CAPTULO 2

Bases y coordenadas
Definicin 2.1. Sea V un K espacio vectorial. Diremos que un conjunto B =
{v1 , v2 , . . . , vk } V es una base para V si
i) B es un conjunto linealmente independiente,
ii) hBi = V .
Es decir, B es un conjunto l.i. que genera todo el espacio vectorial V.
Ejemplo. Los conjuntos B1 =

   
   
1
1
0
1
,
, B2 =
,
son bases para
2
1
2
1

R2 .

Claramente los vectores de B1 son l.i.. Falta verificar que el espacio generado
ellos

por
t
es todo R2 . Para ello debemos probar que dado un vector columna w = a b existen

t

t
escalares 1 , 2 de tal manera que w = 1 1 2 +2 1 1 . Esta igualdad corresponde
a calcular una solucin de la ecuacin matricial


 
a
1 1
x
=
2
1
b
Aplicando operaciones elementales obtenemos que la solucin es nica y est dada por
1 = (a + b)/3, 2 = (b 2a)/3. Luego B1 es una base. Un argumento similar muestra que
B2 es una base de R2 .
Para el K espacio vectorial Kn hay una base natural, llamada base cannica. Definimos
en Kn los n vectores columna e1 , e2 , . . . , en siguientes:

t
ei = 0 . . . 0 1 0 . . . 0 , donde 1 est en la i-sima posicin .
El 1 representa el elemento unidad del cuerpo K. Afirmamos {e1 , e2 , . . . , en } forman una
base para Kn .
Proposicin 2.2. Sean e1 , e2 , . . . , en los n vectores cannicos de Kn . Entonces el
conjunto Bc = {e1 , e2 , . . . , en } es una base para Kn . Esta base es llamada la base cannica
de Rn .

t
Demostracin. Es fcil de ver que ellos son l.i.. Adems si w = c1 c2 . . . cn
entonces

t
w = c1 c2 . . . cn = c1 e1 + c2 e2 + + cn en
lo cual prueba que el subespacio generado por los vectores cannicos e1 , e2 , . . . , en es todo
Kn .

23

24

2. BASES Y COORDENADAS

Ejemplo. Sea N = {1, 2, . . . , n} un conjunto con n elementos y sea V = F(N, K) el K

espacio vectorial de las funciones con valores en el cuerpo K. La base cannica est dada
por las funciones ei de difinidas por
(
1 if i = l
ei (l) =
0 if i 6= l
Claramente son l.i y adems si f V entonces
f = f (1)e1 + f (2)e2 + + f (n)en
Otra forma de visualizar este espacio vectorial F(N, K) es escribir un elemento f
F(N, K) como

f (1)
f (2)

f = ..
.
f (n)
Con esta notacin se tiene que las funciones ei definidas con anterioridad se representan
como:



1
0
0
0
1
0



e1 = .. , e2 = .. , en = ..
.
.
.
0

y por lo tanto es claro que

f (1)
1
0
0
f (2)
0
1
0

.. = f (1) .. + f (2) .. + + f (n) .. = f (1)e1 + f (2)e2 + + f (n)en
.
.
.
.
f (n)

Ejemplo. La base cannica del K espacio vectorial de las matrices de Mnm (K) est dada
por las matrices {Eij } donde Eij son las matrices con todos sus entradas nulas excepto la
posicin (i, j) donde hay un 1. Notemos que estas matrices estn bien definidas puesto que
0, 1 son siempre elementos que existen en el cuerpo.
Ejemplo. La base cannica para el espacio vectorial Pn (R), polinomios de grado a lo ms
n, es {1, x, x2 , . . . , xn }.
Ejemplo. Las matrices triangulares superiores son un subespacio de las matrices
cuadradas. Es fcil ver que las matrices triangulares superiores con el 1 en la posicin
ij, con i j, y cero el resto son una base del subespacio.

2. BASES Y COORDENADAS

25

Ejemplo. El conjunto V = Z3 Z2 es un Z2 espacio vectorial. Una base B para V est

dada por
B = {(1, 0, 0, 0, 0), (0, 1, 0, 0, 0), (0, 0, 1, 0, 0), (0, 0, 0, 1, 0), (0, 0, 0, 0, 1)}
Ahora presentamos uno de los resultados importantes acerca de bases.
Teorema 2.3. Sea V un K espacio vectorial y B = {v1 , v2 , . . . , vn } una base para V .
Entonces todo subconjunto de V con ms de n elementos es linealmente dependiente.
Demostracin. Sea D = {w1 , w2 , . . . , wl } un subconjunto de l vectores en V con
l > n. Si alguno de los vectores que componen D es el vector cero no hay nada que
demostrar pues en tal caso conjunto D es l.d..
Supongamos que los l vectores de D son diferentes del vector cero y consideremos una
combinacin lineal de ellos igual al vector 0. Es decir,
x1 w1 + x2 w2 + + xl wl = 0
Sabemos que B es una base para V , luego cada vector wi se puede representar como
una combinacin lineal de los vectores en B , es decir,
w1 = a11 v1 + a21 v2 + + an1 vn
w2 = a12 v1 + a22 v2 + + an2 vn
.. ..
..
. .
.
wn = a1n v1 + a2n v2 + + ann vn
wn+1 = a1(n+1) v1 + a2(n+1) v2 + + an(n+1) vn
.. ..
..
. .
.
wl = a1l v1 + a2l v2 + + anl vn
Luego, la igualdad x1 w1 + x2 w2 + + xl wl = 0 se puede reescribir como
!
!
!
n
n
n
X
X
X
x1
ak1 vk + x2
ak2 vk + + xl
akl vk = 0
k=1

k=1

Reagrupando las sumas se obtiene que

!
!
l
l
X
X
a1i xi v1 +
a2i xi v2 + +
i=1

i=1

k=1

l
X

!
ani xi

vn = 0

i=1

Como {v1 , v2 , . . . , vn } es un conjunto l.i. se debe tener que

!
!
!
l
l
l
X
X
X
a1i xi = 0,
a2i xi = 0, . . . ,
ani xi = 0
i=1

i=1

i=1

26

2. BASES Y COORDENADAS

Ahora el problema corresponde a un problema matricial en Kn ,

a11 x1 + a12 x2 + + a1l xl = 0
a21 x1 + a22 x2 + + a2l xl = 0
.. ..
. .
an1 x1 + an2 x2 + + anl xl = 0
Este es un sistema en Kn donde hay ms incgnitas que ecuaciones ( l > n), por lo tanto al
pivotear la matriz asociada al sistema se obtendr al menos una variable libre, y por lo tanto
hay una solucin no trivial x1 , . . . , xl del sistema. Es decir, existe una coleccin x1 , . . . , xl
de escalares del cuerpo no todos nulos de tal forma que x1 w1 + x2 w2 + + xl wl = 0. En
otras palabras, el conjunto D es l.d..

