1

CUADERNO IV
ESPACIOS VECTORIALES Y APLICACIONES LINEALES
Miguel A. Sainz, Joan Serarols, Anna M. Prez
Dep. de Informtica y Matemtica Aplicada
Universidad de Girona
RESUMEN: Se va a desarrollar la estructura algebraica denominada espacio vectorial,
formada por vectores y escalares, y su correspondiente subestructura denominada subespacio.
Se estudiarn los ms interesantes, que son los de dimensin finita, caracterizndose sus
conjuntos genaradores hasta llegar a una base como conjunto generador mnimo, formada
por vectores linealmente independientes. El teorema de Steinitz permitir definir la
dimensin de un espacio. Se estudiar el concepto de aplicacin lineal, su imagen, ncleo y
rango para acabar con un importante teorema de caracterizacin de las aplicaciones lineales.

IV.1.- ESPACIO VECTORIAL

Vamos a estudiar una estructura algebraica dotada de distintas leyes de composicin, de gran
importancia en la matemtica aplicada. Sea (K,+,) un cuerpo y V un conjunto no vaco. Con el
fin de distinguir a los elementos de K les llamaremos escalares y los designaremos
preferentemente mediante letras minsculas griegas o latinas: a,b,..,x,.., , ,... y a los
elementos de V les llamaremos vectores y los designaremos mediante letras latinas minsculas
en negrita: x,y,z,... Suponemos en V las siguientes leyes de composicin:
a) Una l.c.i. en V, que llamaremos suma y designaremos por el mismo smbolo ,+, que la
primera l.c.i. del cuerpo K
+ : VV
V
(x,y)
x+y
b) Una l.c. externa en V con dominio de operadores K que llamaremos producto externo,
y lo designaremos con el mismo smbolo , omitido con frecuencia, que la segunda l.c.i del
cuerpo K
: KV
V
(,x)
x
El designar operaciones distintas con los mismos smbolos no tiene que dar lugar a
ambigedades, habiendo tenido la precaucin previa de distinguir escalares y vectores; as +
y se refieren a las leyes de composicin interna del cuerpo K, y x+y x se refieren a las
leyes de composicin de V.
Diremos que V es espacio vectorial sobre K, abreviadamente V e.v.s. K, si las dos leyes
de composicin verifican las siguientes propiedades:

2
1) (V,+) es un grupo abeliano, lo que significa
1a) La ley + es asociativa en V
1b) La ley + es conmutativa en V
1c) Existe el vector neutro en V : 0
1d) Para todo vector de xV existe su opuesto x : x+(x) = 0
2) ( x,yV ) ( K) ( (x+y) = x+ y)
3) ( xV) ( , K) (( + )x = x+ x)
4) (xV) ( , K) ( ( x) = ( )x)
5) (xV) (1x = x)
En esta definicin hemos designado mediante 0 el vector neutro para la suma, para
distinguirlo del escalar neutro de la suma 0 y del escalar unidad para el producto 1. El vector
opuesto lo hemos designado por x, notacin habitual para una operacin aditiva.
Las condiciones 2) y 3) de la definicin son una especie de propiedad distributiva del
producto externo respecto a la suma de vectores y suma de escalares, y vistas las igualdades de
derecha a izquierda, constituyen el modo de sacar un vector o un escalar factor comn
respectivamente. La condicin 4) es una especie de propiedad asociativa entre el producto
externo de V y el producto interno de K. La condicin 5) puede interpretarse como que el
elemento unidad para el producto interno de K es tambin unidad para el producto externo de V.
Veamos como ejemplos algunos tipos importantes de espacios vectoriales.
Ejemplo IV.1.1
Sea un cuerpo (K,+,); el conjunto K n, formado por las nplas de elementos de K,
con las leyes de composicin
Suma : (a 1,a 2 ,...,a n)+(b 1,b 2,...,b n) = (a 1+b1,a 2 +b 2 ,...,a n+bn)
Producto externo : (a 1,a 2 ,...,a n) = (a 1,a 2 ,..., a n )
El conjunto K n es espacio vectorial sobre K. En efecto, es fcil comprobar las
propiedades anteriores, por ejemplo
1b) x,y Kn sern x = (a 1 ,...,a n ) , y = (b 1 ,...,b n )
(a 1 ,...,a n )+(b 1 ,...,b n ) = (b 1 ,...,b n )+(a 1 ,...,a n)
ya que
(a 1 +b 1 ,...,a n+bn) = (b1+a 1 ,...,b n +a n)
por la conmutatividad de la suma en K.
1c) Si 0 es el elemento neutro de + en K, entonces el vector (0,...,0) es el neutro de +
en Kn, ya que para cualquier x = (a 1 ,...,a n)Kn ser
(a 1 ,...,a n)+(0,...,0) = (a 1 +0,...,a n+0) = (a 1 ,...,a n)

3
1d) Si a i es el opuesto de ai en K, entonces el vector (a 1 ,...,a n) es el opuesto de
(a 1 ,...,a n) en Kn ya que
(a 1 ,...,a n)+(a 1 ,...,a n) = (a 1+(a 1 ),..a n+(a n )) = (0,0,...,0)
3) (+)(a 1 ,...,a n) = (a 1 ,...,a n)+(a 1 ,...,a n) = ( a 1,..., a n)+( a 1,..., a n) =
= (a1+a1,...,an+an) = ((+)a 1 ,..,( + )a n)
y por distributividad del producto respecto de la suma en K, la propiedad se cumple.
Anlogamente se demuestran las otras condiciones de espacio vectorial.
Casos particulares de este espacio vectorial Kn son los siguientes:
a) Rn es espacio vectorial sobre R, por ser (R,+,) un cuerpo.
b) R2 es espacio vectorial sobre R, es decir, C es espacio vectorial sobre R.
c) Para n = 1 tenemos el espacio vectorial de K sobre K. En este caso los
vectores y escalares se confunden; asimismo la suma de vectores y el producto
por un escalar con la suma y producto interno de K. Como casos particulares de
ste tenemos
c1) R es espacio vectorial sobre R.
c2) C es espacio vectorial sobre C.
Los espacios vectoriales anteriores son los ms utilizados en ejercicios y problemas,
formando una categora importante, como ms adelante justificaremos. No obstante, existen
otros tipos de espacios vectoriales, dos de los cuales describimos en los siguientes ejemplos.
Ejemplo IV.1.2
Sea (K,+,) un cuerpo, A un conjunto no vaco y el conjunto de funciones de A en K
F = { funciones f : A

K}

Consideramos en F las siguientes operaciones:

Suma :

f+g : A
x

K
(f+g)(x) = f(x)+g(x)

es decir, la funcin suma es una funcin de A en K tal que la imagen de un xA es la

suma (l.c.i en K) de las imgenes f(x) y g(x) (que son elementos de K)
Producto externo:

f: A
x

K
( f)(x) = f(x)

donde al ser y f (x) elementos de K, f(x) es el producto interno de K. Con estas

dos leyes F es espacio vectorial sobre K. Por ejemplo
1c) La funcin

4
0A : A
x

K
0A(x) = 0

para 0 el neutro de la suma en K, es el vector neutro ya que

(f+0A)(x) = f(x)+0A(x) = f(x)+0 = f(x)
con lo que f+0A = f
4) ((f))(x) = (f)(x) = (f(x)) = ()f(x)
con lo que por la asociatividad de en K, son iguales las funciones

(f) = ()f
Ejemplo IV.1.3
Otro espacio vectorial lo constituye K[x], conjunto de polinomios sobre un cuerpo
(K,+,) con las operaciones
suma : (a 0+a 1 x+...+a nxn)+(b 0+b 1 x+...+b mxm) = (a 0+b0)+(a 1 +b 1 )x+...
producto externo : (a 0+a 1 x+...+a nxn) = (a 0)+(a 1)x+...+( a n )x n
Fcilmente se prueba que (K[x],+) es un grupo abeliano, verificndose adems las
otras condiciones de espacio vectorial; por ejemplo
2) ((a 0+a 1 x+...+a nx n )+(b 0+b 1x+...+bmxm )) =
a nxn

= (a 0+b0)+(a 1 +b 1 )x+...+ bmxm

(a n+bm)xn

si n > m
si n < m
si m = n

(a 0+a 1 x+...+a nx n )+ (b 0+b 1x+...+b m x m ) =

a nxn

= (a0+b0)+(a1+b1)x+...+ bmxm

(a n+bm)xn

si n > m
si n < m
si m = n

que son iguales, por distributividad del producto respecto de la suma en K.

Ejercicios
IV.1 .- Razonar si son espacios vectoriales los siguientes conjuntos:
a) C sobre R.

5
b) F = {funciones reales} sobre R.
c) P5[x] = {polinomios reales de grado 5} sobre R.
IV.2.- En R+ se definen las operaciones
xy = xy

x = x
Averiguar si es espacio vectorial sobre R .
IV.3.- En el conjunto RR se define
(x,y)+(z,u) = (x+z,y+u)

(x,y) = (x,1)
Averiguar si con estas operaciones RR es espacio vectorial sobre R para 1 =
mismo para las operaciones

. Lo

(x,y)+(z,u) = (x+z,y+u)
k(x,y) = (k2x,k2y)

con kR

Como (V,+) es un grupo, existe la operacin inversa y as xy ser un vector que sumado
con y nos da x, y es igual a la suma de x con el opuesto de y
x y = x+(y)
Recordemos que al ser K un cuerpo existe tambin la diferencia de escalares.
De la definicin de espacio vectorial se deducen propiedades que completan las condiciones
de la definicin y que junto con ellas constituyen las reglas de clculo con vectores y escalares.
Las enunciamos en la Tabla IV.1.1
TABLA IV.1.1
___________________________________________________
Propiedades de las l.c. de un espacio vectorial
Para cualesquiera x,yV y ,K se verifica
1) ( )x = x x
2) 0x = 0
3) ( )x = x

(x y) = x y

0 = 0

(x) = x

( )(x) = x

4) x = 0 implica = 0 o x = 0
___________________________________________________

6
Demostraciones:
1) ( )x+ x = ( + )x = x ( )x+ x x = x x
( )x = x x
Anlogamente

(xy)+ y = (xy+y) = (x+0) = x (xy) = x y

2) Particularizando el resultado anterior para = , tenemos
( )x = x x 0x = 0
y haciendo x = y se obtiene

(xx) = x x 0 = 0
3) Si en la propiedad 1) hacemos = 0, tenemos
(0 )x = 0x x ( )x = 0 x ( )x = x
Anlogamente con x = 0,

(0y) = 0 y (y ) = 0 y (y) = y
Combinando ambos resultados
()(x) = ( (x)) = ( x) = x
4) Teniendo en cuenta que
= 0
x = 0
0 -1( x) = -10 ( -1 )x = 0 1x = 0 x = 0
Ejercicios
IV.4 .- Estudiar si el conjunto a+b 5 | a,bQ es o no un espacio vectorial sobre Q para la
suma y producto de nmeros reales.
IV.5 .- Demostrar que E = a+b 2+c 3 | a,bQ es un espacio vectorial sobre Q.

IV.2.- COMBINACIONES LINEALES

Una importancia especial tienen las sumas de vectores multiplicados por escalares; una
expresin del tipo

1 x 1 + 2 x 2 +...+ n x n
se denomina combinacin lineal de los vectores x1,...,xn. As, diremos que un vector x es
combinacin lineal de los vectores x1,...,xn, si existen escalares 1 ,..., n tales que
x = 1 x 1 +...+ n x n
Los escalares 1 ,..., n reciben el nombre de coeficientes de la combinacin lineal.
Ejemplo IV.2.1.
En el espacio vectorial R3 sobre R, como
3(1,4,2)5(6,2,0)=(27,22,6)
diremos que (27,22,6) es combinacin lineal de los vectores (1,4,2), (6,2,0).
Asmismo (27,22,6) es combinacin lineal de (1,4,2), (6,2,0) y (4,2,3) ya que
3(1,4,2)5(6,2,0)+0(4,2,3) = (27,22,6)
Para averiguar si, por ejemplo, (3,2,12) es o no combinacin lineal de (2,1,1),
(1,1,1), (3,3,3) y (3,2,0), habr que resolver la ecuacin en R3
(3,2,12) = 1(2,1,1)+ 2(1,1,1)+ 3(3,3,3)+ 4(3,2,0)
Al hacer operaciones tenemos
(3,2,12) = (2 1+ 23 3+3 4 , 1+ 23 3+2 4 , 1+ 23 3)
e igualando

2 1+ 23 3+3 4 = 3
1+ 23 3+2 4 = 2
1+ 23 3 = 12

que es un sistema lineal de tres ecuaciones en R en las incgnitas 1 , 2 , 3 , 4 ; si

tiene solucin significar que el vector (3,2,12) es combinacin lineal de los otros
cuatro. Resolvindolo por reduccin
2 1+ 23 3+34 = 3

1+ 4 = 5
1+ 23 3+2 4 = 2 2 1+2 4 = 10 1+ 4 = 5
1+ 2 3 3 = 12
4 = 5 1 2 = 12+ 1+3 3
As, dando valores arbitrarios a 1 y 3, obtenemos diferentes soluciones del sistema;
tenemos pues infinitas soluciones luego (3,2,12) es combinacin lineal de los otros
vectores de infinitas maneras, por ser infinito el conjunto de coeficientes que verifican
la ecuacin. Por ejemplo, para 3 = 1 y 1 = 4 obtenemos 4 = 1 y 2 = 5 ,
cumplindose que (3,2,12) = 4(2,1,1) 5(1,1,1)+1(3,3,3)+1(3,2,0)
En general, y para espacios vectoriales tipo K n sobre K, toda ecuacin en K n en la que

