w

w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
Tema 2
Espacios Vectoriales
2.1. Introduccion
Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concre-
tamente sabemos que un vector es un segmento orientado caracterizado por una direccion,
un sentido y un modulo. Estas deniciones se suelen dar para vectores de R
2
y R
3
. Tambien
conocemos que dos vectores en R
2
y en R
3
se pueden sumar analticamente (es decir
sumando cada coordenada) y geometricamente (mediante la regla del paralelogramo).
Ademas tambien se puede multiplicar un n umero (escalar) por un vector, cuyo resultado
es alargar o encoger el vector o cambiarle su sentido en funcion de si el n umero es
negativo o no. Por tener denidas estas operaciones (y cumplir una serie de propiedades) se
dice que R
2
(o R
3
) es un espacio vectorial. Sin embargo el concepto de espacio vectorial, en
denitiva de vector, es mucho mas amplio y no solo se reduce al de segmento orientado
sino que a la luz del siguiente tema veremos que otros conjuntos comparten todas las
propiedades de las operaciones con vectores de R
2
y R
3
con lo cual tambien los llamaremos
vectores. As, en este tema, veremos que el conjunto de los polinomios de grado menor
o igual que dos con las operaciones de suma de polinomios y la multiplicacion de un
n umero por un polinomio, es un espacio vectorial (con lo cual un polinomio es un vector!).
Tambien las matrices de 2 las y 3 columnas es un espacio vectorial con la suma de matrices
y multiplicacion de un n umero por una matriz (por tanto una matriz 2 3 tambien es
un vector!) y otros muchos conjuntos tambien cumplen las propiedades de ser un espacio
vectorial, con lo cual sus elementos se pueden llamar vectores. Sin embargo, por su gran
importancia, comenzaremos estudiando con detalle los espacios vectoriales de la forma K
n
(donde K = Q, R o Z
p
, con p primo) y veremos como otros espacios vectoriales se pueden
estudiar a partir de ellos.
Durante todas estas notas por K entenderemos que representa a R, Q o Z
p
con p un
n umero primo.
1
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
2 TEMA 2. ESPACIOS VECTORIALES
2.2. Vectores en K
n
Denicion 2.2.1. Sea n 1 un n umero natural. Un vector sobre K de dimension n es
una lista ordenada de n n umeros de K, es decir v = (a
1
, ..., a
n
) con los a
i
K.
Los a
i
se llaman las coordenadas del vector v.
Al conjunto de los vectores de dimension n sobre K lo denotaremos por K
n
.
Los vectores pueden verse como un tipo especial de matrices, por lo que pueden efec-
tuarse sobre ellos las mismas operaciones de suma y producto por un elemento de K que
podamos realizar en general.
Ejemplo 2.2.1. Dados los vectores v = (1, 3, 4, 2) y w = (1, 3, 2, 0) de Q
4
,
v + w = (2, 0, 6, 2), y 1/2v = (1/2, 3/2, 2, 1).
Llamaremos vector 0 a 0 = (0, . . . , 0) K
n
.
Denicion 2.2.2. Sean v
1
, . . . , v
m
vectores de K
n
.
Una combinacion lineal de v
1
, . . . , v
m
es cualquier expresion del tipo t
1
v
1
+ . . . +
t
m
v
m
, donde los t
i
K.
Para saber si un vector v es combinacion lineal de los vectores v
1
, v
2
. . . , v
m
tene-
mos que resolver el SEL (sistema de ecuaciones lineales) que tiene a los vectores
v
1
, . . . , v
m
como columnas en la matriz de coecientes y al vector v como columna
de terminos independientes. Si el SEL es incompatible quiere decir que el vector v
no es combinacion lineal de v
1
, . . . , v
m
.
El conjunto de todas las posibles combinaciones lineales de v
1
, . . . , v
m
se denota
v
1
, . . . , v
m
. Es decir,
v
1
, . . . , v
m
= {t
1
v
1
+ ... + t
m
v
m
, t
i
K}
Diremos que los vectores v
1
, . . . , v
m
generan K
n
(o que forman un sistema generador
de K
n
) si
v
1
, . . . , v
m
= K
n
Ejemplo 2.2.2. Consideremos el espacio vectorial Z
4
7
. Los vectores u = (0, 5, 5, 6) y
v = (2, 0, 5, 6) son combinaciones lineales de los vectores v
1
= (2, 3, 1, 4), v
2
= (1, 2, 1, 4)
ya que u = 2v
1
+ 3v
2
y v = 4v
1
+ 1v
2
.
