Espacios Vectoriales

Un espacio vectorial implica cuatro cosas

Dos conjuntos no vacios \ y 1 y
Dos operaciones algebraicas llamadas suma de vectores y multiplicacin por un
escalar.
Los objetos en el conjunto \ son llamados vectores y los elementos en el conjunto
1 son llamados escalares. De aqui en adelante 1 es el campo de los nmeros reales
(R) o el de los nmeros complejos (C)
la suma de vectores denotado por n+ es una operacin entre elementos del conjunto
\. mientras que la multiplicacin por un escalar, escrito como `n es una operacin entre
elementos ` 1 y n \.
Denicin 0.1. Decimos que \ es un espacio vectorial sobre 1 si se cumple lo sigu-
iente
1. n + \. para todo n. \
2. `n \. para todo ` 1. para todo n \
3. n + = + n. para todo n. \
4. (n + ) + n = n + ( + n) . para todo n. . n \
5. Existe un elemento neutro (cero) denotado por 0 \ tal que
n + 0 = n para todo n \
6. Para cada elemento n \ existe un elemento denotado como n \ tal que
n + (n) = 0
7. `(n + ) = `n + `, para todo ` 1 y para todo n. \
1
8. (` + j) = ` + j. para todo `. j 1 y para todo \
9. (`j) = `(j) . para todo `. j 1 y para todo \
10. 1 = . para todo \
Algunos espacios vectoriales importantes
Uno de los espacios vectoriales mas conocidos es el plano A1 (plano cartesiano) sobre
el campo de los reales.
veamos porque
Primero, necesitamos dos conjuntos, los cuales hay que reconocerlos.
\ = R
2
1 = R
Segundo, necesitamos dos operaciones, la suma de vectores y la multiplicacin por un
escalar, la que usualmente usamos y nos es muy familiar.
Dado dos elementos en el conjunto \
n = (c. /) = (c. d)
la suma (+) denida como
n + = (c + c. / + d) (1)
y la multiplicacin por un escalar, dado ` R. n R
2
`n = (`c. `/) (2)
Ahora que tenemos claro los conjuntos y las operaciones que se asocian a un espacio
vectorial veremos que efectivamente el plano cartesiano sobre el campo de los nmeros
reales con las operaciones (1) y (2) es un espacio vectorial.
1. Sea n = (c. /) y = (c. d) de (1) tenemos que
n + = (c + c. / + d)
como c + c. / + d R entonces n + R
2
2. Sea ` R. n = (c. /) R
2
de (2) tenemos que
`n = (`c. `/)
como `. c. `. / R entonces `c. `/ R entonces `n R
2
2
3. Sea n = (c. /) y = (c. d) entonces
n + = (c + c. / + d)
= (c + c. d + /)
= (c. d) + (c. /) = + n
4. Sea n = (c. /) . = (c. d) . n = (:. :) R
2
. entonces
(n + ) + n = (c + c. / + d) + (:. :)
= ((c + c) + :. (/ + d) + :)
= (c + (c + :) . / + (d + :))
= (c. /) + (c + :. d + :)
= n + ( + n)
5. El elemento 0 R
2
es el vector (0. 0)
6. Para todo n = (c. /) R
2
. el elemento n es el elemento
n = (c. /)
7. Dado ` R. n = (c. /) . = (c. d) R
2
. tenmos
`(n + ) = `(c + c. / + d)
`(n + ) = (`(c + c) . `(/ + d))
`(n + ) = (`c + `c. `/ + `d)
`(n + ) = (`c. `/) + (`c. `d)
`(n + ) = `(c. /) + `(c. d)
`(n + ) = `n + `
8. Dado `. j R. = (c. d) R
2
. tenemos
(` + j) = (` + j) (c. d)
= ((` + j) c. (` + j) d)
= (`c + jc. `d + jd)
= (`c. `d) + (jc. jd)
= ` + j
3
9. Dado `. j R. = (c. d) R
2
. tenemos
(`j) = (`j) (c. d)
= ((`j) c. (`j) d)
= (`(jc) . `(jd))
= `(jc. jd)
= `(j(c. d)) = `(j)
10. El elemento 1 es el uno habitual.
Subespacios
Denicin 0.2. Un subconjunto \ de un espacio vectorial \ es lla,ado un subespacio
vectorial de \ si \ es tambien un espacio vectorial bajo la suma y multiplicacin por
un escalar denido en \
Usualmente, para probar que un subconjunto es un subespacio no es necesario
probar todos los axiomas, porque ciertas reglas satisfechas en el espacio mas grande
son automaticamente satisfechas en cada subconjunto, si la suma de vectores y multi-
pliacin por un escalar es cerrado en el subconjunto.
Teorema 0.1. Un subconjunto no vacio \ de un espacio vectorial \ es un subespacio
si y solo si
n + \
`n \
para todo n. \ y para todo ` 1
Observacin 0.1. El mismo espacio vectorial \ = \ y el espacio vectorial \ = 0
son llamados subespacios triviales de \
Ejemplo 0.1. Sea \ = (r. . .) R
3
: cr + / + c. = 0 donde c. /. c son constantes.
notar que \ R
3
= \ y que 1 = R como no se dice nada respecto a las operaciones
se asume que son las usuales.
Si n = (r
1
.
1
. .
1
) . = (r
2
.
2
. .
2
) \ debemos probar que la suma tambien
pertenece a \. para ello como n. \ entonces
cr
1
+ /
1
+ c.
1
= 0
cr
2
+ /
2
+ c.
2
= 0
4
sumando ambos tenemos
cr
1
+ /
1
+ c.
1
+ cr
2
+ /
2
+ c.
2
= 0 + 0 = 0
c (r
1
+ r
2
) + / (
1
+
2
) + c (.
1
+ .
2
) = 0
luego vemos que n + = (r
1
+ r
2
.
1
+
2
. .
1
+ .
2
) tambien est en \
ahora sea ` R entonces
`n = (`r
1
. `
1
. `.
1
)
luego
c (`r
1
) + / (`
1
) + c (`.
1
) = `(cr
1
+ /
1
+ c.
1
)
= `0 = 0
entonces `n \, por lo tanto \ es un subespacio vectorial de R
3
Ejemplo 0.2. Sea una matriz de orden ::, el conjunto
\ = r R
n
: r = 0
de las soluciones del sistema homogeneo es un espacio vectorial.
Aqui debemos notar que los elementos de \ estan en R
n
esto es \ = R
n
. el cul
es un espacio vectorial sobre 1 = R, como no se dice nada respecto a las operaciones
se asume que son las usuales.
sea r. \ entonces
r = 0
= 0
entonces sumando
(r + ) = r + = 0 + 0 = 0
luego
(r + ) = 0
por tanto el vector suma r + \
Sea ` R entonces
(`r) = `(r) = `0 = 0
luego tenemos que
(`r) = 0
5
por tanto el vector (`r) \, por lo tanto \ es un subespacio vectorial de \
Exercise 0.2. Sean \
1
y \
2
dos subespacios de \ Probar que
1. La interseccin \
1
\
2
es un subespacio
2. La suma \
1
+ \
2
es un subespacio, donde
\
1
+ \
2
= n
1
+ n
2
: n
1
\
1
. n
2
\
2