8
intervengan nicamente combinaciones lineales de vectores, al hacer operaciones en ambos
miembros e igualar las componentes de los vectores resultantes se llega a un sistema de n
ecuaciones lineales en K. Por esta razn vamos a exponer un procedimento gil de resolucin
de estos sistemas; se denomina mtodo de Gauss-Jordan; su base terica se demostrar
cuando hablemos de la solucin general de un sistema de ecuaciones lineales y ahora se presenta
de un modo totalmente prctico, basndonos simplemente en la posibilidad de permutar dos
ecuaciones, multiplicar una ecuacin por un escalar, sumar a una ecuacin un mltiplo de otra,
que son transformaciones que reducen el sistema a otro con las mismas soluciones.
Supongamos un sistema lineal, es decir, las incgnitas estn multiplicadas por escalares y
sumadas. Por ejemplo, y para fijar ideas, vamos a razonar sobre un sistema lineal de tres
ecuaciones con tres incgnitas x 1 ,x 2 y x3, aunque los resultados son vlidos para sistemas de
cualquier nmero de ecuaciones e incgnitas.
a11 x1+a 12 x2+a 13 x3 = b 1
a21 x1+a 22 x2+a 23 x3 = b 2
a31 x1+a 32 x2+a 33 x3 = b 3
En primer lugar, como dos sistemas lineales de tres ecuaciones con tres incgnitas se
distinguen entre s por sus coeficientes, stos identifican al sistema, y lo pueden representar.
Para ello, los dispondremos en filas y columnas de forma que en cada fila figuren los
coeficientes de cada ecuacin y en cada columna los de cada incgnita; la ltima columna ser la
de los trminos independientes. As el sistema anterior se representar por
a 11
a 21
a 31

a 12
a 22
a 32

a 13
a 23
a 33

b1
b2
b3

Esta disposicin de los coeficientes en filas y columnas se denomina matriz del sistema (el
concepto de matriz tiene un alcance mucho ms amplio y ser introducido ms adelante; por
ahora no es nada ms que una disposicin en filas y columnas de los coeficientes de un sistema
de ecuaciones lineales). Las filas representan las ecuaciones, la ltima columna los trminos
independientes y las restantes columnas las incgnitas, en el orden en el que se hayan escrito.
Supongamos que a11 0; con l reduciremos a 0 los coeficientes no nulos que estn en su
columna sumando a la segunda ecuacin, previamente multiplicada por a11, la primera ecuacin
multiplicada por a21 y a la tercera ecuacin, previamente multiplicada por a11, la primera
ecuacin multiplicada por a31. (Si fuera a11 = 0, hacemos previamente a este proceso un
cambio de ecuaciones para conseguir que este primer coeficiente sea no nulo). La matriz del
sistema resultante ser
a 11
0

a 12
a122

a 13
a123

b1
1
b2

a132

a133

b3

Supongamos que a122 0; con l reduciremos a 0 los coeficientes no nulos que estn en su
columna sumando a la primera ecuacin, previamente multiplicada por a122, la segunda ecuacin
multiplicada por a12 y a la tercera ecuacin, previamente multiplicada por a122, la segunda
ecuacin multiplicada por a 132 . (Si fuera a122 = 0, hacemos previamente a este proceso un
cambio de la segunda ecuacin con la tercera, si a132 0; si tambin a 132 = 0 se salta a la
siguiente columna, realizando estas transformaciones en la columna tercera). La matriz del

9
sistema resultante ser
a 11 0 a 13
0 a122 a123

b1
1
b2

a233

b3

Supongamos que a233 0; con l reduciremos a 0 los coeficientes no nulos que estn en su
columna sumando a la primera ecuacin, previamente multiplicada por a233, la tercera ecuacin
multiplicada por a13 y a la segunda ecuacin, previamente multiplicada por a233, la tercera
ecuacin multiplicada por a 123 . (Si fuera a233 = 0, entonces o b 23 0, en cuyo caso la tercera
ecuacin no tiene solucin y tampoco el sistema, o b 23 = 0 y podemos prescindir de la tercera
ecuacin que se ha convertido en una identidad). La matriz del sistema resultante ser
a 11
0
1
0 a 22
0

0
0

b1
1
b2
2

a233 b3

Dividiendo la primera ecuacin por a 11, la segunda por a 122 y la tercera por a 233, tendremos
1
0
0

0
1
0

0
0
1

c1
c2
c3

y la solucin del sistema que representa, de acuerdo a como se han escrito las incgnitas, es
x1 = c1

x2 = c2

x3 = c3

que es tambin la solucin del sistema inicial.

En resumen el mtodo se basa en utilizar estas transformaciones (tambin puede dividirse una
ecuacin por un nmero en cualquier fase del proceso con el fin de manejar nmeros ms
paqueos) para reducir la matriz del sistema inicial a otra que tenga columnas en las que exista
un 1, en diferentes lugares, acompaado de ceros . Este tipo de columnas determinan las
incgnitas, que podemos considerar principales, que pueden ser despejadas en funcin de los
trminos independientes y quizs tambin de otras incgnitas no principales que se pasan a los
segundos miembros y entran a formar parte de estos trminos independientes.
Ejemplo IV.2.2.
Siguiendo con el Ejemplo IV.2.1 veamos si es posible poner el vector (3,2,12)
como combinacin lineal de los vectores (2,1,1),(1,1,1),(3,3,3) y (3,2,0); esto
significa resolver la ecuacin
(3,2,12) = 1(2,1,1)+ 2(1,1,1)+ 3(3,3,3)+ 4(3,2,0)
Al hacer operaciones tenemos
(3,2,12) = (2 1+ 23 3+3 4 , 1+ 23 3+2 4 , 1+ 23 3)

10

Igualando obtenemos
2 1+ 23 3+3 4 = 3
1+ 23 3+2 4 = 2
1+ 23 3 = 12
que es un sistema lineal de tres ecuaciones en R 3 en las cuatro incgnitas
1 , 2 , 3 , 4. Aplicando el mtodo de Gauss-Jordan
2
1
1

1 3
1 3
1 3

3 3
2 2
0 12

2
0
0

1 3
1 3
3 9

3 3
1 7
3 21

1
0
0

0 0
1 3
0 0

1 5
1 7
0 0

2
0
0

0 0
1 3
0 0

2
1
0

10
7
0

tenemos a 1 y 2 como incgnitas principales y la solucin del sistema es

1 = 5 4 , 2 = 7+3 3 4
de modo que el vector dado resulta ser combinacin lineal de los otros. Obsrvese que
para resolver el problema no es necesario escribir la ecuacin de la combinacin lineal
ni el sistema de ecuaciones en R sino que, directamente, de los datos puede escribirse
la matriz del sistema.
As, el mtodo de Gauss-Jordan no solamente sirve para resolver con rapidez un sistema de
ecuaciones lineales sino que tambin permite plantear de un modo inmediato un problema como
el anterior.
Ejercicios
IV.6.- Estudiar si el vector (1,2,3,5) de R4 es o no combinacin lineal de los vectores de los
los siguientes conjuntos
a) {(2,3,0,5),(0,1,0,4),(1,1,0,2)}
b) {(5,2,8,16),(5,3,17,14),(1,1,11,6)}
c) {(0,1,2,1),(1,2,1,0),(0,2,1,1),(4,6,1,3)}
d) {(0,1,1,1),(1,0,1,1),(2,2,2,1),(0,0,1,1),(0,1,1,0)}
e) {(1,1,3,3),(2,2,6,6),(3,1,3,5),(2,2,4,4),(1,5,3,3),(3,6,9,0)}
IV.7.- En R3 se dan los siguientes conjuntos de vectores:
A = {(1,1,0),(1,0,1),(0,1,1),(0,1,1)}

B = {(3,0,0),(0,4,0),(0,0,2),(0,1,1)}

Probar que cualquier vector de de R3 es combinacin lineal de los vectores de A y B.

11
IV.8.- Hallar y para que el vector ( , , 1, 2) de Q 4 sea combinacin lineal de los
vectores (1,3,5,3) y (4,1,4,7) para 1 = , 2 = , 3 = , 4 = .
IV.9.- Hallar m y n para que los vectores (1,1,0,m),(3,1,n,1) y (3,5,n,4) sean tales que
uno sea combinacin lineal de los otros dos.

IV.3.- SUBESPACIO VECTORIAL

Sea V un espacio vectorial sobre K y W un subconjunto no vaco de V; diremos que W es un
subespacio de V si W es espacio vectorial sobre K, lo cual equivale a que

W subespacio de V si y slo si

1)

2)

3)

4)

5)

6)

W es subgrupo aditivo de V
W es estable para el producto externo
(x,yW) ( K) ( (x+y) = x+ y)
(xW) ( , K) (( + )x = x+ x)
(xW) ( ,K) ( (x) = ( )x)
(xW) (1x = x)

Como las propiedades 3),4),5),6) se verificarn por el mero hecho de ser W un subconjunto
de V, segn la condicin de subgrupo aditivo, tendremos que
W subespacio de V si y slo si

1) (x,yW) (x yW)

2) (xW) ( K) ( xW)

y estas dos condiciones se pueden resumir en la siguiente, a la cual equivalen

W subespacio de V si y slo si (x,yW) ( ,K) ( x+yW)
Esta condicin es verificada por los siguientes conjuntos, que son los subespacios triviales
{0}, ya que

0+ 0 = 0 {0}

V, ya que x+yV por ser V un espacio vectorial.

Si W1 y W2 son subespacios de V, la interseccin W1 W2 es tambin un subespacio ya que
cualesquiera que sean los escalares ,K
(xW1 W2) ((xW1 xW2) x+ yW1) por ser W1 subespacio
(yW1 W2) (( yW1 yW2) x+ yW2) por ser W2 subespacio
por lo que

x+ yW1 W2

12
El concepto de interseccin de dos subespacios se generaliza de una manera natural a n
subespacios W1 ,...,Wn de un mismo espacio vectorial V, verificndose que W1 ... Wn es un
subespacio, como fcilmente se demuestra por induccin. Se verifica que
W1 .. Wi .. Wn Wi
para cualquier i = 1,...,n.
Si W1 y W2 son subespacios de V, el conjunto de vectores
W1 +W2 = {v1 +v2 v1 W1 v2 W2}
es un subespacio, dado que para cualesquiera ,K:
(xW1 +W2 ) (x = v1 +v2)

(yW1 +W2 ) (y = w1 +w2)

luego

x+ y = (v1 +v2 )+ (w1+w2) = ( v1 + w1 )+( v2 + w2)W1+W2

ya que v1 + w1 W1 y v2 + w2 W2. Si W1 y W2 son tales que W1 W2 = {0} (evidentemente
dos subespacios nunca pueden ser disjuntos pues todos contienen el vector 0), el subespacio
suma se denomina suma directa, escribindose
W1 W2
y se dice que W1 y W2 son dos espacios independientes. Un vector del subespacio W1 +W2
ser un vector descomponible en suma de dos vectores uno de W1 y otro de W2 es decir
xW1 +W2 (v1 W1 ) (v2 W2 ) (x = v1 +v2)
pudiendo eventualmente existir otra descomposicin en suma, es decir, puede que los dos
vectores v1 y v2 no sean nicos. Sin embargo se verifica que
xW1 W2 (v1 W1 nico) ( v2 W2 nico) ( x = v1 +v2)
En efecto,
Directo:

Si

x = v1 +v2 con v1 W1 y v2 W2
v1 w1 = w2 v2 = u
x = w1 +w2 con w1 W1 y w2 W2

y si u 0, como u = v1 w1 W1 y u = w2 v2 W2, entonces W1 y W2 tendran

en comn un vector distinto del 0, lo que est en contra de la hiptesis.
Recproco: Si W1 W2 {0}, existe un wV no nulo tal que wW1 W2, pudindose
escribir x = (v1 +w)+(v2 w ) con v1 +wW1 y v2 wW2 y, por ello, la
descomposicin de x como suma no sera nica.
Si W1 y W2 son subespacios de V y se verifica que W1 W2 = V se dice que W1 y W2 son
subespacios suplementarios.

13
El concepto de suma y suma directa de dos subespacios se generaliza de forma natural a n
subespacios W1 ,...,Wn de un mismo espacio V, definindose
W1 +...+Wn = {v1 +...+vn | v1 W1 ... vn Wn }
demostrndose por induccin que es un subespacio. La suma se dir directa si se verifican las n
igualdades
(W1 +...+Wi) Wi+1 = {0} (i = 1,..., n 1)
representndose por W1 ... Wn; por induccin se demuestra que el hecho de ser directa la
suma equivale a que todo vector del subespacio suma se exprese de forma nica como suma de
vectores de W1 ,...,Wn , en cuyo caso se dice que los subespacios son independientes. Se
verifica que
Wi W1 ... Wi ... Wn
para cualquier i = 1,...,n ya que xi = 0+...+xi+...+0 con 0W1 ,...,x i Wi ,...,0 Wn .
Si v1 ,...,vn son vectores cualesquiera de V, el conjunto
B = { 1 v1 +...+ n vn 1 ,..., n K}
es decir, el conjunto de todas las combinaciones lineales de los vectores v1 ,...,vn , es un
subespacio vectorial de V, ya que
(xB) (x = 1v1 +...+ n vn)
(yB) (y = 1 v1 +...+ n vn)
se verifica

x+ y = ( 1 v1 +...+ n vn)+ ( 1v1 +...+ n vn) = ( 1+ 1)v1 +...+( n + n )vnB

Este tipo de subespacios tienen gran importancia y reciben el nombre de subespacios
generados por un conjunto de vectores; se representan mediante el smbolo [v1 ,...,vn], que se
lee como el subespacio generado por los vectores v1 ,..,vn y es
[v1 ,...,vn] = { 1 v1 +...+ n vn 1 ,..., n K}
Adems verifica que est contenido en todos los subespacios vectoriales de V que contienen a
los vectores v1 ,...,vn; en efecto, si llamamos Ai a estos subespacios, tendremos que
(iI) ([v1 ,...,vn] Ai)
con lo que

(kI) ([v1 ,...,vn] = A k )

A i = [v1 ,...,vn]

iI

Ejemplo IV.3.1
En el espacio vectorial R3 sobre R, el subespacio engendrado por los vectores

