Espacios Vectoriales

OBJETIVO
Resolver problemas relacionados con los espacios vectoriales reales o complejos, interpretndolos como una
estructura algebraica, utilizando matrices, determinantes, rango e inversa y sistemas de ecuaciones lineales, en
situaciones reales, propias de la ingeniera.

CONTENIDO:

5.1 ESPACIOS VECTORIALES
5.2 SUBESPACIOS VECTORIALES
5.3 COMBINACIONES LINEALES. SUBESPACIOS GENERADOS
5.4 INTERSECCION Y SUMA DE SUBESPACIOS. SUMA DIRECTA
5.5 DEPENDENCIA E INDEPENDENCIA LINEAL
5.6 BASE Y DIMENSION
5.7 VECTOR DE COORDENADAS Y CAMBIO DE BASE
5.8 CUESTIONARIO

5.1 ESPACIOS VECTORIALES

En esta seccin se generalizar el concepto de vector. Se enunciar un conjunto de axiomas que, si una clase
de objetos hace que se cumplan, permitir denominar vectores a esos objetos. Los axiomas se elegirn abstra-
yendo las propiedades ms importantes de los vectores en 9
n
. El trabajo desarrollado en esta seccin es muy
til, ya que proporciona una herramienta poderosa para extender la representacin geomtrica a una amplia
variedad de problemas matemticos importantes en los que de otra forma no se contara con la intuicin geo-
mtrica.

La resolucin de los problemas de cualquier gnero se reduce, al fin y al cabo, al
estudio de ciertos conjuntos y, en primer lugar, al estudio de la estructura de di-
chos conjuntos. Para estudiar la estructura de conjuntos se emplean los ms diver-
sos mtodos. Por ejemplo, partiendo de la propiedad caracterstica que poseen los
elementos o bien partiendo de las propiedades de las operaciones, si estn defini-
das para los elementos.

El ltimo mtodo parece ser de atraccin especial debido a su generalidad. Efec-
tivamente, ya hemos visto repetidamente que en los ms diversos conjuntos pue-
den introducirse las ms diversas operaciones que, no obstante, poseen propieda-
des iguales. Ser evidente por esta razn que si en la investigacin de los conjun-
tos se obtiene cierto resultado slo en la base de las propiedades de una opera-
cin, este resultado tendr lugar en todos los conjuntos, donde las operaciones
poseen las mismas propiedades. En este caso la naturaleza concreta tanto de los
elementos como de las operaciones sobre ellos puede ser completamente diferen-
te.
ESPACIOS VECTORIALES
JOE GARCIA ARCOS
186
Se conoce que en realidad detrs de los vectores estn los objetos fsicos bien
reales. Por esto, la investigacin detallada de la estructura de los conjuntos repre-
senta inters por lo menos para la fsica. Hay una tentacin, originada por la sen-
cillez de los conjuntos citados, que conduce al deseo de estudiarlos apoyndose
slo en las peculiaridades concretas de los elementos. Sin embargo, no podemos
sino observar el hecho de que dichos conjuntos tienen mucho en comn, razn
por la cual parece racional comenzar su estudio partiendo de ciertas posiciones
generales, abrigando esperanza, por lo menos, que tendremos xito en evitar repe-
ticiones fastidiosas y montonas al pasar de la investigacin de un conjunto a la
del otro.

No se desarrollaran las diferentes propiedades de los cuerpos abstractos y no
trataremos de cuerpo especfico alguno que no sea de los nmeros racionales,
reales y complejos. Es conveniente y cmodo, por el momento, no especificar la
naturaleza exacta del cuerpo de escalares, porque gran parte de los espacios vec-
toriales es vlida para cuerpos arbitrarios. El estudiante que no conoce los cuerpos
abstractos no estar en desventaja, pues basta con que piense en K como en uno
de los cuerpos que le son familiares. Todo lo que importa es que podamos efec-
tuar las operaciones de adicin y sustraccin, multiplicacin y divisin, en la
forma usual. Ms adelante tendremos que restringir a K al cuerpo de los nmeros
reales o al cuerpo de los nmeros complejos, para obtener ciertos resultados clsi-
cos; pero se pospondr ese momento tanto como podamos. En general, usaremos
letras minsculas del alfabeto latino para denotar a los vectores. Una excepcin es
el vector nulo que se denotar por C.

DEFINICION 5.1.1
Sea V un conjunto cualesquiera no vaco de elementos sobre el que estn
definidas dos operaciones: la adicin y la multiplicacin por escalares.
Por adicin se entiende una regla que asocia a cada par de elementos u y
v en V un elemento u + v denominado suma de u y v; por multiplicacin
escalar se entiende una regla que asocia a cada escalar o y cada elemento
u en V un elemento ou, denominado mltiplo escalar de u por o. Si los
elementos u, v, w en V y los escalares o y | satisfacen los axiomas si-
guientes, entonces V se denomina espacio vectorial, y sus elementos se
denominan vectores:
1.- Si u, v estn en V, entonces u + v est en V.
2.- Si u, v estn en V, entonces u + v = v + u.
3.- Si u, v, w estn en V, entonces u + (v + w) = (u + v) + w.
4.- Existe un nico elemento C en V, denominado vector cero de V, tal
que se cumple que C + u = u + C = u para todo u en V.
5.- Para todo u en V existe un elemento -u en V, denominado opuesto
de u, tal que se cumple u + (-u) = (-u) + u = C.
6.- Si o es cualquier escalar y u es cualquier elemento en V, entonces
ou est en V.
7.- Si u, v estn en V y o es un escalar, entonces o(u + v) = ou + ov.
8.- Si u est en V y o, | son escalares, entonces (o + |)u = ou + |u.
9.- Si u est en V y o, | son escalares, entonces o(|u) = (o|)u.
10.- Si u est en V y 1 es un escalar, 1u = u.

Los elementos de cualquier espacio vectorial los llamaremos vectores, a pesar de
que segn su naturaleza concreta dichos elementos pueden ser bien distintos de
los segmentos dirigidos. Las representaciones geomtricas, relacionadas con el
nombre de vectores, nos ayudaran en aclarar y, con frecuencia, en prever los
resultados necesarios, como tambin en buscar la interpretacin geomtrica de
diferentes hechos la cual no siempre resulta obvia. Cualquier tipo de objeto pue-
JOE GARCIA ARCOS
187
de ser un vector, y es posible que las operaciones de adicin y multiplicacin
escalar no guarden ninguna relacin o semejanza con las operaciones vectoriales
usuales sobre R
n
. El nico requisito es que se cumplan los axiomas de la defini-
cin de espacio vectorial.

A continuacin damos a conocer algunas propiedades que provienen de la exis-
tencia de las operaciones de adicin y multiplicacin por un nmero. Conciernen,
en lo esencial, a los vectores nulo y opuesto.

TEOREMA 5.1.1
Sean V un espacio vectorial, u un elemento de V y a un escalar, entonces
se cumple lo siguiente:
1.- 0u = C.
2.- aC = C.
3.- (-1)u = -u.
4.- Si au = C, entonces a = 0 o u = C.
DEMOSTRACION
1.- Se puede escribir
0u + 0u = (0 + 0)u = 0u
Por el axioma 5, el vector 0u tiene un negativo: -0u. Al sumar este negativo a
ambos miembros de la ltima expresin se obtiene
(0u + 0u) + (-0u) = 0u + (-0u)
o
0u + (0u + (-0u)) = 0u + (-0u)
0u + C = C
0u = C
2.- Ya que a(v + C) = av + aC, entonces aC = C.
3.- Para probar (-1)u = -u, es necesario demostrar que u + (-1)u = C. Para ver
esto, obsrvese que
u + (-1)u = 1u + (-1)u = (1 + (-1))u = 0u = C.
4.- Efectivamente, si la igualdad au = C se realiza, puede haber una de las dos
posibilidades: o bien a = 0 o bien a = 0. El caso a = 0 confirma la afirmacin. Sea
ahora, a = 0. En este caso
1 1 1
1 ( ) u u a u au
a a a
| |
= = = =
|
\ .
C = C.

De esta forma, desde el punto de vista de las operaciones de multiplicacin, adi-
cin y sustraccin tienen lugar formalmente todas las reglas de transformaciones
equivalentes para las expresiones algebraicas.

En algunas aplicaciones, es necesario alterar la definicin de espacio vectorial
para que los escalares sean nmeros complejos. Entonces se habla de un espacio
vectorial complejo. En gran medida, la teora de los espacios vectoriales reales es
igual que la teora de los espacios vectoriales complejos. En consecuencia, a lo
largo del captulo, se puede reemplazar la expresin espacio vectorial por espacio
vectorial complejo.

EJEMPLO 5.1.1
Considrese las funciones f : 9 9. Dentro del conjunto de todas estas funciones
est el subconjunto que consiste en todas las funciones f derivables dos veces que
satisfacen a la ecuacin diferencial f + f = 0, donde cada signo de prima indica
derivacin. Por supuesto, f es nuevamente una funcin de 9 en 9. Podemos
afirmar que el subconjunto 9(9) formado por todas las funciones f que satisfacen la
ecuacin diferencial, es un espacio vectorial sobre 9, donde utilizamos las mismas
operaciones de suma y producto por escalares en este subconjunto que en 9(9).
JOE GARCIA ARCOS
188
SOLUCION
Verifquense los axiomas (1) y (6). Para hacerlo con (1), hemos de demostrar que si
las funciones f y g satisfacen ambas la ecuacin diferencial, entonces tambin la
satisfar f + g. Pero esto es trivial, puesto que de f + f = 0 y g + g = 0 obtenemos
fcilmente (f + g) + (f + g) = 0. De forma anloga, si o es un nmero real, entonces
de f + f = 0 se halla que (of) + (of) = 0. Por tanto, tambin es satisfecho el
axioma (6). Los otros axiomas automticamente se cumplen. V

EJEMPLO 5.1.2
Determine cules de los conjuntos siguientes constituyen espacios vectoriales:
a.- En (-; ), los polinomios de grado mayor o igual que 2;
b.- En (-; ), los polinomios que tienen un cero en x = 2.
SOLUCION
a.- Tenemos que analizar el conjunto
S = {p(t) e P / p(t) = a
2
t
2
+ a
3
t
3
+ ... + a
n
t
n
, donde a
2
, a
3
, ..., a
n
e 9}.
A continuacin comprobamos los 10 axiomas de la definicin de espacio vectorial:
1.- Si p
1
, p
2
estn en S, entonces p
1
+ p
2
estn en S. Es decir:
(p
1
+ p
2
)(t) = p
1
(t) + p
2
(t) = (a
2
t
2
+ a
3
t
3
+ ... + a
n
t
n
) + (b
2
t
2
+ b
3
t
3
+ ... + b
n
t
n
)
= (a
2
+ b
2
)t
2
+ (a
3
+ b
3
)t
3
+ + (a
n
+ b
n
)t
n
= c
2
t
2
+ c
3
t
3
+ + c
n
t
n
e S.
2.- Si p
1
, p
2
1
+ p
2
= p
2
+ p
1
. Es decir:
(p
1
+ p
2
)(t) = p
1
(t) + p
2
(t)
= (a
2
t
2
+ a
3
t
3
+ ... + a
n
t
n
) + (b
2
t
2
+ b
3
t
3
+ ... + b
n
t
n
)
= (a
2
+ b
2
)t
2
+ (a
3
+ b
3
)t
3
+ + (a
n
+ b
n
)t
n

= (b
2
+ a
2
)t
2
+ (b
3
+ a
3
)t
3
+ + (b
n
+ a
n
)t
n

= p
2
(t) + p
1
(t)
= (p
2
+ p
1
)(t).
3.- Si p
1
, p
2
, p
3
1
+ (p
2
+ p
3
) = (p
1
+ p
2
) + p
3
. Es decir:
[p
1
+ (p
2
+ p
3
)](t) = p
1
(t) + [p
2
(t) + p
3
(t)]
= (a
2
t
2
+ a
3
t
3
+ ... + a
n
t
n
) + [(b
2
+ c
2
)t
2
+ + (b
n
+ c
n
)t
n
]
= (a
2
+ b
2
+ c
2
)t
2
+ (a
3
+ b
3
+ c
3
)t
3
+ + (a
n
+ b
n
+ c
n
)t
n
]
= [(a
2
+ b
2
) + c
2
]t
2
+ [(a
3
+ b
3
) + c
3
]t
3
+ + [(a
n
+ b
n
) + c
n
]t
n

= [(a
2
+ b
2
)t
2
+ (a
2
+ b
2
)t
2
+ + (a
n
+ b
n
)t
n
] + (c
2
t
2
+ c
3
t
3
+ ... + c
n
t
n
)
= [p
1
(t) + p
2
(t)] + p
3
(t) = [(p
1
+ p
2
) + p
3
](t).
4.- Existe un nico elemento C
p
en S, denominado vector cero de S, tal que se
cumple que C
p
+ p = p + C
p
= p para todo p en S. Es decir:
(C
p
+ p)(t) = C
p(t)
+ p(t)
= (0t
2
+ 0t
3
+ ... + 0t
n
) + (a
2
t
2
+ a
3
t
3
+ ... + a
n
t
n
)
= (0 + a
2
)t
2
+ (0 + a
3
)t
3
+ + (0 + a
n
)t
n

= a
2
t
2
+ a
3
t
3
+ ... + a
n
t
n
= p(t).
5.- Para todo p en S existe un elemento p en S, denominado opuesto de p, tal
que se cumple p + (-p) = (-p) + p = C
p
. Es decir:
[p + (-p)](t) = p(t) + [-p(t)]
= (a
2
t
2
+ a
3
t
3
+ ... + a
n
t
n
) + (- a
2
t
2
- a
3
t
3
- ... - a
n
t
n
)
= (a
2
- a
2
)t
2
+ (a
3
a
3
)t
3
+ + (a
n
- a
n
)t
n

= 0t
2
+ 0t
3
+ + 0t
n
= C
p(t)
.
6.- Si o es cualquier escalar y p es cualquier elemento en S, entonces op est en
S. Es decir:
(op)(t) = op(t)
= o(a
2
t
2
+ a
3
t
3
+ ... + a
n
t
n
)
= (oa
2
)t
2
+ (oa
3
)t
3
+ ... + (oa
n
)t
n

= b
2
t
2
+ b
3
t
3
+ ... + b
n
t
n
e S.
7.- Si p
1
, p
2
estn en S y o es un escalar, entonces o(p
1
+ p
2
) = op
1
+ op
2
. Es
decir:
[o(p
1
+ p
2
)](t) = o[p
1
(t) + p
2
(t)]
= o[(a
2
+ b
2
)t
2
+ (a
3
+ b
3
)t
3
+ + (a
n
+ b
n
)t
n
]
JOE GARCIA ARCOS
189
= (oa
2
+ ob
2
)t
2
+ (oa
3
+ ob
3
)t
3
+ + (oa
n
+ ob
n
)t
n

= (oa
2
t
2
+ oa
3
t
3
+ ... + oa
n
t
n
) + (ob
2
t
2
+ ob
3
t
3
+ ... + ob
n
t
n
)
= o(a
2
t
2
+ a
3
t
3
+ ... + a
n
t
n
) + o(b
2
t
2
+ b
3
t
3
+ ... + b
n
t
n
)
= op
1
(t) + op
2
(t).
8.- Si p est en S y o, | son escalares, entonces (o + |)p = op + |p. Es decir:
[(o + |)p](t) = (o + |)p(t)
= (o + |)(a
2
t
2
+ a
3
t
3
+ ... + a
n
t
n
)
= (o + |)a
2
t
2
+ (o + |)a
3
t
3
+ ... + (o + |)a
n
t
n

= (oa
2
t
2
+ oa
3
t
3
+ ... + oa
n
t
n
) + (|a
2
t
2
+ |a
3
t
3
+ ... + |a
n
t
n
)
= o(a
2
t
2
+ a
3
t
3
+ ... + a
n
t
n
) + |(a
2
t
2
+ a
3
t
3
+ ... + a
n
t
n
)
= op(t) + |p(t).
9.- Si p est en S y o, | son escalares, entonces o(|p) = (o|)p. Es decir:
[o(|p)](t) = o[|p(t)]
= o(|a
2
t
2
+ |a
3
t
3
+ ... + |a
n
t
n
)
= o|a
2
t
2
+ o|a
3
t
3
+ ... + o|a
n
t
n

= o|(a
2
t
2
+ a
3
t
3
+ ... + a
n
t
n
) = (o|)p(t).
10.- Si p est en S y 1 es un escalar, 1p = p. Es decir:
(1p)(t) = 1p(t)
= 1(a
2
t
2
+ a
3
t
3
+ ... + a
n
t
n
)
= 1a
2
t
2
+ 1a
3
t
3
+ ... + 1a
n
t
n

= a
2
t
2
+ a
3
t
3
+ ... + a
n
t
n
= p(t).
Como se prueban todos los axiomas, entonces S es un espacio vectorial.
b.- En este caso tenemos que S = {p e
n
/ p(t) = (t 2)q(t), q(t) e
n-1
}. A
continuacin comprobamos los 10 axiomas de la definicin de espacio vectorial:
1.- Si p
1
, p
2
1
+ p
2
p
1
(t) + p
2
(t) = (t 2)q
1
(t) + (t 2)q
2
(t) = (t 2)(q
1
(t) + q
2
(t)) = (t 2)h(t) e S.
2.- Si p
1
, p
2
1
+ p
2
= p
2
+ p
1
. Es decir:
p
1
(t) + p
2
(t) = (t 2)q
1
(t) + (t 2)q
2
(t) = (t 2)[q
1
(t) + q
2
(t)]
= (t 2) )[q
2
(t) + q
1
(t)] = (t 2)q
2
(t) + (t 2)q
1
(t) = p
2
(t) + p
1
(t).
3.- Si p
1
, p
2
, p
3
1
+ (p
2
+ p
3
) = (p
1
+ p
2
) + p
3
. Es decir:
p
1
(t) + [p
2
(t) + p
3
(t)] = (t 2)q
1
(t) + [(t 2)q
2
(t) + (t 2)q
3
(t)]
= (t 2)q
1
(t) + (t 2)q
2
(t) + (t 2)q
3
(t)
= [(t 2)q
1
(t) + (t 2)q
2
(t)] + (t 2)q
3
(t)
= [p
1
(t) + p
2
(t)] + p
3
(t).
p
en S, denominado vector cero de S, tal que se
cumple que C
p
+ p = p + C
p
= p para todo p en S. Es decir:
C
p(t)
+ p(t) = C
p(t)
+ (t 2)q(t) = (t 2)q(t) + C
p(t)
= (t 2)q(t) = p(t).
5.- Para todo p en S existe un elemento p en S, denominado opuesto de p, tal
que se cumple p + (-p) = (-p) + p = C
p
. Es decir:
p(t) + [-p(t)] = (t 2)q(t) + [- (t 2)q(t)]
= (t 2)q(t) - (t 2)q(t)
= (t 2)[q(t) - q(t)]
= (t 2)C
p(t)
= C
p(t)
.
6.- Si o es cualquier escalar y p es cualquier elemento en S, entonces op est en
S. Es decir:
op(t) = o[(t 2)q(t)] = o(t 2)q(t) = (t 2)h(t) e S.
7.- Si p
1
, p
2
estn en S y o es un escalar, entonces o(p
1
+ p
2
) = op
1
+ op
2
. Es
decir:
o[p
1
(t) + p
2
(t)] = o[(t 2)q
1
(t) + (t 2)q
2
(t)]
= o(t 2)q
1
(t) + o(t 2)q
2
(t)
= op
1
(t) + op
2
(t).
8.- Si p est en S y o, | son escalares, entonces (o + |)p = op + |p. Es decir:
(o + |)p(t) = (o + |)[(t 2)q(t)] = o(t 2)q(t) + |(t 2)q(t) = op(t) + |p(t).
9.- Si p est en S y o, | son escalares, entonces o(|p) = (o|)p. Es decir:
JOE GARCIA ARCOS
190
o[|p(t)] = o[|(t 2)q(t)] = o|(t 2)q(t) = (o|)(t 2)q(t) = (o|)p(t).
10.- Si p est en S y 1 es un escalar, 1p = p. Es decir:
1p(t) = 1(t 2)q(t) = (t 2)q(t) = p(t).
Como se prueban todos los axiomas, entonces S es un espacio vectorial. V

EJEMPLO 5.1.3
a.- Todas las f en C
2
[0; 1] tales que f (x) = x
2
f(x);
b.- Todas las f en C(-1; 1), tales que f es montona y estrictamente creciente.
SOLUCION
a.- En este caso tenemos que S = {f e F / f (x) = x
2
f(x)}. A continuacin
comprobamos los 10 axiomas de la definicin de espacio vectorial:
1.- Si f
1
, f
2
estn en S, entonces f
1
+ f
2
(f
1
+ f
2
)(x) = f
1
(x) + f
2
(x) = x
2
f
1
(x) + x
2
f
2
(x) = x
2
[f
1
+ f
2
](x) = x
2
g(x) e S.
2.- Si f
1
, f
2
1
+ f
2
= f
2
+ f
1
. Es decir:
(f
1
+ f
2
)(x) = f
1
(x) + f
2
(x) = x
2
f
1
(x) + x
2
f
2
(x) = x
2
[f
1
+ f
2
](x) = x
2
[f
2
+ f
1
](x)
= x
2
f
2
(x) + x
2
f
1
(x) = (f
2
+ f
1
)(x).
3.- Si f
1
, f
2
, f
3
1
+ (f
2
+ f
3
) = (f
1
+ f
2
) + f
3
. Es decir:
[f
1
+ (f
2
+ f
3
)](x) = f
1
(x) + (f
2
+ f
3
)(x) = x
2
f
1
(x) + x
2
(f
2
+ f
3
)(x)
= x
2
f
1
(x) + x
2
f
2
(x) + x
2
f
3
(x) = x
2
(f
1
+ f
2
)(x) + x
2
f
3
(x)
= (f
1
+ f
2
)(x) + f
3
(x) = [(f
1
+ f
2
) + f
3
](x).
f
en S, denominado funcin cero de F, tal que se
cumple que C
f
+ f = f + C
f
= f para toda f en S. Es decir:
[C
f
+ f](x) = C
f (x)
+ f (x) = C + x
2
f(x) = x
2
f(x) + C = x
2
f(x) = f (x).
5.- Para todo f en S existe un elemento f en S, denominado opuesto de f, tal que
se cumple f + (-f) = (-f) + f = C
f
. Es decir:
[f + (-f)](x) = f (x) f (x) = x
2
f(x) - x
2
f(x) = x
2
(f f)(x) = x
2
C
f(x)
= C
f (x)
.
6.- Si o es cualquier escalar y f es cualquier elemento en S, entonces of est en
S. Es decir:
(of)(x) = of (x) = o[x
2
f(x)] = x
2
[of(x)] = x
2
g(x) e S.
7.- Si f
1
, f
2
estn en S y o es un escalar, entonces o(f
1
+ f
2
) = of
1
+ of
2
. Es decir:
o(f
1
+ f
2
)(x) = of
1
(x) + of
2
(x) = o[x
2
f
1
(x)] + o[x
2
f
2
(x)]
= ox
2
f
1
(x) + ox
2
f
2
(x) = of
1
(x) + of
2
(x).
8.- Si f est en S y o, | son escalares, entonces (o + |)f = of + |f. Es decir:
(o + |)f (t) = (o + |)x
2
f(x) = ox
2
f(x) + |x
2
f(x) = of (x) + |f (x).
9.- Si f est en S y o, | son escalares, entonces o(|f) = (o|)f. Es decir:
o(|f)(x) = o[|f (x)] = o[|x
2
f(x)] = o|x
2
f(x) = (o|)x
2
f(x) = (o|)f (x).
10.- Si f est en S y 1 es un escalar, 1f = f. Es decir:
1f (x) = 1x
2
f(x) = x
2
f(x) = f (x).
Como se prueban todos los axiomas, entonces S es un espacio vectorial.
b.- En este caso tenemos que S = {f e / f (x) > 0}. A continuacin comprobamos
los 10 axiomas de la definicin de espacio vectorial:
1.- Si f
1
, f
2
1
+ f
2
(f
1
+ f
2
)(x) = f
1
(x) + f
2
(x) > 0 + 0 = 0 e S.
2.- Si f
1
, f
2
1
+ f
2
= f
2
+ f
1
. Es decir:
(f
1
+ f
2
)(x) = f
1
(x) + f
2
(x) > 0 + 0 = f
2
(x) + f
1
= (f
2
+ f
1
)(x).
3.- Si f
1
, f
2
, f
3
1
+ (f
2
+ f
3
) = (f
1
+ f
2
) + f
3
. Es decir:
[f
1
+ (f
2
+ f
3
)](x) = f
1
(x) + (f
2
+ f
3
)(x) > 0 + (0 + 0) = (0 + 0) + 0
= (f
1
+ f
2
)(x) + f
3
(x) = [(f
1
+ f
2
) + f
3
](x).
f
en S, denominado funcin cero de S, tal que se
cumple que C
f
+ f = f + C
f
(C
f
+ f)(x) = C
f (x)
+ f (x).
Como la primera derivada de la funcin nula es igual a cero, entonces la funcin nula
no pertenece al conjunto S. Entonces, S no tiene estructura de espacio vectorial. V
JOE GARCIA ARCOS
191
EJEMPLO 5.1.4
a.- El conjunto de las funciones diferenciables en [a; b];
b.- El conjunto de todas las funciones con derivada segunda en [0; 1].
SOLUCION
a.- En este caso tenemos que
0
( ) ( )
/ ( ) lim ,
h
f x h f x
f f x a x b
h
+
= e = s s
`
)
S F .
1.- Si f
1
, f
2
1
+ f
2

1 2 1 2
1 2
0
( )( ) ( )( )
( )( ) lim
h
f f x h f f x
f f x
h
+ + +
+ =

1 1 2 2
0
[ ( ) ( )] [ ( ) ( )]
lim
h
f x h f x f x h f x
h
+ + +
=

1 1 2 2
0 0
( ) ( ) ( ) ( )
lim lim
h h
f x h f x f x h f x
h h
+ +
= +

1 2
( ) ( ) f x f x = + e S.
2.- Si f
1
, f
2
1
+ f
2
= f
2
+ f
1
. Es decir:

1 2 1 2
1 2
0
( )( ) ( )( )
( )( ) lim
h
f f x h f f x
f f x
h
+ + +
+ =

1 1 2 2
0
[ ( ) ( )] [ ( ) ( )]
lim
h
f x h f x f x h f x
h
+ + +
=

2 2 1 1
0
[ ( ) ( )] [ ( ) ( )]
lim
h
f x h f x f x h f x
h
+ + +
=

2 1 2 1
0
( )( ) ( )( )
lim
h
f f x h f f x
h
+ + +
=

2 1 2 1
( )( ) ( )( ) f f x f f x = + = + .
3.- Si f
1
, f
2
, f
3
1
+ (f
2
+ f
3
) = (f
1
+ f
2
) + f
3
. Es decir:

1 2 3 1 2 3
1 2 3
0
[ ( )]( ) [ ( )]( )
[ ( )]( ) lim
h
f f f x h f f f x
f f f x
h
+ + + + +
+ + =

1 1 2 3 2 3
0
[ ( ) ( )] [( )( ) ( )( )]
lim
h
f x h f x f f x h f f x
h
+ + + + +
=

1 1 2 2 3 3
0
[ ( ) ( )] [ ( ) ( )] [ ( ) ( )]
lim
h
f x h f x f x h f x f x h f x
h
+ + + + +
=

1 2 1 2 3 3
0
[( )( ) ( )( )] [ ( ) ( )]
lim
h
f f x h f f x f x h f x
h
+ + + + +
=

1 2 3 1 2 3
0
[( ) ]( ) [( ) ]( )
lim
h
f f f x h f f f x
h
+ + + + +
=

1 2 3
[( ) ]( ) f f f x = + + .
f
cumple que C
f
+ f = f + C
f

0
( )( ) ( )( )
( )( ) lim
f f
f
h
f x h f x
f x
h
C + + C +
C + =

0
[ ( ) ( )] [ ( ) ( )]
lim
f f
h
x h x f x h f x
h
C + C + +
=

0 0
( ) ( )
( ) ( )
lim lim
f f
h h
x h x
f x h f x
h h
C + C
+
= +
0 ( ) ( ) f x f x = + = .
se cumple f + (-f) = (-f) + f = C
f
. Es decir:
JOE GARCIA ARCOS
192
0
[ ( )]( ) [ ( )]( )
[ ( )]( ) lim
h
f f x h f f x
f f x
h
+ + +
+ =

0
( )( ) ( )( )
lim
h
f f x h f f x
h
+
=

( )
0
( ) ( )
lim
f f
f x
h
x h x
h
C + C
= = C
S. Es decir:
0 0
( )( ) ( )( ) ( ) ( )
( )( ) lim lim ( )
h h
f x h f x f x h f x
f x f x
h h
o + o +
o = = o = o e S.
7.- Si f
1
, f
2
1
+ f
2
) = of
1
+ of
2
. Es decir:

1 2 1 2
1 2
0
[ ( )]( ) [ ( )]( )
[ ( )]( ) lim
h
f f x h f f x
f f x
h
o + + o +
o + =

1 2 1 2
0
( )( ) ( )( )
lim
h
f f x h f f x
h
o +o + o +o
=

1 1 2 2
0
[ ( ) ( )] [ ( ) ( )]
lim
h
f x h f x f x h f x
h
o + o +
=

1 1 2 2
0 0
( ) ( ) ( ) ( )
lim lim
h h
f x h f x f x h f x
h h
+ +
= o +o

1 2
( ) ( ) f x f x = o +o .

0
[( ) ]( ) [( ) ]( )
[( ) ]( ) lim
h
f x h f x
f x
h
o+| + o+|
o+| =

0
( )( ) ( )( )
lim
h
f f x h f f x
h
o +| + o +|
=

0
[ ( ) ( )] [ ( ) ( )]
lim
h
f x h f x f x h f x
h
o + +| +
=

0 0
( ) ( ) ( ) ( )
lim lim
h h
f x h f x f x h f x
h h
+ +
= o +|
( ) ( ) f x f x =o +| .