Una aplicacin directa de este resultado es el siguiente corolario,
Corolario 2.4. Sean B1 , B2 dos bases de V . Entonces |B1 | = |B2 |.
Demostracin. Sea B1 = {v1 , v2 , . . . , vk } y B2 = {w1 , w2 , . . . , wp } dos bases para V .
Aplicando Teorema 2.3 a la base B1 se tiene que p k puesto que los p vectores del
conjunto B2 son l.i.. Aplicando el mismo teorema con base B2 se deduce que k p. Por lo
tanto, p = k.

Este resultado asegura que si una base de un espacio vectorial V est compuesta por
un nmero finito de vectores entonces cualquier otra base tiene la misma cantidad de
elementos. Notar que el hecho de que la base tenga un nmero finito de elementos es fundamental, pues logramos comparar la cantidad de incgnitas con la cantidad de ecuaciones.
Este argumento se pierde si la base tiene un nmero no finito de vectores.
Definicin 2.5. La dimensin de un espacio vectorial V es la cantidad de vectores
que componen una base. A este nmero lo denotaremos por dim V . Por convencin el
subespacio trivial {
0} tiene dimensin cero.
Ejemplo. R es un R espacio vectorial. Una base es por ejemplo, B = {1} puesto que
cualquier elemento x R puede escribirse como x = x 1. Luego B = {1} es un conjunto
l.i., puesto que en cualquier cuerpo 1 6= 0, que adems genera todo R. Por lo tanto su
dimensin es uno. Ms an, {a} con a 6= 0 es una base para R.
Ejemplo. El mismo argumento del ejemplo anterior es aplicable a un cuerpo arbitrario.
Es decir,K es un K espacio vectorial de dimensin 1.
Ejemplo. La dimensin de Kn es n pues la base cannica Bc tiene n elementos y por el
Corolario, cualquier otra base tiene el mismo nmero n de elementos.
Ejemplo. La dimensin del R espacio vectorial Pn (R), polinomios de grado a lo ms n,
es n + 1 pues la base la cannica {1, x, x2 , . . . , xn } tiene n + 1 vectores.

2. BASES Y COORDENADAS

27

El siguiente resultado es bastante til para encontrar bases de Kn .

Teorema 2.6. Todo subconjunto de Kn con exactamente n vectores l.i. es una base
para Kn .
Demostracin. Sea B = {v1 , v2 , . . . , vn } un subconjunto l.i. de Kn . Por definicin
n
de base
 basta probar que el subespacio generado por B es todo K . Denotemos por
V = v1 v2 . . . vk la matriz generada por los vectores columnas vi .
Sea w un vector de Kn . Debemos probar que la ecuacin V x
= w tiene solucin
en Kn . La matriz V es cuadrada de n n y sus columnas son l.i., por lo tanto ella es
invertible. Luego existe solucin, es nica y est dada por x
= V 1 w.

Este resultado es generalizable a un espacio vectorial arbitrario.
Teorema 2.7. Sea V espacio vectorial sobre K con dim V = n. Entonces cualquier
conjunto con exactamente n vectores l.i. es una base para V .
Demostracin. Sea S un conjunto con n elementos l.i., a saber, S =
{w1 , w2 , . . . , wn }. Vamos a probar que S es una base para V . Ya sabemos que es l.i. Solo
falta probar que genera V .
Sea v un vector no nulo de V . Vamos a probar que v se escribe como una combinacin
lineal de los vectores wi .
Por el Teorema 2.3 el conjunto Q = {w1 , w2 , . . . , wn , v} es l.d en V . Es decir existe
una coleccin de escalares x1 , x2 , . . . , xn , xn+1 en K no todos nulos tal que
x1 w1 + x2 w2 + + xn wn + xn+1 v = 0.
Afirmamos que xn+1 6= 0. Si xn+1 fuere cero se tendra que x1 w1 + x2 w2 + + xn wn = 0.
Como los wi son l.i. entonces todos los escalares xi = 0 para todo i = 1, . . . , n con lo cual
se tendra que Q es un conjunto l.i., lo cual es una contradiccin. Por lo tanto, xn+1 6= 0.
Ahora podemos despejar v
x1
x2
xn
v=
w1
w2
wn
xn+1
xn+1
xn+1
lo cual prueba que el conjunto {w1 , w2 , . . . , wn } genera todo V .

Recordemos que un subespacio de V es cualquier subconjunto no vaco de V que es
cerrado bajo suma y producto por escalar. Para determinar la dimensin de un subespacio
se necesita encontrar una base para l.
Teorema 2.8. Sea V un K espacio vectorial de dimensin finita y W un subespacio
de V. Entonces
i) W posee una base.
ii) dim W dim V .
iii) dim W = dim V si y slo si W = V .

28

2. BASES Y COORDENADAS

Demostracin. Sea B una base para V con n elementos. Como W es no vaco existe
un elemento w1 W . Formemos el subespacio generado W1 =< {w1 } >. Hay dos posibilidades : W1 = W , en tal caso se termina el proceso y se encuentra una base con un solo
elemento W1 W un subconjunto propio. En este segunda opcin habra un elemento
no nulo w2 W que no est en W1 . Formamos entonces W2 =< {w1 , w2 } >. Como w2 no
est en W1 se tiene que w1 , w2 son l.i.
Entonces se tienen dos posibilidades: W2 = W W2 W un subespacio propio de W .
Si la primera se cumple se encuentra una base. Para la segunda alternativa se tendra un
elemento no nulo w3 W que no est en W2 . Por lo tanto w1 , w2 , w3 son l.i. Formamos
W3 =< {w1 , w2 , w3 } >. As sucesivamente. Este proceso no puede repetirse ms de n
veces pues el Teorema 2.3 asegura que un conjunto con ms de n elementos debe ser
necesariamente l.d. Por lo tanto, Wk = W para algn k n y adems dim W dim V .
La ltima aseveracin es una inmediata aplicacion del Teorema 2.7.

