Conceptos tericos mnimos para la gua prctica 4.

Espacios y subespacios vectoriales

Los espacios vectoriales estn motivados en R2 y se podran pensar como objetos rectos con dos
operaciones, la suma y la accin o producto por escalares, que satisfacen las mismas propiedades que en
R2 .
Decir que los espacios son rectos es decir que dados dos puntos en ellos, la recta que los contiene
est contenida en el espacio.
Definicin: V es un espacio vectorial real si en V hay una suma y un producto por escalares. Para
u V, v V y R estan definidas u + v V y .v V satisfaciendo:
1. La suma es asociativa: u + (v + w) = (u + v) + w.
2. La suma es conmutativa: u + v = v + u.
3. Existe ~0 V un neutro para la suma, es decir que cumple ~0 + v = v para todo v V.
4. Para todo v V, existe v0 V, tal que v + v0 = ~0.
5. El producto por escalares satisface (.v) = ().v, para todos , R, v V.
6. ( + ).v = .v + .v, para todos , R, v V (distrib. resp. a la suma de nmeros reales).
7. .(v + w) = .v + .w, para todos R, v, w V

(distrib. resp. a la suma de vectores).

En este curso vamos a trabajar mayormente en el espacio vectorial V = Rn con sus operaciones
usuales.
Ejemplos de espacios vectoriales
1. Rn = {(x1 , x2 , . . . xn )/ x1 R, x2 R, . . . xn R} es el espacio de vectores filas de n coordenadas
con la suma y el producto por escalares lugar a lugar.
2. Rnm es el espacio de matrices de n filas y m columnas con la suma y el producto por escalares
lugar a lugar.
3. R[X] = {a0 + a1 X + + an X n / a1 , a2 , . . . an R, n N} es el espacio de polinomios con la suma
de polinomios y el producto por escalares distributivo.

Subespacios
Un subespacio S de un espacio vectorial V es un subconjunto no vaco de V que es en s mismo un
espacio vectorial. Como es un subconjunto, las propiedades de la suma y el producto por escalares son
heredadas de V. Basta pedir que estn definidas en S y que el neutro de la suma est en S. Definimos
entonces un subespacio vectorial como:
Definicin: Sea V un espacio vectorial real. S es un subespacio de V si S V y si cumple que:
~0 S
Para todos u S y v S, u + v S
Para todos u S y R, .u S.
1

Ejemplos de subespacios:
1. Soluciones de un sistema homogneo en Rn : Ya vimos que la suma de dos soluciones de un
sistema homogneo de n incgnitas es una solucin del mismo sistema, que el producto de una
solucin del sistema por un escalar es tambin solucin del mismo y que ~0 Rn es la solucin
trivial de todo sistema homogneo. Luego el conjunto de soluciones de un sistema homogneo de
n incgnitas satisface las propiedades de un subespacio de Rn .
(
x1 + x2 + x3 + 2x4 = 0
Por ejemplo, el conjunto de soluciones de S :
.
()
x2 x3 3x4 = 0
2. Subespacio generado: Sea {v1 , v2 , . . . vr } un conjunto finito de vectores de un espacio vectorial V.
Definimos el conjunto (subespacio) generado por v1 , v2 , . . . vr como aquel cuyos elementos son todas las combinaciones lineales de estos vectores: {v V : v = a1 .v1 +a2 .v2 +. . . ar .vr , tal que a1
R, a2 R, . . . ar R} y lo denotamos indistintamente con: gen{v1 , v2 , . . . vr } o con < v1 , v2 , . . . vr >.
ste conjunto resulta ser un subespacio y se denomina el subespacio de combinaciones lineales de
{v1 , v2 , . . . vr }.
En efecto:
1) ~0 = a1 .v1 + a2 .v2 + . . . ar .vr con a1 = a2 = = ar = 0. Es decir 0 < v1 , v2 , . . . vr >
2) Sean u < v1 , v2 , . . . vr > y v < v1 , v2 , . . . vr >. Digamos u = a1 .v1 + a2 .v2 + . . . ar .vr y v =
a01 .v1 + a02 .v2 + . . . a0r .vr . Entonces u + v = a1 .v1 + a2 .v2 + . . . ar .vr + a01 .v1 + a02 .v2 + . . . a0r .vr =
(a1 + a01 ).v1 + (a2 + a02 ).v2 + . . . (ar + a0r ).vr < v1 , v2 , . . . vr >.
3) Sean u < v1 , v2 , . . . vr > y R. Entonces .u = .(a1 .v1 + a2 .v2 + . . . ar .vr ) = .a1 .v1 +
.a2 .v2 + + .ar .vr < v1 , v2 , . . . vr >.
Por ejemplo, todos los puntos del plano R3 que tiene los vectores direccin v1 = (1, 2, 3) y
v2 = (0, 1, 1), y que contiene al ~0 = (0, 0, 0), y por lo tanto tiene ecuacin paramtrica dada por:
(x, y, z) = (1, 2, 3) + (0, 1, 1), con , R
forman un subespacio de V = R3 . Se denota con gen{(1, 2, 3) , (0, 1, 1)} o con < (1, 2, 3) , (0, 1, 1) >
y es el subespacio generado por (1, 2, 3) y (0, 1, 1).
Observacin: Los dos tipos de ejemplos de subespacios ac presentados (soluciones de sistemas
homogneos o subespacios generados por finitos vectores) son muy importantes. De hecho, cualquier subespacio S de Rn se puede expresar como soluciones de un sistema homogneo y tambin
como subespacio generado por finitos vectores de dicho S.

