Espacios vectoriales

Version Octubre de 2009

Ponticia Universidad Catolica de Chile

Indice
1. Conceptos basicos 1
1.1. Cuerpos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Espacios vectoriales sobre R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3. Combinaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2. Subespacios Vectoriales 8
2.1. Denicion y caracterizaciones de los subespacios . . . . . . . . . . . . . . . . . . . . . . . 8
2.2. Operaciones con subespacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3. Bases y dimension 16
3.1. Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.2. Dimension . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.3. Completacion de bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4. Sistemas de coordenadas y cambio de base 25
4.1. Sistemas de coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.2. Matrices de cambio de bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1. Conceptos basicos
En este captulo, estudiaremos la generalizacion de las ideas y propiedades estudiada en el captulo de
Vectores dadas de la relacion que existe entre R
n
y R. El papel de R sera ocupado por cualquier cuerpo
de n umeros, mientras que el papel de R
n
sera ocupado por un espacio vectorial sobre dicho cuerpo.
1.1. Cuerpos
Daremos la denicion de cuerpos y algunos ejemplos de este tipo de estructura algebraica, pero s olo
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.
Denicion: Un conjunto no vaco K es un cuerpo si tiene denidas dos operaciones binarias:
+ : KK K
(, ) +
(suma)
: KK K
(, )
(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 0
K
tal que + 0
K
= para todo K.
(4) A cada K le corresponde un inverso aditivo K tal que + = 0
K
.
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 1
K
tal que 1
K
= para todo K.
(4) A cada K, ,= 0
K
, le corresponde un inverso multiplicativo K tal que = 1
K
.
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 0
C
= 0+0i, 1
C
= 1+0i, el inverso aditivo de z = a+bi es z = abi
y el inverso multiplicativo de z es z =
a
a
2
+ b
2

b
a
2
+ b
2
i.
1
3. Q con su suma y multiplicacion 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.
4. Para un ejemplo de cuerpo menos conocido, consideremos el conjunto Z
5
= 0, 1, 2, 3, 4 y denimos
su suma y su multiplicacion 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
4 4 0 1 2 3
0 1 2 3 4
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 jo 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 Z
5
, denimos la suma y la multiplicacion de los elementos de
Z
5
usando operaciones mod 5. Por ejemplo, 1 +3 = 4 y 4 = 4 mod 5, luego 1 +3 = 4 en Z
5
, pero
4 + 1 = 5 y 5 = 0 mod 5, luego 4 + 1 = 0 en Z
5
. De igual modo, 1 3 = 3 y 3 = 3 mod 5, luego
1 3 = 3 en Z
5
, pero 2 3 = 6 y 6 = 1 mod 5, luego 2 3 = 1 en Z
5
. 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 0
Z5
= 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 1
1
= 1, 2 3 = 1, luego 2
1
= 3 y 3
1
= 2 y 4 4 = 1, luego 4
1
= 4 en
Z
5
.
Con esto, hemos probado que (Z
5
, +, ) es un cuerpo.
Nota: La forma de construir las tablas de operaciones de Z
5
, puede realizarse para cualquier entero n.
As, puede denirse el conjunto Z
n
= 0, 1, 2, 3, . . . , n2, n1 con la suma y la multiplicacion denidas
mod n. Pero (Z
n
, +, ) sera un cuerpo si y solo si n es un n umero primo. Es decir, Z
2
, Z
3
, Z
5
, Z
7
, Z
11
, etc.
son cuerpos y Z
4
, Z
6
, Z
8
, Z
9
, etc. no son cuerpos.
Como ejercicio, construya las tablas de operaciones de Z
4
y compruebe que hay elementos de Z
4
que
no tienen inversos multiplicativos.
2
1.2. Espacios vectoriales sobre R
Denicion: Un conjunto no vaco V es un espacio vectorial (ev) sobre R si tiene denidas dos
operaciones binarias:

: V V V
(x, y) x y
(suma)

: V R V
(x, ) x
(ponderaci on)
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 V .
(2) La suma es asociativa: (x y) z = x (y z) para todo x, y, z V .
(3) Existe un elemento neutro aditivo 0
E
tal que x 0
E
= x para todo x V .
(4) A cada x V le corresponde un inverso aditivo x V tal que x x = 0
V
.
Axiomas de la ponderaci on
(1) El 1 es neutro con respecto a la ponderaci on: 1 x = x para todo x V .
(2) La ponderaci on es asociativa: () x = ( x) = ( x) , para todo , R y
todo x V .
(3) La ponderaci on es distributiva con respecto a la suma escalar: ( + ) x = x x ,
para todo x V y todo , R.
(4) La ponderaci on es distributiva con respecto a la suma vectorial: (x y) = x y
para todo R y todo x, y V .
Llamaremos vectores a los elementos de V y escalares a los n umeros reales.
Nota : Si reemplazamos todas las apariciones de R con un cuerpo cualquiera K, estaramos deniendo
un espacio vectorial sobre este cuerpo.
Ejemplos:
1. El conjunto V = R
n
es un espacio vectorial sobre R con las operaciones de suma y ponderaci on de
vectores denidas por componentes (que ahora llamaremos operaciones usuales).
2. El conjunto V = M
mn
(R) de todas las matrices de mn es un espacio vectorial sobre R con las
operaciones de suma y ponderacion de matrices (que denimos por componentes en su momento).
3. El conjunto V = T(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 V = (
1
(R) de las funciones reales continuas tambien es un espacio vectorial con las
operaciones usuales de funciones.
5. El conjunto V = T(R) = T[x] de todos los polinomios con coecientes 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 V = T
n
(R) de todos los polinomios cuyo grado es menor o igual a n, con n N jo,
es un espacio vectorial con las operaciones de suma y ponderacion de polinomios.
3
7. El conjunto V = T
n
(R) de los polinomios de grado exactamente igual a n, con n N jo, no es un
espacio vectorial sobre R, pues aunque ambas operaciones denidas 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 V , p
1
(x) = x
n
+ 3 y p
2
(x) = 4 x
n
, entonces la suma
de ellos p
1
(x) + p
2
(x) = 7 no pertenece a V .
8. Comprobaremos que el conjunto V = (x, y) R
2
: x > 0, y > 0, que representa el primer
cuadrante del plano real R
2
, 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 denidas.
Si (a, b) y (c, d) son elementos de V , entonces (a, b) (c, d) = (ac, bd) pertenece a V , pues ambas
componentes son positivas (por ser producto de n umeros positivos).
Si (a, b) es un elemento de V y R, entonces (a, b) = (a

, b

) es un elemento de V , pues
si la base x de una expresion exponencial x
y
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.

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 0
V
= (x, y) tal que para todo elemento (a, b) V se tenga:
(a, b) (x, y) = (a, b) (ax, by) = (a, b) x = 1; y = 1
As, en este caso, el vector neutro es 0
V
= (1, 1).
4. Ahora jamos (a, b) V y buscamos (a,

b) tal que
(a, b) (a,

b) = 0
V
(aa, b

b) = (1, 1) a =
1
a
;

b =
1
b
Luego, el inverso aditivo de (a, b) es (a
1
, b
1
).

1. Calculamos 1 (a, b) = (a
1
, b
1
) = (a, b). Luego, 1 v = v para todo v V .
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

, b

_
= (a

, b

) (a

, b

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

, (bd)

_
=
_
a

, b

_
= (a

, b

) (c

, d

) =
(a, b) (c, d).
Con todos estos calculos hemos probado que (V, , ) es un espacio vectorial sobre R.
4
9. Por ultimo, probaremos que el conjunto V = R
2
es un espacio vectorial sobre R con las operaciones
(x, y) (u, v) =
_
3
_
x
3
+ u
3
,
3
_
y
3
+ v
3
_
(x, y) = (
3

x,
3

y)
Notamos, en primer lugar, que ambas operaciones estan bien denidas.

