Nota.

- Son notaciones de subespacio generado de acuerdo a su uso más común:

 v1 , v2 ,..., vn  , L(v1, v2 ,..., vn ) , span(v1, v2 ,..., vn ) , gen v1, v2 ,..., vn , lin(v1, v2 ,..., vn ) .
Base canoníca.- También llamada base usual o base estándar, es la base cuyos elementos
en cada respectivo espacio V son los más simples posibles.
Ejemplos
1.- Si V  n , su base canónica está dada por
B  (1,0,...,0),(0,1,...,0),...,(0,0,...,1,...,0),...(0,0,...,1)  e1, e2 , , en 
Tenemos los casos particulares
Para 2 , B  (1,0),(0,1)  i , j 
Para 3

, B  (1,0,0),(0,1,0),(0,0,1)  i , j , k 
2.- Si V  Pn , su base canónica está dada por
B  1, x, x 2 ,..., x n 
3.- Si V  22 , su base canónica está dada por
 1 0   0 1   0 0   0 0  
B   ,  , , 
 0 0   0 0   1 0   0 1  

Observación.- En el caso de V  n , notamos que la norma de todos los vectores que

conforman la base canónica es 1, esto también debe cumplirse en las demás bases
canónicas de acuerdo a como se defina la norma en cada espacio vectorial.

Ejercicio.- Halle una base en 3 para el conjunto de vectores que están en el plano
2x  y  z  0 .
Solución
Según el problema se tiene que el subespacio W  ( x, y, z )  3 / 2 x  y  z  0 .
Hallamos la base de W de la siguiente manera:
Despejando z de 2 x  y  z  0 tenemos z  2 x  y
Sustituimos z  2 x  y en ( x, y, z ) , de esa forma obtenemos
( x, y, z)  ( x, y, 2 x  y)  ( x,0, 2 x)  (0, y,  y)  x(1,0, 2)  y(0,1, 1)
Con lo cual reconocemos 2 vectores linealmente independientes que generan ( x, y, z ) /
2x  y  z  0
Con lo cual una base de W es B  (1, 0, 2), (0,1, 1)
Como la base tiene 2 vectores, la dimensión (concepto que estudiaremos luego) del
subespacio W es 2.

Observaciones
1.- Sean v1 , v2 , , vn vectores no nulos que generan un espacio vectorial V, entonces dentro
de estos vectores podemos extraer una base.
2.- Sean un espacio vectorial V generado por un conjunto finito de vectores v1 , v2 , , vn ,
entonces cualquier conjunto con más de n vectores es necesariamente LD, expresado de
otra manera cualquier conjunto LI en V tiene un máximo de n vectores.
3.- Cualquier base de un espacio vectorial V tiene el mismo número de vectores, este
número de elementos es llamado dimensión de V concepto que estudiaremos a
continuación, enjunciado de otra forma si u1 , u2 , , um  y v1 , v2 , , vn  son bases en
un espacio vectorial V entonces m  n .

Dimensión
Definición.- Si el espacio vectorial V tiene una base con un número finito de elementos,
entonces la dimensión de V se define como el número de vectores en cada base, V se
denomina espacio vectorial de dimensión finita; es decir V se denomina espacio vectorial
de dimensión finita si dimV  n con n   ; en caso que la base del espacio V tuviera
infinitos elementos entonces V se denomina espacio vectorial de dimensión infinita.

Notación.- La dimensión del espacio vectorial V es denotada por dimV .

Observación.- Puesto que la definición de dimensión está dada en función de la base del
espacio vectorial se da por hecho el resultado que todo espacio vectorial tiene bases,
resultado que igualmente no se requiere para que la definición de dimensión tenga sentido,
ya que si V tiene una base finita entonces V es de dimensión finita, si V no tuviera
dimensión finita necesariamente tiene dimensión infinita; por lo tanto para demostrar que V
tiene dimensión infinita sólo será necesario demostrar que V no tiene una base finita, lo que
se puede hacer probando que V contiene un número infinito de vectores linealmente
independientes tal como se verá más adelante en un ejemplo donde consideraremos a P, el
espacio de polinomios de cualquier grado.

