Espacios Vectoriales

Un espacio vectorial implica cuatro cosas

Dos conjuntos no vacios V y F y
Dos operaciones algebraicas llamadas suma de vectores y multiplicacin por un
escalar.
Los objetos en el conjunto V son llamados vectores y los elementos en el conjunto
F son llamados escalares. De aqui en adelante F es el campo de los nmeros reales
(R) o el de los nmeros complejos (C)
la suma de vectores denotado por u+v es una operacin entre elementos del conjunto
V; mientras que la multiplicacin por un escalar, escrito como u es una operacin entre
elementos 2 F y u 2 V:
Denicin 0.1. Decimos que V es un espacio vectorial sobre F si se cumple lo siguiente
1. u + v 2 V; para todo u; v 2 V
2.

u 2 V; para todo

2 F; para todo u 2 V

3. u + v = v + u; para todo u; v 2 V
4. (u + v) + w = u + (v + w) ; para todo u; v; w 2 V
5. Existe un elemento neutro (cero) denotado por 0 2 V tal que
para todo u 2 V

u+0=u

6. Para cada elemento u 2 V existe un elemento denotado como

u + ( u) = 0
7.

(u + v) = u + v, para todo

2 F y para todo u; v 2 V
1

u 2 V tal que

8. ( + ) v = v + v; para todo ;
9. (

)v =

( v) ; para todo ;

2 F y para todo v 2 V

2 F y para todo v 2 V

10. 1v = v; para todo v 2 V

Algunos espacios vectoriales importantes
Uno de los espacios vectoriales mas conocidos es el plano XY (plano cartesiano) sobre
el campo de los reales.
veamos porque
Primero, necesitamos dos conjuntos, los cuales hay que reconocerlos.
V = R2

F =R

Segundo, necesitamos dos operaciones, la suma de vectores y la multiplicacin por un

escalar, la que usualmente usamos y nos es muy familiar.
Dado dos elementos en el conjunto V
u = (a; b)

v = (c; d)

la suma (+) denida como

u + v = (a + c; b + d)
y la multiplicacin por un escalar, dado

(1)

2 R; u 2 R2

u = ( a; b)

(2)

Ahora que tenemos claro los conjuntos y las operaciones que se asocian a un espacio
vectorial veremos que efectivamente el plano cartesiano sobre el campo de los nmeros
reales con las operaciones (1) y (2) es un espacio vectorial.
1. Sea u = (a; b) y v = (c; d) de (1) tenemos que
u + v = (a + c; b + d)
como a + c; b + d 2 R entonces u + v 2 R2
2. Sea

2 R; u = (a; b) 2 R2 de (2) tenemos que

u = ( a; b)

como ; a; ; b 2 R entonces a; b 2 R entonces u 2 R2

2

3. Sea u = (a; b) y v = (c; d) entonces

u + v = (a + c; b + d)
= (c + a; d + b)
= (c; d) + (a; b) = v + u
4. Sea u = (a; b) ; v = (c; d) ; w = (m; n) 2 R2 ; entonces
(u + v) + w = (a + c; b + d) + (m; n)
= ((a + c) + m; (b + d) + n)
= (a + (c + m) ; b + (d + n))
= (a; b) + (c + m; d + n)
= u + (v + w)
5. El elemento 0 2 R2 es el vector (0; 0)
6. Para todo u = (a; b) 2 R2 ; el elemento

u es el elemento

u = ( a; b)
7. Dado

2 R; u = (a; b) ; v = (c; d) 2 R2 ; tenmos

(u + v) =

(a + c; b + d)

(u + v) = ( (a + c) ; (b + d))
(u + v) = ( a + c; b + d)
(u + v) = ( a; b) + ( c; d)

8. Dado ;

(u + v) =

(a; b) + (c; d)

(u + v) =

u+ v

2 R; v = (c; d) 2 R2 ; tenemos
( + ) v = ( + ) (c; d)
= (( + ) c; ( + ) d)
= ( c + c; d + d)
= ( c; d) + ( c; d)
=

v+ v

9. Dado ;

2 R; v = (c; d) 2 R2 ; tenemos
(

)v = (

) (c; d)

= ((

) c; (

) d)

= ( ( c) ; ( d))
=

( c; d)

( (c; d)) =

( v)

