AGA Virtual - Unidad 3

AGA Virtual Segundo cuatrimestre 2015 Unidad 3
UNIDAD 3 - ESPACIOS
VECTORIALES
En las unidades anteriores vimos que el lgebra de vectores y el lgebra de matrices
presentan similitudes. Pudimos observar que las propiedades de la suma (de vectores
o de matrices) y del producto por un escalar son idnticas en ambos conjuntos.
En esta unidad, generalizaremos el concepto de vector a partir de estas propiedades

en comn que hemos sealado para vectores geomtricos y matrices.
Definicin de espacio vectorial

Un espacio vectorial es un conjunto no vaco de objetos, llamados vectores, en el
que se han definido dos operaciones: la suma y el producto por un escalar (nmero
real) sujetas a los diez axiomas que se dan a continuacin. Los axiomas deben ser
vlidos para todos los vectores , y en y todos los escalares y reales.
Llamamos + a la suma de vectores en , y al producto de un nmero real

por un vector .
1. +
2. + = +
3. ( + ) + = + ( + )
4. + =
5. , ( ) + () =
6.
7. ( + ) = +
8. ( + ) = +
9. () = ()
10. 1 =
Observacin: En la definicin anterior, cuando decimos escalares nos estamos

refiriendo a nmeros reales. En este caso, se dice que es un espacio vectorial real.
1
Tambin es posible que los escalares pertenezcan a otro conjunto numrico, por
ejemplo los nmeros complejos con los cuales trabajaremos en la ltima unidad.
Ejemplo 1
De acuerdo con las propiedades que vimos en la primera unidad, podemos afirmar
que 3 es un espacio vectorial.
Los espacios , con 1 , son los ejemplos principales de espacios vectoriales. La

intuicin geomtrica desarrollada para 3 nos ayudar a entender y visualizar muchos
conceptos de esta unidad.
Los vectores de son n-uplas de nmeros reales, o sea:
= {(1 , 2 , , ) , }
En , la suma de vectores y el producto por un escalar se definen as:
Sean = (1 , 2 , , ) = (1 , 2 , )
+ = (1 + 1 , 2 + 2 , , + )
= (1 , 2 , , )
Puede comprobarse que las operaciones definidas verifican los axiomas de espacio
vectorial.
Ejemplo 2
De acuerdo con las propiedades enunciadas en la segunda unidad, para cada y
es un espacio vectorial.
Tenemos por ejemplo 23, espacio vectorial cuyos vectores son las matrices de 2 3.
Ejemplo 3
Llamemos 2 al conjunto de polinomios de grado menor o igual que 2, incluyendo el
polinomio nulo.
Recordemos la suma de polinomios y la multiplicacin por un escalar:
Dados () = + 1 + 2 2 2 y () = + 1 + 2 2 2
Definimos las operaciones:
( + )() = () + () = ( + ) + (1 + 1 ) + (2 + 2 ) 2 2
()() = () = ( ) + (1 ) + (2 ) 2 2
Puede demostrarse que estas operaciones verifican todos los axiomas de espacio
vectorial.
2
En particular, el vector nulo en este espacio es el polinomio nulo, es decir el polinomio

cuyos coeficientes son todos iguales a cero.
Generalizando, para cualquier 0 , el conjunto de todos los polinomios de grado

menor o igual que (incluyendo el polinomio nulo) es un espacio vectorial.
Observacin:
Por qu no definimos como el conjunto de polinomios de grado exactamente

igual a ? Si lo definiramos as, no sera un espacio vectorial como se muestra en el
siguiente ejemplo:
() = 2 y () = 2 + 1 son polinomios de grado 2, pero la suma es un polinomio

de grado cero. Entonces no se verificara el primer axioma de espacio vectorial (la
suma de vectores de un espacio vectorial debe estar en ).
Propiedades de los espacios vectoriales

A partir de los axiomas de espacios vectoriales, pueden demostrarse estas
propiedades que resultan naturales:
Propiedad 1
0 =
Propiedad 2
=
Propiedad 3
() = ()
En particular, para = 1 :
(1) =
Propiedad 4
= = 0 =
Veamos cmo puede demostrarse esta ltima propiedad:
Si = 0 , se cumple la proposicin.
1
Si 0 , podemos multiplicar por :
1 1
=
= = demostrado!
3
Subespacios vectoriales
Definicin
Sea un espacio vectorial y un subconjunto no vaco de .
es un subespacio de si es en s mismo un espacio vectorial con las mismas

operaciones (suma de vectores y producto por un escalar) definidas en .
Ejemplo
= { (1, 2 ) 2 2 = 31 } es un subespacio de 2?
Primero analicemos el conjunto . Son todos vectores de 2 tales que la segunda

componente es el triple de la primera:
(1 , 31 ) = 1 (1,3)
es la recta que pasa por el origen y tiene vector director (1,3), o sea la recta de
ecuacin y = 3x.
Para decidir si es un subespacio de 2 habra que verificar que se cumplen los

axiomas del 1 al 10. El lector puede comprobar que todos se cumplen en este caso.
Pero en general no es necesario verificar los axiomas porque existe un criterio sencillo
para determinar si un subconjunto de un espacio vectorial es un subespacio, es el
que sigue.
Condiciones necesarias y suficientes para caracterizar

subespacios
Sea un subconjunto de un espacio vectorial ( ).
es subespacio de si y slo si se cumplen las siguientes condiciones:
a. est en .
b. Si y estn en , entonces + est en .
c. Si est en y es un escalar, est en .
Observaciones
1. La condicin (a) asegura que W no es vaco. La mejor manera de comprobar si W

es un subespacio es buscar primero si contiene al vector nulo. Si est en W,
entonces deben verificarse las propiedades (b) y (c). Si no est en W, W no puede
ser un subespacio y no hace falta verificar las otras propiedades.
4
2. Las propiedades a, b y c corresponden a los axiomas 4, 1 y 6 de espacios

vectoriales.
3. Los axiomas 2, 3, 7, 8, 9 y 10 de espacio vectorial se cumplen para porque ste es

un subconjunto de . Puede decirse que hereda esas propiedades de .
4. Faltara comprobar que cada vector de tiene su opuesto en (axioma 5 de

espacios vectoriales):
Teniendo en cuenta la condicin (c) de subespacios,
c. Si est en y es un escalar, est en .
Si tomamos = 1, resulta:
Para cada , (1) = .
Y por lo tanto cada vector de tiene su opuesto en .
De las observaciones anteriores se deduce que las condiciones (a), (b) y (c) son
suficientes para demostrar que es un espacio vectorial, y por lo tanto subespacio
de .
Subespacios triviales
Si es un espacio vectorial, entonces es un subespacio de s mismo.
El conjunto {0 }, que contiene slo al vector nulo del espacio, tambin es subespacio
de pues:
0 + 0 = 0 y 0 = 0
Los subespacios {0 } y se denominan subespacios triviales de .
Ejercitacin sobre subespacios

Ejemplo 1
Consideremos el conjunto = {(, ) 2 | = 0}, Es un subespacio de 2?
= 0 = 0 = 0
Se cumple (a) pues (0,0)
No se cumple (b) porque la suma de dos vectores de puede no estar en , por

ejemplo:
(1,0) + (0,1) = (1,1)
5
(1,1)
(0,1)
(1,0)
Entonces no es un subespacio de 2.
Ejemplo 2
Consideremos el conjunto = {(, ) 2 | = 0}. Es decir, la recta de ecuacin =
0. Es un subespacio de 2?
Se cumple (b) pues la suma de dos vectores de , est en :
(0, 1 ) + (0, 2 ) = (0, 1 + 2 )
Se cumple (c) pues el producto de un vector de por un nmero real est en :
(0, ) = (0, )
Luego es subespacio de 2.
Ejemplo 3
Consideremos el conjunto = {(, ) 2 | 2 2 = 0}. Es un subespacio de 2?
2 2 = 0 = =
No se cumple (b) porque la suma de dos vectores de puede no estar en , por

ejemplo:
(1,1) + (1, 1) = (2,0)
6
Entonces no es un subespacio de 2.
Ejemplo 4
Consideremos el conjunto = {(, , ) 3 | + + 2 = 0}. Es decir un plano que
pasa por el origen. Es un subespacio de 3?
De la ecuacin del plano se deduce que: = 2
Por lo tanto los vectores que pertenecen a responden a la forma ( 2, , ) con

