Capítulo 4

Espacios Vectoriales

4.1. De…niciones y ejemplos

De…nición 4.1 Sea V un conjunto y sea K un cuerpo. Diremos que V es un espacio vectorial sobre
K o un K–espacio vectorial, si y solo si se cumplen las siguientes condiciones:

1. En V existe una Ley de Composición Interna (L.C.I.), que llamamos suma y que denotamos
por +, que asocia a cada par de elementos ~u; ~v 2 V , otro elemento ~u + ~v 2 V , y que cumple las
siguientes propiedades:

a) Asociativa:
8~u; ~v ; w
~ 2 V =) (~u + ~v ) + w
~ = ~u + (~v + w)
~
b) Conmutativa:
8~u; ~v 2 V =) ~u + ~v = ~v + w
~
c) Elemento Neutro:
9 ~0V 2 V : ~u + ~0V = ~0V + ~u = ~u; 8~u 2 V:
Por simplicidad denotaremos a ese elemento sin el subíndice: ~0V = ~0.
d) Elementos Opuestos:
8~u 2 V ) 9~v 2 V : ~u + ~v = ~v + ~u = ~0
En este caso se escribirá ~v = ~u.

Con estas propiedades el conjunto V tiene estructura de Grupo Abeliano para la operación suma
de vectores.

2. En V existe una Ley de Composición Externa (L.C.E.), que llamamos producto por escalares y
denotamos por , tal que 8~u 2 V y 8 2 K, se le asigna otro elemento ~v 2 V , que cumple las
siguientes propiedades:

a) Pseudodistributivas:

8~u; ~v 2 V ; 8 2 K =) (~u + ~v ) = ~u + ~v
8~v 2 V ; ; 2 K =) ( + ) ~v = ~v + ~v

b) Pseudoasociativa:
8~v 2 V ; ; 2K)( ) ~v = ( ~v )

57
58 Capítulo 4. Espacios Vectoriales

c) Pseudoelemento Neutro: Si 1 2 K, es el elemento neutro para la multiplicación en el cuerpo

K, entonces
1 ~v = ~u; 8~v 2 V

Por simplicidad podemos prescindir del símbolo para esta operación: v= v

Los elementos de V se denominan vectores, mientras que los elementos del cuerpo K son los
escalares. Diremos que la terna (V; +; ) tiene estructura de espacio vectorial.

Ejemplo 4.1 El conjunto K = R es un R–espacio vectorial si de…nimos la suma y producto de la

forma usual.

1. Suma de vectores: Dados ~u; ~v 2 R2 con ~u = (x1 ; y1 ) y ~v = (x2 ; y2 ), entonces

~u + ~v = (x1 + x2 ; y1 + y2 ) 2 R2

2. Producto por escalares: Dados 2 R; ~u 2 R2 con ~u = (x1 ; y1 ), entonces

~u = ( x1 ; x2 ) 2 R2

Ejemplo 4.2 Podemos hacer una extensión a la dimensión n. El conjunto V = Rn es un R–espacio

vectorial con la suma y producto de…nidos como

1. Suma de vectores: Dados u; v 2 Rn con u = (x1 ; x2 ; : : : ; xn ) y v = (y1 ; y2 ; : : : ; yn ), entonces

u + v = (x1 + y1 ; x2 + y2 ; : : : ; xn + yn ) 2 Rn

2. Producto por escalares: Dados 2 R; u 2 Rn con u = (x1 ; : : : ; xn ), entonces

u = ( x1 ; : : : ; x n )

Ejemplo 4.3 El conjunto V = P2 [R] de…nido como el conjunto de todos los polinomios de grado 2
sobre R es un R–espacio vectorial con las operaciones suma y producto por un real de…nidas como

1. Suma de polinomios: Dados p; q 2 P2 [R] con p (x) = a0 + a1 x + a2 x2 y q(x) = b0 + b1 x + b2 x2 ,

entonces
p (x) + q (x) = (a0 + b0 ) + (a1 + b1 ) x + (a2 + b2 ) x2 2 P2 [R]

2. Producto por escalares: Dados 2 R; p (x) 2 P2 [R] con p (x) = a0 + a1 x + a2 x2 , entonces

p (x) = a0 + a1 x + a2 x2 2 P2 [R]

Ejemplo 4.4 El conjunto de todas las funciones continuas de…nidas sobre un intervalo I R es un
R–espacio vectorial.

Ejemplo 4.5 El conjunto Mm n (R) de las matrices de dimensión m n con coe…cientes en R es un

espacio vectorial sobre R.

Proposición 4.1 Sea (V; +; ) un K–espacio vectorial. Se cumple:

c SPH
4.2. Subespacios vectoriales 59

1.
8~v 2 V =) 0 v = ~0

2.
8 2 K =) ~0 = ~0

3.
Si ~v = 0 y ~v 6= ~0 =) =0

4.
Si ~v = 0 =) = 0 o ~v = ~0

5.
Si ~v = ~u y 6= 0 ) ~v = ~u

6.
Si ~v = ~v y ~v 6= ~0 ) =

4.2. Subespacios vectoriales

De…nición 4.2 Sea V un K–espacio vectorial. Dado W V , diremos que W es un subespacio
vectorial de V , y se denota por W V , si se cumplen las siguientes propiedades:

1. 8~u; ~v 2 W ) ~u + ~v 2 W .

2. 8~u 2 W ; 8 2 R ) ~u 2 W .

Proposición 4.2 Sea (V; +; ) un K–espacio vectorial. Si W es subespacio vectorial de V , entonces

(W; +; ) es un K–espacio vectorial.

