Algebra I - Curso 2005/06 - Grupos M1 y M2

Tema 4: ESPACIOS VECTORIALES

por Mario Lopez Gomez
1. Denicion, propiedades y ejemplos.
El concepto de espacio vectorial es sin duda uno de los mas importantes de esta asignatura y del

Algebra Lineal.
El espacio vectorial es una estructura algebraica que generaliza, hasta el mayor nivel de abstraccion,
la idea de los vectores geometricos del plano y el espacio eucldeos ordinarios, as como las magnitudes
vectoriales que aparecen en Fsica; esencialmente, son conjuntos cuyos elementos se pueden sumar
entre s, y multiplicar por n umeros. Son numerosmos y muy variados, como ya puede verse desde
los primeros ejemplos, los espacios vectoriales que aparecen de manera natural en distintas ramas de
las matematicas.
Todo espacio vectorial lleva siempre asociado un conjunto con estructura de cuerpo, cuyos ele-
mentos llamaremos escalares, que jugaran el papel de n umeros. Los elementos del espacio vectorial
seran los vectores.
Nota.- En la siguiente denicion, utilizamos el mismo smbolo +para denotar la suma del grupo
abeliano E (suma de vectores) y la suma del cuerpo K. Analogamente, empleamos el smbolo
tanto para denotar el producto en el cuerpo K (producto de escalares) como para denotar la
ley externa en E (producto de escalar por vector).
Denicion.- Sean (E, +) un grupo abeliano y (K, +, ) un cuerpo conmutativo; sea
: KE E una ley externa, es decir,
K, u E, (, u) u E.
Se dice que la cuaterna (E, K, +, ) tiene estructura de espacio vectorial, o bien que E es un
espacio vectorial sobre K si se verican:
1. u E, , K, ( + ) u = u + u.
2. u, v E, K, (u + v) = u + v.
3. u E, , K, () u = ( u).
4. u E, 1 u = u (1 representa la unidad del cuerpo K).
1

Algebra I - Tema 4: Espacios vectoriales 2

Notacion y terminologa:
Los elementos del espacio E se denominan vectores, mientras que los del cuerpo K se llaman
escalares.
El smbolo del producto de escalar por vector (as como el del producto de escalares) a
menudo se omite: u := u.
Cuando el cuerpo de escalares sobre el que se dene un espacio vectorial E es el de los n umeros
reales, suele decirse que E es un espacio vectorial real; cuando es el de los complejos, E se
llama un espacio vectorial complejo.
Propiedades:
A partir de la denicion, se deducen inmediatamente las siguientes:
u E, 0 u = 0.
Sean K y u E; u = 0 = 0 u = 0.
K, u E, ()u = (u) = (u).
Ejemplos:
El plano eucldeo R
2
y el espacio eucldeo R
3
ordinarios, constituyen espacios vectoriales sobre
R con la suma de vectores y el producto de escalar por vector habituales. Estos espacios son
casos particulares del siguiente:
En general, dados un cuerpo K y un entero positivo n, el producto cartesiano K
n
, con la suma
de vectores y el producto de escalar por vector, constituye un espacio vectorial sobre K.
El conjunto K[x] de los polinomios con coecientes en un cuerpo K, constituye un espacio
vectorial sobre K. Asimismo, dado n N, el conjunto K
n
[x] de los polinomios de grado menor
o igual que n, tambien es un espacio vectorial (diremos que es un subespacio vectorial de K[x]).
Dados n, m enteros positivos, el conjunto K
mn
de las matrices con elementos en K, con la
suma de matrices y el producto de escalar por matriz, es un espacio vectorial sobre el cuerpo
K.
El conjunto F(R) de las funciones reales de variable real, con la suma de funciones y el producto
de n umero por funcion, es un espacio vectorial sobre R.
Tambien son espacios vectoriales reales C(R) (funciones continuas sobre la recta real) y C ([a, b]),
siendo [a, b] un intervalo de la recta real
En general, dados cualquier conjunto X y un cuerpo K, el conjunto
F(X, K) = {f : X K}
de las aplicaciones de X a K, se denen la suma de aplicaciones:
x X, (f + g)(x) := f(x) + g(x),
y, para cada K, el producto de escalar por aplicacion:
x X, (f)(x) := f(x).

