Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Lineal
Lineal
net/publication/364382977
CITATIONS READS
0 778
1 author:
SEE PROFILE
All content following this page was uploaded by Christian Limbert Paredes Aguilera on 06 June 2023.
Álgebra Lineal
RESOLUCIÓN DE PROBLEMAS
Y APUNTES
POR
FODE
CHRISTIAN LIMBERT PAREDES AGUILERA
1 2
Identidad de Apollonius: a2 + b2 = c + 2d2
2
a d b
Reservados todos los derechos. La reproducción total o parcial de esta obra, por cualquier medio
o procedimiento, comprendidos la reprografía y el tratamiento informático, y la distribución de
ejemplares de ella mediante alquiler o préstamo públicos, queda rigurosamente prohibida sin la
autorización escrita de los titulares del copyright, bajo las sanciones establecidas por las leyes.
2022
1
Espacios Vectoriales
1.A Rn y C n
• Un número complejo es un par ordenado ( a, b), donde a, b ∈ R, pero lo escribimos como a + bi.
• El conjunto de todos los números complejos es denotado por C:
C = { a + bi : a, b ∈ R}.
( a + bi ) + (c + di ) = ( a + c) + (b + d)i
Si a ∈ R, identificamos a + 0i con el número real a. Por lo que podemos decir que R es un subconjunto
de C.
1
Chapter 1. Espacios Vectoriales
y
βα = (c + di )( a + bi ) = (ca − db) + ( ad + bc)i.
Las ecuaciones anteriores, la conmutatividad para la suma y la multiplicación y propiedades de
números reales muestran que
αβ = βα.
■
λ+0 = ( a + bi ) + (0 + 0i )
= ( a + 0) + ( b + 0) i
= a + bi
= λ
λ1 = ( a + bi )(1 + 0i )
= ( a1 − b0) + ( a0 + b1)i
= (1a + 1bi )
= ( a + bi )
= λ
■
Sea α, β ∈ C
• Sea −α que denota el inverso aditivo de α. Por lo tanto −α es el único número complejo tal que
α + (−α) = 0.
• Para α ̸= 0, sea 1/α denotado por el inverso multiplicativo de α. Por lo tanto 1/α es el único
número complejo tal que
α(1/α) = 1.
1.6 Notación F
F significa cualquier R o C.
2
Chapter 1. Espacios Vectoriales
Listas
1.8 Definición Listas, longitud. Supóngase que n es un entero no negativo. Una lista de longitud n es una colección or-
denada de n elementos (el cual podría ser números, otras listas, o mas entidades abstractas) separadas
por comas y cerradas por paréntesis. Una lista de longitud n se muestra de la siguiente manera:
( x1 , . . . , x n )
Dos listas son iguales si y sólo si tienen la misma longitud y los mismos elementos en el mismo orden.
Las listas difieren de los conjuntos de dos maneras: en las listas, el orden importa y las repeticiones
tienen significado; en conjuntos, el orden y las repeticiones son irrelevantes.
Fn
( x1 , . . . , x n ) + ( y1 , . . . , y n ) = ( x1 + y1 , . . . , x n + y n )
Si x ∈ Fn , entonces hacer que x sea igual a ( x1 , . . . , xn ) es una buena notación, como se muestra en la
demostración anterior.
3
Chapter 1. Espacios Vectoriales
0 = (0, . . . , 0)
1.16 Definición Inverso aditivo en Fn . Para x ∈ Fn , el inverso aditivo de x, denota por − x, es el vector − x ∈ Fn tal que
x + (− x ) = 0
1.17 Definición Multiplicación scalar en Fn . El producto de un número λ y un vector en Fn es calculado por la multipli-
cación de cada coordenada del vector por λ:
λ( x1 , . . . , xn ) = (λx1 , . . . , λxn )
donde λ ∈ F y ( x1 , . . . , xn ) ∈ Fn .
1.A Ejercicios
Luego, por el hecho de que dos números complejos son iguales si sus correspondientes partes reales
e imaginarias son iguales, entonces
ac − db = 1
ad + bc = 0
bc
De la segunda ecuación tenemos, d = − y reemplazando en la ecuación 1,
a
a
c= 2 .
a + b2
Luego,
bc b · a2 +a b2 b
d=− = =− 2 .
a a a + b2
4
Chapter 1. Espacios Vectoriales
2. Demostrar que
√
−1 + 3i
2
es una raíz cúbica de 1 (significa que su cubo es igual a 1).
√ √ !3
−1 + 3i √
3 −1 + 3i
= 1 o =1
2 2
√ !3 3 2 √ √ !2 √ !3
−1 −1 −1 −1
3i 3i 3i 3i
+ = +3· +3· +
2 2 2 2 2 2 2 2
√ √ √ √ √ √ √
−1 3 3i −3( 3)2 ( −1)2 ( 3)2 3( −1)2 −1
= + + +
8 8 8 8
√ √
1 3 3i 9 3 3i
= − + + −
8 8 8 8
= 1.
x2 = i.
x2 = ( a + bi )2 = ( a2 − b2 ) + ( ab + ba)i = ( a2 − b2 ) + (2ab)i.
a2 − b2
2 2 2 = 0
x = ( a − b ) + (2ab)i = (0 + 1i ) ⇒
2ab = 1
5
Chapter 1. Espacios Vectoriales
De las que solo satisface x2 = i las dos primeras ecuaciones. Por lo tanto, las dos raíces distintas de
i son:
1 1 1 1
√ +√ i y − √ − √ i.
2 2 2 2
α + β = ( a + bi ) + (c + di ) = ( a + c) + (b + d)i = (c + a) + (d + b)i = β + α.
Demostración.- Sean,
α = a + bi
β = c + di
λ = e + fi
para a, b, c, d, e, f ∈ R. Entonces,
(α + β) + λ = [( a + bi ) + (c + di )] + (e + f i )
= [( a + c) + (b + d)i ] + (e + f i )
= [( a + c) + e] + [(b + d) + f ] i
= [ a + (c + e)] + [b + (d + f )] i
= ( a + bi ) + [(c + e) + (d + e)i ]
= ( a + bi ) + [(c + di ) + (e + di )]
= α + ( β + λ ).
Demostración.- Sean,
α = a + bi
β = c + di
λ = e + fi
6
Chapter 1. Espacios Vectoriales
para a, b, c, d, e, f ∈ R. Entonces,
(αβ)λ = [( a + bi )(c + di )] (e + f i )
= [( ac − bd) + ( ad + bc)i ] (e + f i )
= [( ac − bd)e − ( ad + bc) f ] + [( ac − bd) f + ( ad + bc)e] i
= [( ac)e − (bd)e − ( ad) f − (bc) f ] + [( ac) f − (bd) f + ( ad)e + (bc)e] i
= [ a(ce) − a(d f ) − b(c f ) − b(de)] + [ a(c f ) + a(de) + b(ce) − b(d f )] i
= [ a(ce − d f ) − b(c f + de)] + [ a(c f + de) + b(ce − d f )] i
= ( a + bi ) [(ce − d f ) + (c f + de)i ]
= ( a + bi ) [(c + di )(e + f i )]
= α( βλ).
α+β = α + β′
( a + bi ) + (c + di ) = ( a + bi ) + (c′ + d′ i )
( a + c ) + ( b + d )i = ( a + c ′ ) + ( b + d ′ )i
Supongamos c = c′ y d = d′ . Entonces,
( b + d )i = ( b + d ′ )i
Dada que la igualdad α + β = α + β′ se cumple siempre que c = c′ y d = d′ , concluimos que,
(c + di ) = (c′ + d′ i ) ⇒ β = β′ .
Supongamos que:
ac − db = 1
ad + bc = 0
bc
De la segunda ecuación tenemos, d = − y reemplazando en la ecuación 1,
a
a
c= 2 .
a + b2
Luego,
bc b · a2 +a b2 b
d=− = =− 2 .
a a a + b2
7
Chapter 1. Espacios Vectoriales
a b a −bi a − bi 1
β= − 2 i= 2 + 2 = 2 = .
a2 + b2 a + b2 a + b2 a + b2 a + b2 a + bi
Por lo que queda demostrado que β = β′ . Y así concluimos que α tiene inverso multiplicativo.
α( β + γ) = ( a + bi ) [(c + e) + (d + f )i ]
= [ a(c + e) − b(d + f )] + [ a(d + f ) + b(c + e)] i
= [ ac + ae − bd − b f ] + [ ad + a f + bc + be] i
= ac + ae − bd − b f + adi + a f i + bci + bei
= [( ac − bd) + ( ad + bc)i ] + [( ae − b f ) + ( a f + be)i ]
= ( a + bi )(c + di ) + ( a + bi )(e + f i )
= αβ + αγ.
Resolviendo, obtenemos
1 7 1
x = ( x1 , x2 , x3 , x4 ) = , 2, − , .
2 2 2
8
Chapter 1. Espacios Vectoriales
Respuesta.- Sean λ = a + bi, a, b ∈ R y x = (12 − 5i, 7 + 22i, −32 − 9i ). Entonces, por defini-
ción de multiplicación por un escalar en C y las propiedades de número complejos,
λ(2 − 3i, 5 + 4i, −6 + 7i ) = x
[λ(2 − 3i ), λ(5 + 4i ), λ(−6 + 7i )] = x
[( a + bi )(2 − 3i ), ( a + bi )(5 + 4i ), ( a + bi )(−6 + 7i )] = x
{[2a − (−3)b] + (−(3) a + 2b] i, (5a − 4b) + (4a + 5b)i, [(−6) a − 7b] + [7a + (−6)b] i } = x
[(2a + 3b) + (−3a + 2b) i, (5a − 4b) + (4a + 5b)i, (−6a − 7b) + (7a − 6b) i ] = x
Dado que,
[(2a + 3b) + (−3a + 2b) i, (5a − 4b) + (4a + 5b)i, (−6a − 7b) + (7a − 6b) i ] = (12 − 5i, 7 + 22i, −32 − 9i )
Entonces, por la igualdad tenemos el sistema de ecuaciones:
(2a + 3b) + (−3a + 2b)i = 12 − 5i
(5a − 4b) + (4a + 5b)i = 7 + 22i
(−6a − 7b) + (7a − 6b)i = −32 − 9i
Que implica,
2a + 3b = 12
− 3a + 2b = −5
5a − 4b = 7
4a + 5b = 22
− 6a − 7b = −32
7a − 6b = −9
9
Chapter 1. Espacios Vectoriales
( ab) x = ( ab)( x1 , . . . , xn )
= [( ab) x1 , . . . , ( ab) xn )]
= [ a(bx1 ), . . . , a(bxn )]
= a [(bx1 ), . . . , (bxn )]
= a [b( x1 , . . . , xn )]
= a(bx )
1x = 1( x1 , . . . , x n )
= [1x1 , . . . , 1xn ]
= [ x1 , . . . , x n ]
= x.
λ( x + y) = λ [( x1 , . . . , xn ) + (y1 , . . . , yn )]
= λ [( x1 + y1 , . . . , xn + yn )]
= [λ( x1 + y1 ), . . . , λ( xn + yn )]
= [λx1 + λy1 , . . . , λxn + λyn ]
= [λx1 , . . . , λxn ] + [λy1 , . . . , λyn ]
= λx + λy.
10
Chapter 1. Espacios Vectoriales
• Una adición en un conjunto V es una función que asigna un elemento u + v ∈ V para cada par
de elementos u, v ∈ V.
• Una multiplicación escalar en un conjunto V es una función que asigna un elemento λv ∈ V para
cada λ ∈ F y cada v ∈ V.
1.19 Definición Espacio vectorial. Un espacio vectorial es un conjunto V junto con una suma en V y una multiplicación
escalar en V tal que se cumplen las siguientes propiedades:
• Conmutatividad
u + v = v + u para todo u, v ∈ V;
• Asociatividad
• Identidad aditiva
• Inverso aditivo
• Identidad Multiplicativa
1v = v para todo v ∈ V
• Propiedad distributiva
1.20 Definición Vector, punto. Elementos de un espacio vectorial son llamados vectores o puntos.
11
Chapter 1. Espacios Vectoriales
El espacio vectorial más simple contiene sólo un punto. En otras palabras, {0} es un espacio vectorial.
( x1 , x2 , . . . ) + ( y1 , y2 , . . . ) = ( x1 + y1 , x2 + y2 , . . . )
λ ( x1 , x2 , . . . ) = (λx1 , λx2 , . . .)
Con estas definiciones, F∞ se convierte en un espacio vectorial sobre F, La identidad aditiva en este
espacio vectorial es la secuencia de todos los ceros.
1.23 Notación FS .
( f + g)( x ) = f ( x ) + g( x )
para todo x ∈ S
• Para λ ∈ F y f ∈ FS , el producto λ f ∈ FS es una función definida por
(λ f )( x ) = λ f ( x )
para todo x ∈ S.
