Espacios vectoriales

Version Noviembre de 2011

Pontificia Universidad Catolica de Chile

Indice
1. Conceptos b
asicos
1.1. Cuerpos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2. Espacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3. Combinaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1
1
3
6

2. Subespacios Vectoriales
2.1. Definicion y caracterizaciones de los subespacios . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2. Operaciones con subespacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

8
8
12

3. Bases y dimensi
on
15
3.1. Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.2. Dimension . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.3. Completaci
on de bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4. Sistemas de coordenadas y cambio de base
24
4.1. Sistemas de coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
4.2. Matrices de cambio de bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

1.

Conceptos b
asicos

En este captulo, estudiaremos la generalizaci

on de las ideas y propiedades estudiada en el captulo de Vectores
dadas de la relaci
on que existe entre Rn y R. El papel de R sera ocupado por cualquier cuerpo de n
umeros,
mientras que el papel de Rn sera ocupado por un espacio vectorial sobre dicho cuerpo.

1.1.

Cuerpos

Daremos la definicion de cuerpos y algunos ejemplos de este tipo de estructura algebraica, pero solo desarrollaremos la teora de espacios vectoriales sobre el cuerpo de los n
umeros reales R, pues esta nos permite presentar
todos los resultados de espacios vectoriales en general, operando algebraicamente con nuestros conocidos n
umeros
reales. Sin embargo, nos sentiremos en libertad para entregar ejemplos que incluyan otros cuerpos (principalmente
el cuerpo de los n
umeros complejos C) cuando aporten nueva informacion y aclaren de mejor manera las ideas.
Definici
on: Un conjunto no vaco K es un cuerpo si tiene definidas dos operaciones binarias:
+ : KK
(, )

K
7 +

: KK
(, )

(suma)

K
7

(multiplicaci
on)

que cumplen las siguientes propiedades (axiomas de cuerpo):

Axiomas de la suma
(1) La suma es conmutativa: + = + para todo , K.
(2) La suma es asociativa: ( + ) + = + ( + ) para todo , , K.
(3) Existe un neutro para la suma 0K tal que + 0K = para todo K.
e = 0K .
(4) A cada K le corresponde un inverso aditivo
e K tal que +

Axiomas de la multiplicaci
on

(1) La multiplicaci
on es conmutativa: = para todo , K.
(2) La multiplicaci
on es asociativa: ( ) = ( ) para todo , , K.
(3) Existe un neutro para la multiplicaci
on 1K tal que 1K = para todo K.
(4) A cada K, 6= 0K , le corresponde un inverso multiplicativo
b K tal que
b = 1K .

Axioma distributivo

(1) La multiplicaci
on distribuye con respecto a la suma: ( + ) = + para todo , , K.
Normalmente, anotamos que (K, +, ) es un cuerpo.
Ejemplos:
1. Claramente, el conjunto de los n
umeros reales R con la suma y multiplicacion usuales es un cuerpo.
2. El conjunto de los n
umeros complejos C = {a + bi : a, b R, i la unidad imaginaria} con la suma y multiplicacion de n
umeros complejos:
(a + bi) + (c + di) = (a + c) + (b + d)i

(a + bi) (c + di) = (ac bd) + (ad + bc)i

es un cuerpo. Recordemos que 0C = 0 + 0i, 1C = 1 + 0i, el inverso aditivo de z = a + bi es ze = a bi y el

b
a
2
i.
inverso multiplicativo de z es zb = 2
a + b2
a + b2

3. Q con su suma y multiplicaci

on usuales es cuerpo, pero N no es cuerpo, pues sus elementos no tienen inversos
aditivos ni multiplicativos y Z no es cuerpo, pues sus elementos no tienen inversos multiplicativos.
1

4. Para un ejemplo de cuerpo menos conocido, consideremos el conjunto Z5 = {0, 1, 2, 3, 4} y definimos su suma
y su multiplicaci
on a traves de las siguientes tablas:
+
0
1
2
3
4

0
0
1
2
3
4

1
1
2
3
4
0

2
2
3
4
0
1

3
3
4
0
1
2

0
1
2
3
4

4
4
0
1
2
3

0
0
0
0
0
0

1
0
1
2
3
4

2
0
2
4
1
3

3
0
3
1
4
2

4
0
4
3
2
1

Para construir las tablas se realizan las operaciones suma y multiplicacion en aritmetica modular, que en este
caso, sera en aritmetica modulo 5 (lo que anotamos mod 5).
Dado un entero cualquiera x siempre podemos escribir x = 5k + r, donde k es un entero fijo y r {0, 1, 2, 3, 4}.
Cuando esto ocurra, diremos que x es igual a r modulo 5. Esto se anota
x=r

mod 5

Si x es positivo, r es el resto que se obtiene al dividir x por 5, pero si x es negativo, no es tan claro lo que
representa r, por eso debemos usar la expresion x = 5k + r.
As, 8 = 3 mod 5, pues 8 : 5 = 1 y el resto de la divisi
on es 3, es decir, 8 = 5 1 + 3. De igual modo, tenemos
que 17 = 2 mod 5, pues 17 = 5 3 + 2. Pero cu
anto vale 14 en modulo 5? Bueno, 14 = 5 (3) + 1,
entonces 14 = 1 mod 5. De igual modo, 8 = 2 mod 5 y 17 = 3 mod 5 (compruebelo!).

Pero, volviendo a nuestro conjunto Z5 , definimos la suma y la multiplicacion de los elementos de Z5 usando
operaciones mod 5. Por ejemplo, 1 + 3 = 4 y 4 = 4 mod 5, luego 1 + 3 = 4 en Z5 , pero 4 + 1 = 5 y 5 = 0
mod 5, luego 4 + 1 = 0 en Z5 . De igual modo, 1 3 = 3 y 3 = 3 mod 5, luego 1 3 = 3 en Z5 , pero 2 3 = 6 y
6 = 1 mod 5, luego 2 3 = 1 en Z5 . De esta forma, se construyen completas las tablas.

Y por propiedades de la aritmetica modular, tendremos que estas operaciones son conmutativas y asociativas.
Los neutros e inversos de los elementos se leen de las tablas.
De la tabla de la suma, vemos que el u
nico elemento que al sumarlo con todos los deja igual es 0, luego 0Z5 = 0
y, por tanto, de cada lnea podemos determinar los inversos aditivos de los elementos: 0 + 0 = 0, luego 0 = 0.
De la segunda lnea tenemos que 1 + 4 = 0, entonces 1 = 4 y 4 = 1. Ademas, 2 + 3 = 0, luego 2 = 3 y
3 = 2.

De la tabla de la multiplicaci
on, tenemos que 0 r = 0 para todos los elementos, como buen neutro aditivo.
El neutro multiplicativo es 1, pues 1 r = r para todos los posibles valores de r (vea la segunda lnea de la
tabla). Los inversos multiplicativos se obtienen buscando los productos que resultan 1: 1 1 = 1, luego 11 = 1,
2 3 = 1, luego 21 = 3 y 31 = 2 y 4 4 = 1, luego 41 = 4 en Z5 .
Con esto, hemos probado que (Z5 , +, ) es un cuerpo.

Nota : La forma de construir las tablas de operaciones de Z5 , puede realizarse para cualquier entero n. As,
puede definirse el conjunto Zn = {0, 1, 2, 3, . . . , n 2, n 1} con la suma y la multiplicacion definidas mod n.
Pero (Zn , +, ) sera un cuerpo si y solo si n es un n
umero primo. Es decir, Z2 , Z3 , Z5 , Z7 , Z11 , etc. son cuerpos y
Z4 , Z6 , Z8 , Z9 , etc. no son cuerpos.
Como ejercicio, construya las tablas de operaciones de Z4 y compruebe que hay elementos de Z4 que no tienen
inversos multiplicativos.

1.2.

Espacios vectoriales

Definici
on: Un conjunto no vaco E es un espacio vectorial (ev) sobre un cuerpo K si tiene definidas dos
operaciones binarias:
J
L
: E K
E
: E E
E
(ponderaci
on)
(suma)
(x, ) 7  x
(x, y) 7 x y
que cumplen las siguientes propiedades (axiomas de espacio vectorial):
Axiomas de la suma
(1) La suma es conmutativa: x y = y x para todo x, y E.
(2) La suma es asociativa: (x y) z = x (y z) para todo x, y, z E.
(3) Existe un elemento neutro aditivo 0E tal que x 0E = x para todo x E.
(4) A cada x E le corresponde un inverso aditivo x
e E tal que x x
e = 0E .

Axiomas de la ponderaci
on

(1) El 1K es neutro con respecto a la ponderaci

on: 1K  x = x para todo x E.
(2) La ponderaci
on es asociativa: ()  x =  (  x) =  (  x) , para todo , K y todo x E.
(3) La ponderaci
on es distributiva con respecto a la suma escalar: ( + )  x =  x  x , para todo
x E y todo , K.
(4) La ponderaci
on es distributiva con respecto a la suma vectorial:  (x y) =  x  y para todo
K y todo x, y E.
Llamaremos vectores a los elementos de E y escalares a los elementos del cuerpo K.

Nota : En la mayora de los ejemplos que se consideran, K = R, sin embargo, todos los teoremas y aplicaciones
son validas para espacios vectoriales sobre cualquier cuerpo, a menos que explcitamente se diga lo contrario.

Ejemplos:
1. El conjunto E = Rn es un espacio vectorial sobre R con las operaciones de suma y ponderaci
on de vectores
definidas por componentes (que ahora llamaremos operaciones usuales).
2. El conjunto E = Mmn (R) de todas las matrices de m n es un espacio vectorial sobre R con las operaciones
de suma y ponderaci
on de matrices (que definimos por componentes en su momento).
3. El conjunto E = F (R) de todas las funciones reales f : R R es un espacio vectorial sobre R con la suma
y la ponderaci
on usuales de las funciones.
4. El conjunto E = C 1 (R) de las funciones reales continuas tambien es un espacio vectorial con las operaciones
usuales de funciones.
5. El conjunto E = P(R) = P[x] de todos los polinomios con coeficientes reales es un espacio vectorial sobre R
con la suma y ponderaci
on de polinomios(que son las operaciones conocidas de funciones reales).
6. El conjunto E = Pn (R) de todos los polinomios cuyo grado es menor o igual a n, con n N fijo, es un
espacio vectorial con las operaciones de suma y ponderaci
on de polinomios.

7. El conjunto E = Pn (R) de los polinomios de grado exactamente igual a n, con n N fijo, no es un espacio
vectorial sobre R, pues aunque ambas operaciones definidas cumplen sus cuatro axiomas, tenemos que la suma
no es cerrada en el conjunto, es decir, si sumamos dos polinomios de grado n, el resultado no es necesariamente
un polinomio de grado n.
Por ejemplo: si tomamos dos elementos de E, p1 (x) = xn + 3 y p2 (x) = 4 xn , entonces la suma de ellos
p1 (x) + p2 (x) = 7 no pertenece a E.
8. Comprobaremos que el conjunto E = {(x, y) R2 : x > 0, y > 0}, que representa el primer cuadrante del
plano real R2 , dotado con las operaciones
(x, y) (u, v) = (xu, yv)
es un espacio vectorial sobre R.