Algebra I - Tema 4: Espacios vectoriales 3

Con estas operaciones, el conjunto F(X, K) constituye un espacio vectorial sobre K, del cual
F(R) es un caso particular.
As, por ejemplo, F(R, C) (el conjunto de las funciones de variable real a valores complejos) es
un espacio vectorial sobre C.
Dados dos cuerpos K L, de forma que K es subcuerpo de L (es decir, ambos son cuerpos
con las mismas operaciones), L siempre es espacio vectorial sobre K. El producto de escalar
por vector es el producto en el cuerpo L, de forma que el primer factor del producto siempre
pertenezca a K.
As, por ejemplo, C es un espacio vectorial sobre R; tanto C como R son espacios vectoriales
sobre Q, etc.
En particular, todo cuerpo es un espacio vectorial sobre s mismo.
2. Subespacios vectoriales.
2.1. Combinaciones lineales.
Denicion.- Sea E un espacio vectorial sobre K; dados u
1
, u
2
, . . . , u
k
, una combinacion lineal de
dichos vectores es cualquier vector de la forma
u =
1
u
1
+
2
u
2
+ . . .
k
u
k
,
siendo
1
,
2
, . . . ,
k
K.
Observacion.- El vector nulo es combinacion lineal de cualesquiera vectores. Todo vector es com-
binacion lineal de s mismo.
2.2. Subespacios.
Denicion.- Dado (E, K, +, ) espacio vectorial y H E, se dice que H es un subespacio vec-
torial de E si (H, K, +, ) es un espacio vectorial.
Observacion.- Todo espacio vectorial es subespacio de s mismo; ademas, en todo espacio vectorial,
el conjunto {0} formado unicamente por el vector nulo, constituye un subespacio que llamaremos
subespacio nulo.
Los dos subespacios anteriores son los llamados subespacios triviales.
Observacion.- Es obvio que una condicion necesaria para que H sea subespacio vectorial de E es
que (H, +) sea subgrupo de (E, +), lo cual implica en particular que 0 H. Ademas, tiene que ser
cerrado respecto a la multiplicacion por un escalar ( K, u H, u H), y las propiedades de la
ley externa sobre H se satisfacen automaticamente al cumplirlas todo elemento de E. Un subespacio
vectorial sera pues, un subgrupo aditivo que ademas es cerrado para el producto de escalares por
vectores.
Como consecuencia de la observacion anterior, se tiene la siguiente caracterizacion:

Algebra I - Tema 4: Espacios vectoriales 4

Proposicion.- Caracterizacion de subespacios vectoriales:
Sean (E, K, +, ) espacio vectorial y H E; H es un subespacio vectorial de E si y solo si se
verican:
1. H = .
2. u, v H, u + v H.
3. K, u H, u H.
Demostracion.- Es obvio que las tres condiciones anteriores son necesarias para que H sea subes-
pacio; veamos que tambien son sucientes: sean u, v H; entonces v = (1)v H y u+(v) H,
lo que garantiza que (H, +) es subgrupo de (E, +); el ser cerrado respecto al producto por escalar es
la propiedad 3.
Proposicion.- Segunda caracterizacion de subespacios vectoriales:
Sean (E, K, +, ) espacio vectorial y H E; H es un subespacio vectorial de E si y solo si H =
y
u, v H, , K, u + v H.
Es decir, que un subespacio vectorial es un subconjunto no vaco y cerrado para las combina-
ciones lineales.
Denicion.- Dado un espacio vectorial E y un conjunto M E, se dene la clausura lineal de
M, y se denota por L(M), como el conjunto de todas las combinaciones lineales de vectores
de M, es decir,
L(M) :=
_
k

j=1

j
u
j
:
j
K, u
j
M, k N

_
.
Observacion.- L(M) es el menor subespacio vectorial que contiene a M, es decir, L(M) es
subespacio y
H es subespacio y M H L(M) H.
2.3. Suma e interseccion de subespacios.
Proposicion.- La interseccion de subespacios vectoriales de un mismo espacio es subespa-
cio vectorial de dicho espacio.