14

(1,3,4),(5,1,0),(3,1,1),(2,4,0)
es
[(1,3,4),(5,1,0),(3,1,1),(2,4,0)] =
= { 1(1,3,4)+ 2(5,1,0)+ 3(3,1,1)+ 4(2,4,0) 1, 2, 3, 4R} =
= {( 1+5 2+33+2 4 ,3 1 2 3+4 4 ,4 1 3 ) 1 , 2 , 3 , 4 R}
Para averiguar si el vector (2,2,2) pertenece a este subespacio debemos verificar si
existen escalares 1 , 2 , 3 , 4 tales que

1+5 2+3 3+2 4 = 2

3 1 2 3+4 4 = 2
4 1 3 = 2
Resolviendo este sistema por el mtodo de Gauss-Jordan
1 5 3
3 1 1
4 0 1

1
5
3 2 2
1 5 3 2 2
0 16 10 2 4 0 8 5 1 2
0 20 11 8 6
0 20 11 8 6

2 2
4 2
0 2

8 0 1 11 6
24 0 0 22 16
0 8 5 1 2 0 24 0 58 16
0
0 3 11
2
0 0 3 11 2

1
0
0

0
1
0

0 11/12 2/3
0 29/12 2/3
1 11/3 2/3

cuya solucin es

1 = (11 4+8) / 12

2 = (29 4+8) / 12

3 = (11 42) / 3

y dando valores arbitrarios a 4 pueden obtenerse las distintas soluciones del sistema.
Esto quiere decir que (2,2,2) pertenece al subespacio engendrado por los vectores
(1,3, 4),(5, 1,0), (3, 1, 1) y (2,4,0) ya que es posible expresarlo como
combinacin lineal de ellos, adems de distintas maneras. Podemos observar que a
partir de los datos es posible plantear directamente la matriz del sistema escribiendo
todos los vectores del subespacio en columna, y el vector a considerar como
combinacin lineal de los del espacio, en la ltima columna
1 5 3
3 1 1
4 0 1

2 2
4
2
0 2

Ejercicios
IV.10.- De los siguientes subconjuntos averiguar cules son subespacios
a) A = {(x1,x2,x3)R 3 | 2x1x2 = 0 , 2x1x3 = 0}

15
b) B = {(x1,x2,x3)R 3 | 2x1x2 = 1 , 2x1x3 = 0}
c) C = {(x1,x2,x13x2,1)R 4 | x1,x2R}
IV.11.- Averiguar si la unin de dos subespacios vectoriales es otro subespacio vectorial.
Demostrarlo mediante un contraejemplo con subespacios de R3 sobre R.
IV.12.- Averiguar si
F = {P(x)R[x] gr(P(x)) = 2 2P''(0)+P '(1)+P(2) = 0}
es un subespacio vectorial de R[x].
IV.13.- Averiguar si son subespacios los siguientes subconjuntos del espacio vectorial F de las
funciones reales de variable real
a) A = {fF f(x2) = (f(x))2}
b) B = {fF f(0) = f(2)}
c) C = {fF f(2) = 3+f(1)}
IV.14.- Probar que
P = {fF (xR) (f(x) = f(x))}

I = {fF (xR) (f(x) = f(x))}

son subespacios vectoriales del espacio vectorial F de las aplicaciones de R en R y que

F = P+I.
IV.15.- Qu condicin deben verificar las coordenadas de un vector de R4 para que pertenezca
a los subespacios A = [(1,1,0,1),(3,0,2,3),(1,2,1,2)] y B = [(0,2,0,1),(1,0,2,1)
(3,1,1,1),(4,3,3,1),(3,4,6,1)].

IV.4.- BASE Y DIMENSION DE UN ESPACIO VECTORIAL

Los espacios vectoriales para los que existe un conjunto generador finito de vectores se
denominan espacios de dimensin finita. No todos los espacios son de dimensin finita, es
decir, no todos tienen un conjunto generador finito de vectores, de forma que todo vector pueda
expresarse como combinacin lineal de ellos.
Ejemplo IV.4.1
a) Los espacios vectoriales Kn sobre un cuerpo K, son de dimensin finita, ya que el
conjunto de vectores
{(1,0,...,0),(0,1,...,0),...,(0,0,...,1)}
es generador de Kn, pues cualquiera que sea (a 1,a 2 ,...,a n) Kn tenemos que
(a 1,a 2 ,...,a n) = a 1 (1,0,...,0)+a 2 (0,1,...,0)+...+a n (0,0,...,1)

16

b) El espacio vectorial K[x] de los polinomios sobre un cuerpo K no es de dimensin

finita pues no existe un conjunto finito de polinomios {P1,...,Pn} generador de K[x],
ya que un polinomio Q cuyo grado sea tal que
gr(Q) > max(gr(P1),...,gr(Pn))
no es expresable como combinacin lineal de P1,...,Pn. Sin embargo el conjunto
Kn[x] = {Polinomios sobre K de grado n}
es un subespacio de K[x], como se demuestra fcilmente, de dimensin finita, ya que
{1+0x+...+0xn , 0+1x+...+0xn ,...,0+0x+...+1xn}
es un conjunto generador Kn[x] al verificar
a0+a 1 x+...+a n xn = a 0 (1+0x+...+0xn)+a 1 (0+1x+...+0xn )+...+a n (0+0x+...+1xn)
c) El espacio vectorial sobre R
W = {funciones f : R

R}

tampoco es de dimensin finita, ya que ningn conjunto finito de funciones {f 1 ,...,f n }

pueden generar W; por ejemplo, la funcion f1...fn no es combinacin lineal de ellas.
Las propiedades ms importantes de los espacios vectoriales de dimensin finita, se
enuncian en la Tabla siguiente:
TABLA IV.4.1
____________________________________________________________________
Propiedades de los espacios vectoriales de dimensin finita

1) Si (p1,...,pn) es una permutacin de (1,...,n), entonces [x1 ,...,x n] = [xp 1 ,...,x pn]
2) 0 implica [x 1 ,...,x i,...,x n ] = [x 1 ,..., x i,...,x n ]
3) x 1 ,...,x i ,...,x j ,...,x n = x 1 ,...,x i + x j ,...,x j ,...,x n
4) xi combinacin lineal de los dems vectores equivale a
[x 1 ,...,x i-1 ,x i ,x i+1 ,...,x n ] = [x 1 ,...,x i-1 ,x i+1 ,...,x n ]
____________________________________________________________________
Demostraciones:

17

Estas propiedades establecen en que condiciones un espacio vectorial generado permanece

invariante al manipular los vectores generadores. Un espacio de dimensin finita, permanece
invariante cuando en su conjunto generador
1) se reordenan vectores, ya que
x[x 1 ,...,x n ]

( 1 ,..., nK) (x = 1 x 1 +...+ nx n)

x = p1xp 1+...+ p nxp n x[ xp 1 ,...,x pn]

2) se multiplica un vector generador por un escalar no nulo
x[x 1 ,...,x i,...,x n ]

( 1 ,..., i ,..., n K) (x = 1 x 1 +...+ ix i+...+ nx n)

x = 1x1+...+( i/ ) x i+...+ n x n

x [x 1 ,..., x i,...,x n ]

3) se suma a un vector generador xi, un mltiplo de otro vector generador xj, pues
x [x 1 ,...,x i ,...,x j ,...,x n ]

x = 1 x 1 +...+ ix i+...+ j x j ...+ nx n

x = 1 x 1 +...+ i(x i+ x j)+...+( j i)x j+...+ nx n

x [x 1 ,...,x i+ x j,...,x j ...,x n ]
4) se aade o se quita un vector combinacin lineal de los dems generadores; en efecto, si
x i = 1 x 1 +...+ i-1 x i-1 + i+1 x i+1 +...+ n x n
entonces
x[x 1 ,...,x i-1 ,x i,x i+1 ,...,x n ] x = 1 x 1 +..+ i-1x i-1+ ix i+ i+1 x i+1 +..+ nx n
x = 1 x 1 +..+ i-1x i-1+ i( 1 x 1 +..+ i-1 x i-1 + i+1 x i+1 +..+ n x n )+ i+1 x i+1 +..+ n x n
x = ( 1+ i 1 )x 1 +..+( i-1+ i i-1)x i-1+( i+1+ i i+1 )x i+1 +..+( n+ i n)x n

x [x 1 ,...,x i-1 ,x i+1 ,...,x n ]

Recprocamente, si [x 1,...,x i-1,x i+1 ,...,x n] = [x 1 ,...,x i-1 ,x i,x i+1 ,...,x n ], entonces x i debe
ser combinacin lineal de los dems ya que si as no fuera, xi sera un vector del segundo
subespacio que no estara en el primero.
Esta ltima propiedad 4) sugiere la posibilidad de encontrar un subconjunto minimal
generador de un espacio. Para un cierto espacio de dimensin finita
[x 1 ,...,x n ]
si en el conjunto generador {x1,...,xn} existe algn vector combinacin lineal de los dems,
puede ser suprimido sin variar el espacio generado y este proceso puede ser continuado hasta
que no exista ningn vector en el conjunto generador combinacin lineal de los dems, ya que
su supresin cambiara el espacio. Un conjunto generador minimal de un espacio vectorial de
dimensin finita se denomina base del espacio.
Su obtencin y propiedades, dependen del importante concepto de independencia lineal. Un

18
conjunto de vectores {x1,...,xn} se dice que es linealmente independiente (l.i.) si y slo si
la ecuacin

1 x 1 +...+ n x n = 0
tiene por nica solucin 1 = ... = n = 0. En caso contrario diremos que el conjunto de
vectores {x 1,...,x n} es linealmente dependiente (l.d.) lo que, de acuerdo con la definicin
anterior, significa que existen escalares no todos nulos 1,..., nK tales que

1 x 1 +...+ n x n = 0
Ejemplo IV.4.2
a) En el espacio vectorial R3, el conjunto de vectores {(1,1,1),(0,2,3),(1,4,4)} es
l.i., pues resolviendo la ecuacin

1(1,1,1)+ 2(0,2,3)+ 3(1,4,4) = (0,0,0)

por el mtodo de Gauss-Jordan
1
1
1

0
2
3

1
4
4

0
0
0

1
0
0

0
2
3

1
3
5

1
0
0

0
2
0

0
0
1

0
0
0
0
0
0

1
0
0
1
0
0

0
2
0
0
1
0

1
3
1
0
0
1

0
0
0
0
0
0

da como soluciones 1 = 2 = 3 = 0.
b) El subconjunto {3,2+3x,57x2,6x+x2}, del conjunto R2[x] de los polinomios de
coeficientes reales de grado menor o igual que 2, es l.d.

1(3)+ 2(2+3x)+ 3(57x2)+ 4(6x+x2) = 0+0x+0x2

(3 1+2 2+5 3+6 4)+(3 2 4)x+(7 3+ 4)x2 = 0+0x+0x2

3 1+2 2+5 3+6 4 = 0

3 2 4 = 0
7 3+ 4 = 0

que resuelto por el mtodo de Gauss-Jordan

3
0
0

2 5 6
3 0 1
0 7 1

0
0
0

9
0
0

0 15 20
3 0 1
0 7 1

0
63
0 0
0
0

0 0 155 0
3 0 1 0
0 7 1 0

da la solucin 1 = 155 4/63, 2 = 4/3, 3 = 4/7 existiendo infinitas soluciones

19
que se obtienen dando valores arbitrarios a 4 .
Resumimos en la Tabla IV.4.2 las principales propiedades que caracterizan la independencia
lineal de un conjunto de vectores.
TABLA IV.4.2
__________________________________________________________________
Propiedades de la independencia lineal
1) {0} es l.d.
2) x 0 implica {x} es l.i.
3) {x1,x2} l.d. equivale a que existe algn escalar 0 tal que
x2 = x1 o x1 = x2
4) {0,x 1,...,x n} es l.d. para cualesquiera x 1,...,x n
5) x i = x j

implica {x 1 ,..,x i,..,x j,..,x n } l.d.

6) {x1,...,xn} l.i. implica (i j) (xi xj)

7) {x1,..,xn} l.d. equivale a que algn xi es combinacin lineal de los dems
8) {x 1 ,...,x n } l.d. implica (xV) ({x 1 ,...,x n ,x} l.d.)
9) {x 1,...,x n} l.i
x no es combinacin lineal de x1,...,xn

implican {x 1,...,x n,x} l.i.

implican {x i,...,x j} l.i.

{x i,...,x j} {x 1 ,...,x n }
__________________________________________________________________
10) {x 1 ,...,x n } l.i.

Demostraciones:
1) {0} l.d. pues cualquier K es solucin de la ecuacin 0 = 0.
2) Si x 0, entonces {x} es l.i. pues la ecuacin x = 0 tiene como nica solucin = 0.
3) Segn la definicin de dependencia lineal
{x1,x2} l.d. 1x1+2x2 = 0 con algn i no nulo x 1 =

2
1

x2 o x2 =

1
2

x1

20
y diremos que x 1 y x 2 son vectores proporcionales.
4) Para cualesquiera que sean los vectores x 1,...,x n, el conjunto {0,x 1,...,x n} es l.d. ya
que la ecuacin 0+ 1 x 1 +...+ n x n = 0 tiene por solucin 1 = ... = n = 0 y
cualquier escalar de K.
5) Si en un conjunto hay dos vectores iguales x i = x j el conjunto es l.d. ya que puede
escribirse
0x 1 +...+1x j+...1x j+...+0x n = 0
con lo que existen escalares no todos nulos soluciones de ecuacin.
6) Es la contrarrecproca de la anterior.
7) Esta propiedad caracteriza a los conjuntos de vectores linealmente dependientes y .
Directo :

{x 1 ,...,x n } l.d. 1 x 1 +...+ nxn = 0 con algn i 0

ix i = 1 x 1 ... i-1x i-1 i+1 x i+1 ... nx n = 0

xi = 1 x1 ... i-1 xi-1 i+1 xi+1 ... n xn

i
i
i
i
y xi resulta ser combinacin lineal de los dems.