La definición de un espacio vectorial requiere que tenga una identidad aditiva. El siguiente resultado
establece que esta identidad es única.
donde se cumple la primera igualdad porque 0 es una identidad aditiva, la segunda igualdad viene
′
de la conmutatividad, y la tercera igualdad se cumple porque 0 es una identidad aditiva. Por lo tanto
′
0 = 0 y queda probado que V tiene una sola identidad aditiva. ■
Cada elemento v en un espacio vectorial tiene un inverso aditivo, un elemento w en el espacio vecto-
rial tal que v + w = 0. El siguiente resultado muestra que cada elemento en un espacio vectorial tiene
12
Chapter 1. Espacios Vectoriales
Sea v, w ∈ V. Entonces
• −v se denota como el inverso aditivo de v;
1.28 Notación V.
0v = 0 para cada v ∈ V.
0v = (0 + 0)v = 0v + 0v
Luego añadiendo el inverso aditivo de 0v para ambos lados de la ecuación de arriba tenemos 0 =
0v. ■
a0 = 0 para cada a ∈ F.
a0 = a(0 + 0) = a0 + a0
Luego añadiendo el inverso aditivo de a0 para ambos lados de la ecuación de arriba tenemos 0 =
a0. ■
13
Chapter 1. Espacios Vectoriales
Ahora mostramos que si un elemento de V se multiplica por el escalar −1, entonces el resultado es el
inverso aditivo del elemento de V.
1.B Ejercicio
Demostración.- Ya que (−1)v = −v para cada v ∈ V (apartado 1.31, Axler, Linear algebra),
(− a)(− a) = a, ∀ a ∈ R y la identidad multiplicativa de espacio vectorial tenemos que
v = 1v
= (−1)(−1)v
= (−1)(−v)
= −(−v)
= v + (w − v)
= w
14
Chapter 1. Espacios Vectoriales
Por lo que demostramos su existencia. Ahora, demostremos la unicidad. Sea x, x ′ ∈ V tales que
v + 3x = w y v + 3x ′ = w. Por el inverso aditivo,
w + (−w) = 0 ⇒ w − w = 0.
Reemplazando tenemos,
v + 3x − (v + 3x ′ ) = 0
(v − v) + 3x − 3x ′ = 0
0 + 3( x − x ′ ) = 0
x − x′ = 0
Veamos que esta última igualdad se cumplirá si y sólo si x = x ′ . Por lo tanto queda demostrado el
ejercicio.
4. El conjunto vacío no es un espacio vectorial. El conjunto vacío deja de satisfacer solo uno de los
requisitos enumerados en 1.19. ¿Cuál?.
Respuesta.- Por la identidad aditiva, existe un elemento 0 ∈ V tal que v + 0 = v para todo v.
Lo que significa que V no puede estar vacío. Por lo tanto, el conjunto vació no es un espacio vecto-
rial.
5. Demuestre que en la definición de un espacio vectorial (1.19), la condición inversa aditiva se puede
sustituir por la condición de que
0v = 0 para todo v ∈ V.
Aquí, el 0 del lado izquierdo es el número 0, y el 0 en el lado derecho es la identidad aditiva de
V. (La frase ” una condición puede ser sustituida ” en una definición significa que la colección
de objetos que satisfacen la definición no cambia si la condición original se sustituye con la nueva
condición).
Demostración.- El teorema 1.29 (Axler, Linear algebra, capítulo 1), nos dice que 0v = 0 para todo
v ∈ V, satisface la definición 1.19. Por lo tanto, debemos demostrar que esta propiedad junto con
todas las demás que componen la Definición 1.19, excepto la condición inversa aditiva, implican la
condición inversa aditiva. Es decir, debemos demostrar que para todo v ∈ V, existe w ∈ V tal que
v + w = 0.
Suponemos que v es algún vector arbitrario en V. Entonces,
0 = 0v
= (−1 + 1)v
= (−1)v + 1v
= (−1)v + v
Pongamos w = (−1)v para cualquier vector v ∈ V, donde vemos que existe un vector w que satis-
face la ecuación v + w = 0, demostrando nuestro resultado.
6. Sea ∞ y −∞ dos objetos distintos, ninguno de los cuales está en R. Definir una suma y una mul-
tiplicación escalar en R ∪ {∞} ∪ {−∞} como se puede adivinar la notación. Específicamente, la
suma y el producto de dos números reales son los habituales, y para t ∈ R definir
−∞ si t < 0, ∞ si t < 0,
t∞ = 0 si t = 0, , t(−∞) = 0 si t = 0,
∞ si t > 0 −∞ si t > 0
15
Chapter 1. Espacios Vectoriales
Respuesta.- Para que R ∪ {∞} ∪ {−∞} se convierta en un espacio vectorial sobre R, debe satis-
facer todas las propiedades dadas en la definición 1.19. Ahora bien, este conjunto satisface algunas
de estas propiedades. Por ejemplo, la adición es conmutativa en este conjunto. Sin embargo, no las
satisface todas.
Una propiedad que no se cumple es la asociatividad de la suma. Por ejemplo, observe que 1, ∞ y
−∞ son todos vectores en R ∪ {∞} ∪ {−∞} y por tanto deberíamos tener lo siguiente:
1 + [∞ + (−∞)] = (1 + ∞) + (−∞)
Sin embargo, cuando evaluamos los lados izquierdo y derecho de esta ecuación usando las defini-
ciones dadas en el enunciado del ejercicio, encontramos que
1 + [∞ + (−∞)] = (1 + ∞) + (−∞)
1+0 = ∞ + (−∞)
1 = 0
Pero esto es claramente falso. Así que nuestra suposición de que 1 + [∞ + (−∞)] = (1 + ∞) + (−∞)
también es falsa y, por tanto, este conjunto no satisface la asociatividad aditiva.
1.C Subespacios
El siguiente resultado brinda la forma más fácil de verificar si un subconjunto de un espacio vectorial
es un subespacio.
• Identidad aditiva.
0 ∈ U;
a ∈ F y u ∈ U implica au ∈ U;
16
Chapter 1. Espacios Vectoriales
Suma de subespacios
La unión de subespacios rara vez es un subespacio (ver Ejercicio 12), por lo que solemos trabajar con
sumas en lugar de uniones.
U1 + . . . + Um = {u1 + . . . + um : u1 ∈ U1 , . . . , um ∈ Um }
U1 + . . . + Un = {ui + . . . + un : u1 ∈ Ui , . . . , un ∈ Un } ⊆ W.
Las sumas de subespacios en la teoría de espacios vectoriales son análogas a las uniones de subcon-
juntos en la teoría de conjuntos. Dados dos subespacios de un espacio vectorial, el subespacio más
17
Chapter 1. Espacios Vectoriales
pequeño que los contiene es su suma. Análogamente, dados dos subconjuntos de un conjunto, el sub-
conjunto más pequeño que los contiene es su unión.
Sumas directas
La definición de suma directa requiere que cada vector de la suma tenga una representación única
como suma adecuada. El siguiente resultado muestra que al decidir si una suma de subespacios es
una suma directa, sólo tenemos que considerar si 0 puede escribirse de forma única como una suma
correspondiente.
u = u1 + . . . + u m
para algún u1 ∈ U1 , . . . , um ∈ Um . Para mostrar que esta representación es única, supongamos que
también tenemos
v = v1 + . . . + v m
donde v1 ∈ U1 , . . . , vm ∈ Um . Restando estas dos ecuaciones, tenemos,
0 = ( u1 − v1 ) + . . . + ( u m − v m ).
El siguiente resultado da una condición simple para probar qué pares de subespacios dan una suma
directa.
18
Chapter 1. Espacios Vectoriales
1.C Ejercicios
x1 + 2x2 + 3x3 = 0 ⇒ 0 + 2 · 0 + 3 · 0 = 0.
Es decir,
a1 + 2a2 + 3a3 = 0 ⇒ b1 + 2b2 + 3b3 = 0.
Para probar que la adición se cumple, pongamos a + b tal que x1 + 2x2 + 3x3 = 0, como
sigue
a + b = ( a1 + b1 ) + 2( a2 + b2 ) + 3( a3 + b3 ) = 0
Si ( x1 , x2 , x3 ) = [( a1 + b1 ), ( a2 + b2 ), ( a3 + b3 )]. Entonces,
x1 + 2x2 + 3x3 = 0.
( x1 , x2 , x3 ) ∈ F3 : x1 + 2x2 + 3x3 = 4 .
(b)
x1 + 2x2 + 3x3 = 4 ⇒ 0 + 2 · 0 + 3 · 0 ̸= 0.
Ya que no cumple la primera condición de 1.34, decimos que el conjunto dado no es un sube-
spacio.
19
Chapter 1. Espacios Vectoriales
( x1 , x2 , x3 ) ∈ F3 : x1 x2 x3 = 0 .
(c)
1·1·0 = 0 y 0 · 1 · 1 = 0.
1 · 2 · 1 ̸= 0.
( x1 , x2 , x3 ) ∈ F3 : x1 = 5x3 .
(d)
x1 = 5x3 ⇒ 0 = 5 · 0.
a1 + b1 = 5( a3 + b3 )
x1 = 5x3 . ⇒
tonces,
k ( a1 ) = k (5a3 ) ⇒ ka1 = 5 (ka3 ) .
Pongamos x1 = ka1 y x3 = ka3 , por lo que
x1 = 5x3 .
(a) Si b ∈ F, entonces n o
( x1 , x2 , x3 , x4 ) ∈ F4 : x3 = 5x4 + b .
es un subespacio de F4 si y sólo si b = 0.
es un subespacio de F4 . Entonces por la primera condición del teorema 1.34, sabemos que
(0, 0, 0, 0) es un elemento del conjunto dado, por lo tanto
0 = 5·0+b
20
Chapter 1. Espacios Vectoriales
de donde,
b = 0.
Ahora supongamos que b = 0. Tendremos que verificar que se cumple las condiciones del
teorema 1.34 para
n o
( x1 , x2 , x3 , x4 ) ∈ F4 : x3 = 5x4 + b .
x3 = 5x4 + 0 ⇒ 0 = 5 · 0.
u3 + v3 = 5u4 + 5v4
u3 + v3 = 5( u4 + v4 ).
Que es exactamente la afirmación de que
u + v = ( u1 , u2 , u3 , u4 ) + ( v1 , v2 , v3 , v4 ) = ( u1 + v1 , u2 + v2 , u3 + v3 , u4 + v4 ).
Es un elemento del conjunto. Por lo tanto, el conjunto es cerrado bajo la suma de vectores.
(b) El conjunto de funciones continuas de valor real en el intervalo [0, 1] es un subespacio de R[0,1] .
Demostración.-
• Identidad aditiva.- El vector cero en R[0,1] es una función que asigna cada número a cero,
esto es
O( x ) = 0, ∀ x ∈ [0, 1].
Como es una función constante y todas las funciones constantes son continuas, es un ele-
mento del conjunto de funciones continuas de valor real en [0, 1].
• Cerrado por adición.- Por el cálculo elemental, sabemos que la suma de dos funciones
continuas es también continua. Por lo tanto, el conjunto de funciones continuas de valor
real en [0, 1] es cerrado bajo adición de vectores.
• Cerrado por multiplicación escalar.- Por el cálculo elemental, sabemos que si f es una
función continua, entonces k f es también una función continua para todos los números
reales k. Por lo tanto, el conjunto de funciones continuas de valor real en [0, 1] es cerrado
bajo la multiplicación escalar.
21
Chapter 1. Espacios Vectoriales
Demostración.-
• Identidad aditiva.- El vector cero en RR es una función que asigna cada número a cero,
esto es
O( x ) = x para todo x ∈ R.
Como es una función constante y todas las funciones constantes son continuas, es un ele-
mento del conjunto de funciones continuas de valor real en R.
• Cerrado por adición.- Por el cálculo elemental, sabemos que la suma de dos funciones
diferenciables es diferenciable. Por lo tanto, el conjunto de funciones diferenciables de
valor real en R es cerrado bajo adición de vectores.
• Cerrado por multiplicación escalar.- Por cálculo elemental, sabemos que si f es una función
diferenciable, entonces k f es también una función diferenciable para todos los números
reales k. Por lo tanto, el conjunto de funciones diferenciables de valor real en R es cerrado
bajo la multiplicación escalar.
(d) El conjunto de funciones diferenciables de valor real f en el intervalo [0, 3] tal que f ′ (2) = b es
un subespacio de R(0,3) si y sólo si b = 0.
(e) El conjunto de todas las secuencias de número complejos con límite 0 es un subespacio de C∞ .
Demostración.-
• Identidad aditiva.- El vector cero en C∞ es la secuencia On = (0, 0, . . . , 0). Por lo que
lim = 0.
n→∞
Ya que On es un elemento del conjunto de todas las secuencias de número complejos con
límite 0.
22
Chapter 1. Espacios Vectoriales
• Cerrado por adición.- Sean an y bn dos elementos del conjunto dado. Esto es,
lim an = 0 y lim = 0.
n→∞ n→∞
Así, an + bn es un elemento del conjunto dado. Por lo que es cerrado por la suma de
vectores.
• Cerrado por multiplicación escalar.- Sean an un elemento del conjunto dado y k ∈ C. Lo
que significa que,
lim an = 0.
n→∞
Así, kan es un elemento del conjunto dado. Por lo que es cerrado por la multiplicación
escalar. Concluimos por el teorema 1.34, que este conjunto es un subespacio de C∞ .
3. Demuestre que el conjunto de funciones diferenciables de valores reales f en el intervalo (−4, 4) tal
que f ′ (−1) = 3 f (2) es un subespacio de R(−4,4) .
