Está en la página 1de 37

UNIVERSIDAD DE CONCEPCION

Facultad de Ciencias Fsicas y Matematicas



Departamento de Ingeniera Matematica

Algebra II. 525148


Espacios Vectoriales


Dpto. de Ingeniera Matematica 1. ALGEBRA II. 525148.

Cuerpos: Definicion
Sea K un conjunto dotado de dos operaciones binarias internas: una operacion


adicion
+ : K K K,
Multiplicacion
y una operacion

: K K K.

Se dice que (K, +, ) es un cuerpo si para todo x, y , z K:


1) x + (y + z) = (x + y) + z (+ es asociativa)

2) x+y =y+x (+ es conmutativa)

3) 0K:x+0= x (hay un neutro 0 para +)

4) x K : x + (x) = 0 (x tiene un inverso aditivo x)


Dpto. de Ingeniera Matematica 2. ALGEBRA II. 525148.

Cuerpos (continuacion)
5) x (y z) = (x y) z ( es asociativo)

6) 1K:x1=1x=x (1 es elemento unidad de K)

7) Si x 6= 0, x1 K : x x1 = x1 x = 1 x tiene un inverso
multiplicativo

8) x (y + z) = x y + x z y
(x + y) z = x z + y z (distributividades de c/r a +)

es conmutativa se dice que (K, +, ) es un cuerpo


la multiplicacion
Si ademas
conmutativo.

y la multiplicacion
Con la adicion habituales, los conjuntos Q, R y C son
cuerpos conmutativos.


Dpto. de Ingeniera Matematica 3. ALGEBRA II. 525148.

Espacios Vectoriales: Definicion
Sean K un cuerpo y V un conjunto sobre el cual estan
definidas las operaciones:

Adicion
(binaria interna) + : V V V , (x, y) x + y
Multiplicacion
por escalar (binaria externa) : K V V , (, x) x

La estructura (V, +, ) es un espacio vectorial sobre K, o K-espacio vectorial, si


para todo x, y , z V y todo a, K:
1) x + (y + z) = (x + y) + z (+ es asociativa)

2) x+y =y+x (+ es conmutativa)

3) V :x+ =x ( es el vector nulo de V )

4) x V : x + (x) = (x es opuesto de x)

5) ( x) = ( ) x ( es asociativo)

6) (x + y) = x + y (distributividad de c/r a + de V )

7) ( + ) x = x + x (distributividad de c/r a + de K)

8) Para la unidad 1 de K : 1x=x


Dpto. de Ingeniera Matematica 4. ALGEBRA II. 525148.
Espacios Vectoriales: Observaciones.
1. Los elementos de V se llaman vectores.

2. Los elementos de K se llaman escalares.

3. Todo espacio vectorial V es no vaco. ( V ).


4. V := {} es el espacio vectorial trivial.
5. Un espacio vectorial real es un espacio donde K = R.
6. Un espacio vectorial complejo es un espacio donde K = C.

Convenio.

se indique que V es un espacio vectorial, sin mencionar


En adelante, cuando solo
el cuerpo de escalares, se entendera que K es cualquier cuerpo.


Dpto. de Ingeniera Matematica 5. ALGEBRA II. 525148.
Espacios Vectoriales: Propiedades.

Definicion. Para x, y V se definen la diferencia y la igualdad por:
x y := x + (y), x = y x y = .


Ley de Cancelacion.

Sean x, y, z V tales que x + y = x + z. Entonces y = z.

Teorema.

En todo espacio vectorial V , sobre un cuerpo K, se verifican:

1) el vector nulo , elemento neutro para la suma, es unico;


2) para cada x V : el opuesto de x (el vector x ) es unico;


3) cualquiera sea K: = ;
4) cualquiera sea xV : 0 x = ;
5) cualquiera sean K y xV : () x = ( x);
6) para K y xV : x= ( = 0 x = ).


Dpto. de Ingeniera Matematica 6. ALGEBRA II. 525148.

Soluciones de un Sistema Homogeneo.
Sean K un cuerpo, m, n IN y A := (aij ) Mmn (K). Se definen:
1) El conjunto V := { x = (x1 , ..., xn )t Kn : Ax = }.
de Adicion:
2) La operacion + : V V V , tal que

(x1 , ..., xn )t + (y1 , ..., yn )t := (x1 + y1 , ..., xn + yn )t ;

el producto por escalar:


3) La operacion : K V V , tal que

(x1 , ..., xn )t := ( x1 , ..., xn )t .