Ejemplos
1.- dim n  n , puesto que n es generando por n vectores linealmente independientes, los
cuales constituyen una base para n
2.- dim Pn  n  1, puesto que para generar Pn tenemos por ejemplo la base de n  1
polinomios B  1, x, x 2 , , x n  y como consecuencia de la observación 3 anterior
cualquier base de un espacio tiene la misma dimensión.
3.- La dimensión de dim mn  mn , puesto que si consideramos Aij la matriz de orden
m  n con un uno en la posición ij y cero en las demás posiciones, si generamos mn

con las matrices Aij necesitaríamos que i  1, m y j  1, n con lo cual tendríamos una
mn
base para , de esa forma tenemos que justamente dim mn  mn .
 1 0   0 1   0 0   0 0   22 22
Por ejemplo si tenemos B   ,  , ,   , B genera ,
 0 0   0 0   1 0   0 1  
en este caso del orden y del número de elementos de la base tenemos 2  2  4 .
4.- F ([a, b]) el espacio vectorial de funciones con dominio [a, b] tiene dimensión infinita,
puesto que ningún conjunto finito de funciones genera a todas las funciones cuyas reglas
de correspondencia son infinitas, que incluso para un dominio [a, b] las reglas de
correspondencia siguen siendo infinitas.
5.- dim( , )   , donde ( , ) es el espacio vectorial de sobre el cuerpo , puesto
que no podremos generar un número real mediante la combinación lineal finita de
números racionales, tenemos el caso por ejemplo de un x  II el cual tiene decimales
infinitos distintos los cuales no tienen generatriz es decir no se puede expresar mediante
una fracción, o también que no pueden ser generados mediante número racional
(fracción de números enteros) o la suma de finitos números racionales.

Observaciones

1.- Si tenemos el espacio V  0 entonces se dice que V tiene dimensión cero o dicho de


otra forma dim 0  0 .
2.- Cualquier conjunto de vectores LI de un espacio vectorial V de dimensión finita puede
ser completado de modo que forma una base de V.
3.- Si dimV  n entonces cualquier conjunto de n vectores LI formará una base de V; como
consecuencia de esta observación tenemos
a) Todo conjunto de n vectores linealmente independiente en n es una base para n .
b) Sea el espacio vectorial V, si dimV  n y si u1 , u2 , , um es un conjunto de m
vectores linealmente independientes en V entonces m  n .

Espacio nulo de una matriz A.- Sean la matriz A  mn

y S  x  n
/ Ax    , sean
v1  S y v2  S entonces A(v1  v2 )  Av1  Av2       y A( v1 )   ( Av1 )     , de
esta forma hemos probado que S es un subespacio de n además se cumple que dim S  n ;
S se denomina espacio de solución del sistema homogéneo Ax   o también se denomina
espacio nulo de la matriz A.

Ejemplos
1.- Encuentre una base y la dimensión para el espacio de solución S del sistema homogéneo
x  2 y  z  0

2 x  y  3z  0
 1 2 1 23
En este caso tenemos que A    , como A  S es un subespacio de 3 .
 2 1 3 
 1
Aplicando sucesivamente las transformaciones elementales F12 (2) , F2    , F21 (2)
 5
para buscar su forma escalonada reducida obtenemos
 1 2 1 0   1 2 1 0   1 2 1 0  1 0 1 0
         
 2 1 3 0   0 5 5 0   0 1 1 0   0 1 1 0 
obteniendo el sistema equivalente
 x  z  0

y  z  0
De estas 2 ecuaciones tenemos que y  z y x   z , de manera que todas las soluciones
v  S son de la forma v  ( x, y, z)  ( z, z, z)  z(1,1,1) , con lo cual [(1,1,1)]  S es
decir B  (1,1,1) es una base para S cuya dimensión es dim S  1 ; observamos que
S  ( x, y, z )  3
/ ( x, y, z )  t (1,1,1), t   , es decir S es el conjunto de vectores que
se encuentran en la recta x  t , y  t , z  t .

2.- Encuentre una base para el espacio de solución S del sistema

2 x  y  3z  0

4 x  2 y  6 z  0
6 x  3 y  9 z  0

 2 1 3 
 
En este caso tenemos que A   4 2 6  , como A  33 S es un subespacio de
 6 3 9 
 
3
, aplicando las transformaciones elementales F12 (2) , F13 (3) obtenemos
 2 1 3 0   2 1 3 0 
   
 4 2 6 0    0 0 0 0 
 6 3 9 0   0 0 0 0
   
Obteniendo una sola ecuación 2 x  y  3z  0 , entonces S es un plano y de manera
similar a yo lo visto en ejemplos anteriores, una base estará dada por
B  (1, 2,0),(0,3,1) cuya dimensión es dim S  2 .