Entonces,
f ′ (−1) + g′ (−1) = 3 [ f (2) + g(2)]
k f ′ (−1) = k3 f (2),
por lo que
(k f )′ (−1) = 3(k f )(2).
Por lo tanto (k f ) ∈ A. Así, A es un subespacio de R(−4,4) .
23
Chapter 1. Espacios Vectoriales
Ahora, sea b = 0 probaremos que el conjunto dado es un subespacio. Como la primera parte del
R1
ejercicio, tenemos que 0 f 0 = 0, así f 0 esta en el conjunto descrito y por lo tanto queda demostrado
la identidad aditiva. Luego, sean f y g funciones continuas de valor real en [0, 1], tal que
Z 1 Z 1
f =0 y g = 0.
0 0
Entonces,
Z 1 Z 1 Z 1
( f + g) = f+ g = 0 + 0 = 0.
0 0 0
Así, f + g se cumple para el conjunto dado y por lo tanto, queda demostrado la cerradura por
adición. Por último, sea k ∈ F, con f y g definida arriba, entonces
Z 1 Z 1
kf = k f = c · 0 = 0.
0 0
Así, k f también está en el conjunto descrito y por lo tanto se cumple la cerradura por multiplicación
escalar. Por lo que podemos concluir que el conjunto es un subespacio.
03 = 03 ⇒ 0 = 0.
( a1 , b1 , c1 ) + ( a2 , b2 , c2 ) = ( a1 + a2 , b1 + b2 , c1 + c2 ).
Luego,
( a1 + a2 )3 = (b1 + b2 )3 .
24
Chapter 1. Espacios Vectoriales
a3 = b3 .
Por lo tanto, se cumple la cerradura por adición.
a3 = b3 .
Por lo tanto, se cumple la cerradura por multiplicación escalar.
Así, el conjunto dado es un subespacio de R3 .
n o
(b) ¿Es ( a, b, c) ∈ C3 : a3 = b3 un subespacio de C3 ?.
7. Dé un ejemplo de un subconjunto no vacío U de R2 tal que U sea cerrado bajo adición y bajo la
medida de inversos aditivos (es decir, −u ∈ U siempre que u ∈ U), pero U no es un subespacio de
R2 .
25
Chapter 1. Espacios Vectoriales
Por último, para x ∈ ∩i∈ I Vi y un escalar α, entonces x ∈ Vi , ∀i ∈ I. Para todo Vi son subespacios
de V. Se sigue que αx ∈ Vi , así \
∀i ∈ I ⇒ αx ∈ Vi .
i∈ I
26
Chapter 1. Espacios Vectoriales
12. Demostrar que la unión de dos subespacios de V es un subespacio de V si y sólo si uno de los
subespacios está contenido en el otro.
v + u ∈ U1 ⇒ v + u + (−v) ∈ U1 ⇒ u ∈ U1 .
De la misma manera,
v + u ∈ U2 ⇒ v + u + (−u) ∈ U2 ⇒ v ∈ U2 .
Lo que contradice el hecho de que cada elemento fue definido para no estar en estos subespacios.
Por otro lado, sea U1 ⊆ U2 . Lo que implica U1 ⊆ U2 ⇒ U1 ∩ U2 = U2 . Luego, ya que U2 es un
susbespacio, U1 ∩ U2 también lo es.
13. Demostrar que la unión de tres subespacios de V es un subespacio de V si y sólo si uno de los sube-
spacios contiene a los otros dos. [Este ejercicio es sorprendentemente más difícil que el anterior,
posiblemente porque este ejercicio no es cierto si sustituimos F por un campo que contenga sólo
dos elementos].
( x1 , x1 , y1 , yi ) ∈ U y ( x2 , x2 , x2 , y2 ) ∈ W.
Entonces,
( x1 , x1 , y1 , y1 ) + ( x2 , x2 , x2 , y2 ) = ( x1 + x2 , x1 + x2 , y1 + x2 , y1 + y2 ) ∈ {( x, x, y, z) : x, y, z ∈ F} ,
x, y − x ) ∈ U y ( x, x, x, z + x − y) ∈ W. Sin embargo,
( x, x, y, z) = (0, 0, y − x, y − x ) + ( x, x, x, z + x − y) ∈ U + W,
27
Chapter 1. Espacios Vectoriales
que U + W = {( x, x, y, z) : x, y, z ∈ F}.
Respuesta.- Sea,
U + U = {u + v : u, v ∈ U } .
Esto significa que U ⊂ U + U, ya que u ∈ U y u es igual u + 0. Luego, podríamos expresar u como
una suma de 2 elementos de U. Por otro lado, U + U ⊂ U ya que la suma de los dos elementos de
U podrían ser un elemento de U. Por lo tanto, U + U = U.
16. ¿La operación de adición en los subespacios de V es conmutativa? En otras palabras, si U y W son
subespacios de V, ¿es U + W = W + U?.
17. ¿La operación de adición en los subespacios de Ves asociativa? En otras palabras, si U1 , U2 , U3 son
subespacios de V, ¿eso
(U1 + U2 ) + U3 = U1 + (U2 + U3 )?.
Demostración.- Sea v ∈ (U1 + U : 2) + U3 , entonces existe U1 ∈ U1 , u2 ∈ U2 y u3 ∈ U3 tal que:
v = ( v1 + v2 ) + v3 .
v = u1 + (u2 + u3 ) ∈ U1 + (U2 + U3 ).
Así, (U1 + U2 ) + U3 ⊂ U1 + (U2 + U3 ). Del mismo modo, podemos probar que U1 + (U2 + U3 ) ⊂
(U1 + U2 ) + U3 . Sea v ∈ U1 + (U2 + U3 ). Después, existe u1 ∈ U1 , u2 ∈ U2 y u3 ∈ U3 tal que:
U1 + (U2 + U3 ) = (U1 + U2 ) + U3 .
18. ¿Tiene la operación de adición en los subespacios de V una identidad aditiva? ¿Qué subespacios
tienen inversos aditivos?.
U + {0} = {0} + U = U.
Por otro lado, si U y W son subespacios de V, tal que U + W = {0}, entonces se sigue que, ambos,
U y W están contenidos en U + W, esto sólo es posible si U = W = {0}.
28
Chapter 1. Espacios Vectoriales
U2 = ( a, 0) ∈ R2 : a ∈ R
W = (0, b) ∈ R2 : b ∈ R .
Entonces, es fácil ver que U1 + W = U2 + W, pero U1 ̸= U2 .
20. Suponga n o
U = ( x, x, y, y) ∈ F4 : x, y ∈ F .
tenemos
( x, y, z, w) = ( x, x, z, z) + (0, y − x, 0, w − z) ∈ U + W.
De donde, obtenemos F4 = U + W. Además, si ( x, y, z, w) ∈ U ∩ W, entonces debemos tener x = y
y z = w, ya que ( x, y, x, w) ∈ U. Del mismo modo, puesto que ( x, y, z, w) ∈ W, tenemos x = 0 y
z = 0. Por lo tanto, x = y = 0 y z = w = 0, que implica ( x, t, z, w) = (0, 0, 0, 0). Resulta por 1.45
que U ∩ W = {0}. Así, F = U ⊕ W.
21. Suponga n o
U = ( x, y, x + y, x − y, 2x ) ∈ F5 : x, y ∈ F .
22. Suponga
U = {( x, y, x + y, x − y, 2x )} ∈ F5 : x, y ∈ F.
Encuentre tres subespacios W1 , W2 , W3 de F5 , ninguno de los cuales es igual a {0}, tal que F5 =
U ⊕ W1 ⊕ W2 ⊕ W3 .
29
Chapter 1. Espacios Vectoriales
V = U1 ⊕ W u V = U2 ⊕ W,
Entonces, U1 = U2 .
tiene
V = U1 ⊕ W y V = U2 ⊕ W,
sin embargo, U1 ̸= U2 .
f (− x ) = f ( x )
para todo x ∈ R. Sea Ue el conjunto de funciones pares de valor real sobre R y sea Uo el conjunto
de funciones impares de valor real sobre R. Demuestre que RR = Ue ⊕ Uo .
f ( x ) + f (− x ) f ( x ) − f (− x )
Demostración.- Para cada función de variable real f sabemos que f ( x ) = + .
2 2
f ( x ) − f (− x ) f ( x ) − f (− x )
Sea g( x ) = y h( x ) = , así
2 2
f ( x ) = f ( x ) − h( x )
f (− x ) + f [−(− x )] f (− x ) + f ( x )
g(− x ) = = = g ( x ).
2 2
Luego, para demostrar que h es impar, tenemos
f (− x ) − f [−(− x )] f (− x ) − f ( x )
h(− x ) = = = − h ( x ).
2 2
Ahora, debemos demostrar que Ue ∩ Uo = {0}. Sea z ∈ Ue ∩ Uo , de donde z(− x ) = z( x ). Después,
si z ∈ Uo entonces z(− x ) = −z( x ). Concluimos que
z( x ) = −z( x ) ⇒ 2z( x ) = 0 ⇒ z( x ) = 0
y que
Ue ∩ Uo = {0} .
Por lo tanto, RR = Ue ⊕ Uo .
30
2
Espacios vectoriales de dimensión finita
a1 v1 + · · · + a m v m ,
donde a1 , . . . am ∈ F.
span(v1 , . . . , vm ) = { a1 v1 + · · · + am vm : a1 , . . . , am ∈ F} .
El span de una lista de vectores en V es el subespacio más pequeño de V que contiene todos los
vectores de la lista.
31
Chapter 2. Espacios vectoriales de dimensión . . .
0 = 0v1 + . . . + 0vm .
( a1 v1 + · · · + a m v m ) + ( c1 v1 + · · · + c m v m ) = ( a1 + c1 ) v1 + · · · + ( a m + c m ) v m .
Además, span(v1 , . . . , vm ) es cerrado bajo la multiplicación por un escalar, dado que
λ( a1 v1 + · · · + am vm ) = λa1 v1 + · · · + λam vm .
Cada v j es una combinación lineal de v1 , . . . , vm (para mostrar esto, establezca a j = 1 y que las otras a′ s
en la definición de combinación lineal sean iguales a 0). Así, el span(v1 , . . . , vm ) contiene a cada v j . Por
otra parte, debido a que los subespacios están cerrados bajo la multiplicación de escalares y la suma,
cada subespacio de V que contiene a cada v j contiene a span(v1 , . . . , vm ). Por lo tanto, span(v1 , . . . , vm )
es el subespacio más pequeño de V que contiene todos los demás vectores v1 , . . . , vm . ■
Es decir, si hay una lista de vectores en un espacio vectorial finito-dimensional que puede abarcar todo
el espacio, entonces podemos decir que el espacio vectorial es finito-dimensional.
p ( z ) = a0 + a1 z + a2 z2 + · · · + a m z m
para todo z ∈ F.
• P (P) es el conjunto de todos los polinomios con coeficientes en F.
Con las operaciones usuales de adición y multiplicación escalar, P (F) es un espacio vectorial sobre F.
En otras palabras, P (F) es un subespacio de FF , el espacio vectorial de funciones de F en F.
Los coeficientes de un polinomio están determinados únicamente por el polinomio. Así, la siguiente
definición define de manera única el grado de un polinomio.
32
Chapter 2. Espacios vectoriales de dimensión . . .
2.13 Definición Pm (F )
Para m un entero no negativo, Pm (F) denota el conjunto de todos los polinomios con coeficiente
en F y grado no mayor a m.
Verifiquemos el siguiente ejemplo, tenga en cuenta que Pm (F) = span (1, z, . . . , zm ); aquí estamos
abusando ligeramente de la notación al permitir que zk denote una función.
Demostración.- Considere cualquier lista de elementos de P (F). Sea m el grado más alto de los poli-
nomios en esta lista. Entonces, cada polinomio en el generador (span) de esta lista tiene grado máximo
m. Por lo tanto, zm+1 no está en el span de nuestra lista. Así, ninguna lista genera P (F). Concluimos
que P (F) es de dimensión infinita. ■
Independencia lineal
Suponga v1 , . . . , vm ∈ V y v ∈ span(v1 , . . . , vm ). Por la definición de span, existe a1 , . . . , am ∈ F tal que
v = a1 v1 + · · · + a m v m .
0 = ( a1 − c1 ) v1 + · · · + ( a m − c m ) v m .
Así, tenemos que escribir 0 como una combinación lineal de (v1 , . . . , vm ). Si la única forma de hacer
esto es la forma obvia (usando 0 para todos los escalares), entonces cada a j − c j es igual a 0, lo que
significa que cada a j es igual a c j (y por lo tanto la elección de los escalares fue realmente única).
Esta situación es tan importante que le damos un nombre especial, independencia lineal, que ahora
definiremos.
33
Chapter 2. Espacios vectoriales de dimensión . . .
2.21 Lema Suponga v1 , . . . , vm es una lista linealmente dependiente en V. Entonces, existen j ∈ {1, 2, . . . , m} tal
que se cumple lo siguente:
(a) v j ∈ span(v1 , . . . , v j−1 );
(b) Si el j-ésimo término se elimina de v1 , . . . , vm , el generador de la lista restante es igual a span(v1 , . . . , vm ).
u = c1 v1 + · · · + c m v m .
u = c1 v1 + · · · + a j v j + · · · + c m v m .
lo que muestra que u está en el span de la lista obtenida al eliminar el j-ésimo término de v1 , . . . , vm .