Entonces, (V, +, ) es un espacio vectorial sobre K.

En particular, ver casos con una matriz A, de 2 3 y con una matriz B , de 1 3.


Dpto. de Ingeniera Matematica 7. ALGEBRA II. 525148.
Espacios Vectoriales K y
K n = {(x1 , ...xn ) : x1 , ...xn R}
Si K es un cuerpo y n IN. , entonces K es espacio vectorial sobre s
mismo. Casos particulares: R es un espacio vectorial real y C es espacio
vectorial complejo.
Notar que R no es espacio vectorial sobre C y observar las diferencias en la
del producto por escalar para
definicion C como espacio complejo y real.
Kn es un espacio vectorial sobre K. Casos particulares:
2 R2 , R3 , Rn son espacios vectoriales sobre R;
2 C2 , C3 , Cn son espacios vectoriales sobre C;
2 Q2 es un espacio vectorial sobre Q.


Dpto. de Ingeniera Matematica 8. ALGEBRA II. 525148.
Espacios Vectoriales de Polinomioss.
Sean K un cuerpo y n IN . Se definen:
1) El conjunto:

Pn (K) := { p P(K) : x K, p(x) = a0 +a1 x+ +an xn , a0 , ...an K}

(conocida) de Adicion
2) La operacion de polinomios + : V V V

p, q V , p(x) = a0 +a1 x+ +an xn , q(x) = b0 +b1 x+ +bn xn

x K, (p + q)(x) := (a0 + b0 ) + (a1 + b1 ) x + + (an + bn ) xn .

3) La operacion (conocida) producto por escalar: : KV V

x K, K, p V, (p)(x) := (a0 )+(a1 ) x+ +(an ) xn .

Entonces (V, +, ) es un espacio vectorial sobre K. Ver caso particular, con


n = 2 y K = R. Es decir, el espacio vectorial real V := P2 (R).


Dpto. de Ingeniera Matematica 9. ALGEBRA II. 525148.
Espacios Vectoriales de Matrices.
Sean m, n IN y K un cuerpo. Se definen:
1) El conjunto:
Mmn (K),

(conocida) Adicion
2) La operacion de Matrices: + : V V V

A = (aij ), B = (bij ) V : (A + B) := (aij + bij ),

(conocida) Producto por escalar:


3) La operacion : KV V

K , A = (aij ) V : ( A) := ( aij ).

Entonces (V, +, ) es un espacio vectorial sobre K.

Ver caso particular con m = n = 2. Es decir, el espacio vectorial real


V := M2 (R).


Dpto. de Ingeniera Matematica 10 . ALGEBRA II. 525148.
Subespacios Vectoriales
Sea V un K-espacio vectorial y S V . Se dice que S es un subespacio
vectorial de V , si S es un espacio vectorial sobre K con las mismas operaciones
binarias definidas en V .

Por ejemplo, V y {} son subespacios de V , se dicen subespacios triviales de V .


X
Ademas, = {(x, y, z) : x + 2y + 3z = 0} R3 es un espacio vectorial
real. Luego, es un subespacio de R3 .

de subespacios
Caracterizacion

Sea V un K-espacio vectorial y S V . Entonces S es un subespacio de V si,


si :
y solo

i) S 6= , ( S )
ii) x, y S : x+y S (S es cerrado para la suma)

iii) K, x S : xS (S es cerrado para el producto)


Dpto. de Ingeniera Matematica 11 . ALGEBRA II. 525148.
Ejemplos.

1. El conjunto de las soluciones de un sistema lineal homogeneo
S = {x Ax = }, con A Mmn (K), es un subespacio vectorial de Kn .
2. Sean a, b y c tres numeros
reales. Entonces

U = {(x, y, z) R3 : ax + by + cz = 0}, plano.


Para ~r R3 , W = {~v R3 : ~v = t ~r, t R, }, recta.
son subespacios conocidos de R3 .

3. {A M22 (R) : A = At } es un subespacio de M22 (R)

4. {A M22 (R) : A = A t } es un subespacio de M22 (R).


5. {A M22 (C) : A = A t } es un subespacio de M22 (C).
6. Sea n IN, n 2. Entonces, Kn1 {0} es un subespacio de Kn .