Algebra I - Tema 4: Espacios vectoriales 5

Demostracion.- Sean H
j
, para j J, subespacios del espacio vectorial E; el conjunto

jJ
H
j
no
es vaco porque el vector nulo es com un a todos los subespacios. Dados dos vectores u, v

jJ
H
j
,
y para cualesquiera escalares , K, la combinacion lineal u + v pertenece a cada H
j
por ser
combinacion lineal de vectores de H
j
y ser H
j
subespacio, de modo que u + v

jJ
H
j
.
Observacion.- La union de subespacios vectoriales no es, en general, subespacio vectorial. Con-
siderense, por ejemplo, dos rectas no coincidentes (y que pasen por el origen) en R
2
.
De hecho, dados dos subespacios L, M de un mismo espacio vectorial E, se tiene que
L M es subespacio (L M M L).
(Compruebese).
El papel dual de la interseccion lo va a jugar, para subespacios vectoriales, el subespacio suma:
la suma de varios subespacios va a ser el menor subespacio que contiene a la union de todos ellos, es
decir, la clausura lineal de la union.
Denicion.- Dado E espacio vectorial sobre K, y dos subespacios L y M, denimos su suma como
L + M := {u + v : u L , v M}.
En general, dados L
1
, L
2
, . . . , L
k
subespacios, la denicion anterior se extiende recursivamente a
L
1
+ L
2
+ . . . + L
k
=
_
k

j=1
u
j
: u
j
L
j
_
.
Proposicion.- La suma de subespacios vectoriales de E es un subespacio vectorial de E.
Demostracion.- Sean L, M subespacios del espacio vectorial E; L + M = porque 0 = 0 +0
L + M; y dados x, y L + M, se tiene que x = u + v para ciertos u L, v M y que y = u + v
para ciertos u L, v M; por lo tanto, para cualesquier , K, tendremos que
x + y = (u + v) + ( u + v) = (u + u) + (v + v),
en donde u + u L y v + v M, con lo que x + y L + M.
Denicion.- Dados dos subespacios vectoriales de un mismo espacio E, diremos que su suma es
directa, y escribiremos L M, si L M = {0}.

Algebra I - Tema 4: Espacios vectoriales 6

Denicion.- Dados L
1
, L
2
, . . . , L
k
subespacios vectoriales de un mismo espacio vectorial E, diremos
que dan suma directa, y escribiremos L
1
L
2
. . . L
k
, si cada uno de ellos da suma directa con
la suma de todos los demas, es decir, si
L
i

j=i
L
j
= {0} i = 1, 2, . . . , k.
Teorema.- (Caracterizacion de las sumas directas.)
Sean L
1
, L
2
, . . . , L
k
subespacios vectoriales de un mismo espacio vectorial E; los subespacios L
j
dan suma directa si y solo si u L
1
+ L
2
+ . . . + L
k
, existen unicos u
j
L
j
, j = 1, 2, . . . , k, tales
que u =
k

j=1
u
j
.
Denicion.- Dos subespacios L y M de un mismo espacio E se dicen suplementarios entre s (en
E) si L

M = E.
Observacion.- Dados dos subespacios L, M suplementarios en E, todo vector de E se descompone
de forma unica como suma de un vector de L y otro de M.
3. Dependencia e independencia lineal.
Denicion.- Se dice que los vectores u
1
, u
2
, . . . , u
k
de un espacio vectorial E son linealmente
independientes si la unica combinacion lineal de ellos que da el vector nulo es la que tiene todos
los coecientes nulos, es decir,

j
K,
1
u
1
+
2
u
2
+ . . . +
k
u
k
= 0
1
=
2
= . . . =
k
= 0.
En caso contrario, se dice que los vectores anteriores son linealemente dependientes.
Observacion.- u
1
, u
2
, . . . , u
k
son linealmente dependientes si y solo si

1
,
2
, . . . ,
k
K, con alg un
i
= 0, tales que
k

j=1

j
u
j
= 0.
Y lo anterior equivale a que se pueda despejar alguno de los vectores como combinacion lineal de los
restantes, es decir,
u
i
=

j=i

j
u
j
,
j
K.
(Basta considerar el u
i
cuyo
i
= 0 en la combinacion lineal que da el vector nulo).