10. El elemento 1 es el uno habitual.

Subespacios
Denicin 0.2. Un subconjunto W de un espacio vectorial V es lla,ado un subespacio
vectorial de V si W es tambien un espacio vectorial bajo la suma y multiplicacin por
un escalar denido en V
Usualmente, para probar que un subconjunto es un subespacio no es necesario
probar todos los axiomas, porque ciertas reglas satisfechas en el espacio mas grande
son automaticamente satisfechas en cada subconjunto, si la suma de vectores y multipliacin por un escalar es cerrado en el subconjunto.
Teorema 0.1. Un subconjunto no vacio W de un espacio vectorial V es un subespacio
si y solo si
u+v 2 W
u 2 W
para todo u; v 2 W y para todo

2F

Observacin 0.1. El mismo espacio vectorial W = V y el espacio vectorial W = f0g

son llamados subespacios triviales de V
Ejemplo 0.1. Sea W = f(x; y; z) 2 R3 : ax + by + cz = 0g donde a; b; c son constantes.
notar que W R3 = V y que F = R como no se dice nada respecto a las operaciones
se asume que son las usuales.
Si u = (x1 ; y1 ; z1 ) ; v = (x2 ; y2 ; z2 ) 2 W debemos probar que la suma tambien
pertenece a W; para ello como u; v 2 W entonces
ax1 + by1 + cz1 = 0
ax2 + by2 + cz2 = 0
4

sumando ambos tenemos

ax1 + by1 + cz1 + ax2 + by2 + cz2 = 0 + 0 = 0
a (x1 + x2 ) + b (y1 + y2 ) + c (z1 + z2 ) = 0
luego vemos que u + v = (x1 + x2 ; y1 + y2 ; z1 + z2 ) tambien est en W
ahora sea 2 R entonces
u = ( x1 ; y1 ; z1 )
luego
a ( x1 ) + b ( y1 ) + c ( z1 ) =

(ax1 + by1 + cz1 )

0=0

entonces u 2 W , por lo tanto W es un subespacio vectorial de R3

Ejemplo 0.2. Sea A una matriz de orden m

n, el conjunto

W = fx 2 Rn : Ax = 0g
de las soluciones del sistema homogeneo es un espacio vectorial.
Aqui debemos notar que los elementos de W estan en Rn esto es V = Rn ; el cul
es un espacio vectorial sobre F = R, como no se dice nada respecto a las operaciones
se asume que son las usuales.
sea x; y 2 W entonces
Ax = 0
Ay = 0
entonces sumando
A (x + y) = Ax + Ay = 0 + 0 = 0
luego
A (x + y) = 0
por tanto el vector suma x + y 2 W
Sea 2 R entonces
A ( x) =

(Ax) = 0 = 0

luego tenemos que

A ( x) = 0
5

por tanto el vector ( x) 2 W , por lo tanto W es un subespacio vectorial de V

Exercise 0.2. Sean W1 y W2 dos subespacios de V Probar que
1. La interseccin W1 \ W2 es un subespacio
2. La suma W1 + W2 es un subespacio, donde
W1 + W2 = fw1 + w2 : w1 2 W1 ; w2 2 W2 g

Combinacin lineal y espacio generado

Denicin 0.3 (Combinacin lineal). Sean v1 ; v2 ;
; vm vectores de un espacio vectorial V sobre el campo F . Entonces cualquier vector de la forma
1 v1

donde

2 v2

m vm

2 F se denomina combinacin lineal de v1 ; v2 ;

; vm
0
1
2
B
C
3
Ejemplo 0.3. En V = R el vector u = @ 9 A es una combinacin lineal de los
3
0
1
0
1
0
1
B
C
B
C
vectores v1 = @ 2 A ; v2 = @ 1 A ; pues
1;

2;

u = 2v1

5v2
3 5
4 2

Ejemplo 0.4. En V = M23 el vector u =

!
1 1 0
0 1
de los vectores 1 =
; v2 =
2 0 1
1 1

1
0

2
3
!

es una combinacin lineal

; pues

u = 3v1 + 2v2
Denicin 0.4 (Espacio generado). Sea S
V un subconjunto del espacio vectorial
V; el espacio generado por S es denido como el conjunto de todas las combinaciones
lineales de los vectores de S; se suele denotar como
[S] = span (S) = gen (S)
Si S = fv1 ; v2 ;

; vm g entonces

[S] = f

1 v1

2 v2

+
6

m vm

2 F; i = 1

ng

n
o
Ejemplo 0.5. Sea S
V = R3 ; donde S = v1 = (2; 1; 4)T ; v2 = (4; 1; 6)T ; entonces el espacio genertado por S viene dado por
[S] = v 2 V = R3 =v = v1 + v2 : ;