Ejemplo. Sea W el subespacio de Kn generado por los vectores l.i , v1 , v2 , . . . , vp con
p n. Entonces la dimensin de W es p.

Ejemplo. Los subespacios de R tienen dimensin 1 o 0. Luego, por Teorema 2.8, ellos son
R y {0}.
Ejemplo. La dimensin de V = Mnm es n m puesto que hay n m matrices Eij , l.i.
entre ellas, que componen la base cannica de V .

Ejemplo. La dimensin del subespacio Dn de las matrices diagonales de V = Mn (K) es

n. Una base para Dn es Eii , las matrices que tienen un 1 en la posicin (i, i), i = 1, . . . , n
y cero las entradas fuera de la diagonal.
Ejemplo. Sea N = {1, 2, . . . , n} un conjunto con n elementos y sea V = F(N, K). La
dimensin de V es n puesto que V tiene n funciones ei l.i. que generan V , donde ei (k) = 1
si i = k , ei (k) = 0 si i 6= k para k = 1, . . . , n.
Ejemplo. Sea V = F(N, K). La dimensin del subespacio W de las funciones tales que
f (1) = 0 debe ser menor o igual que n. Este subespacio se puede representar como el
hiperplano de Kn , {(0, x1 , . . . , xn ) : xi K}. Luego su dimensin es n 1.
Ejemplo. El espacio vectorial de las sucesiones acotadas de nmeros reales tiene dimensin
infinita puesto que hay un nmero infinito de vectores l.i. dados por ei = (0, . . . , 0, 1, 0, . . .).

2. BASES Y COORDENADAS

29

Consideremos dos subespacios U, W de V . Ya sabemos que podemos construir dos

subespacios a partir de ellos, W + U , W U . Adems sabemos que
W U
W, U

W y de U
(W + U )

es un subespacio de
son subespacios de

El siguiente lema es clave para demostrar el teorema de las dimensiones que relaciona
los cuatro subespacios: U , W , U W y U + W .
Lema 2.9. Sea V un K espacio vectorial y B = {v1 , . . . , vl } un conjunto l.i. en V .
Entonces se puede completar B a una base de V .
Demostracin. La demostracin es similar a la tcnica utilizada en el Teorema 2.3,
incluso se aplica dicho teorema.

Ms an ellos estn relacionados por la siguiente igualdad dimensional
Teorema 2.10 (Frmula de Grassmann). Sean U y W subespacios del espacio vectorial
V . Entonces
dim (U + W ) = dim (U ) + dim (W ) dim (U W )
Demostracin. Supongamos que dim(U W ) = r . Sea { e1 , e2 , , er } una base
de (U W ) . Por el Lema 2.9 podemos extender el conjunto l.i. { e1 , e2 , , er } a una
base de U :
Bu = { e1 , e2 , , er , u1 , u2 , , up }.
En forma anloga la base de (U W ) se puede extender a una base de W ,
Bw = { e1 , e2 , , er , w1 , w2 , , wq }.
Es decir, dim (U ) = r + p , dim(W ) = r + q. Probaremos que el conjunto de vectores:
{ e1 , e 2 , , e r , u 1 , u 2 , , u p , w 1 , w 2 , , w q }

()

es una base de W + U
El conjunto de vectores () genera a U + W pues si : v U + W : entonces v = u + w
con u U y w W . Como Bu y Bw son bases de U y W respectivamente, entonces:
u = 1 e1 + 2 e2 + + r er + 1 u1 + + p up
w = 10 e1 + 20 e2 + + r0 er + 1 w1 + + q wq
Luego v = u + w se representa como:
v =u+w =

r
X
k=1

(k + k0 ) ek +

p
X

j uj +

j=1

q
X

p wi

i=1

Es decir, v es combinacin lineal de los vectores de ().

Veamos ahora que el conjunto de vectores () es linealmente independiente. Los conjuntos {e1 , . . . , er } , {e1 , . . . , er , u1 , . . . , up } , {e1 , . . . , er , w1 , . . . , wq } son l.i.. Luego solo
falta demostrar que los vectores {u1 , . . . , up , w1 , . . . , wq } son l.i. entre ellos.

30

2. BASES Y COORDENADAS

Si alguno de los vectores uk fuere combinacin lineal de los wi entonces estara en W .

Es decir, uk sera un vector en U W y luego sera un combinacin lineal de los ei . Esto
es una contradicin puesto que uk es l.i. con los vectores ei . Similarmente se pruebe que
los vectores wj son l.i con los vectores ui .
Concluimos que el conjunto de vectores () es linealmente independiente y genera
U + W , por lo tanto constituye una base. Por lo anterior
dim(U + W ) = r + p + q = (r + p) + (r + q) r
= dim(U ) + dim(W ) dim(U W )

Definicin 2.11. Sean U, W subespacios vectoriales de un K espacio vectorial V . El
subespacio vectorial suma U + W se dice que es suma directa si U W = {0}. Esta suma
directa la denotamos por U W ,
Corolario 2.12. Del Teorema 2.10 se tiene que si V = U W , entonces
dim(V ) = dim(U ) + dim(W )
Ejemplo. Consideremos los subespacios de R4 :
S = {(x, y, z, t) R4 : x + y + z + t = 0 , 2x + y z + 2t = 0 , 3x + 2y + 3t = 0}
T = h {(1, 1, 2, 0), (1, 1, 1, 0), (0, 1, 0, 1)} i
Calculemos dim (S), dim (T ), dim (S T ) y dim (S + T ).
El subespacio S corresponde al NulA donde A es la matriz de 3 4 dada por

1
A = 2
3

1
1
2

1 1
1 2
0 3

Es fcil ver que S tiene dimensin 2 y est generado por los vectores

S=
1

,
0

Para T vemos el conjunto {(1, 1, 2, 0), (1, 1, 1, 0), (0, 1, 0, 1)} es l.i. , puesto que la
nica solucin de Bx =
0 es el vector 0 donde B es la matriz de 4 3 cuyas columnas son
los vectores del conjunto. En consecuencia dim (T ) = 3.
Calculemos S T . Claramente este subespacio consiste en todos los vectores de R4 que
estn en ambos subespacios S, T simultneamente,
x+y+z+t =

2x + y z + 2t =

3x + 2y + 3t =

(x, y, z, t)

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

2. BASES Y COORDENADAS

31

Por lo tanto,
x+y+z+t =

2x + y z + 2t =

3x + 2y + 3t =

(x, y, z, t)

