lgebra Lineal

Unidad 3. Espacios vectoriales

UNIDAD 3. ESPACIOS VECTORIALES

Definicin 35.- Un espacio vectorial V sobre un campo F es un conjunto de
elementos llamados vectores, junto con dos operaciones, adicin vectorial y
multiplicacin por escalares, que satisfacen las siguientes propiedades
(A1) (v w) V , v, w V
(A2) (u v) w u (v w), u, v, w V
(A3) v w w v, v, w V
(A4) Existe un elemento neutro, llamado vector cero o vector nulo, 0 V tal que
v 0 v, v V
(A5) Para cada v V , existe un elemento v V tal que v (v) 0
(M1) v V , F , v V
(M2) ( )v (v) , F , v V
(M3) (v w) v w, F , v, w V
(M4) ( )v v v, , F , v V
(M5) 1v v, v V , 1 F

Ejemplo 38.
n
1.- El conjunto
,( n n1 ) de n-adas de nmeros reales con la suma y
multiplicacin por escalares definidas por:

Si x, y

, x x1 , x2 ,..., xn , y y1 , y2 ,..., yn , entonces:

t

x y x1 y1 , x2 y2 ,,..., xn yn

Es un espacio vectorial sobre

Nota: el vector 0 de

2.- El conjunto
3.- El conjunto
sobre

Notas de curso

mn

y x x1 , x2 ,..., xn , donde
t

es 0 0, 0,..., 0

de matrices reales de orden m n es un espacio vectorial sobre

mn

de matrices complejas de orden m n es un espacio vectorial

lgebra Lineal

Unidad 3. Espacios vectoriales

4.- El conjunto V f : 0,1

sobre

de funciones de 0,1 a

, es un espacio vectorial

Nota: el elemento 0 de V es la funcin 0 o funcin nula 0 f :[0,1]

f , g V , f :[0,1] , g :[0,1]

y f :[0,1] ,

f g :[0,1]

5.- Sea V

xn

el conjunto de polinomios con coeficientes reales de grado menor o

igual que n e indeterminada x . Entonces V es un espacio vectorial sobre

Nota: El vector 0 de
0 0 0 x 0 x2 ... 0 xn

es

el

polinomio

cero

polinomio

nulo:

Ejercicios
1.- Sea V

x, y
t

x 0, y 0 . Es el conjunto V un e.v. sobre

operaciones en V son las operaciones usuales en

2.- Consideremos el conjunto

complejos. Es

3.- Es

x, y

un espacio vectorial sobre

un espacio vectorial sobre

donde las

x, y

y el campo

de nmeros

4.- Sea V un espacio vectorial sobre el campo K . Demuestra que el vector nulo 0 de
V es el nico con la propiedad: v 0 v, v V

5.- Sea V un espacio vectorial sobre el campo K . Si v V , entonces v V es el

nico con la propiedad: v (v) 0

Notas de curso

lgebra Lineal

Unidad 3. Espacios vectoriales

Teorema.- Sea V un e.v. sobre un campo F . Entonces se cumple:

1) 0v 0, v V
2) (1)v v, v V , 1 F
3) 0 0, 0 V , F
4) (v) v, v V
5) ( )v (v) (v), v V , F
6) ( )(v) v, v V , F
7) u w v w , entonces u v , u, v, w V
8) Si F , 0, u v, entonces u v, u, v V
9) Si v 0, entonces 0 v 0

3.1 SUBESPACIOS VECTORIALES

Definicin 36.- Sea V un e.v. sobre un campo F . Se dice que un subconjunto W de

V , W , es un subespacio vectorial de V si W es por s mismo un espacio vectorial
sobre F con las mismas operaciones definidas en V .

Teorema: Un subconjunto no vaco W de un espacio vectorial V sobre F es un

subespacio de V si y solo si se satisfacen las siguientes condiciones.
1) Si v, w W entonces v w W
2) Si v W , F entonces v W
Demostracin:
) Como W es un subespacio vectorial de V , entonces W es por s mismo un espacio
vectorial sobre F . As que se cumplen las 10 propiedades de la definicin de e.v. en
particular se satisface las propiedades (A1) y (M1) que son las condiciones 1) y 2)

) Queremos probar que W es un subespacio de V , para ellos veamos que W es un

espacio vectorial sobre F .
Como se cumplen las condiciones 1) y 2), entonces se satisfacen las propiedades (A1) y
(M1). As que solo resta probar que se satisfacen las 8 propiedades restantes. Como W
es un subconjunto de V , entonces W hereda automticamente las propiedades (A2),

