5 Espacios-Vectoriales PDF

OBJETIVO
Resolver problemas relacionados con los espacios vectoriales reales o complejos, interpretándolos como una
estructura algebraica, utilizando matrices, determinantes, rango e inversa y sistemas de ecuaciones lineales, en
situaciones reales, propias de la ingeniería.
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 sección se generalizará el concepto de vector. Se enunciará un conjunto de axiomas que, si una clase
de objetos hace que se cumplan, permitirá denominar vectores a esos objetos. Los axiomas se elegirán abstra-
yendo las propiedades más importantes de los vectores en n. El trabajo desarrollado en esta sección es muy
útil, ya que proporciona una herramienta poderosa para extender la representación geométrica a una amplia
variedad de problemas matemáticos importantes en los que de otra forma no se contaría con la intuición geo-
métrica.
La resolución de los problemas de cualquier género 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 más diver-
sos métodos. Por ejemplo, partiendo de la propiedad característica que poseen los
elementos o bien partiendo de las propiedades de las operaciones, si están defini-
das para los elementos.
El último método parece ser de atracción especial debido a su generalidad. Efec-

tivamente, ya hemos visto repetidamente que en los más diversos conjuntos pue-
den introducirse las más diversas operaciones que, no obstante, poseen propieda-
des iguales. Será evidente por esta razón que si en la investigación de los conjun-
tos se obtiene cierto resultado sólo en la base de las propiedades de una opera-
ción, este resultado tendrá 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.
186 ESPACIOS VECTORIALES
Se conoce que en realidad detrás de los vectores están los objetos físicos bien
reales. Por esto, la investigación detallada de la estructura de los conjuntos repre-
senta interés por lo menos para la física. Hay una tentación, originada por la sen-
cillez de los conjuntos citados, que conduce al deseo de estudiarlos apoyándose
sólo en las peculiaridades concretas de los elementos. Sin embargo, no podemos
sino observar el hecho de que dichos conjuntos tienen mucho en común, razón
por la cual parece racional comenzar su estudio partiendo de ciertas posiciones
generales, abrigando esperanza, por lo menos, que tendremos éxito en evitar repe-
ticiones fastidiosas y monótonas al pasar de la investigación de un conjunto a la
del otro.
No se desarrollaran las diferentes propiedades de los cuerpos abstractos y no

trataremos de cuerpo específico alguno que no sea de los números racionales,
reales y complejos. Es conveniente y cómodo, por el momento, no especificar la
naturaleza exacta del cuerpo de escalares, porque gran parte de los espacios vec-
toriales es válida para cuerpos arbitrarios. El estudiante que no conoce los cuerpos
abstractos no estará 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 adición y sustracción, multiplicación y división, en la
forma usual. Más adelante tendremos que restringir a K al cuerpo de los números
reales o al cuerpo de los números complejos, para obtener ciertos resultados clási-
cos; pero se pospondrá ese momento tanto como podamos. En general, usaremos
letras minúsculas del alfabeto latino para denotar a los vectores. Una excepción es
el vector nulo que se denotará por .
DEFINICION 5.1.1
Sea V un conjunto cualesquiera no vacío de elementos sobre el que están
definidas dos operaciones: la adición y la multiplicación por escalares.
Por adición 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 multiplicación
escalar se entiende una regla que asocia a cada escalar  y cada elemento
u en V un elemento u, denominado múltiplo escalar de u por . Si los
elementos u, v, w en V y los escalares  y  satisfacen los axiomas si-
guientes, entonces V se denomina espacio vectorial, y sus elementos se
denominan vectores:
1.- Si u, v están en V, entonces u + v está en V.
2.- Si u, v están en V, entonces u + v = v + u.
3.- Si u, v, w están en V, entonces u + (v + w) = (u + v) + w.
4.- Existe un único elemento  en V, denominado vector cero de V, tal
que se cumple que  + u = u +  = 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 = .
6.- Si  es cualquier escalar y u es cualquier elemento en V, entonces
u está en V.
7.- Si u, v están en V y  es un escalar, entonces (u + v) = u + v.
8.- Si u está en V y ,  son escalares, entonces ( + )u = u + u.
9.- Si u está en V y ,  son escalares, entonces (u) = ()u.
10.- Si u está en V y 1 es un escalar, 1u = u.
Los elementos de cualquier espacio vectorial los llamaremos vectores, a pesar de

que según su naturaleza concreta dichos elementos pueden ser bien distintos de
los segmentos dirigidos. Las representaciones geométricas, relacionadas con el
nombre de vectores, nos ayudaran en aclarar y, con frecuencia, en prever los
resultados necesarios, como también en buscar la interpretación geométrica de
diferentes hechos la cual no siempre resulta obvia. Cualquier tipo de objeto pue-
JOE GARCIA ARCOS

ESPACIOS VECTORIALES 187
de ser un vector, y es posible que las operaciones de adición y multiplicación

escalar no guarden ninguna relación o semejanza con las operaciones vectoriales
usuales sobre Rn. El único requisito es que se cumplan los axiomas de la defini-
ción de espacio vectorial.
A continuación damos a conocer algunas propiedades que provienen de la exis-

tencia de las operaciones de adición y multiplicación por un número. 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 = .
2.- a = .
3.- (-1)u = -u.
4.- Si au = , entonces a = 0 o u = .
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 última expresión se obtiene
(0u + 0u) + (-0u) = 0u + (-0u)
o
0u + (0u + (-0u)) = 0u + (-0u)
0u +  = 
0u = 
2.- Ya que a(v + ) = av + a, entonces a = .
3.- Para probar (-1)u = -u, es necesario demostrar que u + (-1)u = . Para ver
esto, obsérvese que
u + (-1)u = 1u + (-1)u = (1 + (-1))u = 0u = .
4.- Efectivamente, si la igualdad au =  se realiza, puede haber una de las dos
posibilidades: o bien a = 0 o bien a  0. El caso a = 0 confirma la afirmación. Sea
ahora, a  0. En este caso
1  1 1
u  1 u    a  u  (au )    = . 
 a  a a
De esta forma, desde el punto de vista de las operaciones de multiplicación, adi-

ción y sustracción tienen lugar formalmente todas las reglas de transformaciones
equivalentes para las expresiones algebraicas.
En algunas aplicaciones, es necesario alterar la definición de espacio vectorial