Recproco: Si xi es combinacin lineal, entonces

x i = 1 x 1 +...+ i1 x i+1 + i+1 x i+1 +...+ nx n
1 x 1 +...+ i1 x i1 +(1)x i+ i+1 x i+1 +...+ n x n = 0
luego {x1.,...,xi,...,xn} es l.d. al existir al menos un coeficiente no nulo.
Las propiedades 8), 9) y 10) expresan que ocurre respecto de la independencia lineal cuando
se ampla o se reduce un conjunto de vectores.
8) {x 1,...,x n} l.d. existe x i = 1 x 1 +...+ i1 x i1 + i+1 x i+1 +...+ nx n
xi = 1 x 1 +...+ i1 x i1 + i+1 x i+1 +...+ n x n +0 x {x 1 ,...,x n ,x} l.d.
9) Expresa que si a un conjunto l.i. se le aade otro vector, el conjunto resultante ser l.d. si
el vector aadido es combinacin lineal de los otros, segn 4), o l.i. si el vector aadido no
es combinacin lineal. En efecto, si {x 1 ,..,x n ,x} fuera l.d. tendramos que un vector x i
sera combinacin lineal de los dems
x i = 1 x 1 +...+ i1 x i1 + i+1 x i+1 +...+ n x n + x
con lo que
a) Si = 0, entonces {x1,...,xn} no sera l.i.
b) Si 0 tendramos que

21

x= 1 xi 1 x1 ... i-1 xi-1 i+1 xi+1 ... n xn

lo que va contra la hiptesis.

10) Cualquier subconjunto de un conjunto l.i. continua sindolo, pues si {xi,...,xj} fuera
l.d., tendramos
x p = ix i+...+ p1 x p1 + p+1 x p+1 +...+ jxj

para algn

i pj

y aadiendo sumandos del tipo 0x 1 ,...,0x n , en el conjunto {x1 ,...,x p ,...,x n } el vector x p
sera combinacin lineal de los dems y no sera l.i..Sin embargo, queda sin resolver que
caracter tiene un subconjunto de un conjunto l.d., ya que depende de los vectores que
contenga, como se ver en el siguiente ejemplo.
Ejemplo IV.4.3
En R3 el conjunto {(1,1,2),(3,0,2),(0,1,4),(7,2,2)} es l.d. ya que la ecuacin

1(1,1,2)+ 2(3,0,2)+ 3(0,1,4)+ 4(7,2,2) = (0,0,0)

resolviendo por el mtodo de Gauss-Jordan
1
1
2

3
0
2

0 7
1 2
4 2

0
0
0

1 3
0 3
0 4

0 7
1 9
4 12

16 0 0 32
0 48 0 144
0 0 16
0

0
0
0
0
0
0

1
0
0
1
0
0

0 1 2
3 1 9
0 16 0
0
1
0

0 2
0 3
1 0

0
0
0
0
0
0

tiene por solucin 1 = 2 4 , 2 = 3 4 , 3 = 0 y 4 arbitrario. Uno de los

vectores, el (1,1,2), o el (3,0,2), o el (7,2,2), es combinacin lineal de los
otros. Sin embargo, no lo es el (0,1,4) ya que en la ecuacin anterior 3 = 0 y no
puede ser despejado este vector. Adems del proceso de resolucin anterior se deduce
que el conjunto {(1,1,2),(3,0,2),(0,1,4)}, es decir, los vectores correspondientes a
las columnas que despus de las transformaciones tiene un 1 y todos los dems
elementos 0, es l.i. ya que la solucin de la ecuacin de la independencia lineal que
forman estos tres vectores se obtiene mediante los clculos anteriores excluyendo la
columna de coeficientes de 4 y la solucin es entonces 1 = 2 = 3 = 0. Sin
embargo, es l.d. el subconjunto {(1,1,2),(3,0,2),(7,2,2)}.
Ejemplo IV.4.4
El conjunto de m vectores del espacio vectorial Kn
{(0,...,0,b 1r ,...,b 1n ),(0,...,0,b 2s ,...,b 2n ),...,(0,...,0,b mv ,...,b mn ) }

22
con r < s < ...< v, b1r 0, b2s 0 ,..., bmn 0 es l.i.. En efecto, la ecuacin de la
independencia lineal para estos vectores es

1 (0,..,0,b 1r ,..,b 1n )+ 2 (0,..,0,b 2s ,..,b 2n )+..+ m (0,..,0,b mv ,..,b mn ) = (0,..,0,0,..,0)

que para resolver bastar con hacer operaciones e igualar las correspondientes
componentes, llegando al sistema

1b1r = 0
........
1b1s1 = 0
1b 1s+ 2b2s = 0
.............
.................
1b 1v+ 2 b 2v +...+ m bmv= 0
....................
1b 1n+ 2 b 2n +...+ mbmn= 0

1 = 2 = ... = m = 0

Ejercicios
IV.16.-Estudiar si los siguientes conjuntos de vectores de R4 son l.i. o l.d.
a) {(5,2,8,16),(5,3,17,14),(1,1,11,6)}
b) {(0,1, 1 ,1),(1, 2 ,1,0),(0, 3 ,1,1),(4,6,1, 4 )} para 1 =
, 4 =

, 2 =

, 3 =

c) {(0,1,1,1),(1,0,1,1),(2,2,2,1),(0,0,1,1),(0,1,1,0)}
IV.17.- Si E es e.v.s. R y {x 1,x 2,...,x n} l.i., demostrar que {x 1 , x 1 +x 2 ,..., x 1 +x 2 +...+x n }
es tambin l.i.
IV.18.- Si V es un e.v.s. K y {x 1,x 2,...,x n} es un conjunto de vectores l.i., demostrar que
tambin lo es {a 1 x 1 ,a 2 x 2 ,...,a n x n }, con a i 0.
IV.19.- En el espacio vectorial de las funciones reales de variable real, demostrar que
f1(x) = e2x

f2(x) = x2

f3(x) = x

forman un conjunto l.i.

La independencia lineal caracteriza a la base de un espacio vectorial, que ya hemos definido
como un conjunto generador minimal del espacio, del modo expresado en el siguiente teorema:
"Un conjunto de vectores constituyen una base de un espacio vectorial V de dimensin
finita si y slo si es un conjunto generador linealmente independiente".
Demostracin:
Directo: Si los vectores e1 ,...,en forman base de V, constituyen un conjunto generador

23
minimal y por tanto l.i., pues si {e1 ,...,en} fuera l.d., algn ei sera combinacin
de los otros y por la propiedad 4 de la Tabla IV.2.1
V = [e1 ,...,ei ,...,en] = [e1 ,...,ei1 ,ei+ 1 ,...,en]
lo que va contra la hiptesis de que {e1 ,...,en} es conjunto generador minimal.
Recproco : Si {e1 ,...,ei ,...,en} es un conjunto generador de V linealmente independiente, es
un conjunto generador minimal, pues si no lo fuera habra un subconjunto suyo
generador de V, quiz el {e1 ,...,ei1 ,ei+ 1 ,...,en}, en cuyo caso todo vector de V,
en particular ei, sera combinacin lineal de los stos por lo que el conjunto
{e1 ,...,ei ,...,en} no sera l.i., en contra de la hiptesis.
Otra forma de caracterizar las bases viene expresada en el siguiente teorema:
" Un conjunto de vectores es una base de un espacio vectorial V de dimensin finita si y
slo si es un conjunto linealmente independiente maximal".
Demostracin:
Directo :

Si los vectores e1 ,...,en forman una base de V, segn el teorema anterior el

conjunto {e1 ,...,en } es l.i. y generador de V, por lo que si x es un vector de
cualquiera de V, es combinacin lineal de e1 ,...,en; entonces {e1 ,...,en ,x} es
l.d. y lo mismo ocurrir con cualquier otro subconjunto de vectores que
contenga estrictamente al {e1 ,...,e n } .

Recproco : Si {e1 ,...,en} es un conjunto maximal l.i., es tambin un conjunto generador de

V, pues para cualquier vector xV, como {e1 ,...,en ,x} es l.d., uno de los
vectores es combinacin lineal de los otros
ei = 1 e1 +...+ i-1 ei-1+ i+1 ei+1 +...+ n en + x
con 0 (ya que si fuera = 0, entonces sera ei una combinacin lineal de
e1 ,...,ei-1 ,ei+ 1 ,...,en y {e 1 ,...,ei ,...,en} no sera l.i.) por lo que
x=

e ... i-1 e i-1+ 1 e i i+1 ei+1 ... n e n

1

y x es combinacin lineal de ellos; por tanto, segn el teorema anterior, al ser

{e1 ,...,e i ,...,en} un conjunto l.i. y generador, es base de V.
Segn estas caracterizaciones antes obtenidas, (e1 ,...,en) base de V equivale a
a) {e1 ,...,en} es un conjunto generador minimal de V
b) {e1 ,...,en} es un conjunto generador l.i. de V
c) {e1 ,...,en} es un conjunto maximal l.i. de V
Como los vectores e1 ,...,en de una base forman un conjunto generador, se verifica que
(xV) ( 1 , 2 ,..., nK) (x = 1 e1 +...+ n en)

24
y al ser un conjunto l.i., estos escalares 1 ,..., n son nicos, para cada vector, ya que si fuera
x = 1 e1 +...+ n en

x = 1 e1 +...+ n en

1 1 = 0
( 1 1)e1 +...+( n n)en = 0 . . . . . . .
nn = 0

1 = 1
. . . . .
n = n

Estos escalares, nicos para cada vector respecto una base dada, se denominan componentes
del vector respecto de la base de forma que, fijada una base de V, todo vector viene
determinado de forma nica por sus componentes respecto de ella.
Ejemplo IV.4.5
En el espacio vectorial de R3 sabemos que, segn un ejemplo anterior, los vectores
(1,0,0),(0,1,0),(0,0,1) son generadores de R3 y como son l.i., constituyen una base
de este espacio. Las componentes del vector (4,3,2) respecto de ella son
(4,3,2) = 1(1,0,0)+ 2(0,1,0)+ 3(0,0,1) 1 = 4, 2 = 3, 3 = 2
que coinciden con los elementos que forman la terna que es el vector; por ello, esta
base se denomina base cannica. Los vectores (0,0,1),(1,0,0),(0,1,0), en este
orden, forman base de R3 y las componentes del vector (4,3,2) sern:
(4,3,2) = 1(0,0,1)+ 2(1,0,0)+ 3(0,1,0) 1 = 2, 2 = 4, 3 = 3
distintas de las anteriores, por lo que debemos considerar como distintas ambas bases,
aunque estn formadas por los mismos vectores.
Para los espacios vectoriales del tipo Kn sobre K, para K un cuerpo cualquiera, los vectores
(1,0,...,0),(0,1,...,0),...,(0,0,...,1), en este orden, constituyen la base cannica de K n ,
pues las componentes respecto ella de un vector (a 1,a 2 ,...,a n)K n son
(a 1,a 2 ,...,a n) = a 1 (1,0,...,0)+a 2 (0,1,...,0)+...+a n (0,0,...,1)
que coinciden con los elementos de K que forman la npla que es el vector.
Si los vectores e1 ,...,en forman una base de V, los vectores e i 1 ,...,e i n , para (i1 ,i2 ,...,in ) una
permutacin de (1,2,...,n), forman tambin base de V, pues siguen para generadores, por la
propiedad 1) de los espacios vectoriales de dimensin finita (Tabla IV.4.1) y l.i. (se comprueba
de forma inmediata), pero ambas bases son distintas por ser distintas las componentes de un
vector cualquiera. Por esta razn una base de un espacio V es una npla ordenada de vectores
generadores de V y linealmente independientes.
Si (e1 ,e2 ,..,en) es una base cualquiera de V, se cumple que
e1 = 1e1+0e2 +...+0en
e2 = 0e1+1e2 +...+0en
.............
en = 0e1+0e2 +...+1en

25
de lo que se deduce que sus componentes, respecto de la base que ellos contituyen, son
para e1 : 1,0,... y 0
para e2 : 0,1,... y 0
.............
para en : 0,0,... y 1
En un espacio de dimensin finita V conocer una base de V equivale a conocer el espacio
vectorial, en el sentido de que mediante una base pueden representarse todos los vectores del
espacio V, y como esta representacin es nica respecto a esta base, tendremos que cada vector
es identificable con los elementos del cuerpo que son sus componentes.
Ejercicios
IV.20.- De los siguientes subconjuntos, decir cuales son subespacios. En caso de que lo sean,
dar una base
a) A = {(x,x,x) | xR} R 3
b) B = {(x,y,xy) | x,yR} R 3
c) C = {(x,2xy,x2y) | x,yR} R 3
d) D = {(x,y,1) | x,yR} R 3
e) E = {(x3y,x,y,y) | x,yR} R 4
IV.21.- a) Probar que si a, b, c, y d forman base de R4, tambin forman base los vectores
a, a+b, a+b+c, a+b+c+d
b) Sea el vector de componentes (1,0,1,0) respecto de la primera base. Hallar sus
componentes en la segunda base.
IV.22.- Sean los vectores de R3
a = (2,0,1)

b = (1,2,2)

c = (1,2,1)

d = (1,0,1)

e = (0,1,1)

a) Hallar una base del subespacio A = [a,b,c] y averiguar si (5,4,3)A. Hallar

asmismo bases para los subespacios B = [d,e] y A B.
IV.23.- Dados los vectores de R3, a 1 = (1,2,1), a 2 = (3,1,2), b 1 = (3,0,1), b 2 = (2,1,1),
a) Averiguar si (a 1 ,a 2 ) y (b1,b2) forman bases de subespacios de R 3 y expresar el
vector (1,1,1), si es posible, en funcin de dichas bases.
b) Hallar la interseccin de estos subespacios y una base de dicha interseccin.
IV.24.-Hallar una base de cada uno de los siguientes subespacios:
a) A = [(4,2,1),(1, 1,3)] [(1,0, 2),(2,1, 3),(4, 4,3)]

26
para 1 =

, 2 =

, 3 =

, 4 =

1x1+x2x3+x4 = 0
b) B = soluciones del sistema:
para 1 =

, 2 =

, 3 =

x1+ 2x2+x3 = 0
3x1x2+ 4x3+x4 = 0
, 4 = .