Algebra I - Tema 4: Espacios vectoriales 7

Denicion.- Sea M = {u
1
, u
2
, . . . , u
k
} E, siendo E un espacio vectorial; se dice que M es un
sistema libre si u
1
, u
2
, . . . , u
k
son linealmente independientes; en caso contrario, se dice que M es
un sistema ligado.
Si M es un conjunto innito de vectores de E, se dice que M es un sistema libre si todo subconjunto
nito de M lo es; as pues, M sera un sistema ligado si alg un subconjunto nito de M es ligado.
Observacion.- Cualquier conjunto que contenga el vector nulo es un sistema ligado. Cualquier
conjunto que contenga dos vectores proporcionales es ligado. La union de un sistema ligado con
cualquier otro siempre da un sistema ligado.
Observacion.- Puesto que no tenemos denidas sumas innitas de vectores, toda combinacion
lineal tendra un n umero nito de sumandos; as pues, para cualquier conjunto M de vectores (nito
o innito), podemos decir que:
M es ligado si y solo si alg un vector de M es combinacion lineal de los restantes vectores de
M.
M es libre si y solo si ning un vector de M es combinacion lineal de los restantes vectores de
M.
Ejemplo: En el espacio K[x] de los polinomios con coecientes en un cuerpo K, la familia de
polinomios
{x
k
: k N} = {1, x, x
2
, x
3
, . . .}
es un sistema libre innito, pues una combinacion lineal arbitraria a
0
+a
1
x+. . .+a
k
x
k
(a
j
K, k N)
solo puede ser el polinomio nulo, obviamente, si todos los coecientes son nulos.
4. Bases.
4.1. Base y dimension.
Denicion.- Dados E espacio vectorial y M E, se dice que M es un sistema generador
(o sistema de generadores) de E si E = L(M), es decir, si todo vector de E puede ponerse como
combinacion lineal de los de M.
Nota.- Por convenio, consideramos el conjunto vaco como sistema de generadores del subespacio
nulo.
Denicion.- Un espacio vectorial se dice de tipo nito (o de dimension nita) si admite un
sistema nito de generadores. En caso contrario, se dice de tipo innito o dimension innita.
Denicion.- Dado E espacio vectorial, una base es un sistema generador y libre, que siempre
se considera ordenado.

Algebra I - Tema 4: Espacios vectoriales 8

Nota.- Tambien por convenio, consideramos que es un sistema libre. As pues, el conjunto vaco
es la ( unica) base del subespacio nulo.
Teorema.- (de existencia de bases). Todo espacio vectorial admite una base.
Nota.- La demostracion del teorema anterior en el caso general excede con mucho los propositos
de esta asignatura; s podemos demostrarlo, sin embargo, en el caso particular en que el espacio sea
de tipo nito.
Ademas, se tiene tambien el siguiente resultado:
Proposicion.- Sea E espacio vectorial y sea Mun sistema generador de E; entonces existe H M
tal que H es base de E.
Es decir, de todo sistema generador puede extraerse una base.
Observacion.- Si E es un espacio de tipo innito, toda base de E tendra innitos vectores, ya que
todo sistema generador es innito.
Toda la teora relativa a dimension de un espacio vectorial se basa en el siguiente teorema,
cuya demostracion omitimos, pero que puede encontrarse en la pag. 128 del primer volumen de

Algebra Lineal, de Garbayo, Sansigre y otros, bajo el ttulo de Teorema Auxiliar; un enunciado similar
aparece en

Algebra Lineal y Geometra, de Castellet y Llerena, pag. 74, bajo el ttulo de Teorema de
Steinitz. El alumno interesado puede consultar esas demostraciones que, aunque extensas, utilizan
solo argumentaciones elementales.
El teorema dice, esencialmente, que m vectores linealmente independientes no pueden estar ge-
nerados por un n umero de vectores inferior a m.
Teorema.- Sea E un espacio vectorial, y {u
1
, . . . , u
n
}, {v
1
, . . . , v
m
} dos conjuntos de vectores de
E. Si todos los vectores v
j
son combinaciones lineales de los u
j
y ademas forman un sistema libre,
entonces m n.
Ademas, si es m = n, entonces los u
j
tambien son linealmente independientes y son a su vez
combinaciones lineales de los v
j
.
Teorema.- (Equicardinalidad de las bases). Si E es un espacio vectorial de tipo nito, todas
las bases de E tienen el mismo n umero de vectores.
Demostracion.- Sean B = (e
1
, . . . , e
n
) y V = (u
1
, . . . , u
m
) dos bases de un mismo espacio E; por
ser B base, todos los vectores de V, que es un sistema libre, dependen linealmente de los de B, luego,
por el teorema anterior, m n. Intercambiando los papeles de las dos bases, obtenemos que n m.
luego m = n.
Gracias al teorema anterior, podemos denir la dimension de un espacio vectorial:

Algebra I - Tema 4: Espacios vectoriales 9

Denicion.- Llamamos dimension de un espacio vectorial E de tipo nito, y la denotamos por
dimE, al n umero de elementos de cualquiera de sus bases.
Observacion.- Puesto que el subespacio nulo tiene a como base, dim({0}) = 0.
Otro corolario del teorema anterior es el siguiente:
Proposicion.- Sea E un espacio vectorial de dimension n; si {u
1
, . . . , u
n
} es un sistema libre de
E, entonces es sistema generador de E.
Demostracion.- Sea B una base de E, que tendra n elementos; los vectores u
1
, . . . , u
n
dependen
linealmente de los de B y forman un sistema libre, luego, por la segunda parte del teorema anterior,
los de B tambien son combinaciones lineales de los u
1
, . . . , u
n
, luego todos los vectores de E dependen
linealmente de estos n vectores, que constituyen as un sistema generador de E.
A un otro corolario mas:
Proposicion.- Sea E un espacio vectorial de dimension n; si {u
1
, . . . , u
n
} es un sistema generador
de E, entonces es base de E.
Demostracion.- Sea B una base de E, que tendra n vectores independientes que seran combi-
naciones lineales de los u
1
, . . . , u
n
; por la segunda parte del teorema, estos vectores tambien seran
linealmente independientes.
Recapitulando las dos proposiciones anteriores: en un espacio E de dimension n,
todo sistema generador formado por n vectores es libre y, por tanto base;
todo sistema libre formado por n vectores es generador y, por tanto base.
Como consecuencia de lo anterior, tenemos:
Corolario.- Si E es un espacio vectorial de dimension nita n, y H es un subespacio de E cuya
dimension tambien es n, entonces H = E.
Teorema.- (de la base incompleta, o de completacion de la base). Sea E un espacio
vectorial de dimension nita n, y sea {u
1
, u
2
, . . . , u
k
} un sistema libre de E, con k < n. Entonces
existen u
k+1
, . . . , u
n
E, tales que (u
1
, . . . , u
k
, u
k+1
, . . . , u
n
) es una base de E.
Demostracion.- Puesto que todo sistema generador de E tiene al menos n elementos, el conjunto
dado no puede ser generador, luego existe alg un vector u
k+1
E \ L({u
1
, u
2
, . . . , u
k
}). Ahora, el
conjunto {u
1
, u
2
, . . . , u
k
, u
k+1
} es un sistema libre de E, ya que
1
u
1
+ . . . +
k
u
k
+
k+1
u
k+1
= 0
implica, si
k+1
= 0, que u
k+1
es combinacion lineal de los u
1
, . . . , u
k
, lo cual es imposible; luego

k+1
= 0, lo que implica, por la independencia lineal de los u
1
, . . . , u
k
, que
1
= . . . =
k
= 0.
Si k + 1 = n, ya tenemos una base de E, pues el conjunto {u
1
, u
2
, . . . , u
k
, u
k+1
} es un sistema
libre de n vectores; en caso contrario, volvemos a aplicarle el mismo razonamiento a dicho conjunto

