Grao en Enxeñaría Aeroespacial

Álxebra Lineal
Curso 2023-24

ESPAZOS VECTORIAIS

1. Espazos vectoriais. Conxunto xerador

Sexa K un corpo.
Definición 1.1. Sexa V un conxunto non baleiro dotado dunha operación interna + : V ×
V → V e dunha operación externa · : K × V → V . Dise que (V, +, ·) é un espazo vectorial
sobre K ou un K-espazo vectorial se:
1. (V, +) é un grupo abeliano:
a) u + v = v + u (conmutativa)
b) (u + v) + w = u + (v + w) (asociativa)
c) ∃ 0 ∈ V : u + 0 = 0 + u = u (∃ elemento neutro: vector cero ou vector nulo)
d ) Dado u ∈ V, ∃ − u ∈ V : u + (−u) = 0 (∃ elemento oposto: vector oposto)
2. (V, +, ·) verifica:
a) c · (u + v) = c · u + c · v
b) (c + d) · u = c · u + d · v
c) c · (d · u) = (c · d) · u
d) 1 · u = u
onde u, v, w ∈ V e c, d ∈ K.
Aos elementos de K chamámoslles escalares e aos de V vectores.
Exemplo 1.2. Simplifica a expresión 3u + (5v − 2u) + 2(v − u), con u, v ∈ V .
Exemplo 1.3.
1. {(x, y) ∈ R2 : x − 2y = 0} é un R-espazo vectorial.
2. Kn = {(x1 , x2 , . . . , xn ), x1 , x2 , . . . , xn ∈ K} é un K-espazo vectorial. Cada xi é a
i-ésima compoñente.
3. C é un R-espazo vectorial.
4. O conxunto de matrices con coeficientes en K de tamaño m × n, Mm×n (K), é un
K-espazo vectorial.
5. O conxunto de polinomios nunha indeterminada con coeficientes en K e grado n,
Pn (K) é un K-espazo vectorial.
6. O conxunto de polinomios nunha indeterminada con coeficientes en K, P(K), é un
K-espazo vectorial.
7. O conxunto de todas as funcións reais definidas no intervalo [0, 1], F([0, 1]) é un
R-espazo vectorial.
Exercicio 1.4. Estuda se os seguintes conxuntos forman ou non un Q-espazo vectorial:
√ √
1. Z[ √7] = {a + b √7 | a, b ∈ Z}
2. Q[ 7] = {a + b 7 | a, b ∈ Q}
Exercicio 1.5. Estuda se os seguintes conxuntos forman ou non un R-espazo vectorial:
1. {(x, y) ∈ R2 | x2 + y 2 = 1}
2. {(x, y, z) ∈ R3 | x + y + z = 1}
1
2 ESPAZOS VECTORIAIS

