Está en la página 1de 11

ECUACIONES DIFERENCIALES

Y LGEBRA LINEAL
CAPTULO 2
ESPACIOS VECTORIALES REALES
1.1 Definicin Decimos que conjunto no vaco V , con operaciones : V V V y
: R V V , es espacio vectorial sobre R (o espacio vectorial real) si y slo si
1) x y y x , x, y V .
2) x y z x y z , x, y, z V .
3) existe un elemento en V , denotado por 0 , tal que x 0 x , para todo x V .
4) dado x V existe un elemento en V , denotado por x (que depende
exclusivamente de x ), tal que x x 0 .
5) 1 x x , x V .
6) x x , , R , x V .
7) x y x y , R , x, y V .
8) x x x , , R , x V .
1.2 Nota
1) En general, hablamos de espacio vectorial sobre un campo, finito o infinito, que
no es necesariamente aqul de nmeros reales. En este texto hablamos solamente
de espacios vectoriales sobre campo R de nmeros reales.
2) Elementos de un espacio vectorial sobre R (o sobre cualquier campo otro) son
llamados vectores; elementos de R (o, en general, de campo subyacente) suelen
ser llamados escalares.
3) Operaciones y
son cerradas, en sentido que sendas imgenes genricas
x y y x estn en V (no escapan desde V ). Un ejemplo de operacin
no cerrada es multiplicacin de nmeros negativos : R - R - R .
4) Smbolo
suele ser suprimido para indicar multiplicacin de escalares por
vectores; o sea: salvo ambigedades, x denota en adelante multiplicaciones
tales.
5) Es demostrable existencia de nico elemento de V que cumple propiedad (3);
es por ello que 0 es llamado el elemento neutro de espacio vectorial V . Un
espacio vectorial es llamado trivial si su elemento neutro es nico elemento
suyo.
6) Smbolo 0 denota indistintamente escalar nulo y vector nulo. En general hay
aqu (en este texto) un cmulo de abusos notativos; es de esperar que contextos
cancelen ambigedades.
7) Es frecuente que hablemos de operacin sustraccin, denotada por
, en un
espacio vectorial; es definida as:

x y x y

8) Es tambin demostrable, que dado x V , existe nico elemento de V que


cumpla propiedad (4); es por ello que x es llamado el elemento inverso
(aditivo) de x .
1.3 Ejemplos de espacios vectoriales reales

1) R es espacio vectorial sobre s. Ello porque todos axiomas de espacio vectorial


son axiomas de nmeros reales (en trminos ms generales, son axiomas de
campo); de hecho operaciones y
son, en este caso, usuales operaciones de
adicin y multiplicacin de nmeros reales.
2) R n es espacio vectorial sobre R con operaciones
x y x1 ,K , xn y1 ,K , yn x1 y1 ,K , xn yn , x, y R n

x x1 ,K , xn x1 ,K , xn , R, x R n

0,K , 0 cuyas coordenadas,


, xn es x1 ,K , xn .

Elemento neutro es n -upla

todas, son nulas;

elemento inverso de x1 ,K
3) R mn , conjunto de todas matrices reales de orden m n , es espacio vectorial
sobre R con operaciones
bij a ij bij
A B a i j
, A, B R mn
mn

m n

m n

A a i j

mn

a ij

mn

, R, A R mn

i
i
Elemento neutro es matriz 0 mn ; elemento inverso de a j mn es a j mn .
4) Sean X un conjunto no vaco y V un espacio vectorial sobre R ; denotemos
F X , V a conjunto de todas funciones desde X hacia V . O sea:

F X , V f : X V f es funcin

F X , V es espacio vectorial sobre sobre R con operaciones

f g x f x g x , x X , f , g F X ,V

f x f x , x X , R, f F X ,V

Elemento neutro es funcin 0 : x a 0, x X ; elemento inverso de funcin f es


funcin f : x a f x , x X .
1.4 Teorema (propiedades bsicas de espacios vectoriales) Sea V un espacio vectorial
(subentendido sobre R , aqu y en adelante). Luego:
1) elemento neutro de V es nico.
2) x z y z x y .
3) elementos inversos en V son nicos.
4) 0 x 0 , x V
5) x 1 x, x V .
6) 0 0, R .
7) x 0 0 x 0 .
Demostracin
1) Supongamos que z V sea otro elemento neutro; luego z z 0 0 , lo que es
contradictorio.
x z y z x z z y z z
2)
x z z y z z x 0 y 0 x y

3) Dado x V , supongamos que y V sea otro inverso aditivo de x ; luego


x x 0 x y , lo que implica, segn (2), contradiccin x y .
4) 0 x 0 0 x 0 x 0 x 0 0 x 0 x 0 x 0 0 x .

5) Como x 1 x 1x 1 x 1 1 x 0 x 0 , entonces 1 x es inverso


aditivo de x ; luego, por unicidad de inversos aditivos, 1 x x es forzoso.

6) 0 0 0 0 0 0 0 0 0 0 0 .
7) Supongamos x 0 ; debemos demostrar que 0 . Si fuese 0 , entonces
1
1
1
sera x 1x x x 0 0 , lo que es contradictorio.
1.5 Definicin Decimos que S , subconjunto no vaco de espacio vectorial V , es
subespacio vectorial de V si y slo si S , con operaciones SS y R S , es espacio
vectorial.
1.6 Nota SS y R S son respectivamente restricciones, hasta S , de operaciones
adicin y multiplicacin en V .
1.7 Nota Dado cualquier espacio vectorial V , subconjuntos 0 y V de V son
subespacios vectoriales de V . Son subespacios triviales de V ; no hay otros
subespacios tales.
1.8 Teorema (caracterizacin de subespacios vectoriales) S , subconjunto no vaco de
espacio vectorial V , es subespacio de V si y slo si SS y R S son operaciones
cerradas; o sea: si y slo si
1) x, y S x y S .
2) R x S x S .
Demostracin
Es trivial.

Operaciones SS y R S son cerradas. Axiomas (1), (2) y (5) hasta (8) son
obviamente cumplidos. Hace solamente falta verificar que axiomas (3) y (4) tambin
son cumplidos. De hecho: 0 est en S , pues no vacuidad de S implica que existe
x S , y, segn (2), 0 x 0 S . De otro lado, dado cualquier x S , tenemos, tambin
segn (2), que 1 x x S .
1.9 Nota Hay veces en que exigencia 0 S es aadida en teorema 1.8 (en tal caso hay
tres exigencias en total); esta aadidura es forzosa cuando no ha sido previamente dicho
que S es no vaco. Pero en caso que sepamos a priori que S es no vaco no hace falta
aadirla, pues es consecuencia de exigencia segunda (tomando 0 )
1.10 Ejemplos de subespacios vectoriales
1) 0 y R son subespacios de espacio vectorial R , y no hay otros; o sea: no hay
subespacios no triviales de R . Demostrmoslo. De hecho: Sea S subespacio de
R tal que S 0 ; demostremos que S R es forzoso. Como S 0 ,
entonces existe x S que no es el elemento neutro; luego, porque S es
3

subespacio, x R , para todo R . Pero esto nos dice que todos nmeros
reales estn en S ; o sea: S R .
2) Sea A R mn ; denotemos CS a conjunto solucin de sistema lineal Ax 0 (de
m ecuaciones y n variables). Est claro que CS , pues 0 CS . Como
a) x, y CS Ax 0 Ay 0 A x y Ax Ay 0 0 0 x y C