Notas de curso

lgebra Lineal

Unidad 3. Espacios vectoriales

(A3), (M2), (M3), (M4) y (M5). As solo resta probar que se satisfacen las propiedades
(A4) y (A5). Ahora como W , sea v W
(1)v W por 2), pero (1)v v , luego v W , pero v (v) 0 y adems

v (v) W , luego 0 W
Se satisfacen las propiedades (A4) y (A5)
W es un subespacio vectorial de V

Ejemplo 39.
1.- Todo espacio vectorial V tiene al menos dos subespacios, V es un subespacio de s
mismo y el conjunto W 0 es tambin un subespacio de V , llamado subespacio

trivial.

2.- Consideremos el e.v.

subespacio de

sobre

y sea W

x, 0

, entonces W

es un

. (Comprobar)

3.- consideremos el e.v. V

22

sobre

0 x
y sea W
x, y
y 0

. Entonces W

es un subespacio de V . (Comprobar)

Ejercicio.- Consideremos el e.v. V n sobre

y sea Ax 0 un sistema homogneo
de m ecuaciones lineales con n incgnitas. Sea W s n s es solucin del sistema

Ax 0 . Entonces W es un subespacio vectorial de

, llamado espacio nulo de A .

3.2 COMBINACIONES LINEALES

Definicin 37.- Sea V un e.v. sobre un campo F y sean v1 , v2 ,..., vr V . Se dice que el
vector v V es una combinacin lineal de los vectores v1 , v2 ,..., vr si existen escalares
1 , 2 ,..., r F tales que v 1v1 2v2 ... r vr

Notas de curso

lgebra Lineal

Unidad 3. Espacios vectoriales

Ejemplo 40.
3

1.- Consideremos el e.v.

sobre

. Sean v1 1, 2, 1 , v2 6, 4, 2
t

entonces el vector v 9, 2, 7 es c.l. de los vectores v1 y v2 .

t

Solucin:
tales que v 1v1 2v2 . As:

Hallemos escalares 1 , 2

t
t
t
t
9, 2,7 1 1, 2, 1 2 6, 4, 2 1 62 , 21 42 , 1 22

1 62 9
21 42 2
1 22 7

Resolviendo el sistema: 1 3 y 2 2

v es combinacin lineal de v1 y v2

2.- Sea V

sobre

. El vector v 2,1
t

no es c.l. de los vectores v1 1, 0

y v2 2,0 .
t

Solucin:
Ya que no existen escalares 1 , 2

tales que v 1v1 2v2

Ejercicio.- Sea V un e.v. sobre un campo F y sean v1 , v2 ,..., vr V . Demuestra:

1) 0 es c.l. de v1 , v2 ,..., vr
2) vi es c.l. de v1 , v2 ,..., vr , con i 1, 2,..., r
Definicin 38.- Consideremos ahora un e.v. V sobre F y sea S v1 , v2 ,..., vr un
subconjunto de V . Denotemos con S span(S ) al conjunto de vectores v V tal
que v es c.l. de los vectores de S , o sea S v V v es c.l. de v1 , v2 ,..., vr

Teorema.- Sea V un e.v. sobre un campo F y sea S v1 , v2 ,..., vr V , entonces S

es un subespacio vectorial de V . Ms an S es el ms pequeo de los subespacios de
V contienen a los vectores v1 , v2 ,..., vr

Notas de curso

lgebra Lineal

Unidad 3. Espacios vectoriales

Nota: S se conoce como el subespacio de V generado por S si V S se dice que

S genera a V .

Ejemplo 41.
1.- Sea V
2

sobre

1
0
y sea S e1 , e2 , donde e1 , e2 , entonces
0
1

Demostracin:
Es claro que S

x
Sea v
y

v S ,

, ahora probemos que

S .

x x 0
1
0
x y xe1 ye2
y 0 y
0
1
2

S ,

2.- Consideremos el e.v.

sobre

y sea

S e1 , e2 ,..., en

, donde

ei 0,0,...,0,1,0,...,0 para i 1, 2,..., n , (El numero 1 situado en la i-esima posicin),

t

los vectores ei se conocen como vectores unitarios de

3.- Consideremos el e.v. V

xn

sobre

. Entonces

y sea S 1, x, x 2 ,..., x n V . Entonces

V S .