2R

Por la teora de planos deducimos que [S] es un plano, ahora un mtodo para deducir
la ecuacin cartesiana de este plano es como sigue.
Como v = (x; y; z) es un vector arbitrario entonces
0

1
x
B C
@ y A=
z
luego

1
0 1
2
4
B
C
B C
@ 1 A+ @ 1 A
4
6

1
2 4
B
C
@ 1 1 A
4 6

1
x
B C
=@ y A
z

como es un sistema que tiene solucin llevamos la matriz aumentada a su forma

escalonada
1
1
0
2 4 x
2 4
x
C
B
C
B
Aa = @ 1 1 y A ! Aa;E = @ 0 3
y + x2
A
5
2
0 0 z 3x + 3y
4 6 z
0

como el sistema debe ser consistente entonces z

5
x
3

+ 23 y = 0; luego

5x + 2y + 3z = 0
es la ecuacin del plano que pasa por el origen.
Lema 0.1. En un espacio vectorial V, el espacio generado por un subconjunto S de V
es un espacio vectorial (subespacio)
Proof. Basta probar que es un subespacio, para ello
Si S = f0g entonces [S] = f0g el cual es un espacio vectorial, ahora si S es difrenete
de f0g
sea u; v 2 [S] entonces
u =
v =

n
X
i=1
n
X
j=1

i wi

tal que wi 2 S; i = 1 : n

~j
jw

tal que w~i 2 S; i = 1 : n

7

entonces la suma de u; v viene dado por

u+v =

n
X

i wi

i=1

n
X

~j
jw

j=1

donde wi ; w~j 2 S entonces u + v es una combinacin lineal de los vectores de S y por

tanto u + v 2 [S]
ahora
!
n
X
u =
tal que wi 2 S; i = 1 : n
i wi
i=1

n
X

u =

i ) wi

i=1

tal que wi 2 S; (

i)

2 F; i = 1 : n;

por tanto u 2 [S], luego [S] es un espacio vectorial

Ejemplo 0.6. Indicar si el vector u = x x3 pertenece al espacio generado por el
conjunto S = fx2 ; 2x + x2 ; x + x3 g
como [S] es el conjunto de todas las combinaciones lineales de los vectores de S,
entonces si u 2 [S] se tiene
x3 = x 2 +

2x + x2 +

x + x3

luego
1 = 2 +
0 =

1 =
llevandolo a un sistema matricial
0

10
0 2 1
B
CB
@ 1 1 0 A@
0 0 1
entonces

0 2 1
B
Aa = @ 1 1 0
0 0 1

luego tenemos que

vector u 2 [S]

1;

= 1;

1
1
C B
C
A=@ 0 A
1

1
0
1
1 0 0
C
B
0 A ! Aa;E = @ 0 1 0
1
0 0 1
=

1
1
C
1 A
1

1; esto es un sistema consistente, por tanto el

Dependencia e independencia lineal

Sean v1 ; v2 ;
; vm vectores de un espacio vectorial V sobre el campo F y sea
escalaraes en F entonces teniamos que el vector
v=

1 v1

2v

+ vm

1;

2;

es una combinacin lineal de v1 ; v2 ;

; vm
Si todos los coecientes 1 = 2 =
= m = 0 entonces tenemos que v = 0
Ahora puede ocurrir que no siendo todos los i iguales a cero se tiene que v = 0:
Cuando esto ocurre se dice que los vectores son linealmente dependientes.
0
1
0
1
0 1
1
0
2
B
C
B
C
B C
Ejemplo 0.7. Sea v1 = @ 1 A ; v2 = @ 1 A ; v3 = @ 1 A estos vectores son
2
linealmente dependientes pues para

1
2; 2 = 3;

1
= 1 se tiene

1
0
B C
2v1 + 3v2 + v3 = @ 0 A
0
Denicin 0.5. Dado los vectores v1 ; v2 ;
; vm 2 V se dice que son linealmente
dependientes si y solo si existen escalares no todos iguales a cero talque
1 v1

2 v2

m vm

=0

(3)

Denicin 0.6. Los vectores v1 ; v2 ;