, .
Se cumple (a) pues (0,0,0)
Se cumple (b) pues la suma de dos vectores del plano, sigue estando en ese plano:
( 2, , ) + ( 2 , , ) = ( ( + ) 2( + ) , + , + )
Se cumple () pues ( 2, , ) = ( 2, , )
Entonces es subespacio de 3.
Ejemplo 5
Consideremos el conjunto = { 2 | (0) = 0 }. Es decir, los polinomios de grado
menor o igual que 2 (incluyendo el polinomio nulo) tales que evaluados en 0 dan por
resultado 0. Es un subespacio de 2?
Se cumple (a) pues el polinomio nulo pertenece a .
Recordemos la definicin de suma de funciones y de producto de un real por una

funcin:
( + ) () = () + (), para todo perteneciente al dominio de y de
()() = () para todo x perteneciente al dominio de f
Los polinomios son funciones, por lo tanto si consideramos , , resulta:
( + )(0) = (0) + (0) = 0 + 0 = 0 +
()(0) = (0) = 0 = 0
Demostramos que es un subespacio de 2.
Ejemplo 6
Consideremos el conjunto = { 22 | = }. Es decir, el conjunto de matrices
simtricas de 2 2.
Se cumple (a) porque la matriz nula pertenece a .
7
Se cumple (b) pues si , entonces ( + ) = + = + , luego ( + )
Se cumple (c) pues si entonces () = = , luego ()
Demostramos que el conjunto de matrices simtricas de 2x2 es un subespacio de 22.
Observacin: En la comprobacin de las condiciones (a), (b) y (c) no fue necesario

hacer referencia al tamao de las matrices. Esto significa que es vlido para matrices
simtricas de .
Ejemplo 7
Consideremos el conjunto = { 22 | det() = 0 }. Es un subespacio de 22?
Se cumple (a) porque la matriz nula pertenece a .
En general det( + ) det() + det(), entonces podra ocurrir que , pero que
+ no est en . Por ejemplo
1 3 0 0 1 3
=( ) , =( ) , + =( )
1 3 2 5 3 8
Entonces no se cumple (b).
no es un subespacio de 22.
Resumen de los subespacios de 2 y 3

Despus de estos ejemplos podemos resumir cuales son los diferentes tipos de
subespacios de 2 y 3:
Subespacios de Subespacios de
{(0,0)} {(0,0,0)}
Rectas que pasan por el origen Rectas que pasan por el origen
2 (como subespacio de s Planos que pasan por el origen
mismo) 3 (como subespacio de s
mismo)
No hay ninguna otra clase de subespacios en 2 y 3.
8
Combinacin lineal
Definicin
Sean 1 , 2 , , , vectores de un espacio vectorial . Se dice que el vector es una
combinacin lineal de los vectores 1 , 2 , , si se puede expresar como sigue:
= 1 1 + 2 2 + +
donde 1 , 2 , , son escalares.
Observacin: Nosotros estamos trabajando con espacios vectoriales reales, o sea que
los escalares son nmeros reales.
Ejemplo 1
El vector (0,0,3) es combinacin lineal de (0,0,1) ya que
(0,0,3) = 3(0,0,1)
Veamos cmo se puede pensar esto desde la perspectiva geomtrica. Qu

vectores pueden expresarse como combinacin lineal del vector (0,0,1)?
Todos los vectores (0,0, ) con . Es decir que todos los vectores sobre el eje , son
combinacin lineal de (0,0,1).
Ejemplo 2
El vector (1,0,4) es combinacin lineal de (1,0,1), (0,0,2) ya que:
3
1. (1,0,1) + . (0,0,2) = (1,0,4)
2
Geomtricamente el vector (1,0,4) es un vector coplanar con los vectores (1,0,1) y

(0,0,2). Se puede ver en la siguiente grfica que pertenecen al plano = 0:
9
Ejemplo 3
El vector 8 4 2 es combinacin lineal de los vectores y 2 ya que:
8 4 2 = 8. () + (4). 2
Ejemplo 4
Es el vector (1,8) combinacin lineal de los vectores (1,0), (3,3)?
Para responder esto debemos buscar si existen escalares , tales que:
(1,8) = (1,0) + (3,3)
1 = + 3 8
{ = 7, =
8 = 3 3
Como existen escalares que satisfacen la igualdad entonces (1,8) es combinacin

lineal de (1,0), (3,3).
Ejemplo 5
Para qu valores de k el vector (, , ) combinacin lineal de los vectores
(, , ), (, , ), (, , )?
Para responder esto debemos buscar si existen escalares , , tales que:
(1,2,3) = (1,0,0) + (0,1,0) + (0,2, )
10
=1
{ + 2 = 2
= 3
Si = 0 la tercera ecuacin queda 0 = 3, y el sistema es incompatible. Si 0

entonces se puede obtener y .
Entonces para todo 0 el vector (1,2,3) se puede expresar como combinacin

lineal de los vectores dados.
Conjunto generador
Sea { 1 , 2 , } un conjunto de vectores de un espacio vectorial .
Si todo vector de puede expresarse como combinacin lineal de 1 , 2 , , ,

entonces se dice que { 1 , 2 , , } es un conjunto generador de o tambin que
1 , 2 , , generan .
Ejemplo 1
Es el conjunto {(1,1), (1, 1)} generador de 2?
Siguiendo la definicin, debemos ver si cualquier vector de 2 puede expresarse

como combinacin lineal de (1,1), (1, 1):
=+ +
(, ) = (1,1) + (1, 1) { = , =
= 2 2
Hemos llegado a un sistema compatible determinado. Para cada e se obtrendr

un valor para y para .
Entonces, como cualquier vector (, ) de 2 puede expresarse como combinacin

lineal de (1,1), (1, 1), decimos que {(1,1), (1, 1)} es un conjunto generador de 2.
Ejemplo 2
Es el conjunto {(1,1), (1, 1), (2,0)} generador de 2?
Otra vez planteamos un sistema de ecuaciones. Nos interesa saber si tiene solucin o
no:
= + + 2
(, ) = (1,1) + (1, 1) + (2,0) {
=
Veamos cmo es la resolucin por el mtodo de Gauss:
1 1 2 1 1 2 1 1 2
( ) ( ) 1 (0 1 1 )
1 1 0 2 1 2 0 2 2 .
2
2 2
11
+
+ + 2 = = +
{ { 2
+ =
2 =
2
Para cada (, ) en 2 , el sistema es compatible (indeterminado). Entonces

{(1,1), (1, 1), (2,0)} tambin genera 2.
Ejemplo 3
Es el conjunto (1,0,0), (0,1,0), (1,1,1) generador de 3?
= + =
(, , ) = (1,0,0) + (0,1,0) + (1,1,1) { = + { =

= =
Como el sistema es compatible (determinado), podemos afirmar que el conjunto

{(1,0,0), (0,1,0), (1,1,1)} genera 3.
Ejemplo 4
Qu vectores pueden expresarse como combinacin lineal del (1,0)?
Los vectores de la forma (, 0). Entonces el vector (1,0) no genera todo 2, pero
genera la recta = 0.
Ejemplo 5
Qu vectores pueden expresarse como combinacin lineal de (1,0,0) y (0,1,0)?
(, , ) = (1,0,0) + (0,1,0) = (, , 0)
Es decir todos los vectores con componente = 0. Entonces (1,0,0) y (0,1,0) no

generan 3 sino el plano = 0.
Subespacio generado
Sean 1 , 2 , , vectores de un espacio vectorial .
1. El vector nulo puede expresarse como combinacin lineal de dichos vectores:
0 = 0 1 + 0 2 + + 0
2. Si sumamos dos combinaciones lineales de los vectores dados, obtenemos otra

combinacin lineal:
(1 1 + + ) + (1 1 + + ) = (1 + 1 )1 + + ( + )
3. Si multiplicamos un escalar k por una combinacin lineal de los vectores dados,

obtenemos una combinacin lineal de dichos vectores:
( 1 1 + + ) = (1 )1 + + ( )
12
Estas tres condiciones permiten afirmar que el conjunto de todas las combinaciones
lineales de 1 , 2 , , es un subespacio de .
Entonces:
Dados los vectores 1 , 2 , , en , llamamos subespacio generado por 1 , 2 , ,