Dimensión de subespacios
Sea H un subespacio de un espacio vectorial de dimensión finita V, entonces H también
tiene dimensión finita y se cumple que
dim H  dimV
3
Ejemplo.- Sea el espacio , utilizando la observación podemos encontrar todos los
subespacios de 3 .
Sea H un subespacio de 3

, existen cuatro posibilidades: H  0 , dim H  1, dim H  2
y dim H  3 .
a) Si dim H  3 entonces H contiene una base de tres vectores linealmente independientes
v1 , v2 , v3 en 3 , pero entonces v1 , v2 , v3 también forman una base para 3 y así
H  gen v1 , v2 , v3  3
, por lo tanto, la única manera de obtener un subespacio propio
de 3 es teniendo dim H  1 o dim H  2
b) Si dim H  1 entonces H tiene una base que consiste en un vector v  (a, b, c) , sea
u  H entonces u  t (a, b, c) para algún número real t puesto que (a, b, c) genera a H,
 si u  ( x, y, z) esto significa que x  at , y  bt , z  ct , ésta es la ecuación de una recta
en 3 que pasa por el origen con la dirección del vector (a, b, c) .
c) Suponga que dim H  2 , sea v1  (a1 , b1 , c1 ) y v2  (a2 , b2 , c2 ) una base para H, si
u  ( x, y, z)  H entonces existen números reales s y t tales que x  sv1  tv2 o
( x, y, z)  s(a1, b1, c1)  t (a2, b2, c2 ) , entonces
 x  sa1  ta2

 y  sb1  tb2
 z  sc  tc
 1 2

Sea v3  ( ,  ,  )  v1  v2 , v3  3 , sabemos que el vector que resulta del producto

vectorial de vectores es ortogonal con cada uno de ellos, es decir tenemos v3 .v1  0 y
v3 .v2  0 , como el producto escalar de v3 con u es v3 .u  ( ,  ,  ).( x, y, z) entonces
 x   y   z   (sa1  ta2 )   (sb1  tb2 )   (sc1  tc2 )
 ( a1   b1   c1 )s  ( a2   b2   c2 )t
 x   y   z  (v3 .v1 )s  (v3 .v2 )t  0
Es decir obtenemos  x   y   z  0 (plano que pasa por el origen), lo que muestra que
H es un plano que pasa por el origen con vector normal v3  v1  v2 .
Por lo tanto se ha demostrado que los únicos subespacios propios de 3 son los conjuntos
de vectores que se encuentran en una recta que pasa por el origen o en un plano que pasa
por el origen.

Observación.- Cualquier espacio vectorial que contiene un subespacio de dimensión

infinita es de dimensión infinita.

Ejemplo.- Probar que C  0,1 y C1  0,1 tienen dimensión infinita.

Sea P  0,1 el conjunto de polinomios de cualquier grado definido en el intervalo  0,1 ,
entonces P 0,1  C 0,1 puesto que los polinomios sólo son un tipo particular de
funciones continuas en  0,1 , si la dimensión de C  0,1 fuera finita entonces P  0,1
también tendría que ser dimensión finita pero el conjunto P de polinomios de cualquier
grado no puede ser generado por un conjunto finito de polinomios, por lo tanto C  0,1
tiene dimensión infinita; de manera similar como P 0,1  C1 0,1 (ya que todo polinomio
es diferenciable), también se tiene que la dimensión de C1  0,1 es infinita.

Teorema.- Sean U ,W subespacios de un espacio vectorial V que tiene dimensión finita,

entonces tenemos que dimU  dimV y dim W  dim V y además se cumple que:
dim(U  W )  dimU  dimW  dim(U W )

Como consecuencia del teorema puesto que dim 0  0 , tenemos
dim(U  W )  dimU  dimW
Ejemplos
3
1.- Consideremos los subespacios de
V  ( x, y, x)  3 / x  y  z  0
W  ( x, y, x)  3
/ x  y
Halle V  W y calcule su dimensión.
Observamos en la siguiente gráfica los supespacios y su interseccion