para que los escalares sean números complejos. Entonces se habla de un espacio
vectorial complejo. En gran medida, la teoría de los espacios vectoriales reales es
igual que la teoría de los espacios vectoriales complejos. En consecuencia, a lo
largo del capítulo, se puede reemplazar la expresión espacio vectorial por espacio
vectorial complejo.
EJEMPLO 5.1.1
Considérese las funciones f :   . Dentro del conjunto de todas estas funciones
está el subconjunto que consiste en todas las funciones f derivables dos veces que
satisfacen a la ecuación diferencial f ´´ + f = 0, donde cada signo de prima indica
derivación. Por supuesto, f ´´ es nuevamente una función de  en . Podemos
afirmar que el subconjunto () formado por todas las funciones f que satisfacen la
ecuación diferencial, es un espacio vectorial sobre , donde utilizamos las mismas
operaciones de suma y producto por escalares en este subconjunto que en ().
JOE GARCIA ARCOS
SOLUCION
Verifíquense los axiomas (1) y (6). Para hacerlo con (1), hemos de demostrar que si
las funciones f y g satisfacen ambas la ecuación diferencial, entonces también la
satisfará f + g. Pero esto es trivial, puesto que de f ´´ + f = 0 y g´´ + g = 0 obtenemos
fácilmente (f + g)´´ + (f + g) = 0. De forma análoga, si  es un número real, entonces
de f ´´ + f = 0 se halla que (f)´´ + (f) = 0. Por tanto, también es satisfecho el
axioma (6). Los otros axiomas automáticamente se cumplen. 
EJEMPLO 5.1.2
Determine cuáles 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)  P / p(t) = a2t2 + a3t3 + ... + antn, donde a2, a3, ..., an  }.
A continuación comprobamos los 10 axiomas de la definición de espacio vectorial:
1.- Si p1, p2 están en S, entonces p1 + p2 están en S. Es decir:
(p1 + p2)(t) = p1(t) + p2(t) = (a2t2 + a3t3 + ... + antn) + (b2t2 + b3t3 + ... + bntn)
= (a2 + b2)t2 + (a3 + b3)t3 + … + (an + bn)tn = c2t2 + c3t3 + … + cntn  S.
2.- Si p1, p2 están en S, entonces p1 + p2 = p2 + p1. Es decir:
(p1 + p2)(t) = p1(t) + p2(t)
= (a2t2 + a3t3 + ... + antn) + (b2t2 + b3t3 + ... + bntn)
= (a2 + b2)t2 + (a3 + b3)t3 + … + (an + bn)tn
= (b2 + a2)t2 + (b3 + a3)t3 + … + (bn + an)tn
= p2(t) + p1(t)
= (p2 + p1)(t).
3.- Si p1, p2, p3 están en S, entonces p1 + (p2 + p3) = (p1 + p2) + p3. Es decir:
[p1 + (p2 + p3)](t) = p1(t) + [p2(t) + p3(t)]
= (a2t2 + a3t3 + ... + antn) + [(b2 + c2)t2 + … + (bn + cn)tn]
= (a2 + b2 + c2)t2 + (a3 + b3 + c3)t3 + … + (an + bn + cn)tn]
= [(a2 + b2) + c2]t2 + [(a3 + b3) + c3]t3 + … + [(an + bn) + cn]tn
= [(a2 + b2)t2 + (a2 + b2)t2 + … + (an + bn)tn] + (c2t2 + c3t3 + ... + cntn)
= [p1(t) + p2(t)] + p3(t) = [(p1 + p2) + p3](t).
4.- Existe un único elemento p en S, denominado vector cero de S, tal que se
cumple que p + p = p + p = p para todo p en S. Es decir:
(p + p)(t) = p(t) + p(t)
= (0t2 + 0t3 + ... + 0tn) + (a2t2 + a3t3 + ... + antn)
= (0 + a2)t2 + (0 + a3)t3 + … + (0 + an)tn
= a2t2 + a3t3 + ... + antn = 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 = p. Es decir:
[p + (-p)](t) = p(t) + [-p(t)]
= (a2t2 + a3t3 + ... + antn) + (- a2t2 - a3t3 - ... - antn)
= (a2 - a2)t2 + (a3 – a3)t3 + … + (an - an)tn
= 0t2 + 0t3 + … + 0tn = p(t).
6.- Si  es cualquier escalar y p es cualquier elemento en S, entonces p está en
S. Es decir:
(p)(t) = p(t)
= (a2t2 + a3t3 + ... + antn)
= (a2)t2 + (a3)t3 + ... + (an)tn
= b2t2 + b3t3 + ... + bntn  S.
7.- Si p1, p2 están en S y  es un escalar, entonces (p1 + p2) = p1 + p2. Es
decir:
[(p1 + p2)](t) = [p1(t) + p2(t)]
= [(a2 + b2)t2 + (a3 + b3)t3 + … + (an + bn)tn]
JOE GARCIA ARCOS
= (a2 + b2)t2 + (a3 + b3)t3 + … + (an + bn)tn

= (a2t2 + a3t3 + ... + antn) + (b2t2 + b3t3 + ... + bntn)
= (a2t2 + a3t3 + ... + antn) + (b2t2 + b3t3 + ... + bntn)
= p1(t) + p2(t).
8.- Si p está en S y ,  son escalares, entonces ( + )p = p + p. Es decir:
[( + )p](t) = ( + )p(t)
= ( + )(a2t2 + a3t3 + ... + antn)
= ( + )a2t2 + ( + )a3t3 + ... + ( + )antn
= (a2t2 + a3t3 + ... + antn) + (a2t2 + a3t3 + ... + antn)
= (a2t2 + a3t3 + ... + antn) + (a2t2 + a3t3 + ... + antn)
= p(t) + p(t).
9.- Si p está en S y ,  son escalares, entonces (p) = ()p. Es decir:
[(p)](t) = [p(t)]
= (a2t2 + a3t3 + ... + antn)
= a2t2 + a3t3 + ... + antn
= (a2t2 + a3t3 + ... + antn) = ()p(t).
10.- Si p está en S y 1 es un escalar, 1p = p. Es decir:
(1p)(t) = 1p(t)
= 1(a2t2 + a3t3 + ... + antn)
= 1a2t2 + 1a3t3 + ... + 1antn
= a2t2 + a3t3 + ... + antn = p(t).
Como se prueban todos los axiomas, entonces S es un espacio vectorial.
b.- En este caso tenemos que S = {p  n / p(t) = (t – 2)q(t), q(t)  n-1}. A
continuación comprobamos los 10 axiomas de la definición de espacio vectorial:
1.- Si p1, p2 están en S, entonces p1 + p2 están en S. Es decir:
p1(t) + p2(t) = (t – 2)q1(t) + (t – 2)q2(t) = (t – 2)(q1(t) + q2(t)) = (t – 2)h(t)  S.
2.- Si p1, p2 están en S, entonces p1 + p2 = p2 + p1. Es decir:
p1(t) + p2(t) = (t – 2)q1(t) + (t – 2)q2(t) = (t – 2)[q1(t) + q2(t)]
= (t – 2) )[q2(t) + q1(t)] = (t – 2)q2(t) + (t – 2)q1(t) = p2(t) + p1(t).
3.- Si p1, p2, p3 están en S, entonces p1 + (p2 + p3) = (p1 + p2) + p3. Es decir:
p1(t) + [p2(t) + p3(t)] = (t – 2)q1(t) + [(t – 2)q2(t) + (t – 2)q3(t)]
= (t – 2)q1(t) + (t – 2)q2(t) + (t – 2)q3(t)
= [(t – 2)q1(t) + (t – 2)q2(t)] + (t – 2)q3(t)
= [p1(t) + p2(t)] + p3(t).
4.- Existe un único elemento p en S, denominado vector cero de S, tal que se
cumple que p + p = p + p = p para todo p en S. Es decir:
p(t) + p(t) = p(t) + (t – 2)q(t) = (t – 2)q(t) + 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 = 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)p(t) = p(t).
6.- Si  es cualquier escalar y p es cualquier elemento en S, entonces p está en
S. Es decir:
p(t) = [(t – 2)q(t)] = (t – 2)q(t) = (t – 2)h(t)  S.
7.- Si p1, p2 están en S y  es un escalar, entonces (p1 + p2) = p1 + p2. Es
decir:
[p1(t) + p2(t)] = [(t – 2)q1(t) + (t – 2)q2(t)]
= (t – 2)q1(t) + (t – 2)q2(t)
= p1(t) + p2(t).
8.- Si p está en S y ,  son escalares, entonces ( + )p = p + p. Es decir:
( + )p(t) = ( + )[(t – 2)q(t)] = (t – 2)q(t) + (t – 2)q(t) = p(t) + p(t).
9.- Si p está en S y ,  son escalares, entonces (p) = ()p. Es decir:
JOE GARCIA ARCOS
[p(t)] = [(t – 2)q(t)] = (t – 2)q(t) = ()(t – 2)q(t) = ()p(t).