b) R x CS A x Ax 0 0 x CS
entonces CS es subespacio de R n . Es conjunto solucin de sistema lineal no
homogneo Ax b (o sea: b 0 ) subespacio de R n ?
3) Denotemos Poli R a conjunto de todas funciones polinmicas desde R hacia
R cuyos coeficientes son nmeros reales; o sea: elemento genrico de Poli R
es
f : x a c0 c1 x L cn x n
donde todos ck R y n es nmero natural (salvo que funcin polinmica sea
constante).
Est claro que Poli R es subconjunto de F R, R (ver 1.3, ejemplo cuarto);
demostremos que tambin es subespacio. Tenemos que:
a) adicin de dos polinomios, uno de grado m y otro de grado n , es polinomio
nulo (polinomio sin grado) o polinomio de grado menor o igual que
mx m, n .
b) multiplicacin de un nmero real por un polinomio es polinomio nulo
(cuando nmero es 0) o polinomio de mismo grado (en cualqiuer caso, otro).
Concluimos pues que Poli R es subespacio de F R, R .

Denotemos Poli n R a subconjunto de Poli R , aqul formado por funcin


nula y por funciones polinmicas de grado menor o igual que n . Es fcilmente
demostrable que Poli n R es subespacio de Poli R , y consecuentemente
tambin de F R, R .
Conjunto de todas funciones polinmicas de grado n , es l espacio vectorial?

1.11 Teorema Sean S y T subespacios de espacio vectorial V . Luego:


1) S T es subespacio de V .
2) S T x y x S y T es subespacio de V .
Demostracin
1) Si x, y S T , entonces x, y S y x, y T . Como S y T son subespacios
de V , entonces x y S y x y T ; luego x y S T . De otro lado: si
x S T , entonces x S y x T . Como S y T son subespacios de V ;
entonces, para todo R , tenemos que x S y x T . Luego x S T .
2) Si u , v S T , entonces existen xu , xv S e yu , yv T tales que u xu yu y
v xv yv ; luego u v xu yu xv yv xu xv yu yv . Como S y

T son subespacios de V , entonces xu xv S e yu yv T ; luego


u v S T . De otro lado: si u S T , entonces existen x S e y T tales
que u x y . Como S y T son subespacios de V ; entonces, para todo

R , tenemos que x S y y T . Luego u x y x y S T


.
1.12 Otros ejemplos de subespacios vectoriales
1) Es fcilmente verificable que
S1 a, 0, b a, b R
y

S 2 a , b, 2 a b a , b R

son subespacios de R 3 . A la luz de teorema 1.11, S1 S 2 tambin es subespacio


de R 3 . Calculemos elemento genrico de esta interseccin: Si x S1 S2 ,
entonces segunda coordenada de x tiene que ser nula, pues x S1 . Luego,
porque tambin x S 2 , tercera coordenada de x tiene que ser dos veces primera
coordenada de x (pues segunda coordenada es nula). Como no hay otras
exigencias sobre coordenadas de x , entonces concluimos que
S1 S2 a, 0, 2a a R
En trminos geomtricos, qu son estos subespacios de R 3 ? S1 y S 2 son
planos que pasan por el origen; de hecho sendas ecuaciones son respectivamente
x2 0 y 2 x1 x2 x3 0 . O sea:
S1 : x2 0
y
S 2 : 2 x1 x2 x3 0
Qu objeto geomtrico es interseccin de dos planos? Es una recta; una recta
que pasa por el origen en este caso (pues el origen est en ambos planos). Como
S1 S2 a 1, 0, 2 a R , entonces S1 S2 es la recta, en R 3 , que pasa por el

origen segn direccin 1, 0, 2 .