al conjunto de todas las combinaciones lineales de estos vectores. Lo denotamos con
la expresin { , , , }.
{1 , 2 , , } = { : = 1 1 + 2 2 + + , }
Ejemplo 1
Las combinaciones lineales del vector (2,1) son todos los vectores de la forma (2, )
con .
0,5
Geomtricamente el subespacio generado por (2,1) es la recta que pasa por el

origen y tiene la direccin de dicho vector.
Ejemplo 2
Las combinaciones lineales de los vectores (1,0,2), (0,0,1) son los vectores coplanares
con (1,0,2) y (0,0,1):
13
Veamos, analticamente, cual es el espacio generado por (1,0,2), (0,0,1):
(, , ) = (1,02) + (0,0,1) = (, 0,2 + ) ,
Son todos los vectores con segunda componente nula. Es decir que el subespacio
generado es el plano = 0.
O sea: { (1,0,2), (0,0,1)} = { (, , ) 3 = 0 }
Ejemplo 3
Tomemos los vectores del ejemplo anterior: (1,0,2), (0,0,1) y adems el vector (1,0,1).
Qu espacio generan?
(, , ) = (1,02) + (0,0,1) + (1,0,1) = ( , 0 , 2 + + )
Son vectores con segunda componente nula. Se genera el mismo subespacio que en
el ejemplo anterior. Esto se explica porque el tercer vector es coplanar con los
primeros dos.
14
Independencia lineal y dependencia lineal

En los ejemplos 1 y 2 (de Conjunto generador) vimos que los conjuntos
{ (1,1) , (1, 1) } { (1,1) , (1, 1) , (2,0) } generan 2. Si tuviramos que elegir uno de ellos
como generador de 2, por cul nos inclinaramos?
El problema de encontrar los conjuntos generadores ms pequeos para un

espacio vectorial depende de la nocin de independencia lineal, que presentamos
en esta seccin.
Si = {1 , 2 , , } es un conjunto de vectores de un espacio vectorial , entonces la

ecuacin vectorial
1 1 + 2 2 + + = 0
tiene al menos la solucin trivial: 1 = 2 = = = 0
Si sta es la nica solucin, entonces se dice que es un conjunto linealmente

independiente.
Si hay otras soluciones (adems de la trivial) entonces A es un conjunto linealmente

dependiente.
Una forma alternativa de caracterizar la dependencia lineal es la siguiente:
Un conjunto de vectores { 1 , 2 , , } de un espacio vectorial es linealmente

dependiente si y slo si al menos uno de los vectores puede expresarse como
combinacin lineal de los dems. [1]
Demostracin:
Si el conjunto { 1 , 2 , , } es linealmente dependiente, la ecuacin
1 1 + 2 2 + + = 0
admite otras soluciones adems de la trivial. O sea, existe una combinacin lineal
donde al menos uno de los escalares es distinto de cero, que da el vector nulo.
Supongamos que 1 0. Entonces resulta:
2
1 = ( ) 2 + + ( )
1 1
Por lo tanto, el vector 1 es combinacin lineal de los dems.
Sabemos que uno de los vectores puede expresarse como combinacin de los
dems. Sin perder generalidad, supongamos que:
1 = 2 2 + +
15
Entonces: 11 + 2 2 + + = 0
Existe una combinacin lineal no trivial (al menos uno de los escalares es distinto de
cero) que es igual al vector nulo. Por lo tanto, el conjunto { 1 , 2 , , } es linealmente
dependiente, como queramos demostrar.
Ejemplo 1
Es el conjunto {(1,1), (1, 1)} LI o LD?
Planteamos la ecuacin:
1 (1,1) + 2 (1, 1) = (0,0)
+ 2 = 0
{ 1 1 = 0 , 2 = 0
1 2 = 0
Luego el conjunto es LI.
Ejemplo 2
Es el conjunto {(1,1), (1, 1), (2,0)} LI o LD?
Planteamos un sistema de ecuaciones. Nos interesa saber si tiene solucin nica o

infinitas soluciones:
0 = + + 2
(1,1) + (1, 1) + (2,0) = (0,0) {
0=
Veamos cmo es la resolucin por el mtodo de Gauss:
1 1 2 1 1 2 1 1 2
( ) ( ) ( )
1 1 0 2 1 2 0 2 2 1. 0 1 1
2 2
2
+ + 2 = 0 =
{ { =
+ =0
El sistema de ecuaciones es compatible indeterminado, o sea tiene infinitas

soluciones. Luego, el conjunto es LD.
Notemos que tambin se cumple la forma alternativa de caracterizar la dependencia

lineal, pues es posible escribir (2,0) como combinacin lineal de (1,1) y (1, 1):
(1,1) + (1, 1) = (2,0)
Ejemplo 3
Es el conjunto {(1,0,0), (0,1,0), (1,1,1)} LI o LD?
0= + =0
(1,0,0) + (0,1,0) + (1,1,1) = (0,0,0) {0 = + { = 0
0= =0
16
Como el sistema es compatible determinado, el conjunto es LI.
Ejemplo 4
Es el conjunto { (1,0,0) , (0,1,0)} LI o LD?
=0
(1,0,0) + (0,1,0) = (0,0,0) {
=0
Como el sistema tiene solucin nica el conjunto es LI.
Ejemplo 5
Es el conjunto { , 2 , 4 2 } LI o LD?
1 () + 2 ( 2 ) + 3 (4 2 ) = 0 2 + 0 + 0
+ 43 = 0 = 43
{ 2 { 2
1 3 = 0 1 = 3
El sistema es compatible indeterminado. Luego el conjunto es LD.
Notemos que es posible escribir 4 2 cmo combinacin lineal de y de 2 :
(1)() + (4)( 2) = 4 2
Propiedades
Propiedad 1
Un conjunto formado por un solo vector, es linealmente independiente (LI) o
dependiente (LD)?
Planteamos la combinacin lineal:
= 0
Si = 0 , puede tomar cualquier valor. Por lo tanto: {0 } es LD.
Si 0 , la nica solucin es = 0. Por lo tanto: {} es LI.
Propiedad 2
Si un conjunto de vectores contiene al vector nulo, entonces es linealmente
dependiente (LD).
Demostracin:
Sea = {1 , 2 , , , 0 }
Entonces se tiene que:
01 + 02 + + 0 + 1 0 = 0
17
Probamos que existe una combinacin lineal con escalares no todos nulos, que da el
vector nulo. Por lo tanto, es linealmente dependiente.
Interpretacin geomtrica
Observacin previa: En lo que sigue consideramos los vectores colocados a partir del
origen de coordenadas.
De [1] resulta que dos vectores 1 y 2 son linealmente dependientes (LD) si y slo si
uno de ellos es un mltiplo escalar del otro.
Podemos afirmar entonces que dos vectores en 2 o 3 son LD si y slo si estn sobre
la misma recta que pasa por el origen (vectores paralelos).
Dos vectores LI en 3
Dos vectores LD en 3
En 3, tres vectores 1 , 2 , 3 son LD si y slo si estn situados en el mismo plano que

pasa por el origen (vectores coplanares).
18
Tres vectores LI en 3
Tres vectores LD en 3
Base y dimensin de un espacio vectorial

Habamos visto que los conjuntos = {(1, 1), (1, 1)} y = {(1, 1), (1, 1), (2, 0)}
generan 2 . Cul es la diferencia entre ellos?
es un conjunto linealmente independiente, en cambio es linealmente

dependiente porque (2, 0) = (1, 1) + (1, 1).
Un conjunto de vectores = {1 , 2 , , } de un espacio vectorial se denomina

base de si y slo si:
i. es linealmente independiente;
ii. genera a .
Teniendo en cuenta esta definicin, = {(1, 1), (1, 1)} es una base de 2. Otra base
de 2 muy usual es la que contiene a los versores cannicos: = {(1, 0) , (0, 1)}.
Observamos que las dos bases estn compuestas por dos vectores linealmente
independientes. Ser sta una caracterstica de cualquier base de 2?
19
Puede demostrarse que:
Si = {1 , 2 , , } es una base de , entonces todo conjunto con ms de n vectores

es linealmente dependiente.
De acuerdo con esta propiedad, podemos deducir una caracterstica comn a toda
base de un espacio vectorial:
Sean = {1 , 2 , , } y = {1 , 2 , , } dos bases del espacio vectorial .
Como es una base, todo conjunto de ms de vectores es LD. Pero es LI,

entonces: . [1]
Como es una base, todo conjunto de ms de vectores es LD. Pero es LI,

entonces: . [2]
De [1] y [2] se deduce que = .
En consecuencia:
Si = {1 , 2 , , } es una base de , cualquier otra base de tiene vectores. Esto

permite definir el concepto de dimensin.
La dimensin de un espacio vectorial es la cantidad de vectores que componen

una base de .
Si = {1 , 2 , , } es una base de , la dimensin de es y lo indicamos como