Generadores de un subespacio
Siempre se pueden encontrar vectores generadores para cualquier subespacio S:
Proposicin 1: Todo subespacio S de un espacio vectorial V se puede describir como el subespacio
generado por alguno de sus elementos. Es decir, dado S subespacio de V , entonces existen v1 , v2 , . . . , vr
S tales que:
S =< v1 , v2 , . . . , vr > o lo que es igual S = gen{v1 , v2 , . . . , vr }.
2

Ejemplo: si consideramos el ejemplo del subespacio S cuyos elementos son los vectores (x1 , x2 , x3 , x4 )
soluciones del sistema homogneo dado en (), al resolverlo obtenemos x1 = 2x3 5x4 , x2 = x3 +3x4 ,
de donde resulta que las soluciones tendrn la forma (x1 , x2 , x3 , x4 ) = (2x3 5x4 , x3 + 3x4 , x3 , x4 ) para
x3 , x4 R cualquiera.
Esto nos permite escribir a todos los elementos de S (soluciones de ()) como:
(x1 , x2 , x3 , x4 ) = (2x3 5x4 , x3 + 3x4 , x3 , x4 ) = (2x3 , x3 , x3 , 0) + (5x4 , 3x4 , 0, x4 )
= x3 (2, 1, 1, 0) + x4 (5, 3, 0, 1) , para x3 , x4 R.
Esto significa que un vector (x1 , x2 , x3 , x4 ) S definido por () es combinacin lineal de (2, 1, 1, 0),
y de (5, 3, 0, 1) (x1 , x2 , x3 , x4 ) gen{(2, 1, 1, 0) , (5, 3, 0, 1)}.
Tambin relacionado con generadores se tiene el siguiente resultado:
Proposicin 2: Sea S un subespacio, entonces:
< v1 , v2 , . . . vr > est contenido en S v1 S, v2 S, . . . vr S.
En particular < v1 , v2 , . . . vr >=< w1 , w2 , . . . ws > si cada vi es combinacin lineal de w1 , w2 , . . . ws y
cada w j es combinacin lineal de v1 , v2 , . . . vr .

Independencia lineal
Un subconjunto de vectores {v1 , v2 , . . . vr } de un espacio vectorial V es linealmente independiente si
el subespacio que genera no se puede generar con un subconjunto ms chico. En ese caso, ninguno de
los vectores es combinacin lineal de los otros. Lo que es equivalente a la siguiente
Definicin: Un conjunto {v1 , v2 , . . . vr } de un espacio vectorial V es linealmente independiente si la
nica combinacin lineal que da el vector nulo ~0 es con todos los escalares nulos.
Es decir, ~0 = a1 .v1 + a2 .v2 + . . . ar .vr , entonces a1 = a2 = = ar = 0.
~0