De manera similar a lo realizado en un ejercicio anterior, obtenemos bases para cada sub
espacio, con lo cual tenemos que
V  (1, 0,1), (0,1,1)
W  (1,1, 0), (0, 0,1)
Podemos obtener V  W mediante la suma las combinaciones lineales de cada base,
entonces V  W será generado por los 2 vectores de la base de V junto con los 2 vectores
de W , es decir V  W  (1, 0,1), (0,1,1), (1,1, 0), (0, 0,1) 
Podríamos suponer que dim(V  W )  4 , pero no estamos verificando que los vectores
que generan V  W son LI, con lo cual B  (1,0,1),(0,1,1),(1,1,0),(0,0,1) sería la base
V  W y se cumpliría que dim(V  W )  4 .
Como V  W  (1, 0,1), (0,1,1), (1,1, 0), (0, 0,1)  tenemos que
c1 (1,0,1)  c2 (0,1,1)  c3 (1,1,0)  c4 (0,0,1)  (c1  c3 , c2  c3 , c1  c2  c4 )  ( x, y, z)
como c1 , c2 , c3 , c4  entonces x, y, z  entonces
V  W  (1, 0,1), (0,1,1), (1,1, 0), (0, 0,1)   3

Verificamos si B es LI, tenemos que

c1 (1,0,1)  c2 (0,1,1)  c3 (1,1,0)  c4 (0,0,1)  (0,0,0)
Operando e igualando coordenadas obtendríamos el sistema
c1  c3  0

c2  c3  0
c  c  c  0
1 2 4
Resolviendo el sistema obtenemos c1  c2 con lo cual no tendremos una solución única,
luego B es LD, pudimos haber tomado en cuenta una de las observaciones anteriores
 respecto al número de vectores de un subespacio generador y la dimensión del espacio,
según lo cual 4 vectores en 3 necesariamente son LD, como V  W  3 tenemos
dim(V  W )  dim 3  3  dimV  dimW  dim(V W )
como dimV  dimW  2 reemplazando tendríamos
dim(V  W )  3  2  2  dim(V W )
deducimos también que dim(V W )  1 .
lo cual se verifica de la siguiente manera, hallamos primero V W
V W  ( x, y, z )  3 / x  y  z  0  x  y
De x  y  z  0 , x  y reemplazando la primera ecuación en la primera tenemos
x  x  z  0  2x  z  0  z  2x
Con lo cual V W  ( x, x, z )  3 / z  2 x  ( x, x, 2 x) / x   , si tomamos x  1
podemos generar todos los vectores de V W con el vector (1,1, 2)  3 , entonces
obtenemos que V W  (1,1, 2) , entonces una base para V W sería B  (2,1,1)
cuya dimensión es dim B  1 , cómo en todo espacio las bases tienen la misma dimensión
del espacio tenemos entonces que
dim(V W )  dim B  1 .

2.- Sea el espacio V  P2 y sean sus subespacios

U  ax2  bx  c  P2 / b  c  0  P( x)  P2 / P( x)  ax 2 
W  ax2  bx  c  P2 / a  0  P( x)  P2 / P( x)  bx  c  P1
Para U tenemos L( x 2 )  ax 2 / a    P( x)  P / P( x)  ax   U
2
2
es decir una base
para U es B1   x 2  con lo cual dimU  1 .
Para W tenemos L( x,1)  bx  c / b, c    P1  W es decir una base para W es
B1  1, x con lo cual dimW  2 .
Hallamos U  W , sean u U , v W / u  ax2 , v  bx  c entonces
u  v  ax2  (bx  c) , u  v  P2 , es decir U  W  P2
Notamos también que

U W  ax 2  bx  c  P2 / a  b  c  0  0 x 2  0 x  0  0  P2 ,
con lo cual también tenemos una suma directa es decir U  W  P2 .
Luego se verifica entonces
dim(U  W )  dim(U  W )  dimU  dimW  1  2  3  dim P2
Notamos también de U  W  P2 que si v  P2 , v  ax2  bx  c  ax 2  (bx  c)  u  w ,
u U , w W , es decir que cualquier v  P2 se puede descomponer en la suma
v  u  w donde u U y w W , considerando que para valores distintos de a, b, c 
tendremos diferentes u U , w W y v  P2 , con lo cual cada descomposición será
única; este es un resultado que se cumple en forma general, es decir si para 2
subespacios U, W del espacio vectorial V se cumple que U  W  P2 entonces cualquier
 v V se puede descomponer de forma única como v  u  w donde u U y w W ,
hacemos notar que lo mencionado se cumple exclusivamente para la suma directa
puesto que para la suma U  W se puede verificar mediante ejemplos simples que la
descomposición v  u  w no es única.