(1)
(u, v) (x, y) =
_
3
_
u
3
+ x
3
,
3
_
v
3
+ y
3
_
=
_
3
_
u
3
+ x
3
,
3
_
v
3
+ y
3
_
= (x, y) (u, v)
(2)
(x, y)
_
(u, v) (s, t)
_
= (x, y)
_
3
_
u
3
+ s
3
,
3
_
v
3
+ t
3
_
=
_
3
_
x
3
+ u
3
+ s
3
,
3
_
y
3
+ v
3
+ t
3
_
=
_
(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
(x, y) (0, 0) =
_
3
_
x
3
+ 0
3
,
3
_
y
3
+ 0
3
_
=
_
3

x
3
,
3

v
3
_
= (x, y)
(4) El inverso aditivo de un elemento (x, y) en E es (x, y), pues
(x, y) (x, y) =
_
3
_
x
3
+ (x)
3
,
3
_
y
3
+ (y)
3
_
=
_
3
_
x
3
x
3
,
3
_
y
3
y
3
_
= (0, 0)

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

1 x,
3

1 y
_
= (x, y)
(2) Por un lado tenemos que ( + ) (x, y) =
_
3
_
+ x,
3
_
+ y
_
, mientras que, por
otro lado,
(x, y) (x, y) =
_
3

x,
3

y
_

_
3
_
x,
3
_
y
_
=
_
3
_
+ x,
3
_
+ y
_
= ( + ) (x, y)
(3) Ahora,
_
(x, y) (u, v)
_
=
_
3
_
(x
3
+ u
3
),
3
_
(y
3
+ v
3
)
_
, mientras que
(x, y) (u, v) =
_
3

x,
3

y
_

_
3

u,
3

v
_
=
_
3
_
(x
3
+ u
3
),
3
_
(y
3
+ v
3
)
_
=
_
(x, y) (u, v)
_
(4) Por ultimo,
() (x, y) =
_
3
_
x,
3
_
y
_

_
(x, y)
_
=
_
3
_
x,
3
_
y
_
=
_
3
_
x,
3
_
y
_
5
y

_
(x, y)
_
=
_
3

x,
3

y
_
=
_
3
_
x,
3
_
y
_
obteniendo que las tres expresiones son iguales.
Por tanto, el conjunto V es espacio vectorial sobre los reales con las operaciones y .
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.
Teorema. Sea E un espacio vectorial sobre R. Entonces:
i) El vector nulo 0
E
es unico.
ii) Para cada x E el vector (x) (inverso aditivo de x) es unico.
iii) 0 x = 0
E
para todo x E.
iv) 0
E
= 0
E
para todo R.
v) (1) x = (x) para todo x E.
vi) x = 0
E
= = 0 x = 0
E
.
vii) Existe un unico vector X soluci on de la ecuaci on u X = v. Este vector se anota X = v u.
Demostracion: Probaremos algunas armaciones. El resto queda propuesto.
i) Si suponemos que 0
1
y 0
2
son dos neutros de la suma en E. Entonces,
x E 0
1
+ x = x + 0
1
= x y 0
2
+ x = x + 0
2
= x
y, por tanto, 0
1
= 0
1
+ 0
2
= 0
2
. Lo que demuestra la armacion.
iii) 0 x = (0 + 0) x = 0 x 0 x
_
(0 x) = 0
E
= 0 x.
iv) 0
E
= (0
E
0
E
) = 0
E
0
E
_
( 0
E
) =0
E
= 0
E
vi) Supongamos que x = 0
E
y que ,= 0. Entonces debemos probar que x = 0
E
.
Como ,= 0, entonces existe
1
y podemos ponderar la identidad 0
E
= x por
1
=
0
E
=
1
0
E
=
1
( x) = 1 x = x. Es decir, x = 0
E
.
1.3. Combinaciones lineales
En lo que sigue, E sera un espacio vectorial sobre R con las operaciones + (suma) y (ponderaci on).
Denicion:
1. Una combinacion lineal (cl) de los vectores v
1
, v
2
, . . . , v
n
E es una expresi on de la forma

1
v
1
+
2
v
2
+ +
n
v
n
,
donde
1
,
2
, . . . ,
n
R.
2. Se dene el conjunto generado por v
1
, v
2
, . . . , v
n
E como el conjunto de todas las cl de estos
vectores. Lo denotamos por

v
1
, v
2
, . . . , v
n

_
=
1
v
1
+
2
v
2
+ +
n
v
n
:
i
R
6
3. El conjunto v
1
, v
2
, . . . , v
n
de vectores de E es linealmente independiente (li) si la unica
forma de escribir 0
E
como cl de los vectores v
i
es usando coecientes nulos. Es decir, si se tiene la
siguiente implicaci on:
0
E
=
1
v
1
+
2
v
2
+ +
n
v
n
=
1
=
2
= =
n
= 0
4. El conjunto v
1
, v
2
, . . . , v
n
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
v
1
+
2
v
2
+ +
n
v
n
= 0
E
Denicion general de conjuntos li y ld
Sea A E (A podra tener innitos elementos). Entonces:
A es li si dado cualquier subconjunto nito A
0
de A, se tiene que A
0
es li (con la denici on ya
dada).
A es ld si no es li, es decir, si existe un subconjunto nito A
0
de A tal que A
0
es ld (con la denici on
ya dada).
Ejemplos:
1. Sean E = M
22
(R) y A =
__
1 2
0 1
_
,
_
0 1
2 3
_
,
_
2 1
0 0
_
,
_
0 3
0 2
__
. Para determinar si A es li o ld
debemos estudiar como se escribe 0
E
=
_
0 0
0 0
_
como cl de los elementos de A:
_
0 0
0 0
_
=
_
1 2
0 1
_
+
_
0 1
2 3
_
+
_
2 1
0 0
_
+
_
0 3
0 2
_
=
_
+ 2 2 + + + 3
2 + 3 + 2
_
Lo que equivale al sistema homogeneo
_

_
+ 2 = 0
2 + + + 3 = 0
2 = 0
+ 3 + 2 = 0
Cuya matriz asociada es
_
_
_
_
1 0 2 0
2 1 1 3
0 2 0 0
1 3 0 2
_
_
_
_
F
2
2F
1
F
3

_
1
2
_
F
4
F
1

_
_
_
_
1 0 2 0
0 1 3 3
0 1 0 0
0 3 2 2
_
_
_
_
F
4

7
3
F
3

_
_
_
_
1 0 2 0
0 1 3 3
0 1 0 0
0
2
3
2 2
_
_
_
_
F
2
F
3
F
4

2
3
F
2

_
_
_
_
1 0 2 0
0 0 3 3
0 1 0 0
0 0 0 0
_
_
_
_
de donde es claro que el sistema tiene innitas soluciones, lo que signica que 0
E
puede escribirse
de innitas formas como cl de los elementos de A. Entonces A es ld.
7
2. Si E = T[x] y A =
_
x
n
: n N 0
_
= 1, x, x
2
, . . . , x
m
, . . . podemos probar que A es li, pues si
tomamos
A
0
= x
n1
, x
n2
, . . . , x
n
k

(un subconjunto nito cualquiera de A) tendremos que

0
E
=
1
x
n1
+
2
x
n2
+ +
k
x
n
k
implica, de manera directa, que
1
=
2
= =
k
= 0, es decir, A
0
es li Luego, A es li (En los
polinomios hay un conjunto con innitos vectores li!!)
3. Si E = R
3
y A = (n, 0, 0) : n N, entonces se tendra que A es un conjunto ld, pues si tomamos
A
0
= (1, 0, 0), (2, 0, 0)
tendremos que
0
E
= (0, 0, 0) = 2(1, 0, 0) + (1)(2, 0, 0)
y A
0
es ld, lo que implica que A es ld.
4. Si E = (
1
y A = e
x
, e
2x
, e
3x
, para decidir si A es li o ld, estudiaremos como puede escribirse 0
E
,
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) = e
x
+ e
2x
+ e
3x
La ecuacion anterior es valida para todo x R, luego, debe ser entendida como un sistema de
innitas 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 + e
2
+ e
3
= 0
e
2
+ e
4
+ e
6
= 0
cuya matriz asociada es
_
_
1 1 1
e e
2
e
3
e
2
e
4
e
6
_
_