( + , + , 2 + , )

Reemplazando se obtiene que:

( + ) + ( + ) + (2 + ) +

( + ) 3(2 + )

3(2 + ) 2

y dim (S T ) = 0.
Resolviendo el sistema se tiene que = = = 0. Luego S T = {0}
Por la frmula de Grassmann, dim (S + T ) = 4. Es decir (S + T ) es un subespacio R4 de
dimensin 4. Como dim (R4 ) = 4 se obtiene que (S + T ) = R4 . Adems como S T = {0}
se deduce que R4 = S T .
Ejercicios.
1. Calcule la dimensin del subespacio W de R4 generado por
W =< {(1, 2, 3, 0), (1, 1, 0, 2), (1, 3, 6, 2), (3, 6, 9, 1)} >
2. Investigue si el conjunto B = {(1, 1, 1, 1), (1, 2, 2, 2), (1, 3, 3, 3), (1, 4, 4, 4)} es una
base para R4 .
3. Considere V el Z3 espacio vectorial de las matrices de 2 2 con entradas en Z3 .
Considere el conjunto S = {A1 , A2 } donde

A1 =

1
0

1
2


,

A2 =

0
2

1
2


,

Complete S a una base de V .

4. Sea V = M2 (R) el R espacio vectorial de las matrices de 2 2 y W el subespacio
definido por


1 1
W = {B V : AB = 0} , donde A =
3 3
a) Determine una base para W .
b) Calcule su dimensin.
5. Determine si el conjunto B de vectores de R3 , B = {(1, 2, 1), (3, 2, 1)}, (1, 1, 1)}
es una base para R3 .
6. Construya una base del subespacio W de M2 (R) definido por W = {A = (aij ) :
a11 + a12 = 0, a21 + a22 = 0, }. Determine la dimensin de W .
7. Construya una base del subespacio U de Mn (R) definido por U = {A = (aij ) :
ai1 + ai2 + + ain = 0, i = 1, . . . , n}. Determine la dimensin de U .

32

2. BASES Y COORDENADAS

8. Determine para que que el subespacio de M2 (R) generado por S, donde S es

dado por la matrices


+1
3

5
4 + 1


,

3
0


,

+1

2
0

tenga dimensin 3. La misma pregunta de tal manera que dim (h{S}i) = 2.

9. Calcule la dimensin de Z3 Z2 como Z2 espacio vectorial.
10. Sea F(X; R) el R espacio vectorial de las funciones definidas en el conjunto X =
{1, 2, . . . , n} a valores en R. Definimos para cada subconjunto A de X la funcin
FA F(X; R).
(
1 si x A
FA (x) =
0 si x
/A
Encuentre una base de F(X; R) compuesta por estas funciones.
11. Considere W1 , W2 los subespacios de R5 definidos por
W1

{
x R5 : x1 + x2 + x3 + x4 + 2x5 = 0 , 2x1 + x2 + x3 + x4 + 2x5 = 0}

W2

{
x R5 : x1 + x2 + x4 3x5 = 0, x2 + x3 + x4 8x5 = 0, x1 + x3 + 5x5 = 0}

Calcule la dimensin del subespacio W1 + W2

12. Sea V el espacio vectorial de los polinomios con coeficientes reales y de grado a lo
ms 5. Considere en V los subespacios dados por
W1 = h{1, x2 1, x3 + x, x5 }i y W2 = h{x, x 1, x2 , x3 x4 }i
a) Calcule una base para el subespacio W1 W2 .
b) Calcule la dimensin del espacio vectorial W1 + W2 .
c) Determine si V es suma directa de estos subespacios.
13. Sea Mn (R) el R espacio vectorial de las matrices de n n. Considere el subespacio
T generado por las matrices triangulares inferiores de n n y el subespacio S
generado por las matrices triangulares superiores de n n. Determine la dimensin
de S + T . Determine si S + T es una suma directa.
14. Sean A, B las matrices de 4 4 dadas por

1
1
A=
0
1

1 2 3
1
1
1
0 1
, B=
0
1
1
1
1
0 1
1

1
0
0
0

1
1
1
2

0
0

1
1

y considere los subespacios de W1 , W2 , W3 de R4 definido por

W1 = {x R4 : Ax = 0}
W2 = {x R4 : Bx = 0}
W3 = {x R4 : (A + B) x = 0}
a) Calcule las dimensiones de W1 , W2 , W3 .

2. BASES Y COORDENADAS

33

b) Calcule las dimensiones de W1 W2 , W2 W3 , W1 W3 .

c) Calcule las dimensiones de W1 + W2 , W2 + W3 , W1 + W3 .
d) Determine cuales de los subespacios suma anteriores son suma directa.
15. Sea M2 (R) el R espacio vectorial de las matrices cuadradas de 2 2 y W1 , W2 los
subespacios vectoriales de M2 (R) definidos por






a b
a b
W1 =
: a + d = b + c , W2 =
: a+c=b+d
c d
c d
Determine la dimensin de
a) W1
b) W2

c) W1 W2

d) W1 + W2

16. Considere a, b, c nmeros reales y W el subconjunto de R4 definido por

W = {(x1 , x2 , x3 , x4 ) : x4 = ax1 + bx2 + cx3 }
a) Determine una base para W .
b) Determine las coordenadas del vector v = (1, 1, 1, 1) en esta base.
17. Sea P3 el R espacio vectorial de los polinomios con coeficientes reales de grado a
lo ms 3. Sea qi = (t a)i , i = 0, 1, 2, 3. Demuestre que {q0 , . . . , q3 } es una base
para P3 .
18. Sea P4 el R espacio vectorial de los polinomios con coeficientes reales de grado a lo
ms 4 y r = r0 + r1 x + r2 x2 un polinomio fijo de grado 2. Considere el subespacio
W definido por
R = {r p : p P2 }
a) Determine una base para R.
b) Pruebe que P4 = R P1 .
19. Determine una base del subespacio ortogonal W al subespacio W de R5 definido
por
W = {(x, y, z, t, s) : x 2y + z 2t + s = 0}
20. Sea W el subespacio de R5 definido por
W = {(x, y, z, t, s) : x y + z t + s = 0, 2x y + 2z t + 2s = 0}
a) Determine una base para W .
b) Determine una base del subespacio ortogonal W de W .
c) Pruebe que R5 = W W .
21. Considere V = Mn (R) el R espacio vectorial de las matrces de n n. Sean V1 , V2
los subespacios de V definidos por
V1 = {A V : A = At } y V2 = {A V : A = At }
a) Determine una base para cada subespacio.
b) Pruebe que V = V1 V2 .
22. Sea W = h{(1, 2, 3, 4), (0, 1, 2, 0)}i un subespacio de R4 .