Combinacin lineal y espacio generado

Denicin 0.3 (Combinacin lineal). Sean
1
.
2
. .
m
vectores de un espacio vec-
torial \ sobre el campo 1. Entonces cualquier vector de la forma
c
1

1
+ c
2

2
+ + c
m

m
donde c
1
. c
2
. . c
m
1 se denomina combinacin lineal de
1
.
2
. .
m
Ejemplo 0.3. En \ = R
3
el vector n =
_
_
_
2
9
3
_
_
_
es una combinacin lineal de los
vectores
1
=
_
_
_
1
2
1
_
_
_
.
2
=
_
_
_
0
1
1
_
_
_
. pues
n = 2
1
5
2
Ejemplo 0.4. En \ = `
23
el vector n =
_
3 5 2
4 2 3
_
es una combinacin lineal
de los vectores
1
=
_
1 1 0
2 0 1
_
.
2
=
_
0 1 1
1 1 0
_
. pues
n = 3
1
+ 2
2
Denicin 0.4 (Espacio generado). Sea o \ un subconjunto del espacio vectorial
\. el espacio generado por o es denido como el conjunto de todas las combinaciones
lineales de los vectores de o. se suele denotar como
[o] = :jc:(o) = qc:(o)
Si o =
1
.
2
. .
m
entonces
[o] = c
1

1
+ c
2

2
+ + c
m

m
: c
i
1. i = 1 :
6
Ejemplo 0.5. Sea o \ = R
3
. donde o =
_

1
= (2. 1. 4)
T
.
2
= (4. 1. 6)
T
_
. en-
tonces el espacio genertado por o viene dado por
[o] =
_
\ = R
3
, = c
1
+ ,
2
: c. , R
_
Por la teora de planos deducimos que [o] es un plano, ahora un mtodo para deducir
la ecuacin cartesiana de este plano es como sigue.
Como = (r. . .) es un vector arbitrario entonces
_
_
_
r