0 0
[ ( )]( ) [ ( )]( ) [( )( ) ( )( )]
[ ( )]( ) lim lim
h h
f x h f x f x h f x
f x
h h
o | + o | o | + |
o | = =

0 0
( )( ) ( )( ) ( ) ( )
lim lim ( ) ( )
h h
f x h f x f x h f x
f x
h h
| + | +
= o = o| = o|
.
0 0
(1 )( ) (1 )( ) ( ) ( )
(1 )( ) lim lim ( )
h h
f x h f x f x h f x
f x f x
h h
+ +
= = = .
Como se prueban todos los axiomas, entonces S tiene estructura de espacio vectorial.
b.- En este caso tenemos que
0
( ) ( )
/ ( ) lim , 0 1
h
f x h f x
f f x x
h
+
= e = s s
`
)
S F .
1.- Si f
1
, f
2
1
+ f
2

1 2 1 2
1 2
0
( )( ) ( )( )
( )( ) lim
h
f f x h f f x
f f x
h
+ + +
+ =

1 1 2 2
0
[ ( ) ( )] [ ( ) ( )]
lim
h
f x h f x f x h f x
h
+ + +
=

1 1 2 2
1 2
0 0
( ) ( ) ( ) ( )
lim lim ( ) ( )
h h
f x h f x f x h f x
f x f x
h h
+ +
= + = + e S.
2.- Si f
1
, f
2
1
+ f
2
= f
2
+ f
1
. Es decir:
JOE GARCIA ARCOS
193

1 2 1 2
1 2
0
( )( ) ( )( )
( )( ) lim
h
f f x h f f x
f f x
h
+ + +
+ =

1 1 2 2
0
[ ( ) ( )] [ ( ) ( )]
lim
h
f x h f x f x h f x
h
+ + +
=

2 2 1 1
0
[ ( ) ( )] [ ( ) ( )]
lim
h
f x h f x f x h f x
h
+ + +
=

2 1 2 1
0
( )( ) ( )( )
lim
h
f f x h f f x
h
+ + +
=

2 1
( )( ) f f x = + .
3.- Si f
1
, f
2
, f
3
1
+ (f
2
+ f
3
) = (f
1
+ f
2
) + f
3
. Es decir:
1 2 3 1 2 3
1 2 3
0
[ ( )]( ) [ ( )]( )
[ ( )]( ) lim
h
f f f x h f f f x
f f f x
h
+ + + + +
+ + =

1 1 2 3 2 3
0
[ ( ) ( )] [( )( ) ( )( )]
lim
h
f x h f x f f x h f f x
h
+ + + + +
=

1 1 2 2 3 3
0
[ ( ) ( )] [ ( ) ( )] [ ( ) ( )]
lim
h
f x h f x f x h f x f x h f x
h
+ + + + +
=

1 2 1 2 3 3
0
[( )( ) ( )( )] [ ( ) ( )]
lim
h
f f x h f f x f x h f x
h
+ + + + +
=

1 2 3 1 2 3
1 2 3
0
[( ) ]( ) [( ) ]( )
lim [( ) ]( )
h
f f f x h f f f x
f f f x
h
+ + + + +
= = + + .
f
cumple que C
f
+ f = f + C
f

0
( )( ) ( )( )
( )( ) lim
f f
f
h
f x h f x
f x
h
C + + C +
C + =

0
[ ( ) ( )] [ ( ) ( )]
lim
f f
h
x h x f x h f x
h
C + C + +
=

0 0
( ) ( )
( ) ( )
lim lim
f f
h h
x h x
f x h f x
h h
C + C
+
= +
0 ( ) ( ) f x f x = + = .
se cumple f + (-f) = (-f) + f = C
f
. Es decir:
0
[ ( )]( ) [ ( )]( )
[ ( )]( ) lim
h
f f x h f f x
f f x
h
+ + +
+ =

0
( )( ) ( )( )
lim
h
f f x h f f x
h
+
=

( )
0
( ) ( )
lim
f f
f x
h
x h x
h
C + C
= = C
S. Es decir:
0 0
( )( ) ( )( ) ( ) ( )
( )( ) lim lim ( )
h h
f x h f x f x h f x
f x f x
h h
o + o +
o = = o = o e S.
7.- Si f
1
, f
2
1
+ f
2
) = of
1
+ of
2
. Es decir:

1 2 1 2
1 2
0
[ ( )]( ) [ ( )]( )
[ ( )]( ) lim
h
f f x h f f x
f f x
h
o + + o +
o + =

1 2 1 2
0
( )( ) ( )( )
lim
h
f f x h f f x
h
o +o + o +o
=

1 1 2 2
0
[ ( ) ( )] [ ( ) ( )]
lim
h
f x h f x f x h f x
h
o + o +
=
JOE GARCIA ARCOS
194

1 1 2 2
0 0
( ) ( ) ( ) ( )
lim lim
h h
f x h f x f x h f x
h h
+ +
= o +o

1 2
( ) ( ) f x f x =o +o .

0
[( ) ]( ) [( ) ]( )
[( ) ]( ) lim
h
f x h f x
f x
h
o+| + o+|
o+| =

0
( )( ) ( )( )
lim
h
f f x h f f x
h
o +| + o +|
=

0
[ ( ) ( )] [ ( ) ( )]
lim
h
f x h f x f x h f x
h
o + +| +
=

0 0
( ) ( ) ( ) ( )
lim lim
h h
f x h f x f x h f x
h h
+ +
= o +|
( ) ( ) f x f x =o +| .
0 0
[ ( )]( ) [ ( )]( ) [( )( ) ( )( )]
[ ( )]( ) lim lim
h h
f x h f x f x h f x
f x
h h
o | + o | o | + |
o | = =

0 0
( )( ) ( )( ) ( ) ( )
lim lim ( ) ( )
h h
f x h f x f x h f x
f x
h h
| + | +
= o = o| = o|
.
0 0
(1 )( ) (1 )( ) ( ) ( )
(1 )( ) lim lim ( )
h h
f x h f x f x h f x
f x f x
h h
+ +
= = = .
Como se prueban todos los axiomas, entonces S es un espacio vectorial. V

EJEMPLO 5.1.5
Verifique que los conjuntos siguientes de funciones no son espacios vectoriales:
a.- El conjunto de todas las funciones f diferenciables en [0; 1] tales que f = f 1;
b.- El conjunto de todas las funciones f en [0; 2] con la propiedad que x s|f(x)| en
0 s x s 2;
SOLUCION
a.- En este caso tenemos que S = {f e F / f (x) = f(x) - 1, 0 s x s 1}. A
1.- Si f
1
, f
2
1
+ f
2
(f
1
+ f
2
)(x) = f
1
(x) + f
2
(x) = [f
1
(x) 1] + [f
2
(x) 1] = (f
1
+ f
2
)(x) 2 e S.
Como no se cumple el primer axioma, entonces S no tiene estructura de espacio
vectorial.
b.- En este caso tenemos que S = {f e F / |f(x)| > x, 0 s x s 2}. A continuacin
1.- Si f
1
, f
2
1
+ f
2
|(f
1
+ f
2
)(x)| = |f
1
(x) + f
2
(x)| s |f
1
(x)| + |f
2
(x)| = x + x = 2x e S.
Como no se cumple el primer axioma, entonces S no tiene estructura de espacio
vectorial. V

EJEMPLO 5.1.6
a.- S consiste en todas las soluciones de y - 8xy = 0, con la suma de funciones y la
multiplicacin de una funcin por un escalar usuales;
b.- V consta de todas las funciones reales y continuas definidas en [0; 1] tales que
1
0
( ) 0 f x dx =
}
, con la suma de funciones y la multiplicacin de una funcin por un
escalar usuales.
SOLUCION
a.- En este caso tenemos que S = {y e F / y - 8xy = 0}. A continuacin
JOE GARCIA ARCOS
195
1.- Si y
1
, y
2
estn en S, entonces y
1
+ y
2
(y
1
+ y
2
) 8x(y
1
+ y
2
) = y
1
+ y
2
8xy
1
8xy
2
= (y
1
8xy
1
) + (y
2
8xy
2
)
= 0 + 0 = 0 e S.
2.- Si y
1
, y
2
1
+ y
2
= y
2
+ y
1
. Es decir:
(y
1
+ y
2
) 8x(y
1
+ y
2
) = y
1
+ y
2
8xy
1
8xy
2
= (y
1
8xy
1
) + (y
2
8xy
2
)
= (y
2
8xy
2
) + (y
1
8xy
1
) = (y
2
+ y
1
) 8x(y
2
+ y
1
).
3.- Si y
1
, y
2
, y
3
1
+ (y
2
+ y
3
) = (y
1
+ y
2
) + y
3
. Es decir:
[y
1
+ (y
2
+ y
3
)] 8x[y
1
+ (y
2
+ y
3
)] = y
1
+ (y
2
+ y
3
) 8xy
1
8x(y
2
+ y
3
)
= y
1
+ y
2
+ y
3
8xy
1
8xy
2
- 8xy
3

= (y
1
+ y
2
) + y
3
8x(y
1
+ y
2
) 8xy
3

= [(y
1
+ y
2
) + y
3
)] 8x[(y
1
+ y
2
) + y
3
].
y
cumple que C
y
+ y = y + C
y
= y para toda y en S. Es decir:
(C
y
+ y)(x) 8x(C
y
+ y) = C
y(x)
+ y(x) 8xC
y
8xy = y(x) 8xy = 0.
5.- Para todo y en S existe un elemento y en S, denominado opuesto de y, tal
que se cumple y + (-y) = (-y) + y = C
y
. Es decir:
[y + (-y)] 8x[y + (-y)] = y y 8xy + 8xy = C
y
- 8xC
y
= 0.
6.- Si o es cualquier escalar y y es cualquier elemento en S, entonces oy est en
S. Es decir:
o(y 8xy) = oy - o8xy = (oy) - 8x(oy) = z - 8xz = 0 e S.
7.- Si y
1
, y
2
estn en S y o es un escalar, entonces o(y
1
+ y
2
) = oy
1
+ oy
2
. Es
decir:
[o(y
1
+ y
2
)] - 8ox(y
1
+ y
2
) = (oy
1
+ oy
2
) - 8x(oy
1
+ oy
2
)
= oy
1
+ oy
2
- 8oxy
1
- 8oxy
2

= (oy
1
- 8oxy
1
) + (oy
2
- 8oxy
2
)
= o(y
1
- 8xy
1
) + o(y
2
- 8xy
2
)
8.- Si y est en S y o, | son escalares, entonces (o + |)y = oy + |y. Es decir:
(o + |)(y - 8xy) = (o + |)y - 8(o + |)xy = oy + |y - 8oxy - 8|xy
= (oy - 8oxy) + (|y - 8|xy) = o(y - 8xy) + |(y - 8xy).
9.- Si y est en S y o, | son escalares, entonces o(|y) = (o|)y. Es decir:
o[|(y - 8xy)] = o(|y - 8|xy) = o|y - 8o|xy = (o|)(y - 8xy).
10.- Si y est en S y 1 es un escalar, 1y = y. Es decir:
1(y - 8xy) = 1y - 18xy) = y - 8xy.
Como se prueban todos los axiomas, entonces S tiene estructura de espacio vectorial.
b.- En este caso tenemos que
{ }
1
0
/ ( ) 0, 0 1 f f x dx x = e = s s
}
V F . A
1.- Si f
1
, f
2
estn en V, entonces f
1
+ f
2
estn en V. Es decir:
1 1 1
1 2 1 2
0 0 0
( )( ) ( ) ( ) 0 0 0 f f x dx f x dx f x dx + = + = + =
} } }
e S.
2.- Si f
1
, f
2
1
+ f
2
= f
2
+ f
1
. Es decir:
1 1 1 1 1
1 2 1 2 2 1
0 0 0 0 0
( )( ) ( ) ( ) ( ) ( ) 0 0 0 f f x dx f x dx f x dx f x dx f x dx + = + = + = + =
} } } } }
3.- Si f
1
, f
2
, f
3
1
+ (f
2
+ f
3
) = (f
1
+ f
2
) + f
3
. Es decir:

1 1 1
1 2 3 1 2 3
0 0 0
[ ( )]( ) ( ) ( )( ) f f f x dx f x dx f f x dx + + = + +
} } }

1 1 1
1 2 3
0 0 0
( ) ( ) ( ) f x dx f x dx f x dx = + +
} } }

1 1
1 2 3
0 0
( )( ) ( ) f f x dx f x dx = + +
} }

1
1 2 3
0
[( ) ]( ) f f f x dx = + +
}
.
JOE GARCIA ARCOS
196
f
en V, denominado funcin cero de V, tal que se
cumple que C
f
+ f = f + C
f
= f para toda f en V. Es decir:
1 1 1 1 1
( ) ( )
0 0 0 0 0
( )( ) ( ) ( ) 0 0 0
f f x f x
f x dx dx f x dx f x dx dx C + = C + = + C = + =
} } } } }
.
5.- Para todo f en V existe un elemento f en V, denominado opuesto de f, tal
que se cumple f + (-f) = (-f) + f = C
f
. Es decir:

1 1 1
0 0 0
[ ( )]( ) ( ) ( )( ) f f x dx f x dx f x dx + = +
} } }

1 1
0 0
( ) ( ) 0 0 0 f x dx f x dx = = =
} }
.
6.- Si o es cualquier escalar y f es cualquier elemento en V, entonces of est en
V. Es decir:
1 1 1
0 0 0
( )( ) ( ) ( ) 0 0 f x dx f x dx f x dx o = o = o = o = e
} } }
S
7.- Si f
1
, f
2
estn en V y o es un escalar, entonces o(f
1
+ f
2
) = of
1
+ of
2
. Es decir:
1 1 1 1
1 2 1 2 1 2
0 0 0 0
[ ( )]( ) ( )]( ) ( ) ( ) f f x dx f f x dx f x dx f x dx o + = o +o = o + o
} } } }

1 1
1 2
0 0
( ) ( ) 0 0 0 f x dx f x dx = o +o = o +o =
} }

8.- Si f est en V y o, | son escalares, entonces (o + |)f = of + |f. Es decir:
1 1 1 1
0 0 0 0
[( ) ]( ) ( )( ) ( ) ( ) f x dx f f x dx f x dx f x dx o+| = o +| = o + |
} } } }

1 1
0 0
( ) ( ) 0 0 0 f x dx f x dx = o +| = o +| =
} }

9.- Si f est en V y o, | son escalares, entonces o(|f) = (o|)f. Es decir:
1 1 1 1
0 0 0 0
( )( ) ( )( ) ( ) ( ) ( ) 0 0 f x dx f x dx f x dx f x dx o | = o | = o | = o| = o| =
} } } }
.

10.- Si f est en V y 1 es un escalar, 1f = f. Es decir:
1 1 1
0 0 0
(1 )( ) 1 ( ) ( ) 0 f x dx f x dx f x dx = = =
} } }
.
Como se prueban todos los axiomas, entonces S es espacio vectorial. V

PROBLEMAS

5.1.1 Demustrese que el conjunto compuesto solamente
por el nmero 0 es un espacio vectorial, con las reglas
habituales de la adicin y la multiplicacin de nmeros.

5.1.2 Sea P
m
el conjunto de todos los polinomios con
coeficientes reales y de grado s m. Demuestre que P
m
es
un espacio vectorial, con la suma de polinomios y la
multiplicacin de un polinomio por un escalar usuales.

5.1.3 V consta de todas las funciones reales y continuas
definidas en |0; 1| tales que f(1) =1, con la suma de fun-
ciones y la multiplicacin de una funcin por un escalar
usuales. Muestre que V no es un espacio vectorial.

5.1.4
m
consiste en todos los polinomios con coefi-
cientes reales. Demuestre que
m
es un espacio vecto-
rial, con la suma de polinomios y la multiplicacin de un
polinomio por un escalar usuales.
5.1.5 Sea n un entero positivo. Sea
n
el conjunto de
todos los polinomios con coeficientes reales y de grado
n, con la suma de polinomios y la multiplicacin de un
polinomio por un escalar usuales. Demuestre que
n
no
es un espacio vectorial. Qu condiciones de la defini-
cin fallan?

5.1.6 Demustrese que cada uno de los conjuntos si-
guientes de funciones es un espacio vectorial:
a.- Todos los polinomios a
0
+ a
1
x
2
+ + a
k
x
2k
que no
contienen trminos de grado impar.
b.- Todas las funciones continuas en |0; 1| que tienen
un cero en 1.
c.- Todas las funciones definidas en |0; 1| cuyos lmites
existen cuando x 0+.
d.- Todas las combinaciones lineales de Cosx, Cos2x,
Cos3x, con dominio - < x < + .
JOE GARCIA ARCOS
197
e.- El conjunto de los polinomios reales que tienen a i
como ceros.
f.- El conjunto de los polinomios reales que son divisi-
bles entre x
2
+ x + 1.
g.- El conjunto de todas las funciones en |0; 10| que
valen cero en |2; 3|.
h.- El conjunto de todas las funciones f en |0; 1| con
derivada tercera en ese intervalo y tales que f - xf +
(Senx)f = 0.
i.- El conjunto de todas las funciones que tienen deriva-
da segunda en todos los valores reales y la propiedad de
que f (x) = 0.
j.- El conjunto de todas las funciones racionales cuyo
denominador es x
2
+ x + 1.
k.- El conjunto de todos los polinomios tales que p(0) =
p(1).
l.- El conjunto de todas las funciones escalonadas en
|0; 3|.

5.1.7 V consiste en todos los (a, b), donde a y b son
nmeros reales. Definimos la suma en V por
(a, b) + (c, d) = (2a + 2c, b + d)
y definimos la multiplicacin por un escalar por
( , ) ,
2 2
ka kb
k a b
| |
=
|
\ .

Es V un espacio vectorial con estas operaciones?

5.1.8 Determine cules de los sistemas son espacios
vectoriales:
a.- V es el conjunto de todos los pares ordenados (x, y)
de nmeros reales. La suma se define como (x, y) + (u, v)
= (x + 3u, y v), y la multiplicacin escalar como o(x, y)
= (ox, oy).
b.- El conjunto V del literal a). La suma definida como
(x, y) + (u, v) = (x + u, y + v), y la multiplicacin escalar
como o(x, y) = (-ox, oy).
c.- El conjunto V del literal a). La suma definida como
(x, y) + (u, v) = (x u, y v), y la multiplicacin escalar
como o(x, y) = (-ox, -oy).
d.- El conjunto V del literal a). La suma definida como
(x, y) + (u, v) = (u, v), y la multiplicacin escalar como
o(x, y) = (ox, oy).

5.1.9 Demostrar que cada uno de los siguientes conjun-
tos constituye un espacio vectorial:
a.- El conjunto de todos los vectores cuya segunda com-
ponente es cero;
b.- El conjunto de todos los vectores de la forma o(i + 2j
k), donde o es un escalar;
c.- El conjunto de todos los vectores de la forma o(i k)
+ |j, donde o, | son escalares;
d.- El conjunto de todos los nmeros reales;
e.- Todas las funciones de la forma f(x) = oCosx +
|Senx, donde o, | son nmeros, con la forma usual de
adicin y multiplicacin por nmeros;
f.- El conjunto de todos los polinomios cuadrticos,
lineales y constantes en x, con la adicin y multiplica-
cin usuales.

5.1.10 De los conjuntos de funciones que se dan a con-
tinuacin, todas definidas en 0 < x < , cules constitu-
yen una espacio vectorial?:
a.- Todas las funciones cuyos lmites existen cuando
x .
b.- Todas las funciones cuyos lmites existen cuando
x 0+.
c.- Todas las funciones con lmite 0 cuando x .
d.- Todas las funciones con lmite 0 cuando x 0+.
e.- Todas las funciones con lmite cuando x .
f.- Todas las funciones con lmite - cuando x 0+.

5.1.11 Considrense sucesiones infinitas {s
n
}, {t
n
}, ,
n = 1, 2, , con la adicin y la multiplicacin definidas
de la siguiente manera:
{s
n
} + {t
n
} = {s
n
+ t
n
} y c{s
n
} = {cs
n
}
a.- Hgase ver que las sucesiones reales convergentes
forman un espacio vectorial e interprtese ese espacio
vectorial como espacio de funciones.
b.- Verifquese que el conjunto de todas las sucesiones
complejas forma un espacio vectorial. Se le puede
interpretar como espacio vectorial de funciones?

5.1.12 V consiste en todas las funciones reales y conti-
nuas definidas en |0; 1| tales que f(1) = 0, con la suma
de funciones y la multiplicacin de una funcin por un
escalar usuales. Demuestre que V es un espacio vecto-
rial.

5.1.13 En los conjuntos siguientes, investguese si son
espacios vectoriales:
a.- Todas las funciones f en |0; 1| tales que f (x) > 0
en |0; 1|.
b.- Todas las funciones f en |0; 1| tales que se puede
expresar f como g h, donde g y h son montonas y
estrictamente crecientes.
c.- Todas las funciones f en |0; 1| tales que f (x) =
Senx.
d.- Todas las funciones f en |0; 1| tales que f (x) +
Senx f (x) = 0.
e.- V es el conjunto de todas las matrices de 2 x 2 con
componentes reales. La suma es la suma habitual de
matrices y la multiplicacin escalar est definida por
0
0
a b a
c d b
o | | | |
o =
| |
o
\ . \ .
.
f.- El conjunto V del literal e). La suma definida por
a b e f a b
c d g h c d
| | | | | |
+ =
| | |
\ . \ . \ .

y la multiplicacin escalar es la habitual.
g.- El conjunto V del literal e). La suma definida como
JOE GARCIA ARCOS
198
a b e f e f
c d g h g h
| | | | | |
+ =
| | |
\ . \ . \ .

y la multiplicacin escalar definida por
0 0
0
a b
c d d
| | | |
o =
| |
o
\ . \ .
.
h.- El conjunto V del literal e). La suma definida por
0
0
a b e f b f
c d g h c g
+ | | | | | |
+ =
| | |
+
\ . \ . \ .

y la multiplicacin escalar por
a b a b
c d c d
o o | | | |
o =
| |
o o
\ . \ .
.

5.1.14 Determine si el conjunto dado, junto con las
operaciones indicadas, es un espacio vectorial. En caso
negativo, indique que axiomas no se cumplen:
a.- El conjunto de todas las matrices singulares de n x n
con las operaciones normales;
b.- El conjunto de todas las matrices no singulares de n x
n con las operaciones normales;
c.- El conjunto de todas las matrices diagonales de n x n
con las operaciones normales.

5.1.15 Determine si el conjunto dado, junto con las
operaciones indicadas, es un espacio vectorial. En caso
negativo, indique que axiomas no se cumplen:
a.- Todas las funciones escalonadas definidas en [0; 1];
b.- Todas las funciones con perodo 2t;
c.- Todas las f integrable en [0; 1] con
1
0
( ) 0 f x dx >
}
;
d.- Todos los polinomios de Taylor de grado s n para un
n fijo (incluyendo el polinomio cero);
e.- Todas las soluciones de una ecuacin diferencial
lineal homognea de segundo orden y + P(x)y + Q(x)y
= 0, siendo P y Q funciones dadas, continuas para todo x;
f.- Todas las sucesiones reales acotadas;
g.- Todas las sucesiones reales convergentes;
h.- Todas las gentes;
i.- Todas las series reales convergentes.

5.1.16 Demuestre que los nmeros reales pueden
considerarse como un espacio vectorial sobre los
nmeros racionales.

5.1.17 Demuestre que los nmeros complejos se pueden
considerar como un espacio vectorial sobre los nmeros
reales.

5.1.18 Sean V y W espacios vectoriales. Sea U el con-
junto de todos los pares ordenados (v, w), donde v est
en V y w est en W. Definamos por analoga con V
2
la
adicin y la multiplicacin por escalares en U. Verif-
quense que el sistema que se obtiene es un espacio vecto-
rial. Es habitual denotar a U con el smbolo V x W.
5.1.19 Demustrese que con las reglas habituales de la
adicin y la multiplicacin por escalares, los conjuntos
siguientes de funciones son espacios vectoriales:
a.- El conjunto de las funciones diferenciables en |a; b|.
b.- El conjunto de todas las funciones con derivada
segunda en |0; 1|.
c.- El conjunto de las funciones definidas en |0; 2| que
tienen ceros en 0, 1 y 2.

5.1.20 Considrense todas las sucesiones infinitas con
ndices que empiezan desde 1. Demustrese que cada
uno de los conjuntos siguientes constituye un espacio
vectorial de funciones:
a.- Todas las sucesiones infinitas.
b.- Todas las sucesiones convergentes.
c.- Todas las sucesiones con lmite 0.
d.- Todas las sucesiones que estn acotadas superior e
inferiormente.

5.1.21 Verifquese que los conjuntos siguientes de
funciones no son espacios vectoriales:
a.- El conjunto de todas las funciones diferenciables en
|0; 1| cuya derivada es 3x
2
.
b.- El conjunto de todas las funciones diferenciables f en
|0; 1| tales que f = f 1.
c.- El conjunto de todas las funciones f en |0; 2| con la
propiedad de que ( ) x f x s en 0 s x s 2.
d.- El conjunto de todas las funciones f en |0; 2| tales
que f(1) = 1.

5.1.22 Demustrese que cada uno de los conjuntos
siguientes es espacio vectorial de funciones:
a.- Todas las funciones f en |0; 1| con derivadas conti-
nuas de primero, segundo y tercer rdenes.
b.- Todas las funciones f en |0; 1| con la propiedad de
que f + f = 0.
c.- Todas las funciones f en |0; 1| tales que f - 4f = 0.
d.- El conjunto de todas las funciones continuas por
tramos en |0; 3|.
e.- El conjunto de todas las funciones representables
como suma de una serie convergente de potencias
n
n
a x
en (-1; 1).

5.1.23 Demustrese que cada uno de los conjuntos
siguientes de funciones no es un espacio vectorial:
a.- Todas las funciones f definidas y no negativas: f(x) >
0 para todo x, en un intervalo dado.
b.- Todas las funciones definidas y no continuas en un
intervalo dado.
c.- Todas las funciones que son continuas en |0; 1| y
cuyo valor en x = 1 es 1.
d.- Todas las funciones definidas que tienen un nme-
ro finito de ceros en |0; 1|.
JOE GARCIA ARCOS
199
5.2 SUBESPACIOS VECTORIALES

En esta seccin se estudiar con detalle los espacios vectoriales que estn contenidos en un espacio vectorial
ms grande. Se enunciarn y demostrarn sus propiedades.

Con frecuencia, se tiene que un espacio vectorial est contenido en otro, y que la
adicin y la multiplicacin por escalares del primer espacio vectorial se llevan a
cabo de manera exactamente igual a la del segundo. Cuando esto es as, se dice
que el primer espacio vectorial es subespacio del segundo.

En trminos generales, para demostrar que un conjunto U con la adicin y la mul-
tiplicacin escalar En trminos generales, para demostrar que un forma un espacio
vectorial es necesario verificar los 10 axiomas de espacio vectorial. Sin embargo,
si U es parte de un conjunto ms grande V del que se sabe es un espacio vectorial,
entonces no es necesario verificar ciertos axiomas para U porque son heredados de
V.

DEFINICION 5.2.1
Un subconjunto U de un espacio vectorial V se denomina subespacio de
V si U es un espacio vectorial bajo la adicin y la multiplicacin escalar
definidas sobre V.

Es importante tener en cuenta que para que un subconjunto no vaco U de un espa-
cio vectorial V sea un subespacio, el subconjunto y las operaciones de suma de
vectores y multiplicacin por un escalar deben formar un sistema autocontenido.
Es decir, cualquier suma o multiplicacin por un escalar efectuada con vectores
del subconjunto U siempre produce un vector que est en U. Si U es no vaco y
cerrado bajo la suma y multiplicacin por un escalar, con seguridad constituye un
espacio vectorial por derecho propio. Por tanto, se ha llegado a un criterio eficien-
te para determinar si un subconjunto es un subespacio de un espacio vectorial.

TEOREMA 5.2.1
Si U es un conjunto formado por uno o ms vectores de un espacio vecto-
rial V, entonces U es un subespacio de V si y slo si se cumplen las con-
diciones siguientes:
1.- Si u, v son elementos de U, entonces u + v est en U.
2.- Si a es cualquier nmero y u es un elemento de U, entonces au est
en U.
DEMOSTRACION
Si U es un subespacio de V, entonces se cumplen todos los axiomas de espacio vecto-
rial; en particular, se cumplen los axiomas 1 y 6. Pero stas son precisamente las
condiciones 1 y 2. Recprocamente, supngase que se cumplen las condiciones 1 y 2.
Como estas condiciones son los axiomas 1 y 6 de espacio vectorial, basta demostrar
que U satisface los ocho axiomas restantes. Los vectores de U cumplen automtica-
mente los axiomas 2, 3, 7, 8, 9 y 10, ya que estos axiomas se cumplen para todos los
vectores en V. En consecuencia, para completar la demostracin, basta verificar que
los axiomas 4 y 5 se cumplen para vectores en U. Sea u cualquier vector de U. Por la
condicin 2, au est en U para cualquier escalar a. Haciendo a = 0, se concluye que
0u = C est en U, y haciendo a = -1 se concluye que (-1)u = -u est en U.

Se dice que un conjunto U formado por uno o ms vectores de un espacio vectorial
V es cerrado bajo la adicin si se cumple la condicin 1 del teorema anterior, y
cerrado bajo la multiplicacin escalar si se cumple la condicin 2. As, de esta
manera se establece que U es un subespacio de V si y slo si U es cerrado bajo la
adicin y cerrado bajo la multiplicacin escalar.

JOE GARCIA ARCOS
200

Si AX = B es un sistema de ecuaciones lineales, entonces todo vector que satisface
esta ecuacin se denomina vector solucin del sistema. El teorema siguiente mues-
tra que los vectores solucin de un sistema lineal homogneo forman un espacio
vectorial, que se denomina espacio solucin del sistema.

TEOREMA 5.2.2
Si AX = C es un sistema lineal homogneo de m ecuaciones con n incg-
nitas, entonces el conjunto de vectores solucin es un subespacio de 9
n
.
DEMOSTRACION
Sea U el conjunto de vectores solucin. En U existe por lo menos un vector, a
saber, C. Para probar que U es cerrado bajo la adicin y la multiplicacin escalar,
es necesario demostrar que si X y Y son vectores solucin cualesquiera y a es
cualquier escalar, entonces X + Y y aX tambin son vectores solucin. Pero si X y
Y son vectores solucin, entonces AX = C y AY = C. A partir de lo cual se dedu-
ce que
A(X + Y) = AX + AY = C + C = C y A(aX) = aAX = aC = C.
Lo cual demuestra que X + Y y aX son vectores solucin.

Dado un espacio vectorial V, siempre se le puede considerar como subespacio se
s mismo. Por lo tanto, cada espacio vectorial V contiene siempre los subespacios
{C} y V; a estos subespacios se les llama, por lo comn, subespacios impropios
de V. Un subespacio de V distinto a uno de los subespacios impropios de V se le
llama subespacio propio de V.

Sea U un subespacio propio de 9
2
. Entonces, U contiene un vector u distinto de
cero, y U contiene tambin a todos los mltiplos escalares de u. Si U contuviera un
vector v, que no fuera mltiplo escalar de u, entonces u, v seran linealmente inde-
pendientes, y U habra de contener a todos los vectores en R
2
de la forma ou + |v,
donde o, | son escalares arbitrarios. Pero as se puede representar todo vector del
plano y, en consecuencia, U coincidira con 9
2
. Por lo tanto, no existe el tal vector
v, y U consta de los mltiplos escalares de u.

Por consiguiente, cada subespacio propio U de 9
2
corresponde a una recta que
pasa por el origen, en el plano.

Sea U un subespacio propio de 9
3
. Entonces, U contiene un vector distinto de
cero, u = OQ y, en consecuencia, contiene a todos los mltiplos escalares ou; es
decir, a todos los vectores OP, con P en la recta L que pasa por O y por Q. Esto
puede ser la totalidad de U. De no ser as, entonces U contiene un vector v = OR,
donde R no est en L. En consecuencia, U tambin contiene a todos los vectores
u = OP, de la forma oOQ + |OR. Puesto que o y | toman todos los valores reales,
P vara en un plano t que pasa por O. Con esto, tal vez tengamos a todo U. De no
ser as, entonces en U hay un vector w = OS, donde S no est en t. En consecuen-
cia, U contiene a todos los vectores u = OP de la forma oOQ + |OR + OS. Pero,
como S no est en t, los puntos P van por todo el espacio tridimensional, y U
resulta ser la totalidad de 9
3
. Pero, con esto, U ya no sera subespacio propio de
R
3
. Por lo tanto, slo hay dos clases de subespacios propios de 9
3
: los que corres-
ponden a rectas que pasan por O y los que corresponden a planos que pasan por O.
Tambin se ve claramente que toda recta que pase por O y todo plano que pasa por
O correspondern a subespacios propios U de 9
3
.

EJEMPLO 5.2.1
El conjunto de funciones diferenciables f en [0; 1], con la propiedad de que
f = of, es subespacio vectorial.

