Espacios Vectoriales

Algebra Lineal y Geometra I. Curso 2010/11.
Departamento de

Algebra. http://www.departamento.us.es/da
Captulo 4
Espacios vectoriales
4.1. Estructuras algebraicas.
En temas anteriores hemos denido matrices y vectores, estudiando algunas de sus
propiedades. Tambi en hemos trabajado con cuerpos de escalares, suponiendo que se tra-
taba de Q, R o C, pero sin dar m as detalles. Ahora vamos a estudiar con rigor estos
conceptos. Deniremos algunas de las principales estructuras que se utilizan en algebra,
como son: grupos, anillos, cuerpos y espacios vectoriales. A continuaci on nos centrare-
mos en una de las estructuras que se estudian en esta asignatura: los espacios vectoriales.
Las estructuras algebraicas son conjuntos donde hay denidas ciertas operaciones,
que satisfacen unas determinadas propiedades. Las operaciones pueden ser de varios tipos.
Por ejemplo, una operaci on binaria interna, denida en un conjunto X, es una funci on
que a dos elementos de X (dados en orden), le hace corresponder otro elemento de X. Es
decir, una funci on
p : X X X.
Por ejemplo, p podra ser la suma, la diferencia o la multiplicaci on de n umeros reales.
Observemos que, en ocasiones (la diferencia de n umeros reales, por ejemplo) el orden en
que se den los dos elementos implicados inuye en el resultado.
Cuando se trabaja con una operaci on interna, se suele utilizar un smbolo, por ejemplo
, de manera que el resultado de aplicar la operaci on a dos elementos, a y b, se escribe
ab. Un ejemplo tpico es el smbolo + para la suma de n umeros. En ocasiones, ni siquiera
se utiliza smbolo alguno, como en el caso del producto de n umeros, donde ab representa
el producto de a y b.
La primera estructura algebraica que estudiaremos, una de las m as b asicas y utilizadas,
es la de grupo:
Grupo
Sea Gun conjunto no vaco, y sea una operaci on interna denida en G. Se dice
que (G, ) es un grupo, si se cumplen las siguientes propiedades:
1. Asociativa: (a b) c = a (b c), a, b, c G.
2. Elemento neutro: e G tal que a e = e a = a, a G.
3. Elemento opuesto: a G, a
G tal que a a
= a
a = e.
Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Normalmente, la operaci on interna ser a la suma o el producto de elementos. En la
notaci on aditiva, el elemento neutro se denota 0, y el elemento opuesto a a se denota a.
En la notaci on multiplicativa, el elemento neutro se denota 1, y el elemento opuesto a a,
que en este caso se llama el inverso de a, se suele denotar a
1
, o bien
1
a
.
Sea (G, ) un grupo. Se dice que G es conmutativo o abeliano si, adem as de las
propiedades de grupo, verica la siguiente:
4. Propiedad conmutativa: a b = b a, a, b G.
Ejemplo 4.1.1. Algunos ejemplos de grupos son los siguientes:
(Z, +), (Q, +), (R, +) y (C, +) son grupos abelianos aditivos.
(Q0, ), (R0, ) y (C0, ), donde se reere al producto, son grupos
abelianos multiplicativos.
El conjunto de matrices m n con entradas en un cuerpo K (ahora veremos la
denici on de cuerpo), junto con la suma de matrices, es un grupo abeliano aditivo.
El conjunto de matrices cuadradas n n no singulares con entradas en un cuerpo
K, junto con la multiplicaci on de matrices, forma un grupo que se llama Grupo
lineal de orden n sobre K, y se denota Gl(n, K). Este grupo no es abeliano.
El conjunto de matrices cuadradas n n con entradas en un cuerpo K, y con
determinante igual a 1, junto con la multiplicaci on de matrices, forma un grupo
que se llama Grupo especial lineal de orden n sobre K, y se denota Sl(n, K).
Tampoco es abeliano.
Los vectores de n coordenadas, con la suma de vectores, forman un grupo abeliano.
En ocasiones, se dene m as de una operaci on interna sobre un conjunto. Existen es-
tructuras que dependen de dos o m as operaciones. Por ejemplo, la m as sencilla es la
estructura de anillo. Usaremos las notaciones tradicionales, + y , para las dos operacio-
nes internas, pero debemos recordar que pueden ser operaciones cualesquiera vericando
las condiciones de la denici on:
69

Anillo
Sea Aun conjunto no vaco, y sean +, dos operaciones internas, que llamaremos
suma y producto, denidas en A. Se dice que (A, +, ) es un anillo, si se cumplen
las siguientes propiedades:
1. (A, +) es un grupo abeliano.
2. Propiedad asociativa del producto: (a b) c = a (b c), a, b, c A.
3. Propiedad distributiva del producto respecto a la suma:
_
_
a (b +c) = a b +a c, a, b, c A,
(a +b) c = a c +b c, a, b, c A.
Si se verica alguna propiedad m as, tenemos tipos especiales de anillos:
Dado un anillo (A, +, ), se dice que es unitario, o que tiene elemento unidad,
si cumple la siguiente propiedad:
Elemento neutro para el producto: u A tal que a u = u a = a
a A.
Dado un anillo (A, +, ), se dice que es conmutativo si cumple la siguiente pro-
piedad:
Propiedad conmutativa del producto: a b = b a, a, b A.
Ejemplo 4.1.2. Algunos ejemplos de anillo son los siguientes:
(Z, +, ), (Q, +, ), (R, +, ) y (C, +, ) son anillos conmutativos.
Si Z[x] es el conjunto de los polinomios en la variable x, con coecientes en Z, y
denimos naturalmente la suma (+) y el producto () de dos polinomios, entonces
(Z[x], +, ) es un anillo conmutativo.
De igual modo, (Q[x], +, ), (R[x], +, ), y (C[x], +, ) son anillos conmutati-
vos.
El conjunto de matrices n n con entradas en un cuerpo K, con la suma y el
producto de matrices, es un anillo no conmutativo.
En resumen, si (A, +, ) es un anillo, entonces (A, +) es un grupo, y (A, ) es casi un
grupo: s olo le falta el elemento inverso, y puede que el elemento unidad.
Hay elementos, como el 0 en el caso de los n umeros, que no pueden tener inverso
multiplicativo. Pero si cualquier otro elemento puede invertirse, es decir, si (A0, )
fuera un grupo, y a un m as, un grupo abeliano, entonces estaramos ante un cuerpo.
70

Cuerpo
Sea K un conjunto no vaco, y sean +, dos operaciones internas, que llamare-
mos suma y producto, denidas en K. Se dice que (K, +, ) es un cuerpo, si se
cumplen las siguientes propiedades:
1. (K, +) es un grupo abeliano.
2. (K0, ) es un grupo abeliano, donde 0 es el elemento neutro de la suma.
3. Propiedad distributiva del producto respecto a la suma:
a (b +c) = a b +a c, a, b, c K,
Dicho de otra forma, un cuerpo es un anillo conmutativo, con elemento unidad, donde
todo elemento no nulo tiene inverso.
Observemos que la propiedad distributiva s olo tiene una condici on. Esto es porque el
producto es conmutativo, luego la otra condici on es consecuencia de la primera.
Ejemplo 4.1.3. Algunos ejemplos de cuerpo son los siguientes:
(Q, +, ), (R, +, ) y (C, +, ) son cuerpos.
Los grupos de matrices invertibles, Gl(n, k), o de determinante 1, Sl(n, k), no son
cuerpos, ya que el producto de matrices no es conmutativo.
Los cuerpos tienen multitud de propiedades, que no se estudiar an en esta asignatura.
Nosotros los usaremos para denir estructuras m as complejas, que generalicen las pro-
piedades de los vectores, que hemos visto en los temas anteriores.
Para ello debemos denir las operaciones externas. Consideremos un conjunto X, y
otro conjunto K que llamaremos conjunto de escalares. Llamaremos operaci on binaria
externa sobre X, a una funci on que tome un elemento de K y un elemento de X, y
d e como resultado un elemento de X. Es decir, una funci on:
p : K X X.
Normalmente, a una operaci on externa de este tipo la denotaremos y la llamaremos
multiplicaci on por escalar; y al resultado de aplicarla a un escalar K y a un elemento
x X, lo denotaremos x, o simplemente x, y lo llamaremos producto de por x.
Por tanto, si tenemos un conjunto X y otro conjunto de escalares K, podemos tener
operaciones internas en cada uno de esos conjuntos, y operaciones externas entre ellos.
Usando estas dos posiblidades, se denen los espacios vectoriales.
71

Espacio vectorial
Sean V y K conjuntos no vacos. Sea + una operaci on interna sobre V , y sea
una operaci on externa sobre V con conjunto de escalares K, que llamaremos
producto por escalar. Diremos que V , con estas operaciones, es un espacio vec-
torial si se cumplen las siguientes propiedades:
1. (V, +) es un grupo abeliano.
2. K es un cuerpo.
3. El producto por escalar verica las siguientes propiedades:
a) ( +)v = v +v, , K, v V .
b) (v +w) = v +w, K, v, w V .
c) (v) = ()v, , K, v V .
d) 1v = v, v V , donde 1 es el elemento neutro de la
multiplicaci on de K.
A los elementos de un espacio vectorial los llamaremos vectores, y los escribiremos
en negrita. En un espacio vectorial hay, por tanto, cuatro operaciones: la suma de vecto-
res, la suma y producto de escalares, y el producto de vectores por escalares.
Ejemplo 4.1.4. Algunos ejemplos de espacios vectoriales son los siguientes:
Los vectores que vimos en los temas anteriores, forman un espacio vectorial. El
espacio vectorial de los vectores de n coordenadas sobre un cuerpo K, se denota
K
n
. La suma se realiza coordenada a coordenada, y el producto por escalar tambi en.
Ejemplos de este tipo son R
2
o R
3
.
Las matrices m n con entradas en un cuerpo K, con la suma de matrices y el
producto por escalar, forman un espacio vectorial. Observemos que el producto de
matrices no se utiliza aqu: En general, no tiene por qu e existir una multiplicaci on
de vectores en un espacio vectorial.
El espacio vectorial trivial es el conjunto V = 0, con respecto a cualquier cuer-
po K. Cualquier operaci on donde intervenga alg un vector da como resultado el
unico elemento: 0.
Los conjuntos de polinomios Q[x], R[x] y C[x] son espacios vectoriales con cuerpo
de escalares, respectivamente, Q, R y C.
Los conjuntos Q[x]
n
, R[x]
n
y C[x]
n
, formados por polinomios de grado menor
o igual a n, son espacios vectoriales con cuerpo de escalares, respectivamente, Q,
R y C.
Ejercicio 4.1.1. Probar que el conjunto de las soluciones de un sistema lineal homog eneo
es un espacio vectorial. Ocurre lo mismo con las soluciones de un sistema lineal no
homog eneo? Justique la respuesta.
Terminamos esta secci on con algunas consecuencias sencillas de la denici on de es-
pacio vectorial:
72