z }| {
Ejemplo: {(0, 1); (1, 1)} es l.i. (linealmente independiente) en R2 pues si (0, 0) = a1 (0, 1)+a2 (1, 1) =
(a2 , a1 + a2 ), se obtiene un sistema que al resolverlo, da como solucin a2 = 0 y a1 = 0.
Pero en cambio {(0, 1); (1, 1); (2, 3)} no es l.i. en R2 pues (0, 0) = a1 (0, 1) + a2 (1, 1) + a3 (2, 3) =
(a2 + 2a3 , a1 + a2 + 3 a3 ) tiene infinitas soluciones, por ejemplo una solucin no trivial es a1 = 2, a2 = 1
y a3 = 1. Es decir (0, 0) = 1.(0, 1) + 2.(1, 1) + (1)(2, 3) y permite despejar cualquiera que tenga un
escalar no nulo como combinacin de los otros, por ejemplo (1, 1) = 1/2.(0, 1)+ 1/2.(2, 3) y por ende,
por la Proposicin 2 anterior deducimos que < (0, 1); (1, 1); (2, 3) >=< (0, 1); (2, 3) >.
Proposicin 3:
Hacer operaciones elementales sobre un conjunto de vectores de un espacio vectorial V no cambia el
subespacio generado.
Es decir < v , w >=< w , v >=< a.v , w >=< v , w + b.v > para todos v, w V, a, b R, a 6= 0.
Demostracin:
Es claro que < v , w >=< w , v > por la conmutatividad de la suma.
< v, w >=< a.v, w > pues a.v = a.v + 0.w < v, w >, w = 0.v + 1.w < v, w > y recprocamente
v = 1/a.(a.v) + 0.w < a.v, w >, w = 0.a.v + 1.w < a.v, w >.
< v , w >=< v , w + b.v > pues lo nico que amerita observarse es que w < v , w + b.v >, ya que
w = b.v + 1.(w + b.v).
3

Que por la Proposicin 2 anterior prueba lo que queramos.

Proposicin 4: Las filas de una matriz escalonada por filas son linealmente independientes.
Ejemplo:

1 2 3 1

0 2 0 1 es escalonada por filas entonces tiene filas {(1, 2, 3, 1), (0, 2, 0, 1), (0, 0, 0, 3)}
0 0 0 3
linealmente independientes.
En efecto, si (0, 0, 0, 0) = x1 .(1, 2, 3, 1) + x2 .(0, 2, 0, 1) + x3 .(0, 0, 0, 3). Entonces

1 0 0
0
x1
2 2 0
0

. x2 =
0
3 0 0
x3
1 1 3
0
tiene solucin nica x1 = x2 = x3 = 0 .

Bases y dimensin
Dado un subespacio S una base de S es un subconjunto B = {v1 , v2 , . . . vr } que genera S y es linealmente independiente.
Proposicin 5: Dos bases del mismo subespacio tienen el mismo nmero de elementos.
Definicin: Se llama dimensin de un subespacio S al nmero de elementos de una base de S y se lo
denota con dim(S).
Ejemplos:
1. dim(Rn ) = n, E = {(1, 0, . . . 0), (0, 1, 0 . . . 0), . . . (0, . . . 0, 1)} es una base llamada base cannica de
Rn .
En efecto, es l.i. pues son filas de una matriz escalonada y adems genera Rn pues
(x1 , x2 , . . . xn ) = x1 (1, 0, . . . 0) + x2 (0, 1, 0 . . . 0) + . . . xn (0, . . . 0, 1).
(

x1 + x2 + x3 + 2x4 = 0
. Resolviendo el sistema resulta que sus soluciones
x3 3x4 = 0
son (x1 , x2 , x3 , x4 ) = (a 5b, a, 3b, b) = a.(1, 1, 0, 0) + b.(5, 0, 3, 1) < (1, 1, 0, 0), (5, 0, 3, 1) >.
Como los generadores de S son l.i., entonces una base de S es BS = {(1, 1, 0, 0), (5, 0, 3, 1)} y
dim(S) = 2.
2. Sea S :

3. Algoritmo para hallar una base de un subespacio generado: Poner todos los vectores generadores en fila y triangular. Como las filas se obtienen de hacer operaciones elementales sobre los generadores
no cambia el subespacio generado (por la Proposicin 3) y como adems al finalizar, las filas no nulas
son filas de una matriz escalonada entonces son l.i. Por lo tanto resultan base del subespacio.
Ejemplo: Sea T =< (1, 2, 3, 1), (1, 2, 0, 1), (2, 4, 3, 0) >

1 2 3 1
1 2 3 1
1 2 3 1

1 2 0 1 0 0 3 2 0 0 3 2
2 4 3 0
0 0 3 2
0 0 0
0
Luego T =< (1, 2, 3, 1), (1, 2, 0, 1), (2, 4, 3, 0) >=< (1, 2, 3, 1), (0, 0, 3, 2) >, y resulta que
{(1, 2, 3, 1), (0, 0, 3, 2)} es base de T y por lo tanto dim(T ) = 2.
Proposicin 6: Sean S y T subespacios tales que S T y dim(S) = dim(T ). Entonces S = T .
4