JOE GARCIA ARCOS
201

SOLUCION
Se ve claramente que contiene a la funcin cero, de manera que es un conjunto
no vaco de funciones en [0; 1]. Si f y g estn en , entonces f + g y |f son funcio-
nes diferenciables en [0; 1], y
(f + g) = f + g = |f + |g = |(f + g), (|f) = |f = |(of) = o(|f).
En consecuencia, es cerrado bajo la adicin y la multiplicacin por escalares.
Por lo tanto, es subespacio vectorial. V

EJEMPLO 5.2.2
Demostrar que el conjunto S = {A e M(n x n) / A = A
T
} de las matrices simtricas,
forman un subespacio vectorial del espacio de las matrices cuadradas de orden n.
SOLUCION
Sean A = A
T
, B = B
T
e S. Entonces para escalares cualesquiera y tenemos:
(A + B)
T
= (A)
T
+ (B)
T
= A
T
+ B
T
= A + B e S.
Si adems C e S, entonces:
(A + B)
T
= (C + C)
T
= C
T
+ C
T
= C + C = C e S.
Luego (A + B)
T
e S, y por lo tanto S es un subespacio de M(n x n). V

EJEMPLO 5.2.3
Sea el conjunto solucin de un sistema no homogneo AX = B, con las operaciones
usuales de adicin de matrices y multiplicacin por escalares. Demostrar que este
conjunto no es un subespacio vectorial.
SOLUCION
Supongamos que Y y Z son soluciones del sistema AX = B; es decir Y, Z e 9
n
.
Entonces para escalares cualesquiera y , tenemos:
A(Y + Z) = A(Y) + A(Z) = (AY) + (AZ) = B + B = ( + )B = B
Como (Y + Z) no es solucin del sistema, entonces no es un subespacio vectorial
de 9
n
. V

EJEMPLO 5.2.4
Determine si los siguientes subconjuntos son subespacios de 9
3
. En caso afirmativo,
prubelo, en caso contrario de una razn para la cual no sea un subespacio vectorial:
a.- S = {(a, b, c) / a + b 3 = 2c}; b.- S = {(a, b, c) / a + b = 4c};
c.- S = {(a, b, c) / a, b, c > 0}; d.- S = {(a, b, c) / a
2
+ b
2
+ c
2
= 1}.
SOLUCION
a.- Est claro que S es vaco, puesto que el vector (0, 0, 0) e S. Adems el vector
ms general de S es de la forma (-b + 2c + 3, b, c), donde b y c son nmeros reales
cualesquiera. Sean los vectores (-x + 2y + 3, x, y) y (-u + 2v + 3, u, v) de S y sea k un
nmero real cualquiera. Entonces:
(-x + 2y + 3, x, y) + (-u + 2v + 3, u, v) = (-x u + 2y + 2v + 6, x + u, y + v) e S,
k(-x + 2y + 3, x, y) = (-kx + 2ky + 3k, kx, ky) e S.
Lo que prueba que S no es un subespacio vectorial.
b.- Est claro que S es no vaco, puesto que el vector (0, 0, 0) e S. Adems el vector
ms general de S es de la forma (-b + 4c, b, c), donde b y c son nmeros reales
cualesquiera. Sean los vectores (-x + 4y, x, y) y (-u + 4v, u, v) de S y sea k un nmero
real cualquiera. Entonces:
(-x + 4y, x, y) + (-u + 4v, u, v) = (-x u + 4y + 4v, x + u, y + v) e S,
k(-x + 4y, x, y) = (-kx + 4ky, kx, ky) e S.
Lo que prueba que S es un subespacio vectorial.
c.- Est claro que S es no vaco cuando a = b = c = 0, puesto que el vector (0, 0, 0)
e S, pero cuando a, b, c > 0, S es vaco puesto que el vector (0, 0, 0) e S. Lo que
prueba que S no es un subespacio vectorial.
d.- Est claro que S es vaco, puesto que el vector (0, 0, 0) e S. Lo que prueba que S
no es un subespacio vectorial. V
JOE GARCIA ARCOS
202
EJEMPLO 5.2.5
Explique si cada uno de los siguientes subconjuntos del espacio vectorial
3
son
subespacios vectoriales de l:
a.- S = {p(x) / a + b = 0}; b.- S = {p(x) / a = b = c = d};
c.- S = {p(x) / a = b = c = 0}; d.- S = {p(x) / p(-1) = p(1) = 0}.
SOLUCION
a.- Claramente se puede ver que S es no vaco, puesto que el polinomio 0x
3
+ 0x
2
+
0x + 0 e S. Como S c
3
, entonces p(x) = ax
3
+ bx
2
+ cx + d y como a = b, entonces
el polinomio ms general de S es de la forma p(x) = bx
3
+ bx
2
+ cx + d, donde b, c y d
son nmeros reales cualesquiera. Sean los polinomios q(x) = ox
3
+ ox
2
+ |x + y
r(x) = mx
3
+ mx
2
+ nx + s de S y sea k un nmero real cualquiera. Entonces:
q(x) + r(x) = (o + m)x
3
+ (o + m)x
2
+ (| + n)x + ( + s) e S,
kq(x) = k(ox
3
+ ox
2
+ |x + ) = kox
3
+ kox
2
+ k|x + k e S.
b.- Claramente se puede ver que S es no vaco, puesto que el polinomio 0x
3
+ 0x
2
+
3
3
+ bx
2
+ cx + d y como a = b = c = d,
entonces el polinomio ms general de S es de la forma p(x) = dx
3
+ dx
2
+ dx + d,
donde d es un nmero real cualesquiera. Sean los polinomios q(x) = ox
3
+ ox
2
+ ox +
o y r(x) = |x
3
+ |x
2
+ |x + | de S y sea k un nmero real cualquiera. Entonces:
q(x) + r(x) = (o + |)x
3
+ (o + |)x
2
+ (o + |)x + (o + |) e S,
kq(x) = k(ox
3
+ ox
2
+ ox + o) = kox
3
+ kox
2
+ kox + ko e S.
c.- Claramente se puede ver que S es no vaco, puesto que el polinomio 0x
3
+ 0x
2
+
3
3
+ bx
2
+ cx + d y como a = b = c = 0,
entonces el polinomio ms general de S es de la forma p(x) = 0x
3
+ 0x
2
+ 0x + d,
donde d es un nmero real cualesquiera. Sean los polinomios q(x) = 0x
3
+ 0x
2
+ 0x +
o y r(x) = 0x
3
+ 0x
2
+ 0x + | de S y sea k un nmero real cualquiera. Entonces:
q(x) + r(x) = (0 + 0)x
3
+ (0 + 0)x
2
+ (0 + 0)x + (o + |)
= 0x
3
+ 0x
2
+ 0x + (o + |) e S,
kq(x) = k(0x
3
+ 0x
2
+ 0x + o) = 0x
3
+ 0x
2
+ 0x + ko e S.
d.- Como S c
3
, entonces
p(x) = ax
3
+ bx
2
+ cx + d y p(-1) = - a + b - c + d = 0, p(1) = a + b + c + d = 0.
Por lo tanto
0
0
a b c d
a b c d
+ =
+ + + =

Resolviendo este sistema, obtenemos lo siguiente:
1 1 1 1 0
1 1 1 1 0
| |
|
\ .
~
1 1 1 1 0
0 2 0 2 0
| |
|
\ .
~
1 1 1 1 0
0 1 0 1 0
| |
|
\ .
~
1 0 1 0 0
0 1 0 1 0
| |
|
\ .

donde a = -c y b = -d. El nuevo conjunto S = {p(x) / a = -c y b = -d}. Claramente se
puede ver que S es no vaco, puesto que el polinomio 0x
3
+ 0x
2
+ 0x + 0 e S.
Adems el polinomio ms general de S es de la forma p(x) = - cx
3
- dx
2
+ cx + d,
donde c y d son nmeros reales cualesquiera. Sean los polinomios q(x) = - ox
3
- |x
2

+ ox + | y r(x) = - mx
3
- nx
2
+ mx + n de S y sea k un nmero real cualquiera.
Entonces:
q(x) + r(x) = - (o + m)x
3
(| + n)x
2
+ (o + m)x + (| + n) e S,
kq(x) = k(- ox
3
- |x
2
+ ox + |) = - okx
3
- |kx
2
+ okx + |k e S.
Lo que prueba que S es un subespacio vectorial. V

EJEMPLO 5.2.6
Sea t
1
el plano en el espacio 9
3
dado por la ecuacin a + 2b + c = 6. Cul es la
ecuacin del plano t
2
que pasa por el origen y es paralelo a t
1
? Son t
1
y t
2

subespacios de 9
3
?
JOE GARCIA ARCOS
203
SOLUCION
Para que el plano t
2
pase por el origen y sea paralelo al plano t
1
es necesario y
suficiente que los coeficientes del plano t
2
sean iguales a los de t
1
y el trmino
independiente sea igual a cero; es decir t
2
: a + 2b + c = 0. El plano t
1
= {(a, b, c) / a
+ 2b + c = 6} no es un subespacio de 9
3
porque no contiene al elemento nulo
(0, 0, 0) e t
1
. Para t
2
= {(a, b, c) / a + 2b + c = 0}, est claro que t
2
es no vaco,
puesto que el vector (0, 0, 0) e t
2
. Adems el vector ms general de t
2
es de la forma
(-2b c, b, c), donde b y c son nmeros reales cualesquiera. Sean los vectores
(-2x - y, x, y) y (-2u - v, u, v) de t
2
y sea k un nmero real cualquiera. Entonces:
(-2x - y, x, y) + (-2u - v, u, v) = (-2x 2u y v, x + u, y + v) e S;
k(-2x - y, x, y) = (-2kx - ky, kx, ky) e S.
Lo que prueba que t
2
es un subespacio vectorial. V

PROBLEMAS

5.2.1 Sea
5
el espacio vectorial y considere el conjunto
U de todos los polinomios de la forma (x
3
+ x)p(x),
donde p(x) est en
2
. U es un subespacio de
5
?

5.2.2 Demuestre que los nicos subespacios de 9
2
son:
1. el propio 9
2
;
2. el subespacio trivial que consiste nicamente del
vector cero (0, 0);
3. cualquier conjunto de vectores (x, y) representados por
flechas que estn a lo largo de una recta que pase por el
origen.
Esto es, dada cualquier recta que pase por el origen,
todos los vectores de 9
2
que puedan representarse como
vectores a lo largo de esta recta constituyen un subespa-
cio de 9
2
. Adems, cualquier subespacio distinto de 9
2
y
del subespacio trivial consiste en vectores a lo largo de
una recta que pasa por el origen.

5.2.3 Demuestre que los nicos subespacios de 9
3
son
los siguientes:
1. el propio 9
3
;
2. el subespacio trivial que consiste solamente del vector
cero (0, 0, 0);
3. todos los vectores paralelos a una recta dada que pasa
por el origen;
4. todos los vectores que estn en un plano dado que
pasa por el origen.

5.2.4 En cada uno de los subconjuntos siguientes de
9
4
, determnese si el subconjunto es un subespacio:
a.- W: todos los u = (a
1
, a
2
, a
3
, a
4
) tales que a
1
= a
2
.
b.- U: todos los u tales que
a
1
= a
2
y a
1
+ a
2
+ a
3
+ a
4
= 0.
c.- J: todos los u tales que a
1
es racional.
d.- K: todos los u tales que a
1
+ a
2
+ a
3
+ a
4
s 0.
e.- L: todos los u tales que
2
1 2
x x = .
f.- M: todos los u tales que, o bien a
1
= a
2
, o bien
a
3
= a
4
.
g.- N: todos los u tales que
1 2 3 4
0 a a a a + + + = .

5.2.5 Determine cundo el conjunto S de vectores de
9
n
forman un subespacio de 9
n
:
a.- S consta de todos los vectores de 9
5
de la forma
(x, y, z, x, x);
b.- S consta de todos los vectores de 9
4
de la forma
(x, 2x, 3x, y);
c.- S consta de todos los vectores de 9
6
de la forma
(x, 0, 0, 1, 0, y);
d.- S consta de todos los vectores de 9
3
de la forma
(0, x, y);
e.- S consta de todos los vectores de R
4
de la forma
(x, y, x + y, x - y);
f.- S consta de todos los vectores de 9
7
con cero en la
tercera y quinta componentes;
g.- S consta de todos los vectores de 9
4
con la primera
y segunda componentes iguales;
h.- S consta de todos los vectores de 9
4
con la tercera
componente igual a 2;
i.- S consta de todos los vectores de 9
7
con la sptima
componente igual a la suma de las primeras seis compo-
nentes;
j.- S consta de todos los vectores de 9
8
con cero en la
primera, segunda y cuarta componentes y la tercera
componente igual a la sexta.

5.2.6 Sea U el espacio vectorial de todas las funciones
reales f en |-1; 1|. Determnese si cada uno de los con-
juntos siguientes es subespacio de U:
a.- U: el conjunto de todas las f tales que f(0) = 0.
b.- U: el conjunto de todas las f tales que f(x) = 0 en -1
s x s .
c.- U: el conjunto de todas las f tales que f es continua
en x = .
d.- U: el conjunto de todas las f tales que f(x) = f(-x) en
-1 s x s 1.
JOE GARCIA ARCOS
204
e.- U: el conjunto de todas las f tales que f es montona
y estrictamente creciente en |-1; 1|.

5.2.7 Demustrese: si a
1
, , a
k
son escalares, no todos
0, y si W es el conjunto de todos los (u
1
, , u
k
) con la
propiedad de que a
1
u
1
+ + a
k
u
k
= 0, entonces W es
subespacio de 9
k
, y W es espacio no trivial si k > 2.
5.2.8 Sean U y W subespacios de un espacio vectorial
V. Hgase ver que, si U es subconjunto de W, entonces
U es subespacio de V.

5.2.9 Sea W subespacio de V y sea U subespacio de
W. Hgase ver que U es subespacio de V.

5.3 COMBINACIONES LINEALES Y SUBESPACIOS GENERADOS

En esta seccin estudiaremos un conjunto de vectores S que genera un espacio vectorial dado si todo vector en
este espacio se puede expresar como una combinacin lineal de los vectores de S. En general, puede haber
ms de una forma de expresar un vector del espacio vectorial como una combinacin lineal de vectores en un
conjunto generador.

Suponga que en el espacio vectorial V, definido sobre un cuerpo real o complejo,
se ha elegido un nmero determinado de vectores arbitrarios u
1
, u
2
, ..., u
k
que no
son necesariamente diferentes. Llamaremos a estos vectores sistema de vectores.

DEFINICION 5.3.1
Un sistema de vectores se denominar subsistema del segundo sistema,
si el primer sistema slo contiene ciertos vectores del segundo y no con-
tiene ningn otro vector.

Sobre los vectores del sistema dado y los vectores obtenidos de los primeros se
realizarn las operaciones de adicin y multiplicacin por escalares. Est claro
que todo vector u de la forma u = a
1
u
1
+ a
2
u
2
+ ... + a
k
u
k
donde a
1
, a
2
, ..., a
k
son
escalares, se obtiene de los vectores del sistema dado u
1
, u
2
, ..., u
k
con ayuda de
las operaciones citadas. Ms an, cualquiera que sea el orden en que se realicen
estas operaciones, obtendremos solamente los vectores del tipo antes mencionado.

DEFINICION 5.3.2
Un vector u se denomina combinacin lineal de los vectores u
1
, u
2
, ..., u
k

si se puede expresar en la forma u = a
1
u
1
+ a
2
u
2
+ ... + a
k
u
k
donde a
1
, a
2
,
..., a
k
son escalares.

Si k = 1, entonces la ecuacin de la definicin precedente se reduce a u = a
1
u
1
; es
decir, u es una combinacin lineal de un solo vector u
1
si es un mltiplo escalar
de u
1
. Respecto del vector u suele decirse que se expresa linealmente en trminos
de los vectores u
1
, u
2
, ..., u
k
. El segundo miembro de la expresin u = a
1
u
1
+ a
2
u
2

+ ... + a
k
u
k
se denomina combinacin lineal de estos vectores y los nmeros a
1
, a
2
,
..., a
k
son los coeficientes de la combinacin lineal.

EJEMPLO 5.3.1
Est dado el sistema de polinomios p(t) = 1 - t
2
, q(t) = 1 + t
3
, r(t) = t - t
3
, s(t) = 1 + t +
t
2
+ t
3
. Hallar las combinaciones lineales de los polinomios de ese sistema:
a.- 5p(t) + q(t) 4r(t); b.- p(t) + 9q(t) 4s(t).
Discutir los resultados obtenidos.
SOLUCION
a.- Para la combinacin lineal 5p(t) + q(t) - 4r(t), obtenemos
5(1 - t
2
) + (1 + t
3
) 4(t - t
3
) = 6 4t 5t
2
+ 5t
3
.
b.- Para la combinacin lineal p(t) + 9q(t) 4s(t), obtenemos
(1 - t
2
) + 9(1 + t
3
) 4(1 + t + t
2
+ t
3
) = 6 4t - 5t
2
+ 5t
3
.
Podemos observar que tanto 5p(t) + q(t) - 4r(t), como p(t) + 9q(t) 4s(t) tienen la
misma combinacin lineal. V
JOE GARCIA ARCOS
205
EJEMPLO 5.3.2
a.- Verifquese que el polinomio p(t) = t
2
+ 4t - 3 es una combinacin lineal de los
polinomios q(t) = t
2
- 2t + 5, r(t) = 2t
2
- 3t, s(t) = t + 3.
b.- Verifique si el vector v = (2, -5, 3) se puede expresar como combinacin lineal
de los vectores v
1
= (1, -3, 2), v
2
= (2, -4, -1), v
3
= (1, -5, 7).
SOLUCION
a.- Segn la definicin, debemos resolver p(t) = aq(t) + br(t) + cs(t). Es decir
t
2
+ 4t 3 = a(t
2
- 2t + 5) + b(2t
2
3t) + c(t + 3)
Agrupando trminos semejantes, obtenemos
t
2
+ 4t 3 = (a + 2b)t
2
+ (-2a - 3b + c)t + (5a + 3c)
Establecemos el sistema de ecuaciones y resolvemos
2 1
2 3 4
5 3 3
a b
a b c
a c
+ =
+ =
+ =

3
2
4
a
b
c
=

Por lo tanto
p(t) = - 3q(t) + 2r(t) + 4s(t).
b.- Segn la definicin, debemos resolver v = av
1
+ bv
2
+ cv
3
. Es decir
(2, -5, 3) = a(1, -3, 2) + b(2, -4, -1) + c(1, -5, 7)
(2, -5, 3) = (a + 2b + c, -3a 4b 5c, 2a b + 7c)
2 2
3 4 5 5
2 7 3
a b c
a b c
a b c
+ + =
+ + =
+ =
.
Este sistema tiene un nmero indeterminado de soluciones. Por lo tanto el vector
v no se puede expresar como combinacin lineal de los vectores v
1
, v
2
, v
3
. V

EJEMPLO 5.3.3
Verifique si la matriz
3 1
1 1
| |
=
|
\ .
A se puede expresar como combinacin lineal de
las matrices
1 1
1 0
| |
=
|
\ .
B ,
0 0
1 1
| |
=
|
\ .
C ,
0 2
0 1
| |
=
|
\ .
D ,
0 1
1 0
| |
=
|
\ .
E .
SOLUCION
Segn la definicin, debemos resolver A = aB + bC + cD + dE. Es decir
3 1 1 1 0 0 0 2 0 1
1 1 1 0 1 1 0 1 1 0
a b c d
| | | | | | | | | |
= + + +
| | | | |

\ . \ . \ . \ . \ .

3 1 2
1 1
a a c d
a b d b c
+ + | | | |
=
| |
+ +
\ . \ .

3
2 1
1
1
a
a c d
a b d
b c
=
+ + =
+ + =

3
2
1
0
a
b
c
d
=

Por lo tanto A = 3B - 2C D. V

EJEMPLO 5.3.4
Compruebe que el vector p(t) = t
2
+ 3t 2 se puede expresar como combinacin
lineal de los vectores q(t) = 3t
2
+ t - 4, r(t) = 2t 5, s(t) = 2t
2
2t + 3.

JOE GARCIA ARCOS
206
SOLUCION
Segn la definicin, debemos resolver p(t) = aq(t) + br(t) + cs(t). Es decir
t
2
+ 3t 2 = a(3t
2
+ t - 4) + b(2t 5) + c(2t
2
2t + 3)
t
2
+ 3t 2 = (3a + 2c)t
2
+ (a + 2b 2c)t + (- 4a - 5b + 3c)
3 2 1
2 2 3
4 5 3 2
a c
a b c
a b c
+ =
+ =
+ =

13/ 3
20/ 3
6
a
b
c
=

13 20
( ) ( ) ( ) 6 ( )
3 3
p t q t r t s t = . V

% COMPRUEBA SI UN VECTOR ES COMBINACION LINEAL DE UN SISTEMA DE VECTORES S
clc;clear;
fprintf('\n COMBINACION LINEAL \n')
fil=input('Ingrese el numero de vectores: ');
col=input('Ingrese la dimension del vector: ');
%Ingreso de elementos
fprintf('\n Ingrese los vectores del sistema S\n')
for f=1:fil
fprintf('\n Ingrese el vector (%d)\n', f)
for c=1:col
fprintf('Ingrese el elemento (%d,%d)',c,f)
S(c,f)=input(' :');
end
end
fprintf('\n El SISTEMA DE VECTORES S ES:\n')
S
fprintf('\n Ingrese el vector u \n')
%for f=1:col
for c=1:col
fprintf('Ingrese el elemento %d',c)
u(c,1)=input(' :');
end
fprintf('El VECTOR u es:\n')
u
end
fprintf('LA MATRIZ REDUCIDA ES:')
R1= rref(S);
R1
RangS=rank(S)
fprintf('\n LA MATRIZ AUMENTADA ES: \n',c);
A=[S,u];
A
R2= rref(A);
R2
RangA=rank(A)
end
if RangA==col-1
fprintf('El vector u si se expresa como combinacion lineal de S\n')
else
fprintf('El vector u no se puede expresar como combinacion lineal de S\n')
end

DEFINICION 5.3.3
Si S = {v
1
, v
2
, ..., v
k
} es un conjunto de vectores en un espacio vectorial
V, entonces el subespacio U de V que consta de todas las combinaciones
lineales de los vectores en S se denomina espacio generado por v
1
, v
2
, ...,
v
k
, y se dice que los vectores v
1
, v
2
, ..., v
k
generan a U. Para indicar que U
es el espacio generado por los vectores del conjunto S.

Fijemos el sistema de vectores u
1
, u
2
, ..., u
k
y dejemos que los coeficientes de las
JOE GARCIA ARCOS
207
combinaciones lineales tomen cualesquiera valores. En este caso quedar definido
cierto conjunto de vectores de V. Este conjunto lleva el nombre de subespacio
generado de los vectores u
1
, u
2
, ..., u
k
.

El inters hacia los subespacios generados se debe a dos circunstancias. En primer
lugar, si U es un subespacio de V que contiene a v
1
, v
2
, ..., v
k
, entonces U contiene
a todas las combinaciones lineales de esos vectores; es decir, U contiene a
Span{v
1
, v
2
, ..., v
k
}. Segundo, podemos decir que Span{v
1
, v
2
, ..., v
k
} es el menor
de los subespacios de V que contienen a los vectores v
1
, v
2
, ..., v
k
.

Si U es subespacio de V y si S es un subconjunto de V con la propiedad de que
Span(S) = U, decimos que S genera a U. Subconjuntos diferentes pueden generar
el mismo subespacio U. Tambin podemos hablar del subespacio que genera un
subconjunto infinito S de V. En ese caso, Span(S) es el conjunto de todas las
combinaciones lineales de todos los subconjuntos finitos de S.

TEOREMA 5.3.1
Si v
1
, v
2
, ..., v
k
son vectores en un espacio vectorial V, entonces:
1.- El conjunto U de las combinaciones lineales de v
1
, v
2
, ..., v
k
es
subespacio de V;
2.- U es el menor subespacio de V que contiene a v
1
, v
2
, ..., v
k
, en el sen-
tido de que cualquier otro subespacio que contenga a v
1
, v
2
, ..., v
k
debe
contener a U.
DEMOSTRACION
1.- Para demostrar que U es un subespacio de V, es necesario probar que es ce-
rrado bajo la adicin y la multiplicacin escalar. En U existe por lo menos un
vector, a saber, C, ya que
C = 0v
1
+ 0v
2
+ ... + 0v
k
.
Si u y v son vectores en U, entonces
u = a
1
u
1
+ a
2
u
2
+ ... + a
k
u
k

y
v = b
1
u
1
+ b
2
u
2
+ ... + b
k
u
k

donde a
1
, a
2
, ..., a
k
, b
1
, b
2
, ..., b
k
son escalares. Por consiguiente,
u + v = (a
1
+ b
1
)v
1
+ (a
2
+ b
2
)v
2
+ ... + (a
k
+ b
k
)v
k

y, para cualquier escalar a,
au = (aa
1
)v
1
+ (aa
2
)v
2
+ ... + (aa
k
)v
k
.
As, u + v y au son combinaciones lineales de v
1
, v
2
, ..., v
k
, y, en consecuencia,
estn en U. Por tanto, U es cerrado bajo la adicin y la multiplicacin escalar.
2.- Cada vector v
i
es una combinacin lineal de v
1
, v
2
, ..., v
k
, ya que es posible escri-
bir v
i
= 0v
1
+ 0v
2
+ ... + 0v
k
. Por consiguiente, en el subespacio U estn todos y cada
uno de los vectores v
1
, v
2
, ..., v
k
. Sea W cualquier otro subespacio que contiene a v
1
,
v
2
, ..., v
k
. Como W es cerrado bajo la adicin y la multiplicacin escalar, debe conte-
ner todas las combinaciones lineales de v
1
, v
2
, ..., v
k
. As, W contiene a cada vector de
U.

Ahora surgen unas preguntas: En qu condiciones los subespacios generados de
dos sistemas diferentes de vectores consisten de los mismos vectores del espacio
inicial? Qu nmero mnimo de vectores define un mismo subespacio vectorial?
Ser el espacio vectorial inicial un subespacio generado de algunos de sus vecto-
res? Las respuestas a estas preguntas y otras las daremos ms adelante.

Con este fin emplearemos en gran escala la nocin de combinacin lineal y, en
particular, la propiedad de su transitividad. A saber, si un cierto vector u es una
combinacin lineal de los vectores v
1
, v
2
, ..., v
k
, y cada uno de ellos, a su turno, es
una combinacin lineal de los vectores w
1
, w
2
, ..., w
k
, entonces el vector u tambin
puede ser representado como combinacin lineal de los vectores w
1
, w
2
, ..., w
r
.
JOE GARCIA ARCOS
208

DEFINICION 5.3.4
Dos sistemas de vectores S = {v
1
, v
2
, ..., v
k
} y S = {w
1
, w
2
, ..., w
k
} de un
espacio vectorial V, se dicen equivalentes, cuando ambos engendran el
mismo subespacio.

Es evidente que, para el conjunto de los sistemas finitos de vectores de un espacio
vectorial, la equivalencia recin definida es una relacin de equivalencia. De aqu
se desprende que si los subespacios generadores de dos sistemas de vectores coin-
ciden, entonces los sistemas son equivalentes. As pues, los conjuntos generado-
res no son nicos.

TEOREMA 5.3.2
Si S = {v
1
, v
2
, ..., v
k
} y S= {w
1
, w
2
, ..., w
k
} son dos conjuntos de vectores
en un espacio vectorial V, entonces Span(S) = Span(S) si y slo si todo
vector en S es una combinacin lineal de los vectores en S y, recpro-
camente, todo vector en S es una combinacin lineal de los vectores en
S.
DEMOSTRACION
Los sistemas S y S son equivalentes, es decir, si Span(S) = Span(S), todo vector
de uno de estos subespacios, y en particular los vectores que le engendran
pertenecen al otro, es decir, depende linealmente de los vectores que engendran al
otro. Recprocamente, si todos los vectores del sistema S dependen linealmente de
los del sistema S, entonces, todo vector que depende linealmente de los vectores
de S tambin depende linealmente de los de S, es decir Span(S) c Span(S), si
adems, tambin los vectores de S dependen linealmente de los de S, se
verificar que Span(S) c Span(S).

EJEMPLO 5.3.5
Determine en caso de existir el subespacio generado por el conjunto de vectores
a.- S = {t
2
+ 3t 1, 2t
2
+ 1, 3t
2
+ t 1}; b.- S = {1- t
2
, t t
2
, 2 t t
2
}.
SOLUCION
a.- Dado at
2
+ bt + c un elemento de
2
, debemos expresar este elemento como
combinacin lineal de los elementos de S. Es decir
at
2
+ bt + c = (t
2
+ 3t 1) + (2t
2
+ 1) + o(3t
2
+ t 1)
Agrupando los trminos comunes, obtenemos
at
2
+ bt + c = ( + + 3o)t
2
+ (3 + o)t + (- + - o)
Establecemos el sistema de ecuaciones
JOE GARCIA ARCOS
209
3
3
a
b
c
+ + o =
+ o =
+ o =

Resolvemos este sistema, utilizando el mtodo de operaciones elementales
1 1 3
3 0 1
1 1 1
a
b
c
|
|
|
|

.
\
~
1 1 3
0 3 8 3
0 2 2
a
a b
a c
|
|
|
|
+
.
\
~
1 1 3
0 3 8 3
0 0 10 3 2 3
a
a b
a b c
|
|
|
|

.
\

Como el Rang(A) = 3, no existe subespacio generado por el conjunto S.
b.- Dado at
2
+ bt + c un elemento de
2
at
2
+ bt + c = (1 - t
2
) + (t - t
2
) + o(2 t - t
2
).
Formamos el determinante de la matriz de coeficientes:
1 0 1
0 1 1 0
2 1 1
=

.
Como este determinante es igual cero, entonces procedemos a encontrar el subes-
pacio generado:
1 0 1
0 1 1
2 1 1
a
b
c
| |
|
|

.
\
~
1 0 1
0 1 1
0 1 1 2
a
b
a c
| |
|
|

.
\
~
1 0 1
0 1 1
0 0 0 2
a
b
a b c
| |
|
|

.
\
.
En este caso, el subespacio generado tiene la siguiente forma:
Span(S) = {(a, b, c)/ 2a - b c = 0}. V

EJEMPLO 5.3.6
Hallar el menor subespacio de
3
en el que se encuentran los polinomios:
q(t) = 2t
3
+ 2t
2
- 2t, r(t) = t
3
+ 2t
2
- t + 5, s(t) = t
3
+ 2t
2
- 6t - 6.
SOLUCION
Como q(t) + or(t) + os(t) = p(t), entonces
(2t
3
+ 2t
2
- 2t) + o(t
3
+ 2t
2
- t + 5) + o(t
3
+ 2t
2
- 6t - 6) = at
3
+ bt
2
+ ct + d
2 1 1
2 2 2
2 1 6
0 5 6
a
b
c
d
| |
|
|
|

|
|
\ .
~
2 1 1
0 1 1
0 0 5
0 5 6
a
a b
a c
d
| |
|

|
|
+
|
|
\ .
~
2 1 1
0 1 1
0 0 5
0 0 11 5 5
a
a b
a c
a b d
| |
|

|
|
+
|
|
+
\ .

2 1 1
0 1 1
0 0 5
0 0 0 14 25 11 5
a
a b
a c
a b c d
| |
|

|
|
+
|
|
+ +
\ .