Ejemplo 2.2.3. 1. (0, 0, 0, 0) = {(0, 0, 0, 0)}.
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
2.2. VECTORES EN K
N
3
2. Si v
1
= (1, 2) y v
2
= (0, 1) son vectores de R
2
entonces
v
1
, v
2
= {(0, 0), (1, 2), (0, 1), (1, 1), (

3, 2

3 1), . . .}.
Notese que al hacer todas las combinaciones lineales posibles de v
1
y v
2
aparecen
todos los vectores de R
2
3. Si v
1
= (1, 3, 2), v
2
(1, 0, 1) y v
3
= (2, 3, 3) son vectores de R
3
entonces es facil
observar que v
1
, v
2
, v
3
= v
1
, v
2

Ejemplo 2.2.4. Comprobemos que los vectores v

1
= (1, 0, 1), v
2
= (0, 0, 2), v
3
=
(2, 1, 1), v
4
= (1, 2, 1) generan R
3
. Consideremos un vector arbitrario de R
3
, ponga-
mos (a, b, c), y ver si la ecuacion vectorial asociada
(a, b, c) =
1
v
1
+
2
v
2
+
3
v
3
+
4
v
4
tiene siempre solucion. Eso es lo mismo que decir que el SEL
a =
1
+2
3

4
b =
3
+2
4
c =
1
+2
2
+
3
+
4
es compatible, lo cual es facil de comprobar resolviendolo por Gauss.
Observaci on 2.2.1. 1. A la vista del ejemplo anterior es facil observar que si tenemos
menos de n vectores de K
n
, estos nunca podran generar K
n
.
2. En resumen, para estudiar si un vector w = (b
1
, b
2
, . . . , b
n
) es combinacion lineal
de v
1
, . . . , v
k
tenemos que resolver el siguiente sistema A X = w
t
, donde A es la
matriz que resulta al poner los vectores v
1
, v
2
, . . . , v
k
por columnas. En particular
tendremos que v
1
, . . . , v
k
(k n) es un sistema generador de K
n
si cualquier sistema
A X = w
t
tiene solucion.
Otros espacios vectoriales muy importantes son precisamente aquellos espacios vecto-
riales que se encuentran dentro de K
n
. Por ejemplo, en R
3
tomemos un plano que pasa
por el origen. Entonces si sumamos dos vectores de ese plano el vector resultante tambien
esta en el plano y lo mismo si multiplicamos un n umero por un vector. Se dice entonces
que ese plano es un subespacio de R
3
.
Denicion 2.2.3.
Un subconjunto no vaco de K
n
se dice que es un subespacio si cumple:
a) Si se suman dos vectores v y w del subespacio entonces v + w tambien esta en el
subespacio.
b) Si v es un vector del subespacio y lo multiplicamos por un n umero r, entonces rv
esta en el subespacio.
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
4 TEMA 2. ESPACIOS VECTORIALES
Observaci on 2.2.2. Todo subespacio contiene al vector 0.
La esfera de radio 1 con centro en el (0, 0, 0) no puede ser un subespacio de R
3
(por que??).
Los unicos subespacios posibles de R
3
son:
1. el formado por el vector (0, 0, 0),
2. las rectas que pasan por (0, 0, 0),
3. los planos que pasan por (0, 0, 0),
4. y, por supuesto, el propio R
3
.
Proposicion 2.2.1. Dados los vectores v
1
, v
2
, . . . , v
m
de K
n
. El conjunto de todas las
combinaciones lineales posibles v
1
, . . . , v
m
es un subespacio. Se llama subespacio gene-
rado por v
1
, v
2
. . . , v
m
y se dice que los vectores v
1
, v
2
, . . . , v
m
son un sistema generador
del subespacio.
Demostracion. Sean v, w v
1
, . . . , v
n
. Es decir, v = t
1
v
1
+ . . . + t
n
v
n
, w = s
1
v
1
+ . . . +
s
n
v
n
, por lo que v + w = (t
1
+ s
1
)v
1
+ . . . + (t
n
+ s
n
)v
n
, y as v + w v
1
, . . . , v
n
.