En consecuencia, en el ejemplo anterior tambin tenemos que T =< (1, 2, 3, 1), (1, 2, 0, 1) >. Pues
los vectores (1, 2, 3, 1) y (1, 2, 0, 1) son linealmente independientes y estn en T , entonces generan un
subespacio de T de dimensin 2. Como dim(T ) = 2 se deduce T =< (1, 2, 3, 1), (1, 2, 0, 1) >.
Teorema 1: Sea {v1 , v2 , . . . vr } un conjunto linealmente independiente de V.
Entonces existe B = {v1 , v2 , . . . vr , vr+1 , . . . vn } una base de V que contiene al conjunto linealmente
independiente.
Operaciones con subespacios
Sean S y T subespacios de un espacio vectorial V. Entonces:
1. Interseccin: S T = {v V/ v S, v T }. S T siempre resulta ser un subespacio de S, de T
y de V. Observar que para S, T subespacios de V siempre vale que 0 S T por lo que nunca puede
resultar que S T sea vaco.
2. Suma: S + T = {v V/v = s + t, para s S, t T }. S + T resulta ser el menor subespacio de V
tal que S S + T y T S + T simultneamente.
La manera ms fcil de definir la interseccin es si tenemos ambos dados por ecuaciones. La interseccin ser el que satisface las ecuaciones de ambos.
Ejemplo:
Sean
(
n
x1 + x2 + x3 + 2x4 = 0
,
T : x1 + 2x2 + 2x3 + 2x4 = 0
S:
x3 3x4 = 0

x1 + x2 + x3 + 2x4 = 0
Entonces S T :
x3 3x4 = 0

x1 + 2x2 + 2x3 + 2x4 = 0

La manera ms fcil de definir la suma de subespacios es si tenemos ambos dados por generadores.
La suma de estos subespacios ser el subespacio generado por los generadores de ambos.
Ejemplo: Sean T =< (1, 2, 3, 1), (1, 2, 0, 1) > y S =< (0, 2, 3, 1), (0, 2, 0, 1) >. Entonces
T + S =< (1, 2, 3, 1), (1, 2, 0, 1), (0, 2, 3, 1), (0, 2, 0, 1) > .
Adems podemos ver que (1, 2, 3, 1)(1, 2, 0, 1) = (0, 2, 3, 1)(0, 2, 0, 1) = (0, 0, 3, 2) S T .
Luego S =< (0, 2, 3, 1), (0, 0, 3, 2) >, T =< (1, 2, 3, 1), (0, 0, 3, 2) > y
T + S =< (1, 2, 3, 1), (0, 0, 3, 2), (0, 2, 3, 1) > .
que son l.i. y por lo tanto base de T + S. Adems < (0, 0, 3, 2) >= S T .
En general vale el siguiente teorema (que se puede verificar en el ejemplo anterior):
Teorema: Sean S y T subespacios de un espacio vectorial V. Entonces
dim(S + T ) = dim(S) + dim(T ) dim(S T ).
Demostracin: Sea BST = {u1 , u2 . . . ur }. Por el teorema 1 se puede extender tanto a una base de
S como a una de T . Sean BS = {u1 , u2 . . . ur , v1 , v2 . . . vs } y BT = {u1 , u2 . . . ur , w1 , w2 . . . wt }. Puede verse
que el conjunto
B = {u1 , u2 . . . ur , v1 , v2 . . . vs , w1 , w2 . . . wt }
que claramente genera a S + T y es linealmente independiente. Contando los elementos se deduce el
teorema.
5

Observacin: El proceso descripto en la demostracin del teorema anterior para armar la base de
S + T es una forma de hallar una base de esta suma que contenga bases de ambos subespacios S y T .
Definicin: Sean S y T subespacios de un espacio vectorial V. Decimos que estn en suma directa
si S T = {~0}. En tal caso dim(S + T ) = dim(S) + dim(T ) y una base de la suma es la unin de una base
de S con otra de T . Denotaremos la suma directa de S y T mediante S T .
Algoritmo para encontrar ecuaciones de un subespacio dado por generadores:
Sea T =< (1, 2, 3, 1), (1, 2, 0, 1) >.
El vector (x1 , x2 , x3 , x4 ) T si y solo si (x1 , x2 , x3 , x4 ) = (1, 2, 3, 1) + (1, 2, 0, 1) para , R.