34

2. BASES Y COORDENADAS

a) Calcule la dimensin, exibiendo una base, de W el subespacio ortogonal a W

con el producto interno euclidiano de R4 .
b) Pruebe que R4 = W W .
c) Para el vector v = (1, 1, 1, 1) de R4 determine w0 W y w1 W de tal forma
que v = w0 + w1 .
23. Considere U1 , U2 los subespacios de R5 , dados por
U1 = h{(1, 1, 0, 1, 0), (1, 0, 0, 1, 0), (1, 1, 1, 1, 1)}i
U2 = h{(1, 0, 0, 1, 0), (1, 1, 2, 1, 1), (1, 1, 1, 0, 1)}i
Determine una base y calcule la dimensin de U1 , U2 , U1 U2 , U1 , U2 , (V1 V2 ) .
24. Considere el subespacio W de M2 (R) definido por W = {X : AX = XB} donde
A, B son matrices en M2 (R). Estudie la dimensin de W para
a) A, B invertibles.
b) A no invertible.
c) A, B no invertibles.
25. Sea V un R espacio vectorial y B = {v1 , v2 , v3 , v4 v5 } una base para V . Considere
B = {w1 , w2 , w3 , w4 w5 } con
w1

= v1

w2

= v1 + v2

w3

= v1 + v2 + v3

w4

v1 + v 2 + v 3 + v 4

w5

v1 + v2 + v3 + v4 + v5

Pruebe que B es una base para V .

2.0.1. Subespacio asociados a una matriz en Kn . El algoritmo de Gauss, es
decir, la decomposicin P A = LU de una matrix A de np con coeficientes en K tambin es
vlida en este contexto. Por ello es que se puede calcular las dimensiones de los subespacios
asociados a una matriz A Mnp (K).
Recordemos estos subespacios. Sea A una matriz de n p con coeficientes en K.
Nul A = {
x Kp : A
x=
0} es un subespacio de Kp .
p
ECA = {A
x:x
K } es un subespacio de Kn .
EF A = h{filas de A}i es un subespacio de Kp
Para calcular las dimensiones de estos subespacios se utiliza el algoritmo de reduccin
de Gauss. Recordemos que Ran(A) representa la cantidad de columnas l.i. de A.
Proposicin 2.13. Sea A una matriz de n p con coeficientes en el cuerpo K. Entonces:
a) dim Nul A = cantidad de variables libres de A
x = 0.
b) dim EC (A) = cantidad de pivotes de A.
c) dim EC (A) + dim Nul A = p = cantidad de columnas de A.

2. BASES Y COORDENADAS

35



1 a
2 . . . a
p con a
i las respectivas columnas
Demostracin. Escribamos A = a
t

x = 0.
de A. Sea x
= x1 x2 . . . xp el vector columna solucin de la ecuacin A
Sabemos que x
tambin es solucin del sistema escalonado correspondiente, E(A)
x = 0.
Sean xk1 , . . . , xkl las variables libres ( l < p), es decir, todas las variables x1 , , xp se
escriben en funcin de las l variables libres. Sabemos que este hecho se expresa vectorialmente como

x1
x2

.. = xk1 v1 + xk2 v2 + + xkl vl
.
xp
donde los vectores v1 , v2 , . . . , vl son l.i. y hay tantos vectores l.i. como variables libres
hubieren. Luego, los vectores v1 , . . . , vl forman una base, es decir, dim(NulA) = l.
Cada columna a
i de A se calcula como a
i = Aei , i = 1, . . . p, donde e1 , e2 , . . . , ep son
los vectores cannicos de Kp . Por ello se tiene que
EC(A) = h{A
e1 , A
e2 , . . . , A
ep }i
Por parte i), dim(NulA) = l con {v1 , v2 , . . . , vl } una base. Completemos esta base a una
base B de Kp . Puesto que dim Kp = p se tiene que
B = {v1 , v2 , . . . , vl , wl+1 , . . . , wp }
donde los vectores wi no estn en Nul A. Como B es una base, cada vector cannico ei
es decir, para cada
de Kp puede ser descrito por una combinacin lineal de vectores en B,
i = 1, . . . p,
ei =

l
X

ik vk +

k=1

p
X

ik wk

k=l+1

Aplicando las propiedades de linealidad de A y que Avk = 0, recordar que los vectores vk
son elementos de Nul A, se obtiene que
a
i = A
ei
= A

l
X

ik vk +

k=1

l
X

ik Avk +

k=1
p
X

p
X

!
ik wk

k=l+1
p
X

ik Awk

k=l+1

ik Awk

k=l+1

lo cual prueba que para cada i = 1, . . . , p , a

i esta en el subespacio generado por
{Awl+1 , . . . , Awp }. Esto demuestra que {Awl+1 , . . . , Awp } genera EC(A).

36

2. BASES Y COORDENADAS

Adems el conjunto {Awl+1 , . . . , Awp } es l.i.. Para corroborar esto supongamos que
tenemos una combinacin lineal nula,
p Awp + + l+1 Awl+1 = 0
Por linealidad de A obtenemos que

A(p wp + + l+1 wl+1 ) = p Awp + + l+1 Awl+1 = A0 = O

Por lo tanto el vector v = p wp + + l+1 wl+1 es un vector en Nul A lo cual es imposible,
al menos que v =
0, por eleccin de los vectores wk . Como wl+1 , . . . , wp son l.i. se obtiene
que necesariamente todos los escalares k deben ser cero, es decir, hemos probado que el
conjunto {Awl+1 , . . . , Awp } es l.i..
En resumen, el conjunto {Awl+1 , . . . , Awp } es una base para EC(A). Por lo tanto,
dim EC(A) = p l lo que es lo mismo dim EC(A) + l = p, es decir,
dim EC(A) + dim Nul(A) = p

Ejemplo. Calculemos una base para NulA = {
x : A
x = 0}, donde A es la matriz de 3 4
con coeficientes en el cuerpo K = Z3 dada por

1 1 1 2
A = 0 1 1 0
1 2 2 2
Aplicando operaciones elementales hasta obtener la matriz escalonada reducida obtenemos
que