Analogamente, r v = r (t
1
v
1
+. . . +t
n
v
n
) = r t
1
v
1
+. . . +r t
n
v
n
v
1
, . . . , v
n
.
Nos pueden dar un subespacio W de K
n
de tres formas. Es muy importante saber
pasar de una forma a otra:
mediante un sistema generador de W.
Ejemplo 2.2.5. El subconjunto W = (1, 2, 1), (2, 3, 1) es un subespacio de R
3
.
Mediante una expresion parametrica, es decir, las coordenadas de los vectores de un
subespacio vienen dadas en funcion de unos ciertos parametros. Dichas funciones
deben de ser necesariamente lineales, esto es, expresiones del tipo (2t +3s, t s, 5t +
2s) en las que cada expresion es suma de constantes por parametros.
Ejemplo 2.2.6. El subespacio W anterior se escribe con ecuaciones parametricas
del siguiente modo: W
_
_
_
x = 1t + 2s
y = 2t + 3s
z = (1)t + s
donde t, s son parametros (es decir,
valores arbitrarios de R). Para obtener vectores de W solo tenemos que dar valores
concretos a t y a s.
Mediante unas ecuaciones que deben de cumplir los vectores del subespacio. Dichas
ecuaciones son siempre ecuaciones lineales homogeneas. Se dice que el subespacio
esta dado en ecuaciones implcitas.
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
2.3. BASES Y COORDENADAS 5
Ejemplo 2.2.7. La ecuacion implicita del subespacio W anterior es W 5x +
3y+z = 0. Para obtenerla es necesario eliminar los parametros t y s de las ecuaciones
implcitas. Para este n consideramos la matriz
(A|X) =
_
_
1 2 x
2 3 y
1 1 z
_
_
.
Para que (x, y, z) sean las coordenadas de un vector de W necesitamos que el rango
de la matriz (A|X) sea 2 (que es el rango de A). Esto lo conseguimos calculando
una matriz escalonada de (A|X)
_
_
1 2 x
0 1 2x + y
0 0 5x + 3y + z
_
_
he imponiendo la condicion de que dicha matriz tenga rango igual al de A, es decir
imponiendo 5x + 3y + z = 0.
Pregunta: Cuantas ecuaciones implcitas tiene el espacio R
3
?
Las dos primeras formas de presentar un subespacio son esencialmente la misma y
sirven para calcular tantos vectores del subespacio como queramos, para lo que no hay
mas que dar valores a los parametros.
Las ecuaciones implcitas, por contra, sirven para saber si un determinado vector esta o
no en un subespacio. Las ecuaciones implcitas de un subespacio no son unicas, ya que
puede haber distintos sistemas de ecuaciones homogeneos con las mismas soluciones.
Observacion 2.2.3. Los subespacios de R
3
nos van a permitir hacer construcciones
complejas en el espacio como la casa que se construye en la pagina 9 de los apuntes del
Tema 3. Observad que, aunque los subespacios de R
3
son innitos podemos delimitarlos
para as construir los segmentos y rectangulos, sin mas que acotando el rango de valores
de los parametros en las ecuaciones parametricas, como podeis ver en las paginas 11, 12,
13, 14 y 15.
2.3. Bases y coordenadas
Vamos a recordar el concepto de vectores linealmente dependientes e independientes.
Intuitivamente, si consideramos el espacio R
3
y tenemos 3 vectores (todos ellos distintos
del vector 0) decir que son linealmente dependientes quiere decir que estan en una misma
recta, o bien, que estan en un mismo plano. Por contra, si son linealmente independientes
quiere decir que dos de ellos estan en un mismo plano y el tercero esta fuera de ese plano.
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
6 TEMA 2. ESPACIOS VECTORIALES
Denicion 2.3.1. Un conjunto de vectores se dice linealmente independiente si ninguno
de ellos puede ponerse como combinacion lineal de los demas.
A la hora de hacer los problemas:
1. Para ver si v
1
, . . . , v
m
K
n
son independientes hay que comprobar que si t
1
v
1
+
. . . + t
m
v
m
= 0, entonces t
1
= t
2
= . . . = t
m
= 0.