 (x, y) = (x , y )

Primero, comprobemos que las operaciones est

an bien definidas.
Si (a, b) y (c, d) son elementos de E, entonces (a, b) (c, d) = (ac, bd) pertenece a E, pues ambas componentes
son positivas (por ser producto de n
umeros positivos).
Si (a, b) es un elemento de E y R, entonces  (a, b) = (a , b ) es un elemento de E, pues si la base x de
una expresion exponencial xy es positiva, entonces la expresion tambien es positiva (compruebelo para y > 0,
y = 0 e y < 0).
Ahora, veamos que ambas operaciones cumplen sus axiomas correspondientes. Siempre comprobamos los axiomas
de la suma primero.
L
1. (c, d) (a, b) = (ca, db) = (ac, bd) = (a, b) (c, d) = la suma es conmutativa.
2. [(a, b) (c, d)] (e, f ) = (ac, bd) (e, f ) = (ace, bdf ) = (a, b) (ce, df ) = (a, b) [(c, d) (e, f )] = la
suma es asociativa.
3. Buscaremos el neutro aditivo 0E = (x, y) tal que para todo elemento (a, b) E se tenga:
(a, b) (x, y) = (a, b) (ax, by) = (a, b) x = 1; y = 1
As, en este caso, el vector neutro es 0E = (1, 1).
4. Ahora fijamos (a, b) E y buscamos (e
a, eb) tal que

1
1
(a, b) (e
a, eb) = 0E (ae
a, beb) = (1, 1) e
a = ; eb =
a
b

Luego, el inverso aditivo de (a, b) es (a1 , b1 ).

J

1. Calculamos 1  (a, b) = (a1 , b1 ) = (a, b). Luego, 1  v = v para todo v E.

2. Ahora, para y en R, calculamos:

 (  (a, b)) =  (a , b ) = (a ) , (b ) = a , b = ()  (a, b)




 (  (a, b)) =  (a , b ) = (a ) , (b ) = a , b = ()  (a, b)

Lo que demuestra el segundo axioma de la ponderaci

on.




3. ( + )  (a, b) = a+ , b+ = a a , b b = (a , b ) (a , b ) =  (a, b)  (a, b)






4.  (a, b) (c, d) =  (ac, bd) = (ac) , (bd) = a c , b d = (a , b ) (c , d ) =  (a, b)
 (c, d).

Con todos estos c

alculos hemos probado que (E, , ) es un espacio vectorial sobre R.

9. Por u
ltimo, probaremos que el conjunto E = R2 es un espacio vectorial sobre R con las operaciones

p
p
3
x3 + u3 , 3 y 3 + v 3
(x, y) (u, v) =

3
3
 (x, y) = ( x, y)
Notamos, en primer lugar, que ambas operaciones est
an bien definidas.
4

(1)
p

p
3
u3 + x3 , 3 v 3 + y 3
p

p
3
u3 + x3 , 3 v 3 + y 3
=

(u, v) (x, y)

= (x, y) (u, v)
(2)


(x, y) (u, v) (s, t)


p
p
3
3
u 3 + s 3 , v 3 + t3
= (x, y)
p

p
3
x3 + u3 + s3 , 3 y 3 + v 3 + t3
=


=
(x, y) (u, v) (s, t)

(3) El elemento (0, 0) es el elemento neutro de este espacio, pues para todo (x, y) en E
p
 

p

3
3
3
x3 + 03 , 3 y 3 + 03 =
x3 , v 3 = (x, y)
(x, y) (0, 0) =

(4) El inverso aditivo de un elemento (x, y) en E es (x, y), pues


p
p
3
x3 + (x)3 , 3 y 3 + (y)3
(x, y) (x, y) =
p

p
3
=
x3 x3 , 3 y 3 y 3 = (0, 0)

(1) 1  (x, y) =




3
3
1 x, 1 y = (x, y)


p
p
3
+ x, 3 + y , mientras que, por otro lado,
p 

p
3
x, 3 y 3 x, 3 y
 (x, y)  (x, y) =

p
p
3
+ x, 3 + y
=

(2) Por un lado tenemos que ( + )  (x, y) =

= ( + )  (x, y)
 p

p
(3) Ahora,  (x, y) (u, v) = 3 (x3 + u3 ), 3 (y 3 + v 3 ) , mientras que

3
x, 3 y 3 u, 3 v
 (x, y)  (u, v) =
p

p
3
=
(x3 + u3 ), 3 (y 3 + v 3 )


=  (x, y) (u, v)


(4) Por u
ltimo,


p
p
()  (x, y) = 3 x, 3 y
p

p  p
p


  (x, y) =  3 x, 3 y = 3 x, 3 y

p



p

  (x, y) =  3 x, 3 y = 3 x, 3 y

obteniendo que las tres expresiones son iguales.

Por tanto, el conjunto E es espacio vectorial sobre los reales con las operaciones y .
Nota : Los ejemplos 1 a 6 presentan espacios vectoriales sobre R, sin embargo, si se reemplaza R por un cuerpo
cualquiera K se obtendr
an ejemplos de espacios vectoriales sobre K. As, M22 (Z3 ) denota el espacio vectorial
sobre Z3 de la matrices cuadradas de orden 2 con entradas en Z3 y P3 (C) denota el espacio vectorial sobre los
complejos de los polinomios de grado menor o igual a 3 con coeficientes en C.

Debido a que todo conjunto que es un espacio vectorial cumple los mismos axiomas b
asicos con sus operaciones,
ciertas propiedades que no son axiomas son comunes a todos los espacios vectoriales.
Teorema. Sea E un espacio vectorial sobre un cuerpo K. Entonces:
i) El vector nulo 0E es u
nico.
ii) Para cada x E el vector (x) (inverso aditivo de x) es u
nico.
iii) 0  x = 0E para todo x E.
iv )  0E = 0E para todo K.
v ) (1)  x = (x) para todo x E.
vi)  x = 0E = = 0 x = 0E .
vii) Existe un u
nico vector X soluci
on de la ecuaci
on u X = v. Este vector se anota X = v u.
Demostraci
on: Probaremos algunas afirmaciones. El resto queda propuesto.
i) Si suponemos que 01 y 02 son dos neutros de la suma en E. Entonces,
x E 01 + x = x + 01 = x y 02 + x = x + 02 = x
y, por tanto, 01 = 01 + 02 = 02 . Lo que demuestra la afirmaci
on.

iii) 0  x = (0 + 0)  x = 0  x 0  x (0  x) = 0E = 0  x.
.
iv)  0E =  (0E 0E ) =  0E  0E (  0E ) = 0E =  0E

vi) Supongamos que  x = 0E y que 6= 0. Entonces debemos probar que x = 0E .

Como 6= 0, entonces existe 1 y podemos ponderar la identidad 0E =  x por 1 = 0E = 1  0E =

1  (  x) = 1  x = x. Es decir, x = 0E .

1.3.

Combinaciones lineales

En lo que sigue, E sera un espacio vectorial sobre un cuerpo K con las operaciones + (suma) y (ponderaci
on).
Definici
on:
1. Una combinaci
on lineal (cl) de los vectores v1 , v2 , . . . , vn E es una expresi
on de la forma
1 v1 + 2 v2 + + n vn ,
donde 1 , 2 , . . . , n K.
2. Se define el conjunto generado por {v1 , v2 , . . . , vn } E como el conjunto de todas las cl de estos vectores.
Lo denotamos por


{v1 , v2 , . . . , vn } = {1 v1 + 2 v2 + + n vn : i K}
3. El conjunto {v1 , v2 , . . . , vn } de vectores de E es linealmente independiente (li) si la u
nica forma de escribir
0E como cl de los vectores vi es usando coeficientes nulos. Es decir, si se tiene la siguiente implicaci
on:
0E = 1 v1 + 2 v2 + + n vn = 1 = 2 = = n = 0
4. El conjunto {v1 , v2 , . . . , vn } de vectores de E es linealmente dependiente (ld) si no es li, es decir, si
existen escalares 1 , 2 , . . . , n no todos nulos tales que
1 v1 + 2 v2 + + n vn = 0E
6

Definici
on general de conjuntos li y ld
Sea A E (A podra tener infinitos elementos). Entonces:
A es li si dado cualquier subconjunto finito A0 de A, se tiene que A0 es li (con la definicion ya dada).
A es ld si no es li, es decir, si existe un subconjunto finito A0 de A tal que A0 es ld (con la definicion ya dada).
Ejemplos:

 
 
 

1 2
0 1
2 1
0 3
,
,
,
. Para determinar si A es li o ld debemos
0 1
2 3
0 0
0 2


0 0
estudiar c
omo se escribe 0E =
como cl de los elementos de A:
0 0










0 0
1 2
0 1
2 1
0 3
=
+
+
+
0 0
0 1
2 3
0 0
0 2


+ 2 2 + + + 3
=
2
+ 3 + 2

1. Sean E = M22 (R) y A =

Lo que equivale al sistema homogeneo

Cuya matriz

1
2

0
1

+ 2
2 + + + 3
2

+ 3 + 2

asociada es

1 0
0 2 0
0 1
1 1 3
1

F2 2F

0 1
2 0 0 F3 12
F4 F1
0 3
3 0 2

=
=
=
=

0
0
0
0

1
0
0
3

0
0
7
F
0
F

2
4
3 3

2
3
0
2

1
0

0
0

0
0
1
0

2
3
0
0

0
3

0
0

0
1
1
2
3

2
3
0
2

0
3
F2 F3
0
2
F4 32 F2

de donde es claro que el sistema tiene infinitas soluciones, lo que significa que 0E puede escribirse de infinitas
formas como cl de los elementos de A. Entonces A es ld.


2. Si E = P[x] y A = xn : n N {0} = {1, x, x2 , . . . , xm , . . .} podemos probar que A es li, pues si tomamos
A0 = {xn1 , xn2 , . . . , xnk }

(un subconjunto finito cualquiera de A) tendremos que

0E = 1 xn1 + 2 xn2 + + k xnk
implica, de manera directa, que 1 = 2 = = k = 0, es decir, A0 es li Luego, A es li (En los polinomios
hay un conjunto con infinitos vectores li!!)
3. Si E = R3 y A = {(n, 0, 0) : n N}, entonces se tendra que A es un conjunto ld, pues si tomamos
A0 = {(1, 0, 0), (2, 0, 0)}
tendremos que
0E = (0, 0, 0) = 2(1, 0, 0) + (1)(2, 0, 0)
y A0 es ld, lo que implica que A es ld.
7

4. Si E = C 1 y A = {ex , e2x , e3x }, para decidir si A es li o ld, estudiaremos c

omo puede escribirse 0E , que es la
funci
on O(x) = 0 para todo x R, como cl de los elementos de A. Entonces debemos estudiar la ecuaci
on
funcional
O(x) = ex + e2x + e3x
La ecuaci
on anterior es valida para todo x R, luego, debe ser entendida como un sistema de infinitas
ecuaciones cuyas variables son , y , una ecuaci
on para cada valor de x. Si tomamos un subsistema con
las ecuaciones que se obtienen al evaluar en x = 0, x = 1, en x = 2, que es:

++ = 0

e + e2 + e3 = 0
2
e + e4 + e6 = 0
cuya matriz asociada es

1 1 1
1
e e2 e3 0
e2 e4 e6
0

1
1
1
1
1

e(e 1)
e(e2 1) 0 e(e 1)
e(e2 1)
2 2
2 4
2 2
e (e 1) e (e 1)
0
0
e (e 1)(e + 1)(e 2)

de donde es claro que = = = 0, por lo que A es li

En el mismo espacio vectorial, consideramos el conjunto B = {cos2 (x), sen2 (x), 1}, donde 1 denota la funci
on
1(x) = 1 para todo x R, que es claramente un conjunto ld, por la conocida identidad trigonometrica:
cos2 (x) + sen2 (x) = 1
que implica que
O(x) = 1 cos2 (x) + 1 sen2 (x) + (1) 1(x)

2.
2.1.