Proposici on 4.1.1. Si V es un espacio vectorial sobre un cuerpo K, se tienen las siguien-
tes propiedades, para todo , K y todo v, w V :
1. 0 = 0, donde 0 es el elemento neutro de la suma en V .
2. 0v = 0, donde 0 es el elemento neutro de la suma en K.
3. Si v = 0 entonces, o bien = 0 o bien v = 0.
4. Si v = v y v ,= 0, entonces = .
5. Si v = w y ,= 0, entonces v = w.
6. ()v = (v) = v.
4.2. Dependencia lineal.
La noci on de dependencia o independencia lineal ya la hemos estudiado, en temas
anteriores, para vectores de K
n
. La denici on es exactamente la misma para elementos de
un espacio vectorial cualquiera. Repetimos aqu las deniciones y resultados principales:
Combinaci on lineal
Sea V un espacio vectorial sobre K. Dados r vectores v
1
, . . . , v
r
V , llamamos
combinaci on lineal de estos vectores a cualquier expresi on de la forma:
1
v
1
+
2
v
2
+ +
r
v
r
V,
donde
1
, . . . ,
r
K.
Sea V un espacio vectorial. Diremos que un vector v depende linealmente de
un conjunto de vectores v
1
, . . . , v
r
si v se puede escribir como combinaci on
lineal de v
1
, . . . , v
r
.
Dependencia e independencia lineal
Sea V un espacio vectorial sobre K. Diremos que un sistema (o conjunto) de vec-
tores S = v
1
, . . . , v
r
V es linealmente dependiente, si existen r escalares
1
, . . . ,
r
K, no todos nulos, tales que
1
v
1
+
2
v
2
+ +
r
v
r
= 0.
En caso contrario, es decir, si la unica forma de escribir el vector 0 como com-
binaci on lineal de estos vectores es tomando
1
=
2
= =
r
= 0, diremos
que el sistema S es linealmente independiente o libre.
73

Espacio vectorial K
n
Si el espacio vectorial es K
n
podemos usar los c alculos matriciales de los temas
anteriores para saber si un sistema de vectores S = v
1
, . . . , v
r
K
n
es
linealmente dependiente.
Para ello tomamos la matriz
A
S
= (v
1
[ [v
r
)
cuyas columnas son los vectores de S.
Sea E cualquier forma escalonada por las de A
S
. Si alguna columna de E no
tiene pivote, sabemos que la columna correspondiente en A
S
es tambi en combi-
naci on lineal de las anteriores, luego S es linealmente dependiente.
Si todas las columnas de E tienen pivote entonces S es linealmente independien-
te.
Es decir, S es linealmente independiente si y s olo si rango(A
S
) = r.
Ejemplo 1.- En R
3
el conjunto S = u
1
= (1, 1, 2), u
2
= (1, 0, 1), u
3
=
(2, 1, 2) es linealmente independiente, pues
_
_
1 1 2
1 0 1
2 1 2
_
_
_
_
1 1 2
0 1 3
0 0 1
_
_
.
Sin embargo, el conjunto T = u
1
= (1, 1, 2), u
2
= (1, 0, 1), u
3
= (2, 1, 1)
es linealmente dependiente, pues
_
_
1 1 2
1 0 1
2 1 1
_
_
_
_
1 1 2
0 1 3
0 0 0
_
_
.
Lema 4.2.1. Sea V un espacio vectorial. Un sistema de vectores v
1
, . . . , v
r
V es
linealmente dependiente si y s olo si uno de ellos es combinaci on lineal de los dem as.
PRUEBA: Supongamos que v
1
, . . . , v
r
es linealmente dependiente. Entonces existen
escalares
1
, . . . ,
r
, no todos nulos, tales que
1
v
1
+
2
v
2
+ +
r
v
r
= 0. Sabemos
que existe al menos un
i
,= 0. Tendremos entonces:
i
v
i
=
1
v
1

i1
v
i1
i+1
v
i+1

r
v
r
,
y al ser
i
,= 0, podremos despejar
v
i
=
i
v
1

i1
i
v
i1

i+1
i
v
i+1

r
i
v
r
,
que es una expresi on de v
i
como combinaci on lineal de los dem as, por tanto v
i
depende
linealmente de los dem as.
Supongamos ahora que un vector v
i
depende linealmente de los dem as. Esto quiere
decir que existe una combinaci on lineal
v
i
=
1
v
1
+ +
i1
v
i1
+
i+1
v
i+1
+
r
v
r
.
74

De esta igualdad se obtiene
1
v
1
+ +
i1
v
i1
v
i
+
i+1
v
i+1
+
r
v
r
= 0,
que es una expresi on del vector 0 como combinaci on lineal de los vectores v
1
, . . . , v
r
donde no todos los coecientes son nulos (el coeciente de v
i
es 1). Por tanto, el sistema
v
1
, . . . , v
r
es linealmente dependiente. 2
Lema 4.2.2. Si un vector u depende linealmente de los vectores v
1
, . . . , v
p
, y cada uno de
estos depende linealmente de los vectores w
1
, . . . , w
q
, entonces u depende linealmente
de w
1
, . . . , w
q
.
PRUEBA: Por hip otesis, podemos escribir u =
1
v
1
+
p
v
p
y adem as v
i
=
i,1
w
1
+
+
i,q
w
q
para i = 1, . . . , p. Sustituyendo cada v
i
por la combinaci on lineal anterior,
en la expresi on de u, se obtiene:
u =
1
(
1,1
w
1
+ +
1,q
w
q
) + +
p
(
p,1
w
1
+ +
p,q
w
q
).
reorganizando los t erminos queda:
u = (
1
1,1
+ +
p
p,1
)w
1
+ + (
1
1,q
+ +
p
p,q
)w
q
.
Si llamamos
i
=
1
1,i
+ +
p
p,i
para i = 1, . . . , q, la expresi on anterior se lee
u =
1
w
1
+ +
q
w
q
,
lo que implica que u depende linealmente de w
1
, . . . , w
q
. 2
Lema 4.2.3. Sea S V un sistema linealmente independiente. Si v es un vector que no
depende linealmente de los vectores de S, entonces S v es un sistema linealmente
independiente.
PRUEBA: Sea S = u
1
, . . . , u
r
. Por reducci on al absurdo, supongamos que S v es
linealmente dependiente. Esto quiere decir que se puede escribir
1
u
1
+
r
u
r
+v = 0,
donde no todos los coecientes son nulos. Si tuvi eramos = 0, la expresi on anterior sera
una expresi on de 0 como una combinaci on lineal de los elementos de S donde no todos
los coecientes seran nulos, lo cual no es posible porque S es un sistema linealmente
independiente. Por tanto, ,= 0. Podemos entonces despejar v en la expresi on anterior,
obteniendo:
v =
u
1

r
u
r
.
Por tanto v depende linealmente de S. Contradicci on. 2
75

4.3. Sistemas de generadores y bases.
En esta secci on veremos c omo el concepto de dependencia lineal sirve para expresar
los elementos de un espacio vectorial utilizando s olo un conjunto (posiblemente nito) de
vectores.
Sistema de generadores
Sea V un espacio vectorial. Diremos que un sistema de vectores S =
v
1
, . . . , v
r
es un sistema de generadores de V si todo vector de V puede
escribirse como combinaci on lineal de los vectores de S.
En este caso diremos que V est a generado por S, o por los vectores de S.
Espacio vectorial K
n
n
, un sistema de vectores S = v
1
, . . . , v
r
es un
sistema generador si y s olo si cualquier forma escalonada por las de la matriz
A
S
= (v
1
[ [v
r
)
tiene exactamente n pivotes.
Es decir, S es sistema generador si y s olo si rango(A
S
) = n.
Ejemplo 2.- En el ejemplo 1, p agina 74, S es un sistema generador de R
3
, mien-
tras que T no lo es.
Un espacio vectorial puede tener muchos sistemas de generadores diferentes. Incluso
puede haber sistemas de generadores donde sobre alg un vector. Por ejemplo, si tenemos
un sistema con cuatro vectores en R
3
, nos basta con tres de ellos para generar todo el es-
pacio. Esto nos va a llevar al concepto de base. Pero antes debemos hacer una restricci on,
puesto que existen espacios vectoriales demasiado grandes.
Un espacio vectorial V se dice que es de tipo nito si est a generado por un
n umero nito de vectores. Es decir, si existe un sistema de generadores S =
v
1
, . . . , v
r
.
Para estos espacios vectoriales de tipo nito, podemos denir sin problemas la noci on
de base:
Base
Sea V un espacio vectorial de tipo nito. Diremos que un sistema de vectores
B V es una base de V si cumple:
1. B es un sistema de generadores de V .
2. B es linealmente independiente.
76

En otras palabras, una base es un sistema de generadores de un espacio vectorial en
el que no sobra ning un vector, ya que, al ser linealmente independiente, ninguno de ellos
puede escribirse como combinaci on lineal de los dem as.
Espacio vectorial K
n
n
, de lo visto anteriormente se deduce que un sistema
de vectores B = v
1
, . . . , v
r
K
n
es base si tiene n vectores (r = n) y la
forma escalonada reducida por las de la matriz de B,
A
B
= (v
1
[ [v
n
) ,
es la identidad I
n
.
Ejemplo 3.- En el ejemplo 1, p agina 74, S es una base de R
3
.
Teorema 4.3.1. Sea V un espacio vectorial de tipo nito, y sea B sistema de vectores de
V . Entonces B es una base si y s olo si todo vector de V se puede expresar de una unica
manera como combinaci on lineal de los vectores de B.
PRUEBA: Supongamos que B = u
1
, . . . , u
n
es una base de V . Dado un vector v V ,
como B es sistema de generadores podremos escribir v =
1
u
1
+ +
n
u
n
. Si existiera
otra forma de expresar v, digamos v =
1
u
1
+ +
n
u
n
, entonces tendramos
0 = v v = (
1

1
)u
1
+ (
n
n
)u
n
.
Pero como B es un sistema linealmente independiente, los coecientes de la expresi on
anterior deben ser todos nulos. Es decir,
i

i
= 0, o lo que es lo mismo,
i
=
i
para todo i = 1, . . . , n. Por tanto, la forma de expresar v como combinaci on lineal de los
elementos de B es unica.
Recprocamente, sea B = u
1
, . . . , u
n
es un sistema tal que todo vector v V se
puede expresar de forma unica como combinaci on lineal de los vectores de B. Por un
lado, B es sistema de generadores, puesto que todo vector de V se puede expresar como
combinaci on lineal de B. Por otra parte, consideremos el vector 0 V . Sabemos que
siempre se tiene la combinaci on lineal obvia:
0 = 0u
1
+ + 0u
n
.
Por la propiedad que le suponemos a B, esta es la unica forma de escribir 0 como combi-
naci on lineal de los vectores de B. Por tanto, B es un sistema linealmente independiente,
luego es una base. 2
77

Espacio vectorial K
n
n
, la reducci on de matrices nos permite calcu-
lar c omo escribir cualquier vector v como combinaci on lineal de una base
B = u
1
, . . . , u
n
.
Haciendo transformaciones por las obtenemos
(u
1
[ [u
n
[v)
GaussJordan
_
_
_
I
n
1
.
.
.
n
_
_
_
.
Luego v =
1
u
1
+ +
n
u
n
.
Ejemplo 4.- En el espacio vectorial R
3
podemos escribir el vector u =
(1, 0, 2) como combinaci on lineal de la base B = u
1
= (1, 1, 2), u
2
=
(1, 0, 1), u
3
= (2, 1, 2):
_
_
1 1 2 1
1 0 1 0
2 1 2 2
_
_
_
_
1 0 0 1
0 1 0 2
0 0 1 1
_
_
,
de donde u = u
1
+ 2u
2
+u
3
.
Ahora veamos que un espacio vectorial de tipo nito, que no sea trivial, siempre tiene
una base. Adem as veremos c omo se construye, a partir de un sistema de generadores.
Teorema 4.3.2. [de existencia de base] Sea V ,= 0 un espacio vectorial de tipo nito.
Dado cualquier sistema nito de generadores G V , existe una base B de V formada
por vectores de G.
PRUEBA: Consideremos el sistema de generadores G = v
1
, . . . , v
p
. Si es libre, enton-
ces es una base, y hemos acabado. Si no, hay un elemento v
i
G que depende lineal-
mente de los dem as. Pero entonces G
1
= Gv
i
sigue siendo sistema de generadores.
Si es libre, G
1
es una base. Si no, existir a otro vector v
j
que depende linealmente de los
dem as vectores de G
1
, y tambi en lo podremos eliminar.
Continuamos este proceso mientras el sistema de generadores sea linealmente depen-
diente. Pero como mucho podremos eliminar p 1 vectores ya que, como V ,= 0,
al menos debe haber un vector en cualquier sistema de generadores. Por tanto, en alg un
momento debemos tener alg un G
i
que sea libre, luego ser a una base contenida en G. 2
78