10.- Si p está en S y 1 es un escalar, 1p = p. Es decir:
1p(t) = 1(t – 2)q(t) = (t – 2)q(t) = p(t).
Como se prueban todos los axiomas, entonces S es un espacio vectorial. 
EJEMPLO 5.1.3
a.- Todas las f en C2[0; 1] tales que f ´´(x) = x2f(x);
b.- Todas las f en C(-1; 1), tales que f es monótona y estrictamente creciente.
SOLUCION
a.- En este caso tenemos que S = {f  F / f ´´(x) = x2f(x)}. A continuación
comprobamos los 10 axiomas de la definición de espacio vectorial:
1.- Si f1, f2 están en S, entonces f1 + f2 están en S. Es decir:
(f1 + f2)´´(x) = f1´´(x) + f2´´(x) = x2f1(x) + x2f2(x) = x2[f1 + f2](x) = x2g(x)  S.
2.- Si f1, f2 están en S, entonces f1 + f2 = f2 + f1. Es decir:
(f1 + f2)´´(x) = f1´´(x) + f2´´(x) = x2f1(x) + x2f2(x) = x2[f1 + f2](x) = x2[f2 + f1](x)
= x2f2(x) + x2f1(x) = (f2 + f1)´´(x).
3.- Si f1, f2, f3 están en S, entonces f1 + (f2 + f3) = (f1 + f2) + f3. Es decir:
[f1 + (f2 + f3)]´´(x) = f1´´(x) + (f2 + f3)´´(x) = x2f1(x) + x2(f2 + f3)(x)
= x2f1(x) + x2f2(x) + x2f3(x) = x2(f1 + f2)(x) + x2f3(x)
= (f1 + f2)´´(x) + f3´´(x) = [(f1 + f2) + f3]´´(x).
4.- Existe un único elemento f en S, denominado función cero de F, tal que se
cumple que f + f = f + f = f para toda f en S. Es decir:
[f + f]´´(x) = f ´´(x) + f ´´(x) =  + x2f(x) = x2f(x) +  = x2f(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 = f. Es decir:
[f + (-f)]´´(x) = f ´´(x) – f ´´(x) = x2f(x) - x2f(x) = x2(f – f)(x) = x2f(x) = f ´´(x).
6.- Si  es cualquier escalar y f es cualquier elemento en S, entonces f está en
S. Es decir:
(f)´´(x) = f ´´(x) = [x2f(x)] = x2[f(x)] = x2g(x)  S.
7.- Si f1, f2 están en S y  es un escalar, entonces (f1 + f2) = f1 + f2. Es decir:
(f1 + f2)´´(x) = f1´´(x) + f2´´(x) = [x2f1(x)] + [x2f2(x)]
= x2f1(x) + x2f2(x) = f1´´(x) + f2´´(x).
8.- Si f está en S y ,  son escalares, entonces ( + )f = f + f. Es decir:
( + )f ´´(t) = ( + )x2f(x) = x2f(x) + x2f(x) = f ´´(x) + f ´´(x).
9.- Si f está en S y ,  son escalares, entonces (f) = ()f. Es decir:
(f)´´(x) = [f ´´(x)] = [x2f(x)] = x2f(x) = ()x2f(x) = ()f ´´(x).
10.- Si f está en S y 1 es un escalar, 1f = f. Es decir:
1f ´´(x) = 1x2f(x) = x2f(x) = f ´´(x).
Como se prueban todos los axiomas, entonces S es un espacio vectorial.
b.- En este caso tenemos que S = {f   / f ´(x) > 0}. A continuación comprobamos
los 10 axiomas de la definición de espacio vectorial:
(f1 + f2)´(x) = f1´(x) + f2´(x) > 0 + 0 = 0  S.
(f1 + f2)´(x) = f1´(x) + f2´(x) > 0 + 0 = f2´(x) + f1´ = (f2 + f1)´(x).
[f1 + (f2 + f3)]´(x) = f1´(x) + (f2 + f3)´(x) > 0 + (0 + 0) = (0 + 0) + 0
= (f1 + f2)´(x) + f3´(x) = [(f1 + f2) + f3]´(x).
4.- Existe un único elemento f en S, denominado función cero de S, tal que se
(f + f)´(x) = f ´(x) + f ´(x).
Como la primera derivada de la función nula es igual a cero, entonces la función nula
no pertenece al conjunto S. Entonces, S no tiene estructura de espacio vectorial. 
JOE GARCIA ARCOS

