Capı́tulo 3: Espacios Vectoriales... The beginning!

Rommel Andrés Bustinza Pariona

Departamento de Ingenierı́a Matemática

Facultad de Ciencias Fı́sicas y Matemáticas
Universidad de Concepción

October 17, 2023

R. Bustinza (CFM-UdeC) Álgebra II 525150-5 - Espacios Vectoriales October 17, 2023 1 / 24

Definición de cuerpo (revisión)

Definición
Un cuerpo es un conjunto K con dos operaciones binarias cerradas

+:K×K→K y ·:K×K→K

que cumplen las siguientes propiedades:

1 ∀ x, y , z ∈ K : x + (y + z) = (x + y ) + z, (asociatividad)
2 ∀ x, y ∈ K : x + y = y + x, (conmutatividad)
3 ∃ 0 ∈ K : ∀x ∈ K : 0 + x = x, (existencia del elemento neutro para +)
4 ∀ x ∈ K : ∃(−x) ∈ K : x + (−x) = 0, (existencia del elemento inverso para +)
5 ∀ x, y , z ∈ K : x · (y · z) = (x · y ) · z, (asociatividad)
6 ∀ x, y ∈ K : x · y = y · x, (conmutatividad)
7 ∃ 1 ∈ K : ∀x ∈ K : 1 · x = x, (existencia del elemento neutro para ·)
8 ∀ x ∈ K \ {0} : ∃x −1 ∈ K : x · x −1 = 1, (existencia del elemento inverso para ·)
9 ∀ x, y , z ∈ K : x · (y + z) = x · y + x · z. (distributividad)

R. Bustinza (CFM-UdeC) Álgebra II 525150-5 - Espacios Vectoriales October 17, 2023 2 / 24

Propiedades de un cuerpo

Sea (K, +, ·) es un cuerpo. Hemos denotado por:

• 0 al elemento neutro para +, llamado también elemento neutro aditivo,
• 1 al elemento neutro para ·, llamado también elemento neutro multiplicativo,
• −x al elemento inverso para + de x, llamado también elemento inverso aditivo,
• x −1 al elemento inverso para · de x, llamado también elemento inverso
multiplicativo.
Entonces,
1 K 6= ∅,
2 los elementos neutros para ambas operaciones son únicos,
3 para cada x ∈ K, su inverso para + es único,
4 para cada x ∈ K \ {0}, su inverso para · es único,
5 para cada x ∈ K se cumple que 0 · x = 0,
6 para cada x ∈ K, (−x) = (−1) · x,

−1
7 para cada x ∈ K, −(−x) = x ∧ ∀ x ∈ K \{0} : x −1 = x,
8 para cada par de valores x, y ∈ K : x · y = 0 ⇔ (x = 0 ∨ y = 0).

Ejemplos: (R, +, ·), (Q, +, ·) y (C, +, ·) son cuerpos.

R. Bustinza (CFM-UdeC) Álgebra II 525150-5 - Espacios Vectoriales October 17, 2023 3 / 24
Espacio vectorial

Definición
Un espacio vectorial (e. v.) sobre un cuerpo K es un conjunto V junto con dos
operaciones binarias cerradas

⊕:V ×V →V y :K×V →V

que cumplen las siguientes propiedades:

1 ∀ x, y , z ∈ V : x ⊕ (y ⊕ z) = (x ⊕ y ) ⊕ z, (asociatividad)
2 ∀ x, y ∈ V : x ⊕ y = y ⊕ x, (conmutatividad)
3 ∃ Θ ∈ V : ∀x ∈ V : Θ ⊕ x = x, (existencia del elemento neutro para ⊕)
4 ∀ x ∈ V : ∃y ∈ V : x ⊕ y = Θ, (existencia del elemento inverso para ⊕)
5 ∀ α ∈ K : ∀x, y ∈ V : α (x ⊕ y ) = α x ⊕α y,
6 ∀ α, β ∈ K : ∀x ∈ V : (α + β) u=α x ⊕β x,
7 ∀ α, β ∈ K : ∀x ∈ V : α (β x) = (α · β) x,
8 ∀x ∈ V : 1 x = x, donde 1 denota el neutro multiplicativo de K.

R. Bustinza (CFM-UdeC) Álgebra II 525150-5 - Espacios Vectoriales October 17, 2023 4 / 24

Propiedades de un K-espacio vectorial

Sea (V , ⊕, ) es un K-espacio vectorial. A los elementos de V se le llaman Vectores.