Subespacios Vectoriales
Definici
on y caracterizaciones de los subespacios

Definici
on: Sea E un espacio vectorial sobre un cuerpo K. Un subespacio vectorial (sev) de E es un subconjunto no vaco S de E que es un espacio vectorial por s mismo, con las operaciones suma y ponderaci
on que son
heredadas de E (se consideran las operaciones restringidas a S).
En teora, con esta definicion, para determinar si un subconjunto no vaco S de E es un subespacio vectorial, debera
comprobarse que las operaciones definidas en S cumplen con todos los axiomas de espacios vectoriales. Pero es claro
que la mayora de estas propiedades se cumplir
an trivialmente, simplemente por ser S E. As, tenemos el siguiente
resultado:
Teorema. Sea S un subconjunto no vaco de E. S es un sev de E si y s
olo si se cumplen las dos implicaciones
siguientes:
i) Si x, y S, entonces x + y S.
ii) Si x S y K, entonces x S.
Demostraci
on: Supongamos que S es un sev de E. Entonces, S es un ev sobre K con las operaciones de E
restringidas a S. Luego, ambas operaciones son cerradas en S, lo que significa que al tomar dos elementos x, y S,
el resultado de la suma, x + y, est
a en S. De manera analoga, si x S y K, entonces el resultado de la
ponderaci
on, x, pertenece a S.
Para la otra implicacion, supongamos que S es un subconjunto no vaco de E que cumple las condiciones (i) y (ii),
es decir, las operaciones de E restringidas a S son cerradas y est
an bien definidas en S. Debemos probar todos los
axiomas de espacio vectorial.
Como la suma es conmutativa y asociativa para todos los elementos de E, en particular, la suma es conmutativa y
asociativa para todos los elementos de S. Ahora, como S 6= , existe al menos un x S, entonces 0 x S por la
8

condicion (ii), pero 0 x = 0E S y, claramente, el neutro de la suma para todos los elementos de E tambien es
neutro para los elementos de S (s S 0E + s = s). De forma analoga, tenemos que para cada x S, su inverso
aditivo x = (1) x S, de nuevo por (ii). Y probamos que la suma cumple todos sus axiomas.
Los axiomas de la ponderaci
on se cumplir
an autom
aticamente, pues como las igualdades se cumplen para todos los
elementos de E, en particular se cumplen para los elementos de S. No hay nada que probar. Entonces S es espacio
vectorial sobre K.
Nota 1: De esta manera, para comprobar que un conjunto S es sev de E, debemos comprobar cuatro propiedades:
1. S E.
2. S 6= .
3. (x S y S) = x + y S.
4. (x S K) = x S.
Nota 2: En la demostracion del teorema queda claro que todo subespacio contiene al neutro del espacio 0E , luego
para probar que S 6= basta probar que 0E S, si no es as, entonces el conjunto S no es sev de E.
Ejemplos:
1. En el espacio vectorial E = M23 (R), tenemos que



a b c
S1 =
:a+b+c=1
0 0 0


0 0 0
no es un sev de E, pues 0E =

/ S1 .
0 0 0



3x y 0
Ahora, S2 =
: x, y, z R si es un sev de E, pues
0
0 z
i) S2 E, pues

0 0
ii) 0E =
0 0

3a
iii) Si X =
0

S2 solo contiene matrices de 2 3.


0
S2 , tomando x = y = z = 0. Entonces S2 6= .
0

 0

b 0
3a b0 0
e X0 =
son elementos de S2 , entonces
0 c
0
0 c0


3(a + a0 ) (b + b0 )
0
X + X0 =
0
0
c + c0

tambien pertenece a S2 , pues tomamos x = a + a0 , y = b + b0 , z = c + c0 .



3a b 0
iv ) Por u
ltimo, si X =
S2 y R, entonces
0
0 c


3a b 0
X =
0
0
c
tambien pertenece a S2 tomando x = a, y = b, z = c.
2. En el espacio vectorial E = P3 (R) de los polinomios de grado menor o igual a 3, consideremos los conjuntos:
S1 = {p(x) E : p(0) = p(1) = p(2) = 0}
S2 = {p(x) E : p(1) = p0 (1) = p00 (1) = 0}
S3 = {a + ax x2 + 2ax3 : a R}

Iremos comprobando simult

aneamente las cuatro propiedades que deben cumplir estos conjuntos para ser
subespacios vectoriales:
9

i) S1 E, S2 E y S3 E, pues todos ellos solo contienen polinomios de grado menor o igual a 3.

ii) Consideremos 0E = O(x) = 0 + 0x + 0x2 + 0x3 . Como O(0) = O(1) = O(2) = 0, tenemos que 0E S1 .
Ademas, O(1) = O0 (1) = O00 (1) = 0, luego 0E S2 .
Pero O(x)
/ S3 , pues el coeficiente de x2 no es igual a 1. De esta manera, ya sabemos que S3 no es sev
de E.
iii) Consideremos dos polinomios de E: p1 (x) y p2 (x).
Si suponemos que p1 (x), p2 (x) S1 , entonces p1 (0) = p1 (1) = p1 (2) = 0 y p2 (0) = p2 (1) = p2 (2) = 0.
Luego, la suma de estos elementos (p1 + p2 )(x) cumple que
(p1 + p2 )(0) = p1 (0) + p2 (0) = 0 + 0 = 0,
(p1 + p2 )(1) = p1 (1) + p2 (1) = 0 + 0 = 0,
(p1 + p2 )(2) = p1 (2) + p2 (2) = 0 + 0 = 0
Por tanto, (p1 + p2 )(x) S1 .
Si, ahora, suponemos que p1 (x), p2 (x) S2 , entonces p1 (0) = p01 (0) = p001 (0) = 0 y p2 (0) = p02 (0) =
p002 (0) = 0. Luego, la suma de estos elementos (p1 + p2 )(x) cumple que
(p1 + p2 )(0) = p1 (0) + p2 (0) = 0 + 0 = 0,
(p1 + p2 )0 (0) = p01 (0) + p02 (0) = 0 + 0 = 0
(p1 + p2 )00 (0) = p001 (0) + p002 (0) = 0 + 0 = 0
Por tanto, (p1 + p2 )(x) S2 .

iv) Ahora consideramos un polinomio p(x) E y R.

Si suponemos que p(x) S1 , entonces p(0) = p(1) = p(2) = 0. Luego, el polinomio ponderado (p)(x)
cumple que
(p)(0) = p(0) = 0 = 0
(p)(1) = p(1) = 0 = 0
(p)(2) = p(2) = 0 = 0
Por tanto, (p)(x) S1 .
Si suponemos que p(x) S2 , entonces p(0) = p0 (0) = p00 (0) = 0. Luego, el polinomio ponderado (p)(x)
cumple que
(p)(0) = p(0) = 0 = 0
(p)0 (0) = p0 (0) = 0 = 0

(p)00 (0) = p00 (0) = 0 = 0

Por tanto, (p)(x) S2 .
En conclusi
on, S1 y S2 son subespacios de E, pero S3 no lo es.
3. Dado cualquier espacio vectorial E, tendremos que {0E } y el mismo E son dos sev de E.
La siguiente pregunta razonable sera: dado cualquier espacio vectorial E, c
omo podemos determinar todos sus
subespacios vectoriales?
Para responder esta pregunta, tenemos el siguiente teorema:
Teorema. S es un sev de E si y s
olo si existe un subconjunto A de E, A 6= , tal que S = hAi.
Demostraci
on: Si S = hAi, con A E, A 6= , entonces es claro que S E (los vectores de S son cl de vectores
en E, por tanto, est
an en E), que S 6= (0E es cl de cualquier grupo de vectores de E, en particular, 0E S) y si
x, y S, entonces ambos vectores son cl de elementos de A, luego, la suma de ellos x + y tambien es cl de vectores
de A y, por tanto, pertenece a S. De forma analoga, se tiene que si x S, entonces x S para cualquier escalar
. As, tenemos que S es sev de E.
10

Por otro lado, si suponemos que S es un sev de E, entonces podemos asumir que A = S, pues S E y S 6= , pero,
ademas, afirmamos que S = hSi. Para probarlo, notemos que S hSi, pues todo elemento de S es cl de s mismo
y, por tanto, est
a en hSi. La otra contenci
on es clara, pues toda cl de elementos en S sera un elemento de S, al ser
S un subespacio vectorial. Por tanto, hSi = S.
As, tenemos que todos los subespacios de un espacio vectorial son conjuntos generados por ciertos vectores del
espacio.
Ejemplos:
1. Ahora podemos asegurar que los u
nicos subespacios vectoriales de E = R3 son los conjuntos generados.
Podemos listar algunos que ya conocemos:
S = h{0E }i = {0E }
S = h{e1 , e2 , e3 }i = R3
Si ~x 6= 0E , entonces


S = {~x}

es la recta que pasa por el origen con direcci

on ~x. Si ~x, ~y son dos vectores no paralelos, entonces


S = {~x, ~y }

es el plano que pasa por el origen con vectores directores ~x e ~y .

Una vez que desarrollemos el concepto de base, podremos probar que todos los subespacios de R3 son de
alguno de los tipos descritos arriba.
2. Consideremos el subconjunto S = {p(x) E : p(0) = p(1) = p(2) = 0} del espacio vectorial E = P3 (R).
En un ejemplo anterior ya probamos que S es sev de E, por tanto, sabemos que S puede escribirse como un
conjunto generado. Determinaremos un conjunto de generadores li de S:

p(0) = a = 0
2
3
p(1) = a + b + c + d = 0
p(x) = a + bx + cx + dx S

p(2) = a + 2b + 4c + 8d = 0

a = 0

b+c+d = 0

b + 2c + 4d = 0

a = 0
b = 2d

c = 3d


p(x) = 2dx 3dx2 + dx3 = d 2x 3x2 + x3
Luego,

S=

D

2x 3x2 + x3


y el conjunto A = 2x 3x2 + x3 es li. De hecho, podemos decir que S es una recta en el espacio de los
polinomios de grado menor o igual a 3.

Nota : En esta secci

on hemos desarrollado dos metodos para reconocer que subconjuntos de E son subespacios:
comprobando que el subconjunto es no vaco y cerrado bajo suma y ponderaci
on, o determinando un conjunto de
generadores para expresar al conjunto como un conjunto generado.

11

2.2.

Operaciones con subespacios vectoriales

Sea E un espacio vectorial sobre un cuerpo K y sean S1 y S2 dos sev de E. Vamos a estudiar c
omo combinar
estos dos subespacios para obtener nuevos subespacios de E.
Como estamos tratando con conjuntos, es natural que combinemos estos subespacios usando las operaciones de
conjunto. Pero debemos estudiar que sucede con la calidad de subespacio de los conjuntos resultantes. Es decir, nos
preguntamos son sev de E los conjuntos S1 S2 y S1 S2 ?
La respuesta, en el caso de la interseccion, es afirmativa.
Teorema. Si S1 y S2 son dos sev de E, entonces S1 S2 tambien es un sev de E.
Demostraci
on: Claramente, la interseccion es un subconjunto de E, pues S1 S2 S1 E. Ademas, S1 S2 6= ,
pues 0E pertenece a todos los subespacios vectoriales de E. En particular, 0E S1 y 0E S2 , por tanto, 0E S1 S2 .
Ahora, si x, y S1 S2 , entonces x, y S1 y x, y S2 . Como cada conjunto es un subespacio, tenemos que
x + y S1 y x + y S2 . Por tanto, x + y S1 S2 .
Un argumento analogo permite demostrar que si x S1 S2 , entonces x S1 S2 para todo escalar .
Que pasa en el caso de S1 S2 ?
Podemos demostrar de forma directa que S1 S2 E, que S1 S2 6= y que
( K x S1 S2 ) = x S1 S2 .
Pero la suma de dos elementos de la uni
on S1 S2 no pertenece
necesariamente

a este
 conjunto.
De hecho, si en E = R2 consideramos los subespacios S1 = {(1, 0)} y S2 = {(0, 1)} , es decir, S1 es el eje X y S2
es el eje Y . La uni
on S1 S2 consiste de ambos ejes coordenados del plano real. Pero si tomamos s1 = (1, 0) S1
y s2 = (0, 1) S2 , tendremos que s1 + s2 = (1, 1)
/ S1 S2 .
Entonces, en general,
S1 S2 no es un subespacio vectorial de E.
Nota : Se tiene que S1 S2 es un sev de E si y solo si S1 S2 o S2 S1 . Demuestrelo!
Podemos preguntarnos ahora por alg
un subespacio que contenga a S1 S2 . Para responder a esto, se hace la siguiente
definicion.
Definici
on: Sean S1 y S2 dos sev de E. Se define el conjunto suma de estos subespacios por
S1 + S2 = {x E : x = s1 + s2 con s1 S1 y s2 S2 }

Teorema. Si S1 y S2 son sev de E, entonces S1 + S2 es un sev de E.