.
_
_
_
= c
_
_
_
2
1
4
_
_
_
+ ,
_
_
_
4
1
6
_
_
_
luego
_
_
_
2 4
1 1
4 6
_
_
_
_
c
,
_
=
_
_
_
r

.
_
_
_
como es un sistema que tiene solucin llevamos la matriz aumentada a su forma
escalonada

a
=
_
_
_
2 4 r
1 1
4 6 .
_
_
_

a;E
=
_
_
_
2 4 r
0 3 +
x
2
0 0 .
5
3
r +
2
3

_
_
_
como el sistema debe ser consistente entonces .
5
3
r +
2
3
= 0. luego
5r + 2 + 3. = 0
es la ecuacin del plano que pasa por el origen.
Lema 0.1. En un espacio vectorial V, el espacio generado por un subconjunto S de V
es un espacio vectorial (subespacio)
Proof. Basta probar que es un subespacio, para ello
Si o = 0 entonces [o] = 0 el cual es un espacio vectorial, ahora si o es difrenete
de 0
sea n. [o] entonces
n =
n

i=1
c
i
n
i
tal que n
i
o. i = 1 : :
=
n

j=1
c
j
~ n
j
tal que ~ n
i
o. i = 1 : :
7
entonces la suma de n. viene dado por
n + =
n

i=1
c
i
n
i
+
n

j=1
c
j
~ n
j
donde n
i
. ~ n
j
o entonces n + es una combinacin lineal de los vectores de o y por
tanto n + [o]
ahora
cn = c
_
n

i=1
c
i
n
i
_
tal que n
i
o. i = 1 : :
cn =
n

i=1
(cc
i
) n
i
tal que n
i
o. (cc
i
) 1. i = 1 : :.
por tanto cn [o], luego [o] es un espacio vectorial
Ejemplo 0.6. Indicar si el vector n = r r
3
pertenece al espacio generado por el
conjunto o = r
2
. 2r + r
2
. r + r
3

como [o] es el conjunto de todas las combinaciones lineales de los vectores de S,

entonces si n [o] se tiene
r r
3
= cr
2
+ ,
_
2r + r
2
_
+
_
r + r
3
_
luego
1 = 2, +
0 = c + ,
1 =
llevandolo a un sistema matricial
_
_
_
0 2 1
1 1 0
0 0 1
_
_
_
_
_
_
c
,

_
_
_
=
_
_
_
1
0
1
_
_
_
entonces

a
=
_
_
_
0 2 1 1
1 1 0 0
0 0 1 1
_
_
_

a;E
=
_
_
_
1 0 0 1
0 1 0 1
0 0 1 1
_
_
_
luego tenemos que = 1. , = 1. c = 1. esto es un sistema consistente, por tanto el
vector n [o]
8
Dependencia e independencia lineal
Sean
1
.
2
. .
m
vectores de un espacio vectorial \ sobre el campo 1 y sea `
1
. `
2
. . `
m
escalaraes en 1 entonces teniamos que el vector
= `
1

1
+ `
2
+ +
m
`
m
es una combinacin lineal de
1
.
2
. .
m
Si todos los coecientes `
1
= `
2
= = `
m
= 0 entonces tenemos que = 0
Ahora puede ocurrir que no siendo todos los `
i
iguales a cero se tiene que = 0.
Cuando esto ocurre se dice que los vectores son linealmente dependientes.
Ejemplo 0.7. Sea
1
=
_
_
_
1
1
2
_
_
_
.
2
=
_
_
_
0
1
1
_
_
_
.
3
=
_
_
_
2
1
1
_
_
_
estos vectores son
linealmente dependientes pues para `
1
= 2. `
2
= 3. `
3
= 1 se tiene
2
1
+ 3
2
+
3
=
_
_
_
0
0
0
_
_
_
Denicin 0.5. Dado los vectores
1
.
2
. .
m
\ se dice que son linealmente
dependientes si y solo si existen escalares no todos iguales a cero talque
`
1

1
+ `
2

2
+ `
m

m
= 0 (3)
Denicin 0.6. Los vectores
1
.
2
. .
m
\ se dice que son linealmente indepen-
dientes si ellos no son linealmente dependientes
Observacin 0.2.
1
.
2
. .
m
son linealmente independientes si la ecuacin (3) se
cumple unicamente para `
1
= `
2
= = `
m
= 0
Ejemplo 0.8. Los vectores
1
=
_
_
_
_
_
_
1
1
1
0
_
_
_
_
_
_
.
2
=
_
_
_
_
_
_
1
1
0
0
_
_
_
_
_
_
.
3
=
_
_
_
_
_
_
1
0
0
0
_
_
_
_
_
_
son linealmente
independientes, puesto que al plantear la ecuacin
`
1