• Θ representa al elemento neutro para +, llamado vector nulo,
• para cada x ∈ V , −x representa al elemento inverso de x para +, llamado el inverso
aditivo de x,
entonces
1 el vector nulo Θ es único,
2 para cada x ∈ V , el inverso aditivo de x es único,
3 ∀ x ∈ V : 0 · x = Θ,
4 ∀ α ∈ K : α · Θ = Θ,
5 ∀ x ∈ V : −x = (−1) · x, i.e. el inverso aditivo de cualquier x ∈ V se caracteriza
por (−1) · x,
6 ∀ α ∈ K : ∀ x ∈ V : (−α) · x = −(α · x),
7 ∀ α ∈ K : ∀ x ∈ V : α · x = Θ ⇔ α = 0 ∨ x = Θ.

R. Bustinza (CFM-UdeC) Álgebra II 525150-5 - Espacios Vectoriales October 17, 2023 5 / 24

Ejemplos de espacios vectoriales

Si (K, +, ·) es un cuerpo, entonces los siguientes conjuntos, con las operaciones usuales
de adición entre elementos de cada uno de ellos y multiplicación entre un elemento de
ellos y un elemento en K, son espacios vectoriales sobre K:
1 (Kn , +, ·), el conjunto de n-uplas ordenadas, n ∈ N, con componentes en K.
2 (Mm×n (K), +, ·), el conjunto de las matrices de m filas, n columnas, m, n ∈ N, y
coeficientes en K.
3 (F(X , K), +, ·), el conjunto de las funciones de X ⊆ K en K.
4 (P(K), +, ·) el conjunto de los polinomios con coeficientes en K.

R. Bustinza (CFM-UdeC) Álgebra II 525150-5 - Espacios Vectoriales October 17, 2023 6 / 24

Ejemplos de espacios vectoriales

• Sean X ⊆ R y
F(X , R) = {f : X −→ R : f es función} .
Este conjunto, con las operaciones usuales de adición de funciones y multiplicación
escalar real por una función, es un espacio vectorial real
Estas operaciones son tales que

+ : F(X , R) × F (X , R) −→ F(X , R), · : R × F (X , R) −→ F(X , R).

Para cada par de funciones f , g ∈ F(X , R) la función

f + g : X −→ R

es tal que ∀ x ∈ X : (f + g )(x) = f (x) + g (x).

Además para cada α ∈ R y para cada f ∈ F (X , R) la función

α f : X −→ R

es tal que ∀ x ∈ X : (α f )(x) = α f (x).

R. Bustinza (CFM-UdeC) Álgebra II 525150-5 - Espacios Vectoriales October 17, 2023 7 / 24

Subespacios vectoriales

Definición
Sean (V , +, ·) un espacio vectorial (e.v.) sobre un cuerpo K. Se dice que que (U, +, ·) es
un subespacio vectorial (s.e.v.) de (V , +, ·) si U ⊆ V , U 6= ∅, y (U, +, ·) es un e.v.
sobre K.

Lema: Caracterización de subespacios vectoriales

Sean (V , +, ·) un espacio vectorial sobre un cuerpo K y U ⊆ V .
U es subespacio vectorial de V si y sólo si
i. U 6= ∅,
ii. ∀ u , w ∈ U : u + w ∈ U, (+ es cerrada en U)
iii. ∀ λ ∈ K : ∀ u ∈ U : λ · u ∈ U. (· es cerrada en U)

Observaciones:
1 Las condiciones ii. y iii. del Lema anterior, son equivalentes a
∀ λ ∈ K : ∀ u , w ∈ U : λ · u + w ∈ U.
2 Para chequear que U 6= ∅, se suele validar si acaso Θ ∈ U. Si es cierto, entonces
U 6= ∅. Caso contrario, U No puede ser s.e.v. de V .

R. Bustinza (CFM-UdeC) Álgebra II 525150-5 - Espacios Vectoriales October 17, 2023 8 / 24

Ejemplos de subespacios vectoriales

• (V , +, ·) y ({Θ}, +, ·) son los únicos s.e.v. triviales del e.v. (V , +, ·).

• Sea F(A, B) := {f : A → B : f es función}. Luego, (F(A, B), +, ·) es un e.v.
sobre K, donde + y · son definidas por

(a) ∀ f , g ∈ F(A, B) : ∀ x ∈ A : (f + g )(x) := f (x) + g (x) ,

(b) ∀ λ ∈ K : ∀ f ∈ F (A, B) : ∀ x ∈ A : (λ f )(x) = λ f (x) .