_
_
1 1 1
0 e(e 1) e(e
2
1)
0 e
2
(e
2
1) e
2
(e
4
1)
_
_

_
_
1 1 1
0 e(e 1) e(e
2
1)
0 0 e
2
(e
2
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 = cos
2
(x), sen
2
(x), 1, donde 1 denota
la funcion 1(x) = 1 para todo x R, que es claramente un conjunto ld, por la conocida identidad
trigonometrica:
cos
2
(x) + sen
2
(x) = 1
que implica que
O(x) = 1 cos
2
(x) + 1 sen
2
(x) + (1) 1(x)
2. Subespacios Vectoriales
2.1. Denicion y caracterizaciones de los subespacios
Denicion: Sea E un espacio vectorial sobre R. 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 denicion, para determinar si un subconjunto no vaco S de E es un subespacio vecto-
rial, debera comprobarse que las operaciones denidas en S cumplen con todos los axiomas de espacios
8
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 s olo si se cumplen las dos
implicaciones siguientes:
i) Si x, y S, entonces x + y S.
ii) Si x S y R, entonces x S.
Demostracion: Supongamos que S es un sev de E. Entonces, S es un ev sobre R con las operaciones
de E restringidas a S. Luego, ambas operaciones son cerradas en S, lo que signica que al tomar dos
elementos x, y S, el resultado de la suma, x + y, esta en S. De manera analoga, si x S y R,
entonces el resultado de la ponderacion, 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 estan bien denidas 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 ,= , existe al menos un x S,
entonces 0 x S por la condicion (ii), pero 0 x = 0
E
S y, claramente, el neutro de la suma para todos
los elementos de E tambien es neutro para los elementos de S (s S 0
E
+ s = s). De forma an aloga,
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 R.
Nota 1: De esta manera, para comprobar que un conjunto S es sev de E, debemos comprobar cuatro
propiedades:
1. S E.
2. S ,= .
3. (x S y S) = x + y S.
4. (x S R) = x S.
Nota 2: En la demostracion del teorema queda claro que todo subespacio contiene al neutro del espacio
0
E
, luego para probar que S ,= basta probar que 0
E
S, si no es as, entonces el conjunto S no es sev
de E.
Ejemplos:
1. En el espacio vectorial E = M
23
(R), tenemos que
S
1
=
__
a b c
0 0 0
_
: a + b + c = 1
_
no es un sev de E, pues 0
E
=
_
0 0 0
0 0 0
_
/ S
1
.
Ahora, S
2
=
__
3x y 0
0 0 z
_
: x, y, z R
_
si es un sev de E, pues
9
i) S
2
E, pues S
2
solo contiene matrices de 2 3.
ii) 0
E
=
_
0 0 0
0 0 0
_
S
2
, tomando x = y = z = 0. Entonces S
2
,= .
iii) Si X =
_
3a b 0
0 0 c
_
e X

=
_
3a

0
0 0 c

_
son elementos de S
2
, entonces
X + X

=
_
3(a + a

) (b + b

) 0
0 0 c + c

_
tambien pertenece a S
2
, pues tomamos x = a + a

, y = b + b

, z = c + c

.
iv) Por ultimo, si X =
_
3a b 0
0 0 c
_
S
2
y R, entonces
X =
_
3a b 0
0 0 c
_
tambien pertenece a S
2
tomando x = a, y = b, z = c.
2. En el espacio vectorial E = T
3
(R) de los polinomios de grado menor o igual a 3, consideremos los
conjuntos:
S
1
= p(x) E : p(0) = p(1) = p(2) = 0
S
2
= p(x) E : p(1) = p

(1) = p

(1) = 0
S
3
= a + ax x
2
+ 2ax
3
: a R
Iremos comprobando simultaneamente las cuatro propiedades que deben cumplir estos conjuntos
para ser subespacios vectoriales:
i) S
1
E, S
2
E y S
3
E, pues todos ellos solo contienen polinomios de grado menor o igual
a 3.
ii) Consideremos 0
E
= O(x) = 0 + 0x + 0x
2
+ 0x
3
. Como O(0) = O(1) = O(2) = 0, tenemos que
0
E
S
1
. Ademas, O(1) = O

(1) = O

(1) = 0, luego 0
E
S
2
.
Pero O(x) / S
2
, pues el coeciente de x
2
no es igual a 1. De esta manera, ya sabemos que
S
2
no es sev de E.
iii) Consideremos dos polinomios de E: p
1
(x) y p
2
(x).
Si suponemos que p
1
(x), p
2
(x) S
1
, entonces p
1
(0) = p
1
(1) = p
1
(2) = 0 y p
2
(0) = p
2
(1) =
p
2
(2) = 0. Luego, la suma de estos elementos (p
1
+ p
2
)(x) cumple que
(p
1
+ p
2
)(0) = p
1
(0) + p
2
(0) = 0 + 0 = 0,
(p
1
+ p
2
)(1) = p
1
(1) + p
2
(1) = 0 + 0 = 0,
(p
1
+ p
2
)(2) = p
1
(2) + p
2
(2) = 0 + 0 = 0
Por tanto, (p
1
+ p
2
)(x) S
1
.
Si, ahora, suponemos que p
1
(x), p
2
(x) S
2
, entonces p
1
(0) = p

1
(0) = p

1
(0) = 0 y p
2
(0) =
p

2
(0) = p

2
(0) = 0. Luego, la suma de estos elementos (p
1
+ p
2
)(x) cumple que
(p
1
+ p
2
)(0) = p
1
(0) + p
2
(0) = 0 + 0 = 0,
(p
1
+ p
2
)

(0) = p

1
(0) + p

2
(0) = 0 + 0 = 0
(p
1
+ p
2
)

(0) = p

1
(0) + p

2
(0) = 0 + 0 = 0
Por tanto, (p
1
+ p
2
)(x) S
2
.
10
iv) Ahora consideramos un polinomio p(x) E y R.
Si suponemos que p(x) S
1
, 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) S
1
.
Si suponemos que p(x) S
2
, entonces p(0) = p

(0) = p

(0) = 0. Luego, el polinomio ponderado

(p)(x) cumple que
(p)(0) = p(0) = 0 = 0
(p)

(0) = p

(0) = 0 = 0
(p)

(0) = p

(0) = 0 = 0
Por tanto, (p)(x) S
2
.
En conclusion, S
1
y S
2
son subespacios de E, pero S
3
no lo es.
3. Dado cualquier espacio vectorial E, tendremos que 0
E
y el mismo E son dos sev de E.
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:
Teorema. S es un sev de E si y s olo si existe un subconjunto A de E, A ,= , tal que S = A).
Demostracion: Si S = A), con A E, A ,= , entonces es claro que S E (los vectores de S son cl
de vectores en E, por tanto, estan en E), que S ,= (0
E
es cl de cualquier grupo de vectores de E, en
particular, 0
E
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.
Por otro lado, si suponemos que S es un sev de E, entonces podemos asumir que A = S, pues S E y
S ,= , pero, ademas, armamos que S = S). Para probarlo, notemos que S S), pues todo elemento
de S es cl de s mismo y, por tanto, esta en S). 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, S) = 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 = R
3
son los conjuntos gene-
rados. Podemos listar algunos que ya conocemos:
S = 0
E
) = 0
E

S = e
1
, e
2
, e
3
) = R
3
Si x ,= 0
E
, 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
_
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 R
3
son de alguno de los tipos descritos arriba.
11
2. Consideremos el subconjunto S = p(x) E : p(0) = p(1) = p(2) = 0 del espacio vectorial
E = T
3
(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(x) = a + bx + cx
2
+ dx
3
S
_