Proposición 4.3 (Caracterización de subespacio) Sea (V; +; ) un K–espacio vectorial, W V,

entonces:

W es un subespacio vectorial de V () (8~u; ~v 2 W y 8 ; 2 K =) ~u + ~v 2 W )

Ejemplo 4.6 Dado el R–espacio vectorial V = R2 y consideremos el conjunto W = (x; y) 2 R2 j x + y = 0 ,

vamos a demostrar que es un subespacio vectorial de W . Para ello comprobaremos que se cumplen las
propiedades descritas en la de…nición.

1. w
~ 1; w
~ 2 2 W entonces

w
~ 1 = (x1 ; y1 ) 2 W =) x1 + y1 = 0

w
~ 2 = (x2 ; y2 )) 2 W =) x2 + y2 = 0

Si calculamos w
~1 + w
~2

w
~1 + w
~ 2 = (x1 ; y1 ) + (x2 ; y2 ) = (x1 + x2 ; y1 + y2 ) = (x3 ; y3 )

con
x3 + y3 = (x1 + x2 ) + (y1 + y2 ) = (x1 + y1 ) + (x2 + y2 ) = 0 + 0 = 0
y por tanto w
~1 + w
~2 2 W

c SPH
60 Capítulo 4. Espacios Vectoriales

2. w
~ 2W y 2 K entonces
w
~ = (x; y) 2 W =) x + y = 0
Si calculamos w
~
w
~= (x; y) = ( x; y)
con
x 3 + y3 = x + y = (x + y) = (0) = 0
y por tanto w
~ 2 W:

Ejemplo 4.7 Dado el R–espacio vectorial V = R2 , el conjunto W = (x; y) 2 R2 : x + y = 1 no es

un subespacio vectorial de W . Comprobemos que no se cumple alguna de las propiedades descritas en
la de…nición.

1. w
~ 1; w
~ 2 2 W entonces

w
~ 1 = (x1 ; y1 ) 2 W =) x1 + y1 = 1

w
~ 2 = (x2 ; y2 ) 2 W =) x2 + y2 = 1

Si calculamos w
~1 + w
~2

w
~1 + w
~ 2 = (x1 ; y1 ) + (x2 ; y2 ) = (x1 + x2 ; y1 + y2 ) = (x3 ; y3 )

con
x3 + y3 = (x1 + x2 ) + (y1 + y2 ) = (x1 + y1 ) + (x2 + y2 ) = 1 + 1 = 2 6= 1
y por tanto w
~1 + w
~2 2
= W , y deducimos que W no es subespacio vectorial de V .

Ejemplo 4.8 Dado el R–espacio vectorial V = R2 , el conjunto W = (x; y) 2 R2 : y = x2 no es un

subespacio vectorial de W . Comprobemos que no se cumple alguna de las propiedades descritas en la
de…nición.

1. w
~ 1; w
~ 2 2 W entonces

~ 1 = (x1 ; y1 ) 2 W =) y1 = x21
w

~ 2 = (x2 ; y2 ) 2 W =) y2 = x22
w

Si calculamos w
~1 + w
~2

w
~1 + w
~ 2 = (x1 ; y1 ) + (x2 ; y2 ) = (x1 + x2 ; y1 + y2 ) = (x3 ; y3 )

con
x23 = (x1 + x2 )2 = x21 + x22 + 2x1 x2 = y1 + y2 + 2x1 x2 = y3 + 2x1 x2
por tanto si 2x1 x2 6= 0 se cumplirá

y3 + 2x1 x2 6= y3 = y1 + y2

y por tanto w
~1 + w
~2 2
= W , y deducimos que W no es subespacio vectorial de V .

c SPH
4.3. Sistemas de vectores 61

De…nición 4.3 Sea (V; +; ) un K–espacio vectorial, asociados a V hay dos nsubespacios
o llamados
subespacios triviales que son W = V , que se denomina subespacio total, y W = ~0 , que se denomina
subespacio nulo.

Proposición 4.4 Sea (V; +; ) un K–espacio vectorial, W V , entonces:

W es un subespacio vectorial de V ) ~0 2 W

Demostración: La demostración es directa, puesto que si w ~ 2 W , como W es un subespacio

vectorial, entonces también w ~ 2 W y por tanto (w) ~ + ( w) ~
~ = 0 2 W.
La última de las propiedades es una condición necesaria para que un subconjunto de un espacio
vectorial sea un subespacio vectorial, es decir, si W V y ~0 2
= W , entonces W no puede ser subespacio
vectorial de V .
Por ejemplo, podemos observar el conjunto W = (x; y) 2 R2 : x + y = 1 no es un subespacio
vectorial de R2 , porque no cumple la condición necesaria ya que el vector nulo de R2 no está contenido
en W ya que ~0 = (0; 0) ) 0 + 0 = 0 6= 1.

4.3. Sistemas de vectores

De…nición 4.4 Sea V un K–espacio vectorial. Un sistema de vectores es una colección …nita de
vectores de V
S = f~v1 ; : : : ; ~vk g
donde algún ~vi puede ser igual a algún ~vj con i 6= j, es decir, puede haber vectores repetidos, por eso
no se denomina conjunto de vectores.

De…nición 4.5 Sea V un K–espacio vectorial, sea S = f~v1 ; : : : ; ~vk g un sistema de vectores. Una
combinación lineal de dichos vectores es una expresión de la forma

1~
v1 + + k~
vk

con k 2 K.