Dpto. de Ingeniera Matematica 12 . ALGEBRA II. 525148.
y suma de Subespacios.
Interseccion
Sean V un espacio vectorial y U, W dos subespacios de V . Los siguientes
conjuntos:

U W := { v V : vU vW }
U + W := { v V : v = u + w, u U w W }
son subespacios vectoriales de V .

En particular, el subespacio suma U + W se dice que es suma directa cuando


U W = {}, se escribe U W .

Ejemplo . Para los siguientes subespacios de V = R3 :

L1 = {(2t, 3t, 4t) : t R}, L2 = {(t, 3t, 0) : t R}.

L1 + L2 = es suma directa, pues L1 L2 = {(0, 0, 0)}. Es decir,


L1 L2 = . Notar que = {(x, y, z) : 12x 4y 3z = 0}.


Dpto. de Ingeniera Matematica 13 . ALGEBRA II. 525148.
Observaciones.

Sea V un espacio vectorial y U, W dos subespacios de V . En general, U W


no es un subespacio vectorial de V .

Ejemplo. Considere las rectas que pasan por el origen:

U := { (x, y) R2 : y = 2x },
W := { (x, y) R2 : x = 2y },
y sean u= (1, 2) U y w = (2, 1) W . Se tiene que: u, w U W , sin
embargo, u + w = (3, 3)
/ U W.

Teorema. Sea V un espacio vectorial y U,


W dos subespacios de V .
U W es subespacio vectorial de V U W W U.


Dpto. de Ingeniera Matematica 14 . ALGEBRA II. 525148.
Ejemplos
Ejemplo.

1) . Si U y W son como en el ejemplo anterior, entonces

U + W = { (x, y) R2 : (x, y) = t(1, 2) + s(2, 1), s, t R, }

Notar que U + W = R2 .
2) . Sean

U = { p P3 (R) : p(0) = 0, p (0) = 0 }

W = { p P3 (R) : p(x) = p(x), x R } .


Entonces U W = {bx2 : b R}.


Dpto. de Ingeniera Matematica 15 . ALGEBRA II. 525148.

Ejemplos (continuacion)
de
3). Descomposicion Mn (R). Sean

t t
 
U = A Mn (R) : A = A y W = A Mn (R) : A = A .

Entonces: U W = {} y U + W = Mn (R), Es decir

U W = Mn (R).

de
4). Descomposicion U. Sean

D = { A = (aij ) Mn (R) : aij = 0 si i 6= j }


E = { A = (aij ) Mn (R) : aii = 0 aij = aji i 6= j} .

Entonces U = D + E = D E.


Dpto. de Ingeniera Matematica 16 . ALGEBRA II. 525148.
lineal.
Combinacion
Sean V un espacio vectorial sobre K y A = {x1 , x2 , . . . , xn } V . Un vector
x V es combinacion lineal (c.l.) de los vectores de A si existen escalares
1 , . . . , n K tales que:
n
X
x = 1 x1 + 2 x2 + + n xn = i xi
i=1

lineal de cualquier conjunto finito de


Por ejemplo, el vector nulo es combinacion
vectores de V .

= 1 x1 + 2 x2 + + n xn = 0 x1 + 0 x2 + + 0 xn = 0.


Dpto. de Ingeniera Matematica 17 . ALGEBRA II. 525148.
Ejemplos
1). Sea V = R2 y sean ~v , d~ V . Entonces ~v es c.l de d~ si y solo
si ~
v
pertenece a la recta:

L := { ~x V : ~ t R}
~x = t d,

2). Sea V = R3 y sean ~v , ~v1 , ~v2 V . Entonces ~v es c.l. de los vectores


~v1 , ~v2 si y solo
si ~
v pertenece al plano:

:= { ~x V : ~x = t ~v1 + s ~v2 , t, s R }

Nota. Si ~
v1 || ~v2 , entonces ~v1 es c.l. de ~v2 , y vice-versa y entonces es
una recta.


Dpto. de Ingeniera Matematica 18 . ALGEBRA II. 525148.