_
p(0) = a = 0
p(1) = a + b + c + d = 0
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 3dx
2
+ dx
3
= d
_
2x 3x
2
+ x
3
_
Luego,
S =
_
_
2x 3x
2
+ x
3
_
_
y el conjunto A =
_
2x3x
2
+x
3
_
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 subes-
pacios: 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.
2.2. Operaciones con subespacios vectoriales
Sea E un espacio vectorial sobre R y sean S
1
y S
2
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 ope-
raciones 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 S
1
S
2
y S
1
S
2
?
La respuesta, en el caso de la interseccion, es armativa.
Teorema. Si S
1
y S
2
son dos sev de E, entonces S
1
S
2
tambien es un sev de E.
Demostracion: Claramente, la interseccion es un subconjunto de E, pues S
1
S
2
S
1
E. Adem as,
S
1
S
2
,= , pues 0
E
pertenece a todos los subespacios vectoriales de E. En particular, 0
E
S
1
y
0
E
S
2
, por tanto, 0
E
S
1
S
2
.
Ahora, si x, y S
1
S
2
, entonces x, y S
1
y x, y S
2
. Como cada conjunto es un subespacio, tenemos
que x + y S
1
y x + y S
2
. Por tanto, x + y S
1
S
2
.
Un argumento analogo permite demostrar que si x S
1
S
2
, entonces x S
1
S
2
para todo escalar
.
Que pasa en el caso de S
1
S
2
?
12
Podemos demostrar de forma directa que S
1
S
2
E, que S
1
S
2
,= y que
( R x S
1
S
2
) = x S
1
S
2
.
Pero la suma de dos elementos de la union S
1
S
2
no pertenece necesariamente a este conjunto.
De hecho, si en E = R
2
consideramos los subespacios S
1
=

(1, 0)
_
y S
2
=

(0, 1)
_
, es decir, S
1
es
el eje X y S
2
es el eje Y . La union S
1
S
2
consiste de ambos ejes coordenados del plano real. Pero si
tomamos s
1
= (1, 0) S
1
y s
2
= (0, 1) S
2
, tendremos que s
1
+ s
2
= (1, 1) / S
1
S
2
.
Entonces, en general,
S
1
S
2
no es un subespacio vectorial de E.
Nota : Se tiene que S
1
S
2
es un sev de E si y solo si S
1
S
2
o S
2
S
1
. Demuestrelo!
Podemos preguntarnos ahora por alg un subespacio que contenga a S
1
S
2
. Para responder a esto, se
hace la siguiente denicion.
Denicion: Sean S
1
y S
2
dos sev de E. Se dene el conjunto suma de estos subespacios por
S
1
+ S
2
= x E : x = s
1
+ s
2
con s
1
S
1
y s
2
S
2

Teorema. Si S
1
y S
2
son sev de E, entonces S
1
+ S
2
es un sev de E.
Demostracion: Probaremos que S
1
+ S
2
es sev de E, viendo que es un subconjunto no vaco de E que
es cerrado bajo suma y ponderacion.
i) S
1
+ S
2
E, por su denicion. Consideramos solo vectores en E.
ii) S
1
+ S
2
,= , pues como 0
E
S
1
, 0
E
S
2
y 0
E
= 0
E
+ 0
E
, tendremos que 0
E
S
1
+ S
2
.
iii) Sean x, y S
1
+ S
2
. Entonces existen s
1
, s

1
S
1
y s
2
, s

2
S
2
tales que x = s
1
+ s
2
e y = s

1
+ s

2
.
Entonces
x + y = (s
1
+ s
2
) + (s

1
+ s

2
) = s
1
+ s
2
+ s

1
+ s

2
= (s
1
+ s

1
)
. .
S1
+ (s
2
+ s

2
)
. .
S2
Lo que signica que x + y S
1
+ S
2
.
iv) Sean R y x = s
1
+ s
2
S
1
+ S
2
(claramente s
1
S
1
y s
2
S
2
). Entonces
x = (s
1
+ s
2
) = s
1
..
S1
+ s
2
..
S2
y x S
1
+ S
2
.
Con esto hemos probado que S
1
+ S
2
es subespacio de E.
El siguiente resultado nos indica como calcular en la practica el subespacio suma cuando conocemos los
generadores de los subespacios S
1
y S
2
.
Teorema. Si S
1
= A) y S
2
= B) son dos sev de E, entonces S
1
+ S
2
= A B).
13
Demostracion: Para probar que S
1
+ S
2
A B), notemos que si x S
1
+ S
2
, entonces x = s
1
+ s
2
con s
1
S
1
y s
2
S
2
, 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 AB).
La otra contencion se obtiene notando que un vector x AB) sera una cl de vectores de AB. 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 S
1
y la segunda parte de la suma sera un vector de S
2
, por lo que x S
1
+ S
2
.
Ejemplo: Sean S
1
= a + bx + cx
2
: a + b + c = 0 y S
2
=

1, x
2
x
_
dos sev de E = T
2
(R).
Encontremos los subespacios S
1
+ S
2
y S
1
S
2
.
Por el teorema anterior, para encontrar S
1
+ S
2
nos conviene tener escritos ambos subespacios como
conjuntos generados. Entonces, partimos por encontrar un conjunto de vectores generadores de S
1
:
p(x) = a + bx + cx
2
S
1
a + b + c = 0
a = b c
p(x) = (b c) + bx + cx
2
p(x) = b(x 1) + c(x
2
1)
De esta manera, tenemos que todos los elementos de S
1
se pueden escribir como cl de los polinomios x1
y x
2
1, es decir,
S
1
=

x 1, x
2
1
_
Luego, usando el teorema anterior, tenemos que
S
1
+ S
2
=

x 1, x
2
1
. .
A
_
+

1, x
2
x
. .
B
_
=

x 1, x
2
1, 1, x
2
x
. .
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) S
1
S
2
p(x) S
1
y p(x) S
2

_
p(x) = (x 1) + (x
2
1) (ya que p(x) S
1
)
p(x) = (1) + (x
2
x) (ya que p(x) S
2
)
Igualando ambas expresiones que tenemos para p(x), tendremos que
(x 1) + (x
2
1) = (1) + (x
2
x) ( ) + ( + )x + ( )x
2
= 0
lo que se cumplira si y solo si , , y cumplen el siguiente sistema homogeneo:
_
_
_
= 0
+ = 0
= 0
que tiene innitas soluciones, pues tenemos que es libre. Las soluciones del sistema son
_
_
_
_

_
_
_
_
=
_
_
_
_

_
_
_
_
14
Por ultimo, recordemos que estamos caracterizando los polinomios p(x) que estan en S
1
S
2
. Entonces,
reemplazamos los valores obtenidos de , , y en alguna de las expresiones de p(x) que tenemos. As,
tendremos que
p(x) = (x 1) + (x
2
1) = (x 1) + (x
2
1) = (x
2
1 x + 1) = (x
2
x)
(si reemplazamos en p(x) = (1)+(x
2
x), obtendremos el mismo resultado). Luego, todos los polinomios
de la interseccion son cl del polinomio x
2
x, es decir,
S
1
S
2
=

x
2
x
_
.
Denicion: Un espacio vectorial E sobre R es la suma directa de dos de sus subespacios S
1
y S
2
si
se cumple simult aneamente que
i) E = S
1
+ S
2
.
ii) S
1
S
2
= 0
E
.
Esto se anota,
E = S
1
S
2
.
Nota : En el ejemplo anterior, tenamos que S
1
S
2
,= 0
E
, por tanto, ya sabemos que T
2
(R) no es
suma directa de estos subespacios. Pero, se tiene que T
2
(R) = S
1
+ S
2
?
Como decidimos si S
1
+S
2
es todo el espacio vectorial? Como S
1
+S
2
es sev de E, entonces, S
1
+S
2
E,
por tanto, para determinar la igualdad basta ver si E S
1
+ S
2
.
Sea p(x) = a +bx +cx
2
(un elemento cualquiera de E), si probamos que p(x) S
1
+S
2
para todo valor
de a, b y c, tenemos la igualdad, si p(x) / S
1
+ S
2
para algunos valores de a, b y c, entonces no tenemos
la igualdad.
p(x) = a + bx + cx
2
S
1
+ S
2
p(x)

x 1, x
2
1, 1, x
2
x
_
Existen , , , R tales que
p(x) = (x 1) + (x
2
1) + (1) + (x
2
x)
Existen , , , R tales que
a + bx + cx
2
= ( + ) + ( )x + ( + )x
2
Esto se traduce en el sistema
_
_
_
+ = a
= b
+ = c
Y debemos estudiar cuando este sistema tiene solucion. Analizamos la matriz ampliada asociada:
_
_
1 1 1 0 a
1 0 0 1 b
0 1 0 1 c
_
_
F
2
+ F
1