1 1
x1
!
2 2
x

2
Esto ltimo a su vez es equivalente a conseguir que el sistema
=
.

3 0
x3

1 1
x4
resulte compatible.
Triangulando la matriz ampliada de ese sistema se obtiene:

1
2
3
1

1
2
0
1

|
|
|
|

x1
x2
x3
x4

1
0
3
1

1
0
0
1

|
x1
| x2 2x1
|
x3
|
x4

1 1 |
x1
0 3 | x3 3x1
0 2 | x1 + x4
0 0 | 2x1 + x2

1 1 |
x1
0 3 |

x3 3x1

.
0 0 | 3x1 + 2x3 + 3x4
0 0 |
2x1 + x2
Por
( lo tanto el sistema original ser compatible si y slo si se satisface el siguiente sistema de ecuacio3x1
+ 2x3 + 3x4 = 0
. Por lo tanto las soluciones (x1 , x2 , x3 , x4 ) de este ltimo
nes:
2x1 + x2
=0
sistema son todos los elementos del subespacio T .
Ms adelante, al estudiar complemento ortogonal a un subespacio, veremos otro mtodo que permite
pasar de vectores generadores a ecuaciones homogneas (ver el ejemplo que est al final de la seccin
de Complemento ortogonal de un subespacio).
Coordenadas en otras bases: Sea B = {v1 , v2 , . . . vn } una base de V. Entonces, para todo v V
existe un nico vector (a1 , a2 , . . . an ) Rn tal que v = a1 v1 + a2 v2 + . . . an vn . Llamamos coordenadas de
v en base B al vector [v]B = (a1 , a2 , . . . an ).
En efecto, la existencia se debe a que la base genera el espacio. Supongamos que v = a1 v1 +
a2 v+ . . . an vn = b1 v1 + b2 v2 + . . . bn vn . Entonces restando resulta 0 = (a1 b1 )v1 + (a2 b2 )v2 + . . . (an
bn )vn y, por la independencia lineal de B = {v1 , v2 , . . . vn }, sigue que los escalares a1 b1 = a2 b2 =
= an bn = 0 y, por ende, (a1 , a2 , . . . an ) = (b1 , b2 , . . . bn ).
Ejemplo: Sea T =< (1, 2, 3, 1), (1, 2, 0, 1) >, como es l.i., BT = {(1, 2, 3, 1), (1, 2, 0, 1)} es base
de T . Verificar que (2, 4, 3, 0) T y hallar [(2, 4, 3, 0)]BT .
Ver que (2, 4, 3, 0) T es ver que existen x1 y x2 tales que (2, 4, 3, 0) = x1 (1, 2, 3, 1) + x2 (1, 2, 0, 1).
Es decir que el sistema
6

1 1
2
!
2 2

x1

4
= es compatible, la independencia lineal de las columnas dir que es

.
3 0
3
x2
1 1
0
determinado y su solucin seran las coordenadas buscadas. En efecto (x1 , x2 ) = (1, 1) es la nica solucin
y, por ende [(2, 4, 3, 0)]BT = (1, 1).
Complemento ortogonal de un subespacio: Sea S un subespacio de V. Llamamos complemento
ortogonal (o subespacio ortogonal) del subespacio S al subespacio de los vectores perpendiculares a los
vectores de S: S = {v V : v s = 0, para todo s S}.
Propiedades de S :
1. v V es perpendicular a los generadores de S v S .
2. S S = V (por lo tanto debe valer que dim(S ) = dim(V) dim(S) y que S S = {~0}).
3. (S ) = S.
4. Cualquier base {v1 , v2 , . . . , vr } de S permite describir a todos los x S como las soluciones x =

v1 x = 0

v x = 0
2
.
(x1 , x2 , . . . , xn ) V de un sistema de ecuaciones lineales homogneo. Es el sistema:

.
.
.
.
.
.
.
.
.

vr x = 0
Esto se puede aplicar si se tiene un subespacio S que est dado a partir de sus generadores y se busca escribirlo como solucin de ecuaciones lineales homogneas (un mtodo alternativo al dado
antes en el algoritmo para encontrar ecuaciones de un subespacio dado por generadores).
Ejemplo: Dado T =< (1, 2, 3, 1), (1, 2, 0, 1) >, obtener un sistema lineal que tenga a T como
solucin.
Para esto podemos calcular T =< (3, 0, 2, 3), (2, 1, 0, 0) > (se puede obtener relativamente
fcil usando que dim(T ) = 4 2 = 2), y luego usando que (T ) = T los vectores (x1 , x2 , x3 , x4 )
perpendiculares
a T (o bien a sus generadores) forman el subespacio
T , es decir:
(
(
(3, 0, 2, 3) (x1 , x2 , x3 , x4 ) = 0
3x1 2x3 3x4 = 0
T:
, o sea T :
(2, 1, 0, 0) (x1 , x2 , x3 , x4 ) = 0
2x1 + x2
= 0
Observar que el proceso descripto en el tem 4. de ms arriba tambin prueba que si en Rn se tienen
r ecuaciones lineales homogneas independientes (es decir que al triangularlas no se anula ninguna), el
subespacio de las soluciones de ese sistema tiene dimensin n r.