1
+ `
2

2
+ `
3

3
= 0
9
nos lleva a la ecuacin
_
_
_
_
_
_
1 1 1
1 1 0
1 0 0
0 0 0
_
_
_
_
_
_
_
_
_
`
1
`
2
`
3
_
_
_
=
_
_
_
_
_
_
0
0
0
0
_
_
_
_
_
_
entonces formando la matriz aumentada

a
=
_
_
_
_
_
_
1 1 1 0
1 1 0 0
1 0 0 0
0 0 0 0
_
_
_
_
_
_

a;E
=
_
_
_
_
_
_
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 0
_
_
_
_
_
_
entonces nos lleva al sistema
`
1
= 0
`
2
= 0
`
3
= 0
como nica solucin, por tanto los vectores son linealmente independientes
Bases y dimensin
Denicin 0.7 (Dimensin). El nmero mas grande de vectores linealmente indepen-
dientes en un espacio vectorial \ es llamado la dimensin de \ y se denota dim\.
Observacin 0.3. Si este es un nmero nito :, denimos dim\ = : y diremos que
V es un espacio de dimensin nita.
Observacin 0.4. Si existen conjuntos arbitrariamente grande de vectores linealmente
independientes en \ , diremos que la dim\ es innito y que \ es de dimensin innita
10
Ejemplo 0.9. En \ = R
3
los siguientes conjuntos son linealmente independientes
o
1
=
_

_
_
_
_
1
1
2
_
_
_
_

_
o
2
=
_

_
_
_
_
1
1
2
_
_
_
.
_
_
_
1
1
0
_
_
_
_

_
o
3
=
_

_
_
_
_
1
1
2
_
_
_
.
_
_
_
1
1
0
_
_
_
.
_
_
_
2
0
0
_
_
_
_

_
lo que se probara mas adelante es que en \ = R
3
el conjunto mas grande de vectores
linealmente independientes tiene 3 vectores, esto es la dim\ = 3
Ejemplo 0.10. Un ejemplo de un espacio de dimensin innita es \ = 1 [A] el
conjunto de los polinomios de cualquier grado. Pues si suponemos que tiene dimensin
nita igual a :. entonces
o =
1
.
2
. .
n

y sea / el mayor grado de los polinomios que forman el conjunto S, luego como \ =
1 [A] entonces el polinomio = r
k+1
\ , ahora probaremos que el conjunto
~
o =
1
.
2
. .
n
.
es linealmente independiente, sea
c
1

1
+ c
n

n
+ c
n+1
= 0 (4)
como o es el mas conjunto mas grande de vectores linealmente independiente entonces
es combinacion lineal de
1
.
2
. .
n
esto es
= ,
1

1
+ ,
n

n
pero tiene grado mayor que cualquier vector de S por tanto no puede ser combinacin
lineal de ellos, esto es, son linealmente independientes, por tanto el conjunto
~
o =
1
.
2
. .
n
.
es linealmente independiente.
Denicin 0.8. Sea o un conjunto de vectores incluido en el espacio vectorial \ , S
11
es una base de V si y solo si
1. Los vectores en o son linealmente independientes
2. El conjunto generado por o es \ , esto es, [o] = :jc:(o) = \
Ejemplo 0.11. La base mas simple de R
2
es la base cannica
o =
__
1
0
_
.
_
0
1
__
dado que
1. (a)
_
1
0
_
.
_
0
1
_
son linealmente independientes. (vericar)
(b) :jc:(o) = R
2
, esta parte se puede probar considerando que un vector
arbitrario tal como
_
r

_
es combinacin neal de
_
1
0
_
.
_
0
1
_
entonces
_
r

_
= c
_
1
0
_
+ ,
_
0
1
_
llevando a su forma matricial
_
1 0
0 1
__
c
,
_
=
_
r

_
vemos que esta e su forma escalonada y esun sistema consistente,:jc:(o) =
R
2
. adems se puede concluir que el sistema tiene solucin nica c = r. , =

Observacin 0.5. La base de un espacio vectorial no es nica, del ejemplo anterior

tenemos que el conjunto
o
1
=
__
1
1
_
.
_
1
2
__
es tambin una base de R
2
. dado que
1. (a)
_
1
1
_
.
_
1
2
_
son linealmente independientes (vericar)
12
(b) :jc:(o
1
) = R
2
, esta parte se puede probar considerando que un vector arbi-
trario tal como
_
r