3. R2 coa suma usual de vectores e o produto por escalares dado por c · (x1 , x2 ) =
(cx1 , 0).  
1 a
4. {A ∈ M2 (R) | A = }, coa suma de matrices e o produto dun escalar por
b 1
unha matriz.
Propiedades 1.6. Dado V un K-espazo vectorial verifícanse as seguintes propiedades:
1. 0 · v = 0, ∀v ∈ V
2. α · 0 = 0, ∀α ∈ K
3. α · v = 0 ⇒ α = 0 ou v = 0
4. (−α) · v = α · (−v) = −(α · v), ∀α ∈ K, ∀v ∈ V
5. (−α) · (−v) = α · v, ∀α ∈ K, ∀v ∈ V
6. Dado v ∈ V, v 6= 0 e α, β ∈ K tales que α · v = β · v, entón α = β
7. Dado α ∈ K, α 6= 0 e v, w ∈ V tales que α · v = α · w, entón v = w
Exercicio 1.7. Demostra as propiedades anteriores.
Definición 1.8. Un vector v ∈ V é unha combinación lineal de vectores v1 , v2 , . . . , vk ∈ V
se existen escalares c1 , c2 , . . . , ck ∈ K tales que
k
X
v= ci vi = c1 · v1 + c2 · v2 + · · · + ck · vk
i=1
Os escalares ci chámanse coeficientes da combinación lineal.
Exemplo 1.9. En R3 comproba que o vector (−2, −2, −1) é unha combinación lineal dos
vectores (1, 0, −1), (2, −3, 1), (5, −4, 0) e acha os coeficientes da combinación lineal.
Definición 1.10. Se {v1 , v2 , . . . , vk } é un conxunto de vectores en V , entón o conxunto
de todas as combinacións lineais de v1 , v2 , . . . , vk chámase espazo xerado por v1 , v2 , . . . , vk
e denótase
X k 
hv1 , v2 , . . . , vk i := ci vi | ci ∈ K
i=1
Se U = hv1 , v2 , . . . , vk i dise que {v1 , v2 , . . . , vk } é un conxunto xerador de U .
Exemplo 1.11. Describe mediante ecuacións os seguintes espazos:
1. h(2, −1)i ⊂ R2
2. h(1, 0, 3), (−1, 1, 3)i ⊂ R3
Exercicio 1.12. Describe mediante ecuacións os seguintes espazos:
1. h(2, −4), (−1, 2)i ⊂ R2 .
2. h(1, 2, 0), (3, 2, −1)i ⊂ R3 .
3. h(1, 2 − 1, 0), (1, 1, 1, 1)i ⊂ R4 .
4. hx 2 2
 + 1, x +2xi ⊂ P2 (R).
1 0 1 1
5. h , i ⊂ M2 (R)
−1 e 0 1
Exercicio 1.13. Determina se o vector v é unha combinación lineal dos vectores restantes,
en cada un dos seguintes casos. En caso afirmativo, acha os coeficientes.
1. v = (2, 1), u1 = (4, −2), u2 = (−2, 1)
2. v = (1, 2, 3), u1 = (1, 1, 0), u2 = (0, 1, 1), u3 = (1, 0, 1)
Exemplo 1.14. Comproba que:
1. R2 = h(2, −1), (1, 3)i
 ESPAZOS VECTORIAIS 3

2. R2 = h(2, −1), (1, 3), (5, 7)i

3. Se e1 := (1, 0), e2 := (0, 1), entón R2 = he1 , e2 i
4. Si e1 := (1, 0, 0), e2 := (0, 1, 0), e3 := (0, 0, 1), entón R3 = he1 , e2 , e3 i
Exercicio 1.15. Demostra que:
1. R2 = h(1, 1), (1, −1)i
2. R3 = h(1, 2, 3), (−1, −1, 0), (2, 1, −1)i
Exercicio 1.16. En R4 , acha o valor de x para que (−1, 2, 5, x) ∈ h(4, −2, 1, 7), (1, 0, 2, 4)i
Propiedades 1.17.
1. h0i = {0}
2. S ⊂ hSi
3. Se S1 e S2 son subconxuntos finitos de V tales que S1 ⊂ hS2 i, entón hS1 i ⊂ hS2 i.
4. Dados v1 , v2 , . . . , vk ∈ V , se ∃i = 1, 2, . . . , k tal que vi é combinación lineal dos
demais, entón
hv1 , v2 , . . . , vi , . . . , vk i = hv1 , v2 , . . . , vi−1 , vi+1 . . . , vk i
Exemplo 1.18. En R3 demostra que:
h(−2, −2, −1), (1, 0, −1), (1, −2, −4)i = h(−2, −2, −1), (1, 0, −1)i
Exercicio 1.19. En R3 estuda se h(2, 4, 2), (1, 3, 2)i = h(1, 1, 0), (3, 8, 5)i

2. Subespazos vectoriais
Sexa (V, +, ·) un K-espazo vectorial.
Definición 2.1. Un subconxunto U ⊂ V é un K-subespazo vectorial de V se coa restrición
das operacións + e · é un K-espazo vectorial.
Observación 2.2. Se U ⊂ V é un K-subespazo vectorial entón 0 ∈ U .
Exemplo 2.3.
1. V é un subespazo vectorial de V .
2. {0} é un subespazo vectorial de V .
3. Unha recta vectorial (pasa pola orixe) en Kn é un subespazo vectorial:
y

4. Unha recta en Kn que non pasa pola orixe non é un subespazo vectorial:
y

x
4 ESPAZOS VECTORIAIS

5. Una plano vectorial (pasa pola orixe) en Kn é un subespazo vectorial:

y
(0, 0, 0) ∈ S

z
6. Unha plano en Kn que non pasa pola orixe non é un subespazo vectorial:
y

(0, 0, 0) ∈
/S

Proposición 2.4. Sexa (V, +, ·) un K-espazo vectorial e U ⊂ V .