Espacio vectorial K
n
Sea G = v
1
, . . . , v
p
un sistema de generadores del espacio vectorial K
n
. Cual-
quier forma escalonada por las de la matriz
A
G
= (v
1
[ [v
p
)
debe tener n columnas con pivote. Pongamos que estas columnas son
i
1
, . . . , i
n
. Entonces el conjunto B = v
i
1
, . . . , v
in
es una base de K
n
.
Ejemplo 5.- En R
3
consideremos el sistema
G = v
1
= (1, 1, 2), v
2
= (1, 0, 1), v
3
= (2, 1, 1),
v
4
= (0, 1, 1), v
5
= (2, 1, 2).
Mediante transformaciones elementales por las obtenemos
_
_
1 1 2 0 2
1 0 1 1 1
2 1 1 1 2
_
_
_
_
1 1 2 0 2
0 1 3 1 3
0 0 0 0 1
_
_
.
Luego G es un sistema generador de R
3
y B = v
1
, v
2
, v
5
es una base.
4.4. Teorema de la base. Dimensi on.
En esta secci on deniremos un concepto esencial del algebra lineal: la dimensi on de
un espacio vectorial. Necesitamos primero el siguiente resultado:
Teorema 4.4.1. Sea V un espacio vectorial. Si G = u
1
, . . . , u
m
es un sistema de
generadores de V , y S = v
1
, . . . , v
n
es un sistema linealmente independiente, entonces
n m.
PRUEBA: Supongamos que n > m. Como G es un sistema de generadores, podemos
escribir cada v
i
como combinaci on lineal de los elementos de G:
v
i
= a
1i
u
1
+ +a
mi
u
m
.
Por otra parte, como S es linealmente independiente, la ecuaci on
x
1
v
1
+ +x
n
v
n
= 0
s olo puede admitir la soluci on trivial, x
1
= = x
n
= 0. Ahora bien, sustituyendo cada
v
i
, obtenemos la ecuaci on equivalente:
x
1
(a
11
u
1
+ +a
m1
u
m
) + +x
n
(a
1n
u
1
+ +a
mn
u
m
) = 0,
donde, sacando factor com un los u
i
, se tiene:
(a
11
x
1
+ +a
1n
x
n
)u
1
+ + (a
m1
x
1
+ +a
mn
x
n
)u
m
= 0.
79

Una posible soluci on para esta ecuaci on se obtendra si cada coeciente fuera cero, es
decir, si
_
_
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= 0
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
= 0
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
x
1
+ a
m2
x
2
+ + a
mn
x
n
= 0.
Este sistema homog eneo tiene, como m aximo, rango m, ya que tiene m las. Ahora bien,
si n > m, el Teorema de Rouch e-Frobenius nos dice que es un sistema compatible in-
determinado, es decir, existe una soluci on para x
1
, . . . , x
n
donde no todos son cero. Esto
contradice que S sea un sistema libre. 2
Veamos entonces qu e es la dimensi on de un espacio vectorial:
Teorema 4.4.2 (Teorema de la base). Sea V un espacio vectorial de tipo nito. Todas las
bases de V tienen el mismo n umero de elementos. A este n umero se le llama dimensi on
de V .
PRUEBA: Sean B
1
y B
2
dos bases de V , de m y n vectores respectivamente. Como B
1
es
sistema de generadores, y B
2
es libre, entonces n m por el Teorema 4.4.1. Pero como
B
2
es sistema de generadores, B
1
es libre, se tiene m n. Por tanto, m = n. 2
Dimensi on
La dimensi on de un espacio vectorial V , que denotamos dim(V ), se dene como
sigue:
Si V = 0, entonces dim(V ) = 0.
Si V es de tipo nito, su dimensi on es el n umero de elementos de cualquier
base de V .
Si V no es de tipo nito, diremos que tiene dimensi on innita, y escribire-
mos dimV = .
Ejemplo 4.4.1. El espacio vectorial R
n
tiene dimensi on n. Una base, llamada la base
can onica, est a formada por los vectores e
1
, . . . , e
n
, donde
e
i
= (0, . . . , 0,
(i)
1, 0, . . . , 0).
Ejemplo 4.4.2. El conjunto de polinomios, R[x], es un espacio vectorial de dimensi on
innita. En efecto, supongamos que existe un sistema de generadores Gde R[x], formado
por un n umero nito de polinomios. Sea entonces m el mayor grado de todos los polino-
mios de G. Entonces, cualquier combinaci on lineal de los polinomios de G tiene como
m aximo grado m, luego no podramos obtener los polinomios de grado mayor que m, y
G no sera sistema de generadores. Por tanto, dim(R[x]) = .
80

4.5. Dimensi on y sistemas de vectores. Coordenadas.
La dimensi on de un espacio vectorial nos impone restricciones sobre el tama no que
pueden tener los sistemas libres, o los sistemas de generadores:
Proposici on 4.5.1. Sea S = v
1
, . . . , v
m
un sistema de vectores de un espacio vectorial
V de dimensi on nita. Se tiene:
1. Si S es un sistema de generadores, entonces m dimV .
2. Si S es linealmente independiente, entonces m dimV .
3. Si S es sistema de generadores, y m = dimV , entonces S es base de V .
4. Si S es linealmente independiente, y m = dimV , entonces S es base de V .
Ejercicio 4.5.1. Demostrar la proposici on anterior.
Una propiedad importante de las bases es la siguiente:
Teorema 4.5.2. [Teorema de la base incompleta] Sea V un espacio vectorial de tipo
nito. Todo sistema linealmente independiente puede completarse hasta obtener una base.
Es decir, si dimV = n, y S = v
1
, . . . , v
m
es un sistema libre, con m < n, entonces
existen n m vectores v
m+1
, . . . , v
n
V tales que el sistema v
1
, . . . , v
n
es base de
V . Adem as, los vectores v
m+1
, . . . , v
n
pueden tomarse de cualquier base de V .
PRUEBA: Sea S como en el enunciado, y sea B = u
1
, . . . , u
n
una base de V . Si
cada elemento de B depende linealmente de los elementos de S, entonces S es sistema
de generadores, luego sera una base. Imposible. Tendremos entonces un vector de B,
supongamos que es u
1
, que no depende linealmente de S. Tomamos entonces el sistema
S u
1
, que ser a linealmente independiente.
Si m + 1 < n, entonces S u
1
no es base. Por tanto, debe existir otro vector
en B (que no puede ser u
1
), que no dependa linealmente de S u
1
. Digamos que es
u
2
. Entonces S u
1
, u
2
es linealmente independiente. Continuamos este proceso hasta
obtener S u
1
, . . . , u
nm
, sistema linealmente independiente de n vectores, es decir,
base de V . 2
81

Espacio vectorial K
n
Consideremos el espacio vectorial K
n
, en el ejemplo 4.4.1 hemos denido la
base can onica B = e
1
, . . . , e
n
de K
n
, donde
e
i
= (0, . . . , 0,
(i)
1 , 0, . . . , 0).
Sea S = v
1
, . . . , v
m
un sistema libre de K
n
, con m n. Siempre podemos
completar el sistema con vectores de la base can onica hasta tener una base de
K
n
. De hecho, cualquier forma escalonada por las de la matriz
A = (v
1
[ [v
m
[e
1
[ [e
n
)
tiene n pivotes. Los m primeros pivotes est an en las m primeras columnas,
pues S es un sistema libre, y el resto entre las siguientes columnas, pongamos
i
1
, . . . , i
nm
. Luego el conjunto
v
1
, . . . , v
m
, e
i
1
m
, . . . , e
i
nm
m
es una base de K
n
que completa a S.
Ejemplo 6.- En el espacio vectorial R
4
consideramos el sistema libre S =
v
1
= (1, 1, 2, 1), v
2
= (2, 1, 2, 1). Completaremos S con vectores de la
base can onica hasta obtener una base de R
4
:
_
_
_
_
1 2 1 0 0 0
1 1 0 1 0 0
2 2 0 0 1 0
1 1 0 0 0 1
_
_
_
_
_
_
_
_
1 2 1 0 0 0
0 1 1 1 0 0
0 0 0 2 1 0
0 0 0 0 1/2 1
_
_
_
_
.
Luego una base de R
4
que completa a S es
v
1
= (1, 1, 2, 1), v
2
= (2, 1, 2, 1), e
2
= (0, 1, 0, 0), e
3
= (0, 0, 1, 0).
La principal ventaja de la existencia de bases, en los espacios vectoriales de tipo nito,
es que vamos a poder estudiarlos, sea cual sea el espacio vectorial, como si fuera K
n
. Esto
lo vamos a conseguir mediante el uso de coordenadas.
Primero necesitamos hacer una precisi on. Hasta ahora, cuando habl abamos de un sis-
tema de vectores, o de una base, no nos importaba el orden en que estuvieran los vectores.
Pero para denir las coordenadas de un vector, es necesario jar un orden. Por tanto, a
partir de ahora, escribiremos la bases de la siguiente forma: B = (u
1
, . . . , u
n
). El uso de
par entesis, en lugar de llaves, indica que los vectores est an ordenados, luego podremos
hablar del i- esimo vector de una base, de forma rigurosa.
82

Coordenadas
Sea V un espacio vectorial de dimensi on n sobre un cuerpo K. Dada una ba-
se B = (u
1
, . . . , u
n
) sabemos que, para todo vector v V , existe una unica
combinaci on lineal
v =
1
u
1
+ +
n
u
n
.
Los escalares
1
, . . . ,
n
denen, por tanto, al vector v, y los llamaremos coor-
denadas de v respecto a B. Escribiremos:
v
B
= (
1
, . . . ,
n
).
Cuando la base B est e clara por el contexto, escribiremos simplemente
v = (
1
, . . . ,
n
).
Por tanto, no importa c omo sea V como espacio vectorial; si jamos una base, vamos
a poder representar los elementos de V como elementos del conocido espacio vectorial
K
n
. Pero la correspondencia entre V y K
n
es todava m as fuerte: las operaciones de suma
y producto por escalar son iguales en ambos espacios. Veamos esto con m as detalle:
Espacio vectorial K
n
n
y B = (u
1
, . . . , u
n
) es una base, ya hemos visto an-
teriormente (p agina 78), que v
B
= (
1
, . . . ,
n
) si y s olo si la forma escalonada
reducida de la matriz (u
1
[ [u
n
[v) es
_
_
_
I
n
1
.
.
.
n
_
_
_
.
Ejemplo 7.- En R
4
usamos la reducci on por las de matrices para obtener las
coordenadas del vector v = (1, 2, 3, 4) respecto de la base
B = u
1
= (1, 1, 1, 0), u
2
= (1, 1, 0, 1),
u
3
= (1, 0, 1, 1), u
4
= (0, 1, 1, 1).
Aplicando el m etodo de elminaci on de Gauss-Jordan tenemos
_
_
_
_
1 1 1 0 1
1 1 0 1 2
1 0 1 1 3
0 1 1 1 4
_
_
_
_
_
_
_
_
1 0 0 0 2/3
0 1 0 0 1/3
0 0 1 0 4/3
0 0 0 1 7/3
_
_
_
_
.
Luego
v
B
=
_
2
3
,
1
3
,
4
3
,
7
3
_
.
83