; vm 2 V se dice que son linealmente independientes si ellos no son linealmente dependientes
Observacin 0.2. v1 ; v2 ;
; vm son linealmente independientes si la ecuacin (3) se
cumple unicamente para 1 = 2 =
= m=0
0 1
0 1
0 1
1
1
1
B C
B C
B C
B 1 C
B 1 C
B 0 C
C
B C
B C
Ejemplo 0.8. Los vectores v1 = B
B 1 C ; v2 = B 0 C ; v3 = B 0 C son linealmente
@ A
@ A
@ A
0
0
0
independientes, puesto que al plantear la ecuacin
1 v1

2 v2

3 v3

=0

nos lleva a la ecuacin

0
B
B
B
B
@

1
1
1
0

1
1
0
0

1
0
0
0

C
CB
C@
C
A

1
2
3

B
C B
A=B
B
@

0
0
0
0

1
C
C
C
C
A

entonces formando la matriz aumentada

0

B
B
Aa = B
B
@

1
1
1
0

1
1
0
0

1
0
0
0

0
0
0
0

C
B
C
B
C ! Aa;E = B
C
B
A
@

1
0
0
0

0
1
0
0

0
0
1
0

0
0
0
0

1
C
C
C
C
A

entonces nos lleva al sistema

1

= 0

= 0

= 0

como nica solucin, por tanto los vectores son linealmente independientes

Bases y dimensin
Denicin 0.7 (Dimensin). El nmero mas grande de vectores linealmente independientes en un espacio vectorial V es llamado la dimensin de V y se denota dim V:
Observacin 0.3. Si este es un nmero nito n, denimos dim V = n y diremos que
V es un espacio de dimensin nita.
Observacin 0.4. Si existen conjuntos arbitrariamente grande de vectores linealmente
independientes en V , diremos que la dim V es innito y que V es de dimensin innita

10

Ejemplo 0.9. En V = R3 los siguientes conjuntos son linealmente independientes

S1

S2

S3

80
19
>
>
1
=
<
B
C
=
@ 1 A
>
>
;
:
2
80
1 0
>
1
<
B
C B
=
@ 1 A;@
>
:
2
80
1 0
>
1
<
B
C B
=
@ 1 A;@
>
:
2

19
1 >
=
C
1 A
>
;
0
1 0 19
1
2 >
=
C B C
1 A;@ 0 A
>
;
0
0

lo que se probara mas adelante es que en V = R3 el conjunto mas grande de vectores

linealmente independientes tiene 3 vectores, esto es la dim V = 3
Ejemplo 0.10. Un ejemplo de un espacio de dimensin innita es V = P [X] el
conjunto de los polinomios de cualquier grado. Pues si suponemos que tiene dimensin
nita igual a n; entonces
S = fv1 ; v2 ;
; vn g
y sea k el mayor grado de los polinomios que forman el conjunto S, luego como V =
P [X] entonces el polinomio v = xk+1 2 V , ahora probaremos que el conjunto
S~ = fv1 ; v2 ;

; vn :vg

es linealmente independiente, sea

1 v1

n vn

n+1 v

=0

(4)

como S es el mas conjunto mas grande de vectores linealmente independiente entonces

v es combinacion lineal de v1 ; v2 ;
; vn esto es
v=

1 v1

n vn

pero v tiene grado mayor que cualquier vector de S por tanto no puede ser combinacin
lineal de ellos, esto es, son linealmente independientes, por tanto el conjunto
S~ = fv1 ; v2 ;

; vn :vg

es linealmente independiente.
Denicin 0.8. Sea S un conjunto de vectores incluido en el espacio vectorial V , S
11

es una base de V si y solo si

1. Los vectores en S son linealmente independientes
2. El conjunto generado por S es V , esto es, [S] = span (S) = V
Ejemplo 0.11. La base mas simple de R2 es la base cannica
S=

1
0

0
1

!)

dado que
1. (a)

1
0

0
1

son linealmente independientes. (vericar)

(b) span (S) = R2 , esta parte

! se puede probar considerando
! que!un vector
x
1
0
arbitrario tal como
es combinacin neal de
;
entonces
y
0
1
x
y

1
0

0
1

llevando a su forma matricial

1 0
0 1

x
y

vemos que esta e su forma escalonada y esun sistema consistente,span (S) =

R2 ; adems se puede concluir que el sistema tiene solucin nica = x; =
y
Observacin 0.5. La base de un espacio vectorial no es nica, del ejemplo anterior
tenemos que el conjunto
(
!
!)
1
1
S1 =
;
1
2
es tambin una base de R2 ; dado que
!
!
1
1
1. (a)
;
son linealmente independientes (vericar)
1
2