IV.25.- En R3 sean los subespacios

A = [(1,0,1),(2,1,1),(4,1,3)]

B = [(1,1,1),(1,1,0),(2,0,1)]

Hallar una base del subespacio A B.

IV.26- Hallar una base del subespacio A = [(4,5,7),(3,3,4),(1,1,2),(2,1,1)] y para B =
[(1,2,3),(3,0,1)]. Comparar A y B.
IV.27.- En el espacio vectorial R4 se consideran los vectores
v1 = (1,4,1,2)

v2 = (5,2,a,2)

v3 = (5,13,4,2)

v4 = (13,3,2,b)

a) Determinar a y b para que formen una base de R4.

b) Determinar a y b para que el subespacio vectorial engendrado por los dos primeros
vectores coincida con el generado por los dos ltimos.
IV.28.- Sea (e1 ,e2 ,e3) una base de un subespacio vectorial E sobre R. Tres vectores de este
espacio son
u1 = 2e1+5e2 e3

u2 = e1 e2+5e3

u3 = 3e1+ e2 e3

Es (u1,u2,u3) otra base de E?. En caso afirmativo si v = 3e1+2e2 e3 expresar v en la

base (u 1,u 2,u 3).
IV.29.- Sea E un espacio vectorial real de dimensin 3 y B = {e1 ,e2 ,e3 }, B' = {u 1,u 2,u 3} dos
bases de E tales que
u1 = 2e1+3e2 e3

u2 = e2 e3

u3 = 2e1 +e2+2e3

Dado v = 3e1 e2+4e3, hallar sus componentes respecto de la base B'.

IV.30.-Encontrar una base de los siguientes subespacios:
a) A = {(x1,x2,x3)R 3 x1 = x2}
b) B = [cos2x,sen2x,cos(2x)]
c) C = [1+x+3x2,6+5x+2x2,8+4x+8x2]
d) D = [(1,1,0),(0, 1,2),(1,1, 2),( 3,1,0),( 4,0,1)]

3 =
e) A D

, 4 =

para 1 =

, 2 =

27
IV.31.- Sean x1,x2,x3 tres nmeros reales distintos y los polinomios
P 1(x) = (xx2)(xx3) , P 2(x) = (xx1)(xx3) , P 3(x) = (xx1)(xx2)
a) Demostrar que (P 1 (x),P 2 (x),P 3 (x)) es una base del espacio vectorial de los
polinomios de grado igual o menor que 2.
b) Expresar en funcin de esta base el polinomio P(x) de grado menor o igual que tres,
que verifica
P(x1) = a

P(x2) = b

IV.32.- En E = {f f : R

P(x3) = c

con a,b,cR.

R}, que es un e.v.s.R,

a) Demostrar que F = {f(x) = ae x+bx+c a,b,cR} es un subespacio vectorial de E.

Hallar una base de F.
b) Hallar una base de G = {fF f(0) = 0}
IV.33.- Hallar una base del subespacio generado por las funciones de R en R
{f 1 ,f 2 ,f 3 ,f 4 ,f 5 ,f 6 } siendo
f1 : R
x
f4 : R
x

R
1

f2 : R
x

R
sen(x+1)

f5 : R
x

R
senx
R
cos2x

f3 : R
x
f6 : R
x

R
cosx
R
sin2x

y encontrar las componentes de fi respecto de la base hallada.

Una base espacio vectorial de dimensin finita no es nica, como hemos comentado
anteriormente; adems veamos como a partir de ella pueden construirse otras, segn asegura el
denominado Teorema de Steinitz:
" Si la npla (e1 ,...,en) es una base de V y {b1,...,bm} un conjunto l.i. de vectores de V,
se verifica que m n y que m vectores de entre los e1 ,...,en pueden ser sustitudos por
los vectores b1,...,bm de manera que la npla resultante sigue siendo una base de V ".
En efecto, si (e1 ,...,en) es base de V, entonces b1 = 1 e1 +...+ n en, con algn i 0 (pues si
no tendramos b 1 = 0 y {b 1 ,...,b m } no sera l.i.). Vamos a ver que b 1 puede sustituir a
cualquier ei tal que su coeficiente en la igualdad anterior sea distinto de cero, de forma que la n
pla resultante es una base de V; en efecto, supongamos, para fijar ideas, que 1 0 y vamos a
probar que (b1,e2 ,..,en) es base de V
1) {b 1 ,e2 ,...,en } es l.i.pues

1 b 1 + 2 e2 +...+ n en = 0 1( 1 e1+ 2 e2 +...+ n en)+ 2e2 +...+ n en = 0

1 1 e1+( 2+ 1 2 )e2 +...+( n + 1 n )en = 0

28
1 1 = 0

2+ 1 2 = 0

. . . . . . . . .

n+ 1 n = 0

1 = 0

2 = 0

. . . .

n = 0

2) {b1 ,e2 ,...,en } genera V pues para cualquier vector xV, como {e1 ,e2 ,...,en}
genera V es
x = 1e1+ 2e2 +...+ n en
De b 1 = 1 e1+ 2 e2 +...+ n en,como hemos supuesto 1 0, podemos despejar e1 y
sustituirlo en la igualdad anterior para obtener

x = 1 1 b1 2 e 2 ... n e n + 2 e 2 +...+ n e n
1
1
1
es decir
x=

1


b1 + 2 1 2 e 2 +...+ n 1 n e n
1
1
1

que expresa a x como combinacin lineal de b1,e2,..,en.

Aplicamos el mismo razonamiento a la nueva base: como (b 1 ,e2 ,..,en ) es base de V ,
entonces b2 = 1b 1+ 2e2+ 3e3 +...+ n en , con algn i 0 para i = 2,...,n (ya que en
caso contrario tendramos b2 = 1 b 1 y {b 1 ,b 2 ,...,b m } no sera l.i.). Entonces b2 puede
sustituir a cualquier ei tal que su coeficiente i sea distinto de cero, de manera que la npla
resultante es una base de V; en efecto, supongamos, para fijar ideas, que 2 0 y vamos a
probar que (b1,b2,e3 ,...,en ) es base de V
1) {b 1 ,b 2 ,e3 ,...,en} es l.i.pues

1b 1+ 2b 2+ 3e3 +...+ n en = 0
1b1+2(1b1+2e2+ 3e3 +...+ n en)+ 3e3 +...+ n en = 0
(1+21) b1+22e2+( 3+ 2 3) e3 +...+( n + 2 n ) en = 0

1+ 2 1 = 0

2 2 = 0

3+ 2 3 = 0
. . . . . . . . .
n+ 2 n = 0

1 = 0

2 = 0

3 = 0
. . . . .
n = 0

2) El conjunto {b 1 ,b 2 ,e3 ,...,en} genera V pues para cualquier vector xV, como
{b 1 ,e2 ,e3 ,...,en} genera V es
x = 1b 1+ 2e2+ 3e3 +...+ n en
De b 2 = 1 b 1 + 2 e2 + 3 e 3 +...+ n en , al suponer 2 0, podemos despejar e2 y

29
sustituirlo en la igualdad anterior para obtener
x = 1b 1+ 2

1
2

b 1+

b2

3
2

e 3 ...

n
2

e n + 3 e 3 +...+ n e n

es decir
x = 1

2 1
2

b 1+

2
2

b 2+ 3

2 3
2

e 3 +...+ n

2 n
2

en

que expresa a x como combinacin lineal de b1,b2,e3 ,..,en .

Reiterando el razonamiento hasta llegar al vector bm, tendremos que m n, pues si fuera al
revs, m > n, llegara un momento que todos los vectores e1 ,...,en habran sido sustitudos
por n vectores de entre los b1,...,bm para la npla resultante, (b1,...,b n), una base de V por
lo que bn+1 sera combinacin lineal de ellos y {b1,...,bm} no sera l.i.. As, al final de este
proceso de sustituciones sucesivas, llegamos a una base de V en la cual m de los n vectores
e1 ,...,en han sido sustitudos por b 1 ,...,b m . La npla resultante es una base de V, como
queramos demostrar.
Ejercicios
IV.34.-Averiguar si existe en el espacio R 4 una base que contenga a los vectores ( 1,3,
1, 2),(1,0, 3,2) y (0,1,0, 4), para 1 = , 2 = , 3 = , 4 = .
IV.35.- Comprobar que el conjunto de vectores A = {(x,y,z,t)R 4 x = y3z z = 2t } es
un subespacio de R4. Hallar una base y completarla a una base de R4.
IV.36.- En el espacio vectorial R3 sobre R sea el conjunto
U = {(x,y,z)R 3 x+y+z = 0 }
a) Demostrar que U es subespacio de R3.
b) Demostrar que ((1,0,1),(0,1,1)) es una base de U.
c) Completar esta base para obtener una base de R3.
Consecuencias del importante teorema de Steinitz son los resultados que vemos a continuacin.
Corolario 1
"Todas las bases de un mismo espacio, tienen el mismo nmero de vectores".
Demostracin:
Si (e1 ,...,en) y (u1,...,um) son bases del espacio vectorial V, entonces

30
(e1 ,...,en) base de V {e1,...,en} l.i.
nm
(u 1,...,u m ) base de V

(u1,...,um) base de V {u1 ,...,u m } l.i.

mn
(e1 ,...,en) base de V

m=n

Este nmero comn de vectores que tienen todas las bases de un espacio vectorial V de
dimensin finita, se denomina dimensin de V. El subespacio {0} no tiene dimensin, en
sentido estricto, pues carece de base, ya que {0} es l.d.; sin embargo, definimos que
dim({0}) = 0
Corolario 2
" Si dim(V) = n y m > n, entonces cualesquiera que sean los vectores v1 ,...,vm V el
conjunto {v1 ,...,vm} es l.d."
Demostracin:
Como dim(V) = n, existe una base de V formada por n vectores; segn el Teorema de
Steinitz, si {v1 ,...,vm} fuera un conjunto l.i., entonces m n, lo que est contra la hiptesis.
Corolario 3
" Si dim(V) = n y {v1 ,...,vn} es l.i., entonces (v1 ,...,vn) es una base de V ".
Demostracin:
Como dim(V) = n, existe una base de V , (e1 ,...,en ), formada por n vectores. Como
{v1 ,...,v n } es l.i., segn el Teorema de Steinitz, los n vectores de la base pueden ser
sustitudos por los n vectores l.i. y el resultado sigue para una base.
Corolario 4
"Si dim(V) = n y {v1 ,...,vn} es un conjunto generador de V, entonces (v1 ,...,vn) es una
base de V ".
Demostracin:
{v1 ,...,vn} es tambin l.i., ya que si no lo fuera existira un vector vi combinacin lineal de
los dems y, segn las propiedades de los subespacios generados por un conjunto finito de
vectores (Tabla IV.2.1), tendramos
V = [v1 ,...,vi-1 ,vi ,vi+ 1 ,...,vn] = [v1 ,...,vi-1 ,vi+ 1 ,..,vn]
con lo que sera dim(V) < n, contra lo supuesto.

31

Corolario 5
" Si (e1 ,...,en) es una base de V y w1 ,...,wn son vectores de V obtenidos sucesivamente
a partir de los e1 ,...,en, permutndolos, multiplicndolos por escalares no nulos o
sumando a un vector un mltiplo de otro, entonces (w1 ,...,wn) es una base de V ".
Demostracin:
Basta tener en cuenta que, segn las propiedades vistas de los espacios generados por un
conjunto finito de vectores, estas transformaciones no varan el subespacio generado, luego
V = [w1 ,...,wn]
y aplicando el corolario anterior, al ser dim(E ) = n, es (w1 ,...,wn) una base de V.
Corolario 6
" Si V es un espacio de dimensin finita, y W es subespacio de V, entonces W es tambin
de dimensin finita y
dim(W) dim(V)
y si dim(W) = dim(V) , entonces W = V "
Demostracin:
Como dim(V) = n, existe una base de V, (e1 ,...,en), formada por n vectores. Si W no fuera
de dimensin finita, entonces habra vectores de W, que tambin lo seran de V, que no
seran combinacin lineal de ningn conjunto finito de vectores, con lo que V tampoco sera
de dimensin finita. Si (u 1 ,...,u m ) es una base de W, entonces {u 1 ,...,u m } es l.i.; en
consecuencia m n, es decir, dim(W) dim(V). Si dim(W) = dim(V), entonces una base
cualquiera de W, al estar formada por n vectores l.i., sera tambin base para V, por lo que
todo vector de V sera tambin un vector de W, es decir, ambos espacios seran iguales.
Corolario 7
" Si V es un espacio vectorial de dimensin finita y W1 y W2 son subespacios de V,
dim(W1 W2) min(dim(W1),dim(W2))
Demostracin:
Basta aplicar el corolario 6, teniendo en cuenta que W1 W2 es subespacio de W1 y W2 .
Corolario 8
" Si V es un espacio vectorial de dimensin finita y W1 y W2 son subespacios de V,

32
dim(W1 +W2) = dim(W1)+dim(W2) dim(W1 W2))
Demostracin:
Sean
(u1,...,ur) una base de W1
(v1 ,...,vs) una base de W2
(e1 ,...,em) una base de W1 W2
Como W1 W2 est contenido en W1 y W2 y {e1 ,...,em } es l.i., podemos sustituir estos
vectores en las bases de W1 y W2 de forma que la rpla y spla resultantes son bases
(e1 ,...,em ,u i(m+1),...,u i(r)) es base de W1