2. Si v
1
, . . . , v
m
K
n
son vectores de modo que v
m
es combinacion de los demas,
entonces v
1
, . . . , v
m
= v
1
, . . . , v
m1
.
3. Cuando tengamos varios vectores, los representaremos mediante una matriz sin mas
que escribir cada vector en una la. Es facil comprobar lo siguiente: si un conjunto
de vectores es independiente y hacemos una operacion elemental por las, entonces
los vectores la siguen siendo linealmente independientes. Ademas los vectores la
de la matriz transformada generan el mismo subespacio que los originales.
4. Para saber si un conjunto de vectores son linealmente independientes o no, basta
colocarlos por las en una matriz y hacer operaciones elementales por las hasta
dejarla en forma escalonada. Las las no nulas de dicha matriz escalonada nos dan
un conjunto linealmente independiente de forma que el espacio que genera es el
mismo que el conjunto original.
Denicion 2.3.2. Un conjunto de vectores {v
1
, . . . , v
m
} es una base de K
n
si es sistema
generador y linealmente independiente.
Teorema 2.3.1. Sean w
1
, . . . , w
m
K
n
entonces:
1. Si w
1
, . . . , w
m
forman un sistema generador de K
n
entonces m n
2. Si w
1
, . . . , w
m
son linealmente independientes entonces m n
3. Si w
1
, . . . , w
m
son base entonces m = n.
Demostracion. 1) Si fuese m < n entonces podemos poner los vectores w
1
, . . . , w
m
en las
las de una matriz y calcular una matriz escalonada. Como el n umero de columnas es
menor que n habra al menos una columna compuesta por ceros en dicha matriz escalonada.
Si es la columna i basta cogerse el vector con todas las componentes 0 y 1 en la componente
i. Ese vector no estara generado por w
1
, . . . , w
m
, con lo cual dichos vectores no pueden
formar un sistema generador de K
n
.
2) Si w
1
, . . . , w
m
son independientes y m > n, al ponerlos por las en forma de matriz
y calcular una matriz escalonada, nos apareceran las de ceros, dado que no puede haber
mas de un pivote por la y como mucho podemos tener n pivotes diferentes de 0 en la
matriz escalonada (por ser m > n). Con lo cual no pueden ser independientes.
3) Es una consecuencia inmediata de 1) y 2).
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
2.3. BASES Y COORDENADAS 7
Dado que una base de K
n
es, al mismo tiempo, un sistema generador de K
n
y li-
nealmente independiente, tenemos, como consecuencia del resultado anterior, el siguiente
corolario.
Corolario 2.3.1. Sea B = {v
1
, . . . , v
m
} una base de K
n
. Entonces m = n.
Observacion 2.3.1. El hecho de elegir diferentes bases es lo que nos va a permitir mod-
icar el origen a la hora de situar la casa como se hace en los apuntes del Tema 3 (p agina
6). La importancia de que los vectores de una base sean linealmente independientes queda
de maniesto en la pagina 7 cuando vemos que si elegimos mas de 3 direcciones en R
3
a
la hora de construir los puntos, tendramos diferentes formas de construirlos.
Proposicion 2.3.1. Un conjunto de vectores B = {v
1
. . . , v
n
} de K
n
es una base de K
n
todo vector v K
n
puede escribirse de forma unica en la forma v = t
1
v
1
+ . . . + t
n
v
n
.
En este caso, (t
1
, ..., t
n
)
B
se llaman las coordenadas de v en la base B.
Demostracion. Cualquier vector v esta en v
1
, . . . , v
n
, por lo que puede ponerse como
t
1
v
1
+ . . . + t
n
v
n
.
Por otra parte, si tenemos
v = t
1
v
1
+ . . . + t
n
v
n
v = s
1
v
1
+ . . . + s
n
v
n
,
entonces t
1
v
1
+. . . +t
n
v
n
= s
1
v
1
+. . . +s
n
v
n
, es decir, (t
1
s
1
)v
1
+. . . +(t
n
s
n
)v
n
= 0.
Como v
1
, . . . , v
n
son independientes, esto obliga a que cada t
i
sea igual al correspon-
diente s
i
.