Teorema 4.5.3. Sea V un espacio vectorial de dimensi on n sobre un cuerpo K, y sea B
una base de V . Sea
(
B
: V K
n
la aplicaci on que a cada elemento de V le hace corresponder el vector de sus coordena-
das. Entonces (
B
es una aplicaci on biyectiva, y adem as se tiene:
1. (
B
(u +v) = (
B
(u) +(
B
(v) u, v V .
2. (
B
( u) = (
B
(u) u V, K.
PRUEBA: La aplicaci on es biyectiva por el Teorema 4.3.1.
Ejercicio 4.5.2. Probar las propiedades de la suma y del producto por escalar.
2
Este resultado nos dice que los espacios vectoriales V y K
n
son isomorfos. Por tan-
to, si necesitamos trabajar con un espacio vectorial de dimensi on n, podemos trabajar
simplemente con K
n
.
4.6. Cambio de base.
Observemos que las coordenadas de un vector de V dependen de la base B que haya-
mos elegido. Si tuvi eramos otra base B
, las coordenadas del mismo vector seran dife-

rentes. Vamos a ver entonces c omo est an relacionados estos dos tipos de coordenadas.
Supongamos que tenemos un espacio vectorial V de dimensi on n, y consideremos dos
bases de V : B = (u
1
, . . . , u
n
) y B
= (u
1
, . . . , u
n
). Como B es base, podremos escribir
cada vector de B
respecto a B, es decir, tendremos:

u
1
= a
11
u
1
+a
21
u
2
+ +a
n1
u
n
,
u
2
= a
12
u
1
+a
22
u
2
+ +a
n2
u
n
,
.
.
.
u
n
= a
1n
u
1
+a
2n
u
2
+ +a
nn
u
n
.
Con esta notaci on, se tiene lo siguiente:
Teorema 4.6.1. Si las coordenadas de v V respecto a B y B
son, respectivamente
v
B
= (x
1
, . . . , x
n
) y v
B
= (x
1
, . . . , x
n
), entonces se tiene la relaci on:
x
1
= a
11
x
1
+a
12
x
2
+ +a
1n
x
n
,
x
2
= a
21
x
1
+a
22
x
2
+ +a
2n
x
n
,
.
.
.
x
n
= a
n1
x
1
+a
n2
x
2
+ +a
nn
x
n
.
PRUEBA: Por un lado, tenemos v = x
1
u
1
+ + x
n
u
n
. Y por otro lado, v = x
1
u
1
+
+x
n
u
n
. Si sustituimos cada u
i
por a
1i
u
1
+a
2i
u
2
+ +a
ni
u
n
en la expresi on anterior,
y agrupamos coecientes, obtendremos:
v = (a
11
x
1
+ +a
1n
x
n
)u
1
+ + (a
n1
x
1
+ +a
nn
x
n
)u
1
.
84

Como la forma de expresar v como combinaci on lineal de B es unica, los coecientes
de esta ultima combinaci on lineal han de ser iguales a x
1
, . . . , x
n
, lo que demuestra el
resultado. 2
Una de las principales ventajas de trabajar con K
n
es que podemos usar matrices. El
teorema anterior, por ejemplo, se puede ver mucho mejor de forma matricial. Sea
A
B
,B
=
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_
_
_
_
_
la matriz del cambio de base. Es decir, las columna i de A
B
,B
contiene las coordenadas
del vector v
i
de B
respecto de la base B. Entonces la relaci on entre las coordenadas

(x
1
, . . . , x
n
) y (x
1
, . . . , x
n
), respecto a B y B
, de un vector cualquiera es:

_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
=
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_
_
_
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
.
Escrito de otra manera,
X = A
B
,B
X
,
donde X y X
son los vectores columna que representan las coordenadas de un vector

respecto a B y a B
. Por tanto, la matriz A

B
,B
transforma las coordenadas respecto a B
en coordenadas respecto a B (mediante multiplicaci on a izquierda).

Teorema 4.6.2. Sea V un espacio vectorial de dimensi on n, y sea B una base de V .
Dado un sistema B
de n vectores, sea A
B
,B
la matriz n n cuyas columnas contienen
las coordenadas de los vectores de B
respecto a B. Entonces B
es una base si y s olo si

A
B
,B
es no singular.
PRUEBA: B
es base de V si y s olo si sus vectores son linealmente independientes. Esto

es, si y s olo si las columnas de A
B
,B
son linealmente independientes, lo que ocurre si y
s olo si rg(A
B
,B
) = n, es decir, si A
B
,B
es no singular. 2
Otra forma de demostrar que, dadas dos bases B y B
, la matriz A
B
,B
es invertible, es
la siguiente: consideremos la matriz A
B,B
. Esta matriz transforma coordenadas respecto
de B en coordenadas respecto de B
. Por tanto, tenemos por un lado X = A

B
,B
X
, y
por otro X
= A
B,B
X. Uniendo estas dos igualdades, se tiene:
X = A
B
,B
X
= (A
B
,B
A
B,B
)X.
Como esta igualdad se tiene para cualquier vector X K
n
, deducimos que A
B
,B
A
B,B
=
I. An alogamente, se obtiene A
B,B
A
B
,B
= I. Por tanto:
Dadas dos bases B y B
de un espacio vectorial de dimensi on n, la matriz de

cambio de base A
B
,B
es invertible, y su inversa es A
B,B
.
85

Usando este tipo de matrices, podremos ver la similitud existente entre los conceptos
denidos para espacios vectoriales y los denidos para matrices. Pero esto lo haremos
mejor en la secci on siguiente, donde deniremos los subespacios vectoriales.
Espacio vectorial K
n
Consideremos dos bases B y B
del espacio vectorial K

n
, respecto de la base
can onica. Sean A
B
y A
B
las matrices respectivas de ambas bases. Podemos usar
transformaciones elementales por las para obtener la matriz del cambio de base.
Por todo lo visto anteriormente sabemos que
(A
B
[A
B
)
GaussJordan
(I[A
B
,B
) .
Ejemplo 8.- En R
3
consideramos las bases
B = u
1
= (1, 1, 0), u
2
= (1, 0, 1), u
3
= (0, 1, 1) y
B
= v
1
= (1, 1, 0), v
2
= (1, 0, 1), v
3
= (1, 0, 0).
Entonces
_
_
1 1 0 1 1 1
1 0 1 1 0 0
0 1 1 0 1 0
_
_
_
_
1 0 0 0 1 1/2
0 1 0 1 0 1/2
0 0 1 1 1 1/2
_
_
.
Luego la matriz del cambio de base es
A
B
,B
=
_
_
0 1 1/2
1 0 1/2
1 1 1/2
_
_
.
4.7. Subespacios vectoriales
En los ejemplos que hemos dado en R
3
, vimos que un vector dene una recta, o que
dos vectores (no proporcionales) denen un plano. Son estas estructuras las que en reali-
dad nos interesan, y en las que se centra la mayor parte del algebra lineal. En esta secci on
veremos c omo estas estructuras, llamadas variedades lineales o subespacios vectoriales,
tambi en son espacios vectoriales, y estudiaremos sus propiedades. La denici on precisa
es la siguiente:
Subespacio vectorial
Sea V un espacio vectorial sobre un cuerpo K, y sea L un subconjunto de V .
Diremos que L es un subespacio vectorial, o una variedad lineal de V si, con
las mismas operaciones de suma y producto por escalar, L es un espacio vectorial
sobre K.
86

Observemos que los elementos de L, al ser elementos de V , satisfacen todas las pro-
piedades de un espacio vectorial. Pero hay un detalle importante: tanto la suma de vectores
de L, como el producto por escalares, deben dar como resultado vectores de L. Si no, no
estaramos ante operaciones en L, y por tanto L no sera espacio vectorial. Por tanto, lo
unico que hay que vericar para saber si L V es subespacio vectorial, es lo siguiente:
Proposici on 4.7.1. Dado un espacio vectorial V sobre un cuerpo K, un subconjunto no
vaco L V es una variedad lineal de V si se cumplen las siguientes propiedades:
1. v, w L, v +w L.
2. K, v L, v L.
La siguiente propiedad es consecuencia directa de la denici on.
Proposici on 4.7.2. Sea V un espacio vectorial sobre un cuerpo K, y sea 0 el elemento
neutro de la suma de vectores. Se tiene:
1. El espacio vectorial trivial 0 es una variedad lineal de V .
2. Cualquier variedad lineal L V contiene al vector 0.
El ejemplo principal de espacio vectorial que vamos a utilizar es R
n
. Recordemos que,
si tenemos un s olo vector v R
3
, los vectores que se pueden escribir como combinaci on
lineal de v forman una recta: la que pasa por el origen y tiene la direcci on de v. Por
otra parte, si tenemos dos vectores v, w R
3
, los vectores que se pueden escribir como
combinaci on lineal de v y w forman un plano: el que pasa por el origen y contiene a la
recta denida por v y a la recta denida por w. Al estudiar sistemas de vectores, lo que
de verdad nos interesa es esa recta o ese plano, es decir, el conjunto de todos los vectores
que se pueden escribir como combinaci on lineal de los vectores del sistema:
Teorema 4.7.3. Sea V un espacio vectorial, y sea S un sistema de vectores de V . El
conjunto de combinaciones lineales de los vectores de S, que llamaremos S, es una
variedad lineal de V .
S =
1
v
1
+ +
m
v
m
[ m N,
1
, . . .
m
K, v
1
, . . . , v
m
S.
Ejercicio 4.7.2. Demostrar el teorema anterior.
Sean S = v
1
, . . . , v
p
y T = w
1
, w
q
dos sistemas de vectores de un
espacio vectorial V . Diremos que S y T son equivalentes si S = T.
Otra posible denici on de equivalencia de sistemas es la que viene dada por el si-
guiente resultado:
Proposici on 4.7.4. Sea V un espacio vectorial. Dos sistemas de vectores S, T V son
equivalentes si y s olo si todo vector de S puede escribirse como combinaci on lineal de
los vectores de T, y viceversa.
87

