Académique Documents
Professionnel Documents
Culture Documents
Indice
1. Conceptos basicos 1
1.1. Cuerpos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Espacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3. Combinaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2. Subespacios Vectoriales 8
2.1. Definicion y caracterizaciones de los subespacios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2. Operaciones con subespacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3. Bases y dimension 15
3.1. Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.2. Dimension . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.3. Completacion de bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.1. Cuerpos
Daremos la definicion de cuerpos y algunos ejemplos de este tipo de estructura algebraica, pero solo desarrol-
laremos la teora de espacios vectoriales sobre el cuerpo de los numeros reales R, pues esta nos permite presentar
todos los resultados de espacios vectoriales en general, operando algebraicamente con nuestros conocidos numeros
reales. Sin embargo, nos sentiremos en libertad para entregar ejemplos que incluyan otros cuerpos (principalmente
el cuerpo de los numeros complejos C) cuando aporten nueva informacion y aclaren de mejor manera las ideas.
+ : KK K : KK K
(suma) (multiplicacion)
(, ) 7 + (, ) 7
Axiomas de la suma
e K tal que +
(4) A cada K le corresponde un inverso aditivo e = 0K .
Axiomas de la multiplicacion
Ejemplos:
1. Claramente, el conjunto de los numeros reales R con la suma y multiplicacion usuales es un cuerpo.
2. El conjunto de los numeros complejos C = {a + bi : a, b R, i la unidad imaginaria} con la suma y multipli-
cacion de numeros complejos:
1
4. Para un ejemplo de cuerpo menos conocido, consideremos el conjunto Z5 = {0, 1, 2, 3, 4} y definimos su suma
y su multiplicacion a traves de las siguientes tablas:
+ 0 1 2 3 4 0 1 2 3 4
0 0 1 2 3 4 0 0 0 0 0 0
1 1 2 3 4 0 1 0 1 2 3 4
2 2 3 4 0 1 2 0 2 4 1 3
3 3 4 0 1 2 3 0 3 1 4 2
4 4 0 1 2 3 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 division es 3, es decir, 8 = 5 1 + 3. De igual modo, tenemos
que 17 = 2 mod 5, pues 17 = 5 3 + 2. Pero cuanto 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 unico 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 multiplicacion, 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 numero 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.
2
1.2. Espacios vectoriales
Definicion: Un conjunto no vaco E es un espacio vectorial (ev) sobre un cuerpo K si tiene definidas dos
operaciones binarias:
L J
: E E E : E K E
(suma) (ponderacion)
(x, y) 7 x y (x, ) 7 x
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 ponderacion 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 ponderacion 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 ponderacion 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 ponderacion 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 ponderacion de polinomios.
3
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)
(x, y) = (x , y )
es un espacio vectorial sobre R.
Primero, comprobemos que las operaciones estan 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 numeros 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, eb) = 0E (ae
(a, b) (e 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 ponderacion.
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 calculos hemos probado que (E, , ) es un espacio vectorial sobre R.
9. Por ultimo, probaremos que el conjunto E = R2 es un espacio vectorial sobre R con las operaciones
p p
3
(x, y) (u, v) = x3 + u3 , 3 y 3 + v 3
3
3
(x, y) = ( x, y)
4
L
(1)
p p
3
(u, v) (x, y) = u3 + x3 , 3 v 3 + y 3
p p
3
= u3 + x3 , 3 v 3 + y 3
= (x, y) (u, v)
(2)
p p
3 3
(x, y) (u, v) (s, t) = (x, y) u 3 + s 3 , v 3 + t3
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
(x, y) (0, 0) = x3 + 03 , 3 y 3 + 03 = x3 , v 3 = (x, y)
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 obtendran 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.