U é un K-subespazo vectorial de V ⇔ ∀α, β ∈ K, ∀v, w ∈ U : α · v + β · w ∈ U

Corolario 2.5. Dados v1 , v2 , . . . , vk ∈ V verifícase que hv1 , v2 , . . . , vk i é un subespazo

vectorial de V .

Proposición 2.6. Todo subespazo vectorial admite un conxunto xerador.

Exemplo 2.7.
1. {(x, y) ∈ R2 : x + 2y = 0} é un subespazo vectorial de R2 .
2. {(x, y) ∈ R2 : x + 2y = 1} non é un subespazo vectorial de R2 .
3. {(x, y, z) ∈ R3 : x − 2y + 3z = 0} é un subespazo vectorial de R3 .
4. {(x, y, z) ∈ R3 : x + 2y − 7z − 1 = 0} non é un subespazo vectorial de R3 .
5. h(2, −1)i ⊂ R2 é un subespazo vectorial de R2 .
6. h(1, 0, 3), (−1, 1, 3)i ⊂ R3 é un subespazo vectorial de R3 .

Exercicio 2.8. Estuda se os seguintes conxuntos son subespazos vectoriais:

1. {(x, y, z) | x + y + z = 1} ⊂ R3
2. {(x, y, z) | x2 + y + z = 0} ⊂ R3
3. {(x, y, z, t) | x + y + z + t = 0} ⊂ R4

Exemplo 2.9. Acha un conxunto xerador dos seguintes subespazos vectoriais:

1. {(x, y) ∈ R2 : x + 2y = 0}
2. {(x, y, z) ∈ R3 : x − 2y + 3z = 0}
3. {(x, y, z) ∈ R3 : x − 2y + 3z = 0, x + y + z = 0}

Exercicio 2.10. Acha un conxunto xerador dos seguintes subespazos vectoriais:

1. {(x, y) ∈ R2 : 2x + 3y = 0}
2. {(x, y, z) ∈ R3 : x − 2y = 0}
3. {(x, y, z) ∈ R3 : x + 2y + 7z = 0, x + y + z = 0}
 ESPAZOS VECTORIAIS 5

Proposición 2.11. O conxunto de solucións (x1 , x2 , . . . , xn ) dun sistema de ecuacións

lineais homoxéneo en n variables


 a11 x1 + a21 x2 + · · · + an1 xn = 0

 a21 x1 + a22 x2 + · · · + a2n xn = 0

.. .. .. .. . . . ..


 . . . . . .. .

am1 x1 + am2 x2 + · · · + amn xn = 0

   
x1 0
 x2   0 
⇔ A ·  ..  =  ..  , A = (aij ) ∈ Mm×n (K)
   
 .   . 
xn 0
é un subespazo vectorial de Kn .
E reciprocamente, todo subespazo vectorial U ⊂ Kn é o conxunto de solucións dun sistema
de ecuacións linealmente independentes ( ecuacións implícitas).
Exemplo 2.12. O espazo h(1, 0, 3), (−1, 1, 3)i ⊂ R3 é o conxunto de solucións da ecuación
(ver Exemplo 1.11.2):
   

x 0
z − 3x − 6y = 0 ⇔ −3 −6 1 · y  = 0
z 0
Exercicio 2.13. Estuda se os seguintes conxuntos son subespazos vectoriais:
1. {(x, y, z) ∈ R3 : x = y = z}
2. {(x, y, z) ∈ R3 : z = 2x, y = 0}

3. Independencia lineal. Bases e dimensión

Definición 3.1. Un conxunto {v1 , v2 , . . . , vk } ⊂ V é linealmente dependente se: ∃i =
1, 2, . . . , k tal que vi ∈ hv1 , v2 , . . . , vi−1 , vi+1 , . . . , vk i. Se o conxunto non é linealmente
dependente dise que é linealmente independente.
Exemplo 3.2. Demostra que:
1. {e1 , e2 } ⊂ R2 é un conxunto linealmente independente.
2. {(−2, −2, −1), (1, 0, −1), (1, −2, −4)} é un conxunto linealmente dependente.
3. {(2, −2, −1), (1, 0, −1), (2, −3, 1), (5, −4, 0)} ⊂ R3 é un conxunto linealmente depen-
dente.
Proposición 3.3. Sexa {v1 , v2 , . . . , vk } ⊂ V, k ≥ 2. Son equivalentes:
1. {v1 , v2 , . . . , vk } linealmente independente.
Pk
2. i=1 αi · vi = α1 · v1 + α2 · v2 + · · · + αk vk = 0 ⇒ αi = 0, ∀i = 1, 2, . . . k