En el caso de V = R
3
, dos sistemas de dos vectores son equivalentes si y s olo si
denen el mismo plano. De hecho, en R
3
, las variedades lineales son la siguientes: el
origen (que corresponde al subespacio trivial 0), las rectas que pasan por el origen, los
planos que pasan por el origen, y todo R
3
. Esto nos da una idea de las dimensiones de
estas variedades lineales: en R
3
, que tiene dimensi on 3, existen variedades de dimensi on
0, 1, 2 o 3. M as generalmente, se tiene:
Teorema 4.7.5. Sea V un espacio vectorial de dimensi on nita, y sea L una variedad
lineal de V . Entonces L tambi en tiene dimensi on nita, y dimL dimV . Adem as, la
igualdad s olo se da si L = V .
PRUEBA: Si L = 0, el resultado es evidente. Supongamos entonces que L contiene
vectores no nulos. Entonces L contiene sistemas libres. Pero cualquier sistema libre de L
es tambi en un sistema libre de V , luego tiene como m aximo n vectores, donde n = dimV .
Sea m el n umero m aximo de vectores que puede tener un sistema libre de L (ya sabemos
que m n), y sea B un sistema libre de m vectores de L. Como no existe otro sistema
libre de L con m as de m vectores, entonces todo vector de L depende linealmente de B,
es decir, B es una base de L. Por tanto dimL = m n = dimV .
Si tuvi eramos dimL = dimV , entonces una base B de L sera un sistema libre de V
con n elementos, luego sera base de V . Por tanto, L = V . 2
Rango de un sistema de vectores
Sea V un espacio vectorial, y sea S un sistema nito de vectores de V . Llamamos
rango de S a la dimensi on de la variedad lineal generada por S. Es decir:
rango(S) = dim(S).
Dicho de otra forma, el rango de S es el mayor n umero de vectores linealmente
independientes que se pueden tomar en S.
Tenemos entonces el siguiente resultado, que relaciona el rango de un sistema de
vectores y el rango de una matriz:
Proposici on 4.7.6. En un espacio vectorial V de dimensi on nita, sea B una base de V ,
S un sistema nito de vectores de V , y A
S,B
la matriz cuyas columnas (o cuyas las) son
las coordenadas de los vectores de S respecto a B. Entonces
rango(S) = rango(A
S,B
).
PRUEBA: Si V = K
n
, ya hemos demostrado que el rango de una matriz es el m axi-
mo n umero de columnas (o las) linealmente independientes que tiene. Si V ,= K
n
,
el resultado es consecuencia del isomorsmo (
B
, que a cada vector de V le asocia sus
coordenadas. 2
Nota: Observemos que el rango de la matriz A
S,B
no depende de la base B, ya que es
igual al rango del sistema de vectores S, que est a denido sin tener que recurrir a ninguna
88

base. Otra forma de ver esto es la siguiente: si B y B
son dos bases distintas, cuya matriz

de cambio de base es A
B
,B
, entonces se tiene:
A
S,B
= A
B
,B
A
S,B
.
Como sabemos que A
B
,B
es no singular, entonces rango(A
S,B
) = rango(A
S,B
).
4.8. Ecuaciones param etricas e implcitas.
Volviendo a nuestro ejemplo principal, R
3
, el rango de un sistema de vectores S R
3
,
nos dice si S es un punto, una recta, un plano o todo el espacio, seg un sea 0, 1, 2 o 3.
Y para ver cu al es ese rango, basta calcular el rango de la matriz cuyas columnas son los
vectores de S.
Hasta ahora s olo hemos visto una forma de determinar una variedad lineal: mediante
un sistema de generadores. Esta forma es equivalente a dar unas ecuaciones param etricas.
Ecuaciones param etricas de una variedad lineal
Sea L una variedad lineal de un espacio vectorial V de dimensi on n, y sea G =
v
1
, . . . , v
m
un sistema de generadores de L. Supongamos que las coordenadas
de v
i
respecto a una base B de V son: v
i
= (a
1i
, , a
ni
). Entonces, como todo
vector v L, con coordenadas (x
1
, . . . , x
n
) se escribe como combinaci on lineal
de G, existir an unos escalares
1
, . . . ,
m
tales que v =
1
v
1
+ +
m
v
m
. Es
decir:
_
_
x
1
= a
11
1
+ + a
1m
m
x
2
= a
21
1
+ + a
2m
m
.
.
.
.
.
.
.
.
.
x
n
= a
n1
1
+ + a
nm
m
Unas ecuaciones de este tipo, conde los escalares
i
son par ametros indetermi-
nados, se llaman unas ecuaciones param etricas de L.
En otras palabras, unas ecuaciones param etricas nos dicen c omo son las coordena-
das de un vector cualquiera de L, dependiendo de los coecientes que tomemos en la
combinaci on lineal de los generadores.
Ejemplo 4.8.1. Un plano en R
3
que pasa por el origen (es decir, una variedad lineal de R
3
de dimensi on 2), puede venir dado por las siguientes ecuaciones param etricas:
_
_
_
x
1
= 2
1
3
2
x
2
=
1
+ 5
2
x
3
=
1
2
En este caso se trata del plano generado por los vectores (2, 1, 1) y (3, 5, 1).
Las ecuaciones param etricas, en el fondo, equivalen a denir una variedad lineal dan-
do un sistema de generadores. Pero existe otra forma, m as interesante, de determinar una
variedad lineal: mediante unas ecuaciones implcitas. El resultado que necesitamos es el
siguiente:
89

Teorema 4.8.1. Sea V un espacio vectorial de dimensi on n, y sea B una base de V .
Consideremos un sistema lineal homog eneo:
_
_
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= 0
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
= 0
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
x
1
+ a
m2
x
2
+ + a
mn
x
n
= 0.
Sea L el conjunto de vectores cuyas coordenadas (respecto de B) son una soluci on de
este sistema lineal. Entonces L es una variedad lineal.
PRUEBA: Si dos vectores v = (x
1
, . . . , x
n
) y v
= (x
1
, . . . , x
n
) pertenecen a L, entonces
satisfacen cada ecuaci on del sistema, es decir, a
i1
x
1
+ +a
in
x
n
= 0 y adem as a
i1
x
1
+
+a
in
x
n
= 0. Pero entonces,
(a
i1
x
1
+ +a
in
x
n
) + (a
i1
x
1
+ +a
in
x
n
) = a
i1
(x
1
+x
1
) + a
in
(x
n
+x
n
) = 0,
por tanto, el vector v + v
= (x
1
+ x
1
, . . . , x
n
+ x
n
) es soluci on del sistema, luego
pertenece a L.
Por otra parte, dado cualquier K, se tiene
(a
i1
x
1
+ +a
in
x
n
) = a
i1
(x
1
) + +a
in
(x
n
) = 0,
luego v = (x
1
, . . . , x
n
) L. Por tanto, L es una variedad lineal. 2
Ecuaciones implcitas de una variedad lineal
Sea V un espacio vectorial de dimensi on n, y sea B una base de V . Unas ecua-
ciones implcitas de una variedad lineal L es un sistema de ecuaciones
_
_
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= 0
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
= 0
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
x
1
+ a
m2
x
2
+ + a
mn
x
n
= 0.
tal que los vectores de L sean exactamente aquellos cuyas coordenadas (respecto
a B) son una soluci on del sistema.
Nota 4.8.1. El teorema 4.9.3 prueba que toda variedad lineal L de un espacio vectorial V ,
jada una bae del espacio, tiene unas ecuaciones implcitas.
En otras palabras, si unas ecuaciones param etricas nos dicen c omo son las coorde-
nadas de los vectores de L, unas ecuaciones implcitas nos dicen qu e relaciones deben
vericar entre ellas. Podramos decir que en unas ecuaciones implcitas los vectores de L
est an m as escondidos, ya que a simple vista no podramos determinar ninguno de ellos:
hay que resolver el sistema.
Observemos que el teorema anterior nos ha dado una nueva motivaci on para estudiar
variedades lineales, ya que las soluciones de un sistema lineal homog eneo son variedades
lineales.
90

4.9. Ecuaciones y dimensi on.
Veamos ahora c omo, a partir de unas ecuaciones param etricas o implcitas de una
variedad lineal, podemos calcular la dimensi on de la variedad.
Proposici on 4.9.1. Sea V un espacio vectorial de dimensi on n, sean
_
_
x
1
= a
11
1
+ +a
1m
m
x
2
= a
21
1
+ +a
2m
m
.
.
.
.
.
.
x
n
= a
n1
1
+ +a
nm
m
unas ecuaciones param etricas de una variedad lineal L, y sea
A =
_
_
_
_
_
a
11
a
12
a
1m
a
21
a
22
a
2m
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nm
_
_
_
_
_
la matriz de los coecientes. Entonces
dimL = rg(A).
PRUEBA: Esto es una consecuencia inmediata de los teoremas que conocemos sobre la
base de una variedad lineal, sabiendo que las columnas de A son generadores de L. 2
Proposici on 4.9.2. Sea V un espacio vectorial de dimensi on n, y sean
_
_
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= 0
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
= 0
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
x
1
+ a
m2
x
2
+ + a
mn
x
n
= 0.
unas ecuaciones implcitas de una variedad lineal L, y sea Ala matriz de coecientes del
sistema homog eneo. Entonces:
dimL = n rg(A).
PRUEBA: Recordemos c omo se usa el m etodo de eliminaci on de Gauss-Jordan para re-
solver un sistema lineal. Si la matriz A tiene rango r, obtendremos r variables pivote. Por
simplicar, diremos que las variables pivote son x
1
, . . . , x
r
, aunque la demostraci on fun-
ciona igual si son otras. Despejando las variables pivote respecto a las dem as, se obtiene
que la soluci on general del sistema es de la forma:
x
1
= c
1r+1
x
r+1
+c
1r+2
x
r+2
+ +c
1n
x
n
,
x
2
= c
2r+1
x
r+1
+c
2r+2
x
r+2
+ +c
2n
x
n
,
.
.
.
x
r
= c
rr+1
x
r+1
+c
rr+2
x
r+2
+ +c
rn
x
n
,
91

donde las variables no pivote x
r+1
, . . . , x
n
pueden tomar cualquier valor. Pero si le damos
a las variables x
r+1
, . . . , x
n
los valores (indeterminados)
1
, . . . ,
nr
, se obtiene que la
soluci on general del sistema (es decir, la variedad L) viene dada por:
_
_
x
1
= c
1r+1
1
+ c
1r+2
2
+ + c
1n
nr
x
2
= c
2r+1
1
+ c
2r+2
2
+ + c
2n
nr
.
.
.
.
.
.
.
.
.
x
r
= c
rr+1
1
+ c
rr+2
2
+ + c
rn
nr
x
r+1
=
1
x
r+2
=
2
.
.
.
.
.
.
x
n
=
nr
.
Pero estas resultan ser unas ecuaciones param etricas de la variedad L, donde la matriz de
coecientes tiene rango n r, ya que tiene n r columnas, y sus n r ultimas las son
claramente libres. Luego, por el resultado anterior, se sigue que dimL = n r. Es decir,
dimL = n rg(A). 2
En muchas ocasiones es importante saber, dada una variedad lineal L, transformar
unas ecuaciones implcitas en unas ecuaciones param etricas, y viceversa. El primer caso
es sencillo:
Observaci on: Si tenemos unas ecuaciones implcitas de una variedad lineal L, es
decir, un sistema homog eneo que determina los elementos de L, la forma de calcular unas
ecuaciones param etricas es simplemente resolviendo el sistema, como hemos visto en el
resultado anterior.
Observemos adem as que la soluci on obtenida despejando las variables pivote nos da
una base de L, formada por los vectores que son coecientes de los par ametros
1
,
2
,
etc.
Si por el contrario tenemos unas ecuaciones param etricas de L, es decir, un sistema
de generadores, veremos dos m etodos para calcular unas ecuaciones implcitas de la va-
riedad: uno se basa en el m etodo del orlado y otro utiliza transformaciones elementales
por las.
92