5
Debido a que todo conjunto que es un espacio vectorial cumple los mismos axiomas basicos con sus operaciones,
ciertas propiedades que no son axiomas son comunes a todos los espacios vectoriales.
iv ) 0E = 0E para todo K.
v ) (1) x = (x) para todo x E.
vi) x = 0E = = 0 x = 0E .
vii) Existe un unico vector X solucion de la ecuacion u X = v. Este vector se anota X = v u.
x E 01 + x = x + 01 = x y 02 + x = x + 02 = x
Definicion:
1. Una combinacion lineal (cl) de los vectores v1 , v2 , . . . , vn E es una expresion 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}
0E = 1 v1 + 2 v2 + + n vn = 1 = 2 = = n = 0
1 v1 + 2 v2 + + n vn = 0E
6
Definicion 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
1. Sean E = M22 (R) y A = , , , . Para determinar si A es li o ld debemos
0 1 2 3 0 0 0 2
0 0
estudiar como 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
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 como puede escribirse 0E , que es la
funcion O(x) = 0 para todo x R, como cl de los elementos de A. Entonces debemos estudiar la ecuacion
funcional
O(x) = ex + e2x + e3x
La ecuacion anterior es valida para todo x R, luego, debe ser entendida como un sistema de infinitas
ecuaciones cuyas variables son , y , una ecuacion 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
2. Subespacios Vectoriales
2.1. Definicion y caracterizaciones de los subespacios
Definicion: Sea E un espacio vectorial sobre un cuerpo K. Un subespacio vectorial (sev) de E es un subcon-
junto no vaco S de E que es un espacio vectorial por s mismo, con las operaciones suma y ponderacion 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 cumpliran 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 solo 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.
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 ponderacion se cumpliran automaticamente, 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 S2 solo contiene matrices de 2 3.
0 0 0
ii) 0E = S2 , tomando x = y = z = 0. Entonces S2 6= .
0 0 0
0
3a b 0 3a b0 0
iii) Si X = e X0 = son elementos de S2 , entonces
0 0 c 0 0 c0
3(a + a0 ) (b + b0 ) 0
X + X0 =
0 0 c + c0
Iremos comprobando simultaneamente 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 .
/ S2 , pues el coeficiente de x2 no es igual a 1. De esta manera, ya sabemos que S2 no es sev
Pero O(x)
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
La siguiente pregunta razonable sera: dado cualquier espacio vectorial E, como podemos determinar todos sus
subespacios vectoriales?
Para responder esta pregunta, tenemos el siguiente teorema:
Demostracion: 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, estan 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, esta en hSi. La otra contencion 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 unicos 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 direccion ~x. Si ~x, ~y son dos vectores no paralelos, entonces
S = {~x, ~y }
Luego, D E
S= 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 seccion hemos desarrollado dos metodos para reconocer que subconjuntos de E son subespacios:
comprobando que el subconjunto es no vaco y cerrado bajo suma y ponderacion, 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 como 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.
( K x S1 S2 ) = x S1 S2 .
S1 S2 no es un subespacio vectorial de E.
Podemos preguntarnos ahora por algun subespacio que contenga a S1 S2 . Para responder a esto, se hace la siguiente
definicion.
Definicion: 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 }
Demostracion: Probaremos que S1 + S2 es sev de E, viendo que es un subconjunto no vaco de E que es cerrado
bajo suma y ponderacion.
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
12
iv) Sean K y x = s1 + s2 S1 + S2 (claramente s1 S1 y s2 S2 ). Entonces
x = (s1 + s2 ) = s1 + s2
|{z} |{z}
S1 S2
y x S1 + S2 .
Con esto hemos probado que S1 + S2 es subespacio de E.
El siguiente resultado nos indica como calcular en la practica el subespacio suma cuando conocemos los gener-
adores de los subespacios S1 y S2 .
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}
Para encontrar la interseccion de ambos subespacios, obtendremos un conjunto de vectores generadores, usando el
metodo usual (caracterizar los elementos del subespacio):
13
que tiene infinitas soluciones, pues tenemos que es libre. Las soluciones del sistema son
=
0
Por ultimo, recordemos que estamos caracterizando los polinomios p(x) que estan en S1 S2 . Entonces, reem-
plazamos 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} .
Definicion: Un espacio vectorial E sobre K es la suma directa de dos de sus subespacios S1 y S2 si se cumple
simultaneamente 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
14
1 1 1 0 a
0 1 1 1 b+a
0 0 1 0 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. Bases y dimension
3.1. Bases
Definicion: 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
solo si B es un conjunto generador li de S, es decir, si se tiene simultaneamente 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 demas. 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 esta 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.