Por lo tanto, el subespacio mnimo es
Span{q(t), r(t), s(t)} = Span{(a, b, c, d) / 14a - 25b 11c + 5d = 0}. V

EJEMPLO 5.3.7
Demuestre que el menor subespacio de 9
3
en el que se encuentran los vectores
v
1
= (1, 0, -1), v
2
= (0, 2, -2), v
3
= (0, -2, 2) es el plano a + b + c = 0.
SOLUCION
El menor subespacio de 9
3
que contiene a v
1
, v
2
y v
3
es Span(S), donde:
Span(S) = Span{(a, b, c) = (1, 0, -1) + (0, 2, -2) + o(0, -2, 2) / , , o e 9}
= Span{(a, b, c) = (, 2o - 2o, - - 2o + 2o) / , o, o e 9}
Se desea describir este subespacio de 9
3
en otros trminos. Obsrvese que de la
JOE GARCIA ARCOS
210
ltima expresin para Span(S) se obtiene
2 2
2 2
a
b
c
=
o o =
o+ o =

que puede interpretarse como un sistema de 3 ecuaciones con 3 incgnitas , o, o, el
cual se sabe que tiene solucin. Al aplicar el mtodo de eliminacin Gaussiana a este
sistema se obtiene
1 0 0
0 2 2
1 2 2
a
b
c
| |
|
|
|

. \
~
1 0 0
0 2 2
0 2 2
a
b
a c
| |
|
|
|
+
. \
~
1 0 0
0 2 2
0 0 0
a
b
a b c
| |
|
|
|
+ +
. \

Entonces, el hecho de la existencia de soluciones del sistema es equivalente a que a
+ b + c = 0. Es decir, el vector v es una combinacin lineal de v
1
, v
2
y v
3
si, y slo si
a + b + c = 0. Por lo tanto, el subespacio Span{v
1
, v
2
, v
3
} puede ser escrito como:
Span{v
1
, v
2
, v
3
} = Span{(a, b, c) / a + b + c = 0},
lo cual es subespacio vectorial de 9
3
que representa geomtricamente un plano que
pasa por el origen. V

EJEMPLO 5.3.8
Demuestre que no existe subespacio propio de 9
3
en el que se encuentren los
vectores (1, 1, 1), (1, 1, 0), (1, 0, 0).
SOLUCION
Span(S) = Span{(a, b, c) = (1, 1, 1) + o(1, 1, 0) + o(1, 0, 0) / , o, o e 9}
= {( + o + o, + o, ) / , o, o e 9}
Se desea describir este subespacio de 9
3
en otros trminos. Obsrvese que de la
ltima expresin para Span{v
1
, v
2
, v
3
} se obtiene
a
b
c
+ o+ o =
+ o =

que puede interpretarse como un sistema de 3 ecuaciones con 3 incgnitas , o, o. Al
aplicar el mtodo de eliminacin Gaussiana a este sistema se obtiene
1 1 1
1 1 0
1 0 0
a
b
c
| |
|
|
|
\ .
~
1 1 1
0 0 1
0 1 1
a
b a
c a
| |
|

|
|

\ .
~
1 1 0
0 0 1
0 1 0
a b
b a
c b
| | +
|

|
|

\ .

Podemos ver que no existe condicin restrictiva para que el vector v sea combinacin
lineal de los vectores v
1
, v
2
, v
3
. Por lo tanto no existe subespacio propio de 9
3
. V

EJEMPLO 5.3.9
Hallar el menor subespacio del subespacio solucin S del sistema de ecuaciones
homogneo:
2 2 2 0
2 3 2 0
2 4 7 0
a b c d e
a b c d e
a b c d e
+ + =
+ + =
+ + =
.
SOLUCION
Resolvemos el sistema de ecuaciones homogneas:
1 2 2 2 1 0
1 2 1 3 2 0
2 4 7 1 1 0
| |
|

|
|

\ .
~
1 2 2 2 1 0
0 0 1 1 1 0
0 0 3 3 1 0
| |
|

|
|

\ .
~
1 2 2 2 1 0
0 0 1 1 1 0
0 0 0 0 2 0
| |
|

|
|
\ .

Por lo tanto, el subespacio mnimo de S es
Span(S) = Span{(a, b, c, d, e) / a = - 2b 4d, c = - d, e = 0}. V

JOE GARCIA ARCOS
211
EJEMPLO 5.3.10
a.- Demustrese que si U es un subconjunto de V, entonces Span(U) es un
subespacio de V.
b.- Demostrar que Span(U) es el menor subespacio que contiene a U, si W es un
subespacio de V y si U c W, entonces Span(U) c W.
SOLUCION
a.- Sabemos por hiptesis que U c V y que U e Span(U). El Span(U) es el
subespacio generado por todas las combinaciones lineales de U, si U es subconjunto
de V, entonces sus elementos cumplen con los axiomas del espacio vectorial V. Por
lo tanto, el subespacio generado por U tambin cumple dichos axiomas, por lo cual
el Span(U) es un subespacio de V.
b.- Si U genera un subespacio, ste es el resultado de todas las combinaciones
lineales posibles a partir de U, si no se tomaran todas las combinaciones lineales
posibles para generar el Span(U), ste no heredara los axiomas del espacio vectorial,
y por tanto solamente sera un conjunto contenido en el espacio vectorial. En
consecuencia, Span(U) es el menor subespacio de V que puede contener a U.
Adems, si el conjunto U est contenido en un subespacio W del espacio vectorial V,
este subespacio W contiene al Span(U). En un caso muy particular, W puede ser
igual al Span(U), debido a que el Span(U) es el menor subespacio que puede ser
generado por el conjunto U en el espacio vectorial V. V

EJEMPLO 5.3.11
Describir el subespacio generado por los sistemas de vectores siguientes:
a.- S = {(1, 0, 0, 0, 0), (0, 0, 1, 0, 0), (0, 0, 0, 0, 1)};
b.- S = {(1, 0, 0, 0, 1), (0, 1, 0, 1, 0), (0, 0, 1, 0, 0)};
c.- S = {(1, 0, 0, 0, -1), (0, 1, 0, 0, -1), (0, 0, 1, 0, -1), (0, 0, 0, 1, -1)}.
SOLUCION
a.- Dado (a, b, c, d, e) un elemento de 9
5
(a, b, c, d, e) = o(1, 0, 0, 0, 0) + |(0, 0, 1, 0, 0) + (0, 0, 0, 0, 1).
Formamos la matriz aumentada del sistema generado por la combinacin lineal:
1 0 0
0 0 0
0 1 0
0 0 0
0 0 1
a
b
c
d
e
|
|
|
|
.
\
.
Span(S) = {(a, b, c, d, e) / b = d = 0}.
b.- Dado (a, b, c, d, e) un elemento de 9
5
, debemos expresar este elemento co-
mo combinacin lineal de los elementos de S. Es decir
(a, b, c, d, e) = o(1, 0, 0, 0, 1) + |(0, 1, 0, 1, 0) + (0, 0, 1, 0, 0).
1 0 0
0 1 0
0 0 1
0 1 0
1 0 0
a
b
c
d
e
|
|
|
|
.
\
~
1 0 0
0 1 0
0 0 1
0 1 0
0 0 0
a
b
c
d
a e
|
|
|
|
.
\
~
1 0 0
0 1 0
0 0 1
0 0 0
0 0 0
a
b
c
b d
a e
|
|
|
|
.
\
.
Span(S) = {(a, b, c, d, e) / b - d = 0, a e = 0}.
c.- Dado (a, b, c, d, e) un elemento de 9
5
(a, b, c, d, e) = o(1, 0, 0, 0, -1) + |(0, 1, 0, 0, -1) + (0, 0, 1, 0, -1) +
JOE GARCIA ARCOS
212
+ o(0, 0, 0, 1, -1)
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
1 1 1 1
a
b
c
d
e
|
|
|
|

.
\
~
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
0 1 1 1
a
b
c
d
a e
|
|
|
|
+
.
\
~
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
0 0 1 1
a
b
c
d
a b e
|
|
|
|
+ +
.
\

1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
0 0 0 1
a
b
c
d
a b c e
|
|
|
|
+ + +
.
\
~
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
0 0 0 0
a
b
c
d
a b c d e
|
|
|
|
+ + + +
.
\
.
Span(S) = {(a, b, c, d, e) / a + b + c + d + e = 0}. V

EJEMPLO 5.3.12
Demustrese que si V es el espacio de las funciones doblemente diferenciables
definidas en a s t s b y S es el conjunto de funciones {Sent, Cost}, entonces Span(S)
es el espacio de las funciones que cumplen f = - f.
SOLUCION
Sabemos que S = {Sent, Cost}. Haciendo la combinacin lineal obtenemos
f(t) = aSent + bCost
derivamos dos veces esta expresin
f (t) = aCost bSent
f (t) = - aSent bCost = - (aSent + bCost) = - f(t)
Por lo tanto concluimos que
Span(S) = {f e C
2
[a; b] / f (t) = - f(t)}. V

PROBLEMAS

5.3.1 Pruebe que S = {(1, 1, 0), (1, 0, 1), (0, 1, 1)} es una
base, demostrando que Span(S) contiene a (1, 0, 0), (0, 1,
0) y (0, 0, 1). Por qu basta esto?

5.3.2 Los nmeros reales forman un espacio vectorial
sobre los racionales. Demuestre que {1, 2} y
{1 2, 1 2} + generan al mismo subespacio.

5.3.3 Encontrar la ecuacin del plano generado por los
vectores u = (-1, 4, 5) y v = (6, -3, 2).

5.3.4 Encontrar las ecuaciones paramtricas de la recta
generada por el vector u = (5, -1, 4).
5.3.5 Sean S = {(1, 0, -2), (0, 3, 6), (-4, -2, 3)} y u = (4, 1,
-4) y sea W = Span(S):
a.- Est u en S? Cuntos vectores hay en S?;
b.- Est u en W? Cuntos vectores hay en W?
c.- Demuestre que (1, 0, -2) est en W.

5.3.6 Determine el menor subespacio de las matrices de 3
x 3 que contenga todas las matrices simtricas y todas las
matrices triangulares inferiores. Cul es el mayor
subespacio contenido en ambos subespacios?

5.3.7 Demuestre que los sistemas de vectores S
1
= {(1, 6,
4), (2, 4, -1), (-1, 2, 5)} y S
2
= {(1, -2, -5), (0, 8, 9)}
generan el mismo subespacio de 9
3
.

5.4 INTERSECCION Y SUMA DE SUBESPACIOS. SUMA DIRECTA

En esta seccin se estudiarn los subespacios interseccin, suma y suma directa. Con el trabajo aqu realizado
se comprender mejor la relacin que hay entre las soluciones de un sistema de ecuaciones lineales y las pro-
piedades de su matriz de coeficientes.
JOE GARCIA ARCOS
213

Considere el espacio vectorial arbitrario V. Este espacio engendra el conjunto de
todos los subespacios suyos, El cual se representa por S. En este conjunto S se
pueden definir dos operaciones algebraicas que, a base de unos subespacios, per-
miten construir otros.

DEFINICION 5.4.1
Se denomina interseccin de los subespacios vectoriales U y W, al conjunto
de todos los vectores pertenecientes simultneamente tanto a U como a W.

TEOREMA 5.4.1
Dados un subespacio vectorial S, sobre un cuerpo K, y dos subespacios
suyos U y W, demuestre que el conjunto U W es tambin un subespacio
vectorial de S.
DEMOSTRACION
Si u e U y w e W, se debe verificar, por una parte, que u e U W y w e U W, y
por otra parte, que u + w e U, u + w e W y u + w e U W. De la misma manera,
se llega a la conclusin u + w e U W, para todo a e K, que demuestra como
U W es un subespacio vectorial de S.

Como el vector nulo de V pertenece a todos sus subespacios, no hay subespacio de
interseccin vaca. Cuando se diga que dos subespacios U y W son disjuntos,
se debe entender que no tienen ms elemento en comn que el vector cero, es
decir, se verifica que U W = {C}.
Resulta evidente que el subespacio interseccin de varios subespacios dados es el
ms amplio de todos los subespacios contenidos en todos ellos.

EJEMPLO 5.4.1
Sean
U = {(a, b, c, d) / b 2c + d = 0} y W = {(a, b, c, d) / a = d, b = 2c}
subespacios de 9
4
. Hallar U W.
SOLUCION
Tomando las condiciones de los conjuntos U y W, tenemos el siguiente sistema de
ecuaciones homogneo:
2 0
0
2 0
b c d
a d
b c
+ =

0 1 2 1 0
1 0 0 1 0
0 1 2 0 0
| |
|
|
|

. \
~
0 1 2 1 0
1 0 0 1 0
0 0 0 1 0
| |
|
|
|
. \
.
Por lo tanto U W = {(a, b, c, d) / a = d = 0, b = 2c}. V

EJEMPLO 5.4.2
Sean
U = {(1, -1, -1, 0, 0), (1, -2, -2, 0, -3), (1, -1, -2, -2, 1)}
y
W = {(1, -2, -3, 0, -2), (1, -1, -3, 2, -4), (1, -1, -2, 2, -5)}
subespacios de 9
5
. Hallar U W.
SOLUCION
Primera encontramos los subespacios generados Para U y W:
1 1 1
1 2 1
1 2 2
0 0 2
0 3 1
a
b
c
d
e
| |
|

|
|

|
|
|

. \
~
1 1 1
0 1 0
0 1 1
0 0 2
0 3 1
a
a b
a c
d
e
| |
|
+
|
|
+
|
|
|

. \
~
1 1 1
0 1 0
0 0 1
0 0 2
0 0 1 3 3
a
a b
b c
d
a b e
| |
|
+
|
|
|
|
+
. \

JOE GARCIA ARCOS
214

1 1 1
0 1 0
0 0 1
0 0 0 2 2
0 0 0 3 4
a
a b
b c
b c d
a b c e
| |
|
+
|
|
|
+
|
|
+
. \
.
Por lo tanto
Span(U) = {(a, b, c, d, e) / 3a + 4b c e = 0, 2b 2c + d = 0}.
1 1 1
2 1 1
3 3 2
0 2 2
2 4 5
a
b
c
d
e
| |
|

|
|

|
|
|

. \
~
1 1 1
0 1 1 2
0 0 1 3
0 2 2
0 2 3 2
a
a b
a c
d
a e
| |
|
+
|
|
+
|
|
|

. \
~
1 1 1
0 1 1 2
0 0 1 3
0 0 0 4 2
0 0 1 6 2
a
a b
a c
a b d
a b e
| |
|
+
|
|
+
|
+
|
|
+
. \

1 1 1
0 1 1 2
0 0 1 3
0 0 0 4 2
0 0 0 9 2
a
a b
a c
a b d
a b c e
| |
|
+
|
|
+
|
+
|
|
+ +
. \

Por lo tanto
Span(W) = {(a, b, c, d, e) / 4a + 2b d = 0, 9a + 2b + c e = 0}.
Luego, para encontrar la interseccin entre estos subespacios debemos resolver el
sistema de ecuaciones homogneas, que resulta de las condiciones restrictivas de
cada uno de estos subespacios:
3 4 0
2 2 0
4 2 0
9 2 0
a b c e
b c d
a b d
a b c e
+ =
+ =
+ =
+ + =

3 4 1 0 1 0
0 2 2 1 0 0
4 2 0 1 0 0
9 2 1 0 1 0
| |
|
|
|
|
|
\ .
~
3 4 1 0 1 0
0 2 2 1 0 0
0 10 4 3 4 0
0 10 4 0 2 0
| |
|
|
|

|
|
\ .

3 4 1 0 1 0
0 2 2 1 0 0
0 0 6 2 4 0
0 0 6 5 2 0
| |
|
|
|
|
|
\ .
~
3 4 1 0 1 0
0 2 2 1 0 0
0 0 6 2 4 0
0 0 0 3 2 0
| |
|
|
|
|
|
\ .

Por lo tanto
Span(U W) = {(a, b, c, d, e) / a = -d/2, b = 5d/6, c = 4d/3, e = 3d/2}. V

EJEMPLO 5.4.3
El conjunto U de todas las ternas de 9
3
cuya primera coordenada es 0 es subespacio
de 9
3
, como tambin lo es el conjunto W de todas las ternas (a, b, c) en donde la
primera componente es igual a la segunda componente. Demuestre que U W es
subespacio de 9
3
.
SOLUCION
Por el ejemplo anterior, el conjunto U W es subespacio de 9
3
; U W consta de
todas las termas (0, 0, c) en las que c es arbitrario. V

Sean U, W subconjuntos, no necesariamente subespacios, de un espacio vectorial V.
Denotaremos por U + W el conjunto de todos los vectores v de V que se pueden
expresar como suma de un vector de U y de un vector de W. Por lo tanto, v estar en
U + W exactamente cuando existan un vector u de U y un vector w en W tales que
v = u + w. El conjunto U + W se denomina suma de los conjuntos U y W.

JOE GARCIA ARCOS
215

DEFINICION 5.4.2
Dados un subespacio vectorial S, sobre un cuerpo K, y dos subespacios su-
yos U y W, se denominan suma de dichos subespacios, y se representa por
U + W, al conjunto de todos los vectores de S que pueden expresarse como
suma de un vector de U y otro de W.

Obsrvese que, tanto la interseccin como la suma de subespacios siempre son
conjuntos no vacos, ya que les pertenece a ciencia cierta el vector nulo del espacio
vectorial V.

TEOREMA 5.4.2
Como U + W es subespacio de S, entonces el subespacio U + W contiene
tanto a U como a W. Adems, si S es tambin subespacio de V que
contenga tanto a U como a W, entonces S tambin contiene a U + W. Por
lo tanto, U + W es el menor de los subespacios de S que contienen tanto a
U como a W; es decir, U + W = Span(U W). Adems si U y W son
subespacios de S, entonces U + W es un subespacio de S.
DEMOSTRACION
Puesto que C e U y C e W, el elemento neutro pertenece a la suma, ya que
C = C + C e U + W.
Por otra parte, si suponemos que
u
1
+ w
1
e U + W y u
2
+ w
2
e U + W,
debe verificarse que
(u
1
+ w
1
) + (u
2
+ w
2
) = (u
1
+ u
2
) + (w
1
+ w
2
) e U + W
y
a(u
1
+ w
1
) = au
1
+ aw
1
e U + W,
cuyas dos condiciones justifican que U + W es un subespacio vectorial de V. Dado
que C e U, W c U + W. De igual modo, U c U + W. Ya que U + W es un
subespacio que contiene a U W, Span(U W) c U + W. Para cualquier v e U +
W, v se puede escribir en la forma v = u + w donde u e U y w e W. Entonces u e U
c Span(U W) y w e W c Span(U W). Como Span(U W) es un subespacio,
v = u + w e Span(U + W). De donde U + W = Span(U + W).

En 9
2
, supongamos que en U slo est el vector u = OQ, y sea W el conjunto de
todos los vectores OP desde el origen O hasta un punto P situado en el segmento de
recta AB. Entonces, U + W consta de todos los vectores OR = OQ + OP, donde Q es
fijo y P vara en el segmento AB. En consecuencia, U + W corresponde al segmento
de recta CD que se obtiene de AB al trasladar cada punto en el vector u; en particu-
lar, AC = u, BD = u.

En 9
3
sean u, v vectores no nulos, ninguno de ellos mltiplo escalar del otro. Supon-
gamos que U es el conjunto de todos los mltiplos escalares de u y que W es el con-
junto de todos los mltiplos escalares v. Entonces, U + W consta de todos los vecto-
res au + bv. Aqu, U corresponde a la recta L
1
que pasa por O, W a la recta L
2
que
pasa por O, y U + W a un plano t que tambin pasa por O y contiene a L
1
y a L
2
.

Indiquemos, finalmente, las propiedades siguientes de la suma de subespacios, que
se desprenden directamente de la definicin:
1.- U + W = W + U;
2.- U + (W + V) = (U + W) + V;
3.- Si U est contenido en un subespacio W, se tiene U + W = W.

EJEMPLO 5.4.4
Si U y W son subespacios de un espacio vectorial V, se define U + W como el
conjunto de vectores de V que pueden escribirse como suma de uno de U ms otro
JOE GARCIA ARCOS
216

de W, es decir, U + W = {w e V / w = u + v con u e U y v e W}. Demostrar que U
+ W es el mnimo subespacio vectorial que contiene a U y a W.
SOLUCION
En efecto, C e U + W, pues es C = C + C y C e U y C e W. Adems, si w
1
y w
2

son de U + W, sern w
1
= u
1
+ v
1
y w
2
= u
2
+ v
2
donde u
1
, u
2
e U y v
1
, v
2
e W, y
por tanto, ser w
1
+ w
2
= (u
1
+ u
2
) + (v
1
+ v
2
), lo que por ser u
1
+ u
2
e U y v
1
+ v
2
e
W, indica que es w
1
+ w
2
e U + W. Por otro lado, si k es un escalar cualquiera y w e
U + W, es w = u + v con u e U y v e W, de donde, kw = k(u + v) = ku + kv, y como
ku e U y kv e W, es kw e U + W. Consecuentemente, U + W es un subespacio.
Adems, U + W contiene a U, pues si u e U, es u = u + C, y C e W; del mismo
modo contiene a W, pues si v e W, es v = C + v, y C e U. Y por fin, si un
subespacio contiene a U y a W, entonces debe contener todas las sumas del tipo u +
v donde u e U y v e W, y por tanto, debe contener a U + W, lo que prueba que U +
W es el mnimo subespacio que contiene a U y a W. V

EJEMPLO 5.4.5
Sean
U = {(a, b, c, d) / b 2c + d = 0} y W = {(a, b, c, d) / a = d, b = 2c}
subespacios de 9
4
. Hallar U + W.
SOLUCION
Los subespacios U y W generan las siguientes bases U = {(1, 0, 0, 0), (0, 2, 1, 0),
(0, -1, 0, 1)} y W = {(0, 2, 1, 0), (1, 0, 0, 1)} construimos una matriz con los
vectores de ambos subespacios, para poder determinar los elementos que contiene el
subespacio U + W:
1 0 0 0
0 2 1 0
0 1 0 1
0 2 1 0
1 0 0 1
| |
|
|
|
|
|
|
\ .
~
1 0 0 0
0 2 1 0
0 0 1 2
0 0 0 0
0 0 0 1
| |
|
|
|
|
|
|
\ .

Por lo tanto
Base(U + W) = {(1, 0, 0, 0), (0, 2, 1, 0), (0, 0, 1, 2), (0, 0, 0, -1)}.
Como Dim(U + W) = 4, entonces U + W = 9
4
. V

EJEMPLO 5.4.6
Sean
U = {(1, -1, -1, 0, 0), (1, -2, -2, 0, -3), (1, -1, -2, -2, 1)}
y
W = {(1, -2, -3, 0, -2), (1, -1, -3, 2, -4), (1, -1, -2, 2, -5)}
subespacios de 9
5
. Hallar U + W.
SOLUCION
Para encontrar el subespacio U + W, debemos construir una matriz cuyas filas sean
los elementos de los conjuntos U y W, y luego procedemos a eliminar filas mediante
operaciones elementales. Las filas no nulas formarn la base de U + W:
1 1 1 0 0
1 2 2 0 3
1 1 2 2 1
1 2 3 0 2
1 1 3 2 4
1 1 2 2 5
| |
|

|
|

|

|
|

|
|

\ .
~
1 1 1 0 0
0 1 3 0 3
0 0 3 2 1
0 1 4 0 2
0 0 4 2 4
0 0 3 2 5
| |
|
|
|
|
|
|
|
|
\ .
~
1 1 1 0 0
0 1 3 0 3
0 0 3 2 1
0 0 1 0 1
0 0 4 2 4
0 0 3 2 5
| |
|
|
|
|
|
|
|
\ .

JOE GARCIA ARCOS
217

1 1 1 0 0
0 1 3 0 3
0 0 3 2 1
0 0 0 1 1
0 0 0 7 8
0 0 0 2 3
| |
|
|
|
|
|
|
|
|
\ .
~
1 1 1 0 0
0 1 3 0 3
0 0 3 2 1
0 0 0 1 1
0 0 0 0 1
0 0 0 0 0
| |
|
|
|
|
|
|
|
|
\ .

Por lo tanto:
Base(U + W) = {(1, -1, 1, 0, 0), (0, 1, 3, 0, 3), (0, 0, 3, 2, -1), (0, 0, 0, 1, 1),
(0, 0, 0, 0, 1)}.
Como Dim(U + W) = 5, entonces U + W = 9
5
. V

EJEMPLO 5.4.7
Sea W el conjunto de todos los vectores de la forma (r, 2r t, r + t, t) de 9
4
, donde
r, t son arbitrarios. Sea U el conjunto de todos los vectores de la forma (2a + 2b, b, -
b, 3a + 2b), donde a, b son arbitrarios:
a.- Compruebe que U + W es el conjunto de todos los vectores de la forma (u + 2w,
2u v, u + v, v + 3w);
b.- Compruebe que U, W y U + W son subespacios de 9
4
;
c.- Encuntrese U W.
SOLUCION
a.- Encontramos las bases de W y U respectivamente:
(r, 2r t, r + t, t) = r(1, 2, 1, 0) + t(0, -1, 1, 1)
BaseW = {(1, 2, 1, 0), (0, -1, 1, 1)},
(2a + 2b, b, -b, 3a + 2b) = a(2, 0, 0, 3) + b(2, 1, -1, 2)
BaseU = {(2, 0, 0, 3), (2, 1, -1, 2)}.
A continuacin encontramos una base para el subespacio U + W:
1 2 1 0
0 1 1 1
2 0 0 3
2 1 1 2
| |
|
|
|
|
\ .
~
1 2 1 0
0 1 1 1
0 4 2 3
0 3 3 2
| |
|
|
|
\ .
~
1 2 1 0
0 1 1 1
0 0 6 1
0 0 6 1
| |
|
|
|
|
\ .
~
1 2 1 0
0 1 1 1
0 0 6 1
0 0 0 0
| |
|
|
|
|
\ .
.
De esta manera podemos decir que la base de U + W es:
Base(U + W) = {(1, 2, 1, 0), (0, -1, 1, 1), (2, 0, 0, 3)}.
Esta base es exactamente la misma que genera el subespacio U + W dada:
(u + 2w, 2u v, u + v, v + 3w) = u(1, 2, 1, 0) + v(0, -1, 1, 1) + w(2, 0, 0, 3)
Base(U + W) = {(1, 2, 1, 0), (0, -1, 1, 1), (2, 0, 0, 3)}.
Con esto queda demostrado el inciso a).
b.- Por el inciso a), U, W y U + W tienen estructura de subespacio vectorial de 9
4
,
por cuanto cada uno de ellos generan su propia base.
c.- En el inciso a) nos podemos dar cuenta que en la matriz se anula una fila, por
lo tanto la base del subespacio interseccin U W es:
Base(U W) = {(2, 1, -1, 2)}. V

EJEMPLO 5.4.8
Hallar U + W y U W dados los siguientes sistemas:
a.- U = {(0, 1, 1, 1), (1, 1, 1, 2), (-2, 0, 1, 1)} y W = {(-1, 3, 2, -1), (1, 1, 0, -1)}.
b.- U = {(2, -5, 3, 4), (1, 2, 0, -7), (3, -6, 2, 5)} y W = {(2, 0, -4, 6), (1, 1, 1, 1),
(3, 3, 1, 5)}.
SOLUCION
a.- Debemos construir una matriz cuyas filas sean los elementos de los conjuntos U
y W, y luego procedemos a eliminar filas mediante operaciones elementales. Las
filas no nulas formarn la base de U + W:
JOE GARCIA ARCOS
218
0 1 1 1
1 1 1 2
2 0 1 1
1 3 2 1
1 1 0 1
| |
|
|
|
|

|
|
\ .
~
0 1 1 1
0 0 1 3
0 2 1 1
0 4 2 2
1 1 0 1
| |
|

|
|
|
|
\ .
~
0 1 1 1
0 0 1 3
0 0 1 3
0 0 2 6
1 1 0 1
| |
|

|
|
|
|
|
\ .
~
0 1 1 1
0 0 1 3
0 0 0 0
0 0 0 0
1 1 0 1
| |
|

|
|
|
|
|
\ .

Por lo tanto:
Base(U + W) = {(0, 1, 1, 1), (0, 0, -1, -3), (1, 1, 0, -1)}.
Para encontrar el subespacio U + W, debemos hallar el subespacio generado con
respecto a la base encontrada:
0 0 1
1 0 1
1 1 0
1 3 1
a
b
c
d
| |
|
|
|

. \
~
1 0 1
0 0 1
1 1 0
1 3 1
b
a
c
d
| |
|
|
|

. \
~
1 0 1
0 0 1
0 1 1
0 3 2
b
a
b c
b d
| |
|
|
|

. \

1 0 1
0 0 1
0 1 1
0 0 1 2 3
b
a
b c
b c d
| |
|
|
|
+
. \
~
1 0 1
0 0 1
0 1 1
0 0 0 2 3
b
a
b c
a b c d
| |
|
|
|
+
. \
.
Por lo tanto
Span(U + W) = {(a, b, c, d) / a 2b + 3c d = 0}.
Podemos observar que (-2, 0, 1, 1) y (-1, 3, 2, -1) son los vectores que se eliminaron
al encontrar la base de U + W, entonces estos elementos forman la base de U W.
Para encontrar el subespacio U W, debemos hallar el subespacio generado con
respecto a la base encontrada:
2 1
0 3
1 2
1 1
a
b
c
d
| |
|
|
|
|

. \
~
2 1
0 3
0 3 2
0 3 2
a
b
a c
a d
| |
|
|
|
+
|
+
. \
~
2 1
0 3
0 0 2
0 0 2
a
b
a b c
a b d
| |
|
|
|
+
|
+ +
. \
.
Por lo tanto Span(U W ) = {(a, b, c, d) / a b + 2c = 0, a + b + 2d = 0}.
b.- Debemos construir una matriz cuyas filas sean los elementos de los conjuntos U
y W, y luego procedemos a eliminar filas mediante operaciones elementales. Las
filas no nulas formarn la base de U + W:
2 5 3 4
1 2 0 7
3 6 2 5
2 0 4 6
1 1 1 1
3 3 1 5
| |
|
|
|
|
|
|
|
\ .
~
2 5 3 4
0 3 1 6
0 3 5 2
0 5 7 2
0 7 1 2
0 21 7 2
| |
|
|
|
|

|
|
|
|
\ .
~
2 5 3 4
0 3 1 6
0 0 1 1
0 0 4 9
0 0 1 9
0 0 0 1
| |
|
|
|
|
|
|
|
\ .

2 5 3 4
0 3 1 6
0 0 1 1
0 0 0 1
0 0 0 1
0 0 0 1
| |
|
|
|
|
|
|
|
\ .
~
2 5 3 4
0 3 1 6
0 0 1 1
0 0 0 1
0 0 0 0
0 0 0 0
| |
|
|
|
|
|
|
|
\ .

Por lo tanto:
Base(U + W) = {(2, -5, 3, 4), (0, -3, 1, 6), (0, 0, -1, 1), (0, 0, 0, 1)}.
Como Dim(U + W) = 4, entonces el subespacio U + W = 9
4
. Podemos observar que
(1, 1, 1, 1) y (3, 3, 1, 5) son los vectores que se eliminaron al encontrar la base de
JOE GARCIA ARCOS
219
U + W, entonces estos elementos forman la base de U W. Para encontrar el
subespacio U W, debemos hallar el subespacio generado con respecto a la base
encontrada:
1 3
1 3
1 1
1 5
a
b
c
d
| |
|
|
|
|
. \
~
1 3
0 0
0 2
0 2
a
a b
a c
a d
| |
|
|
|

. \
~
1 3
0 0
0 2
0 0 2
a
a b
a c
a c d
| |
|
|
|

. \
.
Por lo tanto
Span(U W ) = {(a, b, c, d) / a b = 0, 2a c d = 0}. V

DEFINICION 5.4.3
Sean U y W subconjuntos del espacio vectorial V y sea S el conjunto com-
puesto por todos los vectores v de V que estn en U, en W o en ambos. El
conjunto S se llama unin de U y W. La unin la denotamos por , y po-
nemos S = U W.

Se puede deducir que U + W contiene a U W, y que es el menor de los subespa-
cios que contienen a U W. En general, U + W es un conjunto mucho mayor que
U W. Esto sirve para observar que, en contraste con la interseccin, la unin de
dos subespacios no es necesariamente otro subespacio. Aquellos casos en los cuales
U W = {C} merecen atencin especial. Si U W = {C}, se dice que la suma
U + W es directa: U + W es una suma directa de U y W.

Dados un espacio vectorial V y los subespacios suyos, U y W se dice que su suma,
U + W es suma directa, y se representa como U W, si todo vector de dicha suma
puede expresarse de manera nica como suma de vectores de los espacios sumandos.