2) Es fcilmente verificable que
S1 a, 0, b, 0, 0 a, b R
y

S 2 a , b, 2 a b , a , c a , b , c R

son subespacios de R 5 . A la luz de teorema 1.9, S1 S 2 tambin es subespacio


de R 5 . Cul es su elemento genrico? Es a, b, c, a, d , donde a , b , c y d
son nmeros reales cualesquiera (demostrarlo); o sea:
S1 S 2 a, b, c, a, d a, b, c, d R

Como ejemplo, verifiquemos que z 1,1, 2, 1,5 est en S1 S 2 . De hecho:


tomando x 0, 0, 1, 0, 0 S1 e y 1,1,3, 1,5 S 2 , tenemos que z x y .
Es sta nica presentacin de z cmo suma de un elemento de S1 y un
elemento de S2 ? Un teorema de lgebra Lineal nos dice que respuesta es s si y
slo si S1 S 2 0 . Calculemos pues esta interseccin: Si x S1 S2 ,
entonces coordenadas segunda, cuarta y quinta de x tienen que ser nula, pues
x S1 . Luego, porque tambin x S 2 , tercera coordenada de x tiene que ser
5

dos veces primera coordenada de x . Como no hay otras exigencias sobre


coordenadas de x , entonces concluimos que
S1 S 2 a, 0, 2a, 0, 0 a R

Como S1 S 2 0 , entonces respuesta es no. Queda como ejercicio mostrar otra


presentacin tal de z .
3) Consideremos espacio vectorial R nn . Recordemos que una matriz cuadrada,
digamos A , es simtrica, segn definicin, si AT A (o sea: si es igual a su
transpuesta); es antisimtrica (tambin segn definicin) si AT A .
Denotemos S n a conjunto de todas matrices simtricas de orden n n , y
A n a conjunto de todas matrices antisimtricas de orden n n . Demostremos

que primero es subespacio de R nn . De hecho: Si A, B S n , entonces

A B AT BT A B A B S n . De otro lado: si R
T
A S n , entonces A AT A A S n .
Es anlogamente demostrable que A n tambin es subespacio de R nn .
T

Dada cualquier matriz A R nn , tenemos que

1
A AT es matriz simtrica y

1
A AT es matriz antisimtrica (verificar ambos enunciados). Luego
2
cualquier matriz A R nn puede ser presentada como suma de una matriz
1
1
T
T
simtrica y una antisimtrica, pues A A A A A . Es sta nica
2
2
presentacin tal de A ? Como S n A n 0 , entonces respuesta es s.
que

1.13 Definicin Sea A x1 , , x m subconjunto de espacio vectorial V . Decimos que


x V es combinacin lineal de elementos de A si y slo si existen escalares
1 , , m (no necesariamente no nulos) tales que x 1 x1 m x m . Conjunto de
todas combinaciones lineales de elementos de A es llamado generado por A , y es
denotado por Gen A .
1.14 Ejemplos de subespacios generados
1) Sea A 1,1, 0 , 0,1,1 ; cul es subconjunto de R 3 , aqul generado por A ?
Tenemos que
Gen A 1,1, 0 0,1,1 , R , , , R
Pongamos
x1

x2
x
3

luego x1 , x2 , x3 Gen A x2 x1 x3 . Podemos pues decir que Gen A es


descrito por ecuacin x1 x2 x3 0 ; o sea: Gen A es plano que pasa por el

origen cuyo vector normal es 1, 1,1 (en verdad ste es uno de una infinidad de
vectores paralelos). A la luz de primero de ejemplos de 1.12, sabemos que planos
6

que pasan por el origen son subespacios de R 3 ; luego Gen A es subespacio de


R3 .
Sea A 1,1, 0 , 0,1,1 , 1, 0, 1 , superconjunto propio de A . Calculemos
Gen A . Es razonable pensar que A A implique Gen A Gen A ; pero
no es as. Lo cierto es A A Gen A Gen A ; precisamente caso en
estudio es ejemplo de ello. De hecho:
Gen A 1,1, 0 0,1,1 1, 0, 1 , , R
, , , , R

x1 , x2 , x3 Gen A x2 x1 x3 ; o sea: A genera mismo


plano que A . Pero A 1,1, 0 , 0,1,1 , 1, 0,1 , tambin superconjunto propio
3
de A , genera un superconjunto propio de Gen A ; de hecho Gen A R .
Tambin aqu

Qu es lo que hace la diferencia? Observemos que vector aadido en A es


combinacin lineal de elementos de A ; pero vector aadido en A no lo es. Es
ello lo que hace la diferencia?
2) Retomemos espacio vectorial Poli R , visto en tercero de ejemplos en 1.8. Este
n
espacio vectorial es generado por A 1, I n , pues elemento genrico de

Poli R es f c01 c1 I L cn I n , funcin polinmica de grado n .