Así (b) se cumple. ■
Ahora llegamos a un resultado importante. Dice que ninguna lista linealmente independiente en V es
más extensa que una lista generadora en V.
34
Chapter 2. Espacios vectoriales de dimensión . . .
2.23 Teorema La longitud de una lista linealmente independiente es ≤ a la longitud de la lista generadora.
Paso 1. Sea B la lista w1 , . . . , wn , que genera V. Por lo tanto, añadir cualquier vector en V a esta lista
produce una lista linealmente dependiente (porque el nuevo vector añadido se puede escribir
como una combinación lineal de los otros vectores, u1 = ac1 w1 + · · · + acn ). En particular, la
1 1
lista
u 1 , w1 , . . . , w n
es linealmente dependiente. Así, por el lema (2.21), podemos eliminar un de las w para que la
nueva lista B (de longitud n) que consta de u1 y las w′ s restantes generen V.
Paso j. La lista B (de longitud n) del paso j − 1 genera V. Así, añadir cualquier vector a esta lista
produce una lista linealmente dependiente. En particular, la lista de longitud (n + 1) obtenida
al unir u j a B, colocándola justo después de u1 , . . . , u j−1 , es linealmente dependiente. Por el
lema de dependencia lineal (2.21), uno de los vectores de esta lista está en el generador de los
anteriores, y ya que u1 , . . . , u j es linealmente independientes, este vector es uno de los w′ s, no
uno de los u′ s. Podemos eliminar esa w para la nueva lista B (de longitud n) que consta de
u1 , . . . , u j y las w′ s restantes generan V.
Después del paso m, hemos agregado todas las u y el proceso se detiene. En cada paso, a medida que
agregamos un u a B, el lema de dependencia lineal implica que hay algo de w que eliminar. Por lo
tanto, hay al menos tantas w como u. ■
2.24 Ejemplo Demuestre que la lista (1, 2, 3), (4, 5, 8), (9, 6, 7), (−3, 2, 8) no es linealmente independiente en R3 .
Demostración.- La lista (1, 0, 0), (0, 1, 0), (0, 0, 1) genera R3 . Por lo tanto, ninguna lista de longitud
superior a 3 es linealmente independiente en R3 . ■
2.25 Ejemplo Demostrar que la lista (1, 2, 3, −5), (4, 5, 8, 3), (9, 6, 7, −1) no genera R4 .
Demostración.- La lista (1, 0, 0, 0), (0, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1) es linealmente independiente en R4 .
Por lo tanto, ninguna lista de longitud inferior a 4 genera R4 . ■
35
Chapter 2. Espacios vectoriales de dimensión . . .
Paso 2. Si U = span(v1 , . . . , v j−1 ), entonces U es de dimensión finita por lo que hemos terminado. Si
U ̸= span(v1 , . . . , v j−1 ), entonces elegimos un vector v j ∈ U tal que
v j ∈ span(v1 , . . . , v j−1 ).
Después de cada paso, mientras continúa el proceso, hemos construido una lista de vectores tal que
ningún vector en esta lista está en el generador de los vectores anteriores. Así, después de cada paso
hemos construido una lista linealmente independiente, por el lema de dependencia lineal (2.21). Esta
lista linealmente independiente no puede ser más grande que cualquier lista de expansión de V (por
2,23). Por lo tanto, el proceso eventualmente termina, lo que significa que U es de dimensión finita. ■
2.A Ejercicios
v1 − v2 , v2 − v3 , v3 − v4 , v4
v = a1 v1 + a2 v2 + a3 v3 + a4 v4 .
Que implica,
v = a1 v1 + a2 v2 + a3 v3 + a4 v4 − a1 v2 + a1 v2 − a1 v3 + a1 v3 − a2 v3 + a2 v3 − a1 v4 + a1 v4
− a2 v4 + a2 v4 − a3 v4 + a3 v4
De donde,
v1 − v2 , v2 − v3 , v3 − v4 , v4 .
36
Chapter 2. Espacios vectoriales de dimensión . . .
(b) Una lista de dos vectores en V es linealmente independiente si y sólo si ninguno de los vectores
es múltiplo escalar del otro.
a1 v1 + a2 v2 = 0
y no ambos escalares a1 , a2 son cero. Sea a1 ̸= 0, entonces la ecuación se podría reescribir como
a2
v1 = − v2
a1
el cual prueba que v1 es un múltiplo escalar de v2 . Por otro lado, si a2 ̸= 0, entonces v2 = − aa12 v1
de aquí podemos afirmar que v2 es un múltiplo escalar de v1 .
Ahora supongamos que que uno de los v1 o v2 es un múltiplo escalar del otro. Podemos decir,
sin perdida de generalidad, que v1 es un múltiplo escalar de v2 . Esto es, v1 = cv2 para algún
escalar c. Por lo tanto, la ecuación v1 − cv2 = 0 se cumple, ya que el multiplicador de v1 es
distintos de cero. Esto es precisamente lo que requerimos para la definición de dependencia
lineal. Así, v1 y v2 son linealmente dependientes.
a0 + a1 z + . . . + am zm = 0.
Sea k el indice más grande tal que ak ̸= 0. Esto significa que los escalares desde ak+1 hasta am
son cero. Entonces, se deduce que
a0 + a1 z + . . . + ak zk = 0.
Reescribiendo se tiene
a0 a a
zk = − − 1 z − · · · − k −1 z k −1 .
ak ak ak
Aquí, expresamos zk como un polinomio de grado k − 1 el cual es absurdo. Por lo que 1, z, z2 , . . . , zm
es un conjunto linealmente independiente.
37
Chapter 2. Espacios vectoriales de dimensión . . .
Respuesta.- Sea,
a(3, 1, 4) + b(2, −3, 5) + c(5, 9, t) = 0.
Si c = 0. Entonces,
a(3, 1, 4) + b(2, −3, 5) = 0.
Lo que implica
3a + 2b = 0
a − 3b = 0
4a + 5b = 0
De donde, resolviendo para a y b se tiene
a=0 y b = 0.
Pero, no queremos que a, b, c sean cero. Así que debemos forzar que c ̸= 0, como sigue:
a b
a(3, 1, 4) + b(2, −3, 5) + c(5, 9, t) = 0 ⇒ (5, 9, t) = − (3, 1, 4) − (2, −3, 5).
c c
Es decir, estamos expresando (5, 9, t) como una combinación lineal de los vectores restantes. Así,
a b
sea − = x , − = y por lo que,
c c
(5, 9, t) = x (3, 1, 4) + y(2, −3, 5).
Así, tenemos que
3x + 2y = 5
x − 3y = 9
4x + 5y = t
Resolviendo para x e y se tiene
x=3 y y = −2.
Por lo tanto,
t = 2.
4. Verifique la afirmación en el segundo punto del Ejemplo 2.20. Es decir, la lista (2, 3, 1), (1, −1, 2), (7, 3, c)
es linealmente dependientes en F3 si y sólo si c = 8, como debes verificar.
2r + s + 7t = 0
3r − s + 3t = 0
r + 2s + ct = 0
De la ecuación 1 y 2 se tiene
5r + 10t = 0 ⇒ r = −2t.
Luego sustrayendo la ecuación 1 y 3,
2r + (c − 4)t = 0.
38
Chapter 2. Espacios vectoriales de dimensión . . .
5. (a) Demuestre que si pensamos en C como un espacio vectorial sobre R, entonces la lista (1 + i, 1 −
i ) es linealmente independiente.
a (1 + i ) + b (1 − i ) = 0 ⇒ ( a + b) + ( a − b)i = 0.
Entonces,
a+b = 0 y a − b = 0.
Igualando estas dos ecuaciones se tiene
a+b = a−b ⇒ 2b = 0
⇒ b = 0.
Reemplazando en a + b = 0,
a = 0.
Por lo tanto, (1 + i, 1 − i ) es linealmente independiente sobre R.
(b) Demuestre que si pensamos en C como un espacio vectorial sobre C, entonces la lista (1 + i, 1 −
i ) es linealmente dependiente.
i (1 + i ) + 1(1 − i ) = i + i 2 + 1 − i = 0 ⇒ (i − 1) + (1 − i ) = (i − 1) − (i − 1) = 0.
v1 − v2 , v2 − v3 , v3 − v4 , v4
De donde,
av1 − av2 + bv2 − bv3 + cv3 − cv4 + dv4 = 0.
Por lo que,
av1 + (b − a)v2 + (c − b)v3 + (d − c)v4 = 0
39
Chapter 2. Espacios vectoriales de dimensión . . .
a = 0
b−a = 0
c−b = 0
d−c = 0
a = 0, b = 0, c = 0, d = 0.
Demostración.- Por definición de independencia lineal. Sean los escalares ai F tal que
a1 (5v1 − 4v2 ) + a2 v2 + a3 v3 + . . . + am vm = 0
De donde,
5a1 v1 + ( a2 − 4a1 )v2 + a3 v3 + . . . + am vm = 0
Sabemos que la independencia lineal obliga a todos los escalares de vi a ser cero. En particular ,
5a1 = 0 entonces a1 = 0 y a2 − 4a1 = 0, implica a2 = 0. Por lo tanto,
0 · v1 + (0 − 0) v2 + a3 v3 + . . . + a m v m = 0
Dado que todos ai son cero, entonces 5v1 − 4v2 , v2 , v3 , . . . , vm es linealmente independiente.
Demostración.- Por definición de independencia lineal. Sean los escalares ai ∈ F tal que
De donde,
γ ( a1 v1 + a2 v2 + . . . + am vm ) = 0.
Lo que,
a1 v1 + a2 v2 + . . . + am vm = 0.
Ya que, v1 , v2 , . . . , vm es linealmente independiente. Entonces, todos los ai′ s deben ser cero. Por lo
tanto, a1 γv1 + a2 γv2 + . . . + am γvm = 0. es linealmente independiente.
40
Chapter 2. Espacios vectoriales de dimensión . . .
a1 v1 + a1 v2 + . . . + a m v m = 0 y b1 w1 + b2 w2 + . . . + bm vm = 0.
Entonces,
a1 v1 + a1 v2 + . . . + am vm + b1 w1 + b2 w2 + . . . + bm vm = 0.
De donde,
Supongamos ci = ai + bi ∈ F. Luego,
De donde,
a1 v1 + a2 v2 + . . . + am vm = −( a1 + a2 + . . . + am )w. (1)
Dado que v1 , . . . , vm es linealmente independiente, entonces existen escalares ti , . . . , tm ∈ F, ∀ti = 0,
de modo que
t1 v1 + t2 v2 + . . . + t m v m = 0
Es único. Así pues notemos, para ai ̸= 0 que
a1 v1 + a2 v2 + . . . + a m v m ̸ = 0
w ̸= span(v1 , . . . , vm ).
w = a1 v1 + . . . + a m v m .
41
Chapter 2. Espacios vectoriales de dimensión . . .
De donde,
a1 v1 + . . . + a m v m − w = 0 ⇒ a1 v1 + . . . + am vm + (−1)w = 0.
Por lo tanto, v1 , . . . , vm , w es linealmente dependiente.
1
w= ( a v + . . . + a m v m ),
0 1 1
lo que es imposible. De esta manera
w ̸= span(v1 , . . . , vm ).
12. Explique por qué no existe una lista de seis polinomios que sea linealmente independiente en P4 (F).
Respuesta.- Notemos que 1, z, z2 , z3 , z4 genera P4 (F). Pero por el teorema 1.23 [Axler, Linear Alge-
bra], la longitud de la lista linealmente independiente es menor o igual que la longitud de la lista
que genera. Es decir, cualquier lista linealmente independiente no tiene más de 5 polinomios.
13. Explique por qué ninguna lista de cuatro polinomios genera P4 (F).
14. Demuestre que V es de dimensión infinita, si y sólo si existe una secuencia v1 , v2 , . . . , de vectores
en V tal que v1 , . . . , vm es linealmente independiente para cada entero positivo m.
42
Chapter 2. Espacios vectoriales de dimensión . . .
Por otro lado, sea v1 , v2 , . . . , vn un conjunto generador de V. Entonces, por el teorema 1.23 [Axler,
Linear Algebra], cualquier conjunto de vectores linealmente independiente en V pueden tener por
lo más n vectores. De esto modo, cualquier conjunto que tenga n + 1 o más vectores es lineal-
mente dependiente. Así, si V es de dimensión finita, entonces no podemos tener una secuencia de
vectores v1 , v2 , . . . tal que, para cada m, el subconjunto v1 , v2 , . . . , vm es linealmente independiente.
Tomando su recíproca, podemos decir que si existe una secuencia de vectores v1 , v2 , . . . tal que el
conjunto v1 , v2 , . . . , vm es linealmente independiente para cada m. Entonces, V es de dimensión
infinita. Lo que completa de demostración.
(0, 1, 0, . . . , 0)
Ahora, si varía m sobre el conjunto de los números naturales, entonces tenemos una secuencia
e1 , e2 , . . . en F∞ , si y sólo si podemos probar que e1 , e2 , . . . , em es linealmente independiente para
cada m. Con este fin, sea
a 1 e1 + a 2 e2 + . . . + a m e m = 0
De donde,
( a − 1, a2 , . . . , am , 0, 0, . . . , 0) = (0, 0, . . . , 0)
Inmediatamente implica que ai′ s = 0 y por lo tanto, ei′ s son linealmente independiente.