Ejemplo 4.9 Sea ~v1 = (0; 1; 2), ~v2 = (3; 0; 1) =) (0; 1; 2) + (3; 0; 1) = (3 ; ; 2 + ) :

Ejemplo 4.10 Sea S = f(0; 1; 2) ; (3; 0; 1)g un sistema de vectores de R3 , vamos a comprobar si el
vector ~v = ( 3; 2; 3) es combinación lineal de los vectores de S. Para ello trataremos de encontrar dos
escalares y de forma que podamos expresar el vector ~v como

~v = ~v1 + ~v2 , ( 3; 2; 3) = (0; 1; 2) + (3; 0; 1) = (3 ; ; 2 + )

o de forma equivalente igualando coordenada a coordenada

3 = 3
= 2
2 +3 = 3

De las dos primeras ecuaciones se deduce que = 2 y = 1, y comprobamos que estos valores
también cumplen la tercera ecuación, luego ~v es combinación lineal de los vectores de S.,

c SPH
62 Capítulo 4. Espacios Vectoriales

Ejemplo 4.11 Sea S = f~v1 ; : : : ; ~vk g un sistema de vectores. Cualquier vector ~vj de S se puede expresar
como combinación lineal de sus elementos, simplemente hay que poner

~vj = 0 ~v1 + + 1 ~vj + + 0 ~vk

Ejemplo 4.12 Sea S = f~v1 ; : : : ; ~vk g un sistema de vectores. El vector nulo ~0 2 V es combinación
lineal de los elementos de S, simplemente hay que poner
~0 = 0 ~v1 + + 0 ~vk

De…nición 4.6 Dado S = f~v1 ; : : : ; ~vk g un sistema de vectores del K–espacio vectorial V . De…nimos
el subespacio engendrado por S, y lo expresamos como span (S), L (S) o hf~v1 ; : : : ; ~vk gi al conjunto de
todas las combinaciones lineales que se pueden hacer son sus vectores, es decir,
8 9
<Xk =
hf~v1 ; : : : ; ~vk gi = vj j j 2 K = f 1~v1 +
j~ + k~vk j j 2 Kg
: ;
j=1

Ejemplo 4.13 Sea R3 y consideremos S = f(2; 0; 3) ; ( 1; 1; 0)g, entonces el subespacio engendrado

por S sería

hSi = hf(2; 0; 3) ; ( 1; 1; 0)gi = f (2; 0; 3) + ( 1; 1; 0) j ; 2 Rg = f(2 ; ;3 ) j ; 2 Rg

Teorema 4.5 Dado S = f~v1 ; : : : ; ~vk g un sistema de vectores del K–espacio vectorial V . Se cumple:

hf~v1 ; : : : ; ~vk gi es un subepacio vectorial de V

Demostración: La demostración es trivial utilizando la de…nición de hf~v1 ; : : : ; ~vk gi y la caracter-

ización de subespacios vectoriales.

De…nición 4.7 Dado S = f~v1 ; : : : ; ~vk g un sistema de vectores del K–espacio vectorial V . Diremos
que S es un sistema generador de V ()
hSi = V

Ejemplo 4.14 Vamos a comprobar si el sistema de vectores S = f(1; 2) ; ( 1; 1)g es un sistema

generador del espacio vectorial R2 . Para ello hay que comprobar si cualquier vector ~u = (x; y) 2 R2 ,
entonces ~u 2 hSi, es decir ~u se puede expresar como una combinación lineal de los vectores (1; 2) y
( 1; 1):
9 ; 2 R : (x; y) = (1; 2) + ( 1; 1) = ( ;2 + )
es decir se debe cumplir el sistema lineal de ecuaciones

=x
2 + =y

como la matriz de coe…cientes del sistema es

1 1
2 1

que tiene como determinante

1 1
det = 1 + 2 = 3 6= 0
2 1

c SPH
4.3. Sistemas de vectores 63

y por tanto rango 2, el sistema siempre tiene solución con

x+y
=
3
2x + y
=
3

y podemos decir que S es un sistema generador de R2 .

Ejemplo 4.15 Vamos a comprobar si el sistema de vectores S = f(1; 3)g es un sistema generador del
espacio vectorial R2 . Para ello, como en el ejemplo anterior, hay que comprobar si cualquier vector
~u = (x; y) 2 R2 , se cumple ~u 2 hSi, es decir ~u se puede expresar como una combinación lineal de los
vectores (1; 3):
9 2 R : (x; y) = (1; 3) = ( ; 3 )

pero en este caso el vector (1; 1) 2 R2 , pero está claro que no está hSi. Notar en este caso que la
matriz de coe…entes es
1
3
que tiene rango 1 < 2.

Proposición 4.6 Sea V un K–espacio vectorial y sea S = f~v1 ; : : : ; ~vk g un sistema de vectores y sea
W = hf~v1 ; : : : ; ~vk gi

1.
~vk 2 W

2. El subespacio vectorial engendrado W permanece invariante si realizamos cualquiera de las op-

eraciones elementales o de Gauss siguientes:

a) Cambiar el orden de los vectores:

hf~v1 ; : : : ; ~vi ; : : : ; ~vj ; : : : ; ~vk gi = hf~v1 ; : : : ; ~vj ; : : : ; ~vi ; : : : ; ~vk gi

b) Multiplicar un vector por un escalar no nulo:

hf~v1 ; : : : ; ~vi ; : : : ; ~vk gi = hf~v1 ; : : : ; ~vi ; : : : ; ~vk gi

c) Añadir a un vector un múltiplo de otro:

hf~v1 ; : : : ; ~vi ; : : : ; ~vj ; : : : ; ~vk gi = hf~v1 ; : : : ; ~vi + ~vj ; : : : ; ~vj ; : : : ; ~vk gi

d) Eliminar o añadir un vector que es combinación lineal de los demás:

*8 9+
< k
X =
hf~v1 ; : : : ; ~vi ; : : : ; : : : ; ~vk gi = ~v1 ; : : : ; ~vi ; : : : ; ~vj ; : : : ; ~vk ; j~
vj
: ;
j=1

c SPH
64 Capítulo 4. Espacios Vectoriales

Ejemplo 4.16 Dado el sistema de vectores

8 9
>
> ~v1 = (1; 2; 0; 1) >
>
>
> ~v2 = (0; 1; 3; 0) >
>
>
> >
>
< =
~v3 = (2; 4; 0; 2)
S=
>
> ~v4 = (2; 3; 3; 2) >
>
>
> >
>
>
> ~v = (0; 0; 0; 0) >
>
: 5 ;
~v6 = (1; 0; 6; 1)

Vamos a encontrar el mínimo número de vectores necesario para construir el subespacio vectorial

W = hSi .

Como el vector nulo ~v5 se puede poner como combinación lineal de los demás vectores, podemos
eliminarlo gracias a la propiedad 2.d de la proposición anterior. Además

~v3 = 2~v1

luego el sistema S engendra el mismo subespacio que el sistema

8 9
>
> ~v1 = (1; 2; 0; 1) >
>
< =
~v2 = (0; 1; 3; 0)
S1 =
>
> ~v = (2; 3; 3; 2) >
>
: 4 ;
~v6 = (1; 0; 6; 1)

Por otra parte

~v4 = 2~v1 + ~v2

~v6 = ~v1 + 2~v2

y por tanto se puede generar el mismo subespacio vectorial utilizando el sistema

~v1 = (1; 2; 0; 1)
S2 =
~v2 = (0; 1; 3; 0)

Estos vectores son linealmente independientes, puesto que si suponemos

~v1 + ~v2 = ~0 =) (1; 2; 0; 1) + (0; 1; 3; 0) = ~0 =) ( ; 2 ;3 ; ) = ~0

y por tanto

= 0
2 = 0
3 = 0
= 0

que tiene como única solución = = 0. Luego

W = hSi = hS2 i = hf(1; 2; 0; 1) ; (0; 1; 3; 0)gi

c SPH
4.4. Dependencia e independencia lineal 65

Ejemplo 4.17 Dado el sistema de vectores de R2

8 9
< ~v1 = (1; 0) =
S= ~v2 = (0; 1)
: ;
~v3 = (1; 1)

Entonces podemos comprobar como

~v3 = ~v1 + ~v2
luego el sistema S engendra el mismo subespacio que el sistema

~v1 = (1; 0)
S1 =
~v2 = (0; 1)

4.4. Dependencia e independencia lineal

De…nición 4.8 Dado S = f~v1 ; : : : ; ~vk g un sistema de vectores, diremos que es libre o que los vectores
que lo forman son linealmente independientes ()

8 1; : : : ; k 2R: 1~
v1 + + k~
vk = ~0 =) j = 0; 8j

En caso contrario S es ligado o se dice que los vectores son linealmente dependientes. En este caso
se podría encontar un valores 1 ; : : : ; n con al menos un k 6= 0 tal que

1~
v1 + + k~
vk = ~0:

Ejemplo 4.18 Estudiaremos la dependencia lineal del siguiente sistema de vectores de R2

8 9
< ~v1 = (1; 1) =
S= ~v2 = ( 1; 1)
: ;
~v3 = (1; 1)

Para ello vamos a suponer que existe 1; 2 y 3 tal que

1~
v1 + 2~v2 + 3~v3 =0, 1 (1; 1)+ 2( 1; 1)+ 3 (1; 1) = (0; 0) , ( 1 2 + 3; 1 + 2 + 3) = (0; 0)

es decir
1 + 2 3 =0
1+ 2+ 3 =0

Para encontrar una solución, sumamos ambas ecuaciones

2 3 =0

lo que implica 3 = 0 y por tanto las dos ecuaciones se transforman en

1 =0 2
1+ 2 =0

Las dos ecuaciones son equivalentes y tienen por solución

1 = 2

c SPH
66 Capítulo 4. Espacios Vectoriales

Eso indica que podemos tomar cualquier terna de la forma ( ; ; 0), por ejemplo, si tomamos = 1 6=
0, obtenemos una combinación lineal

1 (1; 1) + 1 ( 1; 1) + 0 (1; 1) = (0; 0)

que nos da el vector nulo y no todos los escalares son nulos, lo que nos indica que el sistema el
linealmente dependiente.

Ejemplo 4.19 Estudiaremos la dependencia lineal del siguiente sistema de vectores de R3

~v1 = (0; 3; 4)
S=
~v2 = (1; 2; 3)

Para ello vamos a suponer que existe 1y 2 tal que

1~
v1 + 2~
v2 =0, 1 (0; 3; 4) + 2 (1; 2; 3) = (0; 0; 0) , ( 2; 3 1 +2 2; 4 1 +3 2) = (0; 0; 0)

es decir 9
2 =0 =
3 1+2 2 =0
;
4 1+3 2 =0
De la primera ecuación obtenemos 2 = 0 y al sustituir en las otras nos conduce a 1 = 0. Por tanto,
cualquier combinación lineal de los vectores de S que conduzca al vector nulo, implica que los escalares
utilizados tienen que ser nulos y el sistema S es libre.