Los subespacios U
1
, U
2
, ..., U
n
, del espacio vectorial V, son independientes si, y slo
si, la descomposicin del vector cero en suma de vectores de dichos subespacios es
nica. Si en un espacio vectorial V, varios subespacios son independientes, entonces
son disjuntos dos a dos.

Es muy importante observar que la proposicin recproca, en general, no es cierta; es
decir, el slo hecho de ser unos subespacios disjuntos dos a dos no implica forzosa-
mente que ellos sean independientes. Como consecuencia de esta afirmacin, pode-
mos establecer que dos subespacios U y W son independientes si, y slo si, son
disjuntos.

TEOREMA 5.4.3
Demuestre que el espacio vectorial V es la suma directa de los subespacios
U y W si y solamente si se verifica que V = U + W y U W = {C}.
DEMOSTRACION
Si se acepta que V = U W, para todo v e V puede expresarse de una sola manera
en la forma v = u + w, con u e U y w e W, en cuyo caso particular se verifica que
V = U + W. Si suponemos que v e U W, debe ocurrir que
v = v + C, en donde v e U y C e W;
v = C + v, en donde C e U y v e W;
pero al no ser posible nada ms que de una sola forma la descomposicin anterior, ha
de verificarse que v = C y, por tanto, U W = {C}. Recprocamente, vamos a
probar que si se cumplen las condiciones del problema, se trata de una suma directa,
lo que exige demostrar que la suma v = u + w es nica. Si existe otra posible
descomposicin, tal como v = u
1
+ w
1
, con u
1
e U y w
1
e W, se tiene que u + w = u
1

+ w
1
, de donde, u u
1
= w
1
- w; pero como u u
1
e U y w
1
- w e W y por hiptesis
U W = {C}, debe ocurrir que u u
1
= w
1
- w = C, de donde u = u
1
y w = w
1
.
JOE GARCIA ARCOS
220
TEOREMA 5.4.4
Los subespacios U
1
, U
2
, ..., U
n
, del espacio vectorial V, son independientes
si, y slo si, la descomposicin del vector cero en suma de vectores de
dichos subespacios es nica.
DEMOSTRACION
Para demostrar este teorema basta con cerciorarse de que los subespacios U
1
, U
2
, ...,
U
n
, son independientes, pues con repetir la demostracin un nmero finito de veces
se prueban todos los casos que se pueden presentar. Supngase que U
1
, U
2
, ..., U
n
, no
fuesen independientes, es decir, que un cierto vector u de su suma admitiese dos
descomposiciones distintas como suma de vectores de los subespacios sumandos
u = u
1
+ u
2
+ ... + u
n
y u = v
1
+ v
2
+ ... + v
n
, con u
i
, v
i
e U
i
y siendo u
j
= v
j
para
algunos ndices j, entonces, tomando un vector cualquiera u e U
1
, el vector v = u
1
+
u pertenece a la suma U
1
+ U
2
+ ... + U
n
y sera expresable, como suma de vectores
de U
1
, U
2
, ..., U
n
, de dos formas distintas, u = u
1
+ u
2
+ ... + u
n
y u = v
1
+ v
2
+ ... + v
n
,
lo cual no es posible, pues estos subespacios son independientes; esta imposibilidad
obliga a rechazar el supuesto de ser U
1
+ U
2
+ ... + U
n
no independientes, es decir, la
proposicin es verdadera.

TEOREMA 5.4.5
Si en un espacio vectorial V, varios subespacios son independientes,
entonces son disjuntos dos a dos.
DEMOSTRACION
Si dos de los subespacios, U
i
y U
j
, con i = j, no fuesen disjuntos, es decir, si existe v =
C que pertenece a ambos, todo vector u = u
1
+ u
2
+ ... + u
n
de la suma podra
expresarse tambin en la forma u = u
1
+ ... + (u
i
+ v) + ... + (u
j
+ v) + ... + u
n
, como
suma de vectores de los subespacios sumandos, distinta de la de partida, lo cual no es
posible, ya que dichos subespacios son independientes.

Es muy importante observar que la proposicin recproca, en general, no es cierta; es
decir, el slo hecho de ser unos subespacios disjuntos dos a dos no implica
forzosamente que ellos sean independientes. Como consecuencia de este teorema,
podemos establecer que dos subespacios U y W son independientes si, y slo si, son
disjuntos.

EJEMPLO 5.4.9
Si S
1
genera a U y S
2
genera a W, entonces S
1
S
2
genera a U + W.
SOLUCION
Dado que C e U, W c U + W. De igual modo, U c U + W. Ya que U + W es un
subespacio que contiene a U W, Span(U W) c U + W. Para cualquier u e U +
W, u se puede escribir en la forma u = v + w donde v e U y w e W. Entonces v e U
c Span(U W) y w e W c Span(U W). Como Span(U W) es un subespacio,
u = v + w e Span(U W). De donde U + W = Span(U W).
La segunda parte de la demostracin se deduce ahora directamente. U = Span(S
1
) c
Span(S
1
S
2
) y W = Span(S
2
) c Span(S
1
S
2
), de manera que U W c Span(S
1

S
2
) c Span(U W) y, por lo tanto, Span(U W) = Span(S
1
S
2
). V

EJEMPLO 5.4.10
Sean U, W y S subespacios de un espacio vectorial V:
a.- Prubese que U + W = Span(U W), es decir que U + W es el menor
subespacio que contiene a U W.
b.- Prubese que U c S, entonces S (U + W) = U + (S W).
SOLUCION
a.- Como U y W estn ambos contenidos en U + W se tiene que U W c U +
W. Supongamos que U es un subespacio que contiene a U W. Para todo elemento
u de U + W existen v e U y w e W con u = v + w. El elemento u es una suma de
JOE GARCIA ARCOS
221
dos elementos de X y por lo tanto pertenece a X. Hemos visto as que U + W c X.
Por tanto, todo subespacio X que contiene a U W contiene a U + W y, en
consecuencia, U + W es el menor subespacio que contiene a U W.
b.- Como W c U + W tenemos en cualquier caso que S W c S (U + W).
Adems U c S y U c U + W, de donde U c S (U + W). Entonces, U (S W)
c S (U + W) y por a) U + (S W) c S (U + W). Para demostrar la extensin
recproca, consideramos un elemento u e S (U + W). Entonces u e S y existen
v e U y w e W con u = v + w. Como U c S, el elemento w = u v e S y por tanto
u = v + w, con v e U y w e S W. Es decir u e U + (S W). V

EJEMPLO 5.4.11
La interseccin de dos subespacios diferentes y propios de 9
2
ser siempre el
espacio nulo {C}.
SOLUCION
Esto se ve con facilidad si se recuerda que los espacios propios de 9
2
correspondan
a rectas que pasan por el origen, y que dos rectas diferentes entre s y que pasan por
el origen se interceptan necesariamente slo en el origen. Por lo tanto, el espacio de
la interseccin consta solamente del vector cero; es decir la interseccin es el espacio
nulo {C}. De forma general, cuando dos subespacios de un espacio vectorial V se
interceptan en el espacio cero, decimos que se interceptan slo trivialmente. V

EJEMPLO 5.4.12
Demuestre que si dos subespacios, U y W de un espacio vectorial V tienen la misma
dimensin finita y U c W, entonces U = W.
SOLUCION
Existe una base de U que se puede extender hacia una base de W. Pero como DimU
= DimW, la base de W no puede tener ms elementos que la base de U. Esto
significa que una base de U es tambin una base de W; es decir, U = W. V

EJEMPLO 5.4.13
La suma de los subespacios U y W se denomina suma directa y se nota U W si
slo si todo vector de este subespacio se escribe como suma de uno de U y otro de W
de manera nica. Demuestre que la suma de los subespacios U y W es directa si y
slo si es U W = {C}.
SOLUCION
En efecto, supongamos que la suma de los subespacios U y W es directa y que existe
un vector v = C que pertenece a U y a W. Sera entonces C = C + C y C = v + (-v),
y por tanto, el vector C se expresara como suma de uno de U ms otro de W cuando
menos de dos maneras distintas, contradiciendo el hecho de ser la suma de U y W
directa. Luego, el nico vector que a la vez es de U y W es el vector C.
Recprocamente, sea U W = {C}. Si fuese u
1
+ v
1
= u
2
+ v
2
, donde u
1
y u
2
son de
U y v
1
y v
2
son de W, sera el vector u
1
+ (-u
2
) de U igual al vector v
2
+ (-v
1
) de W,
de donde, debe ser u
1
= u
2
y v
1
= v
2
, lo que prueba que la suma de los subespacios U
y W es directa. V

EJEMPLO 5.4.14
Si V = U W y S es un subespacio cualquiera de V tal que U c S, pruebe que
S = (S U) (S W).
SOLUCION
Ya que U c S, U + (S W) c S. Todo u e S (U + W) se puede escribir en la
forma u = v + w donde v e U y w e W. Como U c S, v e S. As, w e S y u e (S
U) + (S W) = U + (S W). De donde, S = S (U + W) = U + (S W).
Finalmente, es fcil ver que esta ltima suma es directa. V

JOE GARCIA ARCOS
222
PROBLEMAS

5.4.1 Suponga que U
1
, U
2
y U
3
son subespacios de V,
entonces:
a.- Demustrese que (U
1
U
3
) + (U
2
U
3
) _ (U
1
+ U
2
)
U
3
;
b.- D un ejemplo en 9
2
, de tal forma que se cumpla el
inciso anterior.

5.4.2 Demustrese con un ejemplo que si U, W, S son
subconjuntos de un espacio vectorial V y si U est
contenido en W, entonces U + S est contenido en W + S.

5.4.3 Descrbanse las intersecciones de los subconjuntos
siguientes U, W de C(-; +) y determnese si la inter-
seccin es un subespacio:
a.- U: todas las f tales que f(0) = 0; W: todas las f tales
que f(1) = 0.
b.- U: todos los polinomios; W: todas las funciones pares.
c.- U: todos los polinomios; W: todas las funciones acota-
das.
d.- U: todas las f que tienen perodo 3t; W: todas las f
que tienen perodo 2t.
e.- U: todas las f con lmite 0 cuando x ; W: todas
las f con lmite 1 cuando x .
f.- U: todas las f tales que existe
0
( ) f x dx
}
; W: todas las
f tales que existe
0
( ) f x dx
}
.
5.4.4 Sean U = Span{(1, 2, 3, 6), (4, -1, 3, 6), (5, 1, 6,
12)} y W = Span{(1, -1, 1, 1), (2, -1, 4, 5)} subespacios
de 9
4
. Encuentre bases para U W y U + W. Extienda
la base de U W hacia una base de U, y extienda la
base de U W hacia una base de W. De estas bases,
obtenga una base de U + W.

5.4.5 Demuestre con un ejemplo que si U
1
, U
2
, U
3
son
subespacios de V y U
3
c U
1
, U
3
c U
2
entonces U
3
c U
1

U
2
.

5.4.6 Sea U el subespacio de
3
de todos los
polinomios tales que p(0) = 0, y sea W el subespacio de
todos los polinomios tales que p(1) = 0. Determine una
base de U, una base de W y una base de su interseccin
U W.

5.4.7 Examnese desde el punto de vista geomtrico
la clase posible de interseccin de dos subespacios no
triviales U, W de 9
3
en cada uno de los casos siguien-
tes:
a.- U y W corresponden a rectas que pasan por 0.
b.- U corresponde a una recta que pasa por 0, W a un
plano que pasa por 0.
c.- U y W corresponden a planos que pasan por 0.

5.5 DEPENDENCIA E INDEPENDENCIA LINEAL

En esta seccin se estudiarn condiciones en las que cada vector en un espacio vectorial se puede expresar de
manera nica como una combinacin lineal de los vectores generadores. Los conjuntos generadores con esta
propiedad son fundamentales en el estudio de los espacios vectoriales.

Considere los vectores arbitrarios u
1
, u
2
, ..., u
k
en un espacio vectorial V. Puede
ocurrir que uno de ellos se expresa como combinacin lineal de los dems. Sea,
por ejemplo, el vector u
1
. Entonces, cada uno de los vectores u
1
, u
2
, ..., u
k
se ex-
presa linealmente en trminos de u
2
, ..., u
k
. Por esta razn cualquier combinacin
lineal de los vectores u
1
, u
2
, ..., u
k
es tambin una combinacin lineal de los vecto-
res u
2
, ..., u
k
. Por consiguiente, los subespacios generados por los vectores u
1
, u
2
,
..., u
k
y u
2
, ..., u
k
coinciden.

Suponga luego que entre los vectores u
2
, ..., u
k
hay un vector, por ejemplo, u
2

que tambin se expresa linealmente en trminos de los vectores restantes. Al
repetir estos razonamientos, llegamos a la conclusin de que ahora cualquier
combinacin lineal de los vectores u
1
, u
2
, ..., u
k
es tambin una combinacin lineal
de los vectores u
3
, ..., u
k
. Continuando este proceso, pasamos, del sistema u
1
, u
2
,
..., u
k
a un sistema de vectores del cual ya no podemos excluir ni uno de los vecto-
res.

El subespacio generado del nuevo sistema de vectores coincide con el subespacio
generado de los vectores u
1
, u
2
, ..., u
k
. Adems, podemos decir que si entre u
1
, u
2
,
..., u
k
hubo aunque un solo vector no nulo, el nuevo sistema de vectores o bien
JOE GARCIA ARCOS
223

consiste solamente en un vector no nulo o bien ninguno de sus vectores se expresa
linealmente en trminos de los vectores restantes. Tal sistema de vectores se de-
nomina linealmente independiente.

DEFINICION 5.5.1
Si S = {u
1
, u
2
, ..., u
k
} es un conjunto no vaco de vectores, entonces la
ecuacin vectorial a
1
u
1
+ a
2
u
2
+ ... + a
k
u
k
= C tiene por lo menos una so-
lucin, a saber, a
1
= a
2
... = a
k
= 0. Si esta es la nica solucin, entonces
S se denomina conjunto linealmente independiente. Si existen otras solu-
ciones, entonces S se denomina conjunto linealmente dependiente.

Es evidente que la definicin de independencia lineal de un conjunto no tendra
sentido si un vector de un conjunto pudiera aparecer un nmero arbitrario de
veces en una relacin simple. Sin embargo, si se da un conjunto de vectores, par-
ticularizando los vectores de dicho conjunto, resulta inconveniente insistir en que
todos los vectores enumerados sean distintos.

La expresin linealmente dependiente sugiere que los vectores dependen entre s
de alguna manera. La dependencia y la independencia lineal constituyen las pro-
piedades del sistema de vectores.

TEOREMA 5.5.1
Un conjunto S con dos o ms vectores es:
1.- Linealmente dependiente si y slo si por lo menos uno de los vecto-
res en S puede expresarse como combinacin lineal de los dems vecto-
res en S.
2.- Linealmente independiente si y slo si ningn vector en S se puede
expresar como una combinacin lineal de los dems vectores en S.
DEMOSTRACION
1.- Sea S = {v
1
, v
2
, ..., v
k
} un conjunto con dos o ms vectores. Si se supone que S
es linealmente dependiente, entonces existen escalares a
1
, a
2
, ..., a
k
, no todos igua-
les a cero, tales que
a
1
v
1
+ a
2
v
2
+ ... + a
k
v
k
= C.
Para ser ms especficos, suponga que a
1
= 0. Entonces la expresin anterior se
puede volver a escribir como
2
1 2
1 1
...
k
k
a a
v v v
a a
| | | |
= + +
| |
\ . \ .

que expresa a v
1
como una combinacin lineal de los dems vectores en S. De
manera semejante, si a
i
= 0 en la misma expresin para alguna j = 2, 3, ..., k, en-
tonces v
i
se puede expresar como una combinacin lineal de los dems vectores
en S. Recprocamente, se supone que por lo menos uno de los vectores en S se
puede expresar como una combinacin lineal de los dems vectores. En concreto,
supngase que
v
1
= c
1
v
1
+ c
2
v
2
+ ... + c
k
v
k

de modo que
v
1
c
2
v
2
c
3
v
3
- ... c
k
v
k
= C.
Se concluye que S es linealmente dependiente, ya que la ecuacin
a
1
v
1
+ a
2
v
2
+ ... + a
k
v
k
= C
se satisface por a
1
= 1, a
2
= -c
2
, a
3
= -c
3
, ..., a
k
= -c
k
que no todos son cero. La
demostracin para el caso en que algn vector diferente de v
1
se puede expresar
como una combinacin lineal de los dems vectores en S es semejante. La segun-
da parte del teorema se demuestra de forma anloga.

Si entre los vectores u
1
, u
2
, ..., u
k
no todos son nulo en trminos de los vectores
citados nulos y si dicho sistema es linealmente dependiente, entonces en ste
JOE GARCIA ARCOS
224

puede existir un subsistema linealmente independiente de vectores, en cuyos
trminos es linealmente expresado cualquiera de los vectores u
1
, u
2
, ..., u
k
. Una
circunstancia, inesperada a primera vista, determina si un sistema de vectores u
1
,
u
2
, ..., u
k
es linealmente dependiente o linealmente independiente.

Ya se observo que el vector nulo pertenece al subespacio generado y es represen-
tado por la combinacin lineal u = a
1
u
1
+ a
2
u
2
+ ... + a
k
u
k
con valores nulos de los
coeficientes. A pesar de esto, puede expresarse linealmente en trminos de los
vectores a
1
u
1
+ a
2
u
2
+ ... + a
k
u
k
de otro forma. La independencia lineal de los
vectores u
1
, u
2
, ..., u
k
est estrechamente vinculada con la unicidad de la represen-
tacin del elemento nulo en trminos de los vectores citados. El siguiente teorema
establece un hecho sencillo sobre independencia lineal que es importante conocer.

TEOREMA 5.5.2
Un conjunto finito de vectores que contiene al vector cero es linealmente
dependiente.
DEMOSTRACION
Para vectores cualesquiera v
1
, v
2
, ..., v
k
, el conjunto S = {v
1
, v
2
, ..., v
k
, C} es lineal-
mente dependiente, ya que la ecuacin 0v
1
+ 0v
2
+ ... + 0v
k
+ 1(C) = C expresa al
vector C como una combinacin lineal de los vectores en S con coeficientes no
todos iguales a cero.

Este teorema es una conclusin del hecho de que dos vectores son linealmente
independientes si y slo si ninguno de ellos es un mltiplo escalar del otro. Geo-
mtricamente, esto equivale a afirmar que los vectores no estn en la misma recta
cuando se colocan con sus puntos iniciales en el origen.

TEOREMA 5.5.3
Cualquier parte de un sistema de vectores linealmente independientes
{u
1
, u
2
, ..., u
n
} e V es linealmente independiente.
DEMOSTRACION
Si {u
1
, u
2
, ..., u
k
, u
k+1
,..., u
n
} es un conjunto linealmente independiente, mientras el
subconjunto {u
1
, u
2
, ..., u
k
} (h < n) es linealmente dependiente, debe existir en a
1
u
1
+
... + a
k
u
k
existe al menos un a
i
diferente de cero, en contra de la hiptesis que exige el
valor cero para todos los a
i
que figuran en la expresin a
1
u
1
+ ... + a
k
u
k
+ a
k+1
u
k+1
+ ...
+ a
n
u
n
= C.

TEOREMA 5.5.4
Si algunos de los vectores del sistema {u
1
, u
2
, ..., u
n
} son linealmente de-
pendientes, todo el sistema {u
1
, u
2
, ..., u
n
} ser linealmente dependiente.
DEMOSTRACION
Sin restringir la generalidad podemos considerar que los primeros vectores del
sistema {u
1
, u
2
, ..., u
k
} son linealmente dependientes. Por consiguiente, existen tales
escalares a
1
, a
2
, ..., a
k
, entre los cuales hay distintos de cero, que a
1
u
1
+ a
2
u
2
+ ... +
a
k
u
k
= C. De aqu fluye la legitimidad de la igualdad a
1
u
1
+ a
2
u
2
+ ... + a
k
u
k
+ 0u
k+1

+ ... + 0u
n
= C. Mas, esta igualdad significa dependencia lineal de los vectores del
sistema {u
1
, u
2
, ..., u
n
}, puesto que entre los escalares a
1
, a
2
, ..., a
k
, 0, ..., 0 hay algu-
nos que no son nulos.

La independencia lineal de los vectores u
1
, u
2
, ..., u
k
est estrechamente vinculada
con la unicidad de la representacin del elemento.

Con todo este anlisis, podemos decir que un conjunto con exactamente dos vec-
tores es linealmente independiente si y slo si ninguno de los vectores es un ml-
tiplo escalar del otro. Esta afirmacin es una conclusin del hecho de que tres
vectores son linealmente independientes si y slo si ninguno de ellos es una com-
JOE GARCIA ARCOS
225

binacin lineal de los otros dos. Geomtricamente, esto equivale a decir que nin-
guno de los vectores est en el mismo plano que los otros dos o, de otro modo,
que los tres vectores no estn en un plano comn cuando se colocan con sus pun-
tos iniciales en el origen.

TEOREMA 5.5.5
Sea S un subconjunto de un espacio vectorial V, y suponga que S contie-
ne a dos o ms elementos. Entonces, S es linealmente dependiente si, y
slo si, hay un subconjunto propio S de S con la propiedad de que
Span(S) = Span(S).
DEMOSTRACION
Suponga que existe ese subconjunto S. Entonces, debe haber un vector u que est
en S sin estar en S. Ahora bien, u est en Span(S) y, como Span(S) = Span(S), u
tambin est en Span(S). Por lo tanto, u = a
1
u
1
+ a
2
u
2
+ ... + a
k
u
k
, donde u
1
, u
2
, ...,
u
k
estn en S. Por lo tanto, los u
i
estn en S y son diferentes de u. Pero, entonces,
a
1
u
1
+ a
2
u
2
+ ... + a
k
u
k
+ (-1)u = C y concluimos que S es linealmente dependiente.
A continuacin, sea S un conjunto linealmente dependiente. Entonces, existen
vectores u
1
, u
2
, ..., u
k
en S tales que a
1
u
1
+ a
2
u
2
+ ... + a
k
u
k
= C donde no todos los
coeficientes son cero; supongamos que a
1
= 0. Entonces, podemos expresar u
1

como combinacin lineal de u
2
, ..., u
k
. Por lo tanto, podemos expresar toda combi-
nacin lineal de elementos de S como una combinacin lineal as, sin usar a u
1
.
Por lo tanto, si tomamos a S como S sin el vector u
1
, entonces Span(S) =
Span(S), y S es subconjunto propio de S.

El siguiente teorema muestra que un conjunto linealmente independiente en 9
n

puede contener cuando mucho n vectores.

TEOREMA 5.5.6
Sea S = {v
1
, v
2
, ..., v
k
} un conjunto de vectores en 9
n
. Si k > n, entonces S
es linealmente dependiente.
DEMOSTRACION
Se supone que
1 11 12 1
2 21 2 2 2
1 2
( , , ..., )
( , , ..., )
( , , ..., )
n
n
k k k k n
v a a a
v a a a
v a a a
=

Considrese la ecuacin b
1
v
1
+ b
2
v
2
+ ... + b
k
v
k
= C. Si reemplazamos los vectores
anteriormente definidos en la ecuacin, ambos miembros de esta se expresan en
trminos de las componentes
b
1
(a
11
, ..., a
1n
) + b
2
(a
21
, ..., a
2n
) + ... + b
k
(a
k1
, ..., a
kn
) = (0, 0, ..., 0)
y despus se igualan las componentes correspondientes, se obtiene el sistema
11 1 21 2 1
12 1 22 2 2
1 1 2 2
0
0
0
k k
k k
n n k n k
a b a b a b
a b a b a b
a b a b a b
+ + + =
+ + + =
+ + + =

Este es un sistema homogneo de n ecuaciones en k incgnitas b
1
, b
2
, ..., b
k
. Como
k > n, se concluye que el sistema tiene soluciones no triviales. Por consiguiente, S
es un conjunto linealmente dependiente.

Este teorema establece que un conjunto en 9
2
con ms de dos vectores es lineal-
mente dependiente, y que un conjunto 9
3
con ms de tres vectores es linealmente
dependiente.

JOE GARCIA ARCOS
226

EJEMPLO 5.5.1
Mostrar que cualesquiera que sean los vectores u, v, w y los nmeros a, b, c el
sistema de vectores {au - bv, cv - aw, bw - cu} es linealmente dependiente.
SOLUCION
Hacemos la combinacin lineal con el vector nulo:
C = o(au - bv) + |(cv - aw) + o(- cu + bw)
C = (ao - co)u + (- bo + c|)v + (- a| + bo)w
Establecemos un sistema de ecuaciones homogneas:
0
0
0
a c
b c
a b
o o =
o+ | =
|+ o =

0
0 0
0
a c
b c
a b

Como el determinante de la matriz de coeficientes del sistema homogneo es igual a
cero, entonces ste tiene un nmero indeterminado de soluciones. Lo cual indica que
el sistema dado es linealmente dependiente. V

EJEMPLO 5.5.2
Sea u, v, w un sistema de vectores linealmente independiente. Sern linealmente
independientes los sistemas de vectores siguientes:
a.- {u, u + v, u + v + w}; b.- {u + v, v + w, w + u}; c.- {u v, v w, w u}.
SOLUCION
a.- Hacemos la combinacin lineal con el vector nulo:
C = ou + |(u + v) + o(u + v + w) C = (o + | + o)u + (| + o)v + ow
como u, v, w forman un sistema linealmente independiente, entonces:
0
0
0
o+|+ o =
|+ o =
o =

1 1 1
0 1 1 0
0 0 1
=
Como el determinante de la matriz de coeficientes del sistema homogneo es
diferente de cero, entonces ste tiene solucin nica y por lo tanto o = | = o = 0. Lo
cual indica que el sistema dado es linealmente independiente.
b.- Hacemos la combinacin lineal con el vector nulo:
C = o(u + v) + |(v + w) + o(u + w) C = (o + o)u + (o + |)v + (| + o)w
0
0
0
o + o =
o +| =
| + o =

1 0 1
1 1 0 0
0 1 1
=
Como el determinante de la matriz de coeficientes del sistema homogneo es
diferente de cero, entonces ste tiene solucin nica y por lo tanto o = | = o = 0. Lo
cual indica que el sistema dado es linealmente independiente.
c.- Hacemos la combinacin lineal con el vector nulo:
C = o(u - v) + |(v - w) + o(- u + w) C = (o - o)u + (- o + |)v + (- | + o)w
0
0
0
o o =
o +| =
|+ o =

1 0 1
1 1 0 0
0 1 1

Como el determinante de la matriz de coeficientes del sistema homogneo es igual a
cero, entonces ste tiene un nmero indeterminado de soluciones. Lo cual indica que
el sistema dado es linealmente dependiente. V

EJEMPLO 5.5.3
Establecer, si los siguientes sistemas de vectores de sus correspondientes espacios,
son linealmente dependientes o no:
a.- {(1, i, 2 i, 3 + i), (1 i, 1 + i, 1 3i, 4 2i)};
JOE GARCIA ARCOS
227

b.- {(1, 1, 1, 1), (1, -1, -1, 1), (1, -1, 1, -1), (1, 1, -1, -1)}.
SOLUCION
a.- En este caso formamos una matriz, donde sus filas son los elementos del sistema
dado y luego procedemos a calcular el rango de dicha matriz:
1 2 3
1 1 1 3 4 2
i i i
i i i i
+ | |
|
+
\ .
~
1 2 3
0 0 0 0
i i i + | |
|
\ .
.
Como el rango de la matriz es igual a 1, entonces el sistema es linealmente
dependiente.
b.- Para verificar si el sistema dado es linealmente dependiente o no, formamos un
determinante con sus elementos:
1 1 1 1
1 1 1 1
0
1 1 1 1
1 1 1 1

=

.
Como el determinante es diferente de cero, entonces el sistema es linealmente
independiente. V

EJEMPLO 5.5.4
Sean a, b, c distintos nmeros reales. Ser linealmente dependiente el siguiente
sistema de polinomios {(x - a)(x - b), (x - a)(x - c), (x - b)(x - c)}?
SOLUICION
Hacemos la combinacin lineal con el vector nulo:
C = o(x a)(x b) + |(x a)(x c) + o(x b)(x c)
0x
2
+ 0x + 0 = (o + | + o)x
2
+ [-(a + b)o - (a + c)| - (b + c)o]x + (abo + ac| + bco).
Establecemos un sistema de ecuaciones homogneas:
0
( ) ( ) ( ) 0
0
a b a c b c
ab ac bc
o+|+ o =
+ o+ + |+ + o =
o+ |+ o =

1 1 1
( )( )( ) a b a c b c a b a c c b
ab ac bc
+ + + = .
Si (a b)(a c)(c b) = 0, el sistema es linealmente dependiente.
Si (a b)(a c)(c b) = 0, el sistema es linealmente independiente. V

EJEMPLO 5.5.5
Verifquese que los conjuntos siguientes son subconjuntos linealmente
independientes del espacio vectorial de todos los polinomios:
a.- {1, t 1, t
2
t, t
3
t
2
}; b.- {1, 1 + t, 1 + t + t
2
, 1 + t + t
2
+ t
3
}.
SOLUCION
a.- Para verificar si el sistema dado es linealmente dependiente o no, formamos un
0 0 0 1
0 0 1 1
0
0 1 1 0
1 1 0 0
.
independiente.
b.- Para verificar si el sistema dado es linealmente dependiente o no, formamos un
1 0 0 0
1 1 0 0
0
1 1 1 0
1 1 1 1
= .
JOE GARCIA ARCOS
228

independiente. V

Algunas veces la dependencia lineal de funciones se puede deducir a partir de
identidades conocidas. Sin embargo, tales identidades se pueden aplicar slo en
situaciones especiales. Aunque no existe ningn mtodo general para establecer
independencia lineal o dependencia lineal de funciones en (-, ), a continua-
cin desarrollaremos un teorema que algunas veces se puede aplicar para demos-
trar que un conjunto de funciones dado es linealmente independiente.

DEFINICION 5.5.2
Las funciones f
1
, f
2
, ..., f
n
se dicen linealmente independientes en el inter-
valo [a; b] si existen constantes a
1
, a
2
, ..., a
n
todas nulas, tales que a
1
f
1
+
a
2
f
2
+ + a
n
f
n
= C. Caso contrario son linealmente dependientes.

Es decir, las funciones f
1
, f
2
, ..., f
n
son linealmente independientes en [a; b] si la
relacin a
1
f
1
+ a
2
f
2
+ + a
n
f
n
= C para todo x, tal que a s x s b implica que
a
1
= a
2
= ... = a
n
= 0. En otras palabras, la nica combinacin lineal de f
1
, f
2
, ..., f
n

que es idnticamente nula en [a; b], es la combinacin lineal trivial. Si un conjun-
to de funciones f
1
, f
2
, ..., f
n
es linealmente dependiente en un intervalo [a; b], se
deduce inmediatamente que para cada x e [a; b], el correspondiente conjunto de n
vectores constantes es linealmente dependiente. Sin embargo, una afirmacin
equivalente sobre la independencia lineal de n funciones no es vlida, es decir, si
el conjunto de funciones f
1
, f
2
, ..., f
n
es linealmente independiente en un intervalo
[a; b] no se verifica que necesariamente los n vectores constantes sean linealmen-
te independientes.