1 0 0 2
ER(A) = 0 1 1 0
0 0 0 0
Es decir, hay dos variables libres, de lo cual se deduce que las solucin general del sistema
A
x = 0 se describe como:


0
2
1
0

x
=
1 x3 + 0 x4
0
1

Luego, el subespacio Nul(A) tiene dos vectores l.i. que lo generan, luego dim Nul(A) = 2.
Ejemplo. Calculemos una base para EC (A) = {A
v : v K4 }, donde A es la matriz de
3 4 dada en el ejemplo anterior.
A partir de conocer la dimensin del Nul A podemos calcular una base de EC(A)
directamente de la informacin que tenemos de Nul A, puesto que sabemos que

0
1

A
2 + a
3 = 0
1 = 0 , es decir, a
0

2
0

y que A
a1 + a
4 = 0
0 = 0 ,es decir, 2
1

2. BASES Y COORDENADAS

37

donde a
i representa las columnas de la matriz A. Por lo tanto podemos elegir como base
las dos primeras columnas ( o las dos ltimas ). En resumen, RanA = 2.

1 1
2 1
0 1
2 es una matriz
Ejemplo. Calculemos una base para Nul A si A = 1
2 4
6
0
con coeficientes en R.
Determinando una matriz escalonada E(A) se tiene:

1
1
2

1
2 1
1
0 1
2 0
4
6
0
0

1 2
1 1
2 2

1
1
1 0
2
0

1 2 1
1 1
1 = E(A)
0 0
0

Luego la solucin del sistema A

x = 0 est dada por:

3
1
0
1

x
=
1 + 1
1
0

Como estos dos vectores son l.i. y generan Nul A, entonces forman una base para Nul A
y por lo tanto dim( Nul A) = 2.
Ejemplo. Determinar una base para E C(A) si A es la matriz con coeficientes en R dada
por

2
2
4
6

1
1
A=
2
3

2
1
6
8

1
0
4
5

0
0

0
1

Aplicando operaciones elementales, obtenemos que:

E(A) =

1
0
0
0

2
0
0
0

2
1
0
0

1
1
0
0

0
0

1
0

Si A = [ a1 a2 a3 a4 a5 ], entonces { a1 , a3 , a5 } es l.i. , a2 = 2 a1 y a4 = a1 + a3 , luego

estas ltimas son l.d. As las columnas que admiten pivotes forman una base para E C(A).
Luego una base para E C(A) es:

1
2

1 1

2 , 6 ,

3
8

Proposicin 2.14. Las columnas de A que admiten pivotes forman una base para su
espacio columna.
Demostracin. La demostracin se deja como ejercicio.

38

2. BASES Y COORDENADAS

El subespacio fila es el subespacio generado por sus respectivas filas, esto es:
EF (A) = h { filas de A } i >= h { filas l.i. de A } i >
Para una matriz A de n p, EF (A) es un subespacio de Kp . Para encontrar una base de
l, a diferencia de EC (A), ste no se afecta al aplicar operaciones elementales filas, por lo
tanto en cualquier caso EF (A) = EF(E(A)), de donde se sigue fcilmente que las filas no
nulas de E(A) son l.i. y por lo tanto forman una base para EF(A), de donde se tiene:
Proposicin 2.15. Las filas no nulas de la matriz escalonada de cualquier matriz
dada, forman una base para su espacio fila.
En resumen, las filas l.i. de la matriz escalonada E(A) forman una base para EF (A).
Ejemplo. Calculemos una base para EF (A) donde

1
0
A=
1
0

2 1
3
2

1
1
0
1

2
1
3
0

Aplicando operaciones elementales obtenemos que una escalonada para A es:

1
0
E(A) =
0
0

2
1
0
0

2 1
3
2

0
1
0
0

Por lo tanto { (1, 2, 2, 1) , (0, 1, 3, 2) , (0, 0, 0, 1) } forman una base para EF A.

Ejercicio. Determinar una base para Nul A, EC(A) y EF(A) donde A est dada por

2
A= 0
0

0
1
0

0
1
1

1
1
1

Observacin. Sabemos que las columnas que admiten pivotes forman una base para
E C(A), luego la dimensin de ste corresponde al nmero de pivotes de la matriz; pero
adems esta dimensin coincide con el nmero de filas l.i. de A que equivale al nmero de
filas no nulas de E(A), por lo tanto se tiene:
Proposicin 2.16. Dada una matriz cualquiera A, entonces
dim(E C(A)) = dim(E F (A))
Una consecuencia inmediata de este resultado es que
Proposicin 2.17. El rango de A es igual al rango de At .
2.1.

Coordenadas y Bases

En esta seccin veremos la importancia de las bases en un espacio vectorial.

2.1. COORDENADAS Y BASES

39

Consideremos B = {v1 , v2 , . . . , vn } una base del K espacio vectorial V . Cada vector

v V , se escribe como combinacin lineal de los elementos de B, es decir, existe una
coleccin de escalares 1 , 2 , , n K tal que
v = 1 v1 + 2 v2 + + n vn .
Resulta que esta coleccin es nica. Supongamos que existieran dos representaciones de v
: 1 , 2 , , n y 1 , 2 , , n tales que:
v=

n
X
i=1

i vi

y v=

n
X

i vi

entonces

i=1

n
X

(i i ) vi = 0

i=1

y como B es base, entonces i i = 0 para todo i = 1, . . . , n. Luego, i = i para

todo i = 1, . . . , n. Por lo tanto hemos probado que la representacin de v es nica como
combinacin lineal de los elementos de B
Definicin 2.18. Sea V un K espacio vectorial, v V un vector y B = {v1 , v2 , , vn }
una base. Diremos que los escalares 1 , . . . , n K son las coordenadas de v con respecto
a la base B si
v = 1 v1 + 2 v2 + + n vn .
Esta coleccin de n escalares lo denotaremos por

1
2

[v]B = ..
.
n
Notemos que [v]B es un vector columna de Kn .
Ejemplo. En V = P3 (R) elijamos la base B = { 1 , 1 x , 1 x2 , 1 x3 }.
Calculemos [p]B donde p(x) = 2 x3 x2 + 3. Puesto que el polinomio p se puede escribir
como p(x) = 2 x3 x2 + 3 = (4) (1) + 0 (1 x) + (1) (1 x2 ) + (2) (1 x3 ). se
obtiene que las coordenadas son

4
0

[p]B =
1
2

1
2

Al revs, [q]B =
0 corresponde al polinomio en P3 (R) dado por
3

q(x) = (1) (1) + 2 (1 x) + (0) (1 x2 ) + (3) (1 x3 ) = 3 x3 2 x + 4

40

2. BASES Y COORDENADAS

2.1.1. La Funcin coordenada. La unicidad de la representacin de un vector

v V respecto de una base dada permite definir una funcin, llamada funcin coordenada.
Definicin 2.19. Sea V un K espacio vectorial de dimensin n y B una base de V , se
define la Funcin coordenada, denotada CB por:
CB : V Kn
v [v]B
La funcin coordenada CB satisface las siguientes propiedades:
Teorema 2.20. Sea B una base del K espacio vectorial V . Entonces
i)
ii)
iii)
iv)

CB (v + w) = CB (v) + CB (w) , para todo v, w V .