() = .
Si no existe una base de formada por un conjunto finito de vectores, se dice que
es un espacio de dimensin infinita. Un ejemplo es el espacio de todos los polinomios
(de cualquier grado).
Como el vector nulo es linealmente dependiente, el espacio {0 } no tiene base. A

este espacio compuesto nicamente por el vector nulo, se le asigna dimensin cero:
dim( {0 } ) = 0
Para determinar la dimensin de un espacio vectorial, es suficiente hallar una base de

dicho espacio. Veamos qu dimensin tienen los espacios vectoriales con los cuales
trabajaremos:
En 2 conocemos la base cannica:
2 = {(1,0), (0,1)} dim(2 ) = 2
En 3 la base cannica es:
3 = {(1,0,0), (0,1,0), (0,0,1)} dim(3 ) = 3
20
Anlogamente en 4:
4 = {(1,0,0,0), (0,1,0,0), (0,0,1,0), (0,0,0,1)} dim(4 ) = 4
De acuerdo con el nmero de vectores que componen cada una de estas bases,
podemos afirmar que:
dim( ) =
Para determinar la dimensin de los espacios de matrices, consideremos por ejemplo

= 32. Cualquier matriz de 3 2 puede expresarse como sigue:
1 0 0 1 0 0 0 0 0 0 0 0
( ) = (0 0) + (0 0) + (1 0) + (0 1) + (0 0) + (0 0)
0 0 0 0 0 0 0 0 1 0 0 1
Observemos la similitud con 6 , slo cambia el formato.
Encontramos seis matrices linealmente independientes que generan = 32. Es

decir, encontramos una base (llamada base cannica) de este espacio y por lo
tanto: dim(32 ) = 32 = 6.
Generalizando, podemos afirmar que:
dim( ) =
Busquemos la dimensin de los espacios de polinomios. Consideremos por ejemplo

= 2 . Cualquier polinomio de 2 puede expresarse cmo sigue:
() = 0 + 1 + 2 2 = 0 1 + 1 + 2 2
El conjunto {1, , 2 } genera 2 y adems es linealmente independiente. Hemos

obtenido una base (llamada cannica) de 2 , y por lo tanto dim(2 ) = 3.
Anlogamente:
{1, , 2 , 3 } 3
{1, , 2 , 3 , , }
Entonces:
dim( ) = + 1
Ejemplo 1
Existen diferentes bases para un mismo espacio vectorial. Consideremos en 2 el
conjunto:
= {(1,0), (1,1)}
21
Es fcil ver que es linealmente independiente (slo la combinacin lineal trivial

produce el vector nulo). Nos falta probar que genera 2.
(, ) = (1,0) + (1,1)
+ =
{ = =
=
Para cualquier (, ) en 2 es posible encontrar los escalares y . Probamos que

genera 2.
Entonces = {(1,0), (1,1)} es una base de 2.
Ejemplo 2
Hemos visto en ejemplos anteriores que el conjunto {(1,0,0), (0,1,0), (1,1,1)} genera 3, y
que son vectores LI. Por lo tanto es una base de 3.
Ejemplo 3
Veamos que el conjunto = {1,1 + , 1 + 2 } es una base de 2 .
Para esto debemos probar las dos condiciones.
Probemos que es LI:
++ =0
0 + 0 + 0 2 = 1 + (1 + ) + (1 + 2 ) { =0 ===0
=0
Cmo la nica solucin es la trivial, entonces el conjunto es LI.
Probemos que genera 2:
++ = =
+ + 2 = 1 + (1 + ) + (1 + 2 ) { = { =
= =
El sistema es compatible. Entonces para cualquier polinomio en 2 es posible hallar los

escalares , , . Luego genera 2.
Propiedades relacionadas con la dimensin

Si () = , puede afirmarse que:
1) Todo conjunto de vectores linealmente independientes en es una base.
2) Todo conjunto de vectores que genere es una base.
22
3) Todo conjunto de ms de vectores en el espacio vectorial es linealmente

dependiente.
4) Todo conjunto linealmente independiente en puede extenderse a una base.
Ejemplo 1
Es el conjunto = {(1,1,0), (2, 1,1), (0,1,0)} base de 3?
Cmo dim(3 ) = 3 y tiene tres vectores, entonces por la propiedad 1, es suficiente

probar que es LI para asegurar que es una base de 3.
En 3, tres vectores 1 , 2 , 3 son LD si y slo si estn situados en el mismo plano que

pasa por el origen (vectores coplanares). Veamos si son coplanares haciendo el
producto mixto:
1 1 0
(1,1,0). (2, 1,1) (0,1,0) = |2 1 1| = 1 0
0 1 0
No son coplanares, por lo tanto son LI.
Luego es base de 3.
Ejemplo 2
= {1 + + 2 , 3 , 2 + 2 } 2
Determinar todos los tales que sea una base de 2.
dim(2 ) = 3 Todo conjunto de tres vectores L.I. en 2 es base.
(1 + + 2 ) + (3 ) + (2 + 2 ) = 02
Igualando coeficientes, resulta:
+ 3 + 2 = 0
{ =0
+ = 0
Como es un sistema homogneo, siempre tiene solucin. Buscamos que tenga

solucin nica, o infinitas?
Buscamos los valores de para que la nica solucin sea la trivial: = = = 0.
En la unidad anterior habamos visto que en los sistemas cuadrados homogneos, el

determinante de la matriz de coeficientes permite decidir si son SCD o SCI.
1 3 2
En este caso, = (1 1 0) y det() = 2 4
1 0
23
1
Si = 2 el sistema queda compatible indeterminado.
1
Para cualquier el sistema es compatible determinado, por lo tanto
2
{1 + + 2 , 3 , 2 + 2 } es LI, y entonces es base de 2.
Ejemplo 3
Dado = {1 , 2 , 3 , 4 } 3 puede afirmarse que este conjunto es LD. Si hubiera tres
vectores LI, stos formaran una base de 3y por lo tanto el vector restante podra
expresarse como combinacin lineal de ellos.
Ejemplo 4
El conjunto { = (1,2,3), = (1,1,0)} es LI en 3 pero no genera todo 3 sino que genera
un plano. Podemos extenderlo a una base agregando algn vector LI, podra ser por
ejemplo el producto vectorial entre estos dos. Obtenemos {, , } que es una base
de 3.
Coordenadas de un vector respecto de una

base
Propiedad: Si = {1 , 2 , , } es una base del espacio vectorial , todo vector de
puede expresarse de forma nica como combinacin lineal de los vectores de B.
Demostracin:
Sea = {1 , 2 , , } base de .
Supongamos que un vector puede expresarse mediante dos combinaciones

lineales distintas de los vectores de la base B:
= 1 1 + 2 2 + + y = 1 1 + 2 2 + +
Restando miembro a miembro, se obtiene:
0 = (1 1 ) 1 + (2 2 ) 2 + + ( )
Como las bases son conjuntos linealmente independientes, resulta:
= 0 ( = 1, , )
Por lo tanto, los escalares de la combinacin lineal son nicos para cada vector de V.
Esta propiedad permite definir coordenadas de un vector respecto de una base.
Sea = {1 , 2 , , } base de .
24
Para cada , existen nicos escalares 1 , 2 , , tales que:
= 1 1 + 2 2 + +
Estos escalares se denominan coordenadas del vector respecto de la base .
Indicaremos las coordenadas mediante la siguiente notacin:
1
[] = 2