Proposición 4.7 Sea V un K–espacio vectorial, se cumple

1. Un sistema escalonado es linealmente independiente () No tiene …las nulas.

2. Las transformaciones de Gauss conservan la dependencia o independencia lineal de un sistema.

3. Todo sistema que contenga al vector nulo ~0 es linealmente dependiente.

4. Todo sistema que contenga un vector repetido es linealmente dependiente.

5. Un sistema formado por un sólo vector S = f~v1 g es linelamente dependiente () ~v = ~0.

6. Un sistema formado por dos vectores S = f~u; ~v g es linealmente dependiente () ~u = ~v .

7. Un sistema S = f~v1 ; : : : ; ~vn g es linealmente dependiente () 9 ~vk que es una combinación lineal
del resto.

8. Todo sistema que contenga un sistema linealmente dependiente es linealmente dependiente.

9. Todo sistema de vectores que esté incluido en un sistema de vectores linealmente independiente
es linealmente independiente.

10. Si un sistema es linealmente dependiente, entonces las combinaciones lineales que se pueden
hacer con los vectores del sistema son únicas.

En general para determinar si un sistema de vectores es linealmente independiente o no, usaremos

las dos primeras propiedades de la lista. De modo que escalonamos, mediante operaciones elementales,
la matriz formada por los vectores del sistema. El sistema será linealmente dependiente si el rango de
la matriz es menor que el número de vectores.

c SPH
4.5. Base y dimensión de un espacio vectorial 67

Ejemplo 4.20 Vamos a comprobar si el sistema de R5 de…nido como

S = f~v1 = (1; 2; 3; 4; 5) ; ~v2 = (0; 2; 3; 4; 5) ; ~v3 = ( 1; 0; 0; 0; 0) ; ~v4 = ( 3; 0; 0; 4; 1) ; ~v5 = (0; 0; 0; 8; 2)g

es o no linealmente independiente. Para ello colocamos los vectores, por columnas, en forma matricial,
en el orden que creamos conveniente
0 1
1 0 0 3 1
B 0 0 2 0 2 C
B C
B 0 0 3 0 3 C
B C
@ 0 8 4 4 4 A
0 2 5 1 5

vemos inmediatamente que la segunda y tercera …la son proporcionales, por tanto el rango no puede
ser 5 y el sistema es linealmente dependiente.

Ejemplo 4.21 Vamos a comprobar si el sistema de R4 de…nido como

S = f~v1 = ( 1; 0; 1; 1) ; ~v2 = (1; 0; 3; 2) ; ~v3 = (2; 1; 1; 0)g

es o no linealmente independiente. Para ello colocamos los vectores, por columnas, en forma matricial,
en el orden que creamos conveniente 0 1
1 1 2
B 0 0 1 C
B C
@ 1 3 1 A
1 2 0
Escalamos la matriz correspondiente
0 1 0 1
1 1 2 1 1 2
B 0 0 1 C F30 = F3 + F1 B 0 0 1 C 00 0
B C ) )B C ) F2 = F3
@ 1 3 1 A 0
F4 = F4 + F1 @ 0 4 1 A 00
F3 = F2 0

1 2 0 0 3 2
0 1 0 1
1 1 2 1 1 2
B 0 4 1 C 3 00 B 0 4 1 C 5 00
B C ) F 000
= F 00
F ) B C ) F40000 = F4000 F )
@ 0 0 1 A 4 4
4 2 @ 0 0 1 A 4 3
0 3 2 0 0 54
0 1
1 1 2
B 0 4 1 C
B C
@ 0 0 1 A
0 0 0

De donde se deduce que la matriz formada por los vectores tiene rango 3 que coincide con el número
de vectores del sistema y por lo tanto es un sistema linealmente independiente.

4.5. Base y dimensión de un espacio vectorial

De…nición 4.9 Sea V un K–éspacio vectorial y sea S un sistema de vectores, S = f~v1 ; : : : ; ~vn g,
entonces
S es una base de V () S es libre y hSi = V

c SPH
68 Capítulo 4. Espacios Vectoriales

Ejemplo 4.22 Por ejemplo, una base del espacio vectorial Rn es la llamada base canónica, de…nida
como
C = f~e1 ; : : : ; ~en g
siendo 0 1

~ek = @0; : : : ; |{z}

1 ; : : : ; 0A
k

puesto que cualquier vector (x1 ; : : : ; xn ) 2 Rn , se obtiene

(x1 ; : : : ; xn ) = x1~e1 + + xn~en

y por tanto es un sistema generador, mientras que por otra parte si

1~
e1 + + n~
en = (0; : : : ; 0) () ( 1; : : : ; n) = (0; : : : ; 0) () k =0

luego es un sistema libre, así que por de…nición es una base.

Ejemplo 4.23 Vamos a comprobar que el sistema S = f(1; 3) ; (2; 3)g es una base de R2 . Para ello
hay que comprobar que cualquier vector de R2 se puede poner como combinación lineal de esos dos
vectores
x= +2
(x; y) = (1; 3) + (2; 3) = ( + 2 ; 3 3 ),
y=3 2
Tenemos un sistema lineal con matriz de coe…cientes

1 2
3 2

con determinante
1 2
det = 2 6= 8 6= 0
3 2
y por tanto el sistema será compatible determinado para cualquier (x; y) que puede expresarse, por
tanto, como combinación lineal de los vectores de S. Obviamente también serán linealmente indepen-
dientes puesto que para el vector (0; 0) la única solución es = = 0.