Ejemplos (continuacion)

3). Sea V = R3 y A = {u~1 , u~2 , u~3 } el conjunto de vectores tales que


u~1 = (1, 0, 1), u~2 = (1, 1, 0), u~3 = (0, 0, 1), y u~4 = (1, 2, 3).
Entonces :
5 1 1
~u = ( , 2, ) = u~1 2 u~2 + 0 u~3 + 0 u~4
2 2 2
y, de otra manera

7 1
u = 0 u~1 + u~2 + 0 u~3 + u~4 .
3 6
4). Sean V = P2 (R) y p1 (x) = (x 1)2 , p2 (x) = 12 x + 1, p3 (x) = 5.
Entonces:

2 2
x 2x + 3 = 1 p1 (x) + 0 p2 (x) + p3 (x).
5
Muestre que esta c.l es unica.


Dpto. de Ingeniera Matematica 19 . ALGEBRA II. 525148.

Ejemplos (continuacion)
5). Sean V = M(R) y los vectores

1 0 0 4 0 14
A1 = , A2 = , A3 =
0 2 8 0 21 0

Entonces la matriz
2 10
A=
20 4

se puede expresar como c.l. de A1 , A2 y A3 de infinitas maneras.


Dpto. de Ingeniera Matematica 20 . ALGEBRA II. 525148.
Subespacio generado.
Sean V un espacio vectorial sobre K y A = {v1 , v2 , . . . , vr } V . El conjunto
de todas las combinaciones lineales de estos r vectores de A:
( r
)
X
S= vV : v= i vi , i K, para cadai = 1, . . . , r
i=1

es un subespacio vectorial de V llamado Espacio generado por A.

Se dice que A es un conjunto de generadores de S y se escribe

S = hAi = h{v1 , v2 , . . . , vr }i.

Por ejemplo, la recta L1 = {(2t, 3t, 4t) : t R} es tal que:

L1 = {(2t, 3t, 4t) : t R} = {(2, 3, 4)t : t R} =< {(2, 3, 4)} > .

es el subespacio generado por A = {(2, 3, 4)}.


Se comviene que hi = {}.


Dpto. de Ingeniera Matematica 21 . ALGEBRA II. 525148.
Ejemplos
1. Sean V = R3 y los vectores v~1 = [0, 1, 2], v~2 = [1, 3, 1] y
v~3 = [2, 11
2 , 3]. Entonces, S = h {v~1 , v~2 , v~3 } i es un plano que pasa por
el origen.

2. Sea V = M22 (R) y los vectores:



1 0 0 1 0 0
E1 = , E2 = E3 = .
0 0 1 0 0 1

Entonces, S = h{E1 , E2 , E3 }i = {A V : A = At }.
3. Sea V = P3 (R) y los vectores (monomios) p1 (x) = x y p2 (x) = x3 .
Entonces:

S = h{p1 , p2 }i = {p V : p(x) = p(x) }.


Dpto. de Ingeniera Matematica 22 . ALGEBRA II. 525148.
Independencia lineal.
Sean V un espacio vectorial sobre K y A = {v1 , v2 , . . . , vr } V . Se dice que
A es un conjunto linealmente dependiente (l.d.) si existen escalares
1 , 2 , . . . , r K, no todos iguales a cero, tales que:

1 v1 + + r vr = .

Si A no es l.d., se dice que es linealmente independiente (l.i). Es decir, A es l.i.


si no existen escalares no nulos 1 , 2 , . . . , r
si,y solo K,tales que

1 v1 + + r vr = .

Lo que equivalente a decir que la unica


solucin de
1 v1 + + r vr = es 1 = 2 = . . . = r = 0.

Ejemplo. A = {(1, 2), (0, 3)} es l.i. y B = {(1, 2), (0, 3), (4, 6)} es l.d. en
R2 .


Dpto. de Ingeniera Matematica 23 . ALGEBRA II. 525148.
Observaciones.

1. Si A es un conjunto l.i. en V , entonces todo subconjunto de A es l.i.

2. Si A es l.d. en V , entonces todo conjunto que contenga a A es l.d.

3. Si A, entonces A es l.d. en V .
4. {} es l.d.
5. Si A = { x } con x 6= , entonces A es l.i.


Dpto. de Ingeniera Matematica 24 . ALGEBRA II. 525148.
Ejemplos.
1) Sean V = R3 y considere los siguientes subconjuntos de V :

A1 = { (1, 0, 0), (0, 1, 0), (0, 0, 1) }


A2 = { (0, 0, 1), (0, 1, 1), (1, 1, 1) }
A3 = { (1, 1, 0), (0, 1, 1), (1, 0, 1) }

Se tiene que: A1 y A2 son l.i. y que A3 es l.d. en V .