Demostraci
on: Probaremos que S1 + S2 es sev de E, viendo que es un subconjunto no vaco de E que es cerrado
bajo suma y ponderaci
on.
i) S1 + S2 E, por su definicion. Consideramos solo vectores en E.
ii) S1 + S2 6= , pues como 0E S1 , 0E S2 y 0E = 0E + 0E , tendremos que 0E S1 + S2 .
iii) Sean x, y S1 + S2 . Entonces existen s1 , s01 S1 y s2 , s02 S2 tales que x = s1 + s2 e y = s01 + s02 . Entonces
x + y = (s1 + s2 ) + (s01 + s02 ) = s1 + s2 + s01 + s02 = (s1 + s01 ) + (s2 + s02 )
| {z } | {z }
S1

Lo que significa que x + y S1 + S2 .

12

S2

iv) Sean K y x = s1 + s2 S1 + S2 (claramente s1 S1 y s2 S2 ). Entonces

x = (s1 + s2 ) = s1 + s2
|{z} |{z}
S1

y x S1 + S2 .

S2

Con esto hemos probado que S1 + S2 es subespacio de E.

El siguiente resultado nos indica c
omo calcular en la practica el subespacio suma cuando conocemos los generadores de los subespacios S1 y S2 .
Teorema. Si S1 = hAi y S2 = hBi son dos sev de E, entonces S1 + S2 = hA Bi.
Demostraci
on: Para probar que S1 + S2 hA Bi, notemos que si x S1 + S2 , entonces x = s1 + s2 con s1 S1
y s2 S2 , es decir, x es la suma de un vector que es cl de elementos de A y de un vector que es cl de los elementos
de B. Por tanto, x es cl de elementos de A y de B, lo que implica que x hA Bi.
La otra contenci
on se obtiene notando que un vector x hA Bi sera una cl de vectores de A B. Podemos,
entonces, separar esta suma en dos: la primera, conteniendo los terminos que involucran vectores de A y la segunda,
con los terminos que involucran vectores de B. De esta manera, la primera parte de la suma sera un vector en S1
y la segunda parte de la suma sera un vector de S2 , por lo que x S1 + S2 .


Ejemplo: Sean S1 = {a + bx + cx2 : a + b + c = 0} y S2 = {1, x2 x} dos sev de E = P2 (R). Encontremos los
subespacios S1 + S2 y S1 S2 .
Por el teorema anterior, para encontrar S1 + S2 nos conviene tener escritos ambos subespacios como conjuntos
generados. Entonces, partimos por encontrar un conjunto de vectores generadores de S1 :
p(x) = a + bx + cx2 S1

a + b + c = 0
a = b c

p(x) = (b c) + bx + cx2
p(x) = b(x 1) + c(x2 1)

De esta manera, tenemos que todos los elementos de S1 se pueden escribir como cl de los polinomios x 1 y x2 1,
es decir,


S1 = {x 1, x2 1}
Luego, usando el teorema anterior, tenemos que


S1 + S2 = {x 1, x2 1} + {1, x2 x} = {x 1, x2 1, 1, x2 x}
{z
}
{z
}
| {z }
|
|
A

AB

Para encontrar la interseccion de ambos subespacios, obtendremos un conjunto de vectores generadores, usando el
metodo usual (caracterizar los elementos del subespacio):
p(x) S1 S2

p(x) S1 y p(x) S2

p(x) = (x 1) + (x2 1) (ya que p(x) S1 )

p(x) = (1) + (x2 x)

(ya que p(x) S2 )

Igualando ambas expresiones que tenemos para p(x), tendremos que

(x 1) + (x2 1) = (1) + (x2 x) ( ) + ( + )x + ( )x2 = 0
lo que se cumplir
a si y solo si , , y cumplen el siguiente

13

sistema homogeneo:
= 0
= 0
= 0

que tiene infinitas soluciones, pues tenemos que es libre. Las soluciones del sistema son

=
0

Por u
ltimo, recordemos que estamos caracterizando los polinomios p(x) que est
an en S1 S2 . Entonces, reemplazamos los valores obtenidos de , , y en alguna de las expresiones de p(x) que tenemos. As, tendremos
que
p(x) = (x 1) + (x2 1) = (x 1) + (x2 1) = (x2 1 x + 1) = (x2 x)
(si reemplazamos en p(x) = (1) + (x2 x), obtendremos el mismo resultado). Luego, todos los polinomios de la
interseccion son cl del polinomio x2 x, es decir,


S1 S2 = {x2 x} .

Definici
on: Un espacio vectorial E sobre K es la suma directa de dos de sus subespacios S1 y S2 si se cumple
simult
aneamente que
i) E = S1 + S2 .
ii) S1 S2 = {0E }.
Esto se anota,
E = S1 S2 .

Nota : En el ejemplo anterior, tenamos que S1 S2 6= {0E }, por tanto, ya sabemos que P2 (R) no es suma directa
de estos subespacios. Pero, se tiene que P2 (R) = S1 + S2 ?
Como decidimos si S1 + S2 es todo el espacio vectorial? Como S1 + S2 es sev de E, entonces, S1 + S2 E, por
tanto, para determinar la igualdad basta ver si E S1 + S2 .

Sea p(x) = a + bx + cx2 (un elemento cualquiera de E), si probamos que p(x) S1 + S2 para todo valor de a, b y
c, tenemos la igualdad, si p(x)
/ S1 + S2 para algunos valores de a, b y c, entonces no tenemos la igualdad.


p(x) = a + bx + cx2 S1 + S2 p(x) {x 1, x2 1, 1, x2 x}
Existen , , , R tales que
p(x) = (x 1) + (x2 1) + (1) + (x2 x)
Existen , , , R tales que

a + bx + cx2 = ( + ) + ( )x + ( + )x2

Esto se traduce en el sistema

= a
= b
= c

Y debemos estudiar cuando este sistema tiene solucion. Analizamos la matriz ampliada asociada:

a
1 1 1 0
1 1 1 0 a
1
0 0 1 b F2 + F1 0 1 1 1 b + a
0
1 0 1 c
0
1 0 1
c
F3 + F2
14

1 1 1 0
0 1 1 1
0
0 1 0

a
b+a
c+b+a

Entonces el sistema tiene solucion, sin importar los valores de a, b y c. Lo que significa que p(x) = a+bx+cx2 S1 +S2
siempre. Luego,
P2 (R) = S1 + S2

3.

3.1.

Bases y dimensi
on
Bases

Definici
on: Sea E un espacio vectorial sobre K y sea S un sev de E. Un conjunto B E es una base de S si y
s
olo si B es un conjunto generador li de S, es decir, si se tiene simult
aneamente que
i) B es un conjunto li
ii) S = hBi
Ejemplos:
1. En E = M22 (R), consideramos el subespacio

 
 

1 0
0 1
1 1
S=
,
,
0 0
0 0
0 0


 
 

1 0
0 1
1 1
De manera obvia, A =
,
,
es un conjunto generador de S, pero tambien es claro
0 0
0 0
0 0
que no es un conjunto li, pues

 
 

1 0
0 1
1 1
+
=
0 0
0 0
0 0

Para obtener una base de S eliminamos de A todos los vectores que son cl de los dem
as. En este caso, tenemos
que

 

1 0
0 1
B=
,
0 0
0 0

es un subconjunto li de A, pero como eliminamos un vector que est

a generado por los otros dos, tendremos
que hBi = hAi = S. As, B es un conjunto generador li de S, es decir, B es una base de S.

S
olo para dejar clara la importancia de eliminar solamente los vectores que son cl de otros, consideremos el
conjunto


1 0
C=
0 0




0 1
1 0
que es li, pero el conjunto generado por C no es S, ya que
no es cl de
.
0 0
0 0
2. En E = R3 , consideremos el subespacio
S = {(x, y, z) : x + 3y z = 0}
Para obtener una base de S, partimos buscando un conjunto generador:
(x, y, z) S

Luego,

x + 3y z = 0

z = x + 3y
(x, y, x + 3y) = x(1, 0, 1) + y(0, 1, 3)


S = {(1, 0, 1), (0, 1, 3)}

y tenemos que A = {(1, 0, 1), (0, 1, 3)} es un conjunto generador de S. Ademas, es claro que A es un conjunto
li, por tanto, A es una base de S.
15

Nota : En cualquier espacio vectorial E, tenemos que S0 = {0E } es sev de E. Ademas, tenemos que S0 = h{0E }i,

pero el conjunto {0E } no es li, por tanto, S0 no tiene base. Este

es el u
nico subespacio vectorial que no tiene base,
es decir,
Si S 6= {0E } es un sev de E, entonces S tiene al menos una base.

3.2.