M etodo I: usando el m etodo del orlado.
Suponemos jada una base B del espacio vectorial V . Sea L la variedad lineal
generada por un sistema S, procedemos de la siguiente manera.
1. Se considera la matriz A
S,B
, cuyas columnas son las coordenadas de los
elementos de S respecto de la base B.
2. Mediante el m etodo del orlado, se identican el m aximo n umero posible de
columnas independientes, con lo que se obtiene una base B
1
de la variedad
L. Digamos que B
1
tiene r elementos, es decir, dim(L) = r.
B
1
,B
/
nr
, cuyas columnas son una base de L,
y la matriz M que resulta al a nadir a esta matriz una columna de inc ognitas
(x
1
, . . . , x
n
),
M =
_
_
_
A
B
1
,B
x
1
.
.
.
x
n
_
_
_
.
4. Un vector (x
1
, . . . , x
n
) estar a en L si y s olo si es combinaci on lineal de
las columnas de A
B
1
,B
. Es decir, si y s olo si la matriz M tiene rango r.
Imponemos entonces que la matriz M tenga rango r. Usando el m etodo
del orlado (orlando un menor no nulo de tama no r en las r primeras las
de M), esto signica imponer que n r determinantes sean nulos. Estos
n r determinantes son n r ecuaciones implcitas que denen L.
Ejemplo 4.9.1. En el espacio vectorial R
4
, siempre respecto de la base can onica B, sea L
la variedad lineal generada por el sistema S = (1, 1, 2, 1), (2, 0, 1, 1), (1, 1, 1, 2).
Aplicando el m etodo del orlado averiguamos que el rango(S) = 2 y que, de hecho, el
tercer vector es combinaci on lineal de los otros dos:
A
S,B
=
_
_
_
_
_
1 2
1 0
1
1
2 1
1 1
1
2
_
_
_
_
_
.
Luego B
1
= (1, 1, 2, 1), (2, 0, 1, 1) es una base de L. Entonces un vector (x
1
, x
2
, x
3
, x
4
)
est a en L si y s olo si
rango
_
_
_
_
_
1 2
1 0
x
1
x
2
2 1
1 1
x
3
x
4
_
_
_
_
_
= 2
_
1 2 x
1
1 0 x
2
2 1 x
3
= 0 x
1
+ 3x
2
2x
3
= 0
1 2 x
1
1 0 x
2
1 1 x
4
= 0 x
1
3x
2
2x
4
= 0
.
Luego unas ecuaciones implcitas de L son:
L:
_
x
1
+ 3x
2
2x
3
= 0
x
1
3x
2
2x
4
= 0
.
93

M etodo II: usando transformaciones elementales por las.
Suponemos jada una base B del espacio vectorial V . Sea L la variedad lineal
generada por un sistema S, procedemos de la siguiente manera.
S,B
, cuyas columnas son las coordenadas de los
elementos de S respecto de la base B. Sea M la matriz que resulta al a nadir
a esta matriz una columna de inc ognitas (x
1
, . . . , x
n
),
M =
_
_
_
A
S,B
x
1
.
.
.
x
n
_
_
_
.
2. Un vector (x
1
, . . . , x
n
) estar a en L si y s olo si es combinaci on lineal de
las columnas de A
S,B
. Es decir, si y s olo si en cualquier forma escalonada
por las de la matriz M la ultima columna no contiene un pivote. Una
escalonada por las de M es de la forma (E[c), donde E es una forma
escalonada por las de A
S,B
. Supongamos que rango(A
S,B
) = r, es decir
que E tiene r pivotes, entonces la escalonada por las de M debe ser de la
forma
_
_
_
_
_
_
_
_
_
E
eq
1
.
.
.
eq
r
a
11
x
1
+ a
1n
x
n
.
.
.
a
nr,1
x
1
+ a
nr,n
x
n
_
_
_
_
_
_
_
_
_
,
donde eq
1
, . . . , eq
r
son expresiones lineales en x
1
, . . . , x
n
.
3. Imponiendo que la ultima columna no tenga pivote, tenemos las ecuacio-
nes
_
_
a
11
x
1
+ a
1n
x
n
= 0
.
.
.
a
nr,1
x
1
+ a
nr,n
x
n
= 0
,
que son unas ecuaciones implcitas de L.
4
, siempre respecto de la base can onica B, sea L
la variedad lineal generada por el sistema S = (1, 1, 2, 1), (2, 0, 1, 1), (1, 1, 1, 2).
Mediante transformaciones lineales por las obtenemos
_
_
_
_
1 2 1 x
1
1 0 1 x
2
2 1 1 x
3
1 1 2 x
4
_
_
_
_
_
_
_
_
1 2 1 x
1
0 2 2 x
1
+x
2
0 0 0 (1/2)x
1
(3/2)x
2
+x
3
0 0 0 (1/2)x
1
+ (3/2)x
2
+x
4
_
_
_
_
.
Luego unas ecuaciones implcitas de L son
L:
_
(1/2)x
1
(3/2)x
2
+x
3
= 0
(1/2)x
1
+ (3/2)x
2
+x
4
= 0
.
94

Estos procesos nos sirven adem as para demostrar el siguiente resultado:
Teorema 4.9.3. Toda variedad lineal, L, de un espacio vectorial de dimensi on nita, pue-
de ser representada por unas ecuaciones param etricas, y por unas ecuaciones implcitas.
PRUEBA: Toda variedad lineal en un espacio de dimensi on nita tiene un sistema nito de
generadores, luego admite unas ecuaciones param etricas. El m etodo anterior nos explica
c omo conseguir unas ecuaciones implcitas a partir de estas, luego L admite tambi en unas
ecuaciones implcitas. 2
4.10. Intersecci on y suma de variedades.
Ya hemos visto c omo se puede determinar una variedad lineal usando ecuaciones
param etricas o implcitas, y c omo calcular su dimensi on. Continuaremos con algunas
propiedades sencillas de las variedades lineales:
Proposici on 4.10.1. Si L
1
y L
2
son dos variedades lineales de un espacio vectorial V ,
entonces L
1
L
2
es una variedad lineal.
PRUEBA: Sean v
1
, v
2
L
1
L
2
. Como pertenecen a L
1
, entonces v
1
+ v
2
L
1
, al ser
L
1
variedad lineal. Pero como tambi en pertenecen a L
2
, entonces v
1
+v
2
L
2
. Por tanto,
v
1
+v
2
L
1
L
2
.
An alogamente se demuestra que si K y v L
1
L
2
, entonces v L
1
L
2
. Por
tanto, L
1
L
2
satisface las dos propiedades necesarias y sucientes para ser una variedad
lineal. 2
Proposici on 4.10.2. Sean S y T dos sistemas de vectores de un espacio vectorial V . Se
tiene:
1. S S.
2. S = S S es una variedad lineal.
3. S T S T.
4. S T S T.
5. S T S T.
PRUEBA:
1. Trivial.
2. Evidente a partir de las deniciones, ya que S es una variedad lineal.
3. Si v S, entonces es combinaci on lineal de los vectores de S. Pero como S T,
v es combinaci on lineal de los vectores de T, es decir, v T.
4. Si un vector es combinaci on lineal de los vectores de S T, entonces es combina-
ci on lineal de los vectores de S, y tambi en es combinaci on lineal de los vectores de
T, es decir, pertenece a S T.
95

5. Como S S T, se tiene S S T. Del mismo modo T S T. Por
tanto, S T S T.
2
Observaci on: Si conocemos L
1
y L
2
, y queremos conocer L
1
L
2
, s olo tenemos que
tomar unas ecuaciones implcitas de L
1
y unas ecuaciones implcitas de L
2
. El conjunto
formado por todas las ecuaciones formar a unas ecuaciones implcitas de L
1
L
2
. En
efecto, un vector est a en L
1
L
2
, es decir, est a en L
1
y en L
2
, si y s olo si satisface las
ecuaciones que denen L
1
y adem as las que denen L
2
.
4
la intersecci on de las variedades
L
1
:
_
x
1
x
3
= 0
x
2
+x
4
= 0
y L
2
: x
1
+ x
4
= 0
es
L
1
L
2
:
_
_
_
x
1
x
3
= 0
x
2
+x
4
= 0
x
1
+x
4
= 0
.
Una vez que hemos visto que la intersecci on de variedades lineales es una variedad
lineal, y hemos estudiado algunas de sus propiedades, podramos intentar hacer lo mismo
con la uni on de variedades lineales. Pero hay que tener cuidado:
Nota 4.10.1. Aunque la intersecci on de dos variedades lineales es una variedad lineal, la
uni on de dos variedades lineales no es una variedad lineal, en general. Por ejemplo, en
R
3
, la uni on de dos rectas que pasan por el origen no tiene por qu e ser una recta, y por
supuesto no es un punto, ni un plano, ni todo el espacio.
De todas formas, aunque L
1
L
2
no sea una variedad lineal, si lo que necesitamos es
una variedad que contenga a L
1
y a L
2
, nos basta tomar L
1
L
2
. Tenemos entonces la
siguiente denici on:
Suma de variedades lineales
Sean L
1
y L
2
dos variedades lineales de un espacio vectorial V . Se llama suma
de L
1
y L
2
a la variedad lineal:
L
1
+L
2
= L
1
L
2
.
Observaci on: Por denici on, si conocemos L
1
y L
2
y queremos hallar L
1
+L
2
, s olo
tenemos que tomar un sistema de generadores S
1
de L
1
y un sistema de generadores S
2
de
L
2
. La uni on de estos dos conjuntos, S
1
S
2
, ser a un sistema de generadores de L
1
+L
2
.
4
la suma de las variedades L
1
= (1, 0, 1, 0), (0, 1, 0, 1)
y L
2
= (1, 0, 0, 1) es la variedad
L
1
+L
2
= (1, 0, 1, 0), (0, 1, 0, 1), (1, 0, 0, 1).
96

4.11. Propiedades de la suma de variedades. F ormula de
la dimensi on.
Dadas dos variedades L
1
y L
2
en un espacio vectorial de dimensi on nita V , hemos
denido la variedad suma L
1
+L
2
. La causa de que esta variedad lineal se llame suma, se
encuentra en el siguiente resultado:
Proposici on 4.11.1. Sean L
1
y L
2
dos variedades lineales de un espacio vectorial V . se
tiene:
L
1
+L
2
= v
1
+v
2
; v
1
L
1
, v
2
L
2
.
PRUEBA: Si v L
1
+ L
2
, entonces es combinaci on lineal de los vectores de L
1
L
2
.
Separemos esta combinaci on lineal en dos sumandos v = v
1
+v
2
, donde en v
1
est an todos
los t erminos en que aparece un vector de L
1
, y v
2
contiene el resto de los t erminos, que
necesariamente consta de vectores de L
2
. Entonces v
1
L
1
= L
1
, y v
2
L
2
= L
2
.
La otra inclusi on es trivial. 2
Veamos ahora que la suma de dos variedades, L
1
+L
2
, es en realidad la variedad m as
peque na que hubi eramos podido escoger, conteniendo a L
1
L
2
.
Proposici on 4.11.2. Dado un sistema de vectores S de un espacio vectorial V , la varie-
dad lineal S es la menor variedad lineal que contiene a S. Es decir, si Les una variedad
lineal que contiene a S, entonces S L.
PRUEBA: Si una variedad L contiene a S, es decir, si S L, entonces S L = L.
2
Corolario 4.11.3. L
1
+L
2
es la menor variedad lineal que contiene a L
1
y a L
2
.
Pero no tenemos por qu e restringirnos a sumar s olo dos variedades. Podemos sumar
tantas como queramos, siempre que sea un n umero nito.
Grupo
Sea V un espacio vectorial, y sean L
1
, . . . , L
m
variedades lineales de V . Se de-
ne la suma de todas estas variedades como la variedad lineal
m
i=1
L
i
= L
1
+L
2
+ +L
m
= L
1
L
2
L
m
.
De forma an aloga a la proposici on anterior, se demuestra lo siguiente:
Proposici on 4.11.4. Si L
1
, . . . , L
m
son variedades lineales de un espacio vectorial V ,
entonces
L
1
+ +L
m
= v
1
+ +v
m
; v
i
L
i
, i = 1, . . . , m.
Finalizamos esta secci on con uno de los teoremas m as importantes del algebra lineal,
que relaciona las dimensiones de dos variedades cualesquiera, su suma y su intersecci on.
Este teorema es muy util para calcular dimensiones de variedades lineales.
97