Exemplo 3.4. Estuda se os seguintes conxuntos de vectores son linealmente independen-

tes:
1. {(1, 4), (−1, 2)} ⊂ R2
2. {(1, 2, 0), (−1, 3, 2), (−1, 6, 4)} ⊂ R3
3. {1, x, x2 } ⊂ P2 (R)
4. {e1 , e2 , e3 } ⊂ R3
5. {(1, 1, 0), (1, 0, 1), (0, 1, 1)} ⊂ R3
6. {x2 + x + 1, 2x + 1, x2 + 1} ⊂ P2 (R)
6 ESPAZOS VECTORIAIS

Exemplo 3.5. O conxunto {(1 + i, 2i), (1, 1 + i)}:

• é linealmente dependente no C-espazo vectorial C2 .
• é linealmente independente no R-espazo vectorial C2 .

Propiedades 3.6.
1. {0} é linealmente dependente.
2. Se 0 ∈ {v1 , v2 , . . . , vk } ⇒ {v1 , v2 , . . . , vk } é linealmente dependente.
3. ∀v 6= 0, {v} linealmente independente.
4. {v1 , v2 } é linealmente dependente ⇔ ∃c ∈ K tal que v2 = c · v1 .
5. Se {v1 , v2 , . . . , vk } é linealmente independente e vk+1 ∈ / hv1 , v2 , . . . , vk i ⇒ {v1 , v2 ,
. . . , vk , vk+1 } linealmente independente.
Exemplo 3.7.
1. O conxunto {(1, 3, 1), (0, 0, 0), (3, 1, 0)} ⊂ R3 é linealmente dependente.
2. O conxunto {(1, 3, 1), (3, 1, 0)} ⊂ R3 é linealmente independente.
Definición 3.8. Unha base finita de V é un conxunto de vectores {v1 , v2 , . . . , vn } tal que:
1. hv1 , v2 , . . . , vn i = V
2. {v1 , v2 , . . . , vn } é linealmente independente
Exemplo 3.9.
1. O conxunto C = {e1 = (1, 0, . . . , 0), e2 = (0, 1, . . . , 0), . . . , en = (0, 0, . . . , 1)} é unha
base de Kn e chámase a base canónica de Kn .
2. Unha base de {(x, y) ∈ R2 : x + 2y = 0} é β = {(−2, 1)}.
3. {(−2, 1), (6, −3)} non é unha base de {(x, y) ∈ R2 : x + 2y = 0}.
4. {(1, 1, 0), (1, 0, 1), (0, 1, 1)} é unha base de R3 .
5. {1, x, x2 } é unha base de P2 (R).
6. {1} é unha base do C-espazo vectorial C e {1, i} é unha base do R-espazo vectorial C.
Proposición 3.10. Todo subespazo vectorial U ⊂ V admite unha base β.
Exemplo 3.11. Acha unha base dos seguintes espazos vectoriais:
1. {(x, y) ∈ R2 : 2x + 3y = 0}
2. {(x, y, z) ∈ R3 : x − 2y + 3z = 0}
3. h(1, 2, 0), (1, 1, −1), (1, 4, 2)i ⊂ R3
Exercicio 3.12. Acha unha base dos seguintes subespazos
1. h(1, −1, 1), (1, 2, 0), (0, 1, 1), (2, 1, 2)i
2. h(0, 1, −2, 1), (3, 1, −1, 0), (2, 1, 5, 1)i
3. {(x, y, z) ∈ R3 : x = y = z}
4. {(x, y, z) ∈ R3 : z = 2x, y = 0}
Teorema 3.13. Sexa U un subespazo de V e β = {v1 , v2 , . . . , vk } unha base de U . Para
todo vector v ∈ U , existe exactamente unha forma de escribir v como unha combinación
lineal dos vectores de β:
v = c1 v1 + c2 v2 + · · · + ck vk
Os escalares c1 , c2 , . . . , ck ∈ K chámanse coordenadas de v respecto de β e o vector columna
(fila) de coordenadas de v respecto de β é:
 
c1
 c2 

vβ =  ..  , (vβ = c1 c2 . . . ck )
 