Vector coordenado
Teorema.- Dada una base B  v1 , v2 , , vn  de V entonces cada vector v V puede ser
escrito de manera única mediante una combinación lineal de los vectores v1 , v2 , , vn , es
decir v  c1v1  c2v2  cnvn es único; dicho de otra manera v V existe un conjunto
único de escalares c1 , c2 , , cn tales que v  c1v1  c2v2  cnvn .

Tomando en cuenta el teorema anterior definimos vector coordenado.

Definición.- Sea B  v1 , v2 , , vn  base de V y v V la combinación lineal de los vectores

de la base es decir v  a1v1   anvn , llamamos a estos números a1 , a2 , , an ,
coordenadas de v en relación a la base B; v V con estas coordenadas será denotado por
 a1 
a 
 v B   2 
 
 an 
y es llamado vector coordenado relativo a la base B.

Ejemplo.- Sean V  2
, su base canónica B  (1,0),(0,1) y el vector v  (2, 1) , como
v  (2, 1)  (2,0)  (0, 1)  2(1,0)  (1)(0,1) entonces
2
vB    que justamente coincide con sus coordenadas iniciales puesto que se ha
 1
tomado la base canónica.
Si tomamos la base B1  (0,1),(1,0) el cual es la misma base canónica salvo que sus
elementos aparecen en diferente orden y tomamos el mismo vector v  (2, 1) , como
v  (2, 1)  (0, 1)  (2,0)  (1)(0,1)  2(1,0) entonces las coordenadas de v  (2, 1) en la
 1
base B1 , está dado por  v B   
1
2
Notamos la gran diferencia de las coordenadas de v  (2, 1) en relación a las 2 bases que
en esencia la misma base, este caso no tiene mayor relevancia puesto que sólo nos interesa
las coordenadas de un vector en relación a diferentes bases, en el siguiente tema de estudio
que es el cambio de base consideraremos cada base respetando el orden en que aparecen
sus elementos especialmente si tenemos las bases canónicas de cada espacio.

Observación.- Como consecuencia de la notación de un vector dado en coordenadas con

respecto a una base, podremos sumar vectores en un espacio V solamente sumando las
matrices columna de sus notaciones, así también el producto del vector por un escalar
estará dado por la multiplicación de la matriz columna por el escalar dado.

Ejemplo.- Sean los vectores P( x) , Q( x)  P2 / P( x)  x2  2 , Q( x)  2 x 2  x  2 ,

considerando B   x 2 , x,1 la base canónica de P2 tenemos que P( x) y Q( x) pueden ser
escritos como P( x)  (1) x 2  (0) x  (2)1 y Q( x)  (2) x 2  (1) x  (2)1 con lo cual los
vectores coordenados relativos a la base canónica son
1  2 
 
[ P( x)]B   0  , [Q( x)]B   1
 2   2 
 1   2  1
Entonces [ P( x)]B  [Q( x)]B   0    1   1 , de manera convencional tenemos
 2  2   0 
P( x)  Q( x)  ( x 2  2)  (2 x 2  x  2)   x 2  x
que escrito en forma de vector coordenado se obtiene el mismo vector ya hallado.
1   
También [ P( x)]B    0    0    , de manera convencional tenemos
 2   2 
 P( x)   ( x2  2)   x2  2 x
que escrito en forma de vector coordenado se obtiene el mismo vector ya hallado.
1 2
Por ejemplo si   2 , 2[ P( x)]B  2  0    0  y también 2P( x)  2( x2  2)  2 x 2  4 x
 2   4

Nota.- Para estudiar el siguiente tema en el cual utilizaremos matrices, para poder realizar
las operaciones también expresaremos los vectores v  n / v  ( x1 , x2 ,..., xn ) mediante un
 x1   x1 
   
x2 x2
vector columna es decir v      
   
   
 xn   xn 

Ejemplos
2
1.- v  / v  (2, 1) será escrito como v   
2

 1
 1
2.- v  / v  (1,0, 2) será escrito como v   0 
3

 2 