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
 f ( x  h)  f ( x ) 
a.- En este caso tenemos que S   f  F / f ´( x)  lim , a  x  b .
 h 0 h 
( f  f )( x  h)  ( f1  f 2 )( x)
( f1  f 2 )´( x)  lim 1 2
h 0 h
[ f1 ( x  h)  f1 ( x)]  [ f 2 ( x  h)  f 2 ( x)]
 lim
h 0 h
f1 ( x  h)  f1 ( x) f ( x  h)  f 2 ( x )
 lim  lim 2
h 0 h h  0 h
 f1´( x)  f 2´( x)  S.
( f  f )( x  h)  ( f1  f 2 )( x)
( f1  f 2 )´( x)  lim 1 2
h 0 h
[ f1 ( x  h)  f1 ( x)]  [ f 2 ( x  h)  f 2 ( x)]
 lim
h 0 h
[ f 2 ( x  h)  f 2 ( x)]  [ f1 ( x  h)  f1 ( x)]
 lim
h 0 h
( f 2  f1 )( x  h)  ( f 2  f1 )( x)
 lim
h 0 h
 ( f 2  f1 )´( x)  ( f 2  f1 )´( x) .
[ f  ( f 2  f3 )]( x  h)  [ f1  ( f 2  f3 )]( x)
[ f1  ( f 2  f3 )]´( x)  lim 1
h0 h
[ f1 ( x  h)  f1 ( x)]  [( f 2  f3 )( x  h)  ( f 2  f3 )( x)]
 lim
h0 h
[ f1 ( x  h)  f1 ( x)]  [ f 2 ( x  h)  f 2 ( x)]  [ f3 ( x  h)  f3 ( x)]
 lim
h 0 h
[( f1  f 2 )( x  h)  ( f1  f 2 )( x)]  [ f3 ( x  h)  f3 ( x)]
 lim
h0 h
[( f1  f 2 )  f3 ]( x  h)  [( f1  f 2 )  f3 ]( x)
 lim
h 0 h
 [( f1  f 2 )  f3 ]´( x) .
( f  f )( x  h)  ( f  f )( x)
( f  f )´( x)  lim
h 0 h
[ f ( x  h)   f ( x)]  [ f ( x  h)  f ( x)]
 lim
h 0 h
 f ( x  h)   f ( x ) f ( x  h)  f ( x )
 lim  lim
h 0 h h 0 h
 0  f ´( x)  f ´( x) .
JOE GARCIA ARCOS

[ f  ( f )]( x  h)  [ f  ( f )]( x)
[ f  ( f )]´( x)  lim
h 0 h
( f  f )( x  h)  ( f  f )( x)
 lim
h 0 h
 f ( x  h)   f ( x )
 lim   f ´( x )
h 0 h
S. Es decir:
(f )( x  h)  (f )( x) f ( x  h)  f ( x)
(f )´( x)  lim    lim  f ´( x)  S.
h0 h h0 h
[( f1  f 2 )]( x  h)  [( f1  f 2 )]( x)
[( f1  f 2 )]´( x)  lim
h0 h
(f1  f 2 )( x  h)  (f1  f 2 )( x)
 lim
h 0 h
[ f1 ( x  h)  f1 ( x)]  [ f 2 ( x  h)  f 2 ( x)]
 lim
h 0 h
f1 ( x  h)  f1 ( x) f ( x  h)  f 2 ( x )
   lim    lim 2
h 0 h h 0 h
 f1´( x)  f 2´( x) .
[(  ) f ]( x  h)  [(  ) f ]( x)
[(  ) f ]´( x)  lim
h0 h
(f  f )( x  h)  (f  f )( x)
 lim
h0 h
[ f ( x  h)  f ( x)]  [ f ( x  h)  f ( x)]
 lim
h 0 h
f ( x  h)  f ( x ) f ( x  h)  f ( x )
   lim   lim
h 0 h h 0 h
 f ´( x)  f ´( x) .
[(f )]( x  h)  [(f )]( x) [(f )( x  h)  (f )( x)]
[(f )]´( x)  lim  lim
h 0 h h 0 h
(f )( x  h)  (f )( x) f ( x  h)  f ( x)
   lim   lim  () f ´( x)
h0 h h0 h .
(1 f )( x  h)  (1 f )( x) f ( x  h)  f ( x)
(1 f )´( x)  lim  lim  f ´( x) .
h0 h h0 h
Como se prueban todos los axiomas, entonces S tiene estructura de espacio vectorial.
 f ´( x  h)  f ´( x) 
b.- En este caso tenemos que S   f  F / f ´´( x)  lim , 0  x  1 .
 h 0 h 
( f  f )´( x  h)  ( f1  f 2 )´( x)
( f1  f 2 )´´( x)  lim 1 2
h 0 h
[ f1´( x  h)  f1´( x)]  [ f 2 ´( x  h)  f 2´( x)]
 lim
h 0 h
f1´( x  h)  f1´( x) f ´( x  h)  f 2 ´( x)
 lim  lim 2  f1´´( x)  f 2 ´´( x)  S.
h 0 h h  0 h
JOE GARCIA ARCOS
( f1  f 2 )´( x  h)  ( f1  f 2 )´( x)
( f1  f 2 )´´( x)  lim
h 0 h
[ f1´( x  h)  f1´( x)]  [ f 2 ´( x  h)  f 2´( x)]
 lim
h 0 h
[ f 2 ´( x  h)  f 2 ´( x)]  [ f1´( x  h)  f1´( x)]
 lim
h 0 h
( f 2  f1 )´( x  h)  ( f 2  f1 )´( x)
 lim
h0 h
 ( f 2  f1 )´´( x) .
[ f  ( f 2  f3 )]´( x  h)  [ f1  ( f 2  f3 )]´( x)
[ f1  ( f 2  f3 )]´´( x)  lim 1
h0 h
[ f1´( x  h)  f1´( x)]  [( f 2  f3 )´( x  h)  ( f 2  f3 )´( x)]
 lim
h0 h
[ f1´( x  h)  f1´( x)]  [ f 2 ´( x  h)  f 2 ´( x)]  [ f3´( x  h)  f3´( x)]
 lim
h 0 h
[( f1  f 2 )´( x  h)  ( f1  f 2 )´( x)]  [ f3´( x  h)  f3´( x)]
 lim
h0 h
[( f1  f 2 )  f3 ]´( x  h)  [( f1  f 2 )  f3 ]´( x)
 lim  [( f1  f 2 )  f3 ]´´( x) .
h 0 h
( f  f )´( x  h)  ( f  f )´( x)
( f  f )´( x)  lim
h 0 h
[ f ´( x  h)   f ´( x)]  [ f ´( x  h)  f ´( x)]
 lim
h 0 h
 f ´( x  h)   f ´( x) f ´( x  h)  f ´( x)
 lim  lim
h 0 h h 0 h
 0  f ´´( x)  f ´´( x) .
[ f  ( f )]´( x  h)  [ f  ( f )]´( x)
[ f  ( f )]´´( x)  lim
h 0 h
( f  f )´( x  h)  ( f  f )´( x)
 lim
h 0 h
 f ´( x  h)   f ´( x)
 lim   f ´´( x )
h 0 h
S. Es decir:
(f )´( x  h)  (f )´( x) f ´( x  h)  f ´( x)
(f )´´( x)  lim    lim  f ´´( x)  S.
h0 h h0 h
[( f1  f 2 )]´( x  h)  [( f1  f 2 )]´( x)
[( f1  f 2 )]´´( x)  lim
h0 h
(f1  f 2 )´( x  h)  (f1  f 2 )´( x)
 lim
h 0 h
[ f1´( x  h)  f1´( x)]  [ f 2 ´( x  h)  f 2 ´( x)]
 lim
h0 h
JOE GARCIA ARCOS