 . 
ck
 ESPAZOS VECTORIAIS 7

As coordenadas dun vector v = (x1 , x2 , . . . , xn ) ∈ Kn respecto da base canónica C son

(x1 , x2 , . . . , xn )C e cun abuso de notación escribiremos (x1 , x2 , . . . , xn ).
Exemplo 3.14. Acha as coordenadas do vector v = (3, −1, 2) respecto de as seguintes
bases de R3 :
1. C = {e1 , e2 , e3 }
2. β = {(1, 1, 0), (1, 0, 1), (0, 1, 1)}
Proposición 3.15. Sexan u1 , u2 , . . . , ul ∈ V e β = {v1 , v2 , . . . , vn } unha base de V .
1. {u1 , u2 , . . . , ul } é linealmente dependente ⇔ rg(u1β |u2β | · · · |ulβ ) < l
2. {u1 , u2 , . . . , ul } é linealmente independente ⇔ rg(u1β |u2β | · · · |ulβ ) = l
Exemplo 3.16. Estuda se os seguintes conxuntos de vectores son linealmente indepen-
dentes e para os linealmente dependentes acha a relación de dependencia:
1. {(1, 4), (−2, −8)} ⊂ R2
2. {(1, 1, 0), (0, 1, 1), (1, 0, 1)} ⊂ R3
3. {(1, 2, 0), (1, 1, −1), (1, 4, 2)} ⊂ R3
Exercicio 3.17. Estuda se os seguintes conxuntos de vectores son linealmente indepen-
dentes. No caso de que sexan linealmente dependentes, atopa a relación de dependencia
entre eles.
1. {(2, 2, 1), (3, 1, 2), (1, −5, 2)} ⊂ R3
2. {(−2, 3, 7), (4, −1, 5), (3, 1, 3), (5, 0, 2)} ⊂ R3
3. {(1, −1, 1, 0), (−1, 1, 0, 1), (1, 0, 1, −1), (0, 1, −1, 1)} ⊂ R4
Corolario 3.18. Sexan v1 , v2 , . . . , vk ∈ Kn . Se k > n, entón v1 , v2 , . . . , vk son lineal-
mente dependentes.
Exemplo 3.19. O conxunto {(1, 3), (2, 4), (3, 1)} ⊂ R2 é linealmente dependente.
Corolario 3.20. Sexan V un K-espazo vectorial e β = {v1 , v2 , . . . , vn } unha base de V .
Entón calquera conxunto linealmente independente de V contén como máximo n vectores.
Teorema 3.21. Se un espazo vectorial V ten unha base finita, entón todas as bases de V
son finitas e teñen o mesmo número de vectores.
Definición 3.22. Se V ten unha base finita o número de vectores de calquera base chámase
dimensión de V e denótase dimK (V ) ou dim(V ). Defínese dim{0} := 0.
Exemplo 3.23.
1. dim(Kn ) = n
2. Unha recta vectorial en Kn ten dimensión 1
3. Un plano vectorial en Kn ten dimensión 2
4. P(K) non é de dimensión finita.
5. dimC (C) = 1 e dimR (C) = 2
Exemplo 3.24.
1. dim({(x, y) ∈ R2 : x + 2y = 0}) = 1
2. dim({(x, y, z) ∈ R3 : x − 2y + 3z = 0}) = 2
3. dim(h(1, 2, 0), (1, 1, −1), (1, 4, 2)i) = 2
Propiedade 3.25. Dada A = (aij ) ∈ Mm×n (K) e
   
x1 0
 x2   0 
U = {(x1 , x2 , . . . , xn ) ∈ Kn | A ·  = } ⊂ Kn
   
.. ..
 .   . 
xn 0
8 ESPAZOS VECTORIAIS

entón dim(U ) = n − rg(A).

