Académique Documents
Professionnel Documents
Culture Documents
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
_
_
_
=
_
_
_
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. , =
_
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