Algebra I - Tema 4: Espacios vectoriales 10

(sea u
k+2
E \ L({u
1
, u
2
, . . . , u
k
, u
k+1
}); en n k pasos, habremos obtenido un sistema libre de n
vectores, es decir, una base de E.
4.2. Coordenadas respecto a una base.
Denicion.- Sea E espacio vectorial sobre K, de dimension nita n; sea B = (u
1
, . . . , u
n
) una
base de E. Si x E, x = x
1
u
1
+ . . . + x
n
u
n
con x
j
K, los escalares x
1
, . . . , x
n
se denominan
coordenadas del vector x respecto a la base B.
El vector (x
1
, . . . , x
n
) K
n
se denomina vector de coordenadas de x respecto a B, y se suele
denotar por x
B
.
Proposicion.- Las coordenadas de un vector respecto a una base son unicas.
Demostracion.- Si x = x
1
u
1
+ . . . + x
n
u
n
= x
1
u
1
+ . . . + x
n
u
n
, entonces
(x
1
x
1
)u
1
+ . . . + (x
n
x
n
)u
n
= 0,
que, por ser u
1
, . . . , u
n
linealmente independientes implica que x
j
x
j
= 0, es decir, x
j
= x
j
para
j = 1, 2, . . . , n.
Observacion.- Si E es un espacio de tipo nito de dimension n sobre el cuerpo K, jada una
base B de E, podemos identicar cada vector x E con su vector de coordenadas x
B
K
n
(esta
identicacionse precisara mejor mediante el concepto de isomorsmo, que se estudia en el proximo
tema). Podemos, pues, a todos los efectos, tratar los vectores de E como si fueran vectores de K
n
.
En particular, todo subespacio vectorial de E lo podemos expresar mediante unas ecuaciones
implcitas homogeneas sobre las coordenadas respecto a la base B.
Ejemplo.- En el espacio de polinomios K
n
[x], se considera la base B = (1, x, x
2
, . . . , x
n
). Da-
do un polinomio P(x) = a
0
+ a
1
x + . . . + a
n
x
n
, su vector de coordenadas respecto a B es P
B
=
(a
0
, a
1
, . . . , a
n
) K
n+1
.
Nota.- Si E es de dimension innita, y por lo tanto cualquier base B tiene innitos vectores, estan
igualmente denidas las coordenadas de un vector respecto a B, que son todas nulas salvo un n umero
nito de ellas; pero como el vector de coordenadas tiene innitas componentes, es mucho menos util
que en el caso de dimension nita.
5. La relaci on de Grassmann.
Dados dos subespacios vectoriales de un mismo espacio E, los subespacios suma e interseccion
estan relacionados dimensionalmente mediante la llamada relacion de Grassmann, que es comple-
tamente analoga a la que se tiene para el cardinal de la union y el de la interseccion de conjuntos
nitos.

Algebra I - Tema 4: Espacios vectoriales 11

Observacion.- Dados dos subespacios M
1
y M
2
, de sistemas generadores respectivos M
1
y M
2
,
se tiene que M
1
M
2
es un sistema generador de M
1
+M
2
; es decir, que la union de los sistemas
generadores es un sistema generador de la suma; en particular, la union de las bases es un
sistema generador (pero no necesariamente base) de la suma.
Obviamente, lo anterior puede extenderse a cualquier n umero nito de subespacios.
Proposicion.- (Relacion de Grassmann). Dados dos subespacios vectoriales L, M de un mismo
espacio vectorial E de tipo nito, se tiene que
dim(L + M) = dimL + dimM dim(L M).
Demostracion.- Llamemos l = dimL, m = dimM, k = dim(L M); vamos a ver que dim(L +
M) = l + mk.
Sea (u
1
, . . . , u
k
) una base de LM. Como LM L, aplicando el teorema de la base incompleta
a L, sabemos que existen v
1
, . . . , v
lk
L tales que (u
1
, . . . , u
k
, v
1
, . . . , v
lk
) es una base de L; ademas,
como LM M, tambien podemos aplicar el teorema de la base incompleta al espacio M: existen
w
1
, . . . , w
mk
M tales que (u
1
, . . . , u
k
, w
1
, . . . , w
mk
) es una base de M.
A continuacion probaremos que
(u
1
, . . . , u
k
, v
1
, . . . , v
lk
, w
1
, . . . , w
mk
)
es una base de L + M:
Es sistema generador de L + M, pues es la union de sendas bases de L y de M.
Es sistema libre: supongamos que, para
j
,
j
,
j
K,
k

j=1

j
u
j
+
lk

j=1

j
v
j
+
mk

j=1

j
w
j
= 0, (1)
es decir,
k

j=1

j
u
j
+
lk

j=1

j
v
j
=
mk

j=1

j
w
j
.
El primer miembro de la anterior igualdad es combinacion lineal de los elementos de la base de
L; el segundo miembro lo es de algunos elementos de la base de M; por lo tanto, pertenece a
L M, es decir:
mk

j=1

j
w
j
L M.
Consecuentemente, el sumatorio anterior es combinacion lineal de los vectores de la base
(u
1
, . . . , u
k
) de L M, esto es,
mk