Como todo vector de K
n
puede escribirse en la forma t
1
v
1
+ . . . + t
n
v
n
, tenemos
que v
1
, . . . , v
n
= K
n
. Por otro lado, si tenemos t
1
v
1
+ . . . + t
n
v
n
= 0, como tambien
0v
1
+ . . . + 0v
n
= 0, por la unicidad t
1
= t
2
= . . . = t
n
= 0. As pues, v
1
, . . . , v
n
son
independientes.
Ejemplo 2.3.1. 1. Una base de K
n
esta formada por los vectores
e
1
= (1, 0, . . . , 0), e
2
= (0, 1, . . . , 0), , e
n
= (0, 0, . . . , 1)
Las coordenadas de un vector en esta base no son mas que las componentes del
vector. Dicha base se denota por C
K
n (o simplemente por C si se sobreentiende el
espacio K
n
sobre el cual trabajamos) y se llama base canonica de K
n
.
2. Los vectores (1,1) y (-1,1) forman una base de R
2
.
3. Desde un punto de vista practico, determinar las coordenadas de un vector respecto
de una base de K
n
cualquiera consiste en resolver un sistema de ecuaciones com-
patible (determinado). En concreto, consideremos en el Z
5
-espacio vectorial Z
3
5
el
conjunto
B = {(1, 2, 4), (2, 2, 1), (0, 3, 2)}.
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
8 TEMA 2. ESPACIOS VECTORIALES
Entonces es facil comprobar que B es una base de Z
3
5
(compruebese!!). Vamos
a calcular las coordenadas del vector (3, 1, 1) Z
3
5
respecto de dicha base. Se trata
de encontrar tres elementos de Z
5
, a, b y c, tales que
a(1, 2, 4) + b(2, 2, 1) + c(0, 3, 2) = (3, 1, 1).
Esta ecuacion vectorial se puede expresar como un sistema de ecuaciones lineales en
las incognitas a, b, c :
a + 2b = 3
2a + 2b + 3c = 1
4a + b + 2c = 1
_
_
_
.
Resolviendo el sistema por el metodo de Gauss obtenemos que a = 0, b = 4 y
c = 1. Por tanto las coordenadas de (3, 3, 1) respecto de la base B son (0, 4, 1).
Comprobemos esto ultimo:
0(1, 2, 4) + 4(2, 2, 1) + 1(0, 3, 2) = (8, 8, 4) + (0, 3, 2) = (8, 11, 6) = (3, 1, 1).
Si tenemos una base B, podemos identicar los vectores con sus coordenadas respecto
a B. En particular, un conjunto de vectores es generador o independiente si y solo si sus
coordenadas lo son como vectores de K
n
.
Denicion 2.3.3. Sea W un subespacio de K
n
. Un conjunto de vectores {v
1
, . . . , v
k
} se
dice conjunto generador de W si W = v
1
, . . . , v
k
. Si, ademas, el conjunto {v
1
, . . . , v
k
}
es linealmente independiente, diremos que es una base de W.
Si W tiene una base B, llamaremos dimension de W al n umero de elementos de B
y lo denotaremos como dim
K
W.
Habamos denido el rango de una matriz como el n umero de las no nulas en una
matriz escalonada. Una interpretacion en terminos de subespacios es que el rango es
la dimension del subespacio generado por las las de la matriz. Puede comprobarse
que el rango coincide tambien con la dimension del subespacio generado por las
columnas de la matriz.
De lo anterior se deduce que si W = v
1
, v
2
, . . . , v
k
, para calcular una base de W nos
quedamos con los linealmente independientes. Eso lo haremos poniendo los vectores
v
1
, v
2
, . . . , v
k
por las en una matriz y calculando la matriz escalonada. Los vectores
la no nulos de dicha matriz escalonada nos dan una base de W.
Por otro lado si W es un subespacio de K
n
de dimension r, para calcular una base
de K
n
nos inventamos n k vectores, con la precaucion de que al juntarlos con los
de la base de W sean linealmente independientes (es decir su matriz escalonada no
nos de las nulas).
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
2.3. BASES Y COORDENADAS 9
De todo lo anterior deducimos la siguiente consecuencia:
Corolario 2.3.2. Sea S = {v
1
, v
2
, . . . , v
n
} un conjunto de n vectores de K
n
. Entonces
son equivalentes:
1. S es base de K
n
.