Solo 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 x + 3y z = 0
z = x + 3y
(x, y, x + 3y) = x(1, 0, 1) + y(0, 1, 3)
Luego,
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 unico 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. Dimension
Una vez tratado el concepto de base, nos interesa introducir el concepto de dimension. 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 mas n vectores.
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
S = {b1 , u2 , u3 , . . . , un }
Ahora, b2 S, luego
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
1 1 3 n
u2 = b2 b1 u 3 un
2 2 2 2
Luego
{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 numero 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.
Demostracion: 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 dimension de un espacio vectorial.
Definicion: Sea S un sev de E. Se define la dimension de S como el numero 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 dimension como cero (no tiene bases), entonces
dim({0E }) = 0
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 1 0 0 0 0
, , ,
0 0 0 0 1 0 0 1
es una base de M22 (R). En general, tendremos que
dim(Mmn (R)) = m n
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 dimension 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 solo si A es li
ii) A es base de S si y solo si S = hAi.
Demostracion: 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 inclusion 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 demas 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.
B = {v1 + v2 , v2 + v3 , v3 + v4 , v4 + v5 , v5 + v1 }
18
3.3. Completacion de bases
En esta seccion estudiaremos ciertos elementos tecnicos que nos permiten encontrar bases con ciertas caractersticas
prestablecidas. Veremos como extender un conjunto de vectores li a una base, como determinar subespacios que
sumen directamente todo el espacio y probaremos el Teorema de la dimension para subespacios.
Teorema. Sea E un ev sobre K y sea S un sev de E con dimension finita. Entonces todo conjunto li de vectores
de S esta contenido en una base de S.
Demostracion: 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 esta 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
19
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 ultimo, eliminamos de C los vectores que son cl del resto. En este caso, podemos eliminar x3 y x4 , ya que
x3 = 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.
Ademas,
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 estan 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.
Teorema. Sea E un ev sobre K y sean S1 y S2 dos subespacios de E, ambos con dimension finita. Entonces
Demostracion: Sea {u1 , u2 , . . . , uk } una base de S1 S2 (es decir, ya sabemos que dim(S1 S2 ) = k).
Como S1 S2 esta 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 (1)
20
Luego, 1 w1 n wn S1 S2 (esta en S1 por la igualdad (1) y esta 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.
1 u1 + + k uk + 1 v1 + + m vm = 0E
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 .
21
5. Encuentre una base y la dimension de W1 W2 .
6. Es E suma directa de W1 y W2 ?
Solucion:
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 calculos que hagamos nos serviran para las
siguientes preguntas).
Primero calcularemos los generadores de W1 :
x + 2y z + t
= 0
x y 2x y z + 2t = 0
W1
z t
x + 3y t = 0
5y z = 0
As,
x y x = 3y t
W1
z t z = 5y
x y 3y t y 3 1 1 0
= =y +t
z t 5y t 5 0 0 1
Luego,
3 1 1 0
W1 = hAi, donde A = , .
5 0 0 1
Entonces, W1 es un subespacio de E.
Ahora calcularemos los generadores de W2 :
x+y+zt = 0
x y
W2 x + 2y t = 0
z t
2x + 3y + z 2t = 0
As,
x y y = z
W2
z t t = x + 2z
x y x z 1 0 0 1
= =x +z
z t z x + 2z 0 1 1 2
Luego,
1 0 0 1
W2 = hBi, donde B = , .
0 1 1 2
Entonces, W2 es un subespacio de E.
22
3 1 1 0
2. Notemos que A = , es un conjunto li, pues ninguno de los vectores es multiplo del otro.
5 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
multiplo 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 0 0 1
W1 + W2 = , , ,
5 0 0 1 0 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
Y como el unico subespacio de con dimension 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 seccion comenzaremos a reconocer las caractersticas comunes de todos los espacios vectoriales que
comparten dimension. 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
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 estan 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 unicos escalares 1 , 2 , . . . , n K tales que
x = 1 b1 + 2 b2 + + n bn .
Demostracion: Como B es base de E, tenemos que E = hBi. Luego, es claro que todo x E se puede escribir
como una combinacion lineal de los elementos de B. Lo que debemos demostrar es la unicidad de los coeficientes
de esta combinacion.
Entonces, supongamos que existen dos conjuntos de escalares 1 , . . . , n y 1 , . . . , n tales que
x = 1 b1 + 2 b2 + + n bn y 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
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 unicos. 2
Ahora estamos en condiciones de definir el sistema de coordenadas con respecto a una base fija.