12

(b) span (S1 ) = R2 , esta !

parte se puede probar considerando
vector arbi! que un !
x
1
1
trario tal como
es combinacin lineal de
;
entonces
y
1
2
!

x
y

1
1

1
2

x
y

llevando a su forma matricial

1
1

1
2

formando su matriz aumentada y llavandola a su forma escalonada reducida

1
1

Aa =

1 x
2 y

1 0
0 1

! Aa;E =

2
x
3
1
y
3

+ 13 y
1
x
3

notamos que el sistema es consistente, por lo tanto span (S1 ) = R2 , adem{as

podemos concluir que el sistema tiene solucin nica y viene dado por
2
1
x+ y
3
3
1
1
=
y
x
3
3

(5)

(6)

Habr notado que en los dos ejemplos anteriores la solucin resulta siendo nica,
esto viene caracterizado por el siguiente teorema
Teorema 0.3. Sea S = fv1 ; v2 ;
; vn g una base de un espacio vectorial V; entonces
cada vector v que pertenece a V , es expresado de manera nica como combinacin
lineal de los vectores de S. Esto es existen escalares nicos 1 ; 2 ;
; n ; tal que
v=

1 v1

2 v2

n vn

Ejemplo 0.12. En el ejemplo anterior S1 es una base de R2 y el vector

!
!
1
1
expresa de manera nica como combinacin lineal de
;
1
2
3
5

1
1

13

1
2

3
5

se

vienen determinados por las ecuaciones (5) y (6), esto es

2
(3) +
3
1
(5)
=
3
=

1
(5) =
3
1
(3) =
3

11
3
2
3

Tambin habra notado que tanto la base S como la base S1 del espacio vectorial
R tienen el mismo nmero de vectores, esto se caracteriza en el siguiente teorema
2

Teorema 0.4. Si una base de un espacio vectorial tiene n vectores, entonces cualquier
otra base tambin tiene n vectores.
A continuacin mostramos un conjunto S que genera el espacio vectorial R2 ; pero
no es una base
(
!
!
!)
1
1
2
S=
;
;
0
1
1
!
x
para determinar que genera R2 es suciente probar que todo vector v =
en el
y
espacio vectorial, se puede expresar como combinacin lineal de los vectores de S
x
y

1
0

1
1

2
1

formando el sistema matricial

1 1
0 1

2
1

0
B
@

1
2
3

C
A=

x
y

formando su matriz aumentada y llevandolo a su forma escalonada

Aa =

1 1
0 1

2 x
1 y

! Aa;E =

1 0
0 1

3 x y
1
y

como vemos tenemos un sistema consistente, lo que indica que el conjunto S genera el
espacio vectorial V; sin embargo S no es una base, pues los vectores que la forman no
son linealmente indepedientes.
ahora este sistema tiene una variable libre, 3 = t luego 2 = y t; 1 = x y + 3t;
por tanto
0
B
@

1
2
3

C B
A=@

1
1 0
1
0
y + 3t
x y
3
C B
C
B
C
y t
A = @ y A + t@ 1 A;
t
0
1
14

t2R

como t toma innitos valores, entonces !

un vector en V puede ser expresado
! de innitas
!
!
2
1
1
2
formas, por ejemplo; el vector v =
puede ser expresado como
;
;
5
0
1
1
2
5
2
5

=
= 3

3
1
0

!
1
+5
0
!
+3

1
1

!
1
+0
1
!
+2

!
2
para t = 0
1
!
2
para t = 2
1

Coordenadas
Una de las caracteristicas tiles de una base B en un espacio vectorial V es que esencialmente habilita 0
a introducir
coordenadas en V , analogo a las coordenadas naturales
1
x1
B
C
B x2 C
n
n
C
xi del vector v = B
B .. C en R o C : Esto es, las coordenadas del vector v en una
.
@
A
xn
base B vendran ser los escalares que sirven para expresar el vector v como combinacin
lineal de los vectores de la base B:
(
!
!)
1
0
Ejemplo 0.13. Sea V = R2 si consideramos la base B = e1 =
; e2 =
0
1
2
comunmente conocida
! com la base canonica de R ;!en esta base las coordenadas del
1
1
vector v =
coinciden con el vector
; y se suele denotar [v]B ; como
8
8
v = 1e1 + 8e2 entonces
!
1
[v]B =
8
(
!
!)
1
1
ahora si consideramos otra base digamos B1 =
;
; entonces el vector
1
2
v se expresa como
!
!
!
1
1
1
v=2
+3
=
1
2
8
!
2
por tanto las coordenadas del vector v en la base B1 es
; esto es
3
[v]B1 =