Ejemplo 4.24 En el espacio P3 [R] de los polinomios con coe…cientes reales de grado menor o igual
que 3, el sistema
B = 1; x; x2 ; x3
es una base.

Teorema 4.8 (Teorema de la base) Sea V un K–éspacio vectorial ) Existe S = f~v1 ; : : : ; ~vn g,
sistema de vectores que es base de V , además todas las bases tienen el mismo número de elementos;
a dicho número se le llama dimensión, dim (V ).

La dimensión de un K–éspacio vectorial puede ser …nita, como en el caso de Rn o in…nita como en
el conjunto de todos los polinomios con coe…cientes reales

P [x] = fan xn + + a1 x + ao j ak 2 R; n 2 Ng
n o
Observación 4.1 El subespacio nulo 0 = ~0 no tiene bases.

c SPH
4.5. Base y dimensión de un espacio vectorial 69

Proposición 4.9 Sea V un K–éspacio vectorial con dim (V ) = n y sea S = f~v1 ; : : : ; ~vk g un sistema
de vectores:

1. Si hSi = V =) 9B base de V tal que B S. Se cumple n k.

2. Si S es libre =) 9B base de V tal que S B. Se cumple n k.

3. Si k = n =) S es una base () hSi = V () S es libre.

Proposición 4.10 Sea V un K–éspacio vectorial con dim (V ) = n y sea W V un subespacio

vectorial suyo. Entonces
dim (U ) dim (V )
De hecho
dim (U ) = dim (V ) , U = V:

De…nición 4.10 Sea V un K–éspacio vectorial y S = f~v1 ; : : : ; ~vk g un sistema de vectores, de…nimos
el rango del sistema, r (S) a la dimensión del subespacio engendrado por los vectores de S.
En Rn es lo mismo que el rango de la matriz cuyas …las (o columnas) son esos vectores.

Proposición 4.11 El rango de S = f~v1 ; : : : ; ~vk g se conserva si

1. Quitamos un vector que es combinación lineal del resto.

2. Usando operaciones elementales de Gauss.

3. S es linealmente independiente () r (S) = k

4. S es un sistema generador () r (S) = dim (V )

4.5.1. Coordenadas respecto a una base

Sea V un K–éspacio vectorial con dim (V ) y sea B = f~v1 ; : : : ; ~vn g, una base, entonces para ~v 2 V ,
como hBi = V , entonces deben existir escalares xk 2 K tal que
n
X
~v = x1~v1 + + xn~vn = xk~vk
k=1

Como B es libre, estos valores xk son únicos. En efecto si suponemos que existen otros valores yk 2 K
para los que se cumple
~v = y1~v1 + + yn~vn
entonces, restando ambas expresiones

~v ~v = ~0 ) (x1~v1 + + xn~vn ) (y1~v1 + + yn~vn ) = ~0 ) (x1 y1 ) ~v1 + + (xn yn ) ~vn = ~0

pero como B = f~v1 ; : : : ; ~vn g, entonces es un sistema libre y por tanto todos los coe…cientes deben ser
nulos
(xk yk ) = 0 , xk = yk
Estos valores xk son las coordenadas de ~v en la base B, es decir

~vB = (x1 ; : : : ; xn )B

c SPH
70 Capítulo 4. Espacios Vectoriales

Ejemplo 4.25 Sea B = f(1; 3) ; (0; 1)g y sea ~v = (2; 5), vamos a encontrar las coordenadas de ~v en
la base B
(2; 5) = x (1; 3) + y (0; 1) = (x; y 3x)
de forma que

2 = x
5 = y 3x

sistema que tiene por solución

x = 2
y = 5 + 3x = 5 + 6 = 11

por tanto
(2; 5) = (2; 11)B

Ejemplo 4.26 El vector nulo tiene coordenadas (0; : : : ; 0) en cualquier base.

Ejemplo 4.27 Las coordenadas de vk en la base B = f~v1 ; : : : ; ~vn g son 0; : : : ; 1; : : : ; 0

k

Ejemplo 4.28 En Rn si Cn es la base canónica, entonces

~v = (v1 ; : : : ; vn ) = ~vC

Ejemplo 4.29 Sea B = f(4; 3) ; ( 5; 0)g y sea ~vB = (3; 2), vamos a encontrar las coordenadas de ~v
en la base canónica de R2

~vB = (3; 2)B = 3 (4; 3) 2 ( 5; 0) = (22; 9) = ~vC = ~v

4.5.2. Cambio de base

Sean B1 = f~v1 ; : : : ; ~vn g y B2 = f~u1 ; : : : ; ~un g dos base de V , un K–espacio vectorial con dim (V ) = n.
Dado cualquier vector ~v 2 V , podemos expresar ~v en cualquiera de las dos bases por tanto, tenemos
una expresión en la base B
~vB1 = x1~v1 + + xn~vn
y por otra parte también tendrá una expresión en la base B2

~vB2 = y1 ~u1 + + yn ~un

En este apartado pretendemos relacionar las expresiones ~vB1 y ~vB2 , para ello de…niremos la llamada
matriz de cambio de base.
Puesto que ~vk 2 V y B2 es una base de V , estos vectores tendrán unas coordenadas respecto de
esta base, es decir,

~v1 = a11 ~u1 + + an1 ~un

~v2 = a12 ~u1 + + an2 ~un
..
.
~vn = a1n ~u1 + + ann ~un

c SPH
4.5. Base y dimensión de un espacio vectorial 71

Si ahora tomamos las expresiones de ~vB1 y ~vB2 , tendremos

~vB1 = x1~v1 + + xn~vn = x1 (a11 ~u1 + + an1 ~un ) + + xn (a1n ~u1 + + ann ~un )