2. S es linealmente independiente.
3. S es un conjunto generador de K
n
.
Por tanto, a la vista de este resultado, si nos dan un conjunto con tantos vectores
como la dimension de K
n
para que sea base de K
n
bastara probar que son lineal-
mente independientes.
Ejemplo 2.3.2. 1. Consideremos el subespacio W de R
3
dado por las ecuaciones im-
plcitas:
x y + z = 0
x z = 0
_
.
Para calcular una base de W, resolvemos dicho sistema, teniendo en cuenta que,
para ello, debemos introducir 1 variable libre (n
o
variables libres = n
o
componentes
- n
o
ecuaciones implcitas linealmente independientes). Obtenemos la solucion
W = {(a, 2a, a) | a R}.
El subespacio W de R
3
esta generado por el conjunto {(1, 2, 1)}, as W = (1, 2, 1).
Como es claramente independiente se tiene que B
W
= {(1, 2, 1)} con lo que dim W =
1.
2. La solucion de la ecuacion lineal x y z t = 0 en R
4
es
W = {(a + b + c, a, b, c) | a, b, c R}.
Cualquier vector solucion (a + b + c, a, b, c) W se expresa de la forma
(a + b + c, a, b, c) = (a, a, 0, 0) + (b, 0, b, 0) + (c, 0, 0, c) =
= a(1, 1, 0, 0) + b(1, 0, 1, 0) + c(1, 0, 0, 1).
Por tanto
W = (1, 1, 0, 0), (1, 0, 1, 0), (1, 0, 0, 1).
Ademas esos tres vectores son linealmente independientes como se puede comprobar
al hacer la matriz escalonada. Con lo cual B
W
= {(1, 1, 0, 0), (1, 0, 1, 0), (1, 0, 0, 1)} y
as dim W = 3. Si queremos ampliar dicha base hasta una base de R
4
bastara a nadir
un cuarto vector que sea linealmente independiente con los de la base de W, podemos
tomar (1, 0, 0, 0) (compruebese!!).
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
10 TEMA 2. ESPACIOS VECTORIALES
Observaci on 2.3.2. Siempre que nos den un subespacio W de K
n
en forma de sistema
generador, para calcular una base de W tenemos que comprobar que dichos vectores
son linealmente independientes calculando una matriz escalonada de esos vectores
puestos por las. Una vez que nos hemos quedado con los l.i. el n umero de parametros
para calcular las ecuaciones parametricas y el n umero de ecuaciones implcitas estan
relacionadas mediante la siguiente relacion:
n
o
de ecuaciones implcitas l.i. = n - n
o
de parametros
Otra forma de expresar lo anterior es: rg(A) = dimK
n
dimW, siendo A la matriz de
coecientes de las ecuaciones implcitas.
2.4. Operaciones con Subespacios
Denicion 2.4.1. Sean W
1
, W
2
K
n
. Se llama
1. Interseccion de W
1
y W
2
, W
1
W
2
= {v K
n
/v W
1
y v W
2
}
2. Suma de W
1
y W
2
, W
1
+ W
2
= {v
1
+ v
2
/v
1
W
1
y v
2
W
2
}
Proposici on 2.4.1. W
1
W
2
y W
1
+ W
2
son subespacios de K
n
.
Demostracion. 1) Sean u, v W
1
W
2
, r, s K. Como u, v W
1
y W
1
es un subespacio,
r u + s v W
1
. Analogamente, como W
2
es un subespacio, r u + s v W
2
. As pues,
r u + s v W
1
W
2
.
2) Sean v, w W
1
+ W
2
, r, s K.
Por tanto,
v = v
1
+ v
2
, con v
1
W
1
, v
2
W
2
w = w
1
+ w
2
, con w
1
W
1
, w
2
W
2
Ahora
r v + s w = r(v
1
+ v
2
) + s(w
1
+ w
2
) = (rv
1
+ sw
1
) + (rv
2
+ sw
2
).
Pero rv
1
+ sw
1
W
1
, por ser W
1
un subespacio, y rv
2
+ sw
2
W
2
, por ser W
2
un
subespacio; por tanto r v + s w W
1
+ W
2
.