2
3

Ejemplo 0.14. Consideremos otro tipo de espacios vectoriales como el de los poli15

nomios, a decir P2 (X) sobre los reales, ahora sea B = fv1 = 1; v2 = x; v3 = x2 g una
base de P2 (X) ; esta base es conocida como la base cannica, luego el vector v =
3x2 + 5x + 9 es una combinacin lineal de v1 ; v2 ; v3 ; esto es
v = 9v1 + 5v2

3v3

por tanto las coordenadas del vector v en la base B es

0

1
9
B
C
[v]B = @ 5 A
3
Si consideramos otra base para este espacio vectorial digamos B1 = f1; 2 + x; 1 + x2 g
entonces el vector v = 3x2 + 5x + 9 se puede expresar como combinacin lineal de los
vectores de B1
v = 2 (1) + 5 (2 + x) 3 1 + x2
por lo que sus coordenadas en la base B1 es

[v]B1

1
2
B
C
=@ 5 A
3

Suma e Interseccin de Subespacios

Sean U y W dos subespacios de V , la interseccin de estos subespacios se dene como
U \ W = fv 2 V tal que v 2 U y v 2 W g
y la suma de estos subespacios se dene como
U + W = fu + w tal que u 2 U y w 2 W g
Teorema 0.5. Sean U y W dos subespacios de V; entonces U \ W y U + W son
subespacios vectoriales de V
Proof. Primero vamos a probar que U \ W es un subespacio
para ello basta probar los dos primeros axiomas,
sea v1 ; v2 dos vectores en U \ W entonces v1 ; v2 2 U y v1 ; v2 2 W
como U y W son subespacios entonces v1 + v2 2 U y v1 + v2 2 W
luego v1 + v2 2 U \ W;
tambien v1 2 U y v1 2 W para todo escalar , pues U y W son subespacios
16

luego v1 2 U \ W , esto prueba que U \ W es un subespacio

Ahora probaremos que U + W es un subespacio de V
sean v1 ; v2 dos vectores en U + W entonces se tiene que
v1 = u1 + w1

donde u1 2 U y w1 2 W

v2 = u2 + w2

donde u2 2 U y w2 2 W

entonces
v1 + v2 = (u1 + w1 ) + (u2 + w2 )
v1 + v2 = (u1 + u2 ) + (w1 + w2 )
como (u1 + u2 ) 2 U y (w1 + w2 ) 2 W entonces v1 + v2 2 U + W
tambin u1 2 U y w1 2 W entonces
u1 + w1 2 U + W
pero
v1 = u1 + w 1
por tanto v1 2 U + W:
Teorema 0.6. Si U y W son subespacios de dimensin nita del espacio vectorial V
entonces U + W es de dimensin nita y
dim U + dim W = dim (U + W ) + dim (U \ W )
Ejemplo 0.15. Sean U y W dos subespacios de V = R5 denidos por
80
1 0
1 0
>
1
1
>
>
>
B
C B
C B
>
>
3 C B 4 C B
<B
B
C B
C B
B
U = span B
;B
2 C
3 C
B
C
B
C;B
>
>
B
C B
C B
>
>
@ 2 A @ 4 A @
>
>
:
3
2
80 1 0
1 0
>
1
1
2
>
>
>
B C B
C B
>
>
3 C B 5 C B 5
<B
B C B
C B
C;B 6 C;B 3
V = span B
0
B C B
C B
>
>
B C B
C B
>
2
6
>
@
A
@
A @ 2
>
>
:
1
3
1

19
>
2
>
C>
>
>
3 C>
C=
C
1 C
C>
>
2 A>
>
>
>
;
9
19
>
>
C>
>
C>
>
C=
C
C>
C>
>
A>
>
>
;

hallaremos una base y la dimensin para U \ W y U + W:

17

Como U + W = fu + w tal que u 2 U y w 2 W g entonces

80
1 0
>
1
1
>
>
>
B
C B
>
>
3 C B 4
<B
B
C B
B
U + V = span B
2 C
B
C;B 3
>
>
B
C
B
>
>
@ 2 A @ 4
>
>
:
3
2

1 0
C B
C B
C B
C;B
C B
C B
A @

2
3
1
2
9

1 0
C B
C B
C B
C;B
C B
C B
A @

1
3
0
2
1

1 0
C B
C B
C B
C;B
C B
C B
A @

1
5
6
6
3

1 0
C B
C B
C B
C;B
C B
C B
A @

Formamos una matriz cuyas las son los vectores que generan U + V
0

1
1
2
1
1
2

3
4
3
3
5
5

llevandolo a la forma escalonada

0
1 3
2 2
B
B 1 4
3 4
B
B 2 3
1
2
B
B
B 1 3 0
2
B
B 1 5
6 6
@
2 5 3
2

3
2
9
1
3
1

B
B
B
B
B
B
B
B
B
@

2
3
1
0
6
3

2
4
2
2
6
2

C
B
C
B
C
B
C
B
C
B
!
C
B
C
B
C
B
C
B
A
@

1
0
0
0
0
0

3
2
9
1
3
1

2
5
3
2
1

19
>
>
>
C>
>
C>
C=
C
C>
C>
>
A>
>
>
;

1
C
C
C
C
C
C
C
C
C
A

3
1
0
0
0
0

2
1
2
0
0
0

2
2
0
0
0
0

3
1
2
0
0
0

1
C
C
C
C
C
C
C
C
C
A

tenemos que una base para U + V es

80
1 0
>
1
0
>
>
>
B
C B
>
>
3 C B 1
<B
B
C B
C;B 1
B= B
2
B
C B
>
>B
C B
>
2
>
@
A @ 2
>
>
:
3
1

1 0
C B
C B
C B
C;B
C B
C B
A @

0
0
2
0
2

19
>
>
C>
>
C>
>
C=
C
C>
C>
>
A>
>
>
;

por tanto dim (U + V ) = 3

Ahora para hallar la base de U \ W; primero hallaremos los sistemas homogneos
cuyas soluciones son los subespacios U y W entonces formamos la matriz cuyas las

18

son los vectores que generan U

0
B
B
B
B
@

1
1
2
x

3
4
3
y

1 3
B
B 0 1
B
B 0 0
@
0 0

2
3
1
z

2
4
2
s

3
2
9
t

1
C
C
C
C
A

2
1
x + y + z 4x
0

f2 f1
!
f3 2f1
f4 xf1

0
B
B
B
B
@

2
2
2y + s
0

1
3
2
2
3
0
1
1
2
1
0
3
3
6
3
0 y 3x z + 2x s 2x t 3x
1
3
C
C
1
C
6x + y + t C
A
0

1
C
C
C
C
A

entonces el sistema homogneo de donde proviene U viene dado por

x+y+z = 0
4x

2y + s = 0

6x + y + t = 0
ahora hallamos el sistema homogneo de donde proviene W; siguiendo el procedimiento
anterior tenemos el sistema (vericar)
9x + 3y + z = 0
4x
2x

2y + s = 0
y+t = 0

Ahora unimos ambos sistemas y resolvemos el sistema homogneo cuyo solucin es

U \W

x+y+z = 0
4x

2y + s = 0

6x + y + t = 0
9x + 3y + z = 0
4x
2x

2y + s = 0
y+t = 0

19

formamos el sistema matricial

0
1
B
B 4
B
B 6
B
B
B 9
B
B 4
@
2

1
2
1
3
2
1

1
0
0
1
0
0

0
1
0
0
1
0

llevamos a su forma escalonada

0
1 1 1
B
B 4
2 0
B
B 6 1 0
B
B
B 9 3 1
B
B 4
2 0
@
2
1 0

0
1
0
0
1
0

0
0
1
0
0
1

0
0
1
0
0
1

C
CB
CB
CB
CB
CB
CB
C@
C
A

C
B
C
B
C
B
C
B
C
B
C!B
C
B
C
B
C
B
A
@

x
y
z
s
t

B
C B
C B
C B
C=B
C B
C B
A B
B
@

1
0
0
0
0
0

0
1
0
0
0
0

0
0
1
0
0
0

0
0
0
1
0
0

0
0
0
0
0
0

1
C
C
C
C
C
C
C
C
C
A
1
2

C
2 C
C
3 C
2 C
C
2 C
C
0 C
A
0

el sistema tiene una variable libre, por lo tanto dim (U \ W ) = 1; para hallar el vector
de su base, basta con dar un valor a su variable libre t; entonces una solucin viene
dado por
t = 2; s = 4; z = 3; y = 4; x = 1

Cambio de Base
Consideremos el espacio vectorial mas simple como R2 ; Si B es la base canonica, esto
es
(
!
!)
1
0
B=
;
0
1
!
1
entonces las coordenadas de v =
esta dado por
8
1
8

[v]B =
y cuando la base es
B1 =

1
1

20

1
2

!)

entonces las coordenadas de v en esta base viene dada por

!