= (x1 a11 + + xn a1n ) ~u1 + + (x1 an1 + + xn ann ) ~un

= y1 ~u1 + + yn ~un

Como las coordenadas son únicas

0 1
9 0 1 a11 a12 a1n 0 1
y1 = x1 a11 + >
+ xn a1n = y1 B a21 a22 C x1
.. B C B a2n CB .. C
. () @ ... A = B . .. .. .. C@ . A
>
; @ .. . . . A
yn = x1 an1 + + xn ann yn xn
an1 an2 ann
De…nimos a la matriz de coe…cientes como MB1 !B2
0 1
a11 a12 a1n
B a21 a22 a2n C
B C
MB1 !B2 = B . .. .. .. C
@ .. . . . A
an1 an2 ann
y por tanto
~vB2 = MB1 !B2 ~vB1

De…nición 4.11 Se llama matriz de cambio de base de B1 a B2 y se expresa como

MB1 !B2

a la matriz cuyas columnas son las coordenadas de los vectores B1 en la base B2 :

Proposición 4.12 Sea V , un K–espacio vectorial con dim (V ) = n.

1. Sean B1 y B2 dos base de V , entonces MB1 !B2 es una matriz invertible y

1
(MB1 !B2 ) = MB2 !B1

2. Sean B1 , B2 y B3 tres bases de V , entonces

MB1 !B3 = MB2 !B3 MB1 !B2

Proposición 4.13 Supongamos V = Rn

1. Si B es una base de Rn y Cn es la base canónica, entonces las columnas de MB!C son los
vectores de la base B.
2. Si B1 y B2 son bases de Rn y Cn es la base canónica, entonces podemos poner

MB1 !B2 = MCn !B2 MB1 !Cn

o teniendo en cuenta el apartado 1 de la proposición anterior, podemos poner

1
MB1 !B2 = (MB2 !Cn ) MB1 !Cn :

c SPH
72 Capítulo 4. Espacios Vectoriales

Ejemplo 4.30 Sea V = R2 con

B1 = f~v1 = (1; 2) ; ~v2 = (2; 1)g

B2 = f~u1 = (1; 3) ; ~u2 = (0; 1)g

Como B2 es una base de R2 , los vectores de B1 podrán expresarse como combinación lineal de los
vectores de B2
~v1 = a11 ~u1 + a21 ~u2
~v2 = a12 ~u1 + a22 ~u2
es decir

(1; 2) = a11 (1; 3) + a21 (0; 1) = (a11 ; 3a11 a21 )

(2; 1) = a12 (1; 3) + a22 (0; 1) = (a11 ; 3a11 a21 )

y en coordenadas. Para v1
1 = a11 a11 = 1
)
2= 3a11 a21 a21 = 5
mientras que para v2
2 = a11 a11 = 2
)
1 = 3a11 a21 a22 = 5
por tanto la matriz de cambio de base es

1 2
MB1 !B2 =
5 5

Si ahora tenemos un vector cualquiera espresado en la base B1 , podemos encontrar su expresión en la

base B2 , por ejemplo, si ~vB = (1; 1)B , podremos expresarlo en la base B2 usando la matriz MB1 !B2

1 2 1 1+2 3
~vB2 = = =
5 5 1 5 5 B2
10 B2

es decir
~vB2 = (3; 10)
Podemos comprobar que son el mismo vector, utilizando su de…nición

~vB1 = (1; 1)B1 = 1 (1; 2) + 1 (2; 1) = (1; 2) + (2; 1) = (3; 1)

~vB2 = (3; 10)B2 = 3 (1; 3) + ( 10) (0; 1) = (3; 9) + (0; 10) = (3; 1)

Ejemplo 4.31 Consideremos en R3 la base canónica C3 y la base B de…nida por

B = f(1; 2; 3) ; (0; 1; 3) ; (0; 0; 4)g

entonces por la proposición anterior

0 1
1 0 0
MB!C3 =@ 2 1 0 A
3 3 4

c SPH
4.6. Ecuaciones de los subespacios vectoriales 73

Ejemplo 4.32 Consideremos en R2 la base canónica C2 y las bases B1 y B2 de…nidas por

B1 = f(1; 2) ; (0; 1)g

B2 = f(1; 0) ; (1; 1)g

entonces por la proposición anterior

1
1 1 1 1 0
MB1 !B2 = (MB2 !C2 ) MB1 !C2 =
0 1 2 1
Calculamos
1
1 1 1 1
=
0 1 0 1
y por tanto
1 1 1 0 1 1
MB1 !B2 = =
0 1 2 1 2 1

4.6. Ecuaciones de los subespacios vectoriales

Sea V un K–espacio vectorial y sea B = f~v1 ; : : : ; ~vn g una base de V . Sea U V un subespacio
vectorial. Recordemos que U junto con las operaciones heredadas del espacio vectorial V , constituye
en sí mismo un espacio vectorial y por tanto podemos asegurar que existe una base BU = f~u1 ; : : : ; ~uk g.
Sea ~v 2 V y supongamos que ~v 2 U y eso implica que se puede poner como combinación lineal de
los elementos de BU
9 1 ; : : : ; k 2 K : ~v = 1 ~u1 + + k ~uk
como ~v 2 V
~vB = x1~v1 + + xn~vn
y como ~uj 2 V , entonces
(~uj )B = a1j ~v1 + a2j ~v2 + + anj ~vn
y por tanto

x1~v1 + + xn~vn = 1 (a11~

v1 + a21~v2 + + an1~vn ) + + k (a1k~v1 + a2k~v2 + + ank~vn )