TEOREMA 5.5.7
Si las funciones f
1
, f
2
, ..., f
n
admiten n - 1 derivadas continuas sobre el in-
tervalo (-; ) y si el wronskiano de estas funciones no es idnticamente
cero sobre este intervalo, entonces las funciones forman un conjunto li-
nealmente independiente de vectores en
(n-1)
(-, ).
DEMOSTRACION
Si las funciones f
1
, f
2
, ..., f
n
son derivables n - 1 veces sobre el intervalo (-, ),
entonces el determinante
1 2
1 2
( 1) ( 1) ( 1)
1 2

W
n
n
n n n
n
f f f
f f f
f f f

=
se llama wronskiano de f
1
, f
2
, ..., f
n
. Supngase, por el momento, que f
1
, f
2
, ..., f
n

son vectores linealmente dependientes en
(n-1)
(-; ). Entonces existen escalares
a
1
, a
2
, ..., a
n
, no todos iguales a cero, tales que a
1
f
1
+ a
2
f
2
+ + a
n
f
n
= C para
toda x en el intervalo (-, ). Al combinar esta ecuacin con las ecuaciones obte-
nidas al derivar sucesivamente n - 1 veces, se obtiene
1 1 2 2
1 1 2 2
( 1) ( 1) ( 1)
1 2 1 2
0
0
0
n n
n n
n n n
n n
a f a f a f
a f a f a f
a f a f a f

+ + + =
+ + + =
+ + + =

As, la dependencia lineal de f
1
, f
2
, ..., f
n
indica que el sistema lineal
JOE GARCIA ARCOS
229
1 2
1
1 2
2
( 1) ( 1) ( 1)
1 2
0

0
0
0
n
n
n n n
n n
f f f
a
f f f
a
a f f f

| |
| | | |
|
| |
|
| |
=
|
| |
|
| |
|
|
\ . \ .
\ .

tiene una solucin no trivial para toda x en el intervalo (-, ). Esto a su vez
significa que para toda x en (-, ) la matriz de coeficientes es singular o, de
manera equivalente, que su determinante es cero para toda x en (-, ). Por tanto,
si el wronskiano no es idnticamente cero sobre (-, ), entonces las funciones f
1
,
f
2
, ..., f
n
deben ser vectores linealmente independientes en
(n-1)
(-, ).

El recproco del teorema es falso. Si el wronskiano de f
1
, f
2
, ..., f
n
es idnticamente
cero sobre (-, ), entonces no es posible llegar a ninguna conclusin respecto a
la independencia lineal de {f
1
, f
2
, ..., f
n
}; este conjunto de vectores puede ser li-
nealmente independiente o linealmente dependiente.

EJEMPLO 5.5.6
Determnese si los subconjuntos siguientes de C(0; ) son linealmente
independientes:
a.- {Sen
2
t, Sent, t}; b.- {Sent, Sen2t, Sen3t}; c.- {Sent, Sen(t + 1), Cost};
d.- {e
t
, te
t
, t
2
e
t
}; e.- {Cost, Cos
2
t, Cos
3
t}.
SOLUCION
a.- Construimos el Wronskiano:
2
2 2 3
W{ , , } 2 1 2 2 2 3
2 2 0
Sen t Sent t
Sen t Sent t Sen t Cost Sent tSen t tCost Sen t
Cos t Sent
= = +
.
Si t = 0, entonces W = 0. Por lo tanto el conjunto {Sen
2
t, Sent, t} es linealmente
dependiente.

b.- Construimos el Wronskiano:

2 3
W{ , 2 , 3 } 2 2 3 3
4 2 9 3
Sent Sen t Sen t
Sent Sen t Sen t Cost Cos t Cos t
Sent Sen t Sen t
=

9 2 3 (5 2 16 2 ) 3 SentSen tCos t CostSen t SentCos t Sen t = +
Si t = 0, entonces W = 0. Por lo tanto el conjunto {Sent, Sen2t, Sen3t} es
linealmente dependiente.

c.- Construimos el Wronskiano:
( 1)
W{ , ( 1), } ( 1) 0
( 1)
Sent Sen t Cost
Sent Sen t Cost Cost Cos t Sent
Sent Sen t Cost
+
+ = + =
+
.
Como W = 0, entonces el conjunto {Sent, Sen(t + 1), Cost} es linealmente
dependiente.

d.- Construimos el Wronskiano:
2
2 2 3
2
W{ , , } ( 1) ( 2 ) 2
( 2) ( 4 2)
t t t
t t t t t t t
t t t
e te t e
e te t e e t e t t e e
e t e t t e
= + + =
+ + +
.
Como W = 0, entonces el conjunto {e
t
, te
t
, t
2
e
t
} es linealmente independiente.

JOE GARCIA ARCOS
230
e.- Construimos el Wronskiano:
2 3
2 3 2 3
2
1
W{ , , } 2 3 2
4
2 2 (9 3)
Cost Cos t Cos t
Cost Cos t Cos t Sent Sen t SentCos t Sen t
Cost Cos t Sen t Cost
= =

.
Si t = 0, entonces W = 0. Por lo tanto el conjunto {Cost, Cos
2
t, Cos
3
t} es lineal-
mente dependiente. V

% COMPRUEBA LA DEPENDENCIA LINEAL DE UN SISTEMA DE VECTORES S
clc;clear;
fprintf('\n DEPENDENCIA E INDEPENDENCIA LINEAL \n')
fprintf('Ingrese los vectores del sistema S\n')
for f=1:fil
fprintf('\nIngrese la Ecuacion (%d)\n', f)
for c=1:col
fprintf('Ingrese el elemento %d',f)
S(c,f)=input(' :');
end
end
fprintf('La matriz de vectores es:\n')
S
fprintf('La matriz reducida es:')
R= rref(S);
R
RangS=rank(R)
if (rank(S)==fil)
fprintf('El sistema S es linealmente independiente :\n')
else
fprintf('El sistema S es linealmente dependiente :\n')
end

PROBLEMAS

5.5.1 Demuestre que un subconjunto no vaco de un
conjunto finito de vectores linealmente independientes es
linealmente independiente.

5.5.2 Demuestre que si S
1
es un subconjunto de S
2
y S
1
es
linealmente dependiente, entonces tambin S
2
es
linealmente dependiente.

5.5.3 Demuestre que cualquier conjunto de vectores que
contenga al vector cero es linealmente dependiente.

5.5.4 Demuestre que dos vectores son linealmente
dependientes s y slo si estn en una misma recta que pasa
por el origen. Si u y v son linealmente independientes y si
{u, v, w} es linealmente dependiente, entonces e est en
Span{u, v}.

5.5.5 Dado que {u
1
, u
2
, ..., u
k
} es un conjunto de
vectores linealmente independientes, pero el conjunto
{u
1
, u
2
, ..., u
k
, u} es linealmente dependiente, demuestre
que u es una combinacin lineal de los u
i
.
5.5.6 Si u y v son linealmente independientes y w est en
Span{u, v} entonces {u, v, w} es linealmente dependiente.

5.5.7 Demuestre que si u
1
, u
2
, u
3
, u
4
estn en 9
4
y u
3
=
2u
1
+ u
2
, entonces {u
1
, u
2
, u
3
, u
4
} es linealmente
dependiente.

1
, u
2
, u
3
, u
4
estn en 9
4
y u
3
=
C, entonces {u
1
, u
2
, u
3
, u
4
} es linealmente dependiente.

1
y u
2
estn en 9
4
y u
1
no es un
mltiplo escalar de u
2
, entonces {u
1
, u
2
} es linealmente
independiente.

1
, u
2
, u
3
, u
4
estn en 9
4
y u
3
no
es combinacin lineal de u
1
, u
2
, u
4
, entonces {u
1
, u
2
, u
3
,
u
4
} es linealmente independiente.

1
, u
2
, u
3
, u
4
son vectores
linealmente independientes en 9
4
, entonces {u
1
, u
2
, u
3
, u
4
}
es linealmente independiente.
JOE GARCIA ARCOS
231
1
, u
2
, u
3
, u
4
estn en 9
4
y {u
1
,
u
2
, u
3
} es linealmente dependiente, entonces {u
1
, u
2
, u
3
, u
4
}
tambin es linealmente dependiente.

5.5.13 En qu condiciones un conjunto que consta de
un solo vector es linealmente independiente?

5.5.14 Demustrese que, si W es subespacio de V y si
U es subconjunto linealmente independiente de W, en-
tonces U es subconjunto linealmente independiente de V.

5.5.15 Demuestre que si {u, v, w} es un conjunto de
vectores linealmente independiente en un espacio vectorial
V y x es cualquier vector en V, entonces {u, v, w, x}
tambin es linealmente independiente.

5.5.16 Demuestre que dos vectores u y v son linealmente
dependientes s y slo si uno es un mltiplo escalar del
otro.

5.5.17 Sean A y B dos matrices de n x n con A y B no
nulas. Demuestre que si A es simtrica y B es antisimtrica,
entonces {A, B} es un conjunto linealmente independiente.

U es subconjunto de W que adems es subconjunto
linealmente independiente de V, entonces U es
subconjunto linealmente independiente de W.

5.5.19 En cada caso, determnese un valor de k, de ma-
nera que el par dado de vectores sea linealmente depen-
diente:
a.- {(k + 1)u + v, 4u + (k + 1)v};
b.- {u 2v, 3u + kv}.

5.5.20 Demuestre que si {u, v, w} es un conjunto de
vectores linealmente independiente, entonces tambin {u,
v}, {u, w}, {v, w}, {u}, {v} y {w} son linealmente
independientes.

5.5.21 Demuestre que todo conjunto con ms de tres
vectores de
2
es linealmente dependiente.

U es base de W, entonces U es subconjunto linealmente
independiente de V.
5.5.23 Determnese si los subconjuntos siguientes de
C(0; ) son linealmente independientes:
a.- {Senx, Cosx, 1}; b.- {lnx, lnx
2
, lnx
3
};
c.- {e
x
, lnx, x}.

5.5.24 De los subconjuntos siguientes de 9
3
, cules
son linealmente independientes?
a.- {(1, 1, 0), (1, 0, 1), (0, 1, 1)};
b.- {(1, 2, 3), (3, 4, 5), (5, 6, 7)};
c.- {(1, 2, 3), (3, 2, 1), (1, 1, 1), (2, 3, 1)};
d.- {(1, 2, 3), (3, 2, 1), (-7, -2, 1)};
e.- {(1, 1, 2), (2, 3, -1), (-1, -6, 9)}.

5.5.25 Sean U, W subconjuntos de un espacio vectorial
V. Demustrese que:
a.- Si U es conjunto linealmente dependiente y si U est
contenido en W, entonces W es conjunto linealmente
dependiente.
b.- Si W es conjunto linealmente independiente y si U
est contenido en W, entonces U es conjunto linealmen-
te independiente.

5.5.26 Suponga que A es una matriz de m x n con la
propiedad de que para cada B de 9
m
la ecuacin AX = B
tiene a lo ms una solucin. Utilice la definicin de
independencia lineal para explicar por qu las columnas
de A deben de ser linealmente independientes.

5.5.27 Verifquese que los conjuntos siguientes son
subconjuntos linealmente independientes del espacio
vectorial de todos los polinomios:
a.- {1, x 1, x
2
x, x
3
x
2
};
b.- {1+ x, 1 + 2x, 1 + 3x};
c.- {x, x + x
2
, x + x
2
+ x
3
, x
4
};
d.- {x, x
2
x, x
3
x};
e.- {x
3
- 1, 2x
3
- 2, x
4
};
f.- {1, 1 + x, 1 + x + x
2
, 1 + x + x
2
+ x
3
};
g.- {x
2
- 1, 2x
2
- 4, x
2
+ 1};
h.- {x
4
2x
2
, x
4
+ 2x
2
, - x
4
- 2x
2
};
i.- {x
2
+ 1, x
2
- x, x
2
- x}.

5.5.28 Demuestre que si {u, v} es linealmente
independiente y w no est en Span{u, v}, entonces {u, v,
w} es linealmente independiente.

5.6 BASE Y DIMENSION

En esta seccin se estudiar la base y dimensin de un espacio vectorial, porque es comn imaginar a una
recta como unidimensional, a un plano como bidimensional y al espacio circundante como tridimensional. Se
enunciarn y demostrarn las propiedades ms importantes.

Sea dado un espacio vectorial V arbitrario que se compone no slo de un vector
nulo. En tal espacio se tiene a ciencia cierta aunque un vector no nulo y, por lo
JOE GARCIA ARCOS
232

tanto, existe un sistema linealmente independiente, por lo menos, de un vector.
Por consiguiente, son posibles dos casos: o bien existe un sistema linealmente
independiente que contiene un nmero de vectores tan grande como se quiera o
bien existe un sistema linealmente independiente que contiene el nmero m-
ximo de vectores. En el primer caso el espacio vectorial se dice que es de di-
mensin infinita y en el segundo caso, de dimensin finita.

Nuestra atencin estar dirigida a lo largo de este trabajo exclusivamente a los
espacios vectoriales de dimensin finita. En particular, un espacio vectorial de
dimensin finita lo constituir cualquier conjunto generador construido con un
nmero finito de vectores de un espacio vectorial arbitrario.

DEFINICION 5.6.1
Si V es cualquier espacio vectorial y S = {v
1
, v
2
, ..., v
n
} es un conjunto
de vectores en V, entonces S se llama base de V si se cumplen las dos
condiciones siguientes:
1.- S es linealmente independiente.
2.- S genera a V.

Si S = {v
1
, v
2
, ..., v
n
} es una base de V, segn la definicin, un vector v de V se
puede escribir en la forma v = a
1
v
1
+ a
2
v
2
+ ... + a
n
v
n
. Lo interesante de una
base, a diferencia de otros conjuntos generadores, es que los coeficientes estn
determinados en forma nica por v. Porque, supngase que tambin tenemos v =
b
1
v
1
+ b
2
v
2
+ ... + b
n
v
n
. Restando, se obtiene la relacin lineal (a
1
b
1
)v
1
+ (a
2

b
2
)v
2
+ ... + (a
n
b
n
)v
n
= C ya que S es un conjunto linealmente independiente,
a
1
b
1
= 0, a
2
b
2
= 0, ..., a
n
b
n
= 0 y, por tanto, a
1
= b
1
, a
2
= b
2
, ..., a
n
= b
n
.
Como veremos, un hecho relacionado con esto es que una base es un conjunto
generador particularmente eficiente.

Una base es la generalizacin de espacio vectorial de un sistema de coordenadas
en el espacio bidimensional y en el espacio tridimensional. El siguiente teorema
ayudar a ver por qu es as.

TEOREMA 5.6.1
Si S = {v
1
, v
2
, ..., v
n
} es una base de un espacio vectorial V, entonces
todo vector v en V se puede expresar en forma nica como v = a
1
v
1
+
a
2
v
2
+ ... + a
n
v
n
.
DEMOSTRACION
Como S genera a V, por la definicin de subespacio generado se concluye que
todo vector v en V se puede expresar como una combinacin lineal de los vecto-
res en S. Para ver que slo existe una manera de expresar un vector como una
combinacin lineal de los vectores en S, supngase que algn vector v se puede
escribir como
v = a
1
v
1
+ a
2
v
2
+ ... + a
n
v
n

y tambin como
v = b
1
v
1
+ b
2
v
2
+ ... + b
n
v
n
.
Restando la segunda ecuacin de la primera se obtiene
C = (a
1
b
1
)v
1
+ (a
2
b
2
)v
2
+ ... + (a
n
b
n
)v
n
.
Como el miembro derecho de esta ecuacin es una combinacin lineal de vecto-
res en S, la independencia lineal de S indica que a
1
b
1
= 0, a
2
b
2
= 0, ..., a
n

b
n
= 0, es decir, a
1
= b
1
, a
2
= b
2
, ..., a
n
= b
n
. As, las dos expresiones para v
son iguales.

Este teorema indica que dos combinaciones lineales de vectores de una base
resultan en el mismo vector si, y slo si, el coeficiente de cada vector de la base
es el mismo en las dos expresiones; es decir, si {v
1
, v
2
, ..., v
n
} es base de V y si
JOE GARCIA ARCOS
233

a
1
v
1
+ a
2
v
2
+ ... + a
n
v
n
= b
1
v
1
+ b
2
v
2
+ ... + b
n
v
n

entonces a
1
= b
1
, a
2
= b
2
, ..., a
n
= b
n
. Este es el mtodo de comparacin de
coeficientes, que frecuentemente se usa.

EJEMPLO 5.6.1
Todo conjunto linealmente independiente de tres vectores de 9
3
es base de 9
3
.
SOLUCION
Si u = OP, v = OQ, w = OR son linealmente independientes, entonces O, P, Q, R
no estn en el mismo plano y, por consiguiente, cada vector x = OS se puede
expresar como combinacin lineal de u, v, w; esto se puede observar en la figu-
ra. V

La nocin de base est ligada con un sistema linealmente independiente que
contiene el nmero mximo de vectores. No obstante, es evidente que todas las
bases de un mismo espacio vectorial de dimensin finita representan sistemas
equivalentes linealmente independientes. Estos hechos nos sirven para asignar
un nmero, que se llama dimensin, a cada espacio vectorial.

Dos combinaciones lineales de vectores de una base resultan en el mismo vector
s, y slo si, el coeficiente de cada vector de la base es el mismo en las dos ex-
presiones; es decir, si {v
1
, v
2
, ..., v
n
} es base de V y si
a
1
v
1
+ a
2
v
2
+ ... + a
n
v
n
= b
1
v
1
+ b
2
v
2
+ ... + b
n
v
n

entonces a
1
= b
1
, a
2
= b
2
, ..., a
n
= b
n
. Este es el mtodo de comparacin de
coeficientes, que frecuentemente se usa.

La nocin de base est ligada con un sistema linealmente independiente que
contiene el nmero mximo de vectores. No obstante, es evidente que todas las
bases de un mismo espacio vectorial de dimensin finita representan sistemas
equivalentes linealmente independientes. Estos hechos nos sirven para asignar
un nmero, que se llama dimensin, a cada espacio vectorial.

DEFINICION 5.6.2
La dimensin de un espacio vectorial V de dimensin finita, denotada
por Dim(V), se define como el nmero de vectores que hay en una base
de V. Adems, por definicin, el espacio vectorial cero es de dimensin
cero.

Obsrvese que el espacio cero, {C}, no tiene base, pues {C} slo contiene al
vector C, por lo cual no contiene ningn subconjunto linealmente independien-
te. Se puede demostrar que todos los dems espacios vectoriales s tienen bases,
aunque a veces las bases son conjuntos infinitos.

DEFINICION 5.6.3
Se dice que un espacio vectorial V diferente de cero es de dimensin
finita si contiene un conjunto finito de vectores v
1
, v
2
, ..., v
n
que forma
una base. Si no es as, se dice que V es de dimensin infinita. Adems,
se considera que el espacio vectorial cero es de dimensin finita.

Indicaremos que la dimensin de un espacio vectorial depende del sistema nu-
mrico que se use para los escalares. La dimensin de C, el conjunto de los
nmeros complejos, como espacio vectorial complejo, es 1. Pero C tambin se
puede considerar como espacio vectorial real, y, en este caso, su dimensin es 2.

El siguiente teorema proporciona la clave del concepto de dimensin.

TEOREMA 5.6.2
JOE GARCIA ARCOS
234

Si V es un espacio vectorial de dimensin finita y {v
1
, v
2
, ..., v
n
} es
cualquier base, entonces:
1.- Todo conjunto con ms de n elementos es linealmente dependiente.
2.- Ningn conjunto con menos de n vectores genera a V.
DEMOSTRACION
1.- Sea S = {u
1
, u
2
, ..., u
m
} cualquier conjunto de m vectores en V, donde m > n.
Se quiere demostrar que S es linealmente dependiente. Como S = {v
1
, v
2
, ..., v
n
}
es una base, todo u
i
se puede expresar como una combinacin lineal de los vec-
tores en S, por ejemplo
1 11 1 21 2 1
2 12 1 2 2 2 2
1 1 2 2
n n
n n
m m m n m n
u a v a v a v
u a v a v a v
u a v a v a v
= + + +
= + + +
= + + +
(1)
Para demostrar que S es linealmente dependiente, es necesario encontrar esca-
lares b
1
, b
2
, ..., b
m
, no todos cero, tales que
b
1
u
1
+ b
2
u
2
+ ... + b
m
u
m
= C (2)
Usando las ecuaciones anteriores en esta expresin, obtenemos
b
1
(a
11
v
1
+ a
21
v
2
+ ... + a
n1
v
n
) + b
2
(a
12
v
1
+ a
22
v
2
+ ... + a
n2
v
2
) + ...
+ b
m
(a
1m
v
1
+ a
2m
v
2
+ ... + a
nm
v
n
) = C,
de donde
(b
1
a
11
+ b
2
a
12
+ ... + b
m
a
1m
)v
1
+ (b
1
a
21
+ b
2
a
22
+ ... + b
m
a
2m
)v
2
+ ...
+ (b
1
a
n1
+ b
2
a
n2
+ ... + b
m
a
nm
)v
n
= C.
As, a partir de la independencia lineal de S, el problema de demostrar que S es
un conjunto linealmente dependiente se reduce a probar que existen escalares b
1
,
b
2
, ..., b
m
, no todos cero, que satisfacen
11 1 12 2 1
21 1 22 2 2
1 1 2 2
0
0
0
m m
m m
n n nm m
a b a b a b
a b a b a b
a b a b a b
+ + + =
+ + + =
+ + + =
(3)
Pero este sistema contiene ms incgnitas que ecuaciones, de modo que la de-
mostracin est completa, ya que de esta manera se garantiza la existencia de
soluciones no triviales.
2.- Sea S = {u
1
, u
2
, ..., u
m
} cualquier conjunto de m vectores en V, donde m <
n. Se quiere demostrar que S no genera a V. La demostracin ser por contra-
diccin: Se probar que suponiendo que S genera a V se llega a una contradic-
cin de la independencia lineal de {v
1
, v
2
, ..., v
n
}.
Si S genera a V, entonces todo vector en V es una combinacin lineal de los
vectores en S. En particular, cada vector bsico v
i
es una combinacin lineal de
los vectores en S, por ejemplo,
1 11 1 21 2 1
2 12 1 2 2 2 2
1 1 2 2
m m
m m
n n n mn m
v a u a u a u
v a u a u a u
v a u a u a u
= + + +
= + + +
= + + +
(4)
Para obtener la contradiccin, se demostrar que existen escalares b
1
, b
2
, ..., b
m
,
no todos cero, tales que
b
1
v
1
+ b
2
v
2
+ ... + b
n
v
n
= C (5)
Pero obsrvese que (4) y (5) son de la misma forma que (1) y (2), excepto que
se han intercambiado m y n, as como las u y las v. Por tanto, los clculos con
los que se lleg a (3) ahora producen
JOE GARCIA ARCOS
235
11 1 12 2 1
21 1 2 2 2 2
1 1 2 2
0
0
0
n n
n n
m m mn n
a b a b a b
a b a b a b
a b a b a b
+ + + =
+ + + =
+ + + =

Este sistema lineal tiene ms incgnitas que ecuaciones y por lo tanto posee
soluciones no triviales.

De este teorema se deduce que si S = {v
1
, v
2
, ..., v
n
} es cualquier base para un
espacio vectorial V, entonces todos los conjuntos en V que simultneamente
generan a V y son linealmente independientes deben tener precisamente n vecto-
res. As, todas las bases de V deben tener el mismo nmero de vectores que la
base arbitraria S. Esto lleva al siguiente teorema, que es uno de los ms impor-
tantes en lgebra lineal.

TEOREMA 5.6.3
Todas las bases de un espacio vectorial de dimensin finita tienen el
mismo nmero de vectores.
DEMOSTRACION
Supngase que S es una base con un nmero finito n de elementos y S otra base
cualquiera. Ya que S genera a V y S es linealmente independiente, el nmero m
de elementos en S debe ser a lo ms n. Esto prueba que S es finita y m s n.
Pero entonces pueden intercambiarse los papeles de S y S para obtener la de-
sigualdad en el otro sentido, as que m = n.

Este teorema afirma que, en un espacio vectorial V de dimensin finita, cual-
quier conjunto dado de vectores linealmente independientes de V forma parte de
alguna base de V. En realidad, hay muchas bases as. Se dice que la base S =
{v
1
, ..., v
m
, ..., v
n
} es la extensin a una base de V del conjunto linealmente inde-
pendiente {v
1
, v
2
, ..., v
m
}.

EJEMPLO 5.6.2
Hallar todas las bases de los sistemas de vectores siguientes:
a.- {(4, -2, 12, 8), (-6, 12, 9, -3), (-10, 5, -30, -20), (-14, 28, 21, -7)};
b.- {(1, 2, 3, 0, -1), (0, 1, 1, 1, 0), (1, 3, 4, 1, -1)};
c.- {(1 + i, 1 i, 2 + 3i), (i, 1, 2), (1 i, - 1 i, 3 2i), (4, -4i, 10 + 2i)}.
SOLUCION
a.- En este caso formamos una matriz, donde sus filas son los elementos del
sistema dado y luego procedemos a calcular el rango de dicha matriz:
4 2 12 8
6 12 9 3
10 5 30 20
14 28 21 7
| |
|

|
|

|

\ .
~
2 1 6 4
2 4 3 1
2 1 6 4
2 4 3 1
| |
|

|
|

|

\ .
~
2 1 6 4
0 1 3 1
0 0 0 0
0 1 3 1
| |
|
|
|
|
\ .
~
2 1 6 4
0 1 3 1
0 0 0 0
0 0 0 0
| |
|
|
|
|
\ .

Como el rango de la matriz es igual a 2, entonces cada una de las bases tiene dos
elementos:
S
1
= {(4, -2, 12, 8), (-6, 12, 9, -3)} y S
2
= {(-10, 5, -30, -20), (-14, 28, 21, -7)}.
b.- En este caso formamos una matriz, donde sus filas son los elementos del
1 2 3 0 1
0 1 1 1 0
1 3 4 1 1
| |
|
|
|
\ .
~
1 2 3 0 1
0 1 1 1 0
0 1 1 1 0
| |
|
|
|
\ .
~
1 2 3 0 1
0 1 1 1 0
0 0 0 0 0
| |
|
|
|
\ .

Como el rango de la matriz es igual a 2, entonces cada una de las bases tienen dos
elementos:
JOE GARCIA ARCOS
236
S
1
= {(1, 2, 3, 0, -1), (0, 1, 1, 1, 0)} y S
2
= {(1, 2, 3, 0, -1), (1, 3, 4, 1, -1)}.
c.- En este caso formamos una matriz, donde sus filas son los elementos del
1 1 2 3
1 2
1 1 3 2
4 4 10 2
i i i
i
i i i
i i
+ + | |
|
|
|

|
+
\ .
~
1 1 2 3
0 0 1
0 0 0
0 0 0
i i i + + | |
|
|
|
|
\ .

Como el rango de la matriz es igual a 2, entonces cada una de las bases tienen dos
elementos:
S
1
= {(1 + i, 1 i, 2 + 3i), (i, 1, 2)}, S
2
= {(i, 1, 2), (1 i, - 1 i, 3 2i)},
S
3
= {(i, 1, 2), (4, -4i, 10 + 2i)}. V

Cualquier vector distinto de cero v constituye un subconjunto linealmente inde-
pendiente de V y, en consecuencia, el teorema afirma que cada vector v distinto
de cero aparece en alguna base de V. Entre otras cosas, lo que nos ensea el
teorema es que existen muchas bases diferentes de V y que tenemos algo de
libertad en la eleccin de una base de V.

TEOREMA 5.6.4
Un conjunto de n vectores en un espacio vectorial V es una base si, y
slo si es linealmente independiente.
DEMOSTRACION
Sea S = {v
1
, v
2
, ..., v
n
} un conjunto linealmente independiente y v un vector
cualquiera en V. Ya que {v
1
, v
2
, ..., v
n
, v} contiene n + 1 elementos, debe ser
linealmente dependiente. Cualquier relacin no trivial que exista debe contener
a v con un coeficiente diferente de cero, porque si ese coeficiente fuera cero, la
relacin equivaldra a una relacin en S. As pues, v depende de S. Por lo tanto,
S genera a V y es una base.

EJEMPLO 5.6.3
Todo conjunto linealmente independiente de tres vectores de 9
3
es base de 9
3
.
SOLUCION
Si u = OP, v = OQ, w = OR son linealmente independientes, entonces O, P, Q, R
no estn en el mismo plano y, por consiguiente, cada vector x = OS se puede
expresar como combinacin lineal de u, v, w. V

EJEMPLO 5.6.4
Hallar una base cualquiera de cada uno de los siguientes sistemas de vectores:
a.- {(0, 2, -1), (3, 7, 1), (2, 0, 3), (5, 1, 8)};
b.- {(-1, 4, -3, -2), (3, -7, 5, 3), (3, -2, 1, 0), (-4, 1, 0, 1)};
c.- {(14, -27, -49, 113), (43, -82, -145, 15), (-29, 55, 96, -17), (85, -163, -13, 77)};
d.- {(3 i, 1 2i, - 7 + 5i, 4 + 3i), (1 + 3i, 1 + i, - 6 7i, 4i), (0, 1, 1, -3)}.
SOLUCION
0 2 1
3 7 1
2 0 3
5 1 8
| |
|
|
|
|
\ .
~
0 2 1
3 7 1
0 2 1
0 32 19
| |
|
|
|
\ .
~
0 2 1
3 7 1
0 0 0
0 0 3
| |
|
|
|
|
\ .

Como el rango de la matriz es igual a 3, entonces la base buscada esta formada por:
{(0, 2, -1), (3, 7, 1), (5, 1, 8)}.
JOE GARCIA ARCOS
237
1 4 3 2
3 7 5 3
3 2 1 0
4 1 0 1
| |
|
|
|
\ .
~
1 4 3 2
0 5 4 3
0 5 4 3
0 5 4 3
| |
|

|
|

|

\ .
~
1 4 3 2
0 5 4 3
0 0 0 0
0 0 0 0
| |
|

|
|
|
\ .

{(-1, 4, -3, -2), (3, -7, 5, 3)}.
c.- En este caso formamos un determinante, donde sus filas son los elementos del
sistema dado y luego procedemos a calcular dicho determinante:
14 27 49 113
43 82 145 15
0
29 55 96 17
85 163 13 77

=

Como el determinante es diferente de cero, entonces el sistema dado es base.
d.- En este caso formamos una matriz, donde sus filas son los elementos del
3 1 2 7 5 4 3
1 3 1 6 7 4
0 1 1 3
i i i i
i i i i
+ + | |
|
+ +
|
|
\ .
~
3 1 2 7 5 4 3
0 3 3 9 3
0 1 1 3
i i i i
i i i
+ + | |
|
+
|
|
\ .

3 1 2 7 5 4 3
0 3 3 9 3
0 0 0 0
i i i i
i i i
+ + | |
|
+
|
|
\ .

{(3 i, 1 2i, - 7 + 5i, 4 + 3i), (1 + 3i, 1 + i, - 6 7i, 4i)}. V

EJEMPLO 5.6.5
Determnese si el subconjunto S es linealmente independiente y, cuando sea
posible, encuntrese una base del espacio que contiene a S:
a.- S = {(1, 1, 1, 1), (1, 2, 3, 4)} c 9
4
; b.- S = {t + t
3
, t
2
+ t
6
, 1 t t
3
} c
6
.
SOLUCION
1 1 1 1
1 2 3 4
| |
|
\ .
1 0 = ,
1 1
0
1 2
= .
Como el rango de la matriz es igual a 2, entonces el sistema dado es linealmente
independiente. Para extender hasta encontrar una base del espacio 9
4
que contenga
a S, aumentamos a la matriz inicial una fila de variables:
1 1 1 1
1 2 3 4
a b c d
| |
|
|
|
\ .

1 1 1
1 2 3 2 a b c
a b c
= + .
Para que el vector (a, b, c, d) forme parte de la base de 9
4
, entonces debe satisfacer
a 2b + c = 0, es decir un posible vector puede es, (1, 1, -1, 0). Para encontrar el
ltimo vector que formar parte de la base del espacio 9
4
, a la ltima matriz le
aumentamos una fila de variables:
1 1 1 1
1 2 3 4
1 1 1 0
x y z u
| |
|
|
|
|
\ .