Dimensi
on

Una vez tratado el concepto de base, nos interesa introducir el concepto de dimensi
on. Para esto, se deben
establecer algunos resultados.
Teorema. Sea E un ev sobre K y S un sev de E que es generado por n vectores. Entonces todo conjunto li de
vectores de S tiene a lo m
as n vectores.
Demostraci
on: Sea A = {u1 , . . . , un } un conjunto generador de S con n vectores y sea B = {b1 , . . . , bm } un
conjunto li de vectores en S. Queremos demostrar que m n.
Como B es li, entonces b1 6= 0E , . . . , bm 6= 0E y como S = hAi,
0E 6= b1 = 1 u1 + 2 u2 + + n un
y alguno de los coeficientes debe ser distinto de cero (si no, la cl dara 0E ).
Sin perder generalidad, vamos a suponer que 1 6= 0 (si no es ese, les cambiamos el nombre a los vectores de A).
Entonces,
1
2
n
u1 =
b1
u2
un
1
1
1
y tendremos que


{b1 , u2 , u3 , . . . , un } = {b1 , u1 , u2 , u3 , . . . , un } = {u1 , u2 , u3 , . . . , un } = S
y escribimos de ahora en adelante

Ahora, b2 S, luego


S = {b1 , u2 , u3 , . . . , un }

0E 6= b2 = 1 b1 + 2 u2 + 2 u3 + + n un

Como b1 y b2 son li, entonces alguno de los i 6= 0 (si todos fueran nulos, se tendra que b1 sera un ponderado de
b2 ) y, de nuevo, sin perder generalidad, asumimos que 2 6= 0. Entonces
u2 =
Luego

1
3
n
1
b2 b1 u 3
un
2
2
2
2


{b1 , b2 , u3 , . . . , un } = {b1 , b2 , u2 , u3 , . . . , un } = {b1 , u2 , u3 , . . . , un } = S

Repitiendo el proceso, vamos reemplazando cada uno de los ui por un bi en el conjunto generador de S.
Si suponemos que m > n, entonces los bi nos alcanzan (y nos sobran) para reemplazar todos los ui , es decir,
tendremos que


S = {b1 , b2 , b3 , . . . , bn }
y tendremos que bm 6= b1 , b2 , . . . , bn y que bm S, luego bm es cl de b1 , b2 , . . . , bn , lo que contradice el hecho de que
B es un conjunto li
Es decir, m no puede ser estrictamente mayor que n. Luego, m n.
Ahora probaremos que todas las bases de un espacio vectorial tienen el mismo n
umero de elementos.
Teorema. Sea E un ev sobre K y S un sev de E con una base de n vectores. Entonces todas las bases de S tienen
n vectores.
Demostraci
on: Sea A = {u1 , u2 , . . . , un } la base con n vectores de S y sea B = {b1 , b2 , . . . , bm } otra base de S.
Debemos demostrar que m = n.
Como S es generado por A y A tiene n vectores, entonces, por el teorema anterior, tenemos que B al ser li puede
tener a lo mas n vectores. Entonces m n.
Pero S = hBi, por tanto, S tambien es generado por m vectores y usando el teorema anterior, tendremos que A no
puede tener mas de m vectores li Luego, n m.
Con esto, hemos probado que n = m.
16

Ahora podemos definir la dimensi

on de un espacio vectorial.
Definici
on: Sea S un sev de E. Se define la dimensi
on de S como el n
umero de vectores que tiene cualquier base
de S.
As, si S tiene bases finitas con n elementos, anotamos que
dim(S) = n
si S = {0E }, entonces se define su dimensi
on como cero (no tiene bases), entonces
dim({0E }) = 0
y si S tiene bases con infinitos elementos, entonces
dim(S) = .
Ejemplos:
1. dim(Rn ) = n, pues el conjunto de los vectores canonicos B = {e1 , e2 , . . . , en } es una base de Rn .
2. dim(M22 (R)) = 4, pues


1
0

 
0
0
,
0
0

 
1
0
,
0
1

 
0
0
,
0
0


0
1

es una base de M22 (R). En general, tendremos que

dim(Mmn (R)) = m n
3. dim(Pn (R)) = n + 1, pues {1, x, x2 , . . . , xn } es una base de Pn (R).


4. dim(P[x]) = , pues {1, x, x2 , . . . , xk , . . .} = xn : n N {0} es una base de P[x].


a + bi c + di
5. dim(M22 (C)) = 8, pues para poder generar una matriz de la forma
necesitamos el conjunto
e + f i g + hi

1
0

 
0
0
,
0
0

 
1
0
,
0
1

 
0
0
,
0
0

 
0
i
,
1
0

 
0
0
,
0
0

 
i
0
,
0
i

 
0
0
,
0
0


0
i

que es una base de M22 (C).

Notemos que si consideramos el conjunto M22 (C) con un espacio vectorial sobre el cuerpo de los complejos,
entonces
nuestros
umeros complejos. Luego, para poder generar una matriz de la forma

 ponderadores son n
a + bi c + di
solo necesitamos los vectores del conjunto
e + f i g + hi

 
 
 

1 0
0 1
0 0
0 0
,
,
,
,
0 0
0 0
1 0
0 1
pues






a + bi c + di
1 0
0
= (a + bi)
+ (c + di)
e + f i g + hi
0 0
0





1
0 0
0
+ (e + f i)
+ (g + hi)
0
1 0
0


0
1

Entonces cuando el cuerpo del espacio vectorial es C tendremos que dim(M22 (C)) = 4 y cuando el cuerpo
del espacio vectorial es R tendremos que dim(M22 (C)) = 8.
Conocer la dimensi
on de un subespacio nos entrega un dato extra para poder determinar bases, como lo muestra
el siguiente resultado.

17

Teorema. Sea E un ev sobre K y sea S un sev de E con dim(S) = n. Si A es un subconjunto de S con n vectores,
entonces:
i) A es base de S si y s
olo si A es li
ii) A es base de S si y s
olo si S = hAi.
Demostraci
on: Si A es base de S, claramente A es li y S = hAi. Luego, para ambas afirmaciones basta demostrar
la otra implicacion.
i) Supongamos que A es li. Debemos probar que S = hAi (lo que significa que A es base de S).
Pero en realidad, basta probar que S hAi (la otra inclusi
on es obvia).

Para esto, sea s S. Si s

/ hAi, entonces el conjunto A {s} es li y tiene n + 1 vectores. Pero dim(S) = n,
as que no hay conjuntos li con mas de n vectores. Lo que nos lleva a una contradiccion.
Luego, s hAi y S hAi.
ii) Supongamos que S = hAi. Ahora, debemos probar que A es li.
De nuevo lo haremos por contradiccion.

Supongamos que A es ld. Entonces existe al menos un vector en A que es cl de los dem
as vectores de A,
llamemos a a ese vector. Luego,
hA {a}i = hAi = S
Pero, entonces S es generado por un conjunto de n 1 vectores y los conjuntos li de S tienen a lo mas
n 1 vectores. Pero dim(S) = n, as que las bases de S tienen n vectores li. De nuevo hemos llegado a una
contradiccion.
Por tanto, A es li.
Ejemplo: Sea E un espacio vectorial con base A = {v1 , v2 , v3 , v4 , v5 }. Demostraremos que
B = {v1 + v2 , v2 + v3 , v3 + v4 , v4 + v5 , v5 + v1 }
tambien es una base de E.
Notemos que E es un espacio vectorial de dimensi
on 5, pues su base A tiene 5 elementos (as que todas las bases
de E tienen 5 elementos).
Como B es un conjunto con 5 vectores de E para probar que es una base basta demostrar que B es li o bien
que hBi = E (usamos el u
ltimo teorema).
Probaremos que B es li. Para esto, escribimos 0E como una cl de los vectores de B:
1 (v1 + v2 ) + 2 (v2 + v3 ) + 3 (v3 + v4 ) + 4 (v4 + v5 ) + 5 (v5 + v1 ) = 0E
= (1 + 5 )v1 + (1 + 2 )v2 + (2 + 3 )v3 + (3 + 4 )v4 + (4 + 5 )v5 = 0E
Pero los vectores v1 , v2 , v3 , v4 , v5 son li (pues A es base de E)

1 + 5 = 0

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

3 + 4 = 0

4 + 5 = 0
Luego, todos los i son cero y los vectores de B son li

Entonces, como dim(E) = 5 y B contiene 5 vectores li de E, tenemos que B es una base de E.

18

3.3.

Completaci
on de bases

En esta secci
on estudiaremos ciertos elementos tecnicos que nos permiten encontrar bases con ciertas caractersticas
prestablecidas. Veremos c
omo extender un conjunto de vectores li a una base, c
omo determinar subespacios que
sumen directamente todo el espacio y probaremos el Teorema de la dimensi
on para subespacios.
Teorema. Sea E un ev sobre K y sea S un sev de E con dimensi
on finita. Entonces todo conjunto li de vectores
de S est
a contenido en una base de S.
Demostraci
on: Sea n = dim(S). Entonces todos los conjuntos li en S tienen a lo mas n vectores.
Sea A = {u1 , u2 , . . . , uk } un conjunto li de vectores en S. Entonces , sabemos que k n.
Si k = n, entonces A es una base de S (conjunto li con n = dim(S) vectores). Entonces la base de S que contiene a
A es el mismo conjunto A.
Si k < n, entonces A no es base de S y, por tanto, lo que falla es que A no genera a S. Es decir, existe un vector
v1 en S que no est
a en hAi y definimos el conjunto
A1 = A {v1 } = {u1 , u2 , . . . , uk , v1 }
que es li
Aplicamos el mismo procedimiento y podremos construir conjuntos
A A1 A2 Ank
todos li tales que Ai = Ai1 {ui } con ui S hAi1 i.
Entonces el conjunto Ank = {u1 , . . . , uk , v1 , . . . , vnk } es li y tiene n vectores, lo que implica que Ank es una
base de S que contiene a A.
Nota: En la practica, para extender un conjunto li a una base se usa el siguiente procedimiento:
1. Chequear que el conjunto A es li (si A es ld no se aplica el teorema).
2. Obtener una base B cualquiera de S (si es posible, usar la base canonica).
3. Se considera el conjunto
C = A B,
que es ld.
4. Eliminar de C los vectores de B que son cl de los otros vectores de C.

Ejemplo: En E = P4 (R), consideramos el subespacio

S = {p(x) E : p0 (0) = p00 (0) = 0}



y el conjunto A = x3 + 7, 2x4 .
Como (x3 + 7)0 = 3x2 , (x3 + 7)00 = 6x y evaluando en cero dan cero, tendremos que x3 + 7 S y como (2x4 )0 = 8x3 ,
(2x4 )00 = 24x2 y tambien se obtiene cero al evaluar en cero, tendremos que 2x4 S, es decir, A S.
El conjunto A es li, pues
(x3 + 7) + (2x4 ) = 0 = 2x4 + x3 + 7 = 0 = = = 0,
por tanto, podemos extender el conjunto A a una base de S.
Para esto, debemos encontrar una base BS de S. Buscamos los generadores de S:
p(x) = a + bx + cx2 + dx3 + ex4 S

p0 (0) = 0 p00 (0) = 0


b + 2c 0 + 3d 0 + 4e 0

2c + 6d 0 + 12e 0
b = 0 c = 0
p(x) = a + dx3 + ex4
19

= 0
= 0

As,


S = {1, x3 , x4 }

y claramente el conjunto BS = {1, x3 , x4 } es una base de S al ser li.

Entonces consideramos el conjunto
C = A BS = {x3 + 7, 2x4 , 1, x3 , x4 }
Por u
ltimo, eliminamos de C los vectores que son cl del resto. En este caso, podemos eliminar x3 y x4 , ya que
3
x = 1 (x3 + 7) + (7) 1 y x4 = 21 (2x4 ).
As, B = {x3 + 7, 2x4 , 1} es una base de S que contiene al conjunto original A.
Nota: Observemos que

Ademas,


S = {x3 + 7, 2x4 , 1} = {x3 + 7, 2x4 } + {1} = A + B A
hAi hB Ai = {0E },

pues los elementos de A y de B A son li

De esta manera, tendremos que S es suma directa del subespacio generado por A y del subespacio generado por los
elementos de B que no est
an en A.
En general, supongamos que se tiene un sev S1 de E, con base A. Para encontrar otro subespacio S2 tal que
E = S1 S2 ,
basta encontrar una base B de E que contiene a A y tomar S2 como el conjunto generado por B A.
Ahora enunciaremos y probaremos el Teorema de la dimensi
on para subespacios.
Teorema. Sea E un ev sobre K y sean S1 y S2 dos subespacios de E, ambos con dimensi
on finita. Entonces
dim(S1 + S2 ) = dim(S1 ) + dim(S2 ) dim(S1 S2 ).