Demostracin:
Es claro que S V , veamos que V S .
Sea P( x) V , donde P( x) a0 a1 x a2 x 2 ... an x n
P( x) a0 (1) a1 ( x) a2 ( x 2 ) ... an ( x n )
P( x) S , V S , V S

4.- Consideremos el e.v. V

22

y sean

1 0
0 1
0 0
0 0
v1
, v2
, v3
, v4
.
0 0
0 0
1 0
0 1
genera a V .

Notas de curso

Entonces

S v1 , v2 , v3 , v4

lgebra Lineal

Unidad 3. Espacios vectoriales

Demostracin:
Es claro que S V . Probemos que V S . Sea v

22

a b
, entonces v

c d

1 0 0 1 0 0
0 0
v a
b
c
d
v S , V S , V S
0 0 0 0 1 0
0 1

5.- El conjunto infinito S 1, x, x 2 ,... genera al e.v.

Ejercicio.- Consideremos el e.v.

sobre

[ x] sobre

y sean

v1 1,1, 2 , v2 1,0,1 , v3 2,1,3 , determina si S v1 , v2 , v3 genera a

t

3.3 OPERACIONES CON SUBESPACIOS

Teorema.- Sea V un e.v. sobre el campo F y sean W1 , W2 subespacios de V .

Entonces W1 W2 es un subespacio de V . (Demostrar)

Ejercicio.- Sea V un e.v. sobre el campo F y sean W1 , W2 subespacios de V . Es

W1 W2 un subespacio de V ?

Definicin 39.- Sea V un e.v. sobre el campo F y sean W1 , W2 subespacios de V .

Entonces la suma de W1 y W2 , denotada W1 W2 es:
W1 W2 v V v w1 w2 , con w1 W1 y w2 W2

Teorema.- Sea V un e.v. sobre el campo F y sean W1 , W2 subespacios de V .

Entonces W1 W2 es un subespacio de V . (Demostrar)

Ejercicio.- Sea V un e.v. sobre el campo F y sean W1 , W2 subespacios de V . Si

W1 W2 es un subespacio de V . Demuestra que W1 W2 W2 W1 .

Notas de curso

lgebra Lineal

Unidad 3. Espacios vectoriales

3.4 DEPENDENCIA E INDEPENDENCIA LINEAL DE VECTORES

Definicin 40.- Sea V un e.v. sobre F y sea {v1 , v2 ,..., vn } V se dice que es
linealmente independiente (l.i.) si toda combinacin lineal de los vectores de ,
igualada a 0 implica que todos los escalares de la c.l. son cero. Es decir si
1v1 2v2 ... nvn 0 entonces 1 2 ... n 0 .
En caso contrario se dice que es linealmente dependiente (l.d.). Es decir es l.d. si
existe una c.l. 1v1 2v2 ... nvn 0 con algn i 0 .

Ejemplo 42:
1.- Consideremos el e.v.

sobre

y sean v1 4, 2 , v2 2,1 Es {v1 , v2 } l.i.

t

o l.d.?
Solucin:
Como 1v1 2v2 0 o sea (4, 2)t 2(2,1)t 0
es l.d.

2.- Sea

y {v1 , v2 } con v1 1, 2 , v2 5, 6 Es {v1 , v2 } l.i. o

t

sobre

l.d.?
Solucin:
Sea 1v1 2v2 0
1 (1, 2)t 2 (5, 6)t (0, 0)t
(1 52 , 21 62 ) (0, 0)t
1 52 0

21 62 0

1 5
Si A
, entonces | A | 4 0
2 6
A es invertible por lo cual el sistema tiene una nica solucin (la trivial)

1 2 0

es l.i.

Notas de curso

lgebra Lineal

3.- Sea

sobre

Unidad 3. Espacios vectoriales

y {v1, v2 , v3} con v1 2,3,1 , v2 1,1,1 v3 2, 3, 1 Es

t

{v1 , v2 , v3} l.i. o l.d.?