Notaci on Si W
1
W
2
= {0}, se dice que la suma W
1
+W
2
es directa, y suele denotarse
por W
1
W
2
.
Observaci on 2.4.1. Respecto a bases y subespacios, un resultado interesante es el sigu-
iente. Si W
1
, W
2
son subespacios de K
n
entonces:
dim
K
(W
1
+ W
2
) = dim
K
(W
1
) + dim
K
(W
2
) dim
K
(W
1
W
2
)
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
2.5. OTROS ESPACIOS VECTORIALES 11
2.5. Otros espacios vectoriales
Denicion 2.5.1. Un espacio vectorial sobre K es un conjunto V con dos operaciones,
llamadas suma y producto por un n umero de K, cumpliendo:
1. u + (v + w) = (u + v) + w, u, v, w V
2. u + v = v + u, u, v V
3. Existe un vector 0 V tal que v + 0 = v, v V
4. Para cada v V existe otro vector, llamado -v, tal que v + (-v) = 0
5. r(u + v) = ru + rv, u, v V, r K
6. (rs)v = r(sv), v V, r, s K
7. (r+s)v = rv + sv, v V, r, s K
8. 1v = v, v V
En este caso, a los elementos de V los llamaremos vectores y a los de K, escalares.
Ejemplo 2.5.1. 1. Los vectores de K
n
que hemos estudiado hasta ahora forman un
espacio vectorial.
2. K
n
[X], los polinomios con coecientes en K de grado n, con la suma y producto
por un n umero habituales son tambien un espacio vectorial.
3. M
33
(R) con la suma y producto por un escalar denidos en el tema anterior, son
un espacio vectorial.
4. El espacio de se nales. Sea S el espacio de todas las sucesiones de n umeros innitas
hacia la derecha y hacia la izquierda
y
k
= (. . . , y
2
, y
1
, y
0
, y
1
, y
2
, . . .)
La suma de dos de tales sucesiones o su producto por un n umero se realizan compo-
nente a componente, por lo que trivialmente se cumplen las propiedades de espacio
vectoial.
Los elementos de S aparecen en cualquier ingeniera cuando, por ejemplo, se dis-
cretiza o muestrea en tiempos discretos cualquier se nal, ya sea electrica, mecanica,
optica, etc. Por conveniencia, llamaremos a S espacio de se nales en tiempo discreto.
Denicion 2.5.2. Sean v
1
, . . . , v
n
V . Llamaremos una combinacion lineal de v
1
, . . . , v
n
a cualquier expresion del tipo t
1
v
1
+ ... + t
n
v
n
, donde los t
i
K.
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
12 TEMA 2. ESPACIOS VECTORIALES
Llamaremos v
1
, . . . , v
n
al conjunto de todas las posibles combinaciones lineales de
v
1
, . . . , v
n
.
Un conjunto de vectores v
1
, . . . , v
n
V se dice un sistema generador de V si
v
1
, . . . , v
n
= V
Denicion 2.5.3. Un subconjunto = W V , se dice un subespacio si cumple:
a) Si u, v W entonces u + v W.
b) Si u W, r K, entonces r v W
Equivalentemente, un conjunto de vectores forman un subespacio si u, v W, r, s
K ru + sv W.
Si W es un subespacio de V , lo escribiremos como W V .
Denicion 2.5.4. Un conjunto de vectores se dice linealmente independiente si ninguno
de ellos puede ponerse como combinacion lineal de los demas.
Para ver si v
1
,...,v
n
V son independientes hay que comprobar que si t
1
v
1
+...+t
n
v
n
=
0, entonces t
1
= t
2
=...= t
n
= 0
Denicion 2.5.5. Un conjunto de vectores v
1
, . . . , v
n
V se dice base si es sistema
generador y linealmente independiente.
Proposici on 2.5.1. B = {v
1
, ..., v
n
} V es una base de V todo vector v V puede
escribirse de forma unica en la forma v = t
1
v
1
+ ... + t
n
v
n
.
En este caso,(t
1
, ..., t
n
)
B
se llaman las coordenadas de v en la base B.
Demostracion. Igual que en K
n
.