(e1 ,...,em ,vi(m +1) ,...,vi(s)) es base de W2

En esta situacin, vamos a demostrar que

(e1 ,...,em ,u i(m+1) ,...,u i(r) ,vi(m +1) ,...,vi(s)) es base de W1 +W2
de donde se deduce inmediatamente
dim(W1 +W2) = m+(rm)+(sm) = r+sm = dim(W1)+dim(W2)dim(W1 W2)
En efecto, se verifica
a) El conjunto {e1 ,...,em ,u i(m+1) ,...,u i(r) ,vi(m +1) ,...,vi(s)} genera W1 +W2 ya que para
cualquier vector x de W1 +W2 ser
x 1 W1 x1 combinacin lineal de la base de W1
x = x1+x2 con
x 2 W2 x2 combinacin lineal de la base de W2
por lo que x es combinacin lineal de
e1 ,...,em ,u i(m+1) ,...,u i(r) ,vi(m +1) ,...,vi(s)
b) {e1 ,...,em ,u i(m+1) ,...,u i(r) ,vi(m +1) ,...,vi(s)} es l.i. pues partiendo de la ecuacin de
la independencia lineal
( 1 e1 +...+ m em )+( m+1u i(m+1)+...+ r u i(r))+( m+1vi(m+1) +...+ s vi(s)) = 0
se obtiene

m+1 vi(m+1) +...+ s vi(s) = 1 e1 ... m em m+1u i(m+1)... r u i(r)W 1

por lo que m+1vi(m+1) +...+ s vi(s)W 1W 2, es decir

m+1vi(m+1) +...+ s vi(s) = 1 e1 +...+ m em m+1vi(m+1) +...+ s vi(s) 1 e1 ... m em = 0

Como {e1 ,...,em ,vi(m +1) ,...,vi(s)} es l.i. sern m+1 =...= s = 0, que sustituidos en la
ecuacin de la independencia lineal hacen que

33

1 e1 +...+ m em + m+1u i(m+1)+...+ r u i(r) = 0

Como {e1 ,...,em ,u i(m+1),...,u i(r)} es l.i., son 1 =...= m = m+1 =...= r = 0.
Corolario 9
" Si la suma es directa, entonces dim(W1 W2) = dim(W1)+dim(W2 )".
Demostracin:
Basta aplicar el teorema anterior teniendo en cuenta que si la suma es directa, entonces
dim(W1 W2) = dim({0}) = 0
Este resultado se generaliza por induccin para la suma directa de ms de dos subespacios, de
modo que dim(W1 ... Wn) = dim(W1)+...+dim(Wn ).
Corolario 10
" Si (e 11 ,...,e 1n 1 ) es base del subespacio W 1 ,...,(e m 1 ,...,e mn m ) es base del subespacio
Wm, entonces (e 11 ,...,e 1n 1 ,...,e m 1 ,...,e m n m ) es base de W 1...W m ".
Demostracin:
En efecto, los vectores forman un conjunto l.i. ya que si

11 e 11 +...+ 1n 1e 1n 1+...+ m1 e m1 +...+ mn m e mn m = 0

haciendo

11 e 11 +...+ 1n 1e 1n 1 = e 1 W 1
...................
m1 e m1 +...+ mn m e mn m = e m W m
es e 1+...+e m = 0; como la suma es directa, e 1 = 0,..., em = 0, por la independencia lineal de
los vectores de las bases de cada Wi

11 =...= 1n 1 =...= m1 =...= mn m = 0

Adems {e 11 ,...,e 1n 1 ,...,e m 1 ,...,e m n m } es un conjunto generador de W 1...W m pues para
cualquier xW 1...W m existen x 1W 1,..., x m W m tales que x = x 1+...+x m y
x 1 = x 11 e 11 +...+x 1n 1e 1n 1
................
x m = x m1 e m1 +...+x mn m e mn m

34
luego x = x 11 e 11 +...+x 1n 1e 1n 1+...+x m1 e m1 +...+x mn m e mn m .
Ejercicios
IV.37.- Hallar la dimensin de los espacios vectoriales C sobre R y C sobre C.
IV.38.-Sean los vectores a = ( 1 ,0, 2 ) b = (1,1,3 ) y c = ( 4 ,1,1) y sea E el espacio
vectorial engendrado por estos tres vectores para 1 = , 2 = , 3 = , 4 =
a) Hallar dimensin y una base de E y las componentes de (5,3,2) respecto de esta
base.
b) Hallar la dimensin y una base del subespacio E [(1,0,1),(0,1,1)].
IV.39.- Hallar m y n para que los vectores (1,1,0,m),(3,1,n,1) y (3,5,n,4) generen un
subespacio de R4 de dimensin menor que tres.
IV.40.- Determinar, segn los valores de los parmetros, dimensin y base de los subespacios
generados por los siguientes conjuntos de vectores:
a) A = {(r,1,1),(1,r,1),(1,1,r)}
b) B = {(0,r,s),(r,0,t),(s,t,0)}
c) C = {(a,a,a,a),(a,b,b,b),(a,b,c,c),(a,b,c,d)}
con r,s,a,b,c,dR.
IV.41.- Sean los subespacios de R5
U = [(1,3,2,2,3),(1,4,3,4,2),(2,3,1,2,9)]
W = [(1,3,0,2,1),(1,5,6,6,3),(2,5,3,2,1)]
Hallar base y dimensin de los subespacios U , W, U W y U+W.
IV.42.- Sea el espacio vectorial V sobre R con una base B = (u1,u2,u3) y los subespacios
E = [a,b,c]

F = [d,e,f]

con
a = u1+3u3

b = 2u13u2+u3

c = 4u13u2+7u3

d = u1+u2+u3

e = 2u1+3u2+4u3

f = 3u1+4u2+5u3

Hallar bases y dimensin de E , F, E F y E+F.

IV.43.- En el espacio vectorial R2n se consideran los subespacios vectoriales
V = {(x 1 ,x 2 ,...,x 2n )R 2n x n+i = x i (i = 1,2,...,n)}
U = {(y 1 ,y 2 ,...,y 2n )R 2n y 2n+1i = y i (i = 1,2,...,n)}

35
En el caso n = 2, se pide hallar la dimensin y una base de V , U , V U y V+U.
IV.44.- Sea (x 1 ,x 2 ,x 3 ) una base de E e.v.s K y los subespacios E 1 = [x1 ,x 2 +x 3 ], E 2 =
[x2,x1+x3] y E3 = [x3,x1+x2]. Hallar una base de E1 E2 E3 y su dimensin.

IV.5.- APLICACIONES LINEALES.

Sean U y V dos espacios vectoriales sobre un mismo cuerpo K y f una aplicacin
f: U
x

V
f(x)

Diremos que f es una aplicacin lineal entre U y V, si conserva las operaciones interna y
externa, de ambos espacios, es decir
1) (x,yU) (f(x+y) = f(x)+f(y))
2) (xU) ( K) (f(x) = f(x))
Ambas condiciones claramente equivalen a la siguiente:
(x,yU) ( , K) (f( x+ y) = f(x)+ f(y))
ya que
1)

2)

f( x+ y) = f( x)+f( y) = f(x)+ f(y)

y recprocamente, si en esta segunda condicin hacemos

= = 1 se verifica f(x+y) = f(x)+f(y)

= 0 se verifica f(x) = f(x)
Cuando V = U la aplicacin lineal recibe el nombre de endomorfismo. Un subespacio A
de U es un subespacio invariante por un endomorfismo f de U si A es estable por f, es
decir si para cualquier vector xA es f(x)A. Por ejemplo U es obviamente invariante por
cualquier endomorfismo definido sobre l.
Ejemplo IV.5.1.
La aplicacin f de R3 en R2 definida por f(x,y,z) = (xy,2z3y) es lineal pues
f( (x 1 ,x 2 ,x 3 )+ (y 1 ,y 2 ,y 3 )) = f( x 1 + y 1 , x 2 + y 2 , x 3 + y 3 ) =
= ((x1+y1)(x2+y2),2(x3+y3)3(x2+y2))
que coincide con

36

f(x 1 ,x 2 ,x 3 )+ f(y 1 ,y 2 ,y 3 ) = (x 1 x 2 ,2x 3 3x 2 )+ (y 1 y 2 ,2y 3 3y 2 ) =

= ((x1x2)+ (y1y2),(2x33x2)+(2y33y2))
La aplicacin
f : R2
(x,y)

R3
(xy,3xy,y+2)

no es lineal pues son distintos

f( (x 1,x 2)+ (y 1,y 2)) = f( x 1+ y 1, x 2+ y 2) =
= ((x1+y1)(x2+y2),3(x1+y1)(x2+y2),(x2+y2)+2)

f(x 1 ,x 2 )+ f(y 1 ,y 2 ) = (x 1 x 2 ,3x 1 x 2 ,x 2 +2)+ (y 1 y 2 ,3y 1 y 2 ,y 2 +2) =

= ((x1x2)+(y1y2),(3x1x2)+(3y1y2),(x2+2)+(y2+2))
Las propiedades ms principales de las aplicaciones lineales estn en la siguiente Tabla
IV.5.1.
TABLA IV.5.1.
______________________________________________________________________
Propiedades de las aplicaciones lineales
1) f(0U) = 0V
2) f(x) = f(x)
3) S subespacio de U implica f(S) subespacio de V
4) W subespacio de V implica f -1(W) subespacio de U, si no es vaco
5) f( 1 u 1 +...+ n u n ) = 1 f(u 1 )+...+ n f(u n )
6) f([u 1 ,...,u n ]) = [f(u 1 ),...,f(u n )]
7) {u 1,...,u n} l.d. implica {f(u 1),...,f(u n)} l.d.
8) f biyectiva y {z1,...,zm } l.i. implican {f -1(z1),...,f -1(zm )} l.i.
9) Si f y g son aplicaciones lineales, entonces fg, f y fog son lineales, cuando
puedan definirse
______________________________________________________________________
Demostraciones:
1) Ya que para cualquier vector xU es
f(x) = f(x+0U) = f(x)+f(0U) f(0U) = 0V

37

De esta propiedad se obtiene que el subespacio {0 U } es invariante por cualquier

endomorfismo sobre U.
2) Ya que para cualquier vector xU es
0V = f(0U ) = f(xx) = f(x+(x)) = f(x)+f(x) f(x) = f(x)
3) Como
(zf(S)) (xS) (f(x) = z)

(tf(S)) (yS) (f(y) = t)

para cualesquiera ,K, por ser S subespacio de U, ser

z+ t = f(x)+ f(y) = f( x+ y)f(S)

4) Como
(xf -1(W)) (zW) (z = f(x))

(yf -1(W)) (tW) (t = f(y))

para cualesquiera ,K ser

f( x+ y) = f(x)+ f(y) = z+ tW x+ yf -1(W)
por ser W subespacio de V.
5) La definicin de aplicacin lineal expresa que la imagen de una combinacin lineal de dos
vectores es combinacin lineal de las imgenes con los mismos coeficientes; en este sentido
esta propiedad viene a generalizar la definicin de aplicacin lineal en el sentido de que una
aplicacin lineal va a conservar las combinaciones lineales. Por induccin sobre el conjunto
S = {zN f( 1u 1+...+ zu z) = 1 f(u 1)+...+ z f(u z)}
que verifica
1S pues f(1u1) = 1 f(u1)
zS f( 1u 1+...+ zu z) = 1 f(u 1)+...+ z f(u z)
f( 1u 1+...+ zu z)+ z+1 f(u z+1) = ( 1 f(u 1)+... z f(u z))+ z+1 f(u z+1)
f( 1u 1+...+ zu z+ z+1u z+1) = 1 f(u 1)+...+ z f(u z)+ z+1 f(u z+1)

z+1S

luego S = N.
6) La propiedad 3) expresa que la imagen de un subespacio es otro subespacio y la 6) precisa
esta idea: la imagen de un subespacio de dimensin finita engendrado por unos vectores, es
el subespacio de dimensin finita engendrado por los vectores imagen. En efecto,
zf([u 1 ,...,u n ]) (x[u 1 ,...,u n ]) (z = f(x))
y al ser x = 1u1+...+nun tendremos

38
z = f( 1 u 1 +...+ n u n ) = 1 f(u 1 )+...+ n f(u n ) z[f(u 1 ),...,f(u n )]
Recprocamente
z[f(u 1 ),...,f(u n )] z = 1 f(u 1 )+...+ n f(u n ) = f( 1 u 1 +...+ n u n ) zf([u 1 ...u n ])
7) {u 1,...,u n} l.d. existe un u i = 1u 1+...+ i-1u i-1+ i+1u i+1+...+ nu n
f(u i) = 1 f(u 1)+...+ i-1 f(u i-1)+ i+1 f(u i+1)+...+ n f(u n)
{f(u 1 ),.., f(u i),.., f(u n )} l.d.
8) Por reduccin al absurdo, y segn la propiedad anterior
{f -1 (z 1 ),..., f -1 (z m )} l.d. {f(f -1 (z 1 )),..., f(f -1 (z m ))} l.d. {z 1 ,...,z m } l.d.
lo que va contra la hiptesis.
V es lineal, entonces f : U
f(x)
x

9) Si f : U
x

V
es lineal, pues
( f)(x) = f(x)

( f)( x+ y) = f( x+ y) = ( f(x)+ f(y)) = f(x)+ f(y)

( f)(x)+ ( f)(y) = ( f(x))+ ( f(y)) = f(x)+ f(y)

que son iguales, por conmutatividad de K.
Si

f: U
x
f+g : U
x

V
f(x)

g: U
x

V
(f+g)(x) = f(x)+g(x)

V
g(x)

son lineales, entonces

es tambin una aplicacin lineal, ya que

(f+g)( x+ y) = f( x+ y)+g( x+ y) = f(x)+ f(y)+ g(x)+ g(y) =

= (f(x)+g(x))+(f(x)+g(y)) = (f+g)(x)+(f+g)(y)
Si

f: U
x
g of : U
x

V
f(x)

g: V
y

W
(gof)(x) = g(f(x))

W
g(y)

son lineales, entonces

tambin es lineal, pues

(g of)( x+ y) = g(f( x+ y)) = g( f(x)+ f(y)) = g(f(x))+ g(f(y)) = (g of)(x)+ (g of)(y)

Esta ltima propiedad permite definir las siguientes estructuras algebraicas sobre conjuntos
de aplicaciones lineales:
a) Sea L(U,V) el conjunto de aplicaciones lineales de un espacio vectorial U en otro V,
ambos sobre el mismo cuerpo. Tenemos entonces que (L(U,V),+) es una estructura