Solucin:

Sea 1v1 2 v2 3v3 0

1 (2,3,1)t 2 (1,1,1)t 3 ( 2, 3, 1)t (0, 0, 0) t
(21 2 23 ,31 2 33 , 1 2 3 )t (0, 0, 0)t
21 2 23 0, 31 2 33 0, 1 2 3 0
2 1 2
2 1 2
2 1 2

Si A 3 1 3 , entonces | A | 3 1 3 3 1 3 0
1 1 1
1 1 1
1 1 1

Entonces A es singular, as el sistema Ax 0 tiene una infinidad de soluciones, es

decir existe un s (1 , 2 , 3 )t tal que As 0 con algn i 0 .
Entonces existe una c.l. 1v1 2v2 3v3 0 con al menos un i diferente de cero.

es l.d.

2x2
Ejercicio.- Sea el espacio vectorial
sobre
1 0
0 1
0 0
0 0
v1
, v2
, v3
, v4
,
0 0
0 0
1 0
0 1
{v1 , v2 , v3 , v4 } es l.i.

el

campo

demuestra

sean
que

Ejercicio.- Sea V un e.v. sobre F y sea S {0, v1 , v2 ,..., vn } V Es S l.i. l.d.?

Ejercicio.- Sea V un e.v. sobre F y sea S V con S l.i., si T S Es T l.i.?

Ejercicio.- Sea V un e.v. sobre F y sea S V con S l.d., sea T V con S T Es

T l.i. o l.d.?

Notas de curso

lgebra Lineal

Unidad 3. Espacios vectoriales

Teorema: Sea V un e.v. sobre F y sea S {v1 , v2 ,..., vn } V , con S l.i. y sea v V ,
entonces S {v} es l.i. v S
Demostracin:
) Por hiptesis tenemos que S {v} es l.i. y queremos probar que v S . Por
contradiccin, supongamos que v S

v 1v1 2v2 ... nvn para ciertos i F

1v1 2v2 ... nvn (1)v 0

S {v} es l.d.!! porque S {v} es l.i.

v S

) Tenemos ahora que v S y queremos probar que S {v} es l.i.,

Por contradiccin, supongamos que

S {v} es l.d. Entonces existe una c.l.

1v1 2v2 ... nvn v 0 con al menos un escalar distinto de cero. Ntese que
0 , ya que en caso contrario, si 0
1v1 2v2 ... nvn 0 con al menos un i 0
S es l.d !! contradiccin porque S es l.i. por hiptesis.

v 1v1 v2 2 ... n vn



v 1 v1 2 v2 ... n vn



v S !! porque v S

S {v} es l.i.
Y ya.

3.5 SUBESPACIOS FUNDAMENTALES ASOCIADOS CON UNA

MATRIZ A DE ORDEN mxn

Definicin 41.- Sea A (aij ) F mxn donde F es un campo, entonces:

a) N ( A) {x F n | Ax 0mxn }
Se denomina espacio nulo de A

Notas de curso

10

lgebra Lineal

Unidad 3. Espacios vectoriales

b) R( A) {b F m | x F n , Ax b}

x1
x1 b1

x
x
b

b F m | x 2 , A 2 2

xn
xn bm

a11

a
Pero 21

an1

a12
a22

...
...
...

an 2

...

a1n x1 b1

a2 n x2 b2

x1 A*1 x2 A*2 ... xn A*n b

ann xn bm

x1

x2

R ( A) b F | x
, b x1 A*1 x2 A*2 ... xn A*n

xn

x1

R ( A) b F m | x 2 , b A*1 , A*2 ,..., A*n

x
n

R( A) se denomina espacio columna de A

c) N ( At ) { y F m | At y 0nx1}
{ y F m | y t A 01xn }

Se denomina espacio nulo izquierdo de A

d) R( At ) {c F n | y F m , c At y}

At *1 , At *2 ,..., At *m
A1* , A2* ,..., Am*
Se denomina espacio rengln de A

Nota: Los conjuntos N ( A), R( A), R( At ), N ( At ) se conocen como los 4 subespacios

fundamentales asociados con una matriz A de orden mxn.
Siempre podemos encontrar estos 4 subespacios asociados con A.