Demostraci
on: Sea {u1 , u2 , . . . , uk } una base de S1 S2 (es decir, ya sabemos que dim(S1 S2 ) = k).
Como S1 S2 est
a contenido tanto en S1 como en S2 , podemos completar este conjunto li a bases de S1 y de S2 ,
obteniendo:
una base de S1 : {u1 , u2 , . . . , uk , v1 , v2 , . . . , vm }, lo que implica que dim(S1 ) = k + m
y
una base de S2 : {u1 , u2 , . . . , uk , w1 , w2 , . . . , wn }, lo que implica que dim(S2 ) = k + n.
Afirmamos que
B = {u1 , u2 , . . . , uk , v1 , v2 , . . . , vm , w1 , w2 , . . . , wn }
es una base de S1 + S2 .
Probemoslo:
i) Probemos que B es li. Si consideramos una cl de los vectores de B igualada a 0E :
1 u1 + + k uk + 1 v1 + + m vm + 1 w1 + + n wn = 0E ,
debemos probar que todos los coeficientes son cero. Pero esta cl equivale a
1 u1 + + k uk + 1 v1 + + m vm = 1 w1 n wn
20

(1)

Luego, 1 w1 n wn S1 S2 (esta en S1 por la igualdad (1) y est

a en S2 por ser cl de vectores de
su base). Entonces
1 w1 n wn = 1 u1 + 2 u2 + + k uk
lo que implica que
1 u1 + 2 u2 + + k uk + 1 w1 + + n wn = 0E .
Como estos vectores son li, tendremos que
1 = 2 = = k = 1 = 2 = = n = 0.
Reemplazando estos valores en (1), tendremos que
1 u1 + + k uk + 1 v1 + + m vm = 0E
y como estos vectores tambien son li, entonces
1 = 2 = = k = 1 = 2 = = m = 0.
Y hemos probado que todos los coeficientes de la cl son cero, por tanto, B es li.
ii) Probemos, ahora que B genera S1 + S2 . Pero esto es claro, pues


hBi = {u1 , . . . , uk , v1 , . . . , vm } + {u1 , . . . , uk , w1 , . . . , wn } = S1 + S2 .

De esta manera, tenemos que dim(S1 + S2 ) = k + m + n. Y tenemos que

dim(S1 + S2 ) = k + m + n = (k + m) + (k + n) k = dim(S1 ) + dim(S2 ) dim(S1 S2 )

Corolario. Sean S1 y S2 dos sev de E. Si E = S1 S2 , entonces dim(E) = dim(S1 ) + dim(S2 ).
Demostraci
on: Si E = S1 S2 , entonces E = S1 + S2 y S1 S2 = {0E }. Luego
dim(E) = dim(S1 + S2 ) y

dim(S1 S2 ) = dim({0E }) = 0

= dim(E) = dim(S1 + S2 ) = dim(S1 ) + dim(S2 ) dim(S1 S2 ) = dim(S1 ) + dim(S2 ).

Terminamos con un ejercicio tipo prueba.

Ejercicio: Considere los subconjuntos


x
W1 =
z


x
W2 =
z

x + 2y z + t

y
2x y z + 2t
M22 (R) :
t
x + 3y t
5y z
y
t

=
=
=
=

x+y+zt =
x + 2y t =
M22 (R) :
2x + 3y + z 2t =

del espacio vectorial E = M22 (R).

1. Demuestre que W1 y W2 son sev de E.

2. Encuentre una base y la dimensi
on de W1 .
3. Encuentre una base y la dimensi
on de W2 .
4. Encuentre una base y la dimensi
on de W1 + W2 .
21

0
0
0
0

0
0

5. Encuentre una base y la dimensi

on de W1 W2 .
6. Es E suma directa de W1 y W2 ?
n:
Solucio
1. Para probar que ambos subconjuntos son subespacios de E, vamos a encontrar conjuntos generadores de W1
y W2 (el principal motivo para elegir este metodo es que todos los c
alculos que hagamos nos serviran para las
siguientes preguntas).
Primero calcularemos los generadores de W1 :

x
z

y
t

x + 2y z + t
2x y z + 2t

x + 3y t

5y z

W1

Resolvemos el sistema homogeneo, pivoteando la matriz

1
2 1 1
1 2
2 1 1 2 F2 2F1
0 5

1 3
0 5
0 1 F3 + F1
0
5 1 0
0 5

=
=
=
=

0
0
0
0

de coeficientes:

1 1
1 2 1
0 5 1
1 0

0 0
1 0 F3 + F2
0
1 0
F4 + F2
0 0
0

1
0

0
0

As,

x
z

Luego,

y
t

x = 3y t
z = 5y

 
x y
3y t

=
z t
5y

W1


3
W1 = hAi, donde A =
5

Entonces, W1 es un subespacio de E.

y
t


3
=y
5




1
1 0
+t
0
0 1

 

1 0
1
,
.
0
0 1

Ahora calcularemos los generadores de W2 :


x
z

y
t

W2

Resolvemos el sistema homogeneo, pivoteando la

1 1 1 1
1
1 2 0 1 F2 F1 0
2 3 1 2
F3 2F1
0

x+y+zt
x + 2y t

2x + 3y + z 2t

= 0
= 0
= 0

matriz de coeficientes:

1 1 1
1 1
1 1 0
0 1
1 1 0
F3 F2
0 0

1 1
1 0
0
0

As,


x y
W2
z t

Luego,

y
t


x

= z
= x + 2z
 





y
x
z
1 0
0 1
=
=x
+z
t
z x + 2z
0 1
1 2


1
W2 = hBi, donde B =
0

Entonces, W2 es un subespacio de E.

22

 
0
0
,
1
1


1
.
2

2. Notemos que A =


3
5

 

1
1 0
,
es un conjunto li, pues ninguno de los vectores es m
ultiplo del otro.
0
0 1

Entonces A es un conjunto li de generadores de W1 , es decir, A es una base de W1 y dim(W1 ) = 2.


 

1 0
0 1
3. Analogamente, tenemos que B =
,
es un conjunto li, pues ninguno de los vectores es
0 1
1 2
m
ultiplo del otro.
Entonces B es un conjunto li de generadores de W2 , es decir, B es una base de W2 y dim(W2 ) = 2.
4. Como W1 = hAi y W2 = hBi, entonces W1 + W2 = hA Bi.
Es decir,


 
 
3 1
1 0
1
W1 + W2 =
,
,
5 0
0 1
0

 
0
0
,
1
1


1
2

Para encontrar una base de W1 + W2 debemos determinar que vectores de A B son li. Hacemos una cl nula
de los vectores:







 

3 1
1 0
1 0
0 1
0 0

+
+
+
=
5 0
0 1
0 1
1 2
0 0

 

3 +
+
0 0
=
=
5 +
+ + 2
0 0

3 + = 0

+ = 0
= = = = = 0
=
5
+ = 0

+ + 2 = 0
Entonces A B es un conjunto de vectores li que genera a W1 + W2 , es decir, A B es una base de W1 + W2
y dim(W1 + W2 ) = 4.

5. Ahora, deberamos encontrar la interseccion de W1 con W2 . Pero esto no sera necesario, pues sabemos que
dim(W1 + W2 ) = dim(W1 ) + dim(W2 ) dim(W1 W2 )
= dim(W1 W2 ) = dim(W1 ) + dim(W2 ) dim(W1 + W2 ) = 2 + 2 4 = 0
Y como el u
nico subespacio de con dimensi
on cero es el conjunto formado solo por el cero del espacio, tenemos
que


0 0
W1 W2 =
0 0
y W1 W2 no tiene una base.
6. Como E = W1 W2 si y solo si E = W1 + W2 y W1 W2 = {0E }, debemos decidir si E = W1 + W2 (pues la
otra condicion la tenemos).
Pero dim(W1 + W2 ) = 4 = dim(E), luego W1 + W2 = E pues la base de W1 + W2 tambien es una base de E.
Luego, E s es suma directa de W1 y W2 .

23

4.

Sistemas de coordenadas y cambio de base

4.1.

Sistemas de coordenadas

En esta secci
on comenzaremos a reconocer las caractersticas comunes de todos los espacios vectoriales que
comparten dimensi
on. Para esto, el primer paso sera instalar en cada espacio vectorial un sistema de coordenadas.
Este proceso consiste en fijar una base del espacio vectorial y usarla como el sistema de referencia para describir el
resto de los vectores del espacio.
Consideraremos, de aqu en adelante, las bases de un espacio vectorial como conjuntos ordenados. De esta
manera, en E = R4 , tendremos que
B1 = {(1, 0, 0, 0), (0, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1)}
y
B2 = {(0, 1, 0, 0), (0, 0, 1, 0), (1, 0, 0, 0), (0, 0, 0, 1)}
son dos bases distintas del espacio, pues a pesar de contener los mismos cuatro vectores, estos est
an ubicados en
distinto orden dentro de la base. As, hablaremos frecuentemente de bases ordenadas de E.
Antes de hacer la definicion formal del sistema de coordenadas, revisaremos el siguiente resultado.
Teorema. Sea E un espacio vectorial sobre K y B = {b1 , b2 , . . . , bn } una base de E. Entonces, para cada elemento
x E existen u
nicos escalares 1 , 2 , . . . , n K tales que
x = 1 b1 + 2 b2 + + n bn .
Demostraci
on: Como B es base de E, tenemos que E = hBi. Luego, es claro que todo x E se puede escribir
como una combinaci
on lineal de los elementos de B. Lo que debemos demostrar es la unicidad de los coeficientes
de esta combinaci
on.
Entonces, supongamos que existen dos conjuntos de escalares 1 , . . . , n y 1 , . . . , n tales que
x = 1 b1 + 2 b2 + + n bn

x = 1 b 1 + 2 b 2 + + n b n .

Igualando ambas expresiones de x y reordenando la expresion en los elementos de la base, obtenemos que
(1 1 )b1 + (2 2 )b2 + + (n n )bn = OV .
Esto implica que 1 1 = 0, 2 2 = 0, . . . , n n = 0, pues los vectores de la base son li. Es decir, los
coeficientes de la cl son u
nicos.
2
Ahora estamos en condiciones de definir el sistema de coordenadas con respecto a una base fija.
Definici
on: Sea E un ev sobre K y sea B = {u1 , . . . , un } una base de E. Para cada x E, se define su vector
coordenada en la base B como

1
2
 

x B = . K n,
..
n
donde los i son los coeficientes de la cl que describe x en terminos de los vectores de la base B. Es decir,
x = 1 u1 + 2 u2 + + n un

24

Ejemplos:
1. Sea E = R3 . Al considerar la base can
onica de E, BC = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)}, tenemos
que cualquier vector ~x = (x, y, z) cumple que
~x = x e1 + y e2 + z e3 ,
entonces

x
 
~x BC = y
z

Es decir, el sistema de coordenadas dado por la base canonica de R3 coincide con las coordenadas cartesianas
que se usan para definir inicialmente R3 .
Consideremos otra base de E, por ejemplo, B1 = {(1, 1, 1), (0, 1, 1), (0, 0, 1)}. Calculemos el vector coordenada
de ~x = (x, y, z) en esta nueva base. Para esto, determinemos la cl correspondiente:
~x = (1, 1, 1) + (0, 1, 1) + (0, 0, 1) = (, + , + + )

=
+ =

++ =

= x
=
= yx

= zy

x
y
z

= ~x = x(1, 1, 1) + (y x)(0, 1, 1) + (z y)(0, 0, 1)

= [~x]B1

x
= y x
zy

Por u
ltimo, si tomamos la base B2 = {(0, 1, 1), (1, 1, 1), (0, 0, 1)}, que tiene los mismos elementos de B1 pero
en distinto orden. Entonces, el vector coordenada de ~x = (x, y, z) es

yx
[~x]B2 = x
zy

(las coordenadas cambian de orden, pero contiene las mismas componentes).

2. Sea E = P2 (R) y consideremos tres bases de E: B1 = {1, x, x2 }, B2 = {1, 1 + x, 1 + x + x2 } y B3 =

{1, 1 + x + x2 , 1 + x}.
Determinemos los vectores coordenadas del vector p(x) = (2x 1)2 en cada una de estas bases.