1.15 Teorema Sea A x1 , , x m subconjunto de espacio vectorial V . Luego


Gen A es subespacio de V y es aqul ms pequeo en que A est incluido (o sea:
si S es subespacio de V y A S , entonces Gen A S ).
i
Demostracin Sea A x i I ; luego:

1)

x, y Gen A x 1 x1 m x m y 1 x1 m x m

x y 1 1 x1 m m x m x y Gen A

j
j
2) R x Gen A x j x j x x Gen A
m

j 1

j 1

Hemos demostrado que Gen A es subespacio de V ; demostremos ahora que es aqul


ms pequeo en que A est incluido. De hecho: Si S es subespacio de V y A S ,
entonces cualquier combinacin lineal de elementos de A , est en S . Esto nos dice
que cualquier elemento de Gen A es tambin elemento de S ; o sea: Gen A S .
1.16 Definicin Decimos que A x1 , , x m , subconjunto de espacio vectorial V , es
1) linealmente independiente, o brevemente l.i., si y slo si
1 x1 m x m 0 1 m 0
2) linealmente dependiente, o brevemente l.d., si y slo si A no es l.i.

1.17 Ejercicios sobre independencia lineal Demostrar que:


1) si A es subconjunto l.i. de espacio vectorial V , entonces cualquier
subconjunto no vaco de A tambin es subconjunto l.i. de V .
2) si A es subconjunto l.d. de espacio vectorial V , entonces cualquier
superconjunto de A tambin es subconjunto l.d. de V .
3) si A es subconjunto no vaco de espacio vectorial V y 0 A , entonces A es
l.d.
4) si A es subconjunto no vaco de espacio vectorial V , entonces A es l.d. si y
slo si (cuanto menos) uno de elementos de A es combinacin lineal de
elementos de A .
5) si A es subconjunto de R n y # A n , entonces A es l.i. si y slo si matriz
de orden n n , aqulla cuyos vectores-columna (-fila) son sendos elementos de
A , es inversible.
6) si A es subconjunto no vaco de espacio vectorial V y x V es combinacin
lineal de elementos de A , entonces Gen A Gen A x . Recprocamente:
si Gen A Gen A x , entonces x es combinacin lineal de elementos de
A.

1.18 Definicin Decimos que B , subconjunto no vaco de espacio vectorial V , es


base de V si y slo si B es l.i. y Gen B V .
1.19 Ejemplos de bases de espacios vectoriales
1) No hay bases en espacios vectoriales triviales; ello porque en tales espacios no
hay ni siquiera conjuntos l.i.
2) Hay infinidad de bases en espacio vectorial R (en general: si hay una base en
un espacio vectorial V , entonces hay infinidad de bases en V ). Cualquier
conjunto a , en que a 0 , es una base de l; aqulla llamada cannica es 1 .
Hay alguna base de R que tenga dos o ms elementos? No. De hecho:
Supongamos que a y b estn en una base de R , digamos B ; luego ninguno de
ellos es 0. Consecuentemente existe escalar tal que b a , lo que nos dice
contradictoriamente que B es l.d.
1
n
3) Base cannica de R n es ,K , , donde k es aqul vector cuya coordenada