CB ( v) = CB (v) , para todo v V, K
CB es inyectiva.
CB es sobreyectiva.

Demostracin. Ejercicio.

La importancia de esta funcin coordenada radica en que nos permite llevar las
propiedades de vectores abstractos v V a vectores columnas [v]B en el espacio vectorial Kn .
Mediante el teorema anterior transformaremos los problemas abstractos planteados
a nivel de los vectores de V en problemas con vectores en Kn , lo cual sabemos realizar
utilizando la Teora de Matrices desarrollada en los primeros captulos. Examinemos con
ms detencin este intercambio.
Empezemos por considerar un conjunto de vectores u1 , u2 , . . . up en V . Por ejemplo
queremos verificar si ellos son l.i. o l.d. en V . Si ellos fueran vectores de Kn sera inmediato
decidir su dependencia lineal calculando mediante el algoritmo de Gauss el Nul (A) donde
A es la matriz cuyas columnas son los vectores dados.
Para llevar los vectores abstractos u1 , u2 , . . . up a vectores en Kn aplicamos la funcin
coordenada, para lo cual debemos fijar una base B de V . Una vez fijada la base construimos
los vectores columna correspondientes [u1 ]B , [u2 ]B , . . . , [up ]B de Kn .
El prximo resultado nos permitir decidir si los vectores u1 , u2 , . . . up son l.i o l.d. en
V mirando los correspondientes vectores de coordenadas en Kn .
Ms an veremos que podemos calcular las combinaciones lineales en Kn y devolvernos
a V . Estos intercambios son posibles debido al Teorema anterior.
Proposicin 2.21. Sea V un K espacio vectorial y B una base de V .
a) Los vectores u1 , u2 , . . . , up en V son l.i en V si y slo si los correspondientes vectores
[u1 ]B , [u2 ]B , . . . , [up ]B son l.i. en Kn .
b) v = 1 u1 + + p up si y slo si [v]B = 1 [u1 ]B + + p [up ]B

2.1. COORDENADAS Y BASES

41

Demostracin. Supongamos que los vectores u1 , u2 , . . . , up en V son l.i en V y consideremos una combinacin lineal nula en Kn ,
x1 [u1 ]B + x2 [u2 ]B + + xp [up ]B = 0
Por linealidad de la funcin coordenada, propiedades i), ii) de Teorema 2.20, tenemos que
[x1 u1 + x2 u2 + + xp up ]B = x1 [u1 ]B + x2 [u2 ]B + + xp [up ]B = 0
Como la funcin coordenada es bijectiva, el nico vector que va al vector nulo de Kn es
el vector nulo de V . Por lo tanto, x1 u1 + x2 u2 + + xp up = 0V . Como ellos son l.i. en
V entonces todos los escalares x1 , . . . , xp deben ser todos ceros. Por lo tanto, los vectores
[u1 ]B , [u2 ]B , . . . , [up ]B son l.i. en Kn . Al revs se razona de la misma manera. La segunda
parte de la proposicin es clara.

Observemos que la Proposicin nos garantiza que la funcin coordenada y su inversa
llevan conjuntos l.i. en conjuntos l.i. y conjuntos l.d. en conjuntos l.d.. Este resultado nos
permite discernir acerca de la dependencia lineal de vectores en V mirando sus respectivos
vectores coordenados en Kn . Aprovechamos este resultado para dar una demostracin
alternativa del siguiente resultado que fue demostramos usando otras tcnicas.
Teorema 2.22. Sea V un K espacio vectorial de dimensin n. Entonces cualquier
conjunto con ms de n elementos es l.d..
Demostracin. La demostracin es directa aplicando la funcin coordenada. Sea
S = {v1 , . . . , vm } con m > n y B una base para V . El conjunto S = {[v1 ]B , . . . , [vm ]B } es
un subconjunto de Kn con ms de n elementos. Por Teorema 2.3 se obtiene de inmediato que
S es un conjunto l.d. en Kn . Aplicando la proposicin anterior se obtiene que {v1 , . . . , vm }
es un conjunto l.d. en V .

La funcin coordenada nos permite solucionar sistemas vectoriales del tipo siguiente:
Consideremos el sistema vectorial en V
a11 v1 + a12 v2 + + a1q vn = w1
a21 v1 + a22 v2 + + a2q vn = w2
..
.. ..
.
. .
an1 v1 + an2 v2 + + anq vn = wn

con aij K y vi , wi vectores en V . Supongamos que la dimensin de V es p y fijemos una

base B en V . Aplicamos la funcin coordenada a cada ecuacin. Esto nos lleva a un sistema

42

2. BASES Y COORDENADAS

en Kp de la forma:
a11 [v1 ]B + a12 [v2 ]B + + a1q [vn ]B = [w1 ]B
a21 [v1 ]B + a22 [v2 ]B + + a2q [vn ]B = [w2 ]B
..
.. ..
.
. .
an1 [v1 ]B + an2 [v2 ]B + + anq [vn ]B = [wn ]B
Resolviendo este sistema en Kp encontramos, devolvendonos, la correspondiente solucin
del sistema vectorial original.
Ejemplo. Consideremos el sistema vectorial en V
a11 z1 + a12 z2 = w1
a21 z1 + a22 z2 = w2
Si aplicamos a este sistema la funcin coordenada, se tiene que:
a11 [z1 ] + a12 [z2 ] = [w1 ]
a21 [z1 ] + a22 [z2 ] = [w2 ]
donde hemos omitido la base en la notacin [zi ].
Supongamos que la dimensin de V es 2. Si a11 6= 0 podemos pivotear vectorialmente,
quedando el sistema equivalente
a11 [z1 ] + a12 [z2 ] = [w1 ]
e
a22 [z2 ] = [w1 ] + [w2 ]
Luego el sistema se transforma en el sistema numrico (en el cuerpo K)