( )
Ejemplo 1
Sean,
= {(1,0,0), (1,1,0), (2,2,1)} 3
= (1,4,3)
a) Hallar:
[] , coordenadas del vector en la base
[] , coordenadas del vector en la base cannica
b) Sabiendo que:
3
[] = (1)
2
Hallar .
Resolucin
tem a
(1,0,0) + (1,1,0) + (2,2,1) = (1,4,3)
+ + 2 = 1 = 5
{ + 2 = 4 { = 2
=3 =3
Estos escalares son las coordenadas de es la base :
5
[] = (2)
3
En el caso de la base cannica, las coordenadas del vector coinciden con sus
componentes, ya que:
25
(, , ) = (1,0,0) + (0,1,0) + (0,0,1)
Entonces:
1
[] = ( 4 )
3
tem b
Dadas una base y las coordenadas de un vector en esa base, podemos hallar el
vector:
= 3(1,0,0) + 1(1,1,0) + 2(2,2,1) = (8,5,2)
Observacin: Las bases son conjuntos ordenados. O sea, si reordenamos los vectores
de una base, obtenemos una base diferente. As:
= {(1,0,0), (1,1,0), (2,2,1)} y = {(2,2,1), (1,0,0), (1,1,0)} son bases distintas de 3.
Por qu son distintas? Porque las coordenadas de un vector cambian si se reordena

la base. Por ejemplo para = (1,4,3) las coordenadas en cada base son:
5 3
[] = (2) [] = (5)
3 2
Ejemplo 2
Dados los vectores de 2, y sus coordenadas en la base :
= (5,2) , = (7,1)
3 5
[] = ( ) , [] = ( )
2 3
Hallar, si es posible, la base .
Resolucin
Una base de 2 tiene dos vectores:
= {1 , 2 }
3
[] = ( ) 31 + 22 = (5,2)
2
5
[] = ( ) 51 + 32 = (7,1)
3
Entonces podemos resolverlo como un sistema de ecuaciones vectorial:
26
31 + 22 = (5,2) 151 + 102 = (25,10)

{ {
51 + 32 = (7,1) 151 + 92 = (21,3)
Restando las ecuaciones, se obtiene:
2 = (4,7)
Sustituyendo y despejando, resulta: 1 = (1, 4).
Entonces
= {(1, 4), (4,7)}
Base y dimensin de un subespacio vectorial

Recordemos que un subespacio es un espacio vectorial en s mismo, por lo tanto
podemos hallar una base y su dimensin.
Si S es un subespacio de V, entonces: dim() dim().
Veamos cules son las dimensiones de los distintos tipos de subespacios de 3:
{(0,0,0)}
Rectas que pasan por el origen,
Planos que pasan por el origen y
3
Sabemos que 3 tiene dimensin 3.
= {(0,0,0)} no tiene base y como habamos dicho, se le asigna dimensin 0.
dim({0 }) = 0
Consideremos un plano que pase por el origen, por ejemplo:
: + 3 2 = 0
= 3 + 2
(, , ) (, , ) = (3 + 2, , ) = (3, , 0) + (2, 0, ) = (3,1,0) + (2,0,1)
Esto quiere decir que cualquier vector en ese plano se puede escribir como
combinacin lineal de (3,1,0) y (2,0,1). Cmo son LI:
{(3,1,0), (2,0,1)} 1
dim(1 ) = 2
27
Los planos que pasan por el origen son subespacios de dimensin 2.
Ahora consideremos el subespacio:
2 = {(, , ) 3 | + = 0 , = 0}
+ =0 1
{ , 1 2 =
= 0 2
La interseccin de dos planos no paralelos es una recta. Cmo podemos encontrar

una base de una recta?
() = 0 = 2
Si llamamos = , resulta:
(, , ) = (, , 2) = (1, 1,2)
Observamos que todos los vectores de la recta pueden expresarse como

combinacin lineal del vector director (1, 1,2), que adems es LI Por lo tanto,
{ (1, 1,2) } es una base de este subespacio.
Las rectas que pasan por el origen son subespacios de dimensin 1.
En los ejemplos anteriores observamos cmo disminuye la dimensin de un

subespacio a medida que agregamos ecuaciones, tal como se muestra en el
siguiente cuadro:
= 3
Nmero mnimo de
Dimensin del
ecuaciones que Objeto geomtrico Ejemplo
subespacio
definen S
0 3 3
1 2 Planos por el origen =0
=0
2 1 Rectas por el origen {
=0
=0
3 0 {(0,0,0)} { = 0
=0
28
EPL 1
Indicar si = {(1,1,1), (1,3,2)} es una base de = {(, , , ) 3 : + 2 = 0 } ,
justificando la respuesta.
Ejemplo 1
Consideremos el siguiente subespacio de R4 y busquemos base y dimensin:
1 = {(1 , 2 , 3 , 4 ) 4 | 1 + 4 = 0 2 4 = 0}
Teniendo en cuenta las ecuaciones que definen 1, podran anticipar su dimensin?
Observacin: Como 3 no aparece en las ecuaciones que definen el subespacio, un

error frecuente es suponer 3 = 0 .
Si 3 no est en las ecuaciones, significa que es una variable libre, o sea que puede
tomar cualquier valor real.
Entonces:
1 = 4
1 : { = 3 , 4
2 4
Escribimos el vector genrico (representativo) del subespacio que debe quedar

expresado en funcin de las variables libres 3 y 4 :
(4 , 4 , 3 , 4 ) = 3 (0,0,1,0) + 4 (1,1,0,1)
Encontramos dos vectores L.I. que generan el subespacio. Entonces una base de 1
es:
1 = {(0,0,1,0), (1,1,0,1)} por lo tanto dim(1) = 2
Ejemplo 2
Hallemos una base y la dimensin del subespacio de matrices simtricas de 2x2:
2 = { 22 | = }

Cmo es una matriz simtrica de 2x2? =( )

1 0 0 1 0 0
( ) = ( )+( )+( )
0 0 1 0 0 1
Las tres matrices halladas son L.I. y generan el subespacio de matrices simtricas, por
lo tanto hemos encontrado una base de dicho subespacio:
1 0 0 1 0 0
2 = {( ),( ),( )} dim(2 ) = 3
0 0 1 0 0 1
29
EPL 2
Hallar una base y la dimensin del subespacio de matrices antisimtricas de 2x2 y de
3x3.
Ejemplo 3
Hallar base y dimensin de = {() 2 | 0 21 + 32 = 0}
Resolucin
Cmo es un polinomio de 2?
() = 0 + 1 + 2 2
La dimensin de P2 es 3, pero estamos agregando la condicin 0 21 + 32 = 0.
Podemos anticipar que la dimensin del subespacio es 2, para comprobarlo

busquemos una base:
0 21 + 32 = 0 0 = 21 32
() = (21 32 ) + 1 + 2 2
(3 + 2 )
(2 + ) + 2
() = 1
1 () 2 ()
Estos dos vectores generan , y adems vemos que son LI.
Entonces encontramos una base del subespacio:
= {2 + , 3 + 2 }
dim() = 2
Bases de subespacios definidos por generadores

Hasta ahora hemos buscado bases de subespacios definidos por ecuaciones. Qu
ocurre cuando el subespacio est definido por sus generadores?
Veamos el siguiente ejemplo:
Hallar una base y la dimensin de = {(1,1,2), (1, 1,0), (0,1,1)} 3.
En este caso, por la definicin de S sabemos que {(1,1,2), (1, 1,0), (0,1,1)} es un
conjunto generador de S. Para determinar si es una base, tendremos que analizar la
independencia lineal:
- Si son vectores LI, entonces son base del subespacio.
- Si son LD, tendremos que extraer una base eliminando los vectores que sobren.
30
En el caso especfico de 3 vectores en R3, podemos utilizar el determinante (que es el

producto mixto). Como en este caso el determinante da cero, los vectores son
coplanares y por lo tanto L.D. Tenemos que extraer una base eliminando alguno de
los vectores, por ejemplo:
{(1,1,2), (1, 1,0)} es una base de S