1 1 1 1
1 2 3 4
3 4 2
1 1 1 0
x y z u
x y z u
= + +
.
Para que el vector (x, y, z, u) forme parte de la base de 9
4
, entonces debe satisfacer
JOE GARCIA ARCOS
238
3x 4y z + 2u = 0, es decir un posible vector puede es, (1, 1, 1, 0). Por lo tanto la
base de 9
4
buscada tiene la forma:
Base 9
4
= {(1, 1, 1, 1), (1, 2, 3, 4), (1, 1, -1, 0), (1, 1, 1, 0)}.
0 1 0 1 0 0 0
0 0 1 0 0 0 1
1 1 0 1 0 0 0
| |
|
|
|

\ .
1 0 = ,
0 1
0
1 0
=
,
0 1 0
0 0 1 0
1 1 0
=
.
Como el rango de la matriz es igual a 3, entonces el sistema dado es linealmente
independiente. Para extender hasta encontrar una base del espacio
6
que contenga
a S, aumentamos a la matriz inicial una fila de variables:
0 1 0 1 0 0 0
0 0 1 0 0 0 1
1 1 0 1 0 0 0
a b c d e f g
| |
|
|
|

|
\ .

0 1 0 1
0 0 1 0
1 1 0 1
d b
a b c d
=

.
Para que el polinomio a + bt + ct
2
+ dt
3
+ et
4
+ ft
5
+ gt
6
forme parte de la base de
6
, entonces debe satisfacer b - d = 0, es decir un posible vector puede es, 1 + t +
t
2
- t
3
+ t
4
+ t
5
+ t
6
. Para encontrar el ltimo vector que formar parte de la base del
espacio
6
, a la ltima matriz le aumentamos una fila de variables:
0 1 0 1 0 0 0
0 0 1 0 0 0 1
1 1 0 1 0 0 0
1 1 1 1 1 1 1
a b c d e f g
| |
|
|
|

|
|
|
\ .

0 1 0 1 0
0 0 1 0 0
2 1 1 0 1 0
1 1 1 1 1
b d e
a b c d e
=
.
Para que el vector a + bt + ct
2
+ dt
3
+ et
4
+ ft
5
+ gt
6
forme parte de la base de
6
,
entonces debe satisfacer b d 2e = 0, es decir un posible vector puede es, t
4
. De
esta forma seguimos encontrando los polinomios necesarios para formar la base del
espacio
6
:
0 1 0 1 0 0 0
0 0 1 0 0 0 1
1 1 0 1 0 0 0
1 1 1 1 1 1 1
0 0 0 0 1 0 0
a b c d e f g
| |
|
|
|

|
|
|
|
|
\ .

0 1 0 1 0 0
0 0 1 0 0 0
1 1 0 1 0 0
2
1 1 1 1 1 1
0 0 0 0 1 0
b d f
a b c d e f

=

1 + t + t
3
+ t
5
;
0 1 0 1 0 0 0
0 0 1 0 0 0 1
1 1 0 1 0 0 0
1 1 1 1 1 1 1
0 0 0 0 1 0 0
1 1 0 1 0 1 0
a b c d e f g
| |
|
|
|

|
|
|
|
|
|
\ .

0 1 0 1 0 0 0
0 0 1 0 0 0 1
1 1 0 1 0 0 0
2 2 1 1 1 1 1 1 1
0 0 0 0 1 0 0
1 1 0 1 0 1 0
c g
a b c d e f g

=
1 + t + t
2
+ t
3
+ t
4
+ t
5
- t
6
.
Por lo tanto la base de
6
buscada tiene la forma:
Base
6
= {t + t
3
, t
2
+ t
6
, 1 t t
3
, 1 + t + t
2
- t
3
+ t
4
+ t
5
+ t
6
, t
4
, 1 + t + t
3
+ t
5
, 1 + t
+ t
2
+
t
3
+ t
4
+ t
5
- t
6
}. V

JOE GARCIA ARCOS
239
TEOREMA 5.6.5
En un espacio vectorial de dimensin finita, todo conjunto generador
contiene una base.
DEMOSTRACION
Sea S un conjunto que genera a V. Si V = {C}, entonces C c S es una base de
{C}. Si V = {C}, entonces S debe contener al menos un vector v
1
, diferente de
cero. Busquemos otro vector en S que no dependa de {v
1
}. Llamemos a este
vector v
2
y busquemos otro vector en S que no dependa del conjunto linealmen-
te dependiente {v
1
}. Continuamos de la misma manera hasta donde podamos,
pero el proceso debe terminar ya que no podemos encontrar ms de n vectores
linealmente independientes en S. Supongamos que se ha hallado el conjunto
S = {v
1
, v
2
, ..., v
m
} con la propiedad de que todo vector en S es linealmente
dependiente de S. Entonces el conjunto S tambin debe generar a V y es una
base.

TEOREMA 5.6.6
En un espacio vectorial de dimensin finita, cualquier conjunto lineal-
mente independiente de vectores se puede extender hasta tener una ba-
se.
DEMOSTRACION
Sea S = {v
1
, v
2
, ..., v
n
} una base de V y S = {u
1
, u
2
, ..., u
m
} un conjunto lineal-
mente independiente m s n. El conjunto {u
1
, u
2
, ..., u
m
, v
1
, v
2
, ..., v
n
} genera a V.
Si este conjunto es linealmente dependiente, entonces algn elemento es una
combinacin lineal de los elementos precedentes. Este elemento no puede ser
uno de los u
i
, porque entonces S sera linealmente dependiente. Pero entonces
puede eliminarse este v
i
para obtener un conjunto menor que genera a V. Conti-
nuamos de esta manera, quitando elementos mientras se tenga un conjunto gene-
rador linealmente dependiente. En ningn paso se elimina a alguno de los u
i
. Ya
que nuestro conjunto generador es finito, este proceso debe terminar con una
base que contenga a S como subconjunto.

Como caso especial del teorema, podemos enunciar lo siguiente: si {v
1
, v
2
, ...,
v
m
} es base de un subespacio S de un espacio vectorial V de dimensin finita,
entonces existe una base de V que contiene a v
1
, v
2
, ..., v
m
. Por consiguiente, se
puede extender cada base de un subespacio a una base de la totalidad del espa-
cio vectorial.

TEOREMA 5.6.7
Sea S un conjunto no vaco de vectores en un espacio vectorial V. Si S
es un conjunto linealmente independiente y v es un vector en V que no
pertenece a Span(S), entonces el conjunto que se obtiene al incluir v en
S an es linealmente independiente.
DEMOSTRACION
Supngase que S = {v
1
, v
2
, ..., v
k
} es un conjunto linealmente independiente de
vectores en V y que v es un vector en V fuera de Span(S). Para probar que S =
{v
1
, v
2
, ..., v
k
, v} es un conjunto linealmente independiente, es necesario demos-
trar que los nicos escalares que satisfacen
a
1
v
1
+ a
2
v
2
+ ... + a
k
v
k
+ a
k+1
v = C
son a
1
= a
2
= ... = a
k
= a
k+1
= 0. Pero se debe tener que a
k+1
= 0; en caso contra-
rio, v se podra despejar en la ecuacin como una combinacin lineal de S, con-
tradiciendo la hiptesis de que v es un vector que no pertenece a Span(S). As, la
ecuacin se simplifica a a
1
v
1
+ a
2
v
2
+ ... + a
k
v
k
= C lo cual, debido a la indepen-
dencia lineal de S, significa que a
1
= a
2
= ... = a
k
= 0.

EJEMPLO 5.6.6
Sea Span(S) = {(a, b, c) / a b + c = 0} y v = (1, -2, 1) e 9
3
. Demostrar que el
JOE GARCIA ARCOS
240
conjunto que se forma con la base de Span(S) y el vector v es linealmente inde-
pendiente y, adems es base de 9
3
.
SOLUCION
Encontramos una base para el subespacio; Base Span(S) = {(1, 1, 0), (-1, 0, 1)}.
Para verificar que los elementos de la base del subespacio y el vector v forman
una base de 9
3
, construimos una matriz con sus correspondientes elementos y
calculamos su determinante
1 1 0
1 0 1 0
1 2 1
=

como el determinante de la matriz es diferente de cero, el rango es igual 3 y la
dimensin del conjunto formado por estos elementos es linealmente indepen-
diente y tiene dimensin 3. Por lo tanto el conjunto
S = {(1, 1, 0), (-1, 0, 1), (1, -2, 1)}
es base de 9
3
. V

Un conjunto S de tres vectores linealmente independientes en 9
3
genera un
plano que pasa por el origen. Si S se aumenta insertando cualquier vector v fuera
de este plano, entonces el conjunto resultante de tres vectores todava es lineal-
mente independiente, ya que ninguno de los tres vectores est en el mismo plano
que los otros dos.

TEOREMA 5.6.8
Sea S un conjunto no vaco de vectores en un espacio vectorial V. Si v
es un vector en S que se puede expresar como una combinacin lineal
de los dems vectores en S, y si S - {v} denota el conjunto que se ob-
tiene al quitar v de S, entonces S y S - {v} generan el mismo espacio; es
decir,
Span(S) = Span(S - {v}).
DEMOSTRACION
Supngase que S = {v
1
, v
2
, ..., v
k
} es un conjunto de vectores en V y, para ser
especficos, supngase que v
k
es una combinacin lineal de v
1
, v
2
, ..., v
k-1
, por
ejemplo
v
k
= a
1
v
1
+ a
2
v
2
+ ... + a
k-1
v
k-1
(1)
Se quiere demostrar que si v
k
se extrae de S, entonces el conjunto de vectores
restantes {v
1
, v
2
, ..., v
k-1
} sigue generando a Span(S); es decir, se debe demostrar
que todo vector u en Span(S) se puede expresar como una combinacin lineal de
{v
1
, v
2
, ..., v
k-1
}. Pero si u est en Span(S), entonces u se puede expresar en la
forma
u = b
1
v
1
+ b
2
v
2
+ ... + b
k-1
v
k-1
+ b
k
v
k
(2)
o bien, sustituyendo en la ecuacin (1)
u = b
1
v
1
+ b
2
v
2
+ ... + b
k-1
v
k-1
+ b
k
(a
1
v
1
+ a
2
v
2
+ ... + a
k-1
v
k-1
)
que expresa a u como una combinacin lineal de v
1
, v
2
, ..., v
k-1
.

Si S es un conjunto de tres vectores no colineales en 9
3
que estn en un plano
comn que pasa por el origen, entonces los tres vectores generan el plano. Sin
embargo, si de S se extrae cualquier vector v que sea una combinacin lineal de
los otros dos, entonces el conjunto restante de dos vectores sigue generando el
plano.

En general, para probar que un conjunto de vectores {v
1
, v
2
, ..., v
n
} es una base
de un espacio vectorial V, se debe demostrar que los vectores son linealmente
independientes y generan a V. Sin embargo, si se sabe que la dimensin de V es
n, entonces basta verificar ya sea, la independencia lineal o la generacin: la otra
condicin se cumple automticamente.
JOE GARCIA ARCOS
241
TEOREMA 5.6.9
Si U es un subespacio vectorial de un espacio vectorial V de dimensin
finita, entonces Dim(U) s Dim(V); adems, si Dim(U) = Dim(V), en-
tonces U = V.
DEMOSTRACION
Sea S = {u
1
, u
2
, ..., u
m
} una base para U. S puede ser una base para V o no. Si es
as, entonces Dim(U) = Dim(V) = m. Si no es as, entonces es posible agregar
vectores al conjunto linealmente independiente S a fin de convertirlo en una
base para V de modo que Dim(U) < Dim(V). Por tanto, Dim(U) s Dim(V) en
todos los casos. Si Dim(U) = Dim(V), entonces S es un conjunto de m vectores
linealmente independientes en el espacio vectorial V de dimensin m; por tanto,
S es una base para V. Esto significa que U = V.

Considerando la suma de dos subespacios vectoriales arbitrarios U y W, podre-
mos ver fcilmente que su dimensin depende no slo de la dimensin de los
subespacios U y W, sino tambin de cun grande es la parte comn de los mis-
mos. El valor exacto de la dimensin de la suma se determina por el siguiente
teorema.

TEOREMA 5.6.10
Si U y W son subespacios vectoriales de dimensin finita de un espacio
vectorial V, entonces
Dim(U + W) + Dim(U W) = Dim(U) + Dim(W).
DEMOSTRACION
Hemos de verificar que, si U y W son subespacios de dimensin finita de un
espacio vectorial V, entonces Dim(U + W) + Dim(U W) = Dim(U) +
Dim(W). Puesto que U W es subespacio del espacio de dimensin finita U.
Sabemos que U W es de dimensin finita. Como U + W est generado por la
unin de una base de U y una base de W, tambin es de dimensin finita. Sea
{u
1
, u
2
, ..., u
k
} una base de U W, existen vectores v
1
, v
2
, ..., v
r
en U tales que
{u
1
, u
2
, ..., u
k
, v
1
, v
2
, ..., v
r
} es base de U. De la misma manera, hay vectores w
1
,
w
2
, ..., w
t
en W tales que {u
1
, u
2
, ..., u
k
, w
1
, w
2
, ..., w
t
} es base de W. Vemos
claramente que
Span{u
1
, u
2
, ..., u
k
, v
1
, v
2
, ..., v
r
, w
1
, w
2
, ..., w
t
} = U + W.
Si
a
1
u
1
+ a
2
u
2
+ ... + a
k
u
k
+ b
1
v
1
+ b
2
v
2
+ ... + b
r
v
r
+ c
1
w
1
+ c
2
w
2
+ ... + c
t
w
t
= C,
entonces,
v = a
1
u
1
+ a
2
u
2
+ ... + a
k
u
k
+ b
1
v
1
+ b
2
v
2
+ ... + b
r
v
r
= - c
1
w
1
- c
2
w
2
- ... - c
t
w
t

est en U W. Luego existen escalares d
1
, d
2
, ..., d
k
con la propiedad de que
v = d
1
u
1
+ d
2
u
2
+ ... + d
k
u
k
,
de donde tenemos que
d
1
u
1
+ d
2
u
2
+ ... + d
k
u
k
+ c
1
w
1
+ c
2
w
2
+ ... + c
t
w
t
= C.
Pero {u
1
, u
2
, ..., u
k
, w
1
, w
2
, ..., w
t
} es un conjunto linealmente independiente de
V y, en consecuencia, c
1
= c
2
= ... = c
t
= 0. Pero, entonces vemos que
a
1
u
1
+ a
2
u
2
+ ... + a
k
u
k
+ b
1
v
1
+ b
2
v
2
+ ... + b
r
v
r
= C
y, como {u
1
, u
2
, ..., u
k
, v
1
, v
2
, ..., v
r
} es base de U y, por tanto, conjunto lineal-
mente independiente, tenemos que a
1
= a
2
= ... = a
k
= b
1
= b
2
= ... = b
r
= 0. Por lo
tanto, hemos hecho ver que {u
1
, u
2
, ..., u
k
, v
1
, v
2
, ..., v
r
, w
1
, w
2
, ..., w
t
} es
linealmente independiente y genera a U + W. Por consiguiente,
Dim(U + W) = t + k + r = (t + k) + (r + k) k
= Dim(U) + Dim(W) - Dim(U W).

De este teorema se puede deducir una desigualdad que ofrece el valor mnimo
de la dimensin de la interseccin de unos subespacios. Consideremos los
subespacios vectoriales U y W de V y sean r y s las dimensiones de estos
JOE GARCIA ARCOS
242
subespacios, n la dimensin de V y m la dimensin de la interseccin U W.
En virtud del teorema, la dimensin de la suma U + W es igual a r + s m. Pero
la dimensin de la suma U + W es no mayor que la dimensin del espacio V.
Por consiguiente, r + s m s n, de donde se tiene m > r + s n. Es decir, la
dimensin de la interseccin de dos subespacios vectoriales del espacio V no
puede ser menor que el exceso de la suma de las dimensiones de estos subespa-
cios respecto a la dimensin del espacio vectorial V. Por ejemplo, la intersec-
cin de dos planos del espacio de tres dimensiones contiene siempre una recta,
la interseccin de un subespacio de dos dimensiones con un subespacio de tres
dimensiones en un espacio de cuatro dimensiones contiene una recta, la inter-
seccin de dos subespacios de tres dimensiones de un espacio de cuatro dimen-
siones contiene un plano, etc.

EJEMPLO 5.6.7
Suponga que V es de dimensin n y que cada uno de los conjuntos U y W es
subespacio de V de dimensin n - 1. Suponga adems, que U = W. Entonces,
Dim(U W) = n - 2.
SOLUCION
Puesto que U = W, uno de los espacios contiene un vector que no est en el otro.
En consecuencia, U + W contiene a uno de U, W o tal vez a ambos, como
subespacio propio. De acuerdo con eso n > Dim(U + W) > n - 1 = Dim(U) =
Dim(W); de donde se desprende que Dim(U + W) = n. Entonces se deduce que
Dim(U W) = Dim(U) + Dim(W) - Dim(U + W)
= (n - 1) + (n - 1) n
= n - 2. V

EJEMPLO 5.6.8
Sea U el conjunto de elementos (a, b, c, d) tales que a b + c = 0. Sea W el
conjunto de elementos (a, b, c, d) tales que b + c + d = 0. Entonces, U W = S
ser el conjunto de elementos (a, b, c, d) que cumplan tanto con la condicin a b
+ c = 0 como con la condicin b + c + d = 0, y DimS = 2.
SOLUCION
Como podemos apreciar, U, W son subespacios de 9
4
, y DimU = DimW = 3.
Se ve claramente que (1, 1, 0, 0) est en U y no est en W, de manera que
U = W. Por lo tanto DimS = 2. V

Cuando se definen propiedades y se demuestran teoremas acerca de espacios
vectoriales, suele ser aconsejable, y, habitualmente, ms fcil, trabajar sin tomar
una base particular. Cuando se define una propiedad por medio de una base, es
necesario determinar si esa propiedad es intrnseca del espacio vectorial o si
depende explcitamente de una base en particular. Por eso, al definir la dimen-
sin de un espacio vectorial, nos aseguramos con mucho cuidado de que no
dependamos, al hacerlo, de una base en particular, sino que tenamos una pro-
piedad que poseen todas las bases y, por consiguiente, intrnseca al espacio
vectorial. Sin embargo, cuando se hacen clculos, se encuentra que las cosas se
simplifican al usar una base en particular.

Si se sabe que la cantidad que se va a calcular es independiente, de la base usa-
da, entonces podemos estar seguros de que nuestro resultado ser el mismo, al
margen de nuestra eleccin de base. Es habitual que los clculos se pueden
hacer con mucha facilidad si se elige la base adecuada.

TEOREMA 5.6.11
La dimensin de una suma directa de subespacios es igual a la suma de
las dimensiones de estos subespacios.
JOE GARCIA ARCOS
243
DEMOSTRACION
Si tenemos dos sumandos, entonces la dimensin de la suma es igual, por el
teorema anterior. Pero, la interseccin de subespacios en el caso de una suma
directa es nula y su dimensin es igual a cero. Por esto, la dimensin de una
suma directa de dos subespacios es igual a la suma de sus dimensiones.

TEOREMA 5.6.12
La dimensin del espacio de soluciones del sistema homogneo con n
incgnitas AX = O es igual a la diferencia n r, donde r es el rango del
sistema AX = O.

Como consecuencia de este teorema, podemos enunciar lo siguiente: para que
un sistema de n ecuaciones lineales homogneas de n incgnitas AX = O no
tenga soluciones no nulas, es necesario y suficiente que la matriz A de este
sistema sea no singular. Efectivamente, la condicin n = r significa que el rango
de la matriz A debe coincidir con su orden, es decir, la matriz A debe ser no
singular. Otra consecuencia es la siguiente: para que un sistema de n ecuaciones
lineales homogneas de n incgnitas tenga solucin no nula es necesario y sufi-
ciente que el determinante de la matriz de este sistema sea igual a cero. En efec-
to, una matriz cuadrada es singular si, y slo si, su determinante es igual a cero.

En un espacio vectorial V de dimensin finita, cualquier conjunto dado de vec-
tores linealmente independientes de V forma parte de alguna base de V. En
realidad, hay muchas bases as. Se dice que la base S = {v
1
, ..., v
m
, ..., v
n
} es la
extensin a una base de V del conjunto linealmente independiente {v
1
, v
2
, ...,
v
m
}.

Un conjunto S de tres vectores linealmente independientes en 9
3
genera un
plano que pasa por el origen. Si S se aumenta insertando cualquier vector v fuera
de este plano, entonces el conjunto resultante de tres vectores todava es lineal-
mente independiente, ya que ninguno de los tres vectores est en el mismo plano
que los otros dos.

Considerando la suma de dos subespacios vectoriales arbitrarios U y W, podre-
mos ver fcilmente que su dimensin depende no slo de la dimensin de los
subespacios U y W, sino tambin de cun grande es la parte comn de los mis-
mos.

Consideremos los subespacios vectoriales U y W de V y sean r y s las dimen-
siones de estos subespacios, n la dimensin de V y m la dimensin de la inter-
seccin U W. La dimensin de la suma U + W es igual a r + s m. Pero la
dimensin de la suma U + W es no mayor que la dimensin del espacio V. Por
consiguiente, r + s m s n, de donde se tiene m > r + s n. Es decir, la dimen-
sin de la interseccin de dos subespacios vectoriales del espacio V no puede
ser menor que el exceso de la suma de las dimensiones de estos subespacios
respecto a la dimensin del espacio vectorial V. Por ejemplo, la interseccin de
dos planos del espacio de tres dimensiones contiene siempre una recta, la inter-
seccin de un subespacio de dos dimensiones con un subespacio de tres dimen-
siones en un espacio de cuatro dimensiones contiene una recta, la interseccin
de dos subespacios de tres dimensiones de un espacio de cuatro dimensiones
contiene un plano, etc.

% COMPRUEBA SI UN SISTEMA DE VECTORES S ES BASE
clc;clear;
fprintf('\n BASE Y DIMENSION \n')
JOE GARCIA ARCOS
244
fprintf('Ingrese los vectores del sistema S\n')
for f=1:fil
fprintf('\nIngrese la Ecuacion (%d)\n', f)
for c=1:col
fprintf('Ingrese el elemento %d',f)
S(f,c)=input(' :');
end
end
fprintf('LA MATRIZ DE VECTORES ES:\n')
S
fprintf('LA MATRIZ REDUCIDA ES:')
R= rref(S);
R
if (rank(S)==fil)
fprintf('EL SISTEMA DE VECTORES S ES UNA BASE \n')
DimS=rank(R)
else
fprintf('EL SISTEMA DE VECTORES S NO ES UNA BASE \n')
end

EJEMPLO 5.6.9
Si a, b, c son nmeros reales, si c = 0 y si S es el conjunto de todos los vectores (x, y, z) de 9
3

con la propiedad de que ax + by + cz = 0, entonces S es subespacio de V y Dim(S) = 2.
SOLUCION
Como ax + by + cz = 0 es un plano que pasa por el origen, entonces vemos que S es subespacio
de 9
3
. Sean k = - a/c, r = - b/c. Entonces, podemos describir a S como el conjunto de todos los
(x, y, z) tales que kx + ry - z = 0. Adems, observamos que u = (1, 0, k) y v = (0, 1, r) estn en S.
Podemos demostrar que u, v son linealmente independientes. Si w = (x, y, z) e S, entonces
z = kx + ry, de manera que w = (x, y, kx + by) = xu + yv. En consecuencia, Span{u, v} = S.
Como u, v es un conjunto linealmente independiente, concluimos que constituye una base de
S. V

EJEMPLO 5.6.10
Sea S = {(1, 2, 3), (0, 1, 2), (1, 1, 1), (3, 2, 1)} c 9
3
. Demuestre que tanto S como S = {(1, 2,
3), (0, 1, 2), (1, 1, 1)} generan el mismo subespacio.
SOLUCION
Para encontrar el Span(S), construimos la matriz aumentada de la siguiente manera:
1 0 1 3
2 1 1 2
3 2 1 1
a
b
c
| |
|
|
|
\ .
~
1 0 1 3
0 1 1 4 2
0 2 2 8 3
a
a b
a c
| |
|

|
|

\ .
~
1 0 1 3
0 1 1 4 2
0 0 0 0 2
a
a b
a b c
| |
|

|
|
+
\ .

de donde
Span(S) = {(a, b, c) / a 2b + c = 0}.
Para encontrar el Span(S), construimos la matriz aumentada de la siguiente manera:
1 0 1
2 1 1
3 2 1
a
b
c
| |
|
|
|
\ .
~
1 0 1
0 1 1 2
0 2 2 3
a
a b
a c
| |
|

|
|

\ .
~
1 0 1
0 1 1 2
0 0 0 2
a
a b
a b c
| |
|

|
|
+
\ .

de donde
Span(S) = {(a, b, c) / a 2b + c = 0}.
Por lo tanto concluimos que Span(S) = Span(S). V

EJEMPLO 5.6.11
Suponga que V es de dimensin n y que cada uno de los conjuntos U y W es subespacio de V
de dimensin n - 1. Suponga adems, que U = W. Entonces, Dim(U W) = n - 2.
SOLUCION
Puesto que U = W, uno de los espacios contiene un vector que no est en el otro. En consecuen-
JOE GARCIA ARCOS
245
cia, U + W contiene a uno de U, W o tal vez a ambos, como subespacio propio. De acuerdo con
eso
n > Dim(U + W) > n - 1 = Dim(U) = Dim(W)
de donde se desprende que Dim(U + W) = n. Entonces se deduce que
Dim(U W) = Dim(U) + Dim(W) - Dim(U + W) = (n - 1) + (n - 1) n = n - 2. V

EJEMPLO 5.6.12
Sea U el conjunto de elementos (a, b, c, d) tales que a b + c = 0. Sea W el conjunto de elementos
(a, b, c, d) tales que b + c + d = 0. Entonces, U W = S ser el conjunto de elementos (a, b, c, d)
que cumplan tanto con la condicin a b + c = 0 como con la condicin b + c + d = 0, y
Dim(S) = 2.
SOLUCION
Como podemos apreciar, U, W son subespacios de R
4
, y Dim(U) = Dim(W) = 3. Se ve
claramente que (1, 1, 0, 0) est en U y no est en W, de manera que U = W. Por lo tanto
Dim(S) = 2. V

EJEMPLO 5.6.13
Hallar una base cualquiera y la dimensin del subespacio generado por los sistemas de polinomios
siguientes:
a.- {3t
2
+ 2t + 1, 4t
2
+ 3t + 2, 3t
2
+ 2t + 3, t
2
+ t + 1, 4t
2
+ 3t + 4};
b.- {t
3
+ 2t
2
+ 3t + 4, 2t
3
+ 3t
2
+ 4t + 5, 3t
3
+ 4t
2
+ 5t + 6, 4t
3
+ 5t
2
+ 6t + 7}.
SOLUCION
a.- En este caso formamos una matriz, donde sus filas son los elementos del sistema dado y luego
procedemos a calcular el rango de dicha matriz:
3 2 1
4 3 2
3 2 3
1 1 1
4 3 4
| |
|
|
|
|
|
|
\ .
3 0 = ,
3 2
0
4 3
= ,
3 2 1
4 3 2 0
3 2 3
= .
Como el rango de la matriz es 3, entonces la base buscada es {3t
2
+ 2t + 1, 4t
2
+ 3t + 2, 3t
2
+ 2t + 3}
y su dimensin es 3.
b.- En este caso formamos una matriz, donde sus filas son los elementos del sistema dado y luego
procedemos a calcular el rango de dicha matriz:
1 2 3 4
2 3 4 5
3 4 5 6
4 5 6 7
| |
|
|
|
|
\ .
~
1 2 3 4
0 1 2 3
0 2 4 6
0 3 6 9
| |
|
|
|
|
\ .
~
1 2 3 4
0 1 2 3
0 0 0 0
0 0 0 0
| |
|
|
|
|
\ .

Como el rango de la matriz es 2, entonces la base buscada es {t
3
+ 2t
2
+ 3t + 4, 2t
3
+ 3t
2
+ 4t + 5} y
su dimensin es 3. V

EJEMPLO 5.6.14
Hallar los valores de a y b, para que el sistema de vectores siguientes sea una base de 9
3
:
a.- {(a, 1, 1), (1, a, 1), (1, 1, a)};
b.- {(a + 1, 1, 1), (1, a + 1, 1), (1, 1, a + 1)};
c.- {(1, a + 1, a), (a + 1, a + 2, a + 3), (a, 0, a + 4)};
d.- {(a i, 0, 1), (0, a, 0), (1, -2ia, a i)};
e.- {(a, 1, 1), (b, ab, b), (1, 1, a)};
f.- {(2a - b, 1, b a), (0, a, 0), (2a - 2b, 2, 2b a)}.
SOLUCION
a.- Una condicin necesaria para que el sistema de vectores sea base, es que ste sea linealmente
independiente. Por lo tanto formaremos un determinante, cuyas filas son los vectores del sistema:
JOE GARCIA ARCOS
246
2
1 1
1 1 ( 2)( 1)
1 1
a
a a a
a
= + .
En este caso (a + 2)(a 1)
2
= 0, de donde obtenemos que a = -2 y a = 1.
b.- Una condicin necesaria para que el sistema de vectores sea base, es que ste sea linealmente
2
1 1 1
1 1 1 ( 3)
1 1 1
a
a a a
a
+
+ = +
+
.
En este caso a
2
(a + 3) = 0, de donde obtenemos que a = 0 y a = -3.
c.- Una condicin necesaria para que el sistema de vectores sea base, es que ste sea linealmente
2
1 1
1 2 3 (1 )( 2)
0 4
a a
a a a a a
a a
+
+ + + = +
+
.
En este caso (1 a)(a + 2)
2
= 0, de donde obtenemos que a = 1 y a = -2.
d.- Una condicin necesaria para que el sistema de vectores sea base, es que ste sea linealmente
0 1
0 0 ( 1 )( 1 )
1 2
a i
a a a i a i
ia a i
= +

.
En este caso a(a + 1 i)(a 1 i) = 0, de donde obtenemos que a = 0, a = -1 + i y a = 1 + i.
e.- Una condicin necesaria para que el sistema de vectores sea base, es que ste sea linealmente
2
1 1
( 2)( 1)
1 1
a
b ab b b a a
a
= + .
En este caso b(a + 2)(a 1)
2
= 0, de donde obtenemos que b = 0, a = -2 y a = 1.
f.- Una condicin necesaria para que el sistema de vectores sea base, es que ste sea linealmente
2
2 1
0 0
2 2 2 2
a b b a
a a b
a b b a

=

.
En este caso a
2
b = 0, de donde obtenemos que a = 0 y b = 0. V

EJEMPLO 5.6.15
Sea S el conjunto de los vectores (a, b, c, d, e) de 9
5
tales que
0
0
a b c
b d e
+ =
+ + =

Determnese una base de S. Encuntrese una base de 9
5
que sea extensin de la base obtenida para
S.
SOLUCION
Para encontrar una base para S, debemos resolver el sistema de ecuaciones:
1 1 1 0 0 0
0 1 0 1 1 0
| |
|
\ .
~
1 0 1 1 1 0
0 1 0 1 1 0
| |
|
\ .

donde a = - c d e y b = - d e. Con estas condiciones reemplazamos en el vector (a, b, c, d, e)
para obtener la base:
(a, b, c, d, e) = (- c d e, - d e, c, d, e) = c(-1, 0, 1, 0, 0) + d(-1, -1, 0, 1, 0) + e(-1, -1, 0, 0, 1)
Base S = {(-1, 0, 1, 0, 0), (-1, -1, 0, 1, 0), (-1, -1, 0, 0, 1)}
JOE GARCIA ARCOS
247
A continuacin extendemos esta base a una para 9
5
:
1 0 1 0 0
1 1 0 1 0
1 1 0 0 1
a b c d e
| |
|

|
|

|
\ .

