibles

Algebra Tema 3

Cargado por

Información del documento

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

Algebra Tema 3

Cargado por

Copyright:

Formatos disponibles

Álgebra Lineal y Geometrı́a. Departamento de Álgebra. http://www.departamento.us.

Álgebra Lineal y Geometrı́a

Departamento de Álgebra, Universidad de Sevilla

El contenido de estas notas ha sido diseñado y redactado por el profesorado de la

Tema 3: Espacios vectoriales 3

Tema 3: Espacios vectoriales

3.1. Espacios vectoriales: Definición y ejemplos.

Definición.– Sea k un cuerpo, 0 y 1 los elementos neutros de la suma y el producto,

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

(b) El producto por escalares verifica, para cualesquiera u, v ∈ V , α, β ∈ k,

(b.1) α(u + v) = αu + αv.

Los elementos de V se denominan vectores y los de k, como de costumbre, escalares.

Notación.– Usaremos las notaciones siguientes, dado un k–espacio vectorial V :

(a) Los elementos V se denotarán con letras subrayadas: v ∈ V .

(b) Dado v ∈ V el inverso aditivo es único y ha de ser igual necesariamente a (−1)v.

(c) El elemento neutro de la suma en V se denotará 0.

Proposición.– Sea V un k–espacio vectorial, u, v ∈ V , α, β ∈ k. Se verifican las siguien-

(b) α(u − v) = αu − αv, (α − β)u = αu − βu.

(c) (−α)u = −(αu), α(−u) = −(αu).

(d) αu = 0 implica que α = 0 ó u = 0.

Demostración.– Todas las demostraciones son elementales y sólo requieren el uso de

αu + α(−u) = α(u + (−u)) = α(u − u) = α0 = 0,

(a) El ejemplo fundamental será el espacio numérico n–dimensional definido como

y las dos operaciones son:

(a1 , ..., an ) + (b1 , ..., bn ) = (a1 + b1 , ..., an + bn ),

α(a1 , ..., an ) = (αa1 , ..., αan ).

(c) El conjunto M(m × n; k) es un k–espacio vectorial con las operaciones usuales de

(d) Sea AX t = 0n×1 un sistema de ecuaciones lineales homogéneo en m variables.

k[X]r = {p(X) ∈ k[X] | grado(p) ≤ r} ∪ {0}

también es un k–espacio vectorial.

(f) El conjunto de funciones continuas (diferenciables, Riemann–integrables,...) en un

(g) Una ecuación diferencial lineal homogénea es una expresión de la forma

(h) El conjunto V = {0} es un k–espacio vectorial para cualquier k. Es el menor que

(i) De manera similar al ejemplo (e), consideremos n variables x1 , ..., xn y el conjunto

W = {f (x1 , ..., xn ) = a1 x1 + ... + an xn | ai ∈ k}

3.2. Dependencia e independencia lineal.

Definición.– Sea V un k–espacio vectorial. Diremos que v ∈ V es combinación lineal de

Ejemplos.– Algunos ejemplos elementales son:

(a) El vector 0 es combinación lineal de cualquier conjunto de vectores. De forma

(b) Cuando V = k n , consideramos el conjunto {e1 , ..., en } donde ei es el vector que

Definición.– Sea S = {v 1 , ..., v m } ⊂ V . Diremos que S es un conjunto linealmente de-

Esto es, S es linealmente dependiente si 0 es combinación lineal no trivial de los

Ejemplos.– Veamos ejemplos de dependencia e independencia lineal.

(a) Si 0 ∈ S, S ha de ser linealmente dependiente.

(b) Si S es un conjunto linealmente dependiente, cualquier conjunto (finito) T que lo

(c) En particular, el conjunto vacı́o es linealmente independiente.

(d) Dado un vector v 6= 0, el conjunto {v} es linealmente independiente.

Proposición.– Sea S = {v 1 , ..., v m } ⊂ V . Entonces:

(a) S es linealmente dependiente si y sólo si existe un i tal que v i depende linealmente

(b) S es linealmente independiente si y sólo si ningún v i depende linealmente de los

Si suponemos que αi 6= 0, entonces la igualdad anterior se puede traducir en

La expresión anterior se traduce en

0 = β1 v 1 + ... + βj−1 v j−1 − v j + βj+1 v j+1 + ... + βm v m ,

por lo que 0 es combinación lineal no trivial de los vectores de S, ya que el coeficiente de

Observación.– Consideremos el ejemplo V = k n , y sean v, v 1 , ..., v m dados por

v = (α1 , ..., αn ) , v i = (β1i , ..., βni ) .

Aplicando esta misma propiedad m veces deducimos entonces que {v 1 , ..., v m } es

3.3. Sistemas generadores. Bases.

Definición.– Sea V un k–espacio vectorial, S ⊂ V un subconjunto no necesariamente

Si existe un sistema generador finito, V se dice de dimensión finita. En ese caso, la