Teorema 4.11.5 (F ormula de la dimensi on). Sean L
1
y L
2
dos variedades lineales de un
espacio vectorial V de dimensi on nita. Se tiene:
dimL
1
+ dimL
2
= dim(L
1
+L
2
) + dim(L
1
L
2
).
PRUEBA: Sea B
0
= u
1
, . . . , u
r
una base de L
1
L
2
. Por el teorema de la base in-
completa, podemos ampliar B
0
hasta una base de L
1
, y tambi en la podemos ampliar
hasta una base de L
2
. Es decir, existen dos sistemas de vectores, S
1
= v
1
, . . . , v
s
y
S
2
= w
1
, . . . , w
t
tales que B
1
= B
0
S
1
es una base de L
1
, y B
2
= B
0
S
2
es una
base de L
2
.
Sea B = B
0
S
1
S
2
. Vamos a demostrar que B es base de L
1
+ L
2
, y con eso
habremos probado el teorema, ya que dimL
1
= r +s, dimL
2
= r +t, dim(L
1
L
2
) = r,
y en este caso dim(L
1
+L
2
) = r +s +t.
B es sistema de generadores de L
1
+L
2
, ya que B = B
1
B
2
. Por tanto, s olo tenemos
que ver que es linealmente independiente. Consideremos una combinaci on lineal:
r
i=1
i
u
1
+
s
j=1
j
v
j
+
t
k=1
k
w
k
= 0.
Hay que demostrar que todos los coecientes deben ser nulos. Sea
v =
r
i=1
i
u
1
+
s
j=1
j
v
j
=
t
k=1
k
w
k
.
De la primera forma de escribir v se obtiene que v L
1
, y de la segunda, que v L
2
.
Por tanto, v L
1
L
2
, y as v se escribe de forma unica como combinaci on lineal de los
vectores de B
0
. Como tambi en se escribe de forma unica como combinaci on lineal de los
vectores de B
1
(la f ormula anterior), y B
0
B
1
, estas dos formas de escribirlo deben ser
la misma. Por tanto,
1
= =
s
= 0.
Despu es de esto, nos queda
r
i=1
i
u
1
+
t
k=1
k
w
k
= 0,
pero esta es una combinaci on lineal de los vectores de B
2
, que es una base, luego todos
los coecientes son nulos. 2
4.12. Suma directa. Propiedades.
como vimos en la secci on precedente, las variedades lineales se pueden intersecar o
sumar. En esta secci on veremos que, si L = L
1
+L
2
, hay ocasiones en que las propiedades
de la variedad L se pueden estudiar f acilmente a partir de las propiedades de L
1
y L
2
. Para
ver c omo esto es posible, deniremos la suma directa de variedades:
Suma directa
Diremos que dos variedades lineales L
1
, L
2
son independientes, o que su suma
L
1
+L
2
es suma directa, que escribiremos L
1
L
2
, si
L
1
L
2
= 0.
98

4
consideramos las variedades lineales L
1
=
(1, 0, 1, 0), (1, 0, 0, 1) y L
2
= (0, 1, 0, 1), (0, 0, 1, 1). Obs ervese que L
1
+ L
2
= R
4
y
L
1
L
2
= 0. Es decir,
L
1
L
2
= R
4
.
La suma directa recuerda mucho al concepto de base. En particular, por el siguiente
resultado:
1
y L
2
dos variedades lineales de un espacio vectorial V . La
suma L
1
+ L
2
es directa si y s olo si cualquier vector v L
1
+ L
2
se puede escribir, de
una unica forma, como v = v
1
+v
2
, donde v
1
L
1
y v
2
L
2
.
PRUEBA: Supongamos que L
1
L
2
. Si un vector v se pudiera escribir de dos maneras
distintas, v = v
1
+ v
2
= v
1
+ v
2
, donde v
1
, v
1
L
1
y v
2
, v
2
L
2
, entonces v
1
,= v
1
(si no, tendramos tambi en v
2
= v
2
, y la descomposici on sera la misma). Consideremos
u = v
1
v
1
,= 0. Entonces u L
1
, pero adem as
v = v
1
+v
2
= v
1
+ (u +v
2
) = v
1
+v
2
u = v
2
v
2
L
2
.
Por tanto, u L
1
L
2
, lo que contradice que la suma de L
1
y L
2
sea directa.
Supongamos ahora que cualquier vector se puede escribir de forma unica como suma
de vectores de L
1
y L
2
. Si existiera un vector v L
1
L
2
, entonces podramos escribir
v = v + 0 = 0 + v, que seran dos descomposiciones distintas. Esto es imposible, por
tanto L
1
L
2
= 0, y la suma de estas dos variedades es directa. 2
Corolario 4.12.2. Sean L
1
y L
2
dos variedades lineales de un espacio vectorial V . La
suma L
1
+ L
2
es directa si y s olo si, si se tiene v
1
+ v
2
= 0, con v
1
L
1
y v
2
L
2
,
entonces v
1
= v
2
= 0.
PRUEBA: Si L
1
L
2
, entonces 0 se puede escribir de una unica forma como suma de
vectores de L
1
y L
2
. Por tanto, si 0 = v
1
+v
2
, s olo hay una posiblidad: v
1
= v
2
= 0.
Por otra parte, supongamos que el vector 0 s olo se puede escribir 0+0 como suma de
vectores de L
1
y L
2
. Si la suma de L
1
y L
2
no fuera directa, existira un vector v L
1
+L
2
que se podra escribir de dos formas distintas como suma de vectores de L
1
y L
2
, digamos
v = v
1
+v
2
= v
1
+v
2
. Pero entonces
0 = v v = (v
1
v
1
) (v
2
v
2
),
donde v
1
v
1
L
1
y v
2
v
2
L
2
, por tanto v
1
v
1
= 0 y v
2
v
2
= 0, es decir, la
descomposici on es la misma. Por tanto, se tiene L
1
L
2
. 2
Estas dos caracterizaciones nos permiten extender la denici on de suma directa a m as
de dos variedades lineales.
Suma directa de m as de dos variedades lineales
Dadas m variedades lineales L
1
, . . . , L
m
de un espacio vectorial V , se dice que
son independientes, o que su suma L
1
+ +L
m
es suma directa, que escribi-
remos L
1
L
2
L
m
, si cualquier vector v de dicha suma se puede escribir,
de una unica forma, como
v = v
1
+ +v
m
,
donde v
i
L
i
para todo i = 1, . . . , m.
99

Tambi en se tiene la caracterizaci on an aloga al caso de dos variedades lineales, con la
misma demostraci on:
1
, . . . , L
m
variedades lineales de un espacio vectorial V . Su
suma es directa si y s olo si, si se tiene 0 = v
1
+ + v
m
, con v
i
L
i
para todo i,
entonces v
1
= v
2
= = v
m
= 0.
Estos conceptos de suma y de suma directa de variedades lineales se ven m as clara-
mente cuando todas las variedades son de dimensi on 1. En ese caso, se tiene:
Proposici on 4.12.4. Sea V un espacio vectorial y sea S = v
1
, . . . , v
m
un sistema nito
de vectores de V . Se tiene:
1. S = v
1
+ +v
m
.
2. S es linealmente independiente si y s olo si S = v
1
v
m
.
Un caso especial, e importante, de suma directa de dos subespacios es el siguiente:
Variedades suplementarias
Dado un espacio vectorial V , dos variedades lineales L
1
y L
2
de V se dicen
suplementarias si L
1
L
2
= V .
Ejemplo 4.12.2. Las variedades del ejemplo 4.12.1 son suplementarias.
De la misma forma que hemos probado los resultados anteriores, se tiene:
Proposici on 4.12.5. Sea V un espacio vectorial, y sean L
1
y L
2
dos variedades lineales
de V . Las condiciones siguientes son equivalentes:
1. L
1
y L
2
son suplementarios.
2. L
1
+L
2
= V , y L
1
L
2
= 0.
3. Todo vector de v V se descompone de forma unica como una suma v = v
1
+v
2
,
donde v
1
L
1
y v
2
L
2
.
La importancia de los espacios suplementarios procede de la facilidad para manejar
sus bases y dimensiones:
Proposici on 4.12.6. Sea V un espacio vectorial de dimensi on nita, y sean L
1
y L
2
dos
espacios suplementarios, con bases respectivas B
1
y B
2
. Se tiene:
1. B
1
B
2
es base de V .
2. dimL
1
+ dimL
2
= dimV .
PRUEBA: Como L
1
L
2
= V , entonces todo vector de V puede escribirse de una unica
forma como suma de un vector de L
1
y otro de L
2
. Pero como B
1
es base de L
1
y B
2
es base de L
2
, estos dos vectores se escriben de forma unica como combinaci on lineal de
los vectores de B
1
y B
2
. Es decir, cualquier vector de V se escribe de forma unica como
combinaci on lineal de los vectores de B
1
B
2
, luego este conjunto es una base de V . 2
100

Ejercicio 4.12.2. Dejamos como ejercicio demostrar la segunda propiedad.
El recproco del resultado anterior tambi en es cierto:
Proposici on 4.12.7. Sea B = u
1
, . . . , u
s
, u
s+1
, . . . , u
t
una base de un espacio vecto-
rial V . Sean B
1
= u
1
, . . . , u
s
y B
2
= u
s+1
, . . . , u
t
. Entonces B
1
y B
2
son dos
variedades suplementarias de V .
Y por ultimo, este resultado es una reescritura de un resultado anterior:
Proposici on 4.12.8. Sea V un espacio vectorial de tipo nito. Toda variedad lineal de V
tiene alguna variedad suplementaria.
Ejercicio 4.12.3. Demostrar las dos proposiciones anteriores.
Hemos visto, por tanto, c omo una variedad lineal L (es decir, un espacio vectorial)
se puede descomponer en dos o m as subespacios, L
1
L
m
de forma optima: La
dimensi on de L es la suma de las dimensiones de cada L
i
, y si conocemos una base de
cada L
i
, su uni on es una base de L. Ahora veamos la operaci on contraria: dados dos o
m as espacios vectoriales sobre K, de tipo nito, V
1
, . . . , V
m
, aunque no tengan nada que
ver, podremos construir un espacio vectorial m as grande, V , tal que V = V
1
V
m
.
4.13. Espacio producto. Espacio cociente.
Producto de espacios vectoriales
Dados dos espacios vectoriales de dimensi on nita, V
1
y V
2
sobre un mismo
cuerpo K, se dene el espacio producto de V
1
y V
2
como el conjunto
V
1
V
2
= (v
1
, v
2
) ; v
1
V
1
, v
2
V
2
,
donde se denen las siguientes operaciones internas:
Suma: (u
1
, u
2
) + (v
1
, v
2
) = (u
1
+v
1
, u
2
+v
2
).
Producto por escalar: (v
1
, v
2
) = (v
1
, v
2
).
Proposici on 4.13.1. Dados dos espacios vectoriales de tipo nito, V
1
y V
2
, sobre un mis-
mo cuerpo K, el espacio producto V
1
V
2
es un espacio vectorial. Adem as, dim(V
1