2) Sean V = P2 (R) y los siguientes subconjuntos de V :

A1 = { 3x2 2x, x2 + 1, 3x + 2, x2 1 }
A2 = { 3x2 2x, x2 + 1, 3x + 2 }
A3 = { 1, x, x2 }

A1 es l.d. mientras que A2 y A3 son l.i. en V .


Dpto. de Ingeniera Matematica 25 . ALGEBRA II. 525148.
Dependencia Lineal.

Lema.

Sea V un espacio vectorial. Si {v1 , v2 , ...., vm } es linealmente dependiente en


V y v1 6= , entonces existe j {2, 3, ..., m} tal que

a) vj h{v1 , v2 , ..., vj1 , vj+1 , ..., vm }i

b) h{v1 , ...., vj1 , vj+1 , ...vm }i = h{v1 , v2 , ...., vm }i


Por el lema, si A es l.d. entonces existe al menos un vector de A que es c.l. de los
otros.


Dpto. de Ingeniera Matematica 26 . ALGEBRA II. 525148.
Teorema.
Sean V un espacio vectorial y A un subconjunto finito de V . Las siguientes
proposiciones son equivalentes:

a) A es l.i.
b) Toda c.l. de los vectores de A, cuyo resultado sea el vector nulo, es la trivial,
es decir con todos los escalares iguales a cero.

vector de A es c.l. de los demas.


c) Ningun

d) Cada vector de < A > se escribe de forma unica


como c.l. de A.

Corolario. Son equivalentes:


a) A es l.d.
Existe una c.l. de los vectores de A con escalares no todos nulos, cuyo
b)
resultado es el vector nulo.

vector de A es c.l. de los restantes.


c ) Algun

d) Todos los vectores de < A > se escriben de varias formas como c.l. de A.


Dpto. de Ingeniera Matematica 27 . ALGEBRA II. 525148.
Espacio finito dimensional.
Se dice que un espacio vectorial es finito dimensional, o de
Definicion.
finita, si posee un conjunto de generadores de cardinalidad finita.
dimension

Por ejemplo, los conjuntos A y B del ejemplo 11 generan el espacio V = R2 ,


luego V tiene dimension
finita.

Teorema. En un espacio finito dimensional, la cardinalidad de todo conjunto


linealmente independiente (l.i.) es menor o igual a la cardinalidad de cualquier
conjunto de generadores.

Teorema. Todo subespacio de un espacio finito dimensional es finito dimensional.


Dpto. de Ingeniera Matematica 28 . ALGEBRA II. 525148.
Base de un Espacio Vectorial.
Sea V un espacio vectorial. Un subconjunto de vectores de V ,
Definicion.
digamos B = {v1 , v2 , ..., vn }, es una base de V si:
(i) B es l.i. y (ii) hBi = V

Ejemplo. Mostrar bases canonicas de Rn , Pn (R) y Mmn (R). Ademas,
dar
otras bases para R3 , P3 (R) y M22 (R).

Teorema. Sea V un espacio vectorial sobre K. Un conjunto ordenado


{v1 , v2 , ..., vn } de vectores de V es una base para V si, y solo
si, cada vector v
de V puede ser escrito de manera unica como c.l. de los vectores v1 , v2 , ..., vn .

La escritura unica
de v significa que existen escalares 1 , . . . , n K,
determinados de manera unica
y tales que:

v = 1 v1 + 2 v2 + + n vn .


Dpto. de Ingeniera Matematica 29 . ALGEBRA II. 525148.
Espacios Vectoriales
Los escalares 1 , ..., n K que permiten escribir de manera unica
a cada
v V como c.l. de los vectores de B , esto es, v = 1 v1 + + n vn ,
se llaman coordenadas del vector v respecto de la base B. El vector de Kn :

1

..
[v]B := .

n

se llama vector de coordenadas, o vector coordenado, de v respecto de la base


B.
va la base B :
Se tiene la identificacion,

vV [v]B = [1 , . . . , n ]t Kn .


Dpto. de Ingeniera Matematica 30 . ALGEBRA II. 525148.
Ejemplo.
Para R2 , B= {(1, 2), (3, 4)} es una base de R2 y Bc = {(1, 0), (0, 1)} la

base canonica. Entonces, el vector u = (x, y) se puede escribir de manera unica

como c.l. de los vectores de estas bases y sus coordenadas en estas bases son.

x 2x + 32 y
[(x, y)]Bc := , [(x, y)]B := .
y x 12 y

En particular,

7 2
[(7, 8)]Bc := , [(7, 8)]B := .
8 3

Teorema. Dos bases cualesquiera de un mismo espacio vectorial tienen la misma


cardinalidad.