1
n
k sima es nula y todas coordenadas otras son nulas. Conjunto b ,K , b ,
k

k
i
donde b , para cada k 1,K , n , es l base de R n ?
i 1

4) Sean v un vector no nulo de R n , y un nmero real; pongamos


H v, x R n v x . H v, es llamado hiperplano en R n cuyo
vector normal es v y su nivel es . Observemos que hiperplanos en R 2 son
rectas y que hiperplanos en R 3 son planos.
Es fcilmente demostrable que H v, es subespacio de R n si y slo si 0

(o equivalentemente, si y slo si H v, contiene a origen de R n ). En tal caso


( 0 ), ecuacin que describe hiperplano es
v1 x1 L vn xn 0
(25)

Como v 0 , entonces una de coordenadas v j no es nula; supongamos sin


prdida de generalidad vn 0 (no detrimento de generalidad quedar abajo en
evidencia). Luego denotando CS a conjunto solucin de (25), tenemos
n 1 v

CS x1 ,K , xn 1 , j x j x1 ,K , xn 1 R
j 1 vn

lo que da
CS x1b1 L xn 1b n 1 x1 ,K , xn1 R
j
j
donde b

vj
vn

n , para todo j 1,K , n 1 . O sea: CS es generado por

b ,K , b . Es este conjunto l.i.? Como


n 1

n 1
n 1
v
n 1

0 j b j j j j n j j
vn
j 1
j 1

j 1

1
n
entonces todos j son nulos, pues ,K ,

1
n 1
Concluimos que b ,K , b es base de H v, .

n 1

vj
j n
n

v
j 1

es base (cannica) de R n .

i
5) Dados i 1,K , m y j 1,K , n , sea A j matriz de orden m n , aqulla cuya

casilla i, j es 1 y todas casillas otras son nulas. Es fcilmente demostrable

i
que A j i 1,K , m j 1,K , n es base de R mn . Tengamos en cuenta que
hay mn matrices en este conjunto.
n
6) Demostremos que 1, I n es una base de Poli R . De hecho:

n
a) Tomemos cualquier subconjunto finito, no vaco de 1, I n ; aqul

genrico es I

nk

k 1,K , m , bajo supuesto que 1 I 0 . Tenemos que


m

pues I

k 1

nk

I nk 0 1 L n 0

k 1,K , m es l.i., pues es subconjunto no vaco de un conjunto

l.i.
b) Como regla de correspondencia de cualquier funcin polinmica es
f x 0 1 x L n x n , x R ; entonces f 01 1 I L n I n . O
sea: toda funcin polinmica es combinacin lineal de elementos de
1, I n n .
1.20 Representacin de un vector en una base dada Bases pueden ser conjuntos
finitos o infinitos; consideremos solamente bases finitas (o sea: bases que son conjuntos
finitos). Sea B b1 , , b m una base de espacio vectorial V ; luego: si x V ;
m

i
entonces x i b . De hecho
i 1

n -upla 1 , , m es representacin de x en base

B ; s ella nica? Con miras hacia respuesta, supongamos exista otra representacin
tal, digamos 1 , , m ; o sea: tambin

x ib i . Luego
i 1

i 1

i 1

i 1

ib i i b i i i b i 0
i i 0 , i 1, , m i i 0 , i 1, , m
lo que nos dice que 1 , , m no es otra representacin de x en base B . Tenemos
pues que concluir que:
dada una base cualquiera de V , representacin de x V en esa base es nica
Esta representacin depende exclusivamente de x , y no hay otro vector de V que
tenga misma representacin en esa base.
Como ejemplo, supongamos que representacin de x R 2 sea 2,1 en base cannica
de R 2 . Cul es representacin de x en base 1,1 , 2, 0 ? Sea a, b representacin
a calcular; tenemos que
2 1, 0 1 0,1 x a 1,1 b 2, 0
luego 2,1 a 2b, a , y desde aqu a 1 y b 1/ 2 . O sea: 1, 1/ 2 es la
representacin de