_
_
1 1 1 0 a
0 1 1 1 b + a
0 1 0 1 c
_
_
F
3
+ F
2

_
_
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 signica que p(x) =
a + bx + cx
2
S
1
+ S
2
siempre. Luego,
T
2
(R) = S
1
+ S
2
15
3. Bases y dimension
3.1. Bases
Denicion: Sea E un espacio vectorial sobre R 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 = B)
Ejemplos:
1. En E = M
22
(R), consideramos el subespacio
S =
___
1 0
0 0
_
,
_
0 1
0 0
_
,
_
1 1
0 0
___
De manera obvia, A =
__
1 0
0 0
_
,
_
0 1
0 0
_
,
_
1 1
0 0
__
es un conjunto generador de S, pero tambien
es claro que no es un conjunto li, pues
_
1 0
0 0
_
+
_
0 1
0 0
_
=
_
1 1
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
B =
__
1 0
0 0
_
,
_
0 1
0 0
__
es un subconjunto li de A, pero como eliminamos un vector que esta generado por los otros dos,
tendremos que B) = A) = 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, consi-
deremos el conjunto
C =
__
1 0
0 0
__
que es li, pero el conjunto generado por C no es S, ya que
_
0 1
0 0
_
no es cl de
_
1 0
0 0
_
.
2. En E = R
3
, 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.
Nota : En cualquier espacio vectorial E, tenemos que S
0
= 0
E
es sev de E. Ademas, tenemos que
S
0
= 0
E
), pero el conjunto 0
E
no es li, por tanto, S
0
no tiene base.

Este es el unico subespacio
vectorial que no tiene base, es decir,
Si S ,= 0
E
es un sev de E, entonces S tiene al menos una base.
16
3.2. Dimension
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 R 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.
Demostracion: Sea A = u
1
, . . . , u
n
un conjunto generador de S con n vectores y sea B = b
1
, . . . , b
m

un conjunto li de vectores en S. Queremos demostrar que m n.

Como B es li, entonces b
1
,= 0
E
, . . . , b
m
,= 0
E
y como S = A),
0
E
,= b
1
=
1
u
1
+
2
u
2
+ +
n
u
n
y alguno de los coecientes debe ser distinto de cero (si no, la cl dara 0
E
).
Sin perder generalidad, vamos a suponer que
1
,= 0 (si no es ese, les cambiamos el nombre a los vectores
de A). Entonces,
u
1
=
1

1
b
1

1
u
2


n

1
u
n
y tendremos que

b
1
, u
2
, u
3
, . . . , u
n

_
=

b
1
, u
1
, u
2
, u
3
, . . . , u
n

_
=

u
1
, u
2
, u
3
, . . . , u
n

_
= S
y escribimos de ahora en adelante
S =

b
1
, u
2
, u
3
, . . . , u
n

_
Ahora, b
2
S, luego
0
E
,= b
2
=
1
b
1
+
2
u
2
+
2
u
3
+ +
n
u
n
Como b
1
y b
2
son li, entonces alguno de los
i
,= 0 (si todos fueran nulos, se tendra que b
1
sera un
ponderado de b
2
) y, de nuevo, sin perder generalidad, asumimos que
2
,= 0. Entonces
u
2
=
1

2
b
2

2
b
1


3

2
u
3


n

2
u
n
Luego

b
1
, b
2
, u
3
, . . . , u
n

_
=

b
1
, b
2
, u
2
, u
3
, . . . , u
n

_
=

b
1
, u
2
, u
3
, . . . , u
n

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

b
1
, b
2
, b
3
, . . . , b
n

_
y tendremos que b
m
,= b
1
, b
2
, . . . , b
n
y que b
m
S, luego b
m
es cl de b
1
, b
2
, . . . , b
n
, 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 R y S un sev de E con una base de n vectores. Entonces todas las bases
de S tienen n vectores.
Demostracion: Sea A = u
1
, u
2
, . . . , u
n
la base con n vectores de S y sea B = b
1
, b
2
, . . . , b
m
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.
17
Pero S = B), 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.
Ahora podemos denir la dimension de un espacio vectorial.
Denicion: Sea S un sev de E. Se dene la dimension de S como el n umero de vectores que tiene
cualquier base de S.
As, si S tiene bases nitas con n elementos, anotamos que
dim(S) = n
si S = 0
E
, entonces se dene su dimensi on como cero (no tiene bases), entonces
dim(0
E
) = 0
y si S tiene bases con innitos elementos, entonces
dim(S) = .
Ejemplos:
1. dim(R
n
) = n, pues el conjunto de los vectores canonicos B = e
1
, e
2
, . . . , e
n
es una base de R
n
.
2. dim(M
22
(R)) = 4, pues
__
1 0
0 0
_
,
_
0 1
0 0
_
,
_
0 0
1 0
_
,
_
0 0
0 1
__
es una base de M
22
(R). En general, tendremos que
dim(M
mn
(R)) = m n
3. dim(T
n
(R)) = n + 1, pues 1, x, x
2
, . . . , x
n
es una base de T
n
(R).
4. dim(T[x]) = , pues 1, x, x
2
, . . . , x
k
, . . . =
_
x
n
: n N 0
_
es una base de T[x].
5. dim(M
22
(C)) = 8, pues para poder generar una matriz de la forma
_
a + bi c + di
e + fi g + hi
_
necesitamos
el conjunto
__
1 0
0 0
_
,
_
0 1
0 0
_
,
_
0 0
1 0
_
,
_
0 0
0 1
_
,
_
i 0
0 0
_
,
_
0 i
0 0
_
,
_
0 0
i 0
_
,
_
0 0
0 i
__
que es una base de /
22
(C).
Notemos que si consideramos el conjunto M
22
(C) con un espacio vectorial sobre el cuerpo de los
complejos, entonces nuestros ponderadores son n umeros complejos. Luego, para poder generar una
matriz de la forma
_
a + bi c + di
e + fi g + hi
_
solo necesitamos los vectores del conjunto
__
1 0
0 0
_
,
_
0 1
0 0
_
,
_
0 0
1 0
_
,
_
0 0
0 1
__
,
pues
_
a + bi c + di
e + fi g + hi
_
= (a + bi)
_
1 0
0 0
_
+ (c + di)
_
0 1
0 0
_
+ (e + fi)
_
0 0
1 0
_
+ (g + hi)
_
0 0
0 1
_
Entonces cuando el cuerpo del espacio vectorial es C tendremos que dim(M
22
(C)) = 4 y cuando
el cuerpo del espacio vectorial es R tendremos que dim(M
22
(C)) = 8.
18
Conocer la dimension de un subespacio nos entrega un dato extra para poder determinar bases, como
lo muestra el siguiente resultado.
Teorema. Sea E un ev sobre R 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 = A).
Demostracion: Si A es base de S, claramente A es li y S = A). Luego, para ambas armaciones basta
demostrar la otra implicacion.
i) Supongamos que A es li. Debemos probar que S = A) (lo que signica que A es base de S).
Pero en realidad, basta probar que S A) (la otra inclusion es obvia).
Para esto, sea s S. Si s / A), 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 contradicci on.
Luego, s A) y S A).
ii) Supongamos que S = A). 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,
A a) = A) = 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 = v
1
, v
2
, v
3
, v
4
, v
5
. Demostraremos que
B = v
1
+ v
2
, v
2
+ v
3
, v
3
+ v
4
, v
4
+ v
5
, v
5
+ v
1

tambien es una base de E.