Dpto. de Ingeniera Matematica 31 . ALGEBRA II. 525148.
Espacios Vectoriales
Teorema. Todo conjunto de generadores de un espacio vectorial puede reducirse a
una base del espacio.

Corolario. Todo espacio finito dimensional posee base.

Teorema de Steinitz. Todo conjunto l.i. en un espacio vectorial V , finito


dimensional, puede extenderse a una base de V.

de un espacio vectorial
Dimension

de un espacio vectorial V a la cardinalidad de una base de


Se llama dimension
V. Este numero
se representa por dim V . Se conviene en que dim {} = 0.

Por ejemplo, tenemos que dim(Rn ) = n, dim(Pn (R)) = n + 1 y


dim(Mmn (R)) = mn.


Dpto. de Ingeniera Matematica 32 . ALGEBRA II. 525148.
Espacios Vectoriales

Teorema. En un espacio vectorial V de dimension


n, todo subconjunto l.i. de
cardinalidad n es una base de V .

Observaciones. Sea V un espacio vectorial de dimension


n. Entonces:

1. todo subconjunto de cardinalidad mayor que n es l.d.

2. Si W es subespacio de V , entonces dim W n.


3. Si W es subespacio de V y dim W = n, entonces V = W .
4. Todo conjunto que genera V tiene n o mas
elementos.


Dpto. de Ingeniera Matematica 33 . ALGEBRA II. 525148.
Teorema de Grassmann
Sea V un espacio vectorial de dimension
finita y sean U , W subespacios de V .
Entonces:

dim (U + W ) = dim (U ) + dim (W ) dim (U W ).

Si U W = {}, entonces dim (U + W ) = dim (U ) + dim (W ).

Ejemplo . Consideremos las rectas L1 Y L2 dadas anteriormente, vimos que


L1 L2 ) = {(0, 0, 0)} y dim(L1 ) = dim(L2 ) = 1.
L1 + L2 = . Ademas,
Luego, se verifica que

dim() = dim(L1 ) + dim(L2 ) dim(L1 L2 ) = 1 + 1 0 = 2.

2.
Lo que sabamos, pues el plano tiene dimension


Dpto. de Ingeniera Matematica 34 . ALGEBRA II. 525148.
Ejemplo.
Consideremos los planos

1 = {(x, y, z) : x + 2y + 3z = 0}, 2 = {(x, y, z) : 4x + 5y + 6z = 0}.

se tiene que dim(1 ) = dim(2 ) = 2 y dim(1 2 ) = dim(L) = 1.


Luego, por el teorema de Grassmann tenemos que

dim(1 + 2 ) = dim(1 ) + dim(2 ) dim(1 2 ).

Es decir, dim(1 + 2 ) = 2 + 2 1 = 3. En consecuencia, 1 + 2 = R3 .


Dpto. de Ingeniera Matematica 35 . ALGEBRA II. 525148.
Espacios Vectoriales
Teorema . Sea V un espacio vectorial de dimension
finita y sean U1 , U2 , . . . Un
subespacios de V, tales que:

V = U1 + + Un
dim (V ) = dim (U1 ) + + dim (Un )

Entonces V = U1 U2 Un .

En ejemplo 15, como L1


+ L2 = y dim(L1 + L2 ) = 2, aplicando el teorema
se deduce que = L1 L2 .

Teorema. Sea V un espacio vectorial de dimension


finita y sea U un subespacio
de V . Entonces existe un subespacio W de V tal que

V = U W.


Dpto. de Ingeniera Matematica 36 . ALGEBRA II. 525148.
Ejemplo.

Consideremos el subespacio U = L1 = {(2t, 3t, 4t) : t R} de V = R3 . Por


el teorema existe el subespacio W , en este caso

W = {(x, y, z) : 2x + 3y + 4z = 0} = ,

tal que U W = L1 = R3 .
Notar que con producto interior definido en R3 , W es ortogonal con U .

Octubre de 2013.

ACQ/JA/MSS/AG/ acq.


Dpto. de Ingeniera Matematica 37 . ALGEBRA II. 525148.