_
es combinacin lineal de
_
1
1
_
.
_
1
2
_
entonces
_
r

_
= c
_
1
1
_
+ ,
_
1
2
_
llevando a su forma matricial
_
1 1
1 2
__
c
,
_
=
_
r

_
formando su matriz aumentada y llavandola a su forma escalonada reducida

a
=
_
1 1 r
1 2
_

a;E
=
_
1 0
2
3
r +
1
3

0 1
1
3

1
3
r
_
notamos que el sistema es consistente, por lo tanto :jc:(o
1
) = R
2
, adem{as
podemos concluir que el sistema tiene solucin nica y viene dado por
c =
2
3
r +
1
3
(5)
, =
1
3

1
3
r (6)
Habr notado que en los dos ejemplos anteriores la solucin resulta siendo nica,
esto viene caracterizado por el siguiente teorema
Teorema 0.3. Sea o =
1
.
2
. .
n
una base de un espacio vectorial \. entonces
cada vector que pertenece a \ , es expresado de manera nica como combinacin
lineal de los vectores de S. Esto es existen escalares nicos c
1
. c
2
. . c
n
. tal que
= c
1

1
+ c
2

2
+ + c
n

n
Ejemplo 0.12. En el ejemplo anterior o
1
es una base de R
2
y el vector
_
3
5
_
se
expresa de manera nica como combinacin lineal de
_
1
1
_
.
_
1
2
_
_
3
5
_
= c
_
1
1
_
+ ,
_
1
2
_
13
c y , vienen determinados por las ecuaciones (5) y (6), esto es
c =
2
3
(3) +
1
3
(5) =
11
3
, =
1
3
(5)
1
3
(3) =
2
3
Tambin habra notado que tanto la base o como la base o
1
del espacio vectorial
R
2
tienen el mismo nmero de vectores, esto se caracteriza en el siguiente teorema
Teorema 0.4. Si una base de un espacio vectorial tiene : vectores, entonces cualquier
otra base tambin tiene : vectores.
A continuacin mostramos un conjunto o que genera el espacio vectorial R
2
. pero
no es una base
o =
__
1
0
_
.
_
1
1
_
.
_
2
1
__
para determinar que genera R
2
es suciente probar que todo vector =
_
r

_
en el
espacio vectorial, se puede expresar como combinacin lineal de los vectores de o
_
r

_
= c
1
_
1
0
_
+ c
2
_
1
1
_
+ c
3
_
2
1
_
formando el sistema matricial
_
1 1 2
0 1 1
_
_
_
_
c
1
c
2
c
3
_
_
_
=
_
r

_
formando su matriz aumentada y llevandolo a su forma escalonada

a
=
_
1 1 2 r
0 1 1
_

a;E
=
_
1 0 3 r
0 1 1
_
como vemos tenemos un sistema consistente, lo que indica que el conjunto o genera el
espacio vectorial \. sin embargo o no es una base, pues los vectores que la forman no
son linealmente indepedientes.
ahora este sistema tiene una variable libre, c
3
= t luego c
2
= t. c
1
= r +3t.
por tanto
_
_
_
c
1
c
2
c
3
_
_
_
=
_
_
_
r + 3t
t
t
_
_
_
=
_
_
_
r