16. Demostrar que el espacio vectorial real para todos las funciones de valor real continuas en el inter-
valo [0, 1] es de dimensión infinita.
Demostración.- Por el ejercicio 14 (Axler, Linear Algebra, 2A), tenemos que encontrar una se-
cuencia linealmente independiente de funciones continuas en [0, 1]. Observe que los monomiales
1, x, x2 , . . . , x n , . . . son funciones continuas en [0, 1]. Ahora, debemos demostrar que 1, x, x2 , . . . , x m
es linealmente independiente en cada m. Para ello, sea a0 + a1 x + a2 x2 + . . . + am x m = 0, donde 0
es el cero polinomial. Lo que significa que a0 + a1 x + a2 x2 + . . . + am x m = 0 toma el valor cero en
todo el intervalo [0, 1]. Esto implica que cada punto en [0, 1] es una raíz del polinomio. Pero, ya que
cada polinomio no trivial tiene como máximo un número finito de raíces, esto es imposible a menos
que todos los ai′ s sean cero. Lo que muestra que 1, x, x2 , . . . , x m es linealmente independiente para
cada m ∈ N. Por lo tanto, el conjunto de funciones continuas en [0, 1] es de dimensión infinita.
17. Suponga p0 , p1 , . . . , pm son polinomios en Pm (F) tal que p j (2) = 0 para cada j. Demostrar que
p0 , p1 , . . . , pm no es linealmente independiente en Pm (F).
43
Chapter 2. Espacios vectoriales de dimensión . . .
2.B Bases
Una lista v1 , . . . , vn de vectores en V es una base de V si y sólo si cada v ∈ V puede escribirse unívo-
camente de la forma
v = a1 v1 + · · · + a n v n .
donde a1 , . . . , an ∈ F.
0 = ( a1 − c1 ) v1 + · · · + ( a n − c n ) v n .
Esto implica que cada a j − c j es igual a cero. (Ya que, v1 , . . . , vn es linealmente independiente). Por lo
tanto a1 = c1 , . . . , an = cn . Así, tenemos la unicidad deseada.
Por otro lado, suponga que cada v ∈ V puede ser escrita de manera única como la forma v =
a1 v1 + · · · + an vn . Claramente esto implica que v1 , . . . , vn genera V. Para demostrar que v1 , . . . , vn
es linealmente independiente, suponga que a1 , . . . , an ∈ F son tales que
0 = a1 v1 + · · · + a n v n .
44
Chapter 2. Espacios vectoriales de dimensión . . .
Una lista generadora en un espacio vectorial puede no ser una base, ya que no es linealmente indepen-
diente. Nuestro próximo resultado dice que dada cualquier lista generadora, algunos (posiblemente
ninguno) de los vectores en ella pueden descartarse para que la lista restante sea linealmente indepen-
diente y aún genere el espacio vectorial.
Cada lista generadora en un espacio vectorial se puede reducir a una base del espacio vectorial.
Nuestro siguiente resultado, un corolario fácil del resultado anterior, nos dice que todo espacio vecto-
rial de dimensión finita tiene una base.
Demostración.- Por definición, un espacio vectorial de dimensión finita tiene una lista generadora.
El resultado anterior nos dice que cada lista generadora puede ser reducida a una base. ■
Nuestro siguiente resultado es en cierto sentido un derivado de 2.31, que decía que toda puede re-
ducirse a una base. Ahora mostramos que dada cualquier lista linealmente independiente, podemos
unir algunos vectores adicionales (esto incluye la posibilidad de no unir ningún vector adicional) de
modo que la lista ampliada siga siendo linealmente independiente pero que también genere el espacio.
Cada lista linealmente independiente de vectores en un espacio vectorial se puede extender a una
base del espacio vectorial.
Como aplicación del resultado anterior, mostramos ahora que cada subespacio de un espacio vectorial
de dimensión finita puede emparejarse con otro subespacio para formar una suma directa de todo el
espacio.
45
Chapter 2. Espacios vectoriales de dimensión . . .
2.34 Teorema Cada subespacio de V forma parte de una suma directa igual a V .
Demostración.- Ya que V es de dimensión finita, también lo es U por 2.26. Por lo que, existe una
base u1 , . . . , um de U esto por 2.32. Por su puesto u1 , . . . , um es una lista linealmente independiente de
vectores en V. Por lo tanto, esta lista puede extenderse a una base u1 , . . . , un de V esto por 2.33. Sea
W = span(w1 , . . . , wn ). Para probar que V = U ⊕ W, por 1.45, solo necesitamos demostrar que
V = U+W y U ∩ W = {0} .
Para probar la primera ecuación, suponga v ∈ V. Entonces, ya que la lista u1 , . . . , um , w1 , . . . , wn
genera V, existe a1 , . . . , am , b1 , . . . , bn ∈ F tal que
v = a1 u1 + · · · + am um + b1 w1 + · · · + bn wn .
En otras palabras, tenemos v = u + w, donde u ∈ U y w ∈ W fueron definidas anteriormente. Así,
v ∈ U + W, completando la prueba de V = W + W.
Para demostrar que U ∩ W = {0}, suponga v ∈ U ∩ W. Entonces, existe escalares a1 , . . . , am , b1 , . . . , bn ∈
F tal que
v = a1 u1 + · · · + am um = b1 w1 + · · · + bn wn .
Por lo tanto,
a1 u1 + · · · + am um − b1 w1 − · · · − bn wn = 0.
Esto, ya que u1 , . . . , um , w1 , . . . , wn son linealmente independientes, esto implica que a1 = · · · = am =
b1 = · · · = bn = 0. Así, v = 0, de donde U ∩ W = {0}. ■
2.B Ejercicios
1. Halle todos los espacios vectoriales que tienen exactamente una base.
Respuesta.- Afirmamos que solo el espacio vectorial trivial tiene exactamente una base. Para ello
demostraremos que para espacios vectorial de dimensión finita e infinita se tiene más de una base.
Consideremos un espacio vectorial de dimensión finita. Sea V un espacio vectorial no trivial con
base v1 , . . . , vn . Decimos que para cualquier c ∈ F, la lista cv1 , . . . , cvn es también una base. Es
decir, la lista es aún linealmente independiente, y es aún generador de V. Luego, sea u ∈ V ya que
v1 , . . . , vn genera V, existe a1 , . . . , an ∈ F tal que
u = a1 v1 + · · · + a n v n .
De donde, podemos escribir
a1 an
u= (cv1 ) + · · · + (cvn )
c c
y así cv1 , . . . , cvn genera también V. Por lo tanto, tendremos más de una base para todo espacio
vectorial de dimensión finita.
Por otro lado. Sea W un espacio vectorial de dimensión infinita con base w1 , w2 , . . .. Para cualquier
c ∈ F, la lista cw1 , cw2 , . . . es también una base. Claramente la lista es linealmente independiente, y
también genera V. Luego, sea u ∈ V, ya que w1 , w2 , . . . genera W, existe a1 , a2 , . . . ∈ F tal que
u = a 1 w1 + a 2 w2 + · · ·
De donde, podemos escribir
a1 a2
u= cw1 + cw2 + · · ·
c c
46
Chapter 2. Espacios vectoriales de dimensión . . .
y así cw1 , cw2 , . . . genera también W. Por lo tanto, tendremos más de una base para todo espacio
vectorial de dimensión infinita.
(a) La lista (1, 0, . . . , 0), (0, 1, 0, . . . , 0), . . ., (0, . . . , 0, 1) es una base de Fn , llamado la base estándar
de Fn .
47
Chapter 2. Espacios vectoriales de dimensión . . .
(c) La lista (1, 2, −4), (7, −5, 6) es linealmente independiente en F3 pero no es una base en F3 , ya
que no genera F3 .
c1 (1, 2, −4) + c2 (7, −5, 6) = 0 ⇒ (c1 + 7c2 , 2c1 − 5c2 , −4c1 + 6c2 ) = (0, 0, 0)
Por lo que, podemos construir un sistema de ecuaciones
c1 + 7c2 = 0
2c1 − 5c2 = 0
−4c1 + 6c2 = 0
Multiplicando la segunda ecuación y sumando la tercera tenemos
c2 = 0
c1 = 0
c1 (1, 2, −4) + c2 (7, −5, 6) = (1, 0, 0) ⇒ (c1 + 7c2 , 2c1 − 5c2 , −4c1 + 6c2 ) = (1, 0, 0).
Construimos un sistema de ecuaciones, como sigue
c1 + 7c2 = 1
2c1 − 5c2 = 0
−4c1 + 6c2 = 0
De las ecuaciones 2 y 3 se tiene que
c1 = 0, c2 = 0
0+0 = 1 ⇒ 0 = 1.
(d) La lista (1, 2), (3, 5), (4, 13) genera F2 pero no es una base de F2 , ya que no es linealmente inde-
pendiente.
a1 (1, 2) + a2 (3, 5) + a3 (4, 13) = 0 ⇒ ( a1 + 3a2 + 4a3 , 2a1 + 5a2 + 13a3 ) = (0, 0).
Construimos un sistema de ecuaciones, como sigue
a1 + 3a2 + 4a3 = 0
2a1 + 5a2 + 13a3 = 0
Multiplicando por dos la primera ecuación y luego restando la segunda, tenemos
a2 = 5a3 .
48
Chapter 2. Espacios vectoriales de dimensión . . .
Ahora, demostraremos que la lista (1, 2), (3, 5), (4, 13) genera F2 . Sean a1 , a2 , a3 ∈ F tal que
a1 (1, 2) + a2 (3, 5) + a3 (4, 13) = 0
Sabiendo que esta lista es linealmente dependiente, podemos reescribimos la ecuación de modo
que (1, 2), (3, 5) genera (4, 13):
a1 a
(4, 13) = (1, 2) − 2 (3, 5)
a3 a3
Por el lema 2.21 (Axler, Linear Algebra), vemos que el generador de (1, 2), (3, 5) es igual al
generador de (1, 2), (3, 5), (4, 13). Sólo nos faltaría demostrar que (1, 2), (3, 5) genera F2 . Para
ello, sea ( x1 , x2 ) ∈ F2 , de modo que
a1 (1, 2) + a2 (3, 5) = ( x1 , x2 )
Entonces,
a1 + 3a2 = x1
2a1 + 5a2 = x2
Multiplicando la segunda ecuación por dos y restando la primera, tenemos
a1 = 2x1 − x2 .
Remplazando en la primera ecuación,
a2 = −(5x1 + 3x2 ).
Por lo tanto, podemos hallar a1 y a2 en términos de x1 y x2 tal que a1 (1, 2) + a2 (3, 5) = ( x1 , x2 )
es una combinación lineal que genera F2 .
Siendo más prácticos podemos usar el teorema 2.23. Para saber que (1, 2), (3, 5), (4, 13) no es
linealmente independiente pero genera F2 .
Respuesta.- Está claro que la lista es linealmente independiente. Ya que, la única forma de
que se cumpla
c1 (1, 1, 0) + c2 (0, 0, 1) = 0
es que c1 , c2 sean igual a cero.
Ahora demostraremos que la lista dada genera ( x, x, y) ∈ F3 : x, y ∈ F . Sea c1 , c2 ∈ F tal que
49
Chapter 2. Espacios vectoriales de dimensión . . .
x = −y − z.
Por lo que,
( x, y, z) = (−y − z, y − z)
= (−y, y − 0) + (−z, 0z)
= −y(1, −1, 0) − z(1, 0, −1).
Debido a que y, z son escalares, implica que podemos expresar cualquier ( x, y, z) ∈ F3 como
una combinación lineal de los vectores (1, −1, 0), (1, 0, −1).
Es fácil ver que que la lista (1, −1, 0), (1, 0, −1) es linealmente independiente. Dado que, si
c1 , c2 ∈ Fn , entonces
c1 (1, −1, 0) + c2 (1, 0, −1) = 0
(c1 + c2 , −c1 , −c2 ) = 0.
De donde,
c1 = c2 = 0.
Así, la lista (1, −1, 0), (1, 0, −1) es linealmente independiente. Por lo tanto,(1, −1, 0), (1, 0, −1)
es una base de F3
Para demostrar que la lista es linealmente independiente, suponemos que la combinación lineal
de estos elementos es igual a cero; es decir,
a0 + a1 z + a2 z2 + · · · + am zm = 0.
Donde el 0 es un polinomio. Esto implica que el polinomio del lado izquierdo toma valor cero
para todo los valore de z. Esto es posible sólo cuando todos los ai′ s son cero, ya que cualquier
polinomio no trivial tiene un número finito de raíces. Por lo tanto la lista 1, z, z2 , . . . , zm es base
de Fm (F).
Respuesta.- Dado que se tiene la condición x1 = 3x2 y x3 = 7x4 . Podemos escribir el vec-
tor general, como sigue
50
Chapter 2. Espacios vectoriales de dimensión . . .