39
algebraica al ser + una l.c.i. en L(U,V), segn la propiedad 9) anterior. Adems (L(U,V),+)
es un grupo abeliano, pues adems de ser conmutativa y asociativa la suma, existe la
aplicacin neutra
0U : U
V
x
0U(x) = 0V
que es lineal, ya que
0U( x+y) = 0V = 0U(x)+0U(y)
verificando 0U+f = f pues
(0U+f)(x) = 0U(x)+f(x) = f(x)
y la aplicacin opuesta
(f) : U
x

V
(f)(x) = f(x)

que es lineal, ya que

(f)( x+ y) = (f( x+ y)) = f(x) f(y) = (f)(x)+ (f)(y)
y f+f = 0U pues
(f+f)(x) = (f)(x)+f(x) = f(x)+f(x) = 0U
El conjunto L(U,V) es tambin un espacio vectorial sobre K ya que adems de ser grupo
abeliano aditivo, como acabamos de demostrar, se verifica
(+)f = f+f pues ((+)f)(x) = (+)f(x) = f(x)+f(x) = (f+f)(x)

(f+g) = f+g pues (((f+g))(x) = (f+g)(x) = (f(x)+g(x)) = f(x)+g(x) = (f+g)(x)

(f) = ()f pues (f)(x) = ((f)(x)) = (f(x)) = ()f(x) = (()f)(x)
1f = f pues (1f)(x) = 1f(x) = f(x)
b) Sea End(U) el conjunto de las aplicaciones lineales de U en U, es decir, de los
endomorfismos de U. Se verifica que (End(U),+,o) es un anillo con elemento unidad, pues
(End(U),+) es un grupo abeliano (se trata del caso anterior, para U = V), la composicin de
aplicaciones es asociativa segn ya vimos, es distributiva respecto a la suma, por verificar
fo(g+h) = (fog)+(foh)
ya que
(fo(g+h))(x) = f((g+h)(x)) = f(g(x)+h(x)) = f(g(x))+f(h(x)) = ((fog))+(foh))(x)
Esta propiedad distributiva se verifica tambin en el caso de que fL(V,W), gL(U,V) y
hL(U,V). La aplicacin elemento unidad es

40
IU : U
x

U
IU (x) = x

que es lineal pues IU (x+y) = x+y = IU (x)+IU (y) y verifica foIU = f.

c) Si GL(U) el conjunto de los endomorfismos de U biyectivos, entonces (GL(U),o) es un
grupo, pues o es asociativa, existe elemento unidad, que es la aplicacin IU anterior
(pertenece a GL(U) por ser biyectiva) y la aplicacin opuesta de fGL(U) es su inversa f -1
que es biyectiva y lineal ya que si z = f(x) y t = f(y) y f -1(z+t) = m , entonces
f(m) = z+ t = f(x)+ f(y) = f( x+ y) m = x+ y
es decir, f -1(z+t) = f -1(z)+f -1(t) y adems verifica f -1of = IU y fof -1 = IU .
Ejercicios
IV.45.- Averiguar si son lineales las siguientes aplicaciones:
f : R3
(x,y,z)

R2
(x+y,x+z)

h : R2
(x,y)

g : R4
(x,y,z,t)

R2
(x2,y2)

i:

R
xy+zt

R3
(x,y,z)

R3
(x+y,y+z,x+y+z+1)

IV.46.- Averiguar si son lineales las aplicaciones de R3 en R2 dadas por las frmulas
a) f de R 3 en R 2 dada por f(x1,x2,x3) = (3x1+2x2+x3, x1x2+x3 )
b) f de R2[x] en R2[x] dada por f(a0+a1x+a2x2) = a0+(a0+a1)x+(a0+a1+a2)x2
c) f de R2[x] en R2[x] dada por f(P(x)) = P(x)+P(x)
IV.47.- Sea E = {funciones f : R
R indefinidamente derivables}. Averiguar cules de
las siguientes aplicaciones son lineales para 1 = , 2 = , 3 = , 4 = .
g:E
f

R
f(1)

j:E

h:E
f

R
f "(2)

k:E

i:E
f

R
1

(f '( 4) )2

f(x) dx

f
0

IV.6. NUCLEO, IMAGEN Y RANGO DE UNA APLICACION LINEAL

Dada la aplicacin lineal

R
f(0)+3

41
f:U
x

V
f(x)

definimos como ncleo de f el conjunto de vectores del espacio inicial cuya imagen es el vector
nulo del espacio final
Nuc(f) = {xU f(x) = 0V}
y la imagen como el conjunto de todos los vectores del espacio final que son imagen de algn
vector del espacio inicial
Im(f) = f(U)
que verifican las propiedades expuestas en la Tabla IV.6.1.
TABLA IV.6.1
_________________________________________________________
Propiedades de Nuc(f) e Im(f)
1) Nuc(f) es un subespacio de U
2) Im(f) es un subespacio de V
3) Im(f) = V equivale a f sobreyectiva
4) Nuc(f) = {0U} equivale a f inyectiva
5) ({u1,...,un}l.i. {f(u1),...,f(un)}l.i.) equivale a f inyectiva
_________________________________________________________
Demostraciones:
1) Por definicin de ncleo
(xNuc(f)) (f(x) = 0V)

(yNuc(f)) (f(y) = 0V)

y para cualesquiera ,K
f( x+ y) = f(x)+ f(y) = 0 V x+ yNuc(f)
2) Por definicin de imagen
(zIm(f)) (xU) (f(x) = z)

(tIm(f)) (yU) (f(y) = t)

y para cualesquiera ,K

z+ t = f(x)+ f(y) = f( x+ y)Im(f)

3) Es trivial, pues Im(f) es el espacio imagen, que coincidir con el espacio final si y slo si

42
f es sobreyectiva.
4) En efecto, si f es inyectiva tenemos
xNuc(f) f(x) = 0V = f(0U) x = 0U Nuc(f) = {0U}
y recprocamente si Nuc(f) = {0U}, para cualesquiera vectores x,yU
f(x) = f(y) f(x)f(y) = f(xy) = f(0 U ) = 0 V xyNuc(f) xy = 0 U x = y
5) En las propiedades de las aplicaciones lineales hemos visto que la imagen de un conjunto
linealmente dependiente es un conjunto linealmente dependiente; lo que ocurra con la imagen
de un conjunto linealmente independiente depender del tipo de aplicacin, tal como afirma
esta equivalencia. En efecto,
Directo:

Si xNuc(f), entonces f(x) = 0 V y si fuera x 0 U , entonces {x} l.i. para

{f(x)} l.d., lo que va contra la hiptesis, luego x = 0U y f es inyectiva.

Recproco: 1 f(u 1)+...+ n f(u n) = 0 V f( 1u 1+...+ nu n) = 0 V

1u1+...+ nunNuc(f) 1u1+...+ nun = 0U 1 =...= n = 0
Ejemplo IV.6.1
La aplicacin
f:

R3
(x,y,z)

R2
(x3y,xy+2z)

es lineal pues
f( (x 1 ,x 2 ,x 3 )+ (y 1 ,y 2 ,y 3 )) = f( x 1 + y 1 , x 2 + y 2 , x 3 + y 3 ) =
= (x1+y13(x2+y2),(x1+y1)(x2+y2)+2(x3+y3))

f(x 1 ,x 2 ,x 3 )+ f(y 1 ,y 2 ,y 3 ) = (x 1 3x 2 ,x 1 x 2 +2x 3 )+ (y 1 3y 2 ,y 1 y 2 +2y 3 ) =

= ((x13x2)+(y13y2),(x1x2+2x3)+(y1y2+2y3))
y ambos resultados coinciden. Hallemos ncleo e imagen
Nuc(f) = {(x,y,z)R 3 f(x,y,z) = (0,0)} = {(3y,y,y) yR}
es decir,

x3y = 0
x = 3y

xy+2z = 0
z = (yx)/2

que es un subespacio; para hallar su base basta tener en cuenta que

Nuc(f) = {(3y,y,y) yR} = {y(3,1,1) yR} = [(3,1,1)]
con lo que ((3,1,1)) es una base de Nuc(f). Para calcular Im(f), segn la definicin,

43
(z1,z2)Im(f) ((x 1,x 2,x 3)R 3) (f(x 1,x 2,x 3) = (z1,z2))
es decir,
x13x2 = z1

x1x2+2x3 = z2

x1 = z1+3x2

x3 = (z2x1+x2)/2

luego cualquiera que sean z1 y z2 existe antiimagen (x 1 ,x 2 ,x 3 ), y todo vector de R 2

pertenece a la imagen,
Im(f) = R2 ((1,0),(0,1)) base de Im(f)
Como Nuc(f) {(0,0,0)}, f no es inyectiva y como Im(f) = R2, f es sobreyectiva.
A la dimensin del subespacio Im(f) le llamaremos rango de la aplicacin
rang(f) = dim(Im(f))
El conocimiento del rango de una aplicacin lineal proporciona resultados interesantes sobre
ella, cuando los espacios vectoriales sobre los que est definida son de dimensin finita y que
resumidos en la Tabla IV.6.2.
TABLA IV.6.2.
_____________________________________________________________
Propiedades del rango de una aplicacin lineal f : U

1) rang(f) = dim(U)dim(Nuc(f))
2) rang(f) dim(U) y rang(f) = dim(U) equivale a f inyectiva
3) rang(f) dim(V) y rang(f) = dim(V) equivale a f sobreyectiva
4) dim(U) = dim(V) equivale a (f inyectiva f sobreyectiva f biyectiva)
______________________________________________________________
Demostraciones :
1) Como Nuc(f) es de dimensin finita, por ser subespacio de U, supongamos que
(u 1,...,u n) base U

(e1 ,...,em) base de Nuc(f)

podemos sustituir m vectores u i por los m vectores ei, y el resultado es una base de U;
supongamos, p.ej., que son los m primeros vectores, con lo que (e1 ,..,em ,u m+1 ,...,u n ) ser
una base de U. Demostremos que (f(um+1),...,f(un)) es base de Im(f) probando que forman
un conjunto l.i. y generador.

44
a) {f(u m+1),...,f(u n)} l.i. pues

m+1 f(u m+1)+...+ n f(u n) = 0 V f( m+1u m+1+...+ nu n) = 0 V

m+1um+1+...+nunNuc(f) m+1 =...= n = 0
ya que si existiesen i1 0,..., ir 0 tendramos
x = i1u i1+...+ iru irNuc(f) i1u i1+...+ iru ir = 1 e 1 +...+ m e m

{u i1 ,...,u ir,e 1 ,...,e m } l.d.

y (e 1,...,e m ,u m+1,...,u n) no sera base de U.

b) Es un conjunto generador de Im(f) ya que
(zIm(f)) (xU) (z = f(x) z = f( 1e1+...+ m em + m+1u m+1+...+ nu n)
z = 1 f(e1)+...+m f(em)+m+1 f(um+1)+...+n f(un)
z = m+1 f(um+1)+...+n f(un))
ya que f(e1) =...= f(em) = 0V por ser base de Nuc(f).
De a) y b) se deduce que dim(Im(f)) = nm, es decir,
rang(f) = dim(U)dim(Nuc(f))
2) Inmediata a partir de la anterior teniendo en cuenta que
rang(f) = dim(U) dim(Nuc(f)) = 0 Nuc(f) = {0U} f inyectiva
3) Segn la definicin de rango, rang(f) = dim(Im(f)) dim(V) para adems
dim(Im(f)) = rang(f) = dim(V) Img(f) = V f sobreyectiva
4) Si ambos espacios tienen la misma dimensin, entonces
f inyectiva dim(Nuc(f)) = 0 rang(f) = dim(U) = dim(V) f sobreyectiva
luego f es biyectiva. En particular, y segn esta propiedad, para todo f endomorfismo de U
ser f inyectivo equivale a ser sobreyectivo y biyectivo.
Ejemplo IV.6.2
Para la aplicacin lineal del ejemplo IV.6.1 anterior, tenemos
rang(f) = dim(Img(f)) = 2

dim(Nuc(f)) = 1

dim(R3) = 3

y, efectivamente rang(f) = dim(U)dim(Nuc(f)). Como rang(f) < dim(R3), entonces f

no es inyectiva. Como rang(f) = dim(R2) es f sobreyectiva.

45
Ejercicios
IV.48.- Para la aplicacin f de R3 en R2 definida por f(x,y,z) = (x+y/2,x+z/2) averiguar su
rango, ncleo, imagen y clasificarla. Lo mismo para el endomorfismo f de R2[x] dado
por f(P(x)) = P(x)+P(x).
IV.49.- Sea F el espacio vectorial de las funciones f : R

: R3
(a,b,c)

F
f: R
x

R y sea

R
f(x) = a sen2x+b cos2x+c

a) Probar que es lineal.

b) Averiguar el Nuc(), Im() y si es inyectiva.
c) Si U es el subespacio de las funciones constantes, hallar -1(U).
IV.50.- Sea la aplicacin lineal
f : R3
(x,y,z)

R3
((2)x+2yz,2x+y+2z,2x+2(+1)y+(1+)z)

con R dado. Hallar segn los valores de , el Nuc(f), Im(f) y rang f.

IV.51.- Demostrar que todo endomorfismo inyectivo es necesariamente sobreyectivo.