Aquı́, (B, +, ·) debe ser un e.v. sobre K. Por ejemplo, A := R, B := Mn (R).

• Cuando A = B = R, y K := R, se tiene que

C(R) := {f : R → R : f es función continua} ,

es s.e.v. de (F(R), +, ·). Aquı́ F(R) := F(R, R).

• P(R), con las operaciones usuales de adición entre polinomios y multiplicación por
escalar (real), define un espacio vectorial real (es subespacio vectorial de C(R)).
• (Pn (R), +, ·) es un espacio vectorial real (es subespacio vectorial de P(R)).
• Se tiene Pn (R) ≤ P(R) ≤ C(R) ≤ F(R, R), donde ≤ se lee “es s.e.v. de”.

R. Bustinza (CFM-UdeC) Álgebra II 525150-5 - Espacios Vectoriales October 17, 2023 9 / 24

Ejemplos de subespacios vectoriales (continuación)
En el espacio vectorial real de las matrices cuadradas (Mn (R), +, ·) con sus operaciones
binarias + y · usuales:
1 W1 := {A ∈ Mn (R) : A es triangular superior o inferior} no es s.e.v. de
(Mn (R), +, ·) pues para
0 ··· 0 0 1 ··· 1 1
   
 .. ..   .. .. 
1 . . 0  , C := 0
 . . 1  ∈ W1
B :=  . .
. . . . . ... 
. .
 ..  .. . . . . . ... 
 

1 ··· 1 0 0 ··· 0 1
1 ··· 1 1
 
 .. .. 
1 . . 1  6∈ W1 , i.e. la operación binaria adición +
se tiene B + C = 
.
 .. .. .. .. 
. . .
1 ··· 1 1
no es cerrada en W1 .
2 Se destacan los s.e.v.
(a) U := {A ∈ Mn (R) : A = At } ,
(b) W := {A ∈ Mn (R) : A = −At } .
R. Bustinza (CFM-UdeC) Álgebra II 525150-5 - Espacios Vectoriales October 17, 2023 10 / 24
Subespacios Intersección y Suma
Sean (U, +, ·) y (W , +, ·) s.e.v. del e.v. (V , +, ·) sobre el cuerpo K. Entonces, se tiene
que
1 (U ∩ W , +, ·) es s.e.v. de (V , +, ·),
2 (U + W , +, ·) es s.e.v. de (V , +, ·), donde U + W := {a + b : a ∈ U ∧ b ∈ W }.

Lcuando U ∩ W = {Θ}, se dice que U + W es suma directa y se denota

Además,
por U W . La descomposición
 en este caso, es única. Es decir 
M
∀v ∈ V : v ∈ U W ⇔ ∃! a ∈ U : ∃! b ∈ W : v = a + b .

Observaciones:
1 Si (V , +, ·) es un espacio vectorial sobre un cuerpo K y U ⊆ V es tal que Θ 6∈ U,
entonces U no es un subespacio vectorial de V .
2 (U ∪ W , +, ·) no siempre es s.e.v. de (V , +, ·). En realidad, se prueba que

(U ∪ W , +, ·) es s.e.v de (V , +, ·) ⇔ U ⊆ W ∨ W ⊆ U

Ejemplo
Se puede probar que U := {(x, y ) ∈ R2 : y = x} y W := {(x, y ) ∈ R2 : y = 2x} son
s.e.v. de (R2 , +, ·) (Verificarlo). Tenemos que (1, 1) ∈ U ⊆ U ∪ W , y
(1, 2) ∈ W ⊆ U ∪ W , pero (1, 1) + (1, 2) = (2, 3) 6∈ U ∪ W .
Esto permite afirmar que U ∪ W no es s.e.v. de R2 .
R. Bustinza (CFM-UdeC) Álgebra II 525150-5 - Espacios Vectoriales October 17, 2023 11 / 24
Ejemplos de Suma y Suma Directa