Proposicion 2.5.2. Si B es una base y tenemos dos vectores u y v de coordenadas
(t
1
,...,t
n
), (s
1
,...,s
n
) entonces
a) Las coordenadas de u + v son (t
1
+s
1
,...,t
n
+s
n
)
b) Las coordenadas de rv son (rt
1
,...,rt
n
)
Una vez tengamos una base de un espacio vectorial, identicaremos los vectores con
vectores en K
n
, donde n es el n umero de elementos de la base y trabajaremos con ellos
como hemos hecho en las secciones anteriores.
Por tanto todo lo que hemos hecho en K
n
lo podremos hacer en un espacio vectorial
en general siempre y cuando conozcamos una base.
Ejemplo 2.5.2. 1. Una base de K
n
[X], los polinomios con coecientes en K de grado
n, es la formada por {1, x, x
2
, ..., x
n
}. Respecto a esta base, a la que llamaremos
base canonica de K
n
[X], un polinomio se escribe mediante su vector de coecientes.
As, por ejemplo, en R
2
[x], una base es {1, x, x
2
} y un polinomio como 3 + x 2x
2
se escribe (3,1,-2).
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
2.5. OTROS ESPACIOS VECTORIALES 13
2. Las matrices M
nm
(K) tienen dimension n m. Una base esta formada por las
matrices que tienen exactamente una entrada igual a 1 y las demas iguales a 0.
Para escribir una matriz en esa base basta ir escribiendo las las de la matriz una
a continuacion de otra.
As, por ejemplo, una base de M
nm
(K) es
__
1 0
0 0
_
,
_
0 1
0 0
_
,
_
0 0
1 0
_
,
_
0 0
0 1
__
en dicha base la matriz
_
2 1
3 1
_
se escribe (2,1,3,-1).
3. En terminos generales, si trabajamos con otros espacios vectoriales, daremos la base
y la forma en que se escribe un vector en dicha base.
Denicion 2.5.6. Un espacio vectorial se dice nitamente generado si existe un conjunto
generador nito
Teorema 2.5.1. Todo espacio vectorial nitamente generado tiene base.
Demostracion. Sean v
1
, . . . , v
n
V un sistema generador.
Si son linealmente independientes, ya son base. En otro caso, uno de ellos es combi-
nacion lineal de los demas. Supongamos que es el ultimo. Como ya comentamos, ahora
v
1
, . . . , v
n
= v
1
, . . . , v
n1
, por lo que v
1
, . . . , v
n1
es tambien un sistema generador.
Basta ir repitiendo el procedimiento anterior e ir quitando vectores del sistema gener-
ador hasta llegar a uno que sea linealmente independiente. En el caso de que lleguemos
a un unico vector {v
i
} con v
i
= 0, este conjunto es claramente linealmente independi-
ente.
Proposicion 2.5.3. Sea V un espacio vectorial de dimension n y v
1
, . . . , v
n
V un
conjunto de vectores. Entonces:
a) Si son un sistema generador, son base
b) Si son linealmente independientes, son base
Demostracion. a) Si no fueran linealmente independientes, hemos visto que puedo llegar
a una base de V a base de eliminar algunos de estos vectores. Tendra as una base de V
con menos de n vectores, lo que es imposible porque todas las bases deben tener el mismo
n umero de vectores.
b) Si no fuesen un sistema generador, es posible encontrar un vector v / v
1
, . . . , v
n
.
Es facil comprobar ahora que {v
1
, . . . , v
n
, v} son linealmente independientes, lo que es
imposible porque sabemos que no puede haber mas de n vectores independientes.
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
14 TEMA 2. ESPACIOS VECTORIALES
Como ocurra en K
n
, dados vectores v
1
, . . . , v
m
que sean un sistema generador, siempre
podemos reducirlos a una base sin mas que quitar de esa coleccion aquellos que puedan
ponerse como combinacion lineal de los demas. Esto se hace escribiendolos por las en una
matriz. Al pasar dicha matriz a forma escalonada, los vectores no nulos que nos queden
son la base buscada.
Por otra parte, si los vectores son linealmente independientes, el conjunto puede am-
pliarse a una base a nadiendo aquellos vectores de un sistema generador que sean inde-
pendientes con ellos. En particular, si tenemos un subespacio W V , cualquier base de
W puede ampliarse a una base de V .