0
_
_
_
+ t
_
_
_
3
1
1
_
_
_
. t R
14
como t toma innitos valores, entonces un vector en V puede ser expresado de innitas
formas, por ejemplo. el vector =
_
2
5
_
puede ser expresado como
_
1
0
_
.
_
1
1
_
.
_
2
1
_
_
2
5
_
= 3
_
1
0
_
+ 5
_
1
1
_
+ 0
_
2
1
_
jc:c t = 0
_
2
5
_
= 3
_
1
0
_
+ 3
_
1
1
_
+ 2
_
2
1
_
jc:c t = 2
Coordenadas
Una de las caracteristicas tiles de una base 1 en un espacio vectorial \ es que esen-
cialmente habilita a introducir coordenadas en \ , analogo a las coordenadas naturales
r
i
del vector =
_
_
_
_
_
_
r
1
r
2
.
.
.
r
n
_
_
_
_
_
_
en R
n
o C
n
. Esto es, las coordenadas del vector en una
base 1 vendran ser los escalares que sirven para expresar el vector como combinacin
lineal de los vectores de la base 1.
Ejemplo 0.13. Sea \ = R
2
si consideramos la base 1 =
_
c
1
=
_
1
0
_
. c
2
=
_
0
1
__
comunmente conocida com la base canonica de R
2
. en esta base las coordenadas del
vector =
_
1
8
_
coinciden con el vector
_
1
8
_
. y se suele denotar []
B
. como
= 1c
1
+ 8c
2
entonces
[]
B
=
_
1
8
_
ahora si consideramos otra base digamos 1
1
=
__
1
1
_
.
_
1
2
__
. entonces el vector
se expresa como
= 2
_
1
1
_
+ 3
_
1
2
_
=
_
1
8
_
por tanto las coordenadas del vector en la base 1
1
es
_
2
3
_
. esto es
[]
B
1
=
_
2
3
_
Ejemplo 0.14. Consideremos otro tipo de espacios vectoriales como el de los poli-
15
nomios, a decir 1
2
(A) sobre los reales, ahora sea 1 =
1
= 1.
2
= r.
3
= r
2
una
base de 1
2
(A) . esta base es conocida como la base cannica, luego el vector =
3r
2
+ 5r + 9 es una combinacin lineal de
1
.
2
.
3
. esto es
= 9
1
+ 5
2
3
3
por tanto las coordenadas del vector en la base 1 es
[]
B
=
_
_
_
9
5
3
_
_
_
Si consideramos otra base para este espacio vectorial digamos 1
1
= 1. 2 + r. 1 + r
2

entonces el vector = 3r
2
+5r+9 se puede expresar como combinacin lineal de los
vectores de 1
1
= 2 (1) + 5 (2 + r) 3
_
1 + r
2
_
por lo que sus coordenadas en la base 1
1
es
[]
B
1
=
_
_
_
2
5
3
_
_
_
Suma e Interseccin de Subespacios
Sean l y \ dos subespacios de \ , la interseccin de estos subespacios se dene como
l \ = \ tal que l y \
y la suma de estos subespacios se dene como
l + \ = n + n tal que n l y n \
Teorema 0.5. Sean l y \ dos subespacios de \. entonces l \ y l + \ son
subespacios vectoriales de \
Proof. Primero vamos a probar que l \ es un subespacio
para ello basta probar los dos primeros axiomas,
sea
1
.
2
dos vectores en l \ entonces
1
.
2
l y
1
.
2
\
como l y \ son subespacios entonces
1
+
2
l y
1
+
2
\
luego
1
+
2
l \.
tambien c
1
l y c
1
\ para todo escalar c, pues l y \ son subespacios
16
luego c
1
l \, esto prueba que l \ es un subespacio
Ahora probaremos que l + \ es un subespacio de \
sean
1
.
2
dos vectores en l + \ entonces se tiene que

1
= n
1
+ n
1
do:dc n
1
l y n
1
\

2
= n
2
+ n
2
do:dc n
2
l y n
2
\
entonces

1
+
2
= (n
1
+ n
1
) + (n
2
+ n
2
)

1
+
2
= (n
1
+ n
2
) + (n
1
+ n
2
)
como (n
1
+ n
2
) l y (n
1
+ n
2
) \ entonces
1
+
2
l + \
tambin cn
1
l y cn
1
\ entonces
cn
1
+ cn
1
l + \
pero
c
1
= cn
1
+ cn
1
por tanto c
1
l + \.
Teorema 0.6. Si l y \ son subespacios de dimensin nita del espacio vectorial \
entonces l + \ es de dimensin nita y
diml + dim\ = dim(l + \) + dim(l \)
Ejemplo 0.15. Sean l y \ dos subespacios de \ = R
5
denidos por
l = :jc:
_

_
_
_
_
_
_
_
_
_
1
3
2
2
3
_
_
_
_
_
_
_
_
.
_
_
_
_
_
_
_
_
1
4
3
4
2
_
_
_
_
_
_
_
_
.
_
_
_
_
_
_
_
_
2
3
1
2
9
_
_
_
_
_
_
_
_
_

_
\ = :jc:
_

_
_
_
_
_
_
_
_
_
1
3
0
2
1
_
_
_
_
_
_
_
_
.
_
_
_
_
_
_
_
_
1
5
6
6
3
_
_
_
_
_
_
_
_
.
_
_
_
_
_
_
_
_
2
5
3
2
1
_
_
_
_
_
_
_
_
_

_
hallaremos una base y la dimensin para l \ y l + \.
17
Como l + \ = n + n tal que n l y n \ entonces
l + \ = :jc:
_