= ( 1 a11 + + k a1k ) ~
v1 + +( 1 an1 + + k ank ) ~
vn

de donde se deduce 9
x1 = 1 a11 + + k a1k >
=
..
. >
;
xn = 1 an1 + + k ank

o en forma de vectores 0 1 0 1 0 1
x1 a11 a1k
B .. C B . C B C
@ . A= 1 @ .. A + + k @ ... A
xn an1 ank
que son las llamadas ecuaciones paramétricas de U .
Eliminando los parámetros 1 ; : : : ; k obtendremos ecuaciones en x1 ; : : : ; xn que son las llamadas
ecuaciones implícitas de U .

c SPH
74 Capítulo 4. Espacios Vectoriales

Ejemplo 4.33 Sea V = R3 , y consideremos C3 la base canónica. Sea U = hf(1; 0; 3) ; ( 1; 2; 2)gi.

Las ecuaciones paramétricas serían
0 1 0 1 0 1 0 1 0 1 9
x x 1 1 x= (1) =
@ y A 2 U () @ y A = @ 0 A + @ 2 A=@ 2 A () y=2 (2)
;
z z 3 2 3 2 z=3 2 (3)

Las ecuaciones implícitas se obtienen operando sobre las ecuaciones paramétricas. De (2) obtenemos
y
=
2
y sustituyendo en (1) y (3) 9
y
x= 2 (4) =
;
z=3 2 y2 = 3 y (5)
Despejamos de la ecuación (4)
y
=x+
2
y sustituimos en (5)
y y 1
z =3 x+ y = 3x + 3 y = 3x + y
2 2 2
multiplicamos por 2
2z = 6x + y
o de forma equivalente
6x + y 2z = 0
que es la ecuación implícita de U .

Ejemplo 4.34 Sea V = R3 , y consideremos C3 la base canónica. Sea U = hf( 2; 4; 1)gi. Las ecua-
ciones paramétricas serían
0 1 0 1 0 1 0 1 9
x x 2 2 x= 2 (1) =
@ y A 2 U () @ y A = @ 4 A=@ 4 A () y=4 (2)
;
z z 1 z= (3)

Las ecuaciones implícitas se obtienen operando sobre las ecuaciones paramétricas. Despejamos de
todas las ecuaciones 9
= x2 =
= y4
;
=z
De donde se deduce 9
x
z= 2 (4) =

y ;
z= 4 (5)
que nos da dos ecuaciones implícitas para U
x
9 9
2 +z =0 = x + 2z = 0 =
)
y ; ;
4 z=0 y 4z = 0

c SPH
4.7. Suma e intersección de subespacios 75

4.7. Suma e intersección de subespacios

Sea V un K–espacio vectorial y sean U y W dos subespacios vectoriales de V . De…nimos la suma
de subespacios como
U + W = f~u + w
~ j ~u 2 U ; w
~ 2 Wg
mientras que la intersección
U \ W = f~v 2 V j ~v 2 U ; ~v 2 W g

Teorema 4.14 Sea V un K–espacio vectorial y sean U y W dos subespacios vectoriales de V

1. La suma U + W
/ y la intersección U \ W son subespacios vectoriales de V .

2. Las ecuaciones implícitas de U y las ecuaciones implícitas de W constituyen unas ecuaciones

implícitas de U \ W .

3. El sistema de vectores formado por una base de U y una base de W es un sistema generador de
U + W:

4. Se cumple la ecuación de dimensiones

dim (U + W ) = dim (U ) + dim (W ) dim (U \ W )

En el caso de que U \ W = ?,la suma se dice directa y se expresa como

U +W =U W.

Ejemplo 4.35 Sea V = R3 y consideremos dos subespacios vectoriales de V , U = h(1; 2; 1) ; (3; 1; 2)i
y W = (x; y; z) 2 R3 j 3x y + z = 0 . Vamos a calcular U + W y U \ W . Vamos a construir las
ecuaciones implícitas de U . Primero calculamos las ecuaciones paramétricas
0 1 0 1 0 1 0 1 9
x 1 3 +3 x= +3 =
@ y A= @ 2 A+ @ 1 A=@ 2 + A, y=2 +
;
z 1 2 +2 z= +2

y conseguimos la implícita mediante escalonamiento

0 1 0 1 0 1
1 3 x 1 3 x 1 3 x
@ 2 1 y A)@ 0 5 y 2x A ) @ 0 5 y 2x A
1 2 z 0 5 x+z 0 0 x+y+z

si usamos la última ecuación, tendremos la ecuación implícita de U

x+y+z =0

Las ecuaciones implícitas de U \ W se obtienen usando las ecuaciones de U y W

3x y + z = 0
x+y+z =0

Sumando ambas ecuaciones obtenemos

2x + 2z = 0 ) z = x

c SPH
76 Capítulo 4. Espacios Vectoriales

y si restamos ambas ecuaciones

4x 2y = 0 ) y = 2x
Si de…nimos x = , entonces
( ;2 ; )= (1; 2; 1)
luego
U \ W = hf(1; 2; 1)gi
y usando la ecuación de dimensiones

dim (U + W ) = dim (U ) + dim (W ) dim (U \ W ) = 2 + 2 1=3

luego
U + W = R3

c SPH