IV.7.- TEOREMA DE LA CARACTERIZACION DE UNA APLICACION LINEAL

Sean U y V e.v.s. K, (e1 ,...,en) es una base de U y {b 1,...,b n} un subconjunto de V, en
estas condiciones
a) existe una nica aplicacin lineal f de U en V tal que f (e1 ) = b 1 , ..., f(en ) = b n .
Adems
b) {b1,...,bn} l.i. equivale a f inyectiva
y si V es de dimensin finita
c) {b1,...,bn} generan V equivale a f sobreyectiva
d) (b1,...,bn) base de V equivale a f biyectiva
Demostracin: Veamos sucesivamente los diversos resultados enunciados.
a) En efecto, si xU, entonces por ser (e1 ,...,en) una base de U
x = 1e1 +...+ n en

46

y definimos la correspondencia
f:U
x

V
f(x) = 1 b 1 +...+ n b n

que es una aplicacin, pues para todo vector xU existen y son nicos los escalares
1,...,n que lo expresan como combinacin lineal de la base (e1 ,...,en), luego es nico el
vector imagen

1 b 1 +...+ n b n
En particular veamos las imgenes de e1 ,...,en
e1 = 1e1 +...+0en f(e1 ) = 1b 1 +...+0b n = b 1
.................................
en = 0e1 +...+1en f(en ) = 0b 1 +...+1b n = b n
Esta aplicacin, as definida es lineal; en efecto como
(xU) ( 1 ,..., n K) (x = 1 e1 +...+ n en)
(yU) ( 1 ,..., n K) (y = 1 e1 +...+ n en)
para cualesquiera ,K tendremos
f( x+ y) = f( ( 1e1 +...+ n en)+ ( 1e1 +...+ n en)) =
= f((1+1)e1 +...+( n + n )en) = ( 1+ 1)b 1+...+( n+ n)b n

f(x)+ f(y) = ( 1 b 1 +...+ n b n )+ ( 1 b 1 +...+ n b n ) = ( 1 + 1 )b 1 +...+( n + n )b n

Adems f es la nica aplicacin lineal para la que f(e1) = b 1 ,...,f(en) = bn ya que si hubiera
otra aplicacin lineal con las mismas imgenes para los vectores e1 ,...,en
g:U
V
e1
g(e1) = b 1
..............
en
g(en) = b n
entonces para cualquier vector x = 1e1 +...+ n en sera
g(x) = g( 1e1 +...+ n en) = 1g(e1 )+...+ n g(en ) = 1 b 1 +...+ n b n = f(x)
La eleccin de los vectores b1,...,bn imagen de los vectores de la base determina una nica
aplicacin lineal; ms an, si el espacio vectorial imagen es de dimensin finita, segn sean
estos vectores imagen la aplicacin ser de un tipo u otro. En efecto
b) {b1,...,bn} l.i. equivale a f inyectiva.

47
Directo:

Si x = 1e1 +...+ n en e y = 1e1 +...+ n en y f(x) = f(y), entonces

1 b 1 +...+ n b n = 1 b 1 +...+ n b n ( 1 1 )b 1 +...+( n n )b n = 0 V

y como se supone {b1,...,bn}l.i., ser

11 = 0
1 = 1
....... ..... x=y
nn = 0
n = n
Recproco: 1 b 1 +...+ n b n = 0 V f( 1 e1 +...+ n en) = 0V 1e1 +...+ n enNuc(f)
y como se supone f inyectiva y (e1 ,...,en) base de U, entonces

1 e1 +...+ n en = 0U 1 =....= n = 0
c) El conjunto {b1,...,bn} es generador de Im(f) ya que
Im(f) = f(U) = f([e1 ,...,en]) = [f(e1 ),...,f(en )] = [b 1 ,...,b n ]
y como se supone que
{b1,...,bn} genera V Im(f) = V f sobreyectiva
d) Reuniendo los resultados anteriores, tenemos
{b1,...,bn} l.i. f inyectiva
(b 1,...,b n) base de V
{b1,...,bn} genera V f sobreyectiva
lo que equivale a que f es biyectiva.
Ejemplo IV.7.1
Sean los espacios vectoriales R 3 y R 4. Una base de R 3 es ((1,1,0),(2,0,1),(0,3,2))
pues forman un conjunto l.i.; en efecto
1 2
1 0
0 1

0
3
2

0
0
0

1 2
0 2
0 1

0
3
2

0
0
0

1 0 3
0 2 3
0 0 1

0
0
0

1 0 0
0 2 0
0 0 1

0
0
0

1
0
0

0
0
0

0
1
0

Segn el teorema anterior

R3
(1,1,0)
(2,0,1)
(0,3,2)

f:

R4
(1,1,0,2)
(0,0,0,0)
(0,0,2,4)

0
0
1

48

define una nica aplicacin lineal, cuya frmula se puede hallar haciendo
(x,y,z) = 1(1,1,0)+ 2(2,0,1)+ 3(0,3,2)
1 2
1 0
0 1

0
3
2

x
y
z

1 2
0 2
0 1

0
x
3 yx
2
z

1 0 0
0 2 0
0 0 1

siendo, por tanto

1 0 3
0 2 3
0 0 1

4y3x6z
4y4x6z
yx2z

1
0
0

y
yx
yx2z

0
1
0

0 3x+4y6z
0 2x2y+3z
1
xy+2z

1 = 3x+4y6z
2 = 2x2y+3z
3 = xy+2z

con lo que
(x,y,z) = (3x+4y6z)(1,1,0)+(2x2y+3z)(2,0,1)+(xy+2z)(0,3,2)

f(x,y,z) = (3x+4y6z)(1,1,0,2)+(2x2y+3z)(0,0,0,0)+(xy+2z)(0,0,2,4) =
= (3x+4y6z,3x+4y6z,2x2y+4z,2x+4y4z)

Como {(1,1,0,2),(0,0,0,0),(0,0,2,4)} es l.d., entonces f no es inyectiva; como

{(1,1,0,2)(0,0,0,0)(0,0,2,4)} no genera R4, entonces f no es sobreyectiva. Adems
Nuc(f) = {(x,y,z)R 3 f(x,y,z) = (0,0,0,0)}
es decir,
3x+4y6z = 0
2x2y+4z = 0 cuya solucin es z arbitrario, y = 0, x = 2z
2x+4y4z = 0
por lo que
Nuc(f) = {(2z,0,z) zR} = {z(2,0,1) zR} = [(2,0,1)]
para pues ((2,0,1)) base de Nuc(f). Segn las propiedades del rango
dim(Im(f)) = rang(f) = 31 = 2
y, en efecto, el espacio imagen es
Im(f) = [(1,1,0,2)(0,0,0,0),(0,0,2,4)] = [(1,1,0,2)(0,0,2,4)]
siendo ((1,1,0,2)(0,0,2,4)) base de Im f

49

Dos consecuencias inmediatas se deducen del importante teorema anterior. En primer lugar
"Si V es e.v.s. K de dimensin n, entonces V es algebraicamente identificable con Kn"
En efecto, si (e1 ,e2 ,..,en) es una base de V, la identificacin la establece la siguiente aplicacin
V
Kn
e1
(1,0,...,0)
e2
(0,1,...,0)
..............
en
(0,0,...,1)
que es biyectiva por ser los vectores imagen una base de Kn, la base cannica. Consecuencia
inmediata de este resultado es que
"Dos espacios vectoriales de dimensin finita son algebraicamente identificables si tienen
la misma dimensin".
En efecto, si U y V son e.v.s. K de dimensin n, ambos son identificables con K n y, por ello,
son identificables entre s.
Ejercicios
IV.52.- Sea la aplicacin lineal
f:

R4
(1,0,0,0)
(0,1,0,0)
(0,0,1,0)
(0,0,0,1)

R4
(2,1,1,0)
(1,1,0,1)
(1,0,1,1)
(0,1,1,2)

a) Hallar f(2,5,6,8), f(x,y,z,t) y f -1(1,0,0,1).

b) Hallar Nuc(f), Im(f), rang f y clasificarla.
IV.53.- Dada la aplicacin lineal
f : R2
(1,0)
(0,1)

R2
(2,1)
(1,2 )

definir, si es posible, f -1 y hallar f -1(0,1) y f -1(x,y). Hallar ncleo, imagen y rango de

f y f -1.
IV.54.-Dadas las siguientes aplicaciones lineales, hallar sus rangos, bases del ncleo e
imagen y clasificarlas:

50
R3
(1,1,0)
(2,3,1)
(0,2,1)
, 2 = , 3 =

f:

para 1 =

R4
(3,2,0,1)
(1,2,1,1)
(4,0,1,2)
, 4 = .

h : R2
(2,1)
(4,1)

R4
( 1,0,1, 2)
( 3,2, 4,1)

IV.55.-Dadas las siguientes aplicaciones lineales, hallar sus rangos, bases del ncleo e
imagen y clasificarlas:
i:

R3
(0,1,0)
(1,0,0)
(1,1,1)

para 1 =

, 2 =

R3
(0,2,0)
(1,0,0)
(2,6,0)
, 3 =

j:

, 4 =

R4
(1,2,1,3)
(3,1,0,5)
(4,2,5,0)
(3,2,1,7)

R2
(5,1)
(8,0)
( 1 , 2 )
( 3 , 4 )

51
PROCEDIMIENTOS PRCTICOS BASICOS

Los procedimientos bsicos que forman los elementos constructivos a partir de los cuales
pueden abordarse los problemas que tratan sobre las materias desarrolladas en este Cuaderno,
son los siguientes:
- Determinar si una estructura es un espacio vectorial.
- Resultados de combinaciones lineales en los e.v. Kn, K(x) y de funciones de A en K.
- Averiguar si un vector es combinacin lineal otros.
- Algoritmo de Gauss-Jordan.
- Determinar si un subconjunto es un subespacio.
- Averiguar si un vector pertenece a un espacio de dimensin finita.
- Simplificar conjuntos generadores.
- Averiguar si un conjunto es o no linealmente independiente.
- Hallar una base de un e.v. de dimensin finita.
- Hallar componentes de vectores respecto de una base.
- Obtener bases mediante el teorema de Steinitz.
- Hallar bases de espacios suma e interseccin.
- Hallar bases y dimensin de subespacios.
- Averiguar si una aplicacin entre espacios vectoriales es lineal.
- Hallar rango imagen y ncleo de una aplicacin lineal
- Definir aplicaciones lineales mediante frmulas o mediante imgenes de vectores de una base

52
EJERCICIOS DE RECAPITULACION

IV.56.- Sean los vectores de R4

v1 = (2,3,1,0), v2 = (3,1,0,2), v3 = (4,5,1,4) y v4 = (9,8,3,2)
Probar que [v1 ,v2] = [v3 ,v4] = F y hallar un subespacio G tal que F+G = R4.
IV.57.- La ecuacin 1e1 + 2 e2 + 3 e3 + 4 e4 + 5 e5 = 0 tiene como solucin

1 = 2 = 3

4 = 5 = 0

Se pide
a) Relacin de dependencia, si existe, entre los vectores e1 ,e2 ,e3 ,e4 ,e5 .
b) Dimensin del subespacio engendrado por los ei .
c) Indicar dos bases de este subespacio.
IV.58.- a) Demostrar que los polinomios 1, 1+x, 1+x+x 2 ,..., 1+x+x2+...+x n forman una
base del espacio vectorial de los polinomios de grado menor o igual a n. Calcular las
componentes del polinomio: P(x) = 2x32x2+x1 respecto a una base de este tipo.
b) Demostrar que los polinomios 1,(xa),(xa)2 ,...,(xa) n forman una base del
espacio vectorial de los polinomios de grado menor o igual a n.
c) Demostrar que para un polinomio P(x) de grado n, las componentes respecto la base
anterior son
P(a) , P '(a ) ,

P ''(a )

,...,

2!

P (n)(a)
n!

IV.59.- En R3 se dan los siguientes conjuntos de vectores:

A = {(1,1,0),(1,0,1),(0,1,1),(0,1,1)}

B = {(3,0,0),(0,4,0),(0,0,2),(0,1,1)}

a) Demostrar que los conjuntos A y B son generadores de R3.

b) Hallar respecto de la segunda base (B) las componentes de un vector que respecto a
la base primera (A) tiene de componentes (1,2,2).
c) Generalizar este resultado hallando las componentes b 1 ,b 2 y b3 respecto de la
segunda base del vector cuyas componentes respecto de la primera son a 1,a 2 y a 3 .
IV.60.- Probar que el subespacio generado por los vectores (1,0,1),(1,1,0) y (0,1,1)
coincide con el engendrado por los vectores (2,1,1) y (1,2,1). Si denominamos F a
este subespacio de R 3 probar que (1,1,0) no pertenece a F. Completar el vector
(4,5,1)F a una base de F.
IV.61.- En el espacio vectorial R3 sobre R sean los subespacios

53

S1 = [(0,1,1),(1,0,2),(2,3,1)]

S2 = [(1,1,3),(1,4,a)]

a) Hallar a para que S1 = S2.

b) Completar una base S 1 , hasta obtener una base de R 3 . Si llamamos S 3 el
subespacio generado por el sistema de vectores aadidos a S1 para obtener la base de
R3 estudiar si el conjunto S1 S3 es un subespacio vectorial.
c) Hallar un sistema generador del subespacio vectorial S1 S4 para S4 el generado
por el conjunto de vectores {(1,0,1),(0,0,1),(1,0,0)}.
IV.62 .- Sean V y W dos espacios vectoriales reales, de bases (e1 ,e 2 ,e 3 ) y (u 1 ,u 2 ,u 3 ,u 4 ),
respectivamente. Si R, dada la aplicacin
f:V
e1
e2
e3

W
u 1+u 2
u 3+u 4
u 1+u 2+u 3+u 4

hallar la ecuacin de f, Nuc(f) e Im(f) y averiguar cundo f es inyectiva.

BIBLIOGRAFIA
de Burgos J. (1988). Curso de Algebra y Geometra. Alhambra. Madrid.
Dixmier J. (1974). Matemticas Generales. Editorial Aguilar. Madrid.
Godement R. (1974). Algebra. Tecnos. Madrid.
Hoffmann R., Kunze R. (1974). Algebra Lineal. Prentice. Madrid.
Lentin A., Rivaud J. (1973). Algebra Moderna. Aguilar. Madrid.
Noble B., Daniel J.W. (1988). Applied Linear Algebra. Prentice Hall. London.
Puerta F. (1986). Algebra lineal. Marcombo. Barcelona.
Queysanne M. (1985) Algebra. Vicens-Vives. Barcelona.
Sainz M.A., Serarols J.L. Prez A.M. (1994). lgebra. Escuela Politcnica Superior. Gerona.
Strang G. (1982). Algebra Lineal y sus aplicaciones. Fondo Educativo Interamericano.
Mjico.
Xamb S. (1977). Algebra Lineal y geometrias lineales. EUNIBAR. Barcelona.