f1´( x  h)  f1´( x) f ´( x  h)  f 2 ´( x)
   lim    lim 2
h0 h h0 h
 f1´´( x)  f 2´´( x) .
[(  ) f ]´( x  h)  [(  ) f ]´( x)
[(  ) f ]´´( x)  lim
h0 h
(f  f )´( x  h)  (f  f )´( x)
 lim
h0 h
[ f ´( x  h)  f ´( x)]  [ f ´( x  h)  f ´( x)]
 lim
h 0 h
f ´( x  h)  f ´( x) f ´( x  h)  f ´( x)
   lim   lim
h 0 h h 0 h
 f ´´( x)  f ´´( x) .
[(f )]´( x  h)  [(f )]´( x) [(f )´( x  h)  (f )´( x)]
[(f )]´´( x)  lim  lim
h0 h h 0 h
(f )´( x  h)  (f )´( x) f ´( x  h)  f ´( x)
   lim   lim  () f ´´( x)
h0 h h0 h .
(1 f )´( x  h)  (1 f )´( x) f ´( x  h)  f ´( x)
(1 f )´´( x)  lim  lim  f ´´( x) .
h0 h h0 h
Como se prueban todos los axiomas, entonces S es un espacio vectorial. 
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 f(x) en
0  x  2;
SOLUCION
a.- En este caso tenemos que S = {f  F / f ´(x) = f(x) - 1, 0  x  1}. A
(f1 + f2)´(x) = f1´(x) + f2´(x) = [f1(x) – 1] + [f2(x) – 1] = (f1 + f2)(x) – 2  S.
Como no se cumple el primer axioma, entonces S no tiene estructura de espacio
vectorial.
b.- En este caso tenemos que S = {f  F / f(x)  x, 0  x  2}. A continuación
(f1 + f2)(x) = f1(x) + f2(x)  f1(x) + f2(x) = x + x = 2x  S.
Como no se cumple el primer axioma, entonces S no tiene estructura de espacio
vectorial. 
EJEMPLO 5.1.6
a.- S consiste en todas las soluciones de y´´ - 8xy = 0, con la suma de funciones y la
multiplicación de una función por un escalar usuales;
b.- V consta de todas las funciones reales y continuas definidas en [0; 1] tales que
1
 0 f ( x) dx  0 , con la suma de funciones y la multiplicación de una función por un
escalar usuales.
SOLUCION
a.- En este caso tenemos que S = {y  F / y´´ - 8xy = 0}. A continuación
JOE GARCIA ARCOS


1.- Si y1, y2 están en S, entonces y1 + y2 están en S. Es decir:
(y1 + y2)´´ – 8x(y1 + y2) = y1´´ + y2´´ – 8xy1 – 8xy2 = (y1´´ – 8xy1) + (y2´´ – 8xy2)
= 0 + 0 = 0  S.
2.- Si y1, y2 están en S, entonces y1 + y2 = y2 + y1. Es decir:
(y1 + y2)´´ – 8x(y1 + y2) = y1´´ + y2´´ – 8xy1 – 8xy2 = (y1´´ – 8xy1) + (y2´´ – 8xy2)
= (y2´´ – 8xy2) + (y1´´ – 8xy1) = (y2 + y1)´´ – 8x(y2 + y1).
3.- Si y1, y2, y3 están en S, entonces y1 + (y2 + y3) = (y1 + y2) + y3. Es decir:
[y1 + (y2 + y3)]´´ – 8x[y1 + (y2 + y3)] = y1´´ + (y2 + y3)´´ – 8xy1 – 8x(y2 + y3)
= y1´´ + y2´´ + y3´´ – 8xy1 – 8xy2 - 8xy3
= (y1 + y2)´´ + y3´´ – 8x(y1 + y2) – 8xy3
= [(y1 + y2) + y3)]´´ – 8x[(y1 + y2) + y3].
4.- Existe un único elemento y en S, denominado función cero de S, tal que se
cumple que y + y = y + y = y para toda y en S. Es decir:
(y + y)´´(x) – 8x(y + y) = y´´(x) + y´´(x) – 8x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 = y. Es decir:
[y + (-y)]´´ – 8x[y + (-y)] = y ´´ – y´´ – 8xy + 8xy = y´´ - 8xy = 0.
6.- Si  es cualquier escalar y y es cualquier elemento en S, entonces y está en
S. Es decir:
(y´´ – 8xy) = y´´ - 8xy = (y)´´ - 8x(y) = z´´ - 8xz = 0  S.
7.- Si y1, y2 están en S y  es un escalar, entonces (y1 + y2) = y1 + y2. Es
decir:
[(y1 + y2)]´´ - 8x(y1 + y2) = (y1 + y2)´´ - 8x(y1 + y2)
= y1´´ + y2´´ - 8xy1 - 8xy2
= (y1´´ - 8xy1) + (y2´´ - 8xy2)
= (y1´´ - 8xy1) + (y2´´ - 8xy2)
8.- Si y está en S y ,  son escalares, entonces ( + )y = y + y. Es decir:
( + )(y´´ - 8xy) = ( + )y´´ - 8( + )xy = y´´ + y´´ - 8xy - 8xy
= (y´´ - 8xy) + (y´´ - 8xy) = (y´´ - 8xy) + (y´´ - 8xy).
9.- Si y está en S y ,  son escalares, entonces (y) = ()y. Es decir:
[(y´´ - 8xy)] = (y´´ - 8xy) = y´´ - 8xy = ()(y´´ - 8xy).
10.- Si y está en S y 1 es un escalar, 1y = y. Es decir:
1(y´´ - 8xy) = 1y´´ - 18xy) = y´´ - 8xy.
Como se prueban todos los axiomas, entonces S tiene estructura de espacio vectorial.
b.- En este caso tenemos que  1
V  f  F /  f ( x) dx  0, 0  x  1 . A
0 
1.- Si f1, f2 están en V, entonces f1 + f2 están en V. Es decir:
1 1 1
 0 ( f1  f2 )( x) dx   0 f1 ( x) dx   0 f2 ( x) dx  0  0  0  S.
2.- Si f1, f2 están en V, entonces f1 + f2 = f2 + f1. Es decir:
1 1 1 1 1
 0 ( f1  f2 )( x) dx   0 f1 ( x) dx   0 f 2 (x) dx   0 f 2 (x) dx   0 f1 (x) dx  0  0  0
3.- Si f1, f2, f3 están en V, entonces f1 + (f2 + f3) = (f1 + f2) + f3. Es decir:
1 1 1
 0 [ f1  ( f2  f3 )]( x) dx   0 f1 ( x) dx   0 ( f2  f3 )( x) dx
1 1 1
  f1 ( x) dx   f 2 ( x) dx   f3 ( x) dx
0 0 0
1 1
  ( f1  f 2 )( x) dx   f3 ( x) dx
0 0
1
  [( f1  f 2 )  f3 ]( x) dx .
0
JOE GARCIA ARCOS