Notemos que E es un espacio vectorial de dimension 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 B) = E (usamos el ultimo teorema).
Probaremos que B es li. Para esto, escribimos 0
E
como una cl de los vectores de B:

1
(v
1
+ v
2
) +
2
(v
2
+ v
3
) +
3
(v
3
+ v
4
) +
4
(v
4
+ v
5
) +
5
(v
5
+ v
1
) = 0
E
= (
1
+
5
)v
1
+ (
1
+
2
)v
2
+ (
2
+
3
)v
3
+ (
3
+
4
)v
4
+ (
4
+
5
)v
5
= 0
E
Pero los vectores v
1
, v
2
, v
3
, v
4
, v
5
son li (pues A es base de E)
=
_

1
+
5
= 0

1
+
2
= 0

2
+
3
= 0

3
+
4
= 0

4
+
5
= 0
=
1
=
5
=
4
=
3
=
2
=
1
=
1
= 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.
19
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 deter-
minar subespacios que sumen directamente todo el espacio y probaremos el Teorema de la dimensi on
para subespacios.
Teorema. Sea E un ev sobre R y sea S un sev de E con dimensi on nita. Entonces todo conjunto li de
vectores de S est a 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 = u
1
, u
2
, . . . , u
k
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 v
1
en S que no esta en A) y denimos el conjunto
A
1
= A v
1
= u
1
, u
2
, . . . , u
k
, v
1

que es li
Aplicamos el mismo procedimiento y podremos construir conjuntos
A A
1
A
2
A
nk
todos li tales que A
i
= A
i1
u
i
con u
i
S A
i1
).
Entonces el conjunto A
nk
= u
1
, . . . , u
k
, v
1
, . . . , v
nk
es li y tiene n vectores, lo que implica que A
nk
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 = T
4
(R), consideramos el subespacio
S = p(x) E : p

(0) = p

(0) = 0
y el conjunto A =
_
x
3
+ 7, 2x
4
_
.
Como (x
3
+ 7)

= 3x
2
, (x
3
+ 7)

= 6x y evaluando en cero dan cero, tendremos que x

3
+ 7 S y como
(2x
4
)

= 8x
3
, (2x
4
)

= 24x
2
y tambien se obtiene cero al evaluar en cero, tendremos que 2x
4
S, es
decir, A S.
El conjunto A es li, pues
(x
3
+ 7) + (2x
4
) = 0 = 2x
4
+ x
3
+ 7 = 0 = = = 0,
por tanto, podemos extender el conjunto A a una base de S.
20
Para esto, debemos encontrar una base B
S
de S. Buscamos los generadores de S:
p(x) = a + bx + cx
2
+ dx
3
+ ex
4
S p

(0) = 0 p

(0) = 0

_
b + 2c 0 + 3d 0 + 4e 0 = 0
2c + 6d 0 + 12e 0 = 0
b = 0 c = 0
p(x) = a + dx
3
+ ex
4
As,
S =

1, x
3
, x
4

_
y claramente el conjunto B
S
= 1, x
3
, x
4
es una base de S al ser li.
Entonces consideramos el conjunto
C = A B
S
= x
3
+ 7, 2x
4
, 1, x
3
, x
4

Por ultimo, eliminamos de C los vectores que son cl del resto. En este caso, podemos eliminar x
3
y x
4
,
ya que x
3
= 1 (x
3
+ 7) + (7) 1 y x
4
=
1
2
(2x
4
).
As, B = x
3
+ 7, 2x
4
, 1 es una base de S que contiene al conjunto original A.
Nota: Observemos que
S =

x
3
+ 7, 2x
4
, 1
_
=

x
3
+ 7, 2x
4

_
+

1
_
=

A
_
+

B A
_
Ademas,
A) B A) = 0
E
,
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 S
1
de E, con base A. Para encontrar otro subespacio S
2
tal
que
E = S
1
S
2
,
basta encontrar una base B de E que contiene a A y tomar S
2
como el conjunto generado por B A.
Ahora enunciaremos y probaremos el Teorema de la dimension para subespacios.
Teorema. Sea E un ev sobre R y sean S
1
y S
2
dos subespacios de E, ambos con dimensi on nita.
Entonces
dim(S
1
+ S
2
) = dim(S
1
) + dim(S
2
) dim(S
1
S
2
).
Demostracion: Sea u
1
, u
2
, . . . , u
k
una base de S
1
S
2
(es decir, ya sabemos que dim(S
1
S
2
) = k).
Como S
1
S
2
esta contenido tanto en S
1
como en S
2
, podemos completar este conjunto li a bases de S
1
y de S
2
, obteniendo:
una base de S
1
: u
1
, u
2
, . . . , u
k
, v
1
, v
2
, . . . , v
m
, lo que implica que dim(S
1
) = k + m
y
una base de S
2
: u
1
, u
2
, . . . , u
k
, w
1
, w
2
, . . . , w
n
, lo que implica que dim(S
2
) = k + n.
Armamos que
B = u
1
, u
2
, . . . , u
k
, v
1
, v
2
, . . . , v
m
, w
1
, w
2
, . . . , w
n

es una base de S
1
+ S
2
.
Probemoslo:
21
i) Probemos que B es li. Si consideramos una cl de los vectores de B igualada a 0
E
:

1
u
1
+ +
k
u
k
+
1
v
1
+ +
m
v
m
+
1
w
1
+ +
n
w
n
= 0
E
,
debemos probar que todos los coecientes son cero. Pero esta cl equivale a

1
u
1
+ +
k
u
k
+
1
v
1
+ +
m
v
m
=
1
w
1

n
w
n
(1)
Luego,
1
w
1

n
w
n
S
1
S
2
(esta en S
1
por la igualdad (1) y esta en S
2
por ser cl de
vectores de su base). Entonces

1
w
1

n
w
n
=
1
u
1
+
2
u
2
+ +
k
u
k
lo que implica que

1
u
1
+
2
u
2
+ +
k
u
k
+
1
w
1
+ +
n
w
n
= 0
E
.
Como estos vectores son li, tendremos que

1
=
2
= =
k
=
1
=
2
= =
n
= 0.
Reemplazando estos valores en (1), tendremos que

1
u
1
+ +
k
u
k
+
1
v
1
+ +
m
v
m
= 0
E
y como estos vectores tambien son li, entonces

1
=
2
= =
k
=
1
=
2
= =
m
= 0.
Y hemos probado que todos los coecientes de la cl son cero, por tanto, B es li.
ii) Probemos, ahora que B genera S
1
+ S
2
. Pero esto es claro, pues
B) =

u
1
, . . . , u
k
, v
1
, . . . , v
m

_
+

u
1
, . . . , u
k
, w
1
, . . . , w
n

_
= S
1
+ S
2
.
De esta manera, tenemos que dim(S
1
+ S
2
) = k + m + n. Y tenemos que
dim(S
1
+ S
2
) = k + m + n = (k + m) + (k + n) k = dim(S
1
) + dim(S
2
) dim(S
1
S
2
)
Corolario. Sean S
1
y S
2
dos sev de E. Si E = S
1
S
2
, entonces dim(E) = dim(S
1
) + dim(S
2
).
Demostracion: Si E = S
1
S
2
, entonces E = S
1
+ S
2
y S
1
S
2
= 0
E
. Luego
dim(E) = dim(S
1
+ S
2
) y dim(S
1
S
2
) = dim(0
E
) = 0
= dim(E) = dim(S
1
+ S
2
) = dim(S
1
) + dim(S
2
) dim(S
1
S
2
) = dim(S
1
) + dim(S
2
).
Terminamos con un ejercicio tipo prueba.
Ejercicio: Considere los subconjuntos
W
1
=
_

_
_
x y
z t
_
M
22
(R) :
x + 2y z + t = 0
2x y z + 2t = 0
x + 3y t = 0
5y z = 0
_