Por lo que (3, 1, 0, 0, 0), (0, 0, 7, 1, 0), (0, 0, 0, 0, 1) forma una base de U. Podemos demostrar fá-
cilmente que estos vectores generar U, ya que U puede expresarse como una combinación
lineal de estos tres vectores. Ahora, demostremos que son linealmente independiente. Sea
c1 , c2 , c3 ∈ F. Entonces,
De donde,
(3c1 , c2 , 7c2 , c2 , c3 ) = (0, 0, 0, 0, 0).
Igualando cada componente, tenemos que c1 = c2 = c3 = 0. Así se demuestra que estos tres
vectores son linealmente independientes. Por lo tanto, (3, 1, 0, 0, 0), (0, 0, 7, 1, 0), (0, 0, 0, 0, 1) es
una base de U.
Respuesta.- Sean v1 = (3, 1, 0, 0, 0), v2 = (0, 0, 7, 1, 0), v3 = c3 (0, 0, 0, 0, 1). Por el ejercicio
11 del apartado 2A (Axler, Linear Algebra), se sabe que si tenemos v4 ∈ / span(v1 , v2 , v3 ) en-
tonces v1 , v2 , v3 , v4 son linealmente independientes. Nos preguntamos, ¿que clase de vectores
no pueden ser generados por v1 , v2 , v3 ?. Observemos que las primeras dos coordenadas de v2
y v3 son cero. Por lo que no pueden aportar a otras dos primeras coordenadas de cualquier
combinación lineal que consideremos. De hecho, estas coordenadas deben provenir de v1 .
Si av1 + bv2 + cv3 es una combinación lineal, entonces las dos primeras coordenadas son 3a y
a. Luego, si escogemos un vector donde sus primeras dos coordenada no son de la forma 3a
y a para cualquier escalar a, entonces no será generados por v1 , v2 , v3 . Por ejemplo podemos
escoger el vector
v4 = (0, 1, 0, 0, 0)
v5 = (0, 0, 0, 1, 0).
Por último, demostremos que esta lista es base de F5 . Por el teorema 2.23 sabemos que, si
m vectores generan un espacio vectorial, entonces cualquier lista linealmente independiente
en V no puede tener más de m vectores. Así, queda demostrada la independencia lineal de
v1 , v2 , v3 , v4 , v5 .
Por otro lado, demostremos que esta lista genera F5 . Nuestro objetivo será hallar una combi-
nación lineal que incluya a v1 , v2 , v3 , v4 y v5 para a, b, c, d, e ∈ F tales que
Para ello, notemos que ya se tiene v3 = (0, 0, 0, 0, 5), v4 = (0, 1, 0, 0, 0) y v5 = (0, 0, 0, 1, 0).
Ahora, generemos los restantes (1, 0, 0, 0, 0) y (0, 0, 1, 0, 0), de la siguiente manera
1
( v − v4 ) = (1, 0, 0, 0, 0)
3 1
1
( v2 − v5 ) = (0, 0, 1, 0, 0).
7
51
Chapter 2. Espacios vectoriales de dimensión . . .
a = x1
b = x2
c = x3
d = x4
e = x5 .
v = c1 v1 + c2 v2 + c3 v3 + c4 v4 + c5 v5
= ( c1 v1 + c2 v2 + c3 v3 ) + ( c4 v4 + c5 v5 ).
v = dv4 + ev5 .
av1 + bv2 + cv3 = dv4 + ev5 ⇒ av1 + bv2 + cv3 − dv4 − ev5 = 0
R5 = U ⊕ W.
52
Chapter 2. Espacios vectoriales de dimensión . . .
Entonces, z2 (6, 1, 0, 0, 0), z4 (0, 0, −2, 1, 0) y z5 (0, 0, −3, 0, 1) genera U. Ahora veamos si esta lista
es linealmente independiente. Sean a, b, c ∈ F tal que
De donde,
6a = 0
a = 0
a = 0
⇒ b = 0
−2b − 3c = 0
c = 0.
b = 0
Por lo tanto, la lista es linealmente independiente. Así, concluimos que U es generado por
z2 (6, 1, 0, 0, 0), z4 (0, 0, −2, 1, 0) y z5 (0, 0, −3, 0, 1).
Respuesta.-
(c) Encuentre un subespacio W de C5 tal que C5 = U ⊕ W.
Respuesta.-
5. Demostrar o refutar: existe una base p0 , p1 , p2 , p3 de P3 (F) tal que ninguno de los polinomios
p0 , p1 , p2 , p3 tiene grado 2.
p0 = 1,
p1 = X,
p2 = X3 + X2 ,
p3 = X3 .
El cual no tiene ningún polinomio de grado 2. Demostraremos que esta lista es una base. Primero
veamos que span( p0 , P1 , p2 , p3 ) = P3 (F). Sea q ∈ P3 (F). Entonces existe a0 , a1 , a2 , a3 ∈ F alguno
cero, tal que
q = a0 + a1 X + a2 X 2 + a3 X 3 .
Notemos que
a0 p0 + a1 p1 + a2 ( p2 − p3 ) + a3 p3 = a0 p0 + a1 p1 + a2 p2 + a3 p3 − a2 p3
= a0 p0 + a1 p1 + a2 p2 + ( a3 − a2 ) p3
= a0 + a1 X + a2 X 3 + X 2 + ( a3 − a2 ) X 3
= a0 + a1 X + a2 X 3 + a2 X 2 + a3 X 3 − a2 X 3
= a0 + a1 X + a2 X 2 + a3 X 3
= p.
Por lo que p0 , p1 , p2 , p3 genera P3 (F). Ahora, demostraremos que la lista es linealmente independi-
ente. Sean b0 , . . . , b3 ∈ F tales que
b0 p0 + b1 p1 + b2 p2 + b3 p3 = 0.
Se sigue que,
53
Chapter 2. Espacios vectoriales de dimensión . . .
b0 + b1 X + b2 ( X 2 + X 3 ) + b3 X 3 = 0
b0 + b1 X + b2 X 2 + b2 X 3 + b3 X 3 = 0
b0 + b1 X + b2 X 2 + (b2 + b3 ) X 3 = 0.
donde 0 es el cero polinomial. La lista 1, X, X 2 , X 3 es linealmente independiente, ya que es una
a1 v1 + a1 v2 + a2 v2 + a2 v3 + a3 v3 + a3 v4 + a4 v4 = 0
a1 v1 + ( a1 + a2 ) v2 + ( a2 + a3 ) v3 + ( a3 + a4 ) v4 = 0
v2 = ( v2 + v3 ) − ( v3 + v4 ) + v4
v1 = ( v1 + v2 ) − ( v2 + v3 ) + ( v3 + v4 ) − v4
Por tanto, todos los vectores que pueden expresarnse como combinaciones lineales de v1 , v2 , v3 , v4
también se pueden expresar linealmente por v1 , +v2 , v2 + v3 , v3 + v4 , v4 ; es decir, v1 , +v2 , v2 +
v3 , v3 + v4 , v4 genera V.
Demostración.- Sean,
v1 = (1, 0, 0, 0)
v2 = (0, 1, 0, 0)
v3 = (0, 0, 1, 0)
v4 = (0, 0, 0, 1).
54
Chapter 2. Espacios vectoriales de dimensión . . .
Luego, definimos n o
U = ( x 1 , x 2 , x 3 , x 4 ) ∈ R4 : x 3 = x 4
Notemos que v1 , v2 ∈ U y v3 , v4 ∈
/ U. Pero ninguna combinación lineal de v1 , v2 produce (0, 0, 1, 1).
Entonces, v1 , v2 no genera U. Por lo tanto no puede formar una base.
u 1 , . . . , u m , w1 , . . . , w n
es una base de V.
a 1 u 1 + a 2 u 2 + · · · + a m u m + c 1 w1 + c 2 w2 + · · · + c n w n = 0
Que implica,
a1 u1 + a2 u2 + · · · + am um = −(c1 w1 + c2 w2 + · · · + cn wn ).
Suponga que,
v = a1 u1 + a2 u2 + · · · + am um = −(c1 w1 + c2 w2 + · · · + cn wn ).
−(c1 w1 + c2 w2 + · · · + cn wn ) = 0.
Ya que, u1 , u2 , . . . , um y w1 , w2 , . . . , wn es base de U y W, respectivamente. Entonces, ambos son
linealmente independiente. Es decir, ai = ci = 0. Por lo tanto, u1 , . . . , um , w1 , . . . , wn es linealmente
independiente.
Ahora, demostremos que u1 , . . . , um , w1 , . . . , wn genera V. Sea v ∈ V, ya que V = U ⊕ W podemos
escribir v = u + w para algún u ∈ U y w ∈ W. Luego, por el hecho de que u1 , u2 , . . . , um es base de
U y w1 , w2 , . . . , wn es base de W, entonces
u = a1 u1 + a2 u2 + · · · + a m u m
w = c 1 w1 + c 2 w2 + · · · + c n w n ,
2.C Dimensión
Dos bases cualquier de un espacio vectorial de dimensión finita tiene la misma longitud.
55
Chapter 2. Espacios vectoriales de dimensión . . .
Ahora que sabemos que dos bases cualesquiera de un espacio vectorial de dimensión finita tienen la
misma longitud, podemos definir formalmente la dimensión de tales espacios.
Para comprobar que una lista de vectores en V es una base de V, debemos, según la definición, de-
mostrar dos propiedades: debe ser linealmente independiente y debe generar V. Los siguientes dos
resultados muestran que si la lista en cuestión tiene la longitud correcta, entonces solo necesitamos
verificar que satisface una de las dos propiedades requeridas. Primero probamos que toda lista lineal-
mente independiente con la longitud correcta es una base.
Suponga que V es de dimensión finita. Entonces, toda lista linealmente independiente de vectores
en V con longitud dim V es una base de V.
2.40 Ejemplo Demostrar que la lista (5, 7), (4, 3) es una base de F2 .
2.41 Ejemplo Demostrar que 1, ( x − 5)2 , ( x − 5)3 es una base del subespacio U de P3 (R) defina por
U = p ∈ P3 (R) : p ′ (5) = 0 .
56
Chapter 2. Espacios vectoriales de dimensión . . .
a + b ( x − 5)2 + c ( x − 5)3 = 0
para cada x ∈ R. Vemos que el lado izquierdo de la ecuación anterior tiene un termino cx3 . Como el
lado derecho no tiene un término x3 , esto implica que c = 0. Como c = 0, vemos que el lado izquierdo
tiene un término bx2 , lo que implica que b = 0. Como b = c = 0, podemos también concluye que a = 0.
Así, la ecuación implica que a = b = c = 0. Por lo que la lista dada es linealmente independiente en U.
Observemos que dim U ≥ 3, ya que U es un subespacio de P3 (F), sabemos que dim U ≤ dim P3 (F) =
4 (por 2.38). Sin embargo, dim U no puede ser igual a 4, de lo contrario, cuando extendemos una
base de U a una base de P3 (F) obtendríamos una lista con una longitud mayor que 4. Por lo tanto,
dim U = 3. De esto modo, 2.39 implica que la lista linealmente independiente 1, ( x − 5)2 , ( x − 5)3 es
una base de U. ■
Ahora probaremos que una lista generadora con longitud correcta es una base.
Suponga que V es de dimensión finita. Entonces, cada lista generadora de vectores en V con lon-
gitud dim V es una base de V.
El siguiente resultado da una fórmula para la dimensión de la suma de dos subespacios de un espacio
vectorial de dimensión finita.
donde todos los a′ s, b′ s y c′ s son escalares. Podemos reescribir la ecuación anterior como
c1 w1 + · · · + ck wk = − a1 u1 − · · · − am um − b1 v1 − · · · − b j v j
el cual demuestra que c1 w1 + · · · + ck wk ∈ U1 . Luego, todos los w′ s son en U2 , esto implica que
c1 w1 + · · · + ck wk ∈ U1 ∩ U2 . Ya que, u1 , . . . , um es una base de U1 ∩ U2 , podemos escribir lo siguiente
c 1 w1 + · · · + c k w k = d 1 u 1 + · · · + d m u m
57
Chapter 2. Espacios vectoriales de dimensión . . .
a1 u1 + · · · + am um + b1 v1 + · · · + b j v j = 0.
Porque la lista u1 , . . . , um , v1 , . . . , v j es linealmente independiente, esta ecuación implica que todas las
a′ s y b′ s son 0. Ahora sabemos que todas las a′ s, b′ s y c′ s son iguales a 0, como deseamos. ■
2.C Ejercicios
1. Suponga que V es de dimensión finita y U es un subespacio de V tal que dim U = dim V. De-
muestre que U = V.
v = c1 u1 + c2 u2 + · · · + c n u n .
2. Demostrar que los subespacios de R2 son precisamente: {0}, R2 , y todas las rectas en R2 que pasan
por el origen.
Demostración.- Claramente {0} es un subespacio de R2 , porque contiene el vector cero, que está
cerrado bajo la adición y la multiplicación escalar. En particular, cualquier combinación lineal del
vector cero sigue siendo el vector cero.
Por último, sea U un subespacio de R2 de dimensión 2. Entonces, por definición U tiene una base
de dos vectores, digamos u1 y u2 . Estas bases son linealmente independientes en U y por lo tanto
linealmente independiente en R2 . Sabiendo que dim U = dim R2 = 2, por 2.39 (Axler, Linear Al-
gebra) u1 , u2 es también una base de R2 . Que U y R2 tengan la misma base, por la unicidad del
criterio de base 2.28 (Axler, Linear Algebra) significa que U = R2 .