4.- Existe un único elemento f en V, denominado función cero de V, tal que se

cumple que f + f = f + f = f para toda f en V. Es decir:
1 1 1 1 1
 0 ( f  f )( x) dx    f ( x ) dx   f ( x) dx   f ( x) dx    f ( x ) dx  0  0  0
0 0 0 0
.
5.- Para todo f en V existe un elemento –f en V, denominado opuesto de f, tal
que se cumple f + (-f) = (-f) + f = f. Es decir:
1 1 1
 0 [ f  ( f )]( x) dx   0 f ( x) dx   0 ( f )( x) dx
1 1
  f ( x) dx   f ( x) dx  0  0  0 .
0 0
6.- Si  es cualquier escalar y f es cualquier elemento en V, entonces f está en

V. Es decir:
1 1 1
 0 (f )( x) dx   0 f ( x) dx   0 f ( x) dx    0  0  S
7.- Si f1, f2 están en V y  es un escalar, entonces (f1 + f2) = f1 + f2. Es decir:
1 1 1 1
 0 [( f1  f2 )]( x) dx   0 (f1  f2 )]( x) dx   0 f1 ( x) dx   0 f2 ( x) dx
1 1
   f1 ( x) dx    f 2 ( x) dx    0    0  0
0 0
8.- Si f está en V y ,  son escalares, entonces ( + )f = f + f. Es decir:

1 1 1 1
 0 [(  ) f ]( x) dx   0 (f  f )( x) dx   0 f ( x) dx   0 f ( x) dx
1 1
   f ( x) dx   f ( x) dx    0   0  0
0 0
9.- Si f está en V y ,  son escalares, entonces (f) = ()f. Es decir:

1 1 1 1
 0 (f )( x) dx   0 (f )( x) dx   0 f ( x) dx   0 f ( x) dx  ()  0  0 .
10.- Si f está en V y 1 es un escalar, 1f = f. Es decir:
1 1 1
 0 (1 f )( x) dx  1  0 f ( x) dx   0 f ( x) dx  0 .
Como se prueban todos los axiomas, entonces S es espacio vectorial. 
PROBLEMAS
5.1.1 Demuéstrese que el conjunto compuesto solamente 5.1.5 Sea n un entero positivo. Sea n el conjunto de
por el número 0 es un espacio vectorial, con las reglas todos los polinomios con coeficientes reales y de grado
habituales de la adición y la multiplicación de números. n, con la suma de polinomios y la multiplicación de un
polinomio por un escalar usuales. Demuestre que n no
5.1.2 Sea Pm el conjunto de todos los polinomios con es un espacio vectorial. ¿Qué condiciones de la defini-
coeficientes reales y de grado  m. Demuestre que Pm es ción fallan?
un espacio vectorial, con la suma de polinomios y la
multiplicación de un polinomio por un escalar usuales. 5.1.6 Demuéstrese que cada uno de los conjuntos si-
guientes de funciones es un espacio vectorial:
5.1.3 V consta de todas las funciones reales y continuas a.- Todos los polinomios a0 + a1x2 + … + akx2k que no
definidas en 0; 1 tales que f(1) =1, con la suma de fun- contienen términos de grado impar.
ciones y la multiplicación de una función por un escalar b.- Todas las funciones continuas en 0; 1 que tienen
usuales. Muestre que V no es un espacio vectorial. un cero en 1.
c.- Todas las funciones definidas en 0; 1 cuyos límites
5.1.4 m consiste en todos los polinomios con coefi- existen cuando x  0+.
cientes reales. Demuestre que m es un espacio vecto- d.- Todas las combinaciones lineales de Cosx, Cos2x,
rial, con la suma de polinomios y la multiplicación de un Cos3x, con dominio -  < x < + .
polinomio por un escalar usuales.
JOE GARCIA ARCOS
e.- El conjunto de los polinomios reales que tienen a  i f.- El conjunto de todos los polinomios cuadráticos,
como ceros. lineales y constantes en x, con la adición y multiplica-
f.- El conjunto de los polinomios reales que son divisi- ción usuales.
bles entre x2 + x + 1.
g.- El conjunto de todas las funciones en 0; 10 que 5.1.10 De los conjuntos de funciones que se dan a con-
valen cero en 2; 3. tinuación, todas definidas en 0 < x < , cuáles constitu-
h.- El conjunto de todas las funciones f en 0; 1 con yen una espacio vectorial?:
derivada tercera en ese intervalo y tales que f ´´´- xf ´ + a.- Todas las funciones cuyos límites existen cuando
(Senx)f = 0. x  .
i.- El conjunto de todas las funciones que tienen deriva- b.- Todas las funciones cuyos límites existen cuando
da segunda en todos los valores reales y la propiedad de x  0+.
que f ´´(x) = 0. c.- Todas las funciones con límite 0 cuando x  .
j.- El conjunto de todas las funciones racionales cuyo d.- Todas las funciones con límite 0 cuando x  0+.
denominador es x2 + x + 1. e.- Todas las funciones con límite  cuando x  .
k.- El conjunto de todos los polinomios tales que p(0) = f.- Todas las funciones con límite -  cuando x  0+.
p(1).
l.- El conjunto de todas las funciones escalonadas en 5.1.11 Considérense sucesiones infinitas sn, tn, …,
0; 3. n = 1, 2, …, con la adición y la multiplicación definidas
de la siguiente manera:
5.1.7 V consiste en todos los (a, b), donde a y b son sn + tn = sn + tn y csn = csn
números reales. Definimos la suma en V por a.- Hágase ver que las sucesiones reales convergentes
(a, b) + (c, d) = (2a + 2c, b + d) forman un espacio vectorial e interprétese ese espacio
y definimos la multiplicación por un escalar por vectorial como espacio de funciones.
 ka kb  b.- Verifíquese que el conjunto de todas las sucesiones
k ( a, b)   , 
 2 2 complejas forma un espacio vectorial. ¿Se le puede
¿Es V un espacio vectorial con estas operaciones? interpretar como espacio vectorial de funciones?
5.1.8 Determine cuáles de los sistemas son espacios 5.1.12 V consiste en todas las funciones reales y conti-
vectoriales: nuas definidas en 0; 1 tales que f(1) = 0, con la suma
a.- V es el conjunto de todos los pares ordenados (x, y) de funciones y la multiplicación de una función por un
de números reales. La suma se define como (x, y) + (u, v) escalar usuales. Demuestre que V es un espacio vecto-
= (x + 3u, y – v), y la multiplicación escalar como (x, y) rial.
= (x, y).
b.- El conjunto V del literal a). La suma definida como 5.1.13 En los conjuntos siguientes, investíguese si son
(x, y) + (u, v) = (x + u, y + v), y la multiplicación escalar espacios vectoriales:
como (x, y) = (-x, y). a.- Todas las funciones f en 0; 1 tales que f ´(x) > 0
c.- El conjunto V del literal a). La suma definida como en 0; 1.
(x, y) + (u, v) = (x – u, y – v), y la multiplicación escalar b.- Todas las funciones f en 0; 1 tales que se puede
como (x, y) = (-x, -y). expresar f como g – h, donde g y h son monótonas y
d.- El conjunto V del literal a). La suma definida como estrictamente crecientes.
(x, y) + (u, v) = (u, v), y la multiplicación escalar como c.- Todas las funciones f en 0; 1 tales que f ´´(x) =
(x, y) = (x, y). Senx.
d.- Todas las funciones f en 0; 1 tales que f ´´(x) +
5.1.9 Demostrar que cada uno de los siguientes conjun- Senx f ´(x) = 0.
tos constituye un espacio vectorial: e.- V es el conjunto de todas las matrices de 2 x 2 con
a.- El conjunto de todos los vectores cuya segunda com- componentes reales. La suma es la suma habitual de
ponente es cero; matrices y la multiplicación escalar está definida por
b.- El conjunto de todos los vectores de la forma (i + 2j  a b   a 0 
  .
– k), donde  es un escalar;  c d   0 b 
c.- El conjunto de todos los vectores de la forma (i – k) f.- El conjunto V del literal e). La suma definida por
+ j, donde ,  son escalares;
a b   e f  a b 
d.- El conjunto de todos los números reales;    
e.- Todas las funciones de la forma f(x) = Cosx + c d g h c d
Senx, donde ,  son números, con la forma usual de y la multiplicación escalar es la habitual.
adición y multiplicación por números; g.- El conjunto V del literal e). La suma definida como
JOE GARCIA ARCOS
a b  e f   e f  5.1.19 Demuéstrese que con las reglas habituales de la