1 Para el espacio vectorial real (R3 , +, ·), se introducen

U := {(x, y , 0) : x, y ∈ R} ,
W := {(0, y , z) : y , z ∈ R} .
Puede probarse que U y W son s.e.v. de (R3 , +, ·). Además, U + W = R3 , pero
No es Suma Directa ¿Por qué?
2 Considere el espacio vectorial real (Pn (R), +, ·) con las operaciones usuales. Se
definen
U := {p ∈ Pn (R) : (∀ x ∈ R)(p(−x) = p(x))} ,
W := {p ∈ Pn (R) : (∀ x ∈ R)(p(−x) = −p(x))} ,
Puede probarse que U y W sonL s.e.v. de (Pn (R), +, ·). También se tiene
U + W = Pn (R). Es más, U W = Pn (R) ¿Por qué?
3 En el espacio vectorial real de las matrices cuadradas (Mn (R), +, ·) con sus
operaciones binarias + y · usuales, se consideran los s.e.v. (vistos en un ejemplo
anterior)
U := {A ∈ Mn (R) : A = At } ,
W := {A ∈ Mn (R) : A = −At } .
L
Se puede probar que U + W = Mn (R). Es más, U W = Mn (R) ¿Por qué?
R. Bustinza (CFM-UdeC) Álgebra II 525150-5 - Espacios Vectoriales October 17, 2023 12 / 24
Intersección y Suma de una familia finita de subespacios
Sea (V , +, ·) un espacio vectorial sobre un cuerpo K, y sea {Uj }m
j=1 una familia de
m ∈ Z+ subespacios vectoriales de V . Se puede probar que
\m
1 Uj es un subespacio vectorial de V , conocido como Espacio Intersección de
j=1
la familia(de subespacios {Uj }m
j=1 . )
Xm m
Y m
X
m
2 Uj := z ∈ V : ∃ m ∈ N : ∃ (uj )j=1 ∈ Uj : z = uj también es un
j=1 j=1 j=1
subespacio vectorial de V , llamado Espacio Suma de la familia de
subespacios {Uj }m j=1 .

Sea (V , +, ·) un espacio vectorial sobre un cuerpo K, y sea {Uj }m

j=1 una familia de
subespacios vectoriales de V .
Definición: V es la Suma Directa de la familia de subespacios vectoriales {Uj }m j=1 , lo
Mm
cual se denota por Uj , si
j=1
m
X X
a) V = Uj b) ∀ k ∈ {1, ..., m} : Uk ∩ Uj = {Θ} .
j=1 j∈{1,...,m}\{k}
L
Definición: Cuando V = U W , se dice que W es Complemento /
Suplemento de U (o viceversa) con respecto a V .
R. Bustinza (CFM-UdeC) Álgebra II 525150-5 - Espacios Vectoriales October 17, 2023 13 / 24
Espacio generado y sistema generador
Definición: Combinación lineal
Sea (V , +, ·) un espacio vectorial sobre un cuerpo K, y sea A := {vj }m
j=1 ⊆ V , con
m ∈ Z+ (subconjunto no vacı́o, finito o no finito). Se dice que z ∈ V es combinación
Xm
lineal (c.l.) de vectores de A, si ∃ {λj }m
j=1 ⊆ K : z = λj vj .
j=1

Definición: Espacio generado

Sea (V , +, ·) un espacio vectorial sobre un cuerpo K, y sea A := {vj }m
j=1 ⊆ V , con
m ∈ Z+ . Se define el espacio generado por A como
hAi := {z ∈ V : z es c.l. de vectores de A} .
Al conjunto A se le llama conjunto/sistema generador.

Observaciones: ∀ ∅ 6= A , B ⊆ V , finitos, siendo V un K-espacio vectorial, se verifica:

1 hAi es un s.e.v. de (V , +, ·) sobre K (el más pequeño que contiene a A).
2 h{Θ}i = {Θ}, y h V i = V .
3 A ⊆ h A i, pues ∀ v ∈ A : v = 1 · v ∈ h A i.
4 Si además A ⊆ B, entonces h A i es s.e.v. de h B i.
DS E
m Pm
5 Si {Aj }m
j=1 familia finita de subconjuntos de V , entonces j=1 Aj = j=1 hAj i.
R. Bustinza (CFM-UdeC) Álgebra II 525150-5 - Espacios Vectoriales October 17, 2023 14 / 24
Espacio generado y sistema generador ...

Ejemplos:
Se definen {pj }j∈Z+ ⊆ P(R) como sigue.
0

∀ x ∈ R : p0 (x) := 1 si j = 0 ,
∀ x ∈ R : pj (x) := x j si j ∈ Z+ .