_
_
_
_
_
_
_
_
_
1
3
2
2
3
_
_
_
_
_
_
_
_
.
_
_
_
_
_
_
_
_
1
4
3
4
2
_
_
_
_
_
_
_
_
.
_
_
_
_
_
_
_
_
2
3
1
2
9
_
_
_
_
_
_
_
_
.
_
_
_
_
_
_
_
_
1
3
0
2
1
_
_
_
_
_
_
_
_
.
_
_
_
_
_
_
_
_
1
5
6
6
3
_
_
_
_
_
_
_
_
.
_
_
_
_
_
_
_
_
2
5
3
2
1
_
_
_
_
_
_
_
_
_

_
Formamos una matriz cuyas las son los vectores que generan l + \
_
_
_
_
_
_
_
_
_
_
_
1 3 2 2 3
1 4 3 4 2
2 3 1 2 9
1 3 0 2 1
1 5 6 6 3
2 5 3 2 1
_
_
_
_
_
_
_
_
_
_
_
llevandolo a la forma escalonada
_
_
_
_
_
_
_
_
_
_
_
1 3 2 2 3
1 4 3 4 2
2 3 1 2 9
1 3 0 2 1
1 5 6 6 3
2 5 3 2 1
_
_
_
_
_
_
_
_
_
_
_

_
_
_
_
_
_
_
_
_
_
_
1 3 2 2 3
0 1 1 2 1
0 0 2 0 2
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
_
_
_
_
_
_
_
_
_
_
_
tenemos que una base para l + \ es
1 =
_

_
_
_
_
_
_
_
_
_
1
3
2
2
3
_
_
_
_
_
_
_
_
.
_
_
_
_
_
_
_
_
0
1
1
2
1
_
_
_
_
_
_
_
_
.
_
_
_
_
_
_
_
_
0
0
2
0
2
_
_
_
_
_
_
_
_
_

_
por tanto dim(l + \ ) = 3
Ahora para hallar la base de l \. primero hallaremos los sistemas homogneos
cuyas soluciones son los subespacios l y \ entonces formamos la matriz cuyas las
18
son los vectores que generan U
_
_
_
_
_
_
1 3 2 2 3
1 4 3 4 2
2 3 1 2 9
r . : t
_
_
_
_
_
_
f
2
f
1
!
f
3
2f
1
f
4
xf
1
_
_
_
_
_
_
1 3 2 2 3
0 1 1 2 1
0 3 3 6 3
0 3r . + 2r : 2r t 3r
_
_
_
_
_
_
_
_
_
_
_
_
1 3 2 2 3
0 1 1 2 1
0 0 r + + . 4r 2 + : 6r + + t
0 0 0 0 0
_
_
_
_
_
_
entonces el sistema homogneo de donde proviene l viene dado por
r + + . = 0
4r 2 + : = 0
6r + + t = 0
ahora hallamos el sistema homogneo de donde proviene \. siguiendo el procedimiento
anterior tenemos el sistema (vericar)
9r + 3 + . = 0
4r 2 + : = 0
2r + t = 0
Ahora unimos ambos sistemas y resolvemos el sistema homogneo cuyo solucin es
l \
r + + . = 0
4r 2 + : = 0
6r + + t = 0
9r + 3 + . = 0
4r 2 + : = 0
2r + t = 0
19
formamos el sistema matricial
_
_
_
_
_
_
_
_
_
_
_
1 1 1 0 0
4 2 0 1 0
6 1 0 0 1
9 3 1 0 0
4 2 0 1 0
2 1 0 0 1
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
r

.
:
t
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
_
_
_
0
0
0
0
0
0
_
_
_
_
_
_
_
_
_
_
_
llevamos a su forma escalonada
_
_
_
_
_
_
_
_
_
_
_
1 1 1 0 0
4 2 0 1 0
6 1 0 0 1
9 3 1 0 0
4 2 0 1 0
2 1 0 0 1
_
_
_
_
_
_
_
_
_
_
_

_
_
_
_
_
_
_
_
_
_
_
1 0 0 0
1
2
0 1 0 0 2
0 0 1 0
3
2
0 0 0 1 2
0 0 0 0 0
0 0 0 0 0
_
_
_
_
_
_
_
_
_
_
_
el sistema tiene una variable libre, por lo tanto dim(l \) = 1. para hallar el vector
de su base, basta con dar un valor a su variable libre t. entonces una solucin viene
dado por
t = 2. : = 4. . = 3. = 4. r = 1
Cambio de Base
Consideremos el espacio vectorial mas simple como R
2
. Si B es la base canonica, esto
es
1 =
__
1
0
_
.
_
0
1
__
entonces las coordenadas de =
_
1
8
_
esta dado por
[]
B
=
_
1
8
_
y cuando la base es
1
1
=
__
1
1
_
.
_
1
2
__
20
entonces las coordenadas de en esta base viene dada por
[]
B
1
=
_
2
3
_
Mostramos a continuacin la existencia de una matriz que la denotamos ` que viene
dado por
` =
_
1 1
1 2
_
tal que cumple que
[]
B
= ` []
B
1
basta comprobar que
[]
B
=
_
1 1
1 2
__
2
3
_
=
_
1
8
_
la matriz M es llamada la matriz de transicin de la base 1
1
a la base 1. ahora tambin
existe la matriz de transicin de la base 1 a la base 1
1
dada por
1 =
_
2
3
1
3