Exemplo 3.26.
1. dim({(x, y, z) ∈ R3 | −x + 3y + 4z = 0, y − 7z = 0}) = 1
2. dim({(x, y, z) ∈ R3 | −x + 3y + 4z = 0, 2x − 6y − 8z = 0, −3x + 9y + 12z = 0}) = 2

Propiedades 3.27. Supoñamos que dim(V ) = n. Entón:

1. Calquera conxunto linealmente independente de V contén como máximo n vectores.
2. Calquera conxunto xerador de V contén polo menos n vectores.
3. Calquera conxunto linealmente independente con n vectores é unha base.
4. Calquera conxunto xerador de V pode ser reducido a unha base. Método: basta
quitar os vectores linealmente dependentes.
5. Calquera conxunto xerador de V composto de exactamente n vectores é unha base.
6. Teorema da base incompleta: Calquera conxunto linealmente independente {v1 , v2 ,
. . . , vk } en V pode ser estendido a unha base de V . Método: Considérase unha base
coñecida β de V , e substitúense r vectores de devandita base por v1 , v2 , . . . , vr de
modo que o novo conxunto sexa linealmente independente.

Exemplo 3.28. Dado o subespazo vectorial U = {(x, y, z) ∈ R3 : x + y + 2z = 0}:

1. Acha unha base β de U e calcula dim(U )
2. Estende β a unha base β 0 de R3
3. Acha as coordenadas do vector v = (1, 2, 3) ∈ R3 respecto de β 0 .

Propiedades 3.29. Sexan U ⊂ V dous espazos vectoriais. Entón:

1. dim(U ) ≤ dim(V ).
2. dim(U ) = dim(V ) ⇔ U = V .

Exemplo 3.30. Describe o espazo h(1, 1, 0), (−2, 0, 1), (0, 3, 7)i.

Exercicio 3.31. Acha unha base dos seguintes subespazos

1. h(1, −1, 1), (1, 2, 0), (0, 1, 1), (2, 1, 2)i
2. h(0, 1, −2, 1), (3, 1, −1, 0), (2, 1, 5, 1)i

Exercicio 3.32. Acha unha base e calcula a dimensión de:

1. {(x, y, z) ∈ R3 : x − 3y + 2z = 0}
2. {(x, y, z, t) ∈ R4 : x + 2z = 0, y = t = 0}

Exercicio 3.33.
Dado o subespazo vectorial U = {(x, y, z, t) ∈ R4 : x + y + z + t = 0, 2x − 3y − 2z + t = 0}:
1. Acha unha base β de U e calcula dim(U ).
2. Estende β a unha base β 0 de R4 .
3. Acha as coordenadas do vector v = (1, 2, 3, 4) ∈ R4 respecto de β 0 .

Exercicio 3.34.
Dun subespazo vectorial U ⊂ R3 sábese: dim(U ) = 2 e (1, 0, 1), (2, −2, 3) ∈ U . Pídese:
1. Acha unha base β de U .
2. Describe U mediante ecuacións implícitas.
3. Comproba que v = (4, −2, 5) ∈ U e acha as coordenadas de v respecto de β.
4. Completa a base β a unha base β 0 de R3 e acha as coordenadas de v respecto de β 0 .
 ESPAZOS VECTORIAIS 9

4. Matriz de cambio de base

Definición 4.1. Sexan β1 = {u1 , u2 , . . . , uk } e β2 = {v1 , v2 , . . . , vk } dúas bases dun
subespazo U de V e v ∈ U con coordenadas respecto de β1 e a β2 , respectivamente
(x1 , x2 , . . . , xk )β1 e (y1 , y2 , . . . , yk )β2 .
Expresamos os vectores de β1 como combinación lineal dos vectores de β2 :
u1 = a11 v1 + a21 v2 + · · · + ak1 vk
u2 = a12 v1 + a22 v2 + · · · + ak2 vk
.. .. .. .. ..
. . . . .
uk = a1k v1 + a2k v2 + · · · + akk vk
Entón:
(x1 , x2 , . . . , xk )β1 = x1 · u1 + x2 · u2 + . . . + xk · uk
= x1 · (a11 v1 + a21 v2 + . . . + ak1 vk )
+ x2 · (a12 v1 + a22 v2 + . . . + ak2 vk )
..
.
+ xk · (a1k v1 + a2k v2 + · · · + akk vk )
= (x1 · a11 + x2 · a12 + · · · + xk · a1k ) · v1
+ (x1 · a21 + x2 · a22 + · · · + xk · a2k ) · v2
..
.
+ (x1 · ak1 + x2 · ak2 + . . . + xk · akk ) · vk
Polo tanto,
    