    adición y la multiplicación por escalares, los conjuntos
c d  g h g h siguientes de funciones son espacios vectoriales:
y la multiplicación escalar definida por a.- El conjunto de las funciones diferenciables en a; b.
a b  0 0  b.- El conjunto de todas las funciones con derivada
  .
 c d   0 d  segunda en 0; 1.
h.- El conjunto V del literal e). La suma definida por c.- El conjunto de las funciones definidas en 0; 2 que
a b  e f   0 b f  tienen ceros en 0, 1 y 2.
   
 c d   g h  c  g 0  5.1.20 Considérense todas las sucesiones infinitas con
y la multiplicación escalar por índices que empiezan desde 1. Demuéstrese que cada
 a b   a b  uno de los conjuntos siguientes constituye un espacio
   . vectorial de funciones:
 c d   c d 
a.- Todas las sucesiones infinitas.
b.- Todas las sucesiones convergentes.
5.1.14 Determine si el conjunto dado, junto con las c.- Todas las sucesiones con límite 0.
operaciones indicadas, es un espacio vectorial. En caso d.- Todas las sucesiones que están acotadas superior e
negativo, indique que axiomas no se cumplen: inferiormente.
a.- El conjunto de todas las matrices singulares de n x n
con las operaciones normales; 5.1.21 Verifíquese que los conjuntos siguientes de
b.- El conjunto de todas las matrices no singulares de n x funciones no son espacios vectoriales:
n con las operaciones normales; a.- El conjunto de todas las funciones diferenciables en
c.- El conjunto de todas las matrices diagonales de n x n
0; 1 cuya derivada es 3x2.
con las operaciones normales.
b.- El conjunto de todas las funciones diferenciables f en
0; 1 tales que f ´ = f – 1.
5.1.15 Determine si el conjunto dado, junto con las
operaciones indicadas, es un espacio vectorial. En caso c.- El conjunto de todas las funciones f en 0; 2 con la
negativo, indique que axiomas no se cumplen: propiedad de que x  f ( x) en 0  x  2.
a.- Todas las funciones escalonadas definidas en [0; 1]; d.- El conjunto de todas las funciones f en 0; 2 tales
b.- Todas las funciones con período 2; que f(1) = 1.
1
c.- Todas las f integrable en [0; 1] con 0 f ( x)dx  0 ; 5.1.22 Demuéstrese que cada uno de los conjuntos
d.- Todos los polinomios de Taylor de grado  n para un siguientes es espacio vectorial de funciones:
n fijo (incluyendo el polinomio cero); a.- Todas las funciones f en 0; 1 con derivadas conti-
e.- Todas las soluciones de una ecuación diferencial nuas de primero, segundo y tercer órdenes.
lineal homogénea de segundo orden y´´ + P(x)y´ + Q(x)y b.- Todas las funciones f en 0; 1 con la propiedad de
= 0, siendo P y Q funciones dadas, continuas para todo x; que f ´´ + f = 0.
f.- Todas las sucesiones reales acotadas; c.- Todas las funciones f en 0; 1 tales que f ´´ - 4f = 0.
g.- Todas las sucesiones reales convergentes; d.- El conjunto de todas las funciones continuas por
h.- Todas las gentes; tramos en 0; 3.
i.- Todas las series reales convergentes. e.- El conjunto de todas las funciones representables
como suma de una serie convergente de potencias
5.1.16 Demuestre que los números reales pueden
considerarse como un espacio vectorial sobre los  an xn en (-1; 1).
números racionales.
5.1.23 Demuéstrese que cada uno de los conjuntos
5.1.17 Demuestre que los números complejos se pueden siguientes de funciones no es un espacio vectorial:
considerar como un espacio vectorial sobre los números a.- Todas las funciones f definidas y no negativas: f(x) 
reales. 0 para todo x, en un intervalo dado.
b.- Todas las funciones definidas y no continuas en un
5.1.18 Sean V y W espacios vectoriales. Sea U el con- intervalo dado.
junto de todos los pares ordenados (v, w), donde v está c.- Todas las funciones que son continuas en 0; 1 y
en V y w está en W. Definamos por analogía con V2 la cuyo valor en x = 1 es 1.
adición y la multiplicación por escalares en U. Verifí- d.- Todas las funciones definidas que tienen un núme-
quense que el sistema que se obtiene es un espacio vecto- ro finito de ceros en 0; 1.
rial. Es habitual denotar a U con el símbolo V x W.
JOE GARCIA ARCOS