Notas de curso

11

lgebra Lineal

Unidad 3. Espacios vectoriales

Teorema: Sea A F mxn , entonces:

1) N ( A) y R( At ) son subespacios vectoriales de F n
2) R( A) y N ( At ) son subespacios vectoriales de F m
Teorema: Sea A F mxn . Los siguientes enunciados son equivalentes:
a) Las columnas de A son l.i.

b) N ( A) 0

c) Rango( A) n
Demostracin:

a) b)
Es obvio que {0} N ( A) as probamos que N ( A) {0}
Sea x N ( A), x ( x1 , x2 , x3 ,..., xn )t , Ax 0
x1 A*1 x2 A*2 ... xn A*n 0

Como las columnas de A son l.i. por hiptesis, entonces x1 x2 ... xn 0

x0
N ( A) {0}
N ( A) {0}

b) c) ya est probado.
Por ltimo probemos b) a)
As, probemos que las columnas de A son l.i.
Consideremos la c.l. 1 A*1 2 A*2 ... n A*n 0
Como A 1 , 2 ,..., n 0,0,...,0 , donde s 1 , 2 ,..., n
t

Entonces s es solucin del sistema Ax 0 , pero N ( A) {0}

Entonces s 0 , o sea 1 2 ... n 0
Por lo tanto las columnas de A son l.i.
Y ya.
Ejercicios:
nxn

1.- Consideremos el e.v.

W un subespacio de

Notas de curso

nxn

sobre

y sea W {A aij

nxn

| aij , i j} Es

12

lgebra Lineal

Unidad 3. Espacios vectoriales

2.- Sea A una matriz de orden mxn de rango n. Si 1 {v1 , v2 ,..., vr } es un conjunto de
vectores l.i. en

entonces 2 {Av1 , Av2 ,..., Avr } es l.i.

3.- Exprese el vector general ( x, y, z )t como combinacin lineal de los siguientes

vectores:
1
1
1



v1 2 , v2 0 , v3 2
1
1
1

Teorema: Cualquier conjunto de n vectores en F m donde n m , es l.d.

Demostracin.
Sean v1 , v2 ,..., vn F m con n m
Sean A*1 v1 , A*2 v2 ,..., A*n vn y A A*1 , A*2 ,..., A*n
Consideremos el sistema homogneo Ax 0 de m ecuaciones lineales con n incgnitas,
con m n , entonces rango (A) n, pues rango (A) m n
Entonces el sistema Ax 0 tiene alguna solucin distinta de la trivial.
Por el teorema anterior esto implica que las columnas de A son l.d.
Por lo tanto v1 , v2 ,..., vn son linealmente dependientes.
Y ya.

Teorema: Sea A F nxn entonces det( A) 0 A*1 , A*2 ,..., A*n son l.i.
Demostracin:

det( A) 0 A es invertible

Ax 0 solo tiene la solucin trivial.

N ( A) {0}

A*1 , A*2 ,..., A*n son l.i.

Y ya.

Notas de curso

13

lgebra Lineal

Unidad 3. Espacios vectoriales

Ejercicio.- Sea A F nxn si las columnas de A son l.i., Tambin lo son los renglones
de A?

Teorema: Sea {v1 , v2 ,..., vn } V donde V es un e.v. sobre F y es l.i., si

v , entonces la representacin de v como c.l. de los vectores del conjunto , es
nica.
Demostracin:
Como v , entonces v 1v1 2v2 ... n vn , para ciertos i F
Probemos que esta expresin para v es nica.
As supongamos que existe otra representacin para v .
v 1v1 2v2 ... n vn
1v1 2v2 ... n vn 1v1 2v2 ... n vn
(1 1 )v1 (2 2 )v2 ... (n n )vn 0

Y como es l.i., entonces 1 1 0 , 2 2 0, ..., n n 0

Entonces 1 1 , 2 2 , ..., n n
La representacin para v es nica.

Y ya.

3.6

BASES Y DIMENSIN DE ESPACIOS VECTORIALES

Definicin 42: Sea V un e.v. sobre un campo F . Una base para V es un subconjunto
de V tal que:
a) es l.i.
b) genera a V es decir V .
Definicin 43: Sea V un e.v. sobre un campo F . Se dice que V es de dimensin finita
si V tiene una base finita (es decir tiene un numero finito de elementos) o si

V 0 . En caso contrario V es de dimensin infinita.

Notas de curso

14

lgebra Lineal

Unidad 3. Espacios vectoriales

Ejemplos 42:
1.- Consideremos e.v.

sobre

. Una base para

es 1 .

Demostracin:
1) Veamos que es l.i.
Sea x(1) 0 x 0 .
Entonces es l.i.
2) Veamos que
Sea r

, como r r (1) entonces

1 es una base de

sobre

. Una base para

es (1, 0)t , (0,1)t , llamada

.
2

3.- Consideremos el e.v.