_
W
2
=
_
_
_
_
x y
z t
_
M
22
(R) :
x + y + z t = 0
x + 2y t = 0
2x + 3y + z 2t = 0
_
_
_
del espacio vectorial E = M
22
(R).
22
1. Demuestre que W
1
y W
2
son sev de E.
2. Encuentre una base y la dimension de W
1
.
3. Encuentre una base y la dimension de W
2
.
4. Encuentre una base y la dimension de W
1
+ W
2
.
5. Encuentre una base y la dimension de W
1
W
2
.
6. Es E suma directa de W
1
y W
2
?
Soluci on:
1. Para probar que ambos subconjuntos son subespacios de E, vamos a encontrar conjuntos gener-
adores de W
1
y W
2
(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 W
1
:
_
x y
z t
_
W
1

_

_
x + 2y z + t = 0
2x y z + 2t = 0
x + 3y t = 0
5y z = 0
Resolvemos el sistema homogeneo, pivoteando la matriz de coecientes:
_
_
_
_
1 2 1 1
2 1 1 2
1 3 0 1
0 5 1 0
_
_
_
_
F
2
2F
1
F
3
+ F
1

_
_
_
_
1 2 1 1
0 5 1 0
0 5 1 0
0 5 1 0
_
_
_
_
F
3
+ F
2
F
4
+ F
2

_
_
_
_
1 2 1 1
0 5 1 0
0 0 0 0
0 0 0 0
_
_
_
_
As,
_
x y
z t
_
W
1

_
x = 3y t
z = 5y

_
x y
z t
_
=
_
3y t y
5y t
_
= y
_
3 1
5 0
_
+ t
_
1 0
0 1
_
Luego,
W
1
= A), donde A =
__
3 1
5 0
_
,
_
1 0
0 1
__
.
Entonces, W
1
es un subespacio de E.
Ahora calcularemos los generadores de W
2
:
_
x y
z t
_
W
2

_
_
_
x + y + z t = 0
x + 2y t = 0
2x + 3y + z 2t = 0
Resolvemos el sistema homogeneo, pivoteando la matriz de coecientes:
_
_
1 1 1 1
1 2 0 1
2 3 1 2
_
_
F
2
F
1
F
3
2F
1

_
_
1 1 1 1
0 1 1 0
0 1 1 0
_
_
F
3
F
2

_
_
1 1 1 1
0 1 1 0
0 0 0 0
_
_
23
As,
_
x y
z t
_
W
2

_
y = z
t = x + 2z

_
x y
z t
_
=
_
x z
z x + 2z
_
= x
_
1 0
0 1
_
+ z
_
0 1
1 2
_
Luego,
W
2
= B), donde B =
__
1 0
0 1
_
,
_
0 1
1 2
__
.
Entonces, W
2
es un subespacio de E.
2. Notemos que A =
__
3 1
5 0
_
,
_
1 0
0 1
__
es un conjunto li, pues ninguno de los vectores es m ultiplo
del otro.
Entonces A es un conjunto li de generadores de W
1
, es decir, A es una base de W
1
y dim(W
1
) = 2.
3. Analogamente, tenemos que B =
__
1 0
0 1
_
,
_
0 1
1 2
__
es un conjunto li, pues ninguno de los
vectores es m ultiplo del otro.
Entonces B es un conjunto li de generadores de W
2
, es decir, B es una base de W
2
y dim(W
2
) = 2.
4. Como W
1
= A) y W
2
= B), entonces W
1
+ W
2
= A B).
Es decir,
W
1
+ W
2
=
___
3 1
5 0
_
,
_
1 0
0 1
_
,
_
1 0
0 1
_
,
_
0 1
1 2
___
Para encontrar una base de W
1
+ W
2
debemos determinar que vectores de A B son li. Hacemos
una cl nula de los vectores:

_
3 1
5 0
_
+
_
1 0
0 1
_
+
_
1 0
0 1
_
+
_
0 1
1 2
_
=
_
0 0
0 0
_
=
_
3 + +
5 + + + 2
_
=
_
0 0
0 0
_
=
_

_
3 + = 0
+ = 0
5 + = 0
+ + 2 = 0
= = = = = 0
Entonces A B es un conjunto de vectores li que genera a W
1
+ W
2
, es decir, A B es una base
de W
1
+ W
2
y dim(W
1
+ W
2
) = 4.
5. Ahora, deberamos encontrar la interseccion de W
1
con W
2
. Pero esto no sera necesario, pues
sabemos que
dim(W
1
+ W
2
) = dim(W
1
) + dim(W
2
) dim(W
1
W
2
)
= dim(W
1
W
2
) = dim(W
1
) + dim(W
2
) dim(W
1
+ W
2
) = 2 + 2 4 = 0
Y como el unico subespacio de con dimension cero es el conjunto formado solo por el cero del
espacio, tenemos que
W
1
W
2
=
__
0 0
0 0
__
y W
1
W
2
no tiene una base.
24
6. Como E = W
1
W
2
si y solo si E = W
1
+W
2
y W
1
W
2
= 0
E
, debemos decidir si E = W
1
+W
2
(pues la otra condicion la tenemos).
Pero dim(W
1
+ W
2
) = 4 = dim(E), luego W
1
+ W
2
= E pues la base de W
1
+ W
2
tambien es una
base de E.
Luego, E s es suma directa de W
1
y W
2
.
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 jar 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 = R
4
, tendremos que B
1
= (1, 0, 0, 0), (0, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1) y B
2
=
(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 denicion formal del sistema de coordenadas, revisaremos el siguiente resultado.
Teorema. Sea E un espacio vectorial sobre R y B = b
1
, b
2
, . . . , b
n
una base de E. Entonces, para cada
elemento x E existen unicos escalares
1
,
2
, . . . ,
n
R tales que
x =
1
b
1
+
2
b
2
+ +
n
b
n
.
Demostracion: Como B es base de E, tenemos que E = B). 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 coecientes de esta combinacion.
Entonces, supongamos que existen dos conjuntos de escalares
1
, . . . ,
n
y
1
, . . . ,
n
tales que
x =
1
b
1
+
2
b
2
+ +
n
b
n
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
(
1

1
)b
1
+ (
2

2
)b
2
+ + (
n

n
)b
n
= O
V
.
Esto implica que
1

1
= 0,
2

2
= 0, . . . ,
n

n
= 0, pues los vectores de la base son li. Es decir,
los coecientes de la cl son unicos. 2
Ahora estamos en condiciones de denir el sistema de coordenadas con respecto a una base ja.
Denicion: Sea E un ev sobre R y sea B = u
1
, . . . , u
n
una base de E. Para cada x E, se dene su
vector coordenada en la base B como
_
x

B
=
_
_
_
_
_

2
.
.
.

n
_
_
_
_
_
R
n
,
donde los
i
son los coecientes de la cl que describe x en terminos de los vectores de la base B. Es decir,
x =
1
u
1
+
2
u
2
+ +
n
u
n
25
Ejemplos:
1. Sea E = R
3
. Al considerar la base canonica de E, B
C
= e
1
= (1, 0, 0), e
2
= (0, 1, 0), e
3
= (0, 0, 1),
tenemos que cualquier vector x = (x, y, z) cumple que
x = xe
1
+ y e
2
+ z e
3
,
entonces
_
x

BC
=
_
_
x
y
z
_
_
Es decir, el sistema de coordenadas dado por la base canonica de R
3
coincide con las coordenadas
cartesianas que se usan para denir inicialmente R
3
.
Consideremos otra base de E, por ejemplo, B
1
= (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:
x = (1, 0, 0) + (1, 1, 0) + (1, 1, 1) = (, + , + + )
=
_
_
_
= x
+ = y
+ + = z
=
_
_
_
= x
= y x
= z y
= x = x(1, 0, 0) + (y x)(1, 1, 0) + (z y)(1, 1, 1)
= [x]
B1
=
_
_
x
y x
z y
_
_
Por ultimo, si tomamos la base B
2
= (1, 1, 0), (1, 0, 0), (1, 1, 1), que tiene los mismos elementos de
B
1
pero en distinto orden. Entonces, el vector coordenada de x = (x, y, z) es
[x]
B2
=
_
_
y x
x
z y
_
_
(las coordenadas cambian de orden, pero contiene las mismas componentes).
2. Sea E = T
2
(R) y consideremos tres bases de E: B
1
= 1, x, x
2
, B
2
= 1, 1 + x, 1 + x + x
2
y
B
3
= 1, 1 + x + x
2
, 1 + x.
Determinemos los vectores coordenadas del vector p(x) = (2x 1)
2
en cada una de estas bases.
Como p(x) = 4x
2
4x + 1 = 1 + (4)x + 4x
2
, tendremos que
_
p(x)