2
3

[v]B1 =

Mostramos a continuacin la existencia de una matriz que la denotamos M que viene

dado por
!
1
1
M=
1 2
tal que cumple que
[v]B = M [v]B1
basta comprobar que
[v]B =

1
1

1
2

2
3

1
8

la matriz M es llamada la matriz de transicin de la base B1 a la base B; ahora tambin

existe la matriz de transicin de la base B a la base B1 dada por
2
3

P =

1
3

1
3
1
3

aqui se cumple que

[v]B1 = P [v]B
basta comprobar que
[v]B1 =

2
3
1
3

1
3
1
3

1
8

2
3

Adems esta matriz es nica salvo el orden de los vectores que forman la base.
Observacin 0.6. notar que P es la inversa de la matriz M
A continuacin denimos la matriz de transicin de la base B1 a la base B2
Denicin 0.9. Sean B1 = fu1 ; u2 ;
; un g ; B2 = fv1 ; v2 ;
; vn g dos bases de un
espacio vectorial V se dene la matriz A como la matriz de transicin de la base B1 a
la base B2 como
A = [u1 ]B2 ; [u2 ]B2 ;
; [un ]B2
donde [ui ]B2 son las coordenadas del vector ui en la base B2 para i = 1 : n

21

Ejemplo 0.16. Sea el espacio vectorial V = P2 (X), consideremos dos bases de ella
tales como
B1 = u1 = 1; u2 = 1 + x; u3 = 1

x2

y B2 = v1 = 1

x; v2 = 1 + x; v3 = 1 + x2

Hallaremos la matriz de transicin de la base B1 a la base B2

Hallemos las coordenadas de los vectores de la base B1 en la base B2 : para u1 = 1
1 = a (1

x) + b (1 + x) + c 1 + x2

luego tenemos
1 = (a + b + c) + ( a + b) x + (c) x2
entonces tenemos
1 = a+b+c
0 =

a+b

0 = c
resolviendo
c = 0;

1
b= ;
2

entonces

ahora para el vector u2 = 1 + x

B
[1]B2 = @

a=
1
2
1
2

1
2

1
C
A

1 + x = (a + b + c) + ( a + b) x + (c) x2
luego
1 = a+b+c
1 =

a+b

0 = c
resolviendo
c = 0;

b = 1;

22

a=0

entonces
[1 + x]B2
Seguimos con el vector u3 = 1
1

x2

1
0
B C
=@ 1 A
0

x2 = (a + b + c) + ( a + b) x + (c) x2

luego
a+b+c = 1
a+b = 0
c =

resolviendo
c=

1;

b = 1;

x2

entonces
1

B2

a=1

1
1
B
C
=@ 1 A
1

por tanto la matriz de transicin de la base B1 a la base B2 es

0

1
2
1
2

0
B
A=@
1
0 0

1
1
C
1 A
1

por tanto tenemos que

[v]B2 = A [v]B1

(7)

Ahora esta ecuacin nos sirve para hallar las coordenadas de un vector v en la base B2
conociunedo la matriz de transicin A y las coordenadas de v en la base B1 :
Ejemplo 0.17. Usando las bases y la matriz de transicin halladas
hallar
0previamente,
1
1
B
C
las coordenadas del vector v en la base B2 si se sabe que [v]B1 = @ 1 A
2

23

usando la ecuacin (7) tenemos que

0

10
1
0 1
1
B
CB
C
= @
1 1 A@ 1 A
0 0
1
2
0 5 1

[v]B2

B
[v]B2 = @

1
2
1
2

2
3
2

C
A

ahora solo vericaremos que es cierto, para ello, como

[v]B1

1
1
B
C
= @ 1 A entonces
2

v = 1 (1)

1 (1 + x) + 2 1

x2 =

2x2

x+2

tambin como
0

B
[v]B2 = @
v =

5
(1
2

5
2
3
2

C
A entonces

x) +

3
(1 + x)
2

24

2 1 + x2 =

2x2

x+2