58
Chapter 2. Espacios vectoriales de dimensión . . .
3. Demuestre que los subespacios de R3 son precisamente {0}, R3 , todas las lineas en R3 , y todas las
planos en R3 que pasan por el origen.
Demostración.- Suponga El conjunto {0} es un subespacio de R3 , ya que está cerrado bajo la adi-
ción y la multiplicación escalar. Es decir, para cualquier vector u y v en {0} y cualquier escalar c,
tenemos u + v = 0 + 0 = 0 y cu = c(0) = 0, ambos también están en {0} .
Después, sea U un subespacio de R3 de dimensión 3. Entonces, por definición U tiene una base
de dos vectores, digamos u1 u2 y u3 . Estas bases son linealmente independientes en U y por lo
tanto linealmente independiente en R3 . Sabiendo que dim U = dim R3 = 3, por 2.39 (Axler, Linear
Algebra) u1 , u2 , u3 es también una base de R3 . Que U y R3 tengan la misma base, por la unicidad
del criterio de base 2.28 (Axler, Linear Algebra) significa que U = R3 .
p(6) = (6 − 6)q(6) = 0.
Por el problema 2(g) del apartado 2.B (Axler, Linear Algebra), se sabe que q( x ) = 1, x, x2 , x3 es
una base de P3 (F). De donde, demostremos que
( x − 6), ( x − 6) x, ( x − 6) x2 , ( x − 6) x3
59
Chapter 2. Espacios vectoriales de dimensión . . .
Entonces,
−6a + ( a − 6b) x + (b − 6c) x2 + (c − 7d) x3 + dx4 = 0.
Para que la lista sea linealmente independiente, cada coeficiente debe ser cero. En consecuencia,
−6a = 0
a − 6b = 0
b − 6c = 0
c − 7d = 0
d = 0.
( x − 6), ( x − 6) x, ( x − 6) x2 , ( x − 6) x3
es una base de U.
Respuesta.- La condición del inciso (a) hace que 4 polinomios generen U. Ahora, por el prob-
lema 13 de la sección 2B (Axler, Linear Algebra); observamos que tenemos que tener 5 poli-
nomios para que genera P4 (F). Para ello debemos extender U del inciso (a). Notemos que U
tiene todos sus polinomios múltiplos de ( x − 6), por lo que cualquier combinación lineal de
U producirá otro polinomio múltiplo de ( x − 6). Por el contrario un polinomio el cual no es
múltiplo de ( x − 6) no podrá pertenecer al generador de U; así que podemos agregar 1 a U. Está
claro por el inciso (a) que los elementos de U son linealmente independientes y por lo dicho
anteriormente, ninguna combinación lineal de los elementos de U pueden generar 1 (definición
de independencia). Por lo tanto,
n o
{1} ∪ U = 1, ( x − 6), ( x − 6) x, ( x − 6) x2 , ( x − 6) x3
es linealmente independiente en P4 (F). Observemos que esta lista contiene longitud igual a
dim P4 (F): Entonces por 2.39 (Axler, Linear Algebra), concluimos que
n o
1, ( x − 6), ( x − 6) x, ( x − 6) x2 , ( x − 6) x3
U + W ⊆ P4 (F).
60
Chapter 2. Espacios vectoriales de dimensión . . .
Así,
U + W = P4 (F).
Ahora, demostremos que U ∩ W = {0}. Sea v ∈ U ∩ W. Como v ∈ U, entonces existe ci ∈ F tal
que,
v = c1 ( x − 6) + c2 ( x − 6) x + c3 ( x − 6) x 2 + c4 ( x − 6) x 4 .
De la misma forma, ya que v ∈ W entonces existe c0 ∈ F tal que,
v = c0 .
Luego,
c1 ( x − 6) + c2 ( x − 6) x + c3 ( x − 6) x 2 + c4 ( x − 6) x 4 = c0 .
Esto implica que
−c0 + c1 ( x − 6) + c2 ( x − 6) x + c3 ( x − 6) x2 + c4 ( x − 6) x4 = 0.
Para que la lista linealmente independiente, cada coeficiente debe ser cero. En consecuencia,
− c0 = 0 c0 = 0
c1 ( x − 6) = 0 c1 = 0
c2 ( x − 6) = 0 ⇒ c2 = 0
c3 ( x − 6) = 0 c3 = 0
c4 ( x − 6) = 0. c4 = 0.
Así, v = 0. Por lo tanto, U ∩ W = {0}. Otra manera de demostrar que la lista dada es lineal-
mente independiente sería, suponer que
− c0 + c1 ( x − 6) + c2 ( x − 6) x + c3 ( x − 6) x 2 + c4 ( x − 6) x 4 ̸ = 0
−c0 + c1 ( x − 6) + c2 ( x − 6) x + c3 ( x − 6) x2 + c4 ( x − 6) x4 = 0.
Además, si p′′ (6) = 0, entonces p′′ ( x ) = ( x − 6)q( x ), como se vio en el ejercicio anterior
se cumple p′′ (6) = (6 − 6)q( x ) = 0, donde q( x ) tiene un grado menos que p′′ ( x ). Esto es
q ( x ) ∈ P1 (F).
Queremos encontrar elementos que generen P2 (F). Analicemos un subepacio S de P2 (F) tal
que
S = {u( x ) ∈ P2 (F) | ( x − 6)q( x ), q( x ) ∈ P1 (F)} .
Existe a, b ∈ F tal que q( x ) = a + bx ∈ P1 (F), por lo que
( x − 6) q ( x ) = ( x − 6)( a + bx )
= a( x − 6) + bx ( x − 6)
= a( x − 6) + b( x − 6 + 6)( x − 6)
= a( x − 6) + b( x − 6)2 + 6b( x − 6)
= ( a + 6b)( x − 6) + b( x − 6)2 .
61
Chapter 2. Espacios vectoriales de dimensión . . .
c1 ( x − 6) + c2 ( x − 6)2 = 0.
De donde,
6(4c2 − 6c1 ) + (c1 − 12c2 ) x + c2 x2 = 0.
Para que la lista sea linealmente independiente, cada coeficiente debe ser cero. En consecuencia,
6(4c2 − 6c1 ) = 0
c1 = 0
(c1 − 12c2 ) = 0 ⇒
c2 = 0.
c2 = 0.
es una base de U.
Ahora, encontraremos una base de p( x ) ∈ P4 (F) tal que p′′ ( x ) ∈ S. Ya que ( x − 6), ( x − 6)2
genera S; existe a, b ∈ F, tal que
( x − 6)3 ( x − 6)2
Z
= a +b + c dx
3 2
( x − 6)4 ( x − 6)3
= a +b + cx + d
12 6
( x − 6)4 ( x − 6)3
= a +b + c( x − 6) + (6c + d)
12 6
p ( x ) = s1 ( x − 6)4 + s2 ( x − 6)3 + s3 ( x − 6) + s4 .
Este polinomio cumple con las condiciones iniciales. Es decir, p′′ ( x ) = 12s1 ( x − 6)2 + 6s2 ( x − 6)
con p′′ (6) = 0. En otras palabras, p( x ) ∈ P4 (F) tal que p′′ (6) = 0 siempre que p( x ) puede ser
expresado como s1 ( x − 6)4 + s2 ( x − 6)3 + s3 ( x − 6) + s4 para algunos escalares s1 , s2 , s3 , s4 . Así,
n o
U = p( x ) ∈ P4 (F) | p′′ (6) = 0 = s1 ( x − 6)4 + s2 ( x − 6)3 + s3 ( x − 6) + s4 | s1 , s2 , s3 , s4 ∈ F .
Observe que este conjunto es un espacio vectorial generado por 1, ( x − 6), ( x − 6)3 , ( x − 6)4 ,
s1 ( x − 6)4 + s2 ( x − 6)3 + s3 ( x − 6) + s4 = 0
⇓
4 3 2
s1 x + (s2 − 24s1 ) x + (216x1 − 18x2 ) x + (108s2 − 864s1 + s3 ) x + (129s1 − 216s2 − 6s3 + s4 ) = 0
62
Chapter 2. Espacios vectoriales de dimensión . . .
de donde,
s1 = 0
s1 = 0
s2 − 24s1 = 0
s2 = 0
216s1 − 18s2 = 0 ⇒
s3 = 0
108s2 − 864s1 + s3 = 0
s4 = 0.
129s1 − 216s2 − 6s3 + s4 = 0.
Así, 1, ( x − 6), ( x − 6)3 , ( x − 6)4 es linealemente independiente. Por lo tanto,
n o
1, ( x − 6), ( x − 6)3 , ( x − 6)4
es una base de U.
debemos extender a longitud 5 para que sea base de P4 (F). Si podemos encontrar un polinomio
p( x ) que no puede ser generado por los elementos de U, entonces implicará que U ∪ p( x ) es un
conjunto linealmente independiente. Entonces tendremos un conjunto linealmente independi-
ente en P4 (F) que tiene tantos vectores como la dimensión de P4 (F). Así, tendríamos una base
para P4 (F).
Claramente {1, ( x − 6)} no es múltiplo de ( x − 6)2 ; sin embargo, lo será si y sólo si es igual a
cero. Por lo tanto,
a, b = 0.
Substituyendo tendremos
Respuesta.- Sea W = ( x − 6)2 . Ya que U ∩ W contiene a todos los polinomios base de P4 (F),
P4 (F) ⊆ U + W.
Está claro que
U, W ⊆ P4 (F)
63
Chapter 2. Espacios vectoriales de dimensión . . .
Así,
U + W = P4 (F).
Ahora, demostremos que U ∩ W = {0} . Sea v ∈ U; es decir, existen c0 , c1 , c3 , c4 ∈ F tales que
v = c0 + c1 ( x − 6) + c3 ( x − 6)3 + c3 ( x − 6)4 .
v = c2 ( x − 6)2 .
c0 = 0
c1 = 0
c2 = 0
c3 = 0
c4 = 0.
De está manera
v=0
Por lo tanto, U ∩ W = {0}. Concluimos que W es el subespacio de P4 (F) tal que
P4 (F) = U ⊕ W.
Respuesta.- Sea
p (2) = α = p (5).
Definamos q( x ) = p( x ) − α, de donde q( x ) ∈ P4 (F); por ejemplo, si sustraemos p( x ) − p(2),
esta seguirá estando en q( x ) ∈ P4 (F). Luego,
q ( x ) = ( x − 2) ( x − 5) r ( x ),
donde r ( x ) tiene grado dos, menor que q( x ). Esto es, r ( x ) ∈ P2 (F). Dicho de otra manera, si
r ( x ) ∈ P2 (F), entonces ( x − 2)( x − 5)r ( x ) ∈ P4 (F) ó
Dicho esto, buscaremos una base de {( x − 2)( x − 5)r ( x ) : r ( x ) ∈ P2 (F)}. Ya que (Por el apartado
2.B problema 2(g): Axler, Linear Algebra) 1, x, x2 es una base de {P2 (F)}, verificaremos que
n o
( x − 2)( x − 5), ( x − 2)( x − 5) x, ( x − 2)( x − 5) x2
64
Chapter 2. Espacios vectoriales de dimensión . . .
es una base de V.
a + q( x )
65
Chapter 2. Espacios vectoriales de dimensión . . .
Si podemos encontrar un polinomio p( x ) que no puede ser generado por los elementos de
V, entonces implicará que V ∪ p( x ) es un conjunto linealmente independiente. Entonces ten-
dremos un conjunto linealmente independiente en P4 (F) que tiene tantos vectores como la
dimensión de P4 (F). Así, tendríamos una base para P4 (F).
Agreguemos el vector p( x ) = x a V. Así, para los escalares a, b, c, d ∈ F, tendríamos
De donde,
x − a = b( x − 2)( x − 5) + c( x − 2)( x − 5) x + d( x − 2)( x − 5) x2 .
Observemos que no hay manera de que x − a sea múltiplo de ( x − 2)( x − 5), por lo que p( x ) ∈
/
span(V ). Esto implica que
n o
1, x, ( x − 2)( x − 5), ( x − 2)( x − 5) x, ( x − 2)( x − 5) x2
tonces, demostraremos que U ∪ W = P4 (F). Ya que, U ∪ W contiene todas los elementos base
de P4 (F), el espacio vectorial U + W contiene a P4 (F). Esto es,
P4 (F) ⊆ U + W.
Por otro lado, ya que U y W están en P4 (F), entonces U + W ⊆ P4 (F). Por lo que,
P4 (F) = U + W.
Ahora, demostremos que U ∩ W = {0}. Sea v ∈ U, para los escalares c0 , c2 , c3 , c4 ∈ F, tal que
Esta ecuación se cumplirá siempre que todos los escales ci = 0 sean cero. Por lo que, v = 0.
Así, U ∩ W = {0} . Por lo tanto, W = { x } es un subespacio de P4 (F) tal que P4 (F) = U ⊕ W.
66
Chapter 2. Espacios vectoriales de dimensión . . .
Busquemos ahora una base de { p ∈ P4 (F)| p(2) = p(5) = p(6) = 0}, para luego convertirla en
una base de { p ∈ P4 (F)| p(2) = p(5) = p(6)}. Ya que, 1, x es una base de P1 (F), verifiquemos
si {( x − 2)( x − 5)( x − 6), ( x − 2)( x − 5)( x − 6) x } forma una base de V.