Entonces se puede probar que:

(a) h {pj }m
j=0 i = Pm (R) ,
D E
(b) {pj }j∈Z+ = P(R) .
0

Observación: Dos conjuntos diferentes pueden generar el mismo subespacio vectorial. Por
ejemplo, en el espacio vectorial V := R3 , consideramos los conjuntos
A1 := {(1, 0, 0), (0, 1, 0)} y A2 := {(1, 0, 0), (1, 1, 0)}. Se verifica que A1 6= A2 y
hA1 i = hA2 i = {(x, y , 0) : x, y ∈ R} (Plano z = 0).

R. Bustinza (CFM-UdeC) Álgebra II 525150-5 - Espacios Vectoriales October 17, 2023 15 / 24

Conjunto linealmente dependiente (l.d.) / linealmente independiente (l.i.)

Definición
Sea (V , +, ·) un espacio vectorial sobre un cierto cuerpo K.
Sea A := {v1 , v2 , . . . , vm } ⊆ V , para algún m ∈ Z+ . Se dice que A es un conjunto
linealmente dependiente (l.d.) si existen α1 , . . . , αm ∈ K, tales que no son nulos a la vez y

α1 v1 + α2 v2 + . . . + αm vm = Θ .

Esto que es equivalente a decir ∃ j ∈ {1, ..., m} : vj ∈ h A\{vj } i.

Por otro lado, si el conjunto A = {v1 , v2 , . . . , vm } no es l.d., se dice que es linealmente
independiente (l.i.). Equivalentemente, A = {v1 . . . , vm } es l.i. si
m
X
∀ λ1 , ... , λm ∈ K : λj vj = Θ ⇒ ∀ j ∈ {1, ..., m} : λj = 0 .
j=0

Lema de Dependencia Lineal

Sea (V , +, ·) un e.v. sobre K, y {v1 , ... , vm } ⊆ V un conjunto de vectores l.d. Entonces,
existe {vi1 , ... , vik } ( {v1 , ... , vm } conjunto de vectores l.i., tal que
h{v1 , ... , vm }i = h{vi1 , ... , vik }i.

R. Bustinza (CFM-UdeC) Álgebra II 525150-5 - Espacios Vectoriales October 17, 2023 16 / 24

Idea de la demostración

Supongamos, sin pérdida de generalidad, que v1 6= Θ. Como A := {v1 , ..., vm } es l.d.,

entonces Afirmamos:

∃ j ∈ {2, ..., m} : vj ∈ h{v1 , ..., vj−1 }i .

Esta afirmación es verdadera, pues de no serlo, se tendrı́a

∀ j ∈ {2, ..., m} : vj 6∈ h{v1 , ..., vj−1 }i ⇒ {v1 , ..., vm } es l.i. (→←) .

De esta forma, vj (al ser c.l. de {v1 , ..., vj−1 }) será extraı́do del conjunto A. Esto nos
conduce a afirmar que

h{v1 , ..., vj−1 , vj+1 , ..., vm }i = h A i .

Lo que sigue ahora es repetir el proceso anterior para extraer otro vector (si existe) que
haga que A\{vj } sea l.d. De esta manera, vamos extrayendo aquellos vectores de A que
la hacen ser un conjunto l.d., hasta que deje de serlo. Al final, obtendremos un conjunto
l.i. {vi1 , ..., vik } ( A tal que

h {vi1 , ..., vik } i = h A i ,

y termina la demostración.

R. Bustinza (CFM-UdeC) Álgebra II 525150-5 - Espacios Vectoriales October 17, 2023 17 / 24

Base y dimensión

Definición: Espacio vectorial de dimensión finita e infinita

Un K-espacio vectorial (V , +, ·) se dice ser finito dimensional si admite al menos un
sistema generador finito. Es decir, si existe S := {wj }pj=1 ⊆ V , para algún p ∈ N, tal
que hSi = V . Caso contrario, se dirá que (V , +, ·) es infinito dimensional.

Definición: Base
Sea (V , +, ·) un espacio vectorial sobre el cuerpo K. B ⊆ V es una base de V si B es
l.i. y hBi = V .