1,1 , 2, 0 . Si 1, 1/ 2 fuese
en base 1,1 , 2, 0 , entonces tendramos

x en base

representacin de z R 2

tambin la

z 1 1,1 1 / 2 2 , 0 x

1.21 Teorema Todo espacio vectorial no trivial tiene una base.


1.22 Definicin Decimos que es espacio vectorial V es
1) de dimensin infinita si y slo si existe una base de V que es conjunto infinito.
2) de dimensin finita si no es de dimensin infinita.
1.23 Teorema Si V es espacio vectorial de dimensin finita, y B y B son bases de
l; entonces

# B # B .

1.24 Definicin Decimos que espacio vectorial V , de dimensin finita, es de


dimensin n (o que es n -dimensional) si y slo si existe una B de l tal que
# B n . En tal caso escribimos dimV n .
1.25 Dimensin de algunos espacios vectoriales
1) Dimensin de cualquier espacio vectorial trivial es 0; ello porque en tales
espacios no hay conjuntos l.i.
2) Dimensin de espacio vectorial R es 1, pues su base cannica es 1 . Pero hay

infinidad de bases en R ; cualquier conjunto puntual a , donde a es nmero


real no nulo, es base de R .
3) Dimensin de espacio vectorial R n es n ; ello porque, como ejemplo, su base
1
n
cannica ,K , tiene n elementos. Tambin aqu hay infinidad de bases;
cualquier subconjunto l.i. de R n , de n elementos, es base de R n .
4) Cmo calculamos dimensiones de subespacios de R n ? Sean S un subespacio
de R n y x su elemento genrico. Nos preguntamos cuntas coordenadas de x
basta conocer para conocer cabalmente a x ? Respuesta es dimensin de S .
10

Como ejemplo, sea S r , r s, 0, s, t r , s, t R . Est claro que S es


subespacio de R 5 (si no lo est, entonces demostrarlo); cul es su dimensin?
Como su elemento genrico r , r s, 0, s, t queda cabalmente conocido cuando

conocidas sus coordenadas primera, cuarta y quinta; entonces dim S 3 .


5) Dimensin de cualquier subespacio de R n , que es hiperplano, es n 1 segn ha
sido visto en 1.19, ejemplo cuarto.
6) Dimensin de espacio vectorial R mn es mn a la luz de ejemplo quinto en 1.19.
En caso R nn , cul es dimensin de S n , subespacio de matrices simtricas?
Como una matriz simtrica queda cabalmente conocida cuando conocidas sus
i
casillas a j en que i j , entonces basta calcular cuantas casillas tales hay. En
primera fila hay n casillas tales, en segunda hay n 1 , etc.; luego hay en total
n n 1
n n 1
. Concluimos que dim S n
. Cul es
1L n
2
2
dimensin de A n , subespacio de matrices antisimtricas?
7) Dimensin de Poli n R es ciertamente n 1 , pues su base cannica es

1, I , I

,K I n . Sea S subespacio de Poli3 R , aqul formado por todas

funciones polinmicas f x que cumplen f 0 f 1 0 . Cul es dim S ?

8) Hemos tambin visto espacios de dimensin infinita, como Poli R , cuya base
cannica, como cualquier base otra de este espacio vectorial, tiene infinidad de
elementos; de hecho cualquier base de Poli R es conjunto infinito contable.
De otro lado, espacio vectorial F R,R tambin es de dimensin infinita, pues

contiene a Poli R ; pero cualquier base de l es conjunto infinito no contable


(un conjunto enorme). En general, en caso que espacio vectorial V sea de
dimensin infinita podemos escribir dimV ; pero tengamos en cuenta que
ello es impreciso, pues hay conjuntos infinitos que estn propiamente incluidos
en otros conjuntos infinitos (como ejemplo, conjunto de todos nmeros enteros y
conjunto de todos nmeros racionales son infinitos; pero primero est
propiamente incluido en segundo).

11