2

entonces

2.- Consideremos el e.v.

base cannica de

1 , y como 1

sobre

. El conjunto (1, 0)t , (1,1)t , es una base de

En efecto:
1)Veamos que es l.i.
t
t
t
Sea 1 (1,0) 2 (1,1) (0,0)

(1 2 , 2 )t (0, 0)t

1 2 0 y 2 0
1 2 0

Por lo tanto es l.i.

2)Veamos que genera a
As, sea

v ( x, y)t

. Debemos hallar escalares

1 , 2

tales que

1 (1,0)t 2 (1,1)t ( x, y)t

Entonces (1 2 , 2 )t ( x, y)t
Entonces 1 2 x y 2 y
Entonces 1 x y y
Por lo tanto genera a

Notas de curso

2 y
2

15

lgebra Lineal

Unidad 3. Espacios vectoriales

n
4.- Consideremos el espacio vectorial
sobre
. Una base para
t
t
t
(1,0,0,...,0) ,(0,1,0,...,0) ,...,(0,0,0,...,1) , llamada base cannica de n .

5.- Consideremos el espacio vectorial

xn

1, x, x 2 ,..., x n , llamada base cannica de

sobre

Una base para

xn .

xn

es

es

2x2
6.- Consideremos el espacio vectorial
sobre el campo
y sean
1 0
0 1
0 0
0 0
v1
, v2
, v3
, v4
. Entonces {v1 , v2 , v3 , v4 } es
0 0
0 0
1 0
0 1
una base para 2 x 2 .

7.- Para el espacio vectorial trivial W 0 , no existe ningn conjunto linealmente

independiente que lo genere. Por lo tanto W 0 no tiene base o podemos considerar

al como una base de l.

Ejercicios:
1.- Consideremos el e.v.
W ( x, y, z )t 3 | 2 x 3 y z 0

sobre

a) Demuestra que W es un subespacio vectorial de

b) Halla una base para W .

sea

el

conjunto

2.- Consideremos el e.v. 3 x 3 sobre y sea W el subespacio de

simtricas cuya traza sea igual a cero. Hallar una base para W .

3x3

de las matrices

Teorema: Sea V un e.v. sobre F . El conjunto {v1 , v2 ,..., vn } V es una base de V

si y solo si todo vector v V se expresa de manera nica como una c.l. de los vectores
de .
Demostracin:

) Como es una base de V , entonces es l.i. y por teorema ya probado, cualquier

vector v V se expresa de manera nica como c.l. de los vectores de .
) Como todo vector v V se expresa (de manera nica) como una c.l. de los vectores
de , entonces genera a V , veamos que es l.i.

Sea 1v1 2v2 ... nvn 0

Notas de curso

16

lgebra Lineal

Unidad 3. Espacios vectoriales

Pero 0v1 0v2 ... 0vn 0

Y como la expresin para 0 es nica entonces 1 2 ... n 0

es una base para V .

Y ya.

Teorema: Si {v1 , v2 ,..., vn } es una base de un e.v. V de dimensin finita sobre F

entonces cualquier subconjunto de V con ms de n vectores es l.d.

Corolario: Si V es un e.v. de dimensin finita, entonces cualesquiera dos bases de V

tienen el mismo nmero de elementos.
Demostracin:
Sean 1 {v1 , v2 ,..., vn } y 2 {w1 , w2 ,..., wm} dos bases cualesquiera de V .
P.D. # 1 # 2 es decir n m .
Por contradiccin supongamos que n m , entonces n m n m
Caso 1) Si n m entonces 2 sera l.d.!! ya que 2 es l.i. por ser base de V
Caso 2) Si n m entonces 1 sera l.d.!! ya que 1 es l.i. por ser base de V

nm
Y ya.

Definicin 44: Sea V un e.v. de dimensin finita, si V es el espacio trivial cero,

V 0 , entonces la dimensin de V es cero, si V no es el espacio trivial nulo,

entonces la dimensin de V es el nmero de elementos de una base cualquiera de V .

Nota: La dimensin de V se denota por dim V .

Ejemplo 43:
1.- dim

1 , dim

2 , en general dim

n .

Si F es un campo y consideramos a F n como un e.v. sobre F , entonces dim F n n .

Notas de curso

17

lgebra Lineal

Unidad 3. Espacios vectoriales

2.- dim F mxn mxn

[ x]n n 1

3.- dim

4.- Consideremos el e.v. V

sobre

Sea (2,5)t V y sea W (2,5)t v V v (2,5)t ,

Sabemos que (2,5)t

es l.i.