B1
=
_
_
1
4
4
_
_
.
Para determinar
_
p(x)

B2
, debemos escribir p(x) como cl de los vectores de B
2
:
p(x) = 4x
2
4x + 1 = (1) + (1 + x) + (1 + x + x
2
)
= ( + + ) + ( + )x + x
2
Entonces: _
_
_
+ + = 1
+ = 4
= 4
= = 4, = 8, = 5
26
Por tanto,
_
p(x)

B2
=
_
_
5
8
4
_
_
y como B
3
contiene los mismos vectores de B
2
aunque en distinto
orden, tendremos que
_
p(x)

B3
=
_
_
5
4
8
_
_
.
Queda propuesto determinar los vectores coordenadas con respecto a estas tres bases de un poli-
nomio generico de E: p(x) = a + bx + cx
2
.
A continuacion enunciamos las principales propiedades de los vectores coordenadas:
Teorema. Sean E un ev sobre R, B = u
1
, . . . , u
n
una base de E y x, x
1
, x
2
, . . . , x
k
vectores de E.
Entonces:
1. El vector coordenada de x en la base B es unico.
2. Si x
1
,= x
2
, entonces
_
x
1

B
,=
_
x
2

B
.
3.
_
x
1
+ x
2

B
=
_
x
1

B
+
_
x
2

B
y, para todo R,
_
x
1

B
=
_
x
1

B
.
4. x
1
, x
2
, . . . , x
k
es li en E si y s olo si
_
_
x
1

B
,
_
x
2

B
, . . . ,
_
x
k

B
_
es li en R
n
.
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 x
1
,= x
2
, entonces los vectores deben escribirse como distintas cl de los vectores de B (si las
combinaciones fueran iguales, entonces x
1
= x
2
).
3. Si x
1
=
1
u
1
+ +
n
u
n
y x
2
=
1
u
1
+ +
n
u
n
, entonces
x
1
+ x
2
= (
1
+
1
)u
1
+ + (
n
+
n
)u
n
y
x
1
=
1
u
1
+ +
n
u
n
.
En lenguaje de vectores coordenados, lo anterior se anota:
_
x
1

B
=
_
_
_

1
.
.
.

n
_
_
_,
_
x
2

B
=
_
_
_

1
.
.
.

n
_
_
_,
_
x
1
+ x
2

B
=
_
_
_

1
+
1
.
.
.

n
+
n
_
_
_,
_
x
1

B
=
_
_
_

1
.
.
.

n
_
_
_
Ahora, la armacion es obvia.
4. Notemos que
_
c
1
x
1
+ + c
k
x
k

B
= c
1
_
x
1

B
+ + c
n
_
x
k

B
y que
_
O
V

B
=

0 R
n
. Con estas dos observaciones, demostrar la armacion es directo. Queda
propuesto.
2
27
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 R
n
, concluiremos que el cambio de base se lleva a cabo mediante una unica matriz que har a todo
el trabajo.
Denicion: Sea E un ev sobre R y sean B
1
y B
2
dos bases distintas de E. Se dene la matriz de
cambio de base de B
1
a B
2
, que anotamos
_
Id

B2
B1
, como la unica matriz que cambia las coordenadas
con respecto a la base B
1
en coordenadas con respecto a B
2
para todo vector x del espacio, es decir,
x E
_
x

B2
=
_
Id

B2
B1
_
x

B1
Usando la denicion de matriz de cambio de base, podemos determinar mas concretamente la forma
de la matriz de cambio de base.
Si dim(E) = n, B
1
= u
1
, u
2
, . . . , u
n
y B
2
= v
1
, v
2
, . . . , v
n
, tendremos que tanto
_
x

B1
como
_
x

B2
son vectores de R
n
. Entonces queremos determinar la matriz
_
Id

B2
B1
de n n tal que
x E
_
x

B2
=
_
Id

B2
B1
_
x

B1
(2)
Describamos la matriz por columnas:
_
Id

B2
B1
=
_
c
1
[ c
2
[ [ c
n

Para encontrar la i-esima columna usaremos la igualdad (2) para x = u

i
(el i-esimo vector de la base
B
1
). Como
u
i
= 0 u
1
+ 0 u
2
+ + 1 u
i
+ + 0 u
n
,
entonces
_
u
i

B1
=
_
_
_
_
_
_
_
_
_
_
0
0
.
.
.
1
.
.
.
0
_
_
_
_
_
_
_
_
_
_
con el 1 en el i-esimo lugar. Luego, (2) sera:
_
u
i

B2
=
_
Id

B2
B1
_
u
i

B1
=
_
c
1
[ c
2
[ [ c
n

_
_
_
_
_
_
_
_
_
_
0
0
.
.
.
1
.
.
.
0
_
_
_
_
_
_
_
_
_
_
= c
i
.
Es decir, la columna i-esima de la matriz buscada sera
_
u
i

B2
y, por tanto,
_
Id

B2
B1
=
_
_
u
1

B2

_
u
2

B2

_
u
n

B2
_
28
Ahora, por el ultimo teorema, tenemos que las columnas de
_
Id

B2
B1
son li, por tanto, la matriz es
invertible y tendremos que su inversa sera
_
_
Id

B2
B1
_
1
=
_
Id

B1
B2
.
Ejemplo: Sea E = T
3
(R) y sea
S = p(x) E : p(1) = p

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

(1) = b + 2c + 3d = 0

_
_
_
b = 2c 3d
a = b c d = c + 2d
c, d libres
p(x) = (c + 2d) + (2c 3d)x + cx
2
+ dx
3
p(x) = c(1 2x + x
2
) + d(2 3x + x
3
)
Entonces
S =

1 2x + x
2
, 2 3x + x
3

_
y B
1
= 1 2x + x
2
. .
u1
, 2 3x + x
3
. .
u2
es una base porque
(1 2x + x
2
) + (2 3x + x
3
) = 0 = ( + 2) + (2 3)x + x
2
+ x
3
= 0
= = = 0
Como obtenemos una segunda base de S? Bueno, ya sabemos que dim(S) = 2, por tanto, s olo
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):
Si u
1
, u
2
, . . . , u
n
es base de un ev E, entonces
_
u
1
, u
1
+ u
2
, . . . ,
n

k=1
u
i
_
tambien es una base de E.
En nuestro caso particular, si tomamos los vectores
v
1
= u
1
= 1 2x + x
2
y
v
2
= u
1
+ u
2
= (1 2x + x
2
) + (2 3x + x
3
) = 3 5x + x
2
+ x
3
tendremos que forman una nueva base de S:
B
2
= 1 2x + x
2
. .
v1
, 3 5x + x
2
+ x
3
. .
v2

Ahora determinaremos la matriz

_
Id

B2
B1
. Para eso, debemos escribir cada uno de los vectores de la
base B
1
como cl de los vectores de la base B
2
:
u
1
= v
1
=
_
u
1

B2
=
_
1
0
_
29
u
2
= v
2
u
1
= v
2
v
1
=
_
u
2

B2
=
_
1
1
_
Entonces:
_
Id

B2
B1
=
_
_
u
1

B2

_
u
2

B2
_
=
_
1 1
0 1
_
Si calculamos la inversa de esta matriz:
_
1 1 1 0
0 1 0 1
_

_
1 0 1 1
0 1 0 1
_
Tendremos que
_
Id

B1
B2
=
_
_
Id

B2
B1
_
1
=
_
1 1
0 1
_
Pero esto ya lo sabamos, pues v
1
= u
1
y v
2
= u
1
+ u
2
.
30