1 0 1 0
1 1 0 1
1 1 0 0
a b c
a b c d

= +

El cuarto elemento se puede obtener de la condicin a b + c = 0, que puede ser (1, 1, 1, 0, 0). El
quinto elemento lo encontramos con la misma condicin pero diferente al anterior, ste puede ser
(0, 0, 1, 1, 1). Entonces la base es:
Base 9
5
= {{(-1, 0, 1, 0, 0), (-1, -1, 0, 1, 0), (-1, -1, 0, 0, 1), (1, 1, 1, 0, 0), (0, 0, 1, 1, 1)}. V

EJEMPLO 5.6.16
Sea S el conjunto de los polinomios reales de grado no mayor que 5 que tienen a 1 como cero.
Determnese una base de S. Encuntrese Dim(S). Encuntrese una base de
5
que sea extensin de
la base ya determinada de S.
SOLUCION
Este conjunto se puede expresar como:
S = {p e
5
/ p(t) = (t 1)(a + bt + ct
2
+ dt
3
+ et
4
), a, b, c, d, e e 9}.
Expandiendo el polinomio, obtenemos:
p(t) = - a + (a b)t + (b c)t
2
+ (c d)t
3
+ (d e)t
4
+ et
5
Una base para S es:
Base S = {(-1, 1, 1, 0, 0, 0, 0,), (0, -1, 1, 0, 0, 0), (0, 0, -1, 1, 0, 0), (0, 0, 0, -1, 1, 0),
(0, 0, 0, 0, -1, 1)}.
Por tanto la dimensin de S es 5. Para encontrar una base de
5
, debemos construir un
determinante cuya ltima fila este compuesta por un polinomio cuyos coeficientes sean
incgnitas:
1 1 0 0 0 0
0 1 1 0 0 0
0 0 1 1 0 0
0 0 0 1 1 0
0 0 0 0 1 1
a b c d e f
a b c d e f
.
Como falta un elemento para completar la base de
5
, entonces este elemento se puede obtener de
la condicin a + b + c + d + e + f = 0. Una posible base es:
Base P
5
= {(-1, 1, 1, 0, 0, 0, 0,), (0, -1, 1, 0, 0, 0), (0, 0, -1, 1, 0, 0), (0, 0, 0, -1, 1, 0),
(0, 0, 0, 0, -1, 1), (1, 1, 1, 1, 1, 1)}. V

EJEMPLO 5.6.17
Hallar los valores de a y b, para que el sistema de vectores siguientes sea una base de 9
4
:
a.- {(1, a, b, a b), (a, a, 0, 0), (b, 0, b, 0), (a b, 0, 0, a b)};
b.- {(1, a, a, a), (a, 1, a, a), (a, a, 1, a), (a, a, a, 1)};
c.- {(2, 1, 1, a), (b, b, 2b, b), (1, 1, 0, 0), (0, 1, 1, 0)};
d.- {(a + 3, -a, a, -a), (a, 3 a, a 1, 1 a), (0, 0, a + 1, 1 a), (0, 0, a 1, 3 a)};
e.- {(a + 2, 0, -2, 0), (2a + 4, -1, -a 3, a + 1), (0, 0, a, 0), (2a, -a 1, 1 a, 2a + 1)}.
SOLUCION
a.- Una condicin necesaria para que el sistema de vectores sea base, es que ste sea linealmente
1
0 0
( )(2 1)
0 0
0 0
a b a b
a a
ab b a a
b b
a b a b
=

.
En este caso ab(b a)(2a - 1) = 0, de donde obtenemos que a = 0, b = 0, a = y b = .
JOE GARCIA ARCOS
248
b.- Una condicin necesaria para que el sistema de vectores sea base, es que ste sea linealmente
3
1
1
(1 ) (3 1)
1
1
a a a
a a a
a a
a a a
a a a
= + .
En este caso (1 a)
3
(3a + 1) = 0, de donde obtenemos que a = 1 y a = -1/3.
c.- Una condicin necesaria para que el sistema de vectores sea base, es que ste sea linealmente
2 1 1
2
2 (1 )
1 1 0 0
0 1 1 0
a
b b b b
b a = .
En este caso 2b(1 a) = 0, de donde obtenemos que b = 0 y a = 1.
d.- Una condicin necesaria para que el sistema de vectores sea base, es que ste sea linealmente
3
3 1 1
36
0 0 1 1
0 0 1 3
a a a a
a a a a
a a
a a
+

=
+

.
En este caso para cualquier valor de a, el sistema es base de 9
4
.
e.- Una condicin necesaria para que el sistema de vectores sea base, es que ste sea linealmente
3
2 0 2 0
2 4 1 3 1
( 2)
0 0 0
2 1 1 2 1
a
a a a
a a
a
a a a a
+
+ +
= +
+
.
En este caso a
3
(a + 2) = 0, de donde obtenemos que a = 0 y a = -2. V

EJEMPLO 5.6.18
Sea S el conjunto de los polinomios reales de grado no mayor que 5 cuya derivada tercera es cero
en 0. Hgase ver que S es subespacio de
5
. Determnese una base de S y hgase su extensin a
una base de
5
.
SOLUCION
S = {p e
5
/ p(0) = 0}.
Haciendo que p(t) = a + bt + ct
2
+ dt
3
+ et
4
+ ft
5
, entonces p(t) = 6d + 24et + 60ft
2
, p(0) = 6d =
0, d = 0. Una base para S es:
Base S = {(1, 0, 0, 0, 0, 0), (0, 1, 0, 0, 0, 0), (0, 0, 1, 0, 0, 0), (0, 0, 0, 0, 1, 0), (0, 0, 0, 0, 0, 1)}.
5
incgnitas:
1 0 0 0 0 0
0 1 0 0 0 0
0 0 1 0 0 0
0 0 0 0 1 0
0 0 0 0 0 1
d
a b c d e f
= .
5
JOE GARCIA ARCOS
249
la condicin d = 0. Una posible base es:
Base P
5
= {(1, 0, 0, 0, 0, 0), (0, 1, 0, 0, 0, 0), (0, 0, 1, 0, 0, 0), (0, 0, 0, 0, 1, 0), (0, 0, 0, 0, 0, 1),
(1, 1, 1, 1, 1, 1)}. V

EJEMPLO 5.6.19
Sea S el conjunto de los polinomios reales p(t) de grado no mayor que 5 con la propiedad de que
p(3) = 0. Hgase ver que S es subespacio de
5
. Determnese una base de S y hgase su extensin
a una base de
5
.
SOLUCION
S = {p e
5
/ p(3) = 0}.
Haciendo p(t) = a + bt + ct
2
+ dt
3
+ et
4
+ ft
5
, entonces p(3) = b + 6c + 27d + 108e + 405f, b + 6c +
27d + 108e + 405f = 0. Una base para S es:
Base S = {(1, 0, 0, 0, 0, 0), (0, -6, 1, 0, 0, 0), (0, -27, 0, 1, 0, 0), (0, -108, 0, 0, 1, 0),
(0, -405, 0, 0, 0, 1)}.
5
incgnitas:
1 0 0 0 0 0
0 6 1 0 0 0
0 27 0 1 0 0
6 27 108 405
0 108 0 0 1 0
0 405 0 0 0 1
b c d e f
a b c d e f
= + + + +
.
5
la condicin b + 6c + 27d + 108e + 405f = 0. Una posible base es:
Base
5
= {(1, 0, 0, 0, 0, 0), (0, -6, 1, 0, 0, 0), (0, -27, 0, 1, 0, 0), (0, -108, 0, 0, 1, 0),
(0, -405, 0, 0, 0, 1), (1, 1, 1, 1, 1, 1)}. V

PROBLEMAS

5.6.1 Demuestre que si S = {u
1
, u
2
, ..., u
k
} es una base de
un espacio vectorial V y o es un escalar no nulo,
entonces el conjunto S
1
= {ou
1
, ou
2
, ..., ou
k
} tambin es
una base de V.

5.6.2 Mustrese grficamente que w = u v, z = u + v
son linealmente independientes y que, por lo tanto, for-
man una base.

5.6.3 Sea V el conjunto generado por
u = Cos
2
x, v = Sen
2
x, w = Cos2x:
a.- Demuestre que S = {u, v, w} no es una base para V.
b.- Determine una base para V.

5.6.4 Sea V el espacio vectorial de todas las funciones
continuas en el intervalo [-t; t]. Sea U el subconjunto de
V que consta de todas las funciones f que satisfacen las
tres ecuaciones ( ) 0 f t dt
t
t
=
}
, ( ) 0 f t Costdt
t
t
=
}
,
( ) 0 f t Sentdt
t
t
=
}
:
a.- Demostrar que U es un subespacio de V.
b.- Demostrar que U contiene las funciones f(x) = Cosnx
y f(x) = Sennx para cada n = 2, 3, ...
c.- Demuestre que U es de dimensin infinita.

5.6.5 Sean f
1
, , f
k
elementos de un espacio vectorial
V de funciones. Demustrense los siguientes enuncia-
dos:
a.- Si f
1
= 0, entonces f
1
, , f
k
son linealmente depen-
dientes.
b.- Si se puede expresar f
1
como combinacin lineal de
f
2
, , f
k
, entonces f
1
, , f
k
son linealmente dependien-
tes.
c.- Si k > 2 y si f
1
, , f
k
son linealmente dependientes,
entonces una de las funciones se puede expresar como
combinacin lineal de las dems.
d.- Si f
1
, , f
k
son linealmente independientes y si h <
k, entonces f
1
, , f
k
son linealmente independientes.
e.- Si f
1
, , f
k
constituyen una base de V, entonces f
1
,
, f
k
f.- Si f
1
, , f
k
son linealmente independientes y si c
1
f
1

+ + c
k
f
k
= a
1
f
1
+ + a
k
f
k
, entonces c
1
= a
1
, , c
k
=
a
k
.
JOE GARCIA ARCOS
250
5.6.6 Demuestre que si U es un subespacio de un
espacio vectorial V de dimensin finita, entonces la
dimensin de U es menor o igual que la dimensin de V.

5.6.7 Demustrese que Cosx, Cos2x, Cos3x son lineal-
mente independientes y que, por lo tanto, forman una
base.

5.6.8 Sea V el conjunto de todas las funciones raciona-
les de la forma
( 1)( 2)
ax b
x x
+

, x = 1, x = 2
a.- Hgase ver que V es espacio vectorial de dimensin
2.
b.- Demustrese que
1
1
( )
1
g x
x
=
,
2
1
( )
2
g x
x
=
estn
en V, son linealmente independientes y forman una base
de V.

5.6.9 Sea V el conjunto de todas las funciones raciona-
les de la forma
2
2
( 4)
ax bx c
x x
+ +
, x = 0, x = 2, x = -2
a.- Hgase ver que V es espacio vectorial de dimensin
3.
b.- Demustrese que
1
1
( ) g x
x
= ,
2
1
( )
2
g x
x
=
+
,
3
1
( )
2
g x
x
=

estn en V, son linealmente independientes y forman una
base de V.

5.6.10 a.- Sea W el conjunto de los vectores de 9
5

tales que a
1
a
2
+ a
3
= 0 y a
2
+ a
4
+ a
5
= 0. Determnese
una base de W. Encuntrese una base de 9
5
que sea
extensin de la base obtenida para W.
b.- Sea U el subespacio de los vectores de 9
5
tales que
2a
1
a
2
+ a
3
a
5
= 0 y a
1
+ a
2
a
4
+ 6a
5
= 0. Determne-
se una base de U. Encuntrese una base de 9
5
que sea
extensin de la base obtenida para U.
c.- Hgase ver que Dim(U W) > 1.
d.- Encuntrese una base de U W.
5.6.11 Demuestre que el conjunto de las matrices trian-
gulares de m x n constituye un espacio vectorial de
dimensin
2
1
( )
2
mn m m si m s n, y de dimensin
2
1
( )
2
n n si n s m.

5.6.12 Determine una base del subespacio S de 9
n
y
determine la dimensin del subespacio:
a.- S consiste en todos los vectores (x, y, -y, -x) en 9
4
;
b.- S consiste en todos los vectores (x, y, 2x, 3y) en 9
4
;
c.- S consiste en todos los vectores del plano 2x y + z
= 0 en el espacio 9
3
;
d.- S consiste en todos los vectores (x, y, -y, x y, z) en
9
5
;
e.- S consiste en todos los vectores en 9
4
con la segun-
da componente cero;
f.- S consiste en todos los vectores (-x, x, y, 2y) en 9
4
;
g.- S consiste en todos los vectores paralelos a la recta
y = 4x en 9
2
;
h.- S consiste en todos los vectores del plano 4x + 2y
z = 0 en 9
3
.

5.6.13 Sea {u, v, w} una base de un espacio vectorial V.
Demuestre que {x, y, z} tambin es una base, donde u = x,
y = u + v, z = u + v + w.

5.6.14 Sea W el espacio generado por f = Senx y
g = Cosx:
a.- Demuestre que para cualquier valor de u, f
1
= Sen(x +
u) y g
1
= Cos(x + u) son vectores en W.
b.- Demuestre que f
1
y g
1
forman una base para W.

5.6.15 En 9
3
, todos los vectores de un plano H que
pasa por el origen forman un subespacio S de 9
3
. De-
termine la dimensin de S para cualquier plano H.

5.6.16 En 9
2
, todos los vectores paralelos a una recta
dada L que pasa por el origen forman un subespacio S.
Determine la dimensin de S para cualquier recta L.

5.7 VECTOR DE COORDENADAS. CAMBIO DE BASE

En esta seccin se estudiar la relacin entre los coeficientes de una combinacin lineal con un vector de
coordenadas. Enunciaremos y demostraremos sus propiedades.

Anteriormente se ha considerado las propiedades generales de los espacios
vectoriales. Sin embargo, en las aplicaciones, adems de conocer las propiedades
generales, es importante saber definir los vectores en trminos de nmeros y poder
reducir las operaciones vectoriales a operaciones con nmeros. Este problema se
resuelve introduciendo las coordenadas de un espacio vectorial. Toda base de un
espacio vectorial V, cuyos vectores se toman en un orden determinado, se llamar
JOE GARCIA ARCOS
251
sistema de coordenadas de V. Por consiguiente, si B = {u
1
, u
2
, ..., u
n
} es un sistema
de coordenadas de V, estos mismos vectores, pero tomados en otro orden,
representarn otro sistema de coordenadas de V.

DEFINICION 5.7.1
Sea V un espacio vectorial n-dimensional y sea B = {u
1
, u
2
, ..., u
n
} una base
de V. Defnase el vector de coordenadas de u respecto de la base B, el cual
se denota por |u|
B
, como el vector |u|
B
= (a
1
, a
2
, ..., a
n
) e 9
n
, en donde los
escalares a
1
, a
2
, ..., a
n
son tales que u = a
1
u
1
+ a
2
u
2
+ ... + a
n
u
n
.

Sean B
1
= {u
1
, u
2
, ..., u
n
} y B
2
= {v
1
, v
2
, ..., v
n
} dos bases del espacio vectorial 9
n

sobre el cuerpo K. Sea u un vector arbitrario del espacio vectorial. Nos proponemos
encontrar una relacin entre las coordenadas de u respecto de la primera y segunda
base respectivamente. Para poder establecer esta relacin se necesita conocer las
coordenadas de los vectores de una de las bases dadas respecto de la otra.

Supongamos conocidas las componentes de los vectores de la base B
1
respecto de la
base B
2
.
1 11 1 12 2 1
2 21 1 2 2 2 2
1 1 2 2
n n
n n
n n n n n n
u a v a v a v
u a v a v a v
u a v a v a v
= + + +
= + + +
= + + +
(1)

El vector u, respecto de la base B
2
, se expresa de forma nica como u = a
1
u
1
+ a
2
u
2
+
... + a
n
u
n
, por otro lado, al ser tambin B
1
una base, el vector u admite la siguiente
expresin:
u = b
1
u
1
+ b
2
u
2
+ ... + b
n
u
n
Por (1) se tiene:
u = b
1
(a
11
v
1
+ a
12
v
2
+ ... + a
1n
v
n
) + b
2
(a
21
v
1
+ a
22
v
2
+ ... + a
2n
v
n
) + ... + b
n
(a
n1
v
1
+ a
n2
v
2

+ ... + a
nn
v
n
)
= (b
1
a
11
+ b
2
a
21
+ ... + b
n
a
n1
)v
1
+ (b
1
a
12
+ b
2
a
22
+ ... + b
n
a
n2
)v
2
+ ... + (b
1
a
1n
+ b
2
a
2n

+ ... + b
n
a
n n
)v
n

Luego
1 1 11 2 21 1
2 1 12 2 22 2
1 1 2 2
n n
n n
n n n n nn
a b a b a b a
a b a b a b a
a b a b a b a
= + + +
= + + +
= + + +

que son las ecuaciones que permiten relacionar las coordenadas de un mismo vector
respecto de las bases B
1
y B
2
.

El concepto de espacio vectorial tiene dos facetas esencialmente diferentes. En
primer lugar, un espacio vectorial es un conjunto de ciertos entes que se denominan
vectores y, en segundo lugar, en un espacio vectorial actan las operaciones de
adicin y de multiplicacin por un nmero. Por esto, o bien podemos limitarnos a
estudiar qu es lo que representan los vectores y cules son la naturaleza y las
propiedades de los mismos, o bien podemos tomar otro punto de vista y estudiar las
propiedades de las operaciones indicadas independientemente de la naturaleza de los
elementos con los cuales se efectan estas operaciones. En lo sucesivo nos
interesarn solamente las propiedades del segundo gnero. Por ello, dos espacios de
la misma estructura respecto a las operaciones de adicin y de multiplicacin por
nmeros se considerar que tienen las mismas propiedades o que son isomorfos.

JOE GARCIA ARCOS
252
DEFINICION 5.7.2
Dos espacios vectoriales U y V dados sobre un mismo cuerpo K se llaman
isomorfos, si se puede establecer tal correspondencia biyectiva entre sus
vectores que a la suma de cualesquiera dos vectores del primer espacio le
corresponda la suma de los vectores correspondientes del segundo espacio y
al producto de un escalar por un vector del primer espacio le corresponda el
producto de este mismo escalar por el vector correspondiente del segundo
espacio.

Toda correspondencia biyectiva que posee las propiedades indicadas se llama
isomorfismo.

TEOREMA 5.7.1
En una correspondencia isomorfa el vector nulo corresponde al vector nulo.
DEMOSTRACION
Supongamos que en una aplicacin isomorfa de un espacio vectorial V sobre otro
espacio vectorial W el vector v de V corresponde al vector w de W. Entonces, segn
la definicin, el vector nulo del primer espacio debe transformarse en el vector nulo
del segundo espacio.

TEOREMA 5.7.2
En una aplicacin isomorfa un sistema de generadores del primer espacio se
transforma en un sistema de generadores del segundo sistema.
DEMOSTRACION
Sean v
1
, v
2
, ..., v
t
unos generadores del espacio V y sean w
1
, w
2
, ..., w
t
los vectores
que les corresponden en el espacio W. Tomemos en W un vector arbitrario w y
consideremos el vector v de V. Por hiptesis, el vector v puede ser representado en la
forma v = a
1
v
1
+ a
2
v
2
+ ... + a
t
v
t
.
Segn la definicin, la suma a
1
v
1
+ a
2
v
2
+ ... + a
t
v
t
, debe transformarse en la suma
a
1
w
1
+ a
2
w
2
+ ... + a
t
w
t
y, por consiguiente, el vector w debe coincidir con la suma
a
1
w
1
+ a
2
w
2
+ ... + a
t
w
t
, es decir, los vectores w
1
, w
2
, ..., w
t
constituyen un sistema de
generadores del espacio W.

TEOREMA 5.7.3
A un sistema linealmente independiente de vectores le corresponde de
nuevo un sistema linealmente independiente.
DEMOSTRACION
Supongamos que los vectores linealmente independientes v
1
, v
2
, ..., v
m
del espacio V
se transforman en los vectores w
1
, w
2
, ..., w
m
del espacio W. Supongamos que entre
los ltimos existe una relacin de tipo
b
1
w
1
+ b
2
w
2
+ ... + b
m
w
m
= C.
Segn la definicin, al primer miembro de esta igualdad corresponde en el espacio V
el vector
b
1
v
1
+ b
2
v
2
+ ... + b
m
v
m

y al vector nulo C corresponde en el espacio V el vector nulo C. Por consiguiente
b
1
v
1
+ b
2
v
2
+ ... + b
m
v
m
= C.
Puesto que los vectores v
1
, v
2
, ..., v
m
son linealmente independientes se tiene
b
1
= b
2
= ... = b
m
= 0,
es decir, los vectores w
1
, w
2
, ..., w
m

De estos teoremas se deduce directamente que en un isomorfismo una base de un
espacio vectorial se transforma de nuevo en una base de un espacio vectorial y, por
consiguiente, los espacios vectoriales isomorfos tienen la misma dimensin. La
afirmacin recproca es tambin vlida: si dos espacios vectoriales sobre un mismo
cuerpo de coeficientes tienen la misma dimensin, son isomorfos.

JOE GARCIA ARCOS
253
EJEMPLO 5.7.1
Considere el conjunto de vectores en 9
3
, B = {(3, 1, 2), (-1, 0, 2), (4, 3, 5)}:
a.- Demuestre que B es una base de 9
3
;
b.- Encuentre (3, 4, 6) en B;
c.- Para un vector cualquiera u e 9
3
, encuentre u en B.
SOLUCION
Es fcil verificar que los vectores {(3, 1, 2), (-1, 0, 2), (4, 3, 5)} forman una base de
9
3
. Es decir, debemos aprovechar que podemos calcular el determinante del sistema
de vectores
3 1 4
1 0 3 0
2 2 5
=
como el determinante es diferente de cero, podemos concluir que el sistema B es
linealmente independiente y por lo tanto es una base. Aprovechando las operaciones
elementales que se pueden realizar sobre matrices para resolver sistemas de
ecuaciones, podemos evaluar los puntos b) y c) inmediatamente, es decir:
3 1 4 3
1 0 3 4
2 2 5 6
a
b
c
| |
|
|
|
. \
~
3 1 4 3
0 1 5 4 3
0 8 7 12 2 3
a
a b
a c
| |
|

|
|

. \

3 0 9 12 3
0 1 5 9 3
0 0 11 20 2 8 3
a
a b
a b c
| |
|

|
|
+
. \
~
33 0 0 48 18 39 9
0 11 0 1 7 5
0 0 11 20 2 8
a b c
a b c
a b c
| + |
|
+
|
|
+
. \

De esta manera tenemos que
1
16
11
= ,
2
1
11
= y
3
20
11
= , con lo que podemos
decir que
| |
16 1 20
(3, 4, 6) , ,
11 11 11
| |
=
|
\ .
B

| | ( )
1
(3, 4, 6) 6 13 3 , 7 5 , 2 8
11
a b c a b c a b c = + + +
B
. V

EJEMPLO 5.7.2
En 9
3
considere las dos bases
B
1
= {(1, 1, 1), (1, 1, 0), (1, 0, 0)} y B
2
= {(2, 1, 2), (1, 0, 3), (-1, 4, -2)}:
a.- Encuentre
1
[(1, 1, 3)]
B
;
b.- Encuentre
2
[(1, 1, 3)]
B
;
c.- Encuentre la matriz de cambio de base de B
1
a B
2
;
d.- Encuentre la matriz de cambio de base de B
2
a B
1
;
e.- Obtenga los resultados de los incisos a) y b) use las matrices obtenidas en los
incisos c) y d).
SOLUCION
a.- (1, 1, 3) = a
1
(1, 1, 1) + a
2
(1, 1, 0) + a
3
(1, 0, 0)
(1, 1, 3) = 3(1, 1, 1) 2(1, 1, 0) + 0(1, 0, 0)
1
[(1, 1, 3)]
B
= (3, -2, 0)
T
.
b.- (1, 1, 3) = b
1
(2, 1, 2) + b
2
(1, 0, 3) + b
3
(-1, 4, -2)
(1, 1, 3) = 1/17(2, 1, 2) + 10/17(1, 0, 3) + 4/17(-1, 4, -2)
2
[(1, 1, 3)]
B
= (1/17, 19/17, 4/17)
T
.
c.-
2 1 1 1 1 1
1 0 4 1 1 0
2 3 2 1 0 0
| |
|
|
|

. \
~
2 1 1 1 1 1
0 1 9 1 1 1
0 2 1 0 1 1
| |
|

|
|

. \

JOE GARCIA ARCOS
254
2 0 8 2 2 0
0 1 9 1 1 1
0 0 17 2 1 3
| |
|

|
|

. \
~
1 0 0 9/17 13/17 12/17
0 1 0 1/17 8/17 10/17
0 0 1 2/17 1/17 3/17
| |
|
|
|

. \

2 1
9 13 12
17 17 17
1 8 10
P
17 17 17
2 1 3
17 17 17

| |
|
|
|
( =

|
|
|
|
\ .
B B
d.-
1 1 1 2 1 1
1 1 0 1 0 4
1 0 0 2 3 2
| |
|
|
|

. \
~
1 1 1 2 1 1
0 0 1 1 1 5
0 1 1 0 2 1
| |
|
|
|

. \

1 1 1 2 1 1
0 1 2 1 1 4
0 1 1 0 2 1
| |
|

|
|

. \
~
1 0 1 1 2 3
0 1 2 1 1 4
0 0 1 1 1 5
| |
|

|
|

. \

1 0 0 2 3 2
0 1 0 1 3 6
0 0 1 1 1 5
| |
|

|
|

. \

1 2
2 3 2
P 1 3 6
1 1 5

| |
|
( =
|
|
\ .
B B
e.-
1 2
1 2
[(1, 1, 3)] P [(1, 1, 3)] ( =
B B
B B = (3, -2, 0)
T

2 1
2 1
[(1, 1, 3)] P [(1, 1, 3)] ( =
B B
B B = (1/17, 19/17, 4/17)
T
.

PROBLEMAS

5.7.1 En
2
B
1
= {1 - t t
2
, - 1 2t
2
, t + 2t
2
}
y
B
2
= {3 + 6t
2
, 2 + t + 6t
2
, t
2
}:
a.- Encuentre
1
2
[1 ] t t + +
B
;
b.- Encuentre
2
2
[1 ] t t + +
B
;
1
a B
2
;
2
a B
1
;
e.- Obtenga los resultados de los incisos a) y b) use las
matrices obtenidas en los incisos c) y d).

5.7.2 Sea P la matriz de transicin de B
2
a B
1
y sea Q la
matriz de transicin de B
1
a B
2
. Cul es la matriz de
transicin de B
2
a B
1
?

5.7.3 En C
3
B
1
= {(1 + i, 2 i, 1), (3 + 2i, 4 4i, 1), (i, 2, -i)}
y
B
2
= {(1, i, 1 + i), (1, i, -i), (2i, 1, 1 i)}:
a.- Encuentre
1
[(2 , 3, 1 )] i i +
B
;
b.- Encuentre
2
[(2 , 3, 1 )] i i +
B
;
1
a B
2
;
2
a B
1
;

5.7.4 En O(2 x 2) considere las dos bases
B
1
=
1 1 1 1 1 0 0 1
, , ,
1 1 1 1 1 0 2 0
| | | | | | | |
` | | | |

\ . \ . \ . \ . )

y
B
2
=
1 1 1 1 1 1 1 0
, , ,
1 1 1 0 0 0 0 0
| | | | | | | |
` | | | |
\ . \ . \ . \ . )
:
a.- Encuentre
1
1 2
7 4
( | |
( |
\ .
B
;
b.- Encuentre
2
1 2
7 4
( | |
( |
\ .
B
;
1
a B
2
;
2
a B
1
;

5.7.4 Sea P la matriz de transicin de B
2
a B
1
, y sea Q
matriz de transicin de B
1
a B. Cul es la matriz de
transicin de B a B
2
?
JOE GARCIA ARCOS
255
5.8 CUESTIONARIO

Responda verdadero (V) o falso (F) a cada una de las siguientes afirmaciones. Para las afirmaciones que sean falsas,
indicar por que lo es:

5.8.1 Todos los polinomios de grado 3 que poseen coe-
ficientes reales forman un espacio vectorial.

5.8.2 Las matrices antisimtricas no forman un subespa-
cio vectorial de todas las matrices cuadradas de n x n.

5.8.3 Todos los vectores de 9
n
, que tienen iguales la
primera y ltima coordenada forman un subespacio vec-
torial.

5.8.4 Tres vectores no coplanares u, v y w, son lineal-
mente dependientes.

5.8.5 Un sistema de vectores que contiene dos vectores
iguales es linealmente dependiente.

5.8.6 Un sistema de vectores cuyos dos vectores se
diferencian por un factor escalar es linealmente indepen-
diente.

5.8.7 Un sistema de vectores que contiene al vector
nulo es linealmente dependiente.

5.8.8 Si una parte del sistema de vectores es linealmente
dependiente, entonces todo el sistema tambin es lineal-
mente dependiente.

5.8.9 Cualquier parte de un sistema de vectores lineal-
mente independiente es por s misma linealmente depen-
diente.

5.8.10 Si tres vectores u
1
, u
2
y u
3
son linealmente de-
pendientes y el vector u
3
no se expresa linealmente a
travs de los vectores u
1
y u
2
, entonces estos ltimos se
diferencian entre s slo por un factor numrico.

5.8.11 Sean S, U y W subespacios vectoriales de V.
Entonces S ser la suma directa de U y W cuando y slo
cuando S est contenido en U y W.

5.8.12 Si los vectores u
1
, u
2, ...,
u
k
son linealmente de-
pendientes, y los vectores u
1
, u
2, ...,
u
k
, u son linealmente
independientes, entonces el vector u se expresa lineal-
mente a travs de los vectores u
1
, u
2, ...,
u
k
.

5.8.13 Si la dimensin de la suma de dos subespacios
vectoriales del espacio V supera la dimensin de su in-
terseccin en una unidad, la suma coincide con uno de
esos subespacios y la interseccin con el otro.
5.8.14 Si un sistema de vectores dado, posee el rango
r, entonces cualesquiera r vectores linealmente indepen-
dientes forman la base de este sistema.

5.8.15 Cualquier subsistema linealmente dependiente
de un sistema dado puede completarse hasta la base de
ese sistema.

5.8.16 Suponga que el subespacio vectorial W contiene
el subespacio vectorial U. Entonces la dimensin de U
no supera a la de W, con la particularidad de que las
dimensiones son iguales entre s cuando, y slo cuando,
U = W.

5.8.17 La suma S = U + W de dos subespacios vecto-
riales de V es igual a la interseccin de todos los subes-
pacios vectoriales de V que contienen tanto U, como
tambin W.

5.8.18 La suma U + W de los subespacios vectoriales U
y W ser suma directa cuando, y slo cuando, todos los
vectores u e U + W se representen de forma nica co-
mo u = u
i
+ v
j
, donde u
i
e U y v
j
e W.

5.8.19 Suponga que el subespacio vectorial S es la
suma directa de los subespacios vectoriales U y W.
Entonces la dimensin de S es igual a la suma de las
dimensiones de U y W con la particularidad de que
cualesquiera bases de U y W dan juntas la base de S.

5.8.20 Para cualquier subespacio vectorial U del espa-
cio V puede hallarse otro subespacio W, tal que todo el
espacio V sea la suma directa de U y W.

1
, u
2, ...,
u
k
se expresan linealmen-
te a travs de los vectores v
1
, v
2, ...,
v
r
, el rango del primer
sistema no supera el del segundo.

5.8.22 Si el vector u se expresa linealmente mediante
los vectores u
1
, u
2, ...,
u
k
, el rango del ltimo sistema de
vectores no vara, aadindole el vector u.

5.8.23 Todas las bases de un sistema de vectores dado,
contienen la misma cantidad de vectores.

1
, u
2, ...,
u
m
son linealmente inde-
pendientes y se expresan linealmente a travs de los
vectores v
1
, v
2, ...,
v
n
, entonces m s n.

Espacios Vectoriales

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Espacios Vectoriales

Uploaded by

Copyright:

Available Formats

OBJETIVO

You might also like