Por lo tanto es una base de W.

Ejercicio.- Sea V un e.v. de dimensin finita, V 0 Puede tener V ms de una

base?

Teorema: Sea V un e.v. generado por un conjunto finito de vectores {v1 , v2 ,..., vn } .
Entonces todo conjunto l.i. de vectores de V es finito y adems no contiene ms de n
elementos.

Ejercicios:
1.- En
base de

El conjunto {(1,3, 2)t ,( ,0,1)t ,(e15 ,5.2,1)t ,(4, 5 13, 2)t } puede ser una
3
?

2.- Sea V un e.v. sobre F , si {v1 , v2 ,..., vn } es una base de V

' {k1v1 , k2v2 ,..., knvn } , donde ki 0 y ki F , i , una base de V ?

3.- Considera el e.v. V

3x3

Es

y sea W1 y W2 subespacios de V dados por:

W1 A V | A At
W2 A V | A At
Halla una base para W1 , una base para W2 y dim W1 W2

Notas de curso

18

lgebra Lineal

Unidad 3. Espacios vectoriales

Definicin 45: Un conjunto {v1 , v2 ,..., vn } de vectores de un e.v. V sobre F es un

conjunto minimal de vectores generadores de V si ese cumple:
1) V
2) Si {w1 , w2 ,..., wm } es otro conjunto generador de vectores de V , entonces n m
Definicin 46: Un conjunto {v1 , v2 ,..., vn } de vectores de un e.v. V sobre F , es un
conjunto maximal de vectores l.i. si se cumple:
1) es l.i.
2)

v V , {v1 , v2 ,..., vn } {v} {v1, v2 ,..., vn , v} Es l.d.

Teorema: Sea V un e.v. sobre F y sea {v1 , v2 ,..., vn } V , las siguientes

afirmaciones son equivalentes:
1) es una base de V
2) es un conjunto minimal de vectores generadores de V
3) es un conjunto maximal l.i.

Teorema: Sea V un e.v. sobre F tal que dim V n . Entonces:

1)
2)
3)
4)
5)
6)

No existen conjuntos l.i. con ms de n vectores.

Cualquier subconjunto que genere a V tiene como subconjunto una base de V .
No existen conjuntos con menos de n vectores que generen a V
Cualquier conjunto con n vectores que genere a V , es una base de V
Cualquier subconjunto l.i. de V es parte de una base de V
Cualquier conjunto l.i. de V que tenga n vectores es una base de V

Ejercicios: Sea V un e.v. sobre F y sean v1 , v2 , v3 , v4 V , sean {v1 , v2 , v3 , v4 } y

' {v1, v1 v2 , v1 v2 v3 , v1 v2 v3 v4 } dos subconjuntos de V . Demuestra que
es base de V si y solo si ' es base de V .

Teorema: Sea V un e.v. sobre F de dimensin finita y sea W un subespacio de V ,

entonces:
a) dim W dim V
b) Si dim W dim V , entonces W V

Notas de curso

19

lgebra Lineal

Unidad 3. Espacios vectoriales

Teorema: Sea V un e.v. sobre F de dimensin finita y sean W1 ,W2 subespacios de V ,

entonces: dimW1 W2 dimW1 dimW2 dimW1 W2

3.7 SUMAS DIRECTAS

Definicin 47: Sea V un e.v. sobre F , sean W1 W2 subespacios de V . La suma

W1 W2 es llamada suma directa de W1 y W2 , lo cual se denota por W1 W2 , si cada
vector del subespacio W1 W2 tiene una nica representacin como la suma de un
vector de W1 y un vector de W2 .
Teorema: Sea V un e.v. sobre F y sea W1 y W2 dos subespacios de V . Las dos
condiciones siguientes son equivalentes:
a) V W1 W2

b) V W1 W2 y W1 W2 0

Ejercicio: Sea

a 0
W2
a, b
b 0

2x2

sobre

a b
un e.v. y sean W1
a, b
0
0

subespacios de V es W1 W2 una suma directa?

3.8 BASES PARA LOS 4 ESPACIOS FUNDAMENTALES

Teorema: Sea A

mn

Teorema: Sea A

mn

. Entonces el conjunto de columnas bsicas de A es l.i.

con rango( A) r . Entonces dim R( A) r y dim R( At ) r

Teorema: El conjunto de las columnas bsicas de A es una base para R( A) .