j=1

j
w
j
=
k

j=1

j
u
j

Algebra I - Tema 4: Espacios vectoriales 12

para algunos escalares
j
K; pero como los vectores u
j
, w
j
son linealmente independientes
por constituir todos juntos una base de M, tenemos que todos los coecientes en la anterior
igualdad son nulos; en particular,

j
= 0, j = 1, 2, . . . , mk.
Pero esto, sustituyendo en (1), nos lleva a que
k

j=1

j
u
j
+
lk

j=1

j
v
j
= 0,
que, por la independencia lineal de los u
j
, v
j
(pues todos juntos constituyen una base de L), nos
permite concluir que todos los coecientes
j
,
j
son nulos. Con lo que concluimos que todos
los coecientes
j
,
j
,
j
de la combinacion lineal (1) de partida son nulos.
Recapitulando: hemos construido una base de L+M que tiene k +(l k) +(mk) = l +mk
elementos, luego dim(L + M) = l + mk, como queramos demostrar.
Corolario.- Para cualesquiera subespacios L, M de interseccion nula, dim(L M) = dimL +
dimM.
En particular, si E es un espacio vectorial de dimension nita, y L, M son dos subespacios
suplementarios en E, entonces dimE = dimL + dimM.
Ejercicios adicionales resueltos
1. En el espacio vectorial de polinomios R
3
[x], se considera la base
_
1, x 3, (x 3)
2
, (x 3)
3
_
.
Calcular las coordenadas en dicha base del polinomio 2x
3
3x
2
x + 2.
Solucion:
Llamando P al polinomio dado, lo podremos expresar como combinacion lineal de los de la
base, de la forma
P(x) = a
0
+ a
1
(x 3) + a
2
(x 3)
2
+ a
3
(x 3)
3
,
en donde los coecientes a
j
R son las coordenadas pedidas. Observamos que la coordenada
a
0
es el valor P(3). As, empezamos evaluando en x = 3 ambas expresiones de P(x), es decir:
P(3) = a
0
= 26.
Si ahora derivamos ambas expresiones para P(x), tenemos
P

(x) = a
1
+ 2a
2
(x 3) + 3a
3
(x 3)
2
= 6x
2
6x 1,
igualdad que, al evaluarla en x = 3, nos da:
P

(3) = a
1
= 35.

Algebra I - Tema 4: Espacios vectoriales 13

Volviendo a derivar y a evaluar en x = 3,
P

(x) = 2a
2
+ 6a
3
(x 3) = 12x 6 P

(3) = 2a
2
= 30 a
2
= 15.
Y, nalmente, derivando una vez mas,
P

(x) = 6a
3
= 12 a
3
= 2.
Luego las coordenadas pedidas son (26, 35, 15, 2).
Otra forma de resolverlo:
Si desarrollamos
P(x) = a
0
+ a
1
(x 3) + a
2
(x 3)
2
+ a
3
(x 3)
3
=
= a
0
3a
1
+ 9a
2
27a
3
+ (a
1
6a
2
+ 27a
3
)x + (a
2
9a
3
)x
2
+ a
3
x
3
y lo igualamos coeciente a coeciente a 2x
3
3x
2
x + 2, obtenemos el sistema lineal
a
3
= 2
a
2
9a
3
= 3
a
1
6a
2
+ 27a
3
= 1
a
0
3a
1
+ 9a
2
27a
3
= 2
en las incognitas a
0
, a
1
, a
2
, a
3
, sistema de matriz triangular cuya sencilla resolucion nos lleva al
mismo resultado antes calculado.
2. En el espacio vectorial R
4
, consideramos el subespacio L cuya base es ((1, 2, 3, 4), (4, 3, 2, 1)),
y el subespacio M denido por las ecuaciones x
1
= x
2
= x
3
. Calcular sendas bases de los
subespacios L M y L + M.
Solucion:
Vamos a escribir el vector generico de L y a imponerle la condicion de pertenecer tambien
a M. Para calcular las ecuaciones parametricas de L, antes vamos a sustituir la base dada
por otra cuyos vectores nos den ecuaciones mas sencillas: llamando u al primer vector y v al
segundo, los reemplazamos por
1
5
(u + v) = (1, 1, 1, 1) y u v = (3, 1, 1, 3). Observese que
las transformaciones anteriores conservan la independencia lineal de los vectores.
Las ecuaciones parametricas quedan como
x
1
= 3
x
2
=
x
3
= +
x
4
= + 3.
Si al vector generico de L le imponemos las ecuaciones implcitas de M, obtenemos:
x
1
= x
2
= 0 , x
2
= x
3
= 0,
con lo que el vector generico de L M es (1, 1, 1, 1), R, siendo ((1, 1, 1, 1)) una base
y x
1
= x
2
= x
3
= x
4
sus ecuaciones implcitas (el n umero de ecuaciones independientes es
dim(R
4
) dim(L M) = 3).