Lema (Existencia de bases - caso finito dimensional)

Sea (V , +, ·) un K-espacio vectorial de dimensión finita, con V 6= {Θ}. Entonces,
cualquier sistema generador de V contiene al menos una base de V . En consecuencia,
todo espacio vectorial finito dimensional admite al menos una base.
Demostración: En vista que (V , +, ·) un K-espacio vectorial de dimensión finita,
∃ S := {wj }pj=1 ⊆ V , para algún p ∈ N, tal que hSi = V . Por analizar ahora dos casos
posibles:
1 S es l.i. En tal caso, S resulta ser una base de V , y se tiene el resultado.
2 S es l.d. Luego, invocando el Lema de Dependencia Lineal, ∃ {Θ} = 6 U ⊂ S
tal que U es l.i. y hUi = hSi = V , i.e. U es una base de V . Ası́ se deduce el
resultado también.
R. Bustinza (CFM-UdeC) Álgebra II 525150-5 - Espacios Vectoriales October 17, 2023 18 / 24
Observaciones para espacios vectoriales de dimensión finita (V , +, ·)
1 Definición (Dimensión): Sea B una base de V . La dimensión de V , denotada
por dim(V ), se define por dim(V ) := |B| = card(B). Por convención:
dim({Θ}) = 0.
2 Si W es un sistema generador finito de V , entonces |W | ≥ dim(V ).
3 Si B y B 0 son bases de V , con |B| = m y |B 0 | = n, entonces m = n.

Teorema de Steinitz (de la Base Incompleta)

En un espacio vectorial (V , +, ·) finito dimensional, todo conjunto de vectores de V
linealmente independiente puede completarse hasta obtener una base de V .
Demostración: Supongamos que dim(V ) = n, para algún n ∈ N. Además sea
B := {uj }nj=1 una base de V , y S := {wk }pk=1 ⊂ V con p ∈ N y p < n, un conjunto l.i.
La estrategia consiste en completar S con vectores de B hasta obtener un conjunto l.i.
Afirmación 1: ∃ j1 ∈ {1, ..., n} : uj1 no es c.l. de S.
En efecto, pues de lo contrario se tendrı́a: ∀ j ∈ {1, ..., n} : uj es c.l. de S, lo cual
implica que S es un sistema generador de V , y al ser l.i., otra base de V . Esto implica
que dim(V ) = |S| = p < n = dim(V ) (→←)
Consecuencia 1: S ∪ {uj1 } es l.i.
Luego, por analizar dos casos:
1 Si p + 1 = n, se ha completado la base, la cual es S ∪ {uj1 }.
2 Si p + 1 < n, el proceso continúa como al principio, ahora considerando B \ {uj1 }
en el proceso de completación de la base.
De esta forma, al cabo de a lo más n − p etapas, se obtiene el conjunto
R. Bustinza (CFM-UdeC) Álgebra II 525150-5 - Espacios Vectoriales October 17, 2023 19 / 24
Corolario (Dimensión de un subespacio)
Sea (V , +, ·) un K−espacio finito dimensional y S un s.e.v. de V cualquiera. Entonces
1 dim(S) ≤ dim(V ),
2 dim(S) = dim(V ) ⇔ S = V.
Demostración: Es dejada al lector como ejercicio.
Teorema de Grassmann
Sea (V , +, ·) un e.v. de dimensión finita, y (U, +, ·) y (W , +, ·) dos s.e.v. de (V , +, ·).
Entonces,
dim(U + W ) = dim(U) + dim(W ) − dim(U ∩ W ) .
En particular, si U ∩ W = {Θ} entonces dim(U + W ) = dim(U) + dim(W ).

Demostración: Estará disponible en Infoda.

Observaciones
1 Bajo los mismos supuestos del Teorema de Grassmann, se tiene:
Si dim(U + W ) = dim(U) + dim(W ), entonces U ∩ W = {Θ}.
2 La existencia de bases para Espacios vectoriales infinito dimensionales
también está garantizada. Sin embargo, la demostración de este resultado escapa al
contenido del presente curso. Requiere manejo del conocido Lema de Zorn
(equivalente al Axioma de elección).
3 Lema de Zorn: Todo conjunto parcialmente ordenado no vacı́o en el que toda
cadena (subconjunto totalmente ordenado) tiene una cota superior, contiene al
menos un elemento maximal.
R. Bustinza (CFM-UdeC) Álgebra II 525150-5 - Espacios Vectoriales October 17, 2023 20 / 24
Vector de coordenadas con respecto a una base ordenada

Lema
Si B = {v1 , v2 , . . . , vn } es una base (ordenada) de un espacio vectorial V sobre cierto
cuerpo K, entonces para cada v ∈ V , existen únicos α1 , α2 , . . . , αn ∈ K tales que

v = α1 v1 + α2 v2 + . . . + αn vn .