{(1, 1,0), (0,1,1)} es otra base de S.
Podemos afirmar que la dimensin de S es 2.
Una forma prctica de extraer bases es armar una matriz con los vectores dados y
llevarla a la forma escalonada:
Una matriz es escalonada (por filas) si satisface las siguientes propiedades:
1. Las filas nulas (todos sus elementos son ceros) se encuentran en la parte inferior.
2. En cada fila no nula, el primer elemento distinto de cero (pivote) est a la derecha
del pivote de la fila anterior.
Una matriz cualquiera puede llevarse a la forma escalonada aplicando operaciones

elementales entre sus filas. Por ejemplo consideremos la matriz que armamos con los
generadores de :
1 1 2 1 1 2 1 1 2
(1 1 0) (0 2 2) ( 0 2 2)
3 2 23
0 1 1 2 1 2 0 1 1 0 0 0
Se denomina rango de una matriz al nmero de filas LI que tiene la matriz. Veremos en
la siguiente unidad la importancia de este concepto en el estudio de sistemas de
ecuaciones lineales.
Puede demostrarse que:
1. Si se realizan operaciones elementales entre las filas de una matriz, el rango se

conserva.
2. Las filas no nulas de una matriz escalonada son LI.
Por lo tanto, para determinar el rango de una matriz se aplican operaciones

elementales para obtener una matriz escalonada y se cuentan las filas no nulas.
En el ejemplo, la matriz escalonada tiene rango 2, por lo tanto la matriz que armamos
con los generadores de S tiene rango 2. Esto significa que de los tres generadores de S
hay dos linealmente independientes. Cul es entonces la dimensin de S? dim() = 2
31
Este mtodo tambin permite obtener bases: las filas no nulas de la ltima matriz son
otra base de S, ya que fueron obtenidas como combinaciones lineales de los vectores
de S:
{(1,1,2), (0,2,2)}
Ejemplo
Dado el conjunto:
= {1 + ; 1 2 ; 2 + 3 + 2 } 2
Hallar todos los valores de par que genere un subespacio de dimensin 2
Para el hallado encontrar las ecuaciones del subespacio generado por .
Resolucin
Sabemos que dim(2 ) = 3 , entonces todo conjunto de 3 vectores LI en 2 es base de

2. Como se pide que la dimensin del subespacio sea 2, debemos hallar de modo
que los vectores sean LD.
Los dos primeros vectores de son LI, entonces se trata de analizar para qu valores
de el tercer vector es combinacin lineal de los anteriores:
2 + 3 + 2 = (1 + ) + (1 2 )
2= +
{ 3 = = 3 , = 1, =1
=
Para = 1, el polinomio 2 + 3 + 2 es combinacin lineal de 1 + y 1 2. Entonces:
{1 + ; 1 2 ; 2 + 3 + 2 } = {1 + ; 1 2 }
{1 + ; 1 2 } 2
Ahora busquemos la ecuacin del subespacio. Tomamos un polinomio genrico,

() = 0 + 1 + 2 2 y lo escribimos como combinacin lineal de los vectores de la
base:
0 + 1 + 2 2 = (1 + ) + (1 2 )
+ = 0
{ = 2 = 1 = 2 0 = 1 2
= 1
Entonces sa es la ecuacin que define al subespacio:
= () = { 2 | 0 1 + 2 = 0}
32
Como verificacin, puede comprobarse que los dos vectores de la base verifican la
ecuacin obtenida.
Operaciones con subespacios

Interseccin
Sean y subespacios del mismo espacio vectorial . Definimos la interseccin
como sigue:
= { }
Propiedad: es subespacio de .
Demostracin:
1. 0 0 0
2. Consideremos ,
+ [1]
+ [2]
De [1] y [2] se deduce que +
3. Dejamos a cargo del lector demostrar: ()
Ejemplo 1
Sean los subespacios de 3:
= {(, , )| 3 = 0}
= {(, , )| + = 0}
Hallar .
Resolucin
Por definicin es un conjunto que estar formado por los vectores que
pertenezcan a y a . Es decir aquellos vectores que satisfagan las ecuaciones de y
las de :
= {(, , )| 3 = 0 + = 0}
Se trata de una recta definida como interseccin de dos planos. Una base de la recta
es un vector director.
33
Geomtricamente podemos buscar el vector director como el producto vectorial de

los vectores normales a los planos:

= 1 2 = |1 0 3| = (3, 2,1)
1 1 1
= {(, , ) = (3, 2,1) , }
Entonces { (3, 2,1) } es una base de .
Otra forma de resolverlo es buscar la solucin del sistema de ecuaciones:
3 = 0 = 3
{ { (3, 2, )
+ = 0 = = 2
(, , ) = (3, 2,1)
Y entonces otra vez llegamos a que { (3, 2,1) } es una base de .
Ejemplo 2
= { 22 | = }
1 0 1 0
= {( ),( )}
2 1 1 0
Hallar .
Resolucin
La interseccin de subespacios est formada por los vectores que verifican las
ecuaciones de dichos subespacios.
Qu tiene que cumplir una matriz para pertenecer a ?

= {( ) 22 | = }

Qu tiene que cumplir una matriz para pertenecer a ?
1 0 1 0
Tiene que poder escribirse como combinacin lineal de: ( ) ( )
2 1 1 0
Hallemos las ecuaciones del subespacio :
1 0 1 0
( ) = ( )+( )
2 1 1 0
+ 0
( )=( )
2 +
34
=+ =+
=0 =0 + = + 2
{ { {
= 2 + = + 2 =0
= =

= {( ) | = 0 = 0}

Ahora planteamos que las matrices de deben cumplir con las ecuaciones de
y las de :

= {( ) | = = 0 = 0}

O sea:
==0 =
Entonces las matrices de son de la forma:
0 1 0
( ) = ( )
0 0 1
Y una base de es:
1 0
= {( )}
0 1
Hay un mtodo alternativo ms breve para hallar una base de sin necesidad de
obtener las ecuaciones de , como veremos a continuacin.
Escribamos una matriz de como combinacin lineal de los vectores que la generan:
=+
1 0 1 0 =0
( ) ( ) = ( )+( ) {
2 1 1 0 = 2 +
=
Pero adems deben cumplirse las ecuaciones de que establecen que = .

Entonces:
=
=0
2 + = 0 = 2 {
=0
=
Por lo tanto, una matriz de es:
0 1 0 1 0
( ) = ( ) = {( )}
0 0 1 0 1
35
Suma de subespacios
Dados , subespacios de , se define la suma como sigue:
+ = { = 1 + 2 , 1 , 2 }
Propiedad: + es un subespacio del espacio vectorial .
Dejamos la demostracin a cargo del lector.
Si conocemos conjuntos generadores de S y de T, podemos hallar generadores de la

suma:
= {1 , 2 , , } y = {1 , 2 , , } + = {1 , 2 , , 1 , 2 , , }
Para hallar la suma es usual buscar las bases de y . Como las bases son conjuntos
generadores LI, si conocemos una base de cada subespacio podremos obtener un
conjunto generador de la suma:
Dadas las bases = {1 , 2 , , } y = {1 , 2 , , }
Resulta: {1 , , , 1 , , }
Observacin: Se obtiene as un conjunto generador de la suma pero no siempre es

linealmente independiente.
Si es LI, encontramos una base de la suma.

Si es LD, podemos extraer una base de la suma eliminando los vectores que
sobran.
Ejemplo 1
Dados los siguientes subespacios de = 3:
= {(, , )| 3 = 0}
= {(, , )| + = 0}
Nos interesa hallar + .
Busquemos una base de . Para eso en la ecuacin despejamos una variable:
= 3
Ahora armamos un vector genrico:
(, , ) = (3, , ) = (3,0,1) + (0,1,0)
= {(3,0,1), (0,1,0)}
36
Busquemos una base de . Para esto en la ecuacin despejamos una variable:
=+
Ahora armamos un vector genrico:
(, , ) = (, , + ) = (1,0,1) + (0,1,1)
Entonces
= {(1,0,1), (0,1,1)}
+ = {(3,0,1), (0,1,0), (1,0,1), (0,1,1)}
Sabemos que todo conjunto de ms de 3 vectores en 3 es linealmente dependiente,

ya que la dimensin de 3 es 3. Cmo podemos extraer una base de la suma?
Podramos armar una matriz con estos 4 vectores y llevarla a la forma escalonada. O
si no, como el espacio es 3 podemos pensar geomtricamente:

+ = {(3,0,1),
(0,1,0) , (1,0,1) , (0,1,1)}
Como (1,0,1) no verifica la ecuacin del plano S, los 3 primeros vectores no son
coplanares y por lo tanto forman una base de 3. Podemos eliminar (0,1,1) porque es
combinacin lineal de dicha base.
Por lo tanto: = {(3,0,1), (0,1,0), (1,0,1)} es base de + y es base de 3.
En este caso, como + es un subespacio de 3 de dimensin 3, podemos afirmar

que:
+ = 3
Generalizando:
dim() = dim() =
Ejemplo 2
Dados los siguientes subespacios de = 4:
1 = { 4 | 1 + 2 = 2 + 4 = 0}
2 = { 4 | 1 4 = 3 + 4 = 0}
Hallar base y dimensin de 1 + 2 .
37
Resolucin
(1 , 2 , 3 , 4 ) = (2 , 2 , 3 , 2 ) = 2 (1,1,0, 1) + 3 (0,0,1,0)
1 = {(1, 1,0,1), (0,0,1,0)}
(1 , 2 , 3 , 4 ) = (4 , 2 , 4 , 4 ) = 4 (1,0, 1,1) + 2 (0,1,0,0)
2 = {(1,0, 1,1), (0,1,0,0)}
1 + 2 = {(1, 1,0,1), (0,0,1,0), (1,0, 1,1), (0,1,0,0)}
Cmo hemos visto, un mtodo para analizar si son LI o LD, consiste en armar una
matriz con los vectores como filas y llevarla a su forma escalonada. Por conveniencia
colocaremos los vectores en el siguiente orden:
1 1 0 1 1 1 0 1 1 1 0 1
1 0 1 1 0 1 1 0 0 1 1 0
( ) ( ) ( )
0 1 0 0 2 2 1 0 1 0 0 3 3 2 0 0 1 0
0 0 1 0 0 0 1 0 0 0 1 0
1 1 0 1
0 1 1 0
( )
4 4 3 0 0 1 0
0 0 0 0
La matriz escalonada tiene 3 filas LI (su rango es 3), entonces podemos afirmar que la
dimensin de + es 3.
Como se anul la ltima fila, el vector (0,0,1,0) es combinacin lineal de los otros tres,
por lo tanto una base de + es: + = {(1, 1,0,1), (0,1,0,0), (1,0, 1,1)}.
Recordemos que las filas de la matriz escalonada componen otra base de la suma:
+ = {(1, 1,0,1), (0,1, 1,0), (0,0,1,0)}
Suma directa
La suma de dos subespacios es directa si y slo si la interseccin de los subespacios es
el vector nulo.
+ = {0 }
Cuando la suma es directa se escribe:
Ejemplos en = 3
A continuacin consideraremos diferentes casos de suma de subespacios en 3.
38
Dos rectas
Un caso posible de suma de dos subespacios en 3 es el de dos rectas que se cortan:
1 2
(0,0,0)
Los dos vectores LI de las rectas generan un plano: aqul que contiene a ambas
rectas. La suma es directa porque la interseccin entre las rectas es el vector nulo.
1 2 = {(0,0,0)} 1 + 2 = {1 , 2 }
1 2 = donde S es el plano que contiene a las dos rectas
Dos planos que se cortan

Otro caso posible de suma de dos subespacios en 3 es el de dos planos que se
cortan en una recta:
1 2
2 (0,0,0)
39
1 2 {0 } 1 + 2 = {1 , 2 , 3 , 4 ] = { 1 , 2 , 3 }
La suma de los subespacios es 3 pero no es suma directa porque la interseccin no

es el vector nulo:
1 + 2 = 3
Un plano y una recta incluida en el plano

Otro caso posible de suma de dos subespacios en 3 es el de un plano y una recta
incluida en el plano.
3
(0,0,0)
2
1
2
1 + 2 = 1 2 1
Se obtiene el mismo plano, y la suma no es directa porque la interseccin no es igual

al vector nulo.
Un plano y una recta no incluida en el plano

Otro caso posible de suma de dos subespacios en 3 es el de un plano y una recta no
incluida en el plano.
1
(0,0,0)
2
1
40
1 2 = {(0,0,0)} y 1 + 2 = {1 , 2, 3 } = 3
Se genera 3 porque el vector director de la recta no es coplanar con los vectores

del plano, y adems es directa porque la interseccin es el vector nulo:
1 2 = 3
Observacin: En el ltimo caso, la unin de las bases de los dos subespacios forma
una base de todo el espacio. En este caso, cada vector de 3 puede expresarse de
forma nica como suma de un vector de 1 y otro de 2.
EPL 3
Dados 1 = {(1,2,1), (0,2,0)} y 2 = {(, , ): + = = 0},
a) Hallar los valores de para los cuales 1 2 = 3 ;
b) Para = 0 , comprobar que = (3,2,1) puede expresarse de forma nica como

suma de un vector 1 1 y otro de 2 2 .
EPL 4
= {(1,1,1,1), (0,1,0,1)} y = {(, , , ): = 0 , + = 0}
Cul de las siguientes afirmaciones es correcta? Justificar.
1. = 4
2. + = 4
3. + = dim() = 3
4. = dim() = 3
Teorema de la dimensin de la suma

Si 1 y 2 son subespacios de un espacio vectorial (de dimensin finita), entonces:
( + ) = ( ) + ( ) ( )
En el caso particular de que la suma sea directa, como 1 2 = {0 } , resulta:
dim(1 2 ) = dim(1 ) + dim(2 )
41
Ejemplo
Dados los subespacios de 2:
1 = { 2 | (0) = 0}
2 = { 2 | (1) = 0}
Hallar bases de ambos subespacios y de la interseccin
Resolucin
Hallemos una base de 1:
(0) = 0 + 1 0 + 2 02 = 0 0 = 0
Entonces son los polinomios de la forma:
1 + 2 2
Luego una base de 1 es:
1 = {, 2 } dim(1 ) = 2
Hallemos una base de 2:
(1) = 0 + 1 1 + 2 12 = 0 0 + 1 + 2 = 0
Entonces son los polinomios de la forma:
(1 2 ) + 1 + 2 2 = 1 (1 + ) + 2 (1 + 2 )
2 = {1 + , 1 + 2 } dim(2 ) = 2
Para buscar 1 2 debemos plantear que se cumplan las ecuaciones de 1 y

tambin las de 2:
0 = 0 0 + 1 + 2 = 0 0 = 0 1 = 2
Los polinomios sern de la forma:
1 1 2 = 1 ( 2 )
Luego:
12 = { 2 } dim(1 2 ) = 1
Ntese que como conocemos las dimensiones de 1, 2 y 1 2, podemos calcular la

dimensin de 1 + 2 :
dim(1 + 2 ) = 2 + 2 1 = 3
42
Pero el nico subespacio de 2 con dimensin 3 es 2. Luego: 1 + 2 = 2.
EPL 5
Dados los subespacios de 22:
1 : { 22 | = }
2 : { 22 | = }
a) Hallar bases de 1 y 2
b) Obtener 1 2.
c) Sin hallar 1 + 2 analizar la validez de la siguiente afirmacin:
1 2 = 22
d) Proponer una base de 22 formada por matrices simtricas y antisimtricas, y

expresar la matriz
1 2
( )
3 4
como suma de una matriz simtrica ms una antisimtrica.
Producto interno
En la primera unidad vimos producto escalar entre vectores y sus aplicaciones a la
Geometra. En esta seccin nos proponemos generalizar esta operacin a otros
espacios vectoriales definiendo la nocin general de producto interno a partir de las
propiedades del producto escalar.
Definicin: Un producto interno en un espacio vectorial real es una operacin que

asigna a cada par de vectores y de un nmero real . tal que se verifican las
siguientes propiedades (para todo vector , , de y todo escalar ):
1. =
2. ( + ) = ( ) + ( )
3. = ( )
4. 0 = 0 = 0
Es posible definir as distintos productos internos en cualquier espacio vectorial

(mientras se verifiquen estas propiedades). En nuestra materia, slo trabajaremos con
el producto interno cannico en , que es la extensin del producto escalar:
(1 , 2 , , ). (1 , 2 , , ) = 1 1 + 2 2 +
Esta definicin nos permite extender el concepto de ortogonalidad a :
43
. = 0
Ejemplo
Realicemos el producto interno de los vectores de 4:
= (1,2,3,4) = (1,0,1, 1)
. = 1.1 + 2.0 + 3.1 + 4. (1) = 0
Como . = 0 entonces y son ortogonales.
Complemento ortogonal de un subespacio