Definicion: 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 canonica 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, 0, 0), (1, 1, 0), (1, 1, 1)}. Calculemos el vector coordenada
de ~x = (x, y, z) en esta nueva base. Para esto, determinemos la cl correspondiente:
Por ultimo, si tomamos la base B2 = {(1, 1, 0), (1, 0, 0), (1, 1, 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
Entonces:
++ = 1
+ = 4 = = 4, = 8, = 5
= 4
25
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 .
Demostracion:
1. Es directo del primer teorema de la seccion. Como B es base, x puede escribirse de manera unica como cl de
la base, entonces el vector coordenada es unico.
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 .
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 simultaneamente 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 unica matriz que hara todo el trabajo.
Definicion: 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 unica 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 E x B2 = Id B1 x B1
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
B2 1 2
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
0
0
..
.
ui B1 =
1
.
..
0
con el 1 en el i-esimo lugar. Luego, (2) sera:
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 ultimo teorema, tenemos que las columnas de Id B1 son li, por tanto, la matriz es invertible y
tendremos que su inversa sera
1
B2 B1
Id B1 = Id B2 .
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.
(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 ( para generar nuevas ) bases a partir de bases conocidas):
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 1 1
0 1 0 1 0 1 0 1
Tendremos que
B1 B2 1 1 1
Id B2 = Id B1 =
0 1
Pero esto ya lo sabamos, pues v1 = u1 y v2 = u1 + u2 .
28
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
xy = x+y1
x y = xy x y
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 (ponderacion) definidas por
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
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
U S =U W (3)
SW (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 }
S1 + (S2 S3 ) = (S1 + S2 ) S3
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 algun 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 .
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) fn1 (x) fn (x)
f10 (x) f 0
2 (x) 0
fn1 (x) fn0 (x)
W (x) = .. .
.
(n1)
f (x) f2
(n1)
(x)
(n1)
fn1 (x)
(n1)
fn (x)
1
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 )
.. 6= 0
.
f1 (xn ) f2 (xn ) fn1 (xn ) fn (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 dimension 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 = a
(k 1)x1 + 3x2 x3 + 7x4 + x5 5x6 = b
W = (a, b, c, d, e) R5 : x1 + x2 x3 + 2x4 x6 = c es compatible
x 1 + x2 + 3x3 + 4x4 + 2x5 5x6 = d
(k + 2)x1 + 5x2 5x3 + 10x4 5x6 = e
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
1 2 0 1 k 1
S= , , ,
k 1 p 0 2 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 1
A = 1 1 1 4 2 b y a, b, c R.
3 3 8 7 c4 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 . Cual es la dimension 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
V. Operaciones de Subespacios Vectoriales. Extension de bases
x+y+z+t = 0
x y 1 1 2 1
1. Sean S = : 2x 5y + 3z 2t = 0 yT = , .
z t 1 1 1 2
x 6y + 2z 3t = 0
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 dimension.
c) Encuentre S + T , base y dimension.
2. Sean W1 = h{1 + 2x 5x2 + x3 , 3 + x + 2x2 + 2x3 , 1 + 9x 18x2 + 6x3 }i y
a+b+c = 0
2 3 a + c + 3d = 0
W2 = a + bx + cx + dx :
b 3d = 0
c + 5d = 0
W = {Y V : XY = O}.
Determine la dimension W .
6. Sea S1 = {A Mnn (R) : tr(A) = 0}. Determine la dimension 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 unico vector w1 W1 y un unico
w2 W2 tales que
v = w1 + w2 .
33
1 1 1 1
a) A1 = ,
2 6 1 2
3 1 0 1 1 1
b) A2 = , ,
0 1 1 1 1 1
1 2 1 1 2 6 9 3
c) A3 = , , ,
3 4 0 1 12 18 2 1
* +
0 2 1 1 1 4
S2 = 2 0 , 1 0 , 1 1
1 4 0 2 3 1
a + 2b + c = 0
a d
b e V : 3a d = 0
S3 =
a+b+e = 0
c f
a + b + f = 0
34
4. En R2 , la matriz P = representa el cambio de base de una base B a otra B 0 .
35