Sea r ( x ) = a + bx ∈ P2 (F), entonces
Esto implica que {( x − 2)( x − 5)( x − 6), ( x − 2)( x − 5)( x − 6) x } genera de V. Después,
Por lo tanto, {1, ( x − 2)( x − 5)( x − 6), ( x − 2)( x − 5)( x − 6) x } genera U. Por último, notemos
que 1 ∈
/ span [( x − 2)( x − 5)( x − 6), ( x − 2)( x − 5)( x − 6) x ]. Así,
Respuesta.- Queremos extender la base de U, {1, ( x − 2)( x − 5)( x − 6), ( x − 2)( x − 5)( x − 6) x }
a una base de P4 (F) de dimensión cinco. Para ello, comprobemos si x se puede generar usando
los elementos de {1, ( x − 2)( x − 5)( x − 6), ( x − 2)( x − 5)( x − 6) x }. Sean a, b, c ∈ F,
Reescribiendo,
67
Chapter 2. Espacios vectoriales de dimensión . . .
Esta ecuación nunca se puede cumplir, ya que, el lado izquierdo es un polinomio de grado uno,
mientras que el lado derecho es un polinomio de grado tres. Por lo tanto, x no se puede generar
usando los elementos de {1, ( x − 2)( x − 5)( x − 6), ( x − 2)( x − 5)( x − 6) x }.
Reescribiendo,
Esta ecuación nunca se puede cumplir, ya que, el lado izquierdo es un polinomio de grado
dos, mientras que el lado derecho es un polinomio de grado tres. Por lo tanto, x2 no se puede
generar usando los elementos de {1, ( x − 2)( x − 5)( x − 6), ( x − 2)( x − 5)( x − 6) x }.
Por lo tanto, 1, x, x2 , ( x − 2)( x − 5)( x − 6), ( x − 2)( x − 5)( x − 6) x, x2 , x es una base de P4 (F).
que, U ∪ W contiene todas los elementos base de P4 (F). El espacio vectorial U + W contiene a
P4 (F). Esto es,
P4 (F) ⊆ U + W.
Por otro lado, ya que U, W ⊆ P4 (F). Entones,
U + W ⊆ P4 (F).
Así,
U + W = P4 (F).
v = c1 x + c2 x 2 .
Resolviendo podemos ver que ci′ s son cero, por lo cual v = 0. Por lo tanto, U ∩ W = {0}. Así,
P4 (F) = U ⊕ W.
68
Chapter 2. Espacios vectoriales de dimensión . . .
n R1 o
8. (a) Sea U = p ∈ P4 (R) : −1 p = 0 . Defina una base de U.
R1
Respuesta.- Sea p( x ) = a + bx + cx2 + dx3 + cx4 ∈ P4 (F), tal que −1 p( x ) dx = 0. Por lo
tanto,
Z 1 Z 1
p( x ) dx = a + bx + cx2 + dx3 + cx4 dx
−1 −1
1
bx2 cx3 dx4 ex5
= ax + + + +
2 3 4 5 −1
2c 2e
= 2a + +
3 5
R1 2c 2e c e
De donde, −1 p( x ) dx = 0 si y sólo si 2a + + = 0 o a = − − . Así,
3 5 3 5
Z 1
U = p( x ) ∈ P4 (F) p( x ) dx = 0
−1
n c e o
a + bx + cx2 + dx3 + cx4 a = − − , b, c, d, e ∈ F
=
3 5
n c e o
= − − + bx + cx2 + dx3 + cx4 b, c, d, e ∈ F
3 5
1 1
= bx + c x2 − + dx3 + e x4 − b, c, d, e ∈ F .
3 5
n o
Esto demuestra que x.x2 − 13 , x3 , x4 − 51 genera U. Luego, para ver que es linealmente inde-
pendiente, supongamos que c1 , c2 , c3 , c4 ∈ F para
2 1 3 4 1
c1 x + c2 x − + c3 x + c4 x − = 0.
3 5
por lo que
c2 c
− 4 + c1 x + c2 x2 + c3 x3 + c4 x4 = 0.
−
3 5
n o
Resolviendo veremos que los ci′ s son cero. Concluimos que x, x2 − 13 , x3 , x4 − 15 es una base
de U.
69
Chapter 2. Espacios vectoriales de dimensión . . .
Observemos que B tiene todos los grados menos el grado 0, por lo que podemos elegir a
p( x ) = 1. Supongamos que p( x ) = 1 genera B. Entonces para algunos a, b, c, d ∈ F,
2 1 3 4 1
1 = ax + b x − + cx + d x − .
3 5
De donde,
b d
− − − 1 + ax + bx2 + cx3 + dx4 = 0.
3 5
Notemos que − 3b − d5 − 1 ̸= 0, lo que nos lleva a una contradicción. Así, 1 no genera B. Por
el ejercicio 11 del apartado 2A (Axler, Linear Algebra), implica que B ∪ 1 es linealmente inde-
pendiente. Por el teorema 1.39 (Axler) concluimos que B ∪ { p( x ) = 1} es base de P4 (F).
U + W ⊆ P4 (F).
De donde, c c
− 2 − 4 − c0 + c1 x + c2 x2 + c3 x3 + c4 x4 = 0.
3 5
Resolviendo el sistema de ecuaciones, tenemos que c0 = c1 = c2 = c3 = c4 = 0. Por lo tanto,
v = 0. Así, concluimos que U ∩ W = {0}. Lo que se demuestra que W es un subespacio de
P4 (F) tal que U ∩ W = {0} .
v 2 − v 1 , v 3 − v 2 , . . . , v m − v m −1
70
Chapter 2. Espacios vectoriales de dimensión . . .
con longitud m − 1. Dado que la dimensión de W debe ser mayor o igual (2.23) que la longitud de
cualquier lista linealmente independiente, si demostramos que esta lista es linealmente indepen-
diente, habremos demostrado que dim W ≥ m − 1. Supongamos que a1 , . . . , am−1 ∈ F son tales
que
a1 (v2 − v1 ) + · · · + am−1 (vm − vm−1 ) = 0.
Reescribiendo,
10. Suponga p0 , p1 , . . . , pm ∈ Pm (F) son tales que cada p j tiene grado j. Demostrar que p0 , p1 , . . . , pm
es una base de Pm (F).
p k +1 = a 0 + a 1 z + a 2 z 2 + · · · + a k +1 z k +1
Esto implica que todo múltiplo escalar de ak+1 zk+1 también debe estar en V. Ya que,
1
ak+1 zk+1 = zk+1 ∈ V.
a k +1
71
Chapter 2. Espacios vectoriales de dimensión . . .
11. Suponga que U y W son subesapcios de R8 tal que dim U = 3, dim W = 5 y U + W = R8 . De-
mostrar que R8 = U ⊕ W.
8 = 3 + 5 − dim(U ∩ W ).
R8 = U ⊕ W.
12. Suponga U y W son ambos subespacios de dimensión cinco de R9 . Demostrar que U ∩ W ̸= {0}
Por hipótesis,
13. Suponga U y W son ambos subespacios de dimensión cuatro de C6 . Demostrar que existe dos vec-
tores en U ∩ W tal que ninguno de estos vectores es múltiplo escalar del otro.
Reordenando,
dim(U ∩ W ) = dim U + dim W − dim(U + W ).
Por hipótesis, dim U = dim W = 4. Por lo tanto, ya que U + W ∈ C6 con dim(U + W ) ≤ 6, se tiene
dim(U ∩ W ) = 4 + 4 − dim(U + W )
≥ 8−6
= 2.
Esto implica que dim(U ∩ W ) ≥ 2. Así, U ∩ W tiene al menos dos vectores independientes. Por
2.18(b) de la sección C (Axler) sabemos que dos vectores en V es linealmente independiente si y
sólo si ninguno de los vectores es múltiplo escalar del otro. Por lo tanto, existen dos vectores en
U ∩ W ninguno de los cuales es múltiplo escalar del otro.
72
Chapter 2. Espacios vectoriales de dimensión . . .
Pero dim(U ∩ W ) ≥ 0. Por lo tanto, dim(U1 + U2 ) ≤ dim U1 + dim U2 . Así, se cumple para m = 2.
Ahora, supongamos que el resultado es cierto para m = k. Esto es,
Dado que W ∩ Uk+1 ≥ 0 implica que dim(W + Uk+1 ) ≤ dim W + dim Uk+1 . Es decir,
Vemos que efectivamente se cumple para m = k + 1. Por lo tanto, por el principio de inducción el
resultado es cierto para todo m ∈ N.
15. Suponga V es de dimensión finita, con dim(V ) = n ≥ 1. Demostrar que existe subespacios de una
dimensión U1 , . . . , Un de V tal que
V = U1 ⊕ · · · ⊕ Un .
U + W ⊆ V.
B ⊆ U + W.
Así,
U + W = V.
Lo que implica, que
dim(U + W ) = k + 1.
Recordemos que,
dim(U + W ) = dim(U ) + dim(W ) − dim(U ∩ W )
Reescribiendo
dim(U ∩ W ) = dim(U ) + dim(W ) − dim(U + W ).
Que dim(U ) = k, dim(W ) = 1 y dim(U + W ) = k + 1, entonces
dim(U ∩ W ) = 0.
V = U ⊕ W.
73
Chapter 2. Espacios vectoriales de dimensión . . .
V = U1 ⊕ U2 ⊕ · · · ⊕ Uk ⊕ Uk+1 .
16. Suponga U1 , . . . , Um son subespacios de dimensión finita de V tal que U1 + · · · + Um es una suma
directa. Demostrar que U1 ⊕ · · · ⊕ Um es de dimensión finita y
[El ejercicio anterior profundiza la analogía entre sumas directas de subespacios y uniones disjuntas de sub-
conjuntos. Específicamente, compare este ejercicio con la siguiente declaración obvia: si un conjunto se
escribe como una unión separada de subconjuntos finitos, entonces el número de elementos en el conjunto es
igual a la suma de los números de elementos en los subconjuntos separados.]
Demostración.- Luego de ver que se cumple para m = 1. Sea verdadero para m = k. Esto es,
si U1 , U2 , . . . , Uk son subespacios de V tal que U1 + U2 + · · · + Uk es una suma directa. Entonces,
U1 ⊕ U2 ⊕ · · · ⊕ Uk es de dimensión finita y
i) W ∩ Uk+1 = W ⊕ Uk+1 .
ii) W ∩ Uk+1 = {0}. Esto implica que dim (W ∩ Uk+1 ) = 0.
En otras palabras,
Esto nos muestra que se cumple para m = k + 1. De lo que también nos demuestra que U1 ⊕ U2 ⊕
· · · ⊕ Uk ⊕ Uk+1 es de dimensión finita ya que cada Ui i′ s es de dimensión finita y la dimensión de
U1 ⊕ U2 ⊕ · · · ⊕ Uk ⊕ Uk+1 es la suma de todas las dimensiones de Ui′ s. Por lo tanto, por el principio
de inducción, resulta verdadero para todo m ∈ N.
74
Chapter 2. Espacios vectoriales de dimensión . . .
17. Se puede suponer, por analogía con la fórmula para el número de elementos en la unión de tres
subconjuntos de un conjunto finito, que si U1 , U2 , U3 son subespacios de un espacio vectorial de
dimensión finita, entonces
Demostración.- Podemos dar un contraejemplo para ver que este resultado no es verdadero en
general. Sea V = R2 y U1 , U2 , U3 los subespacios de V definidos por:
Estos subespacios son dim(U1 ) = dim(U2 ) = dim U3 = 1. Luego ya que U1 + U2 + U3 contiene los
vectores (1, 0) y (0, 1), que es una base de R2 . Por lo que, U1 + U2 + U3 = R2 . Lo que implica,
dim(U1 + U2 + U3 ) = 2.
Por otro lado, cada U1 , U2 , U3 es una recta que pasa por el origen donde el punto de intersección de
dos de ellas es el origen. De este modo,
De la misma manera,
dim(U1 ∩ U2 ∩ U3 ) = 0.
75
Chapter 2. Espacios vectoriales de dimensión . . .
76
3
Transformaciones lineales
3.1 Notación F, V , W.
• F denota R o C.
• V y W denota espacios vectoriales sobre F.
• Aditividad
T (u + v) = Tu + Tv para todo u, v ∈ V;
• Homogeneidad
T (λv) = λ( Tv) para todo λ ∈ F y todo v ∈ v.
77
Chapter 3. Transformaciones lineales
para cada j = 1, . . . , n.
T ( c 1 v 1 + · · · + c n v n ) = c 1 w1 + · · · + c n w n .
T (v + u) = T [( a1 + c1 )v1 + . . . + ( an + an )vn ]
= ( a 1 + c 1 ) w1 + . . . + ( a n + c n ) w n
= ( a 1 w1 + . . . + a n w n ) + ( c 1 w1 + . . . + c n w n )
= T ( u ) + T ( v ).
Similarmente, si λ ∈ F y v = c1 v1 + · · · + cn vn , entonces
= λc1 w1 + · · · + λcn wn
= λ ( c 1 w1 + · · · + c n w n )
= λT (v).
para todo v ∈ V.
78