y1 a11 a12 · · · a1k x1
 y2   a21 a22 · · · a2k  x2 
=
    
 ..  .. .. .. ..  .. 
 .   . . . .  . 
yk β2
ak1 ak2 · · · akk xk β1
A matriz
 
a11 a12 · · · a1k
 a21 a22 · · · a2k 
1 1



:= := P :=   = (u1β2 |u2β2 | · · · |ukβ2 )
 
β1 →β2 β1 β2 .. .. .. ..
 . . . . 
ak1 ak2 · · · akk
chámase matriz de cambio de base de β1 a β2 .
Propiedades 4.2.

−1
1. 1 β1 β2 é invertible e 1 β1 β2 = 1 β2 β1

2. Se β2 = C, 1 β1 C = (u1 |u2 | . . . |uk )

3. Se β1 = β2 , entón a matriz de cambio de base é a matriz identidade.

Exemplo 4.3. Dada a base β = {(1, 1, 0), (1, 0, 1), (0, 1, 1)} de R3 :
1. Acha a matriz de paso de β a C .
2. Acha as coordenadas de (1, 2, 3)β respecto de C .
3. Acha a matriz de paso de C a β.
4. Acha as coordenadas de (3, 2, 1) respecto de β.
10 ESPAZOS VECTORIAIS

4.4 (Método de Gauss-Jordan para calcular a matriz de cambio de base). Se-

xan β1 = {u1 , u2 , . . . , un } e β2 = {v1 , v2 , . . . , vn } dúas bases de Kn . Chamamos B1 =
(u1 |u2 | · · · |un ) e B2 = (v1 |v2 | · · · |vn ). O proceso consiste en transformar mediante ope-
racións elementais de
filas a matriz de tamaño n × 2n [B2 |B1 ] na matriz [In |P ]. Entón,
cúmprese que P = 1 β1 β2 .

Exemplo 4.5. Dadas as bases β1 = {(1, 1, 0), (1, 0, 1), (0, 1, 1)} e β2 = {(1, 0, 0), (−1, 1, 2),
(1, 2, 2)} de R3 :
1. Acha as coordenadas de (2, −1, 3) respecto de β1 .
2. Acha a matriz de paso de β1 a β2 .
3. Acha as coordenadas de (2, −1, 3) respecto de β2 .
Exemplo 4.6.
1. Acha unha base de U = {(x, y, z, t) ∈ R4 : x + y + z + t = 0}.
2. Completa a base do apartado anterior a unha base β de R4 .
3. Acha a matriz de paso de C a β.
4. Acha as coordenadas de (2, −1, −2, 1) respecto de β.
Exercicio 4.7. Dadas as bases β1 = {(1, 1, 1), (−1, 2, 1), (0, 1, 1)} e β2 = {(3, 2, 1), (−1, 1, 2), (2, 3, 4)}
de R3 :
1. Acha as coordenadas de (−2, 3, 4) respecto de β1 .
2. Acha a matriz de paso de β1 a β2 .
3. Acha as coordenadas de (−2, 3, 4) respecto de β2 .
Exercicio 4.8.
1. Acha unha base de U = {(x, y, z, t) ∈ R4 : 2x + y + z + t = 0, y + z − t = 0}.
2. Completa a base do apartado anterior a unha base β de R4 .
3. Acha a matriz de paso de C a β.
4. Acha as coordenadas de (2, −1, −2, 1) respecto de β.
Exercicio 4.9. En P2 (R):
1. Acha a matriz de paso de {1, x, x2 } a β = {x2 + x + 1, 2x + 1, x2 + 1}
2. Acha as coordenadas de 3x2 − πx + 2 ∈ P2 (R) respecto de β.

5. Intersección e suma de subespazos

Definición 5.1. Se U e W son dous subespazos de V , entón U ∩ W é un subespazo de V
e chámase subespazo intersección de U e W .
U ∩ W = {v ∈ V | v ∈ U e v ∈ W }
y

Observamos que U ∩ W ⊂ U, W e, polo tanto, dim(U ∩ W ) ≤ dim(U ), dim(W ).