Notas de curso

20

lgebra Lineal

Unidad 3. Espacios vectoriales

Teorema: Los renglones distintos de cero en la forma escalonada de la matriz

A mn , constituyen una base para R( At )

Ejemplo 44.1 2 1
1.- Sea A 1 0 2 , halla una base para R( A) y una base para R( At ) .
5 6 7

Solucin:
1 2 1
1 2 1
1 2 1

A 1 0 2 R2 R1 0 2 1
0 2 1
5 6 7 R 5R 0 4 2 R 2 R 0 0 0
1
2

3
3

1 2

1 1 , 0 es una base para R( A) y 2 1 2 1, 0
5 6

para R( At ) . dim R( A) 2 y dim R( At ) 2
1 0

0
0
2.- Extiende el conjunto l.i S , a una base de
1 1
2 2

2 1 es una base

Solucin:

1 0

0 0
Consideremos la matriz A
1 1

2 2

1 0 0 0

0 1 0 0
.
0 0 1 0

0 0 0 1

Escalonando esta matriz:

1 0

0 1

A
0 0

0 0

# 4 dim
Notas de curso

1 0 0 0
1
1 0 0

0 0 1 0
2 E

,
,
,

es l.i y como
A

0 1 0 0

1
1
0
1

1
2

2
0
0

0 0 1

2
4
, entonces es una base de 4 que contiene a S .
1 0 0

21

lgebra Lineal

Unidad 3. Espacios vectoriales

Teorema.- Sea A mn . Si rango( A) r y PA U , donde P es una matriz no

singular y U es una matriz que est en su forma escalonada, entonces los ltimos m r
renglones de P constituyen una base para N ( At )

Teorema.- Sea A

mn

. Entonces el conjunto h1 , h2 ,..., hnr es una base para N ( A) ,

donde las hi se obtienen del conjunto:

x1

x2

S x
x xl1 h1 xl2 h2 ... xlnr hn r

x
n

Donde S es el conjunto de soluciones del sistema homogneo Ax 0 .

Ejemplo 45.1 2 2 3
1.- Sea A 2 4 1 3 , halla una base para N ( At ) y una base para N ( A) .
3 6 1 4

Solucin: Para encontrar una matriz no singular P tal que PA U est en su forma
escalonada, procedemos a reducir la matriz aumentada A I a U P .

1
1 2 2 3 1 0 0
1 2 0 1 3
A I 2 4 1 3 0 1 0 ... 0 0 1 1 2 3
3 6 1 4 0 0 1
0 0 0 0 1

0
3

1
0 U P

5
1
3

2
1
0
3
3

1
0
Entonces P
3
3

5
1
3
3

Observamos que m 3 y rango( A) r 2

Entonces los ltimos m r 3 2 1 renglones de P constituyen una base para N ( At )
Por lo tanto 1

Notas de curso

13

es una base para N ( At ) .

22

lgebra Lineal

Unidad 3. Espacios vectoriales

Ahora, hallemos una base para N ( A) .

Resolvamos el sistema Ux 0 .

x1
1 2 0 1 0

x

Entonces 0 0 1 1 2 0 .

0 0 0 0 x3 0

x

4
x1 2 x2 x4 0

Luego

x3 x4 0
x1 2 x2 x4

Entonces

x3 x4

x1
2 x2 x4
2
1

x2
x2
1
0

Entonces S
x2
x4 , x2 , x4
x x
0
1
x3
x4

x4
0
1
x4

2 1

0
1
Por lo tanto una base para N ( A) es 2 , .
0 1
0 1

Nota: Si A es una matriz de m n , entonces:

rango( A) n
N ( A ) 0 rango( A) m

a) N ( A) 0
b)

Nota: Para cada matriz A de orden m n con rango( A) r se tiene que:

a) dim R( A) dim N ( A) n
b) dim R( At ) dim N ( At ) m
Teorema.- Sea A

mn

, entonces:

a)

R( A) N ( At )

b)

R( At ) N ( A)

Notas de curso

23

lgebra Lineal

Unidad 3. Espacios vectoriales

Teorema.- Rango de un producto de matrices.

A es una matriz de m p y B
rango( AB) rango( B) dim N ( A) R( B)

Si

es una matriz de

p n , entonces

O de manera equivalente:

dim R( AB) dim R( B) dim N ( A) R( B)

Notas de curso

24