El vector de Kn con componentes α1 , α2 , . . . , αn se denomina vector de coordenadas de v

con respecto a la base B, y se denota
 
α1
α2 
[v ]B :=  .  .
 
 .. 
αn

R. Bustinza (CFM-UdeC) Álgebra II 525150-5 - Espacios Vectoriales October 17, 2023 21 / 24

Ejemplos
• B1 = {(1, 2, 3)} es una base de
L1 = (x, y , z) ∈ R3 : ∃ t ∈ R : (x, y , z) = t(1, 2, 3) ,

   
1 3 1 3 1
, 1, ∈ L1 , , 1, = .
2 2 2 2 B1 2
• Π = L1 ⊕ L2 = h{(1, 2, 3), (1, 0, 1)}i.
B2 = {(1, 2, 3), (1, 0, 1)} es una base de Π,
1
2
Para (1, 1, 2) ∈ Π, [(1, 1, 2)]B2 =  
1
2
• R3 = h{(1, 2, 3), (1, 0, 1), (1, 1, −1)}i.
B3 = {(1, 2, 3), (1, 0, 1), (1, 1, −1)} es una base de R3 ,
 
2y − x + z
3 1
(x, y , z) ∈ R ⇒ [(x, y , z)]B3 = 5x − 4y + z 
6
2x + 2y − 2z
• Sean B1 := {(1, 1) , (−1, 1))} y B2 := {(1, 2) (−2, 1)} dos bases (distintas) del
espacio vectorial real V := R2 := R × R. Entonces, para v = (−1, 3) ∈ R2 :
   
1 1
[v ]B1 = ∧ [v ]B2 = .
2 1
R. Bustinza (CFM-UdeC) Álgebra II 525150-5 - Espacios Vectoriales October 17, 2023 22 / 24
Ejemplos

• Considere el conjunto B4 = {p1 , p2 , p3 } ⊆ P2 (R), donde

∀ x ∈ R : p1 (x) := (x − 1)2 , p2 (x) := 21 x + 1 y p3 (x) := 5. Puede probarse
(¡Hacerlo!) que B4 es una base de P2 (R). Luego, para el vector q ∈ P2 (R), dado
por R 3 x 7→ q(x) := ax 2 + bx + c, con a, b, c ∈ R, se obtiene (¡Hacerlo!)
 
a
[q]B4 =  4a + 2b  .
1
5
(c − 2b) − a
• En clase vimos las bases canónicas de los K-espacios vectoriales Kn , Mm×n (K),
Pn (K).
Observación: Notamos que B4 = {p1 , p2 , p3 } y B5 = {p3 , p1 , p2 } son Bases
Ordenadas del espacio vectorial real P2 (R). Como conjuntos, B4 y B5 son iguales. Sin
embargo, debemos ser cuidadosos con el orden en que aparecen los elementos cuando son
tratados como base. Por ejemplo si consideramos el vector q ∈ P2 (R), dado por
R 3 x 7→ q(x) := x 2 + x + 1, resulta
   6
1 −5
[q]B4 =  6  , [q]B5 =  1  ,
− 56 6

R. Bustinza (CFM-UdeC) Álgebra II 525150-5 - Espacios Vectoriales October 17, 2023 23 / 24

Ejemplos: Bases canónicas de algunos espacios vectoriales reales conocidos

• Para V := Rn , con n ∈ Z+ : B := {e1 , ..., en }, donde e1 := (1, 0, ..., 0),

e2 := (0, 1, 0, ..., 0),..., en := (0, 0, ..., 0, 1). En consecuencia, dim(Rn ) = n.
   
• Para V := M2 (R): B := {E1 , E2 , E3 , E4 }, donde E1 := 1 0 , E2 := 0 1 ,
0 0 0 0
   
0 0 0 0
E3 := , E4 := . En consecuencia, dim(M2 (R)) = 4.
1 0 0 1
• Para V := Pm (R), con m ∈ Z+ : B := {pj }m j=0 , donde

∀ x ∈ R : p0 (x) := 1 ,
∀ x ∈ R : pj (x) := x j , si j ∈ {1, ..., m} .

En consecuencia, dim(Pm (R)) = m + 1.

R. Bustinza (CFM-UdeC) Álgebra II 525150-5 - Espacios Vectoriales October 17, 2023 24 / 24