Algebra I - Tema 4: Espacios vectoriales 14

Calculemos ahora una base de L+M. Por la relacion de Grassmann, sabemos que dim(L+M) =
dimL+dimM dim(LM) = 2 +2 1 = 3, con lo que tenemos que encontrar tres vectores
independientes pertenecientes a la suma. Basta, pues, tomar los dos vectores de la base B de L
y a nadirles un tercero perteneciente a M que sea linealmente independiente con los anteriores,
o, equivalentemente, que no pertenezca a la interseccion. As, por ejemplo
((1, 1, 1, 1), (3, 1, 1, 3), (1, 1, 1, 0))
es una base de L+M, ya que el vector (1, 1, 1, 0) verica las ecuaciones implcitas de M pero no
las de L M. Observese que, por ejemplo, el primer vector puede reemplazarse por (0, 0, 0, 1)
3. Sean los dos subespacios
L =
__
0 b
a a + b
_
: a, b R
_
, M =
__
a b
b a
_
: a, b R
_
del espacio vectorial R
22
. Calcular bases de L, M, L M y L + M.
Solucion:
Toda matriz de L se puede escribir como
_
0 b
a a + b
_
= a
_
0 0
1 1
_
+ b
_
0 1
0 1
_
,
con lo que queda claro que
L = L
__
0 0
1 1
_
,
_
0 1
0 1
__
y, al ser las dos matrices anteriores linealmente independientes, constituyen una base de L.
Razonando del mismo modo, una base de M esta formada por
__
1 0
0 1
_
,
_
0 1
1 0
__
.
As pues, tanto L como M tienen dimension 2. Como nos encontramos en un espacio de di-
mension 4, cada uno de estos subespacios vendra denido por 4 2 = 2 ecuaciones implcitas,
las cuales necesitamos conocer para encontrar el subespacio interseccion.
Si denotamos la matriz generica de R
22
como
_
a
11
a
12
a
21
a
22
_
, resulta obvio que dos ecuaciones
que satisfacen todas las matrices de L son
a
11
= 0
a
22
= a
12
+ a
21
,
de modo que estas son las ecuaciones implcitas que denen dicho subespacio. (La forma sis-
tematica de calcularlas consiste en utilizar las ecuaciones parametricas a
11
= 0, a
12
= b, etc. y
eliminar los parametros a, b).
Del mismo modo, las ecuaciones implcitas que denen el subespacio M son
a
11
= a
22
a
21
= a
12
.

Algebra I - Tema 4: Espacios vectoriales 15

As pues, la reunion de todas las ecuaciones implcitas (restricciones) anteriores caracteriza el
subespacio interseccion LM; pero esas cuatro ecuaciones se reducen a solo tres independientes,
a saber:
L M
_
_
_
a
11
= 0
a
22
= 0
a
12
+ a
21
= 0
Es decir, que toda matriz de LM es de la forma
_
0
0
_
con R, siendo una base de
dicho subespacio la constituida por la matriz
_
0 1
1 0
_
.
Como dim(L M) = 1, la relacion de Grassmann nos dice que dim(L + M) = 2 + 2 1 = 3;
sabemos que la reunion de las bases de L y M nos da un sistema de generadores de L + M,
luego para extraer de el una base bastara con que suprimamos una de las cuatro matrices, de
modo que las tres restantes sean linealmente independientes. As, por ejemplo,
__
0 0
1 1
_
,
_
0 1
0 1
_
,
_
1 0
0 1
__
es una base de L +M (observese que
_
0 1
1 0
_
=
_
0 0
1 1
_

_
0 1
0 1
_
, por lo que ha sido
lcito suprimir dicha matriz).