1
3
1
3
_
aqui se cumple que
[]
B
1
= 1 []
B
basta comprobar que
[]
B
1
=
_
2
3
1
3

1
3
1
3
__
1
8
_
=
_
2
3
_
Adems esta matriz es nica salvo el orden de los vectores que forman la base.
Observacin 0.6. notar que 1 es la inversa de la matriz `
A continuacin denimos la matriz de transicin de la base 1
1
a la base 1
2
Denicin 0.9. Sean 1
1
= n
1
. n
2
. . n
n
. 1
2
=
1
.
2
. .
n
dos bases de un
espacio vectorial \ se dene la matriz A como la matriz de transicin de la base 1
1
a
la base 1
2
como
=
_
[n
1
]
B
2
. [n
2
]
B
2
. . [n
n
]
B
2
_
donde [n
i
]
B
2
son las coordenadas del vector n
i
en la base 1
2
para i = 1 : :
21
Ejemplo 0.16. Sea el espacio vectorial \ = 1
2
(A), consideremos dos bases de ella
tales como
1
1
=
_
n
1
= 1. n
2
= 1 + r. n
3
= 1 r
2
_
y 1
2
=
_

1
= 1 r.
2
= 1 + r.
3
= 1 + r
2
_
Hallaremos la matriz de transicin de la base 1
1
a la base 1
2
Hallemos las coordenadas de los vectores de la base 1
1
en la base 1
2
. para n
1
= 1
1 = c (1 r) + / (1 + r) + c
_
1 + r
2
_
luego tenemos
1 = (c + / + c) + (c + /) r + (c) r
2
entonces tenemos
1 = c + / + c
0 = c + /
0 = c
resolviendo
c = 0. / =
1
2
. c =
1
2
entonces
[1]
B
2
=
_
_
_
1
2
1
2
0
_
_
_
ahora para el vector n
2
= 1 + r
1 + r = (c + / + c) + (c + /) r + (c) r
2
luego
1 = c + / + c
1 = c + /
0 = c
resolviendo
c = 0. / = 1. c = 0
22
entonces
[1 + r]
B
2
=
_
_
_
0
1
0
_
_
_
Seguimos con el vector n
3
= 1 r
2
1 r
2
= (c + / + c) + (c + /) r + (c) r
2
luego
c + / + c = 1
c + / = 0
c = 1
resolviendo
c = 1. / = 1. c = 1
entonces
_
1 r
2

B
2
=
_
_
_
1
1
1
_
_
_
por tanto la matriz de transicin de la base 1
1
a la base 1
2
es
=
_
_
_
1
2
0 1
1
2
1 1
0 0 1
_
_
_
por tanto tenemos que
[]
B
2
= []
B
1
(7)
Ahora esta ecuacin nos sirve para hallar las coordenadas de un vector en la base 1
2
conociunedo la matriz de transicin y las coordenadas de en la base 1
1
.
Ejemplo 0.17. Usando las bases y la matriz de transicin halladas previamente, hallar
las coordenadas del vector en la base 1
2
si se sabe que []
B
1
=
_
_
_
1
1
2
_
_
_
23
usando la ecuacin (7) tenemos que
[]
B
2
=
_
_
_
1
2
0 1
1
2
1 1
0 0 1
_
_
_
_
_
_
1
1
2
_
_
_
[]
B
2
=
_
_
_
5
2
3
2
2
_
_
_
ahora solo vericaremos que es cierto, para ello, como
[]
B
1
=
_
_
_
1
1
2
_
_
_
entonces
= 1 (1) 1 (1 + r) + 2
_
1 r
2
_
= 2r
2
r + 2
tambin como
[]
B
2
=
_
_
_
5
2
3
2
2
_
_
_
entonces
=
5
2
(1 r) +
3
2
(1 + r) 2
_
1 + r
2
_
= 2r
2
r + 2
24