x1
x2
c1
a11
+ a12
=
y1
y2
c2




x2
d1
e
a22
=
y2
d2
Sistema que finalmente corresponde a uno en K de la forma :
a11 x1 + a12 x2 = c1
a11 y1 + a12 y2 = c2
af
22 x2 = d1
af
22 y2 = d2
Ejemplo. Considere el polinomio p = x3 3x2 1 en el R espacio vectorial de los polinomios
de grado a lo ms 3. Determine si es posible escribir p como combinacin lineal de los
polinomios q1 = 2x3 2x + 1, q2 = x2 x, q3 = 2x + 1, q4 = x3 1. Vectorialmante
debemos resolver en V
p = a1 q1 + a2 q2 + a3 q3 + a4 q4

2.1. COORDENADAS Y BASES

43

Tomamos la base cannica de V , {1, x, x2 , x3 } y aplicando la funcin coordenada con esta

base obtenemos que
[p] = a1 [q1 ] + a2 [q2 ] + a3 [q3 ] + a4 [q4 ]
que es el sistema matricial en R4 dado por




1
1
0
1
1
0 2
1
2
0
= a1 + a2 + a3 + a4
3 0
1
0
0
1
2
0
0
1
lo que es equivalente,

1
0 1 1
2 1 2 0

0
1 0 0
2
0 0 1
Calculando la escalonada reducida se

1
0

0
0

a1
1
a2 0
=
a3 3
a4
1

obtiene la nica solucin del sistema

0 0 0 3/8
1 0 0 3

0 1 0 9/8
0 0 1 1/4

Por lo tanto, p = (3/8)q1 + (3)q2 + (9/8)q3 + (1/4)q4 .

Ejercicios.
1. Determine las coordenadas de v = (1, 2, 3) R3 con respecto a la base B dada por
B = {(1, 2, 1), (3, 2, 1)}, (1, 1, 1).
2. En R2 calcule las coordenadas de v = (4, 3) en la base B = {w1 , w2 } con w1 =
(1, 2), w2 = (2, 1)
3. Considere a, b, c nmeros reales y W el subconjunto de R4 definido por
W = {(x1 , x2 , x3 , x4 ) : x4 = ax1 + bx2 + cx3 }
Determine una base para W . y calcule las coordenadas del vector v = (1, 0, 0, a)
en esta base.
4. Sea subespacio W el subespacio de R4 definido por W = {(x, y, z, t) : xy2z+t =
0} . Determine una base para W . Calcule las coordenadas del vector v = (1, 1, 1, 2)
en la base encontrada.
5. Sea V un espacio vectorial de dimensin 3 con base B y w1 , w2 , w3 tres vectores de
V con coordenadas



1
0
1
[w1 ]B = 2 , [w2 ]B = 2 , [w3 ]B = 1
3
1
3

44

2. BASES Y COORDENADAS

Considere el sistema vectorial en V dado por

v1 + v2 + v3 + v4 = w1
v1 v2 v3 + v4 = w2
v1 v2 + v3 v4 = w3
Determine las coordenadas con respecto a la base B de todas las soluciones
v1 , v2 , v3 , v4 del sistema.
6. Sea P3 el R espacio vectorial de los polinomios con coeficientes reales de grado a
lo ms n. Sea qi = (t 1)i + 1 , i = 0, 1, 2, 3.
a) Demuestre que {q0 , . . . , q3 } es una base para P3 .
b) Determine las coordenadas del vector p = t2 2t + 3 en esta base.
7. Sea P2 el R espacio vectorial de los polinomios con coeficientes reales de grado a
lo ms 4. Calcule las coordenadas del polinomio q = 1 2t + 4t2 con respecto a la
base dada por los polinomios p1 = 1 + t,p2 = 1 + t + t2 , p3 = 1 t.
8. Considere V = M2 (R) el R espacio vectorial de las matrces de 2 2 y U el
subespacio de V definido por U = {A V : A = At } }. Considere la base B de V
dada por






3 3
A3 =
3 0


a b
Determine las coordenadas de la matriz B =
en la base B.
b c
A1 =

1
0

0
0

A2 =

0
0

0
2

9. Sea V un R espacio vectorial y B = {v1 , v2 , v3 , v4 v5 } una base para V . Considere

la otra base B = {w1 , w2 , w3 , w4 w5 } con
w1
w2
w3
w4
w5

=
=
=
=
=

a) Calcule [v]B si [v]B = 1

b) Calcule [v]B si [v]B = 1

v1
v1 + v2
v1 + v2 + v3
v1 + v2 + v3 + v4
v1 + v2 + v3 + v4 + v5
t
2 3 4 5 .
t
2 3 4 5 .

10. Considere los vectores {1t, 1t+2t4 , 2+3t3 +t5 , t2 3t5 , t+2} en P5 . Determine
mediante una matriz si estos vectores son l.i. o l.d..
11. Sea N = {1, 2, 3, 4, 5} y F(N, R) el espacio vectorial de las funciones a valores
reales con dominio en N .
Determine la clase de dependencia lineal que existe entre las funciones
f1 , f2 , f3 , f4 , f5 F(N, R) donde fi (k) = ik , k = 1, 2, 3, 4, 5.

2.1. COORDENADAS Y BASES

45

12. Sea N = {1, 2, 3, 4, 5} y F(N, R) el espacio vectorial de las funciones a valores

reales con dominio en N . Determine la clase de dependencia lineal que existe entre
las funciones f1 , f2 , f3 , f4 , f5 F(N, R) donde fi (k) = 2k + i , k = 1, 2, 3, 4, 5.
13. Sea V un R espacio vectorial con base B = {v1 , v2 , v3 , v4 } y considere el espacio
vectorial V = L(V, R) de las funciones g con la propiedad de que g(u + w) =
g(u) + g(w) para todo , K y u, w V .
a) Demuestre que el conjunto de funciones B = {f1 , f2 , f3 , f4 } definido por
(
1 si k 6= i
fi (vk ) =
0 si k = i
es una base para V .


b) Pruebe que la la funcin h(v) = 1 1 1 1 [v]B esta en V .
c) Calcule las coordenadas de h en la base B .