1


Como p(x) = 4x2 4x + 1 = 1 + (4)x + 4x2 , tendremos que p(x) B1 = 4.
4


Para determinar p(x) B2 , debemos escribir p(x) como cl de los vectores de B2 :
p(x) = 4x2 4x + 1

Entonces:

++
+

= (1) + (1 + x) + (1 + x + x2 )
= ( + + ) + ( + )x + x2

=
1
= 4
=
4
25

= = 4, = 8, = 5


5

Por tanto, p(x) B2 = 8 y como B3 contiene los mismos vectores de B2 aunque en distinto orden,
4

5


tendremos que p(x) B3 = 4 .
8


Queda propuesto determinar los vectores coordenadas con respecto a estas tres bases de un polinomio generico
de E: p(x) = a + bx + cx2 .

A continuacion enunciamos las principales propiedades de los vectores coordenadas:

Teorema. Sean E un ev sobre K, B = {u1 , . . . , un } una base de E y x, x1 , x2 , . . . , xk vectores de E. Entonces:
1. El vector coordenada de x en la base B es u
nico.
 
 
2. Si x1 6= x2 , entonces x1 B 6= x2 B .

 

 

 

3. x1 + x2 B = x1 B + x2 B y, para todo K, x1 B = x1 B .
n   
  o
4. {x1 , x2 , . . . , xk } es li en E si y s
olo si x1 B , x2 B , . . . , xk B es li en K n .
Demostraci
on:
1. Es directo del primer teorema de la secci
on. Como B es base, x puede escribirse de manera u
nica como cl de
la base, entonces el vector coordenada es u
nico.
2. Si x1 6= x2 , entonces los vectores deben escribirse como distintas cl de los vectores de B (si las combinaciones
fueran iguales, entonces x1 = x2 ).
3. Si x1 = 1 u1 + + n un y x2 = 1 u1 + + n un , entonces
x1 + x2 = (1 + 1 )u1 + + (n + n )un
y
x1 = 1 u1 + + n un .
En lenguaje de vectores coordenados, lo anterior se anota:

1
1 + 1
1
1






 
.

..
x1 B = ... , x2 B = ... , x1 + x2 B =
, x1 B = ..
.
n
n + n
n
n

Ahora, la afirmaci
on es obvia.
4. Notemos que

c1 x1 + + ck xk

 
 
= c1 x1 B + + cn xk B

 
on es directo. Queda propuesto.
y que OV B = ~0 K n . Con estas dos observaciones, demostrar la afirmaci

26

4.2.

Matrices de cambio de bases

Con frecuencia, el problema no sera obtener las coordenadas de un vector particular con respecto a distintas
bases, sino mas bien cambiar simult
aneamente las coordenadas de todos los vectores de un espacio vectorial que
estaban escritos en una base inicial a una nueva base. Este proceso se conoce como un cambio de base del espacio
o cambio de coordenadas y, usando todo nuestros conocimientos previos sobre Rn , concluiremos que el cambio de
base se lleva a cabo mediante una u
nica matriz que har
a todo el trabajo.
Definici
on: Sea E un ev sobre K y sean B1 y B2 dos bases distintas de E. Se define la matriz de cambio de
 B2
base de B1 a B2 , que anotamos Id B , como la u
nica matriz que cambia las coordenadas con respecto a la base
1
B1 en coordenadas con respecto a B2 para todo vector x del espacio, es decir,
 
 B2  
x B2 = Id B1 x B1

x E

Usando la definicion de matriz de cambio de base, podemos determinar mas concretamente la forma de la matriz
de cambio de base.
 
 
Si dim(E) = n, B1 = {u1 , u2 , . . . , un } y B2 = {v1 , v2 , . . . , vn }, tendremos que tanto x B como x B son
2
1
 B2
vectores de K n . Entonces queremos determinar la matriz Id B1 de n n tal que
 
 B2  
x B2 = Id B1 x B1

x E

Describamos la matriz por columnas:

(2)


 B2 
Id B = ~c1 | ~c2 | | ~cn
1

Para encontrar la i-esima columna usaremos la igualdad (2) para x = ui (el i-esimo vector de la base B1 ). Como
ui = 0 u1 + 0 u2 + + 1 ui + + 0 un ,
entonces

 
ui B1

con el 1 en el i-esimo lugar. Luego, (2) sera:

0
0

..
.

=
1

.
..
0

0
0

.
 ..

 B2  
 

ui B2 = Id B1 ui B1 = ~c1 | ~c2 | | ~cn

1 = ~ci .

.
..
0
 
Es decir, la columna i-esima de la matriz buscada sera ui B2 y, por tanto,


B2 h          i
Id B1 = u1 B2  u2 B2   un B2

 B2
Ahora, por el u
ltimo teorema, tenemos que las columnas de Id B1 son li, por tanto, la matriz es invertible y
tendremos que su inversa sera
  1  
B1
B2
= Id B2 .
Id B1
27

Ejemplo: Sea E = P3 (R) y sea

S = {p(x) E : p(1) = p0 (1) = 0}.

Determinaremos dos bases de S y encontraremos la matriz de cambio de base entre ellas.

Determinaremos un conjunto generador de S primero:

p(1) = a + b + c + d = 0
p(x) = a + bx + cx2 + dx3 S
p0 (1) = b + 2c + 3d = 0

b = 2c 3d
a = b c d = c + 2d

c, d libres

Entonces

p(x) = (c + 2d) + (2c 3d)x + cx2 + dx3

p(x) = c(1 2x + x2 ) + d(2 3x + x3 )


S = {1 2x + x2 , 2 3x + x3 }

y B1 = {1 2x + x2 , 2 3x + x3 } es una base porque

{z
} |
{z
}
|
u1

u2

(1 2x + x2 ) + (2 3x + x3 ) = 0 = ( + 2) + (2 3)x + x2 + x3 = 0
= = = 0

Como obtenemos una segunda base de S? Bueno, ya sabemos que dim(S) = 2, por tanto, solo debemos
encontrar dos vectores de S que sean li.
En general siempre se tendra lo siguiente (buen dato
) bases a partir de bases conocidas):
( para generar nuevas
n
X
Si {u1 , u2 , . . . , un } es base de un ev E, entonces u1 , u1 + u2 , . . . ,
ui tambien es una base de E.
k=1

En nuestro caso particular, si tomamos los vectores

v1 = u1 = 1 2x + x2
y
v2 = u1 + u2 = (1 2x + x2 ) + (2 3x + x3 ) = 3 5x + x2 + x3

tendremos que forman una nueva base de S:

B2 = {1 2x + x2 , 3 5x + x2 + x3 }
|
{z
} |
{z
}
v1

v2

B2
Ahora determinaremos la matriz Id B1 . Para eso, debemos escribir cada uno de los vectores de la base B1 como
cl de los vectores de la base B2 :
 
 
1
u1 = v1 = u1 B2 =
0
 
 
1
u2 = v2 u1 = v2 v1 = u2 B2 =
1
Entonces:



 B2 h      i
1 1
Id B1 = u1 B2  u2 B2 =
0 1

Si calculamos la inversa de esta matriz:


1 1 1
0
1 0
Tendremos que

0
1

1
0

 B1  B2 1
=
Id B2 = Id B1

Pero esto ya lo sabamos, pues v1 = u1 y v2 = u1 + u2 .

28

0 1
1 0

1
1



1 1
0 1


MAT1203 Algebra
Lineal
Gua N 6 Espacios vectoriales
Temporada Academica de Verano 2010

I. Cuerpos

1. Considere el conjunto

M = {a + b 3 : a, b Q}

con las operaciones

(a + b 3) (c + d 3) = (a + c) + (b + d) 3

(a + b 3)  (c + d 3) = (ac + 3bd) + (ad + bc) 3

Demuestre que (M, , ) es un cuerpo.
2. Considere el conjunto de los n
umeros reales R con una nueva suma y una nueva multiplicacion , operaciones
definidas por:
xy = x+y1
x  y = xy x y
Decida si (R, , ) es un cuerpo. Determine, si existen, el neutro aditivo y el neutro multiplicativo.
3. La matriz

6 7
A= 5 3
9 6

5 8
0 2
1 5

tiene sus entradas en el cuerpo Z13 . Encuentre la forma escalonada reducida de A y determine su matriz
inversa si existe.
4. Cuantos elementos tiene M24 (Z5 )? y M43 (Z7 )?

II. Espacios Vectoriales

1. Demuestre que el conjunto V = {(x, y, z) R3 : x > 0, y > 0, z > 0} es un espacio vectorial sobre el cuerpo
K = R con las operaciones (suma) y (ponderaci
on) definidas por
(a, b, c) (x, y, z) =
(x, y, z) =

(ax, by, cz)

(x , y , z )

2. Decida si el conjunto de los polinomios de grado menor o igual a 2, V = P2 (R), es un espacio vectorial sobre
el cuerpo K = R con las operaciones definidas por
(a0 + a1 x + a2 x2 ) (b0 + b1 x + b2 x2 ) =
(a0 + a1 x + a2 x2 ) =

(a0 + b1 ) + (a1 + b0 )x + (a2 + b2 )x2

a0 + a1 x + a2 x2

3. Decida si el conjunto de las matrices de 2 2 con componentes reales, V = M22 (R), es un espacio vectorial
sobre el cuerpo K = R con las operaciones definidas por

  0



a b
a b0
a + a0
1
0
=
c d
c d0
c + c0 + 1 0




a b
a b

=
c d
c d
29

III. Subespacios Vectoriales

1. Demuestre que el conjunto

S = {p(x) P(R) :

p(x)dx = 0}

es un subespacio de V = P(R) (el espacio de los polinomios con coeficientes en R).

2. Demuestre que las matrices simetricas forman un subespacio vectorial del espacio de las matrices de n n
con entradas reales. Que sucede con las matrices antisimetricas?
3. En cada caso, decida si el conjunto S en un subespacio vectorial del espacio V indicado.
a) S = {f V : f (c) = 0}, V es el espacio de las funciones continuas definidas en el intervalo [a, b] y
c (a, b).
b) S = {(x, y, z) : xyz 0}, V = R3 .

c) S = {(x1 , x2 , x3 , . . . , xn ) : x1 6= x2 }, V = Rn .

d ) S = {Ax : x Rn }, V = Rm donde A Mmn (R)} fija.

e) S = {p(x) : p(0) = 2k, k Z}, V = Pn (R).

f ) S = {p(x) : p(k) para todo k N}, V = Pn (R).

g) S = {A : det(A) = 0}, V = Mnn (R).

h) S = {p(x) : p00 (x) = p0 (x) + x}, V = Pn (R).

i) S = {a + bx3 : a R, b R, b 0}, V = P3 (R).