Exemplo 5.2. Se U = {(x, y, z) ∈ R3 : 2x+3y −z = 0} e W = {(x, y, z) ∈ R3 : y +z = 0},
acha U ∩ W , a súa dimensión e unha base.
 ESPAZOS VECTORIAIS 11

Observación 5.3. A unión de subespazos non é un subespazo.

Exemplo 5.4. Se U = {(x, y) ∈ R2 | y = 0} e W = {(x, y) ∈ R2 | x = 0} demostra que
U ∪ W non é un subespazo.
V

(0, 1) (1, 1) ∈
/ U ∪V
U
(1, 0)

Definición 5.5. Se U e W son dous subespazos de V , defínese o subespazo suma de U e

W como
U + W = {u + w | u ∈ U, w ∈ W }
Verifícase que:
1. U + W é un subespazo de V .
2. Se U = hu1 , u2 , . . . , ur i e W = hw1 , w2 , . . . , ws i, entón
U + W = hu1 , u2 , . . . , ur , w1 , w2 , . . . , ws i
3. U, W ⊂ U + W e, polo tanto, dim(U ), dim(W ) ≤ dim(U + W )
Exemplo 5.6. Se U = {(x, y) ∈ R2 | y = 0} e W = {(x, y) ∈ R2 | x = 0} acha U + W , a
súa dimensión e unha base.
Exemplo 5.7. Se U = {(x, y, z) ∈ R3 | x + y − 6z = 0} e W = {(x, y, z) ∈ R3 | x =
0, y + 2z = 0} acha U ∩ W, U + W , a súa dimensión e unha base.
Exemplo 5.8. Se U = {(x, y, z) ∈ R3 : 2x+3y −z = 0} e W = {(x, y, z) ∈ R3 : y +z = 0},
acha U + W , a súa dimensión e unha base.
Proposición 5.9 (Fórmula de Grassmann). Se U e W son dous subespazos de V , entón:
dim(U ) + dim(W ) = dim(U + W ) + dim(U ∩ W )
Exemplo 5.10. Se U = {(x, y, z) ∈ R3 : 2x + 3y − z = 0} e W = {(x, y, z) ∈ R3 :
x + y + z = 0, y + 2z = 0}, acha U ∩ W, U + W , a súa dimensión e unha base.
Definición 5.11. Se U e W son dous subespazos de V tales que U ∩ W = {0}, a súa suma
chámase subespazo suma directa de U e W e denótase U ⊕ W .
1. Da fórmula de Grassmann dedúcese que
dim(U ) + dim(W ) = dim(U ⊕ W )
2. Se {u1 , u2 , . . . , ur } é unha base de U e {w1 , w2 , . . . , ws } é unha base de W entón
{u1 , u2 , . . . , ur , w1 , w2 , . . . , ws } é unha base de U ⊕ W .
Definición 5.12. Se U e W son dous subespazos de V tales que U ∩W = {0} e U ⊕W = V ,
dise que U e W son subespazos suplementarios.
Exemplo 5.13. Se U = {(x, y, z, t) ∈ R4 : 2x + 3y − z + t = 0, z + t = 0} e W =
{(x, y, z, t) ∈ R4 : 4x + 6y − 2z = 0, x − t = 0, y + 2z = 0}, pídese:
1. U ∩ W , a súa dimensión e unha base.
2. U + W , a súa dimensión e unha base.
3. Son suplementarios?
Exemplo 5.14. Estuda se os seguintes subespazos son suplementarios:
12 ESPAZOS VECTORIAIS

1. U = {(x, y, z) ∈ R3 : 2x+3y−z = 0} e W = {(x, y, z) ∈ R3 : x+y+z = 0, y+2z = 0}

2. Se U = {(x, y, z) ∈ R3 : 2x + 3y − z = 0} e W = {(x, y, z) ∈ R3 : y + z = 0}
Exercicio 5.15. Dados os subespazos U1 = {(x, y, z) ∈ R3 : x + 3y − z = 0}, U2 =
h(1, −2, 0), (3, −3, 3)i:
1. Describe U1 ∩ U2 e acha unha base.
2. Describe U1 + U2 e acha unha base.
3. Son subespazos suplementarios?