V
2
) = dim(V
1
) + dim(V
2
).
PRUEBA: Se prueba que V
1
V
2
es un espacio vectorial directamente a partir de la
denici on. Para probar que su dimensi on es la suma de las de V
1
y V
2
, tomemos una base
B
1
= (u
1
, . . . , u
m
) de V
1
, y una base B
2
= (v
1
, . . . , v
n
) de V
2
. Se prueba de forma
directa que el sistema de vectores
B = ((u
1
, 0), . . . , (u
m
, 0), (0, v
1
), . . . , (0, v
n
))
es base de V
1
V
2
. Por tanto, dim(V
1
V
2
) = m +n = dim(V
1
) + dim(V
2
). 2
Terminaremos esta secci on, y este tema, estudiando una noci on que es b asica en mu-
chas ramas de las matem aticas, en particular en el algebra lineal: el espacio cociente.
101

Fijaremos a partir de ahora un espacio vectorial V , y una variedad lineal L V . B asi-
camente, se puede pensar en el espacio cociente de V sobre L como si fuera el espacio
V , pero donde los vectores de L no tienen ning un valor: es decir, cualquier vector de L
representa el vector 0 del espacio cociente; y si sumamos a cualquier vector del cociente
un vector de L, este se queda igual. Vamos a denirlo de forma rigurosa:
L-equivalencia
Dos vectores u y v de V se dicen L-equivalentes si su diferencia pertenece a L.
Escribiremos:
u
L
v u v L.
Proposici on 4.13.2. La L-equivalencia es una relaci on de equivalencia.
Ejercicio 4.13.1. Hay que demostrar las propiedades sim etrica, reexiva y transitiva. Lo
dejamos como ejercicio.
Cuando se dene, en cualquier conjunto, una relaci on de equivalencia, se pueden con-
siderar los subconjuntos de elementos que est an relacionados entre s. Estos subconjuntos
se llaman clases de equivalencia. En este caso, las clases de equivalencia se llaman va-
riedades lineales anes.
Variedad lineal afn
Sea L una variedad lineal de un espacio vectorial V , y sea v un vector de V .
Llamaremos variedad lineal afn que pasa por v con direcci on L, y la notaremos
v+L, a la clase de L-equivalencia de v, es decir, al conjunto formado por todos
los vectores de V que son L-equivalentes a v:
v +L = u V ; u
L
v = v +w ; w L.
Ejemplo 4.13.1. Si V = R
3
y L es un plano que pasa por el origen de coordenadas, dos
vectores u y v son L-equivalentes si su vector diferencia pertenece a L, es decir, si el
segmento que une los puntos nales de u y v es paralelo al plano L. Por tanto, la variedad
lineal afn que pasa por un vector v con direcci on L, est a formada por todos los vectores
cuyos puntos nales forman un plano: el que contiene al punto nal de v y es paralelo
a L. As, las variedades lineales con direcci on L son, en cierto modo, todos los planos
paralelos a L.
Ejemplo 4.13.2. Al igual que en el ejemplo anterior, si V = R
3
y L es una recta que pasa
por el origen, entonces las variedades lineales anes con direcci on L vienen determinadas
por las rectas paralelas a L, es decir las que tienen la misma direcci on que la recta L.
Una propiedad evidente de las variedades lineales anes es la siguiente:
Proposici on 4.13.3. Dados u, v V , se tiene:
u +L = v +L u
L
v u v L.
102

Nota 4.13.1. Aunque L sea una variedad lineal, las variedades lineales anes correspon-
dientes no son variedades lineales, en general. Esto se puede ver en los dos ejemplos
anteriores (los planos o rectas que no pasan por el origen no determinan variedades linea-
les), o bien por el siguiente razonamiento: Si u v +L, entonces 2u v +L si y s olo si
u L. Pero en ese caso, v
L
u
L
0, luego v+L = 0+L. Por tanto, la unica variedad
lineal afn con direcci on L que es una variedad lineal es 0 +L, es decir, la misma L.
De todas formas, aunque las variedades lineales anes no sean variedades lineales,
s van a ser los elementos de un nuevo espacio vectorial, llamado espacio cociente.
Espacio cociente
Sea L una variedad lineal de un espacio vectorial V . Llamaremos espacio co-
ciente de V sobre L, y lo denotaremos V/L, al conjunto formado por las varieda-
des lineales anes con direcci on L, donde denimos las siguientes operaciones:
Suma: (u +L) + (v +L) = (u +v) +L.
Producto por escalar: (u +L) = (u) +L.
Proposici on 4.13.4. La suma y el producto que acabamos de dar, est an bien denidos.
PRUEBA: Necesitamos este resultado ya que, si queremos sumar variedades lineales a-
nes, la suma no puede depender del representante (el vector) que tomemos. Es decir,
debemos demostrar que, si u+L = u
+L y adem as v+L = v
+L, entonces las clases

de equivalencia (u+v)+L y (u
+v
)+L son iguales. Pero sabemos que u

L
u
, luego
uu
L. An alogamente vv
L. Por tanto, (uu
)+(vv
) = (u+v)(u
+v
)
L. Es decir, (u +v)
L
(u
+ v
), luego (u +v) +L = (u
+ v
) + L como queramos
demostrar.
Por otro lado, si u+L = u
+L y K, entonces (uu
) L, luego (uu
) =
u u
L. Por tanto (u) +L = (u
) +L, y se obtiene el resultado. 2

Teorema 4.13.5. Sea Luna variedad lineal de un espacio vectorial V sobre K. El espacio
cociente V/L, con las dos operaciones que acabamos de denir, es un espacio vectorial
sobre K. Adem as, si V es de dimensi on nita, se tiene:
dim(V/L) = dim(V ) dim(L).
PRUEBA: La demostraci on de que V/L es un espacio vectorial, es directa. Observemos
que el elemento neutro de la suma de clases es la clase 0 + L. Para probar la f ormula
que relaciona sus dimensiones, tomemos una base B
1
= (u
1
, . . . , u
r
) de L. Esta base
se podr a ampliar a una base B = (u
1
, . . . , u
r
, u
r+1
, . . . , u
n
) de V . Vamos a probar que
B
2
= (u
r+1
+L, . . . , u
n
+L) es una base de V/L, y esto demostrar a el resultado.
Probemos primero que B
2
es sistema de generadores. Sea v + L una clase de equi-
valencia cualquiera. Como v V , podremos escribirlo como combinaci on lineal de los
elementos de B. Es decir, v =
1
u
1
+ +
n
u
n
. Sea u =
1
u
1
+ +
r
u
r
. Claramente
u L, luego u
= v u
L
v, donde u
=
r+1
u
r+1
+ +
n
u
n
. Pero en ese caso
v + L = u
+ L =
r+1
(u
r+1
+ L) + +
n
(u
n
+ L). Es decir, cualquier clase de
equivalencia, v +L, puede escribirse como combinaci on lineal de los elementos de B
2
.
103

La demostraci on estar a completa si probamos que B
2
es un sistema libre. Supongamos
que tenemos una combinaci on lineal
r+1
(u
r+1
+L) + +
n
(u
n
+L) = 0 +L.
Esto implica que
(
r+1
u
r+1
+ +
n
u
n
) +L = 0 +L,
es decir, (
r+1
u
r+1
+ +
n
u
n
) L. Pero la variedad lineal generada por los vectores
(u
r+1
, . . . , u
n
) es suplementaria a L (ya que B es una base), luego la unica posiblidad es
que (
r+1
u
r+1
+ +
n
u
n
) = 0, por lo que
r+1
= =
n
= 0. Esto nos dice que
los elementos de B
2
son linealmente independientes. 2
Ejemplo 4.13.3. Si L es un plano de V = R
3
, que pasa por el origen, los elementos del
espacio cociente son los planos paralelos a L. La suma de dos planos
1
y
2
, da como
resultado otro plano
3
: si se toma un vector u
1
cuyo punto nal est e en
1
, y un vector
u
2
, cuyo punto nal est e en
2
, el punto nal del vector u
1
+u
2
estar a en
3
. Del mismo
modo, el producto de por
1
es el plano que contiene al punto nal del vector u
1
.
Base de V/L y coordenadas
Sea V un espacio vectorial sobre K en el que hemos jado una base respec-
to de la que tomamos coordenadas. Para obtener una base del espacio cociente
se procede como en la prueba del teorema 4.13.5. Si tenemos una base de L,
pongamos B
1
= (u
1
, . . . , u
r
), completamos esta base siguiendo la prueba del
teorema 4.5.2. Pongamos que B = (u
1
, . . . , u
r
, u
r+1
, . . . , u
n
) es una base de V .
Entonces
B
2
= (u
r+1
+L, . . . , u
n
+L)
es una base de V/L.
Sea v V un vector cualquiera. Para dar las coordenadas de v + L respecto de
B
2
prcedemos de la siguiente manera:
1) Primero escribimos v como combinaci on lineal de los vectores de la base
B, pongamos
v =
1
u
1
+ +
r
u
r
+
r+1
u
r+1
+ +
n
u
n
.
2) Entonces
(v +L)
B
2
= (
r+1
, . . . ,
n
).
Ejemplo 4.13.4. Sea V = R
3
y sea la variedad lineal L de ecuaciones
L:
_
x
1
2x
2
= 0
x
3
= 0
.
Hallar una base de V/L y las coordenadas del vector v +L, siendo v = (1, 1, 1).
Una base de L es B
1
= u
1
= (2, 1, 0). Ampliamos a una base de V
_
_
2 1 0 0
1 0 1 0
0 0 0 1
_
_
_
_
2 1 0 0
0 1/2 1 0
0 0 0 1
_
_
.
104

Luego B = u
1
= (2, 1, 0), u
2
= (1, 0, 0), u
3
= (0, 0, 1) es una base de V . Una base de
V/L es
B
2
= u
2
+L, u
3
+L.
Para hallar las coordenadas de v +L respecto de B
2
hacemos lo siguiente
_
_
2 1 0 1
1 0 0 1
0 0 1 1
_
_
_
_
1 0 0 1
0 1 0 1
0 0 1 1
_
_
.
Entonces v
B
= (1, 1, 1) y
(v +L)
B
2
= (1, 1).
105

Espacios Vectoriales

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Espacios Vectoriales

Încărcat de

Drepturi de autor:

Formate disponibile

Algebra Lineal y Geometra I. Curso 2010/11.

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

, las coordenadas del mismo vector seran dife-

respecto a B, es decir, tendremos:

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

respecto de la base B. Entonces la relaci on entre las coordenadas

, de un vector cualquiera es:

son los vectores columna que representan las coordenadas de un vector

. Por tanto, la matriz A

en coordenadas respecto a B (mediante multiplicaci on a izquierda).

es una base si y s olo si

es base de V si y s olo si sus vectores son linealmente independientes. Esto

. Por tanto, tenemos por un lado X = A

de un espacio vectorial de dimensi on n, la matriz de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

del espacio vectorial K

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

son dos bases distintas, cuya matriz

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

+L, entonces las clases

)+L son iguales. Pero sabemos que u

L. Por tanto, (uu

L. Por tanto (u) +L = (u

) +L, y se obtiene el resultado. 2

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

Algebra Lineal y Geometra I. Curso 2010/11. Departamento de

S-ar putea să vă placă și