4. Sea V un espacio vectorial sobre un cuerpo K y sean U , S y W subespacios de V que satisfacen las siguientes
condiciones:
U S =U W
SW

(3)
(4)

Suponga que
u + w = u0 + s
donde u y u0 son vectores de U , w W y s S. Demuestre que w S.
5. Sea V un espacio vectorial sobre un cuerpo K y sean S, T y U subespacios de V . Demuestre que:


T (S + U ) = {0V }
T S = {0V }

S U = {0V }
(T + S) U = {0V }
6. Sean S1 , S2 y S3 subespacios del espacio vectorial V tales que S1 S3 . Demuestre que
S1 + (S2 S3 ) = (S1 + S2 ) S3
De un ejemplo que muestre que si la condicion S1 S3 no se cumple, entonces la igualdad anterior no es
necesariamente valida.
7. El conjunto de todas las sucesiones reales
R = {(xn )nN : xn R}
es un espacio vectorial sobre K = R. Determine cuales de los siguientes conjuntos de sucesiones son subespacios
de R .
a) Todas las sucesiones que incluyen infinitos ceros (Ejemplo: xn = 1 + (1)n ).
30

b) Todas las sucesiones con xj = 0 a partir de alg

un termino en adelante.
c) Todas las sucesiones decrecientes, es decir, aquellas para las cuales xn1 xn para todo n N.

d ) Todas las sucesiones convergentes, es decir, aquellas para las cuales lm xn existe.
n

e) Todas las progresiones aritmeticas, es decir, aquellas para las cuales xn1 xn es la misma para todo n.

f ) Todas las progresiones geometricas, es decir, todas las de la forma (x1 , kx1 , k 2 x1 , . . .), admitiendo cualquier
k y cualquier x1 .

IV. Dependencia e Independencia Lineal. Bases y Dimensiones

1. Las funciones f1 (x), f2 (x), . . . , fn (x) definidas en un intervalo I son l.i. en I si

c1 f1 (x) + c2 f2 (x) + . . . + cn fn (x) = 0

para todo x I

implica que c1 = c2 = . . . = cn = 0. El siguiente problema muestra las tecnicas mas comunes utilizadas para
determinar la independencia lineal de las funciones fi en el intervalo I.
a) Se define el Wronskiano de las funciones f1 , . . . , fn por

 f1 (x)
f2 (x)


0
 f10 (x)
f
(x)

2

W (x) = 
..

.

 (n1)
(n1)
 f
(x) f2
(x)
1

fn1 (x)
0
fn1
(x)

(n1)
fn1 (x)


(n1)
fn
(x) 
fn (x)
fn0 (x)

Demuestre que si existe c I tal que W (c) 6= 0, entonces las funciones fi (x) son l.i. en el intervalo I.

b) Demuestre que si existen x1 , x2 , . . . , xn I tales que


 f1 (x1 ) f2 (x1 ) fn1 (x1 ) fn (x1 )

 f1 (x2 ) f2 (x2 ) fn1 (x2 ) fn (x2 )


..

.


 f1 (xn ) f2 (xn ) fn1 (xn ) fn (xn )
entonces las funciones fi son l.i. en el intervalo I.

c) Demuestre que si la matriz A = (aij ), donde aij =

fi (x)fj (x)dx, tiene inversa, entonces las funciones

fi son l.i. en el intervalo I = [a, b].

2.






 6= 0




a) Demuestre que x y |x| son l.i. en el intervalo [1, 1], pero son l.d. en el intervalo [0, 1].
b) Demuestre que las funciones ex , ex , e2x son l.i. en cualquier intervalo I.
c) Demuestre que las funciones sen(x), cos(x) son l.i. en [0, ].
d ) Demuestre que las funciones sen2 (x), cos2 (x), 1 son l.d. en cualquier intervalo I.
e) Demuestre que las funciones sen(x), cos(x), sen(2x), cos(2x) son l.i. en el intervalo (, ).

f ) Demuestre que el conjunto con infinitos vectores {sen(nx) : n N} es l.i. en el intervalo [0, ].

3. Sea V un espacio vectorial sobre el cuerpo K = R y sea A = {a1 , a2 , . . . , an } un conjunto de vectores l.i. de
V . Si x1 , x2 , . . . , xn son n
umeros reales que satisfacen la siguiente condicion:
n
X
i=1

xi ai =

n
n
X
X
i2
(n + 1 i)bi ,
ai
i+1
i=1
i=1

donde bi = an+1i , i = 1, 2, . . . , n, encuentre los valores de x1 , x2 , . . . , xn .

31

4. Sean u1 , u2 y u3 vectores de un espacio vectorial V sobre el cuerpo K = R. Determine todos los valores de
y para los cuales
h{u1 , u1 + u2 , u1 + u2 + u3 }i = h{u1 , u2 , u3 }i.

0 1 2
5. Sean R = 0 0 1 y W = {A M33 (R) : AR = RA}. Demuestre que W es un subespacio de las matrices
0 0 0
de 3 3 y encuentre base y dimensi
on de W .
6. Sea V un espacio vectorial sobre un cuerpo K. Demuestre que un conjunto B de vectores en V es base de V
si y solo si B es l.i. y, ademas, B {v} es l.d. para todo vector v V \ B.
7. Dado

3x1 + 2x2 4x3 + 3x4 x5

(k 1)x1 + 3x2 x3 + 7x4 + x5 5x6
x1 + x2 x3 + 2x4 x6
W = (a, b, c, d, e) R5 :

x
+
x
+
3x3 + 4x4 + 2x5 5x6

1
2

(k + 2)x1 + 5x2 5x3 + 10x4 5x6

=
=
=
=
=

c es compatible

Determine la dimensi
on de W , dando bases adecuadas para cada valor de k en R.
8. Sea p(x) = 1 + x + x2 + + xn . Decida si el conjunto
B = {p(x), p0 (x), p00 (x), p(3) (x), . . . , p(n1) (x), p(n) (x)}
es base de Pn (R).
9. En V = M22 (R), se define
S=



1
k

 
 
2
0 1
k
,
,
1
p 0
2

1
3



Encuentre los valores de k y p de modo que dim(S) = 2.

10. Sea S = {x R6 : Ax = 0}, donde

1 1 2
3
a
A = 1 1 1 4 2
3 3 8
7 c4

1
b y a, b, c R.
5

Determine todos los valores de a, b y c para los cuales dim(S) = 4 y demuestre que T = {(a, b, c) : dim(S) = 4}
es un subespacio de R3 . Cu
al es la dimensi
on de T ?
11. Sea V un espacio vectorial sobre un cuerpo K y sea {u1 , u2 , . . . , ur } la base del subespacio W de V . Demuestre
que {u1 , u2 + 2u1 , . . . , ur + ru1 } tambien es una base de W .

32

 n de bases
V. Operaciones de Subespacios Vectoriales. Extensio


x+y+z+t =

x y
1. Sean S =
: 2x 5y + 3z 2t =
z t
x 6y + 2z 3t =


0
1
0
yT =
1

 
1
2
,
1
1


1
.
2

a) Demuestre que S es subespacio de V = M22 (R) y encuentre una base de S y dim(S).

b) Encuentre S T , base y dimensi
on.

c) Encuentre S + T , base y dimensi

on.

2. Sean W1 = h{1 + 2x 5x2 + x3 , 3 + x + 2x2 + 2x3 , 1 + 9x 18x2 + 6x3 }i y

a+b+c
= 0

a + c + 3d = 0
2
3
W2 = a + bx + cx + dx :
b 3d
= 0

c + 5d
= 0

subespacios de P3 (R). Encuentre bases y dimensiones de estos conjuntos. Decida si P3 (R) = W1 W2 .

3. En el espacio vectorial de las funciones reales continuas considere los subespacios:

S = {ex p(x) + ex q(x) : p(x), q(x) Pn (R)}
T = {ex p(x) : p(x) Pn (R)}
a) Encuentre una base de T y determine dim(T ).
b) Pruebe que T es un subespacio de S y encuentre otro subespacio S 0 de S tal que S = T S 0 .
4. En V = P3 (R) sean

1
S = {p(x) V : p(1) = 0 y 2p(0) + 3p0 (0) + p000 (0) = 0}
6
T = {a + bx + cx2 + dx3 V : a b + c d = 0 y 5a + c + d = 0}

a) Demuestre que S y T son subespacios de V .

b) Demuestre que V = S T .

c) Se define el subespacio U = h{x3 x2 x + 1, x2 + x + 2}i, determine U S, una base y dim(S U ).

5. Sea X una matriz de n n con rango r. Considere el subespacio vectorial de V = Mnn (R)
W = {Y V : XY = O}.
Determine la dimensi
on W .
6. Sea S1 = {A Mnn (R) : tr(A) = 0}. Determine la dimensi
on del subespacio S1 y otro subespacio S2 de
Mnn (R) tal que Mnn (R) = S1 S2 .
7. Demuestre que si V = W1 W2 , entonces para cada vector v V existe un u
nico vector w1 W1 y un u
nico
w2 W2 tales que
v = w1 + w2 .
8. Encuentre el valor de para que q(x) = 1 + x + x2 + 3x3 + x4 pertenezca al subespacio
S = {p(x) P4 (R) : p(4) (2) = 12p00 (0) + 4p000 (0)}.
Determine una base de S y extienda la base de S encontrada a una base de P4 (R).
9. En cada caso, decida si el subconjunto de V = M22 (R) se puede extender a una base de V . Si esto es posible,
encuentrela.
33



 

1
1
1 1
,
2 6
1 2

 
 
3 1
0 1
1
b) A2 =
,
,
0 1
1 1
1

 
 
1 2
1 1
2
c) A3 =
,
,
3 4
0
1
12

a) A1 =


1
1
 
6
9
,
18
2


3
1

10. Sea n N. Considere el subespacio vectorial

S1 = {p(x) Pn+5 (R) : p(0) = p0 (0) = p00 (0) = p(3) (0) = = p(n1) (0) = 0}
de Pn+5 (R).
a) Encuentre una base y la dimensi
on de S1 .
b) Determine un subespacio S2 de Pn+5 (R) tal que S1 S2 = Pn+5 (R).
11. En el espacio vectorial V = M32 (R), considere los subespacios
+
*
1 3

1 0
S1 =

1 2
S2

S3

+
*
0 2
1
1
1 4

2 0 , 1
0 , 1 1
=

1 4
0 2
3 1

a d
b e V :
=

c f

a + 2b + c
3a d
a+b+e
a + b + f

a) Demuestre que S1 S2 y que S1 S3 .

=
=
=
=

0
0
0
0

b) Encuentre una base y la dimensi

on de S1 S2 S3 .

c) Demuestre que dim(S1 + S2 + S3 ) = 4 y encuentre una base B de S1 + S2 + S3 .

d ) Encuentre una base de V que contenga a B (la base encontrada en la parte anterior).

VI. Coordenadas. Matriz de cambio de base

1. Sea V un espacio vectorial dado y sea A = {u1 , u2 , u3 , u4 } una base de V . Demuestre
que
B = {u1 , u1 +
2
1

u2 , u1 + u2 + u3 , u1 + u2 + u3 + u4 } tambien es base de V . Si x V es tal que [x]A =

0 , encuentre [x]B .
3
2. Sean B1 = {1 + x x2 , 1 + 2x + 3x2 , x} y B2 = {1 + 2x x2 , 3 + x, 1} bases de V = P2 (R).

a) Encuentre la matriz de cambio de base de B1 a B2 y la matriz de cambio de base de B2 a B1 .

1
b) Si [p(x)]B2 = 1, determine [p(x)]B1 y determine explcitamente p(x).
1

3. Considere el subespacio de V = M22 (R)




x y
S=
V :x+y+z+t=0 .
z t
Encuentre dos bases de S y la matriz de cambio de base entre ellas.
34

4. En R2 , la matriz P =

representa el cambio de base de una base B a otra B 0 .

a) Determine el valor de y de , sabiendo que existe un vector v R2 para el cual

 
 
1
1
[v]B 0 =
y [v]B =
5
1
b) Ademas, si se tuviera que B = {(1, 3), (1, 1)}, encuentre la base B 0 .

1
5. El conjunto B = {1 + x + 2x2 , 1 x, x2 } es una base de P2 (R). Si P = 2
3
de base de B a otra base B 0 , determine B 0 .

35

2 1
4 2 es la matriz de cambio
1 2