Sea subespacio de (espacio vectorial con producto interno).
El complemento ortogonal de , que denotamos como , es el conjunto de vectores

de que son ortogonales a cada uno de los vectores de :
= { = 0 }
Propiedad: es un subespacio de .
1. 0 pertenece a pues 0 . = 0 para todo de
2. Sean , . = 0 . = 0 ( + ). = . + . = 0
Por lo tanto + est en
3. Si . Por qu?
Ejemplo 1
Sea = {(, , ) 3 | 2 + 3 = 0}. Hallar .
Resolucin
Tenemos que buscar los vectores de 3 que sean perpendiculares a todos los
vectores de ese plano.
Primero buscamos una base de , por ejemplo:
= {(1,1,1), (0,1,3)}
Para hallar el complemento ortogonal, buscamos todos los vectores (, , ) que sean
ortogonales a (1, ,1,1) y a (0,1,3).
Se obtiene as un sistema de ecuaciones que define el complemento ortogonal:
44
(, , ). (1,1,1) = 0 + + = 0 3 + = 0
{ {
(, , ). (0,1,3) = 0 + 3 = 0
= 2
{
= 3
Cul es una base del subespacio ?
= {(2, 3,1)}
La base es un vector perpendicular al plano . Por lo tanto, el complemento

ortogonal de un plano que pasa por el origen es la recta perpendicular que pasa por
el origen.
Si es una recta que pasa por el origen: cul es su complemento ortogonal?
EPL 6
Para justificar el procedimiento que utilizamos para encontrar las ecuaciones de ,
les pedimos que demuestren la siguiente propiedad:
Sean , , vectores de .
Si es ortogonal a y a , entonces es ortogonal a cualquier combinacin lineal de

y .
Ejemplo 2
Dado siguiente subespacio de 4:
45
= {(1 , 2 , 3 , 4 ) 4 | 1 + 2 33 = 0 2 4 = 0}
Halle base y dimensin del complemento ortogonal.
Resolucin
Tenemos que buscar los vectores de 4 que son ortogonales a los vectores de .
Hallemos una base de :
(2 + 33 , 2 , 3 , 2 ) = 2 (1,1,0,1) + 3 (3,0,1,0)
= {(1,1,0,1), (3,0,1,0)}
Ahora buscamos los (1 , 2 , 3 , 4 ) tales que:
( , , , )(3,0,1,0) = 0 31 + 3 = 0
{ 1 2 3 4 {
(1 , 2 , 3 , 4 )(1,1,0,1) = 0 1 + 2 + 4 = 0
Hallamos las ecuaciones que definen a :
= {(1 , 2 , 3 , 4 ) 4 | 31 + 3 = 0 1 + 2 + 4 = 0 }
Busquemos una base de :
(1 , 2 , 31 , 1 2 ) = 1 (1,0, 3,1) + 2 (0,1,0, 1)
= {(1,0, 3,1), (0,1,0, 1)} dim( ) = 2
Propiedades del complemento ortogonal

Sea un espacio vectorial de dimensin finita, con producto interno, y sea un
subespacio de . Entonces se verifican las siguientes propiedades:
1. ( ) =
2. = { 0 } y { 0 } =
3. = {0 }
4. + =
Esta ltima propiedad significa que cualquier vector de puede expresarse como
suma de un vector de S ms otro de .
Ilustramos con un ejemplo geomtrico de 3:
46
De las propiedades 3 y 4 se deduce:
Y por lo tanto:
() + ( ) = ()
La unin de una base de con una base de es base de . Esto se aplica para
extender una base de a una base de , como muestra el siguiente ejemplo.
Ejemplo
Sea = {(1 , 2 , 3 , 4 ) 4 1 + 4 = 0 , 1 2 + 34 = 0 }.
Hallar una base de y extenderla a una base de 4.
Resolucin
Buscamos una base de S, por ejemplo:
= { (1, 2,0, 1), (0,0,1,0)}
Como () = 2, podemos anticipar que: dim( )= 4 2 = 2
A partir de la base de S, obtenemos las ecuaciones de :
22 4 = 0
: { 1
3 = 0
Y hallamos una base de , por ejemplo:
47
= { (2,1,0,0), ((0,1,0, 2)}
Entonces uniendo las bases de y resulta:
= { (1, 2,0, 1), (0,0,1,0), (2,1,0,0), ((0,1,0, 2) } 4
EPL 7
Dados los siguientes subespacios de 4:
= {(1 , 2 , 3 , 4 ) 1 = 0 , 2 + 23 = 0 } y = { (1,0,0,0), (2,3, , 0)}
Hallar los valores de para los cuales = .
48

AGA Virtual - Unidad 3

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

AGA Virtual - Unidad 3

Diunggah oleh

Hak Cipta:

Format Tersedia

AGA Virtual Segundo cuatrimestre 2015 Unidad 3

En esta unidad, generalizaremos el concepto de vector a partir de estas propiedades

Definicin de espacio vectorial

Llamamos + a la suma de vectores en , y al producto de un nmero real

Observacin: En la definicin anterior, cuando decimos escalares nos estamos

Los espacios , con 1 , son los ejemplos principales de espacios vectoriales. La

Los vectores de son n-uplas de nmeros reales, o sea:

En , la suma de vectores y el producto por un escalar se definen as:

Recordemos la suma de polinomios y la multiplicacin por un escalar:

Definimos las operaciones:

En particular, el vector nulo en este espacio es el polinomio nulo, es decir el polinomio

Generalizando, para cualquier 0 , el conjunto de todos los polinomios de grado

Por qu no definimos como el conjunto de polinomios de grado exactamente

() = 2 y () = 2 + 1 son polinomios de grado 2, pero la suma es un polinomio

Propiedades de los espacios vectoriales

Veamos cmo puede demostrarse esta ltima propiedad:

es un subespacio de si es en s mismo un espacio vectorial con las mismas

Primero analicemos el conjunto . Son todos vectores de 2 tales que la segunda

Para decidir si es un subespacio de 2 habra que verificar que se cumplen los

Condiciones necesarias y suficientes para caracterizar

es subespacio de si y slo si se cumplen las siguientes condiciones:

b. Si y estn en , entonces + est en .

c. Si est en y es un escalar, est en .

1. La condicin (a) asegura que W no es vaco. La mejor manera de comprobar si W

2. Las propiedades a, b y c corresponden a los axiomas 4, 1 y 6 de espacios

3. Los axiomas 2, 3, 7, 8, 9 y 10 de espacio vectorial se cumplen para porque ste es

4. Faltara comprobar que cada vector de tiene su opuesto en (axioma 5 de

Teniendo en cuenta la condicin (c) de subespacios,

c. Si est en y es un escalar, est en .

Para cada , (1) = .

Y por lo tanto cada vector de tiene su opuesto en .

Los subespacios {0 } y se denominan subespacios triviales de .

Ejercitacin sobre subespacios

Se cumple (a) pues (0,0)

No se cumple (b) porque la suma de dos vectores de puede no estar en , por

(1,0) + (0,1) = (1,1)

Se cumple (a) pues (0,0)

Se cumple (b) pues la suma de dos vectores de , est en :

(0, 1 ) + (0, 2 ) = (0, 1 + 2 )

Se cumple (c) pues el producto de un vector de por un nmero real est en :

Se cumple (a) pues (0,0)

No se cumple (b) porque la suma de dos vectores de puede no estar en , por

(1,1) + (1, 1) = (2,0)

De la ecuacin del plano se deduce que: = 2

Por lo tanto los vectores que pertenecen a responden a la forma ( 2, , ) con

Se cumple (a) pues (0,0,0)

Se cumple (a) pues el polinomio nulo pertenece a .

Recordemos la definicin de suma de funciones y de producto de un real por una

( + ) () = () + (), para todo perteneciente al dominio de y de

()() = () para todo x perteneciente al dominio de f

Los polinomios son funciones, por lo tanto si consideramos , , resulta:

( + )(0) = (0) + (0) = 0 + 0 = 0 +

Demostramos que es un subespacio de 2.

Se cumple (a) porque la matriz nula pertenece a .

Se cumple (b) pues si , entonces ( + ) = + = + , luego ( + )

Se cumple (c) pues si entonces () = = , luego ()

Demostramos que el conjunto de matrices simtricas de 2x2 es un subespacio de 22.

Observacin: En la comprobacin de las condiciones (a), (b) y (c) no fue necesario

Se cumple (a) porque la matriz nula pertenece a .

Entonces no se cumple (b).

Resumen de los subespacios de 2 y 3

No hay ninguna otra clase de subespacios en 2 y 3.

donde 1 , 2 , , son escalares.

Veamos cmo se puede pensar esto desde la perspectiva geomtrica. Qu