5.2 SUBESPACIOS VECTORIALES
En esta sección se estudiará con detalle los espacios vectoriales que estén contenidos en un espacio vectorial
más grande. Se enunciarán y demostrarán sus propiedades.
Con frecuencia, se tiene que un espacio vectorial está contenido en otro, y que la
adición y la multiplicación por escalares del primer espacio vectorial se llevan a
cabo de manera exactamente igual a la del segundo. Cuando esto es así, se dice
que el primer espacio vectorial es subespacio del segundo.
En términos generales, para demostrar que un conjunto U con la adición y la mul-

tiplicación escalar En términos 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 más 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 adición y la multiplicación escalar
definidas sobre V.
Es importante tener en cuenta que para que un subconjunto no vacío U de un espa-

cio vectorial V sea un subespacio, el subconjunto y las operaciones de suma de
vectores y multiplicación por un escalar deben formar un sistema autocontenido.
Es decir, cualquier suma o multiplicación por un escalar efectuada con vectores
del subconjunto U siempre produce un vector que está en U. Si U es no vacío y
cerrado bajo la suma y multiplicación 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 más vectores de un espacio vecto-
rial V, entonces U es un subespacio de V si y sólo si se cumplen las con-
diciones siguientes:
1.- Si u, v son elementos de U, entonces u + v está en U.
2.- Si a es cualquier número y u es un elemento de U, entonces au está
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 éstas son precisamente las
condiciones 1 y 2. Recíprocamente, supóngase 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 automática-
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 demostración, basta verificar que
los axiomas 4 y 5 se cumplen para vectores en U. Sea u cualquier vector de U. Por la
condición 2, au está en U para cualquier escalar a. Haciendo a = 0, se concluye que
0u =  está en U, y haciendo a = -1 se concluye que (-1)u = -u está en U. 
Se dice que un conjunto U formado por uno o más vectores de un espacio vectorial
V es cerrado bajo la adición si se cumple la condición 1 del teorema anterior, y
cerrado bajo la multiplicación escalar si se cumple la condición 2. Así, de esta
manera se establece que U es un subespacio de V si y sólo si U es cerrado bajo la
adición y cerrado bajo la multiplicación escalar.
JOE GARCIA ARCOS

Si AX = B es un sistema de ecuaciones lineales, entonces todo vector que satisface

esta ecuación se denomina vector solución del sistema. El teorema siguiente mues-
tra que los vectores solución de un sistema lineal homogéneo forman un espacio
vectorial, que se denomina espacio solución del sistema.
TEOREMA 5.2.2
Si AX =  es un sistema lineal homogéneo de m ecuaciones con n incóg-
nitas, entonces el conjunto de vectores solución es un subespacio de n.
DEMOSTRACION
Sea U el conjunto de vectores solución. En U existe por lo menos un vector, a
saber, . Para probar que U es cerrado bajo la adición y la multiplicación escalar,
es necesario demostrar que si X y Y son vectores solución cualesquiera y a es
cualquier escalar, entonces X + Y y aX también son vectores solución. Pero si X y
Y son vectores solución, entonces AX =  y AY = . A partir de lo cual se dedu-
ce que
A(X + Y) = AX + AY =  +  =  y A(aX) = aAX = a = .
Lo cual demuestra que X + Y y aX son vectores solución. 
Dado un espacio vectorial V, siempre se le puede considerar como subespacio se

sí mismo. Por lo tanto, cada espacio vectorial V contiene siempre los subespacios
{} y V; a estos subespacios se les llama, por lo común, 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 2. Entonces, U contiene un vector u distinto de

cero, y U contiene también a todos los múltiplos escalares de u. Si U contuviera un
vector v, que no fuera múltiplo escalar de u, entonces u, v serían linealmente inde-
pendientes, y U habría de contener a todos los vectores en R2 de la forma u + v,
donde ,  son escalares arbitrarios. Pero así se puede representar todo vector del
plano y, en consecuencia, U coincidiría con 2. Por lo tanto, no existe el tal vector
v, y U consta de los múltiplos escalares de u.
Por consiguiente, cada subespacio propio U de 2 corresponde a una recta que

pasa por el origen, en el plano.
Sea U un subespacio propio de 3. Entonces, U contiene un vector distinto de

cero, u = OQ y, en consecuencia, contiene a todos los múltiplos escalares u; 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 así, entonces U contiene un vector v = OR,
donde R no está en L. En consecuencia, U también contiene a todos los vectores
u = OP, de la forma OQ + OR. Puesto que  y  toman todos los valores reales,
P varía en un plano  que pasa por O. Con esto, tal vez tengamos a todo U. De no
ser así, entonces en U hay un vector w = OS, donde S no está en . En consecuen-
cia, U contiene a todos los vectores u = OP de la forma OQ + OR + OS. Pero,
como S no está en , los puntos P van por todo el espacio tridimensional, y U
resulta ser la totalidad de 3. Pero, con esto, U ya no sería subespacio propio de
R3. Por lo tanto, sólo hay dos clases de subespacios propios de 3: los que corres-
ponden a rectas que pasan por O y los que corresponden a planos que pasan por O.
También se ve claramente que toda recta que pase por O y todo plano que pasa por
O corresponderán a subespacios propios U de 3.
EJEMPLO 5.2.1
El conjunto  de funciones diferenciables f en [0; 1], con la propiedad de que
f ´ = f, es subespacio vectorial.
JOE GARCIA ARCOS

SOLUCION
Se ve claramente que  contiene a la función cero, de manera que es un conjunto
no vacío de funciones en [0; 1]. Si f y g están en , entonces f + g y f son funcio-
nes diferenciables en [0; 1], y
(f + g)´ = f ´ + g´ = f + g = (f + g), (f)´ = f ´ = (f) = (f).
En consecuencia,  es cerrado bajo la adición y la multiplicación por escalares.
Por lo tanto, es subespacio vectorial. 
EJEMPLO 5.2.2
Demostrar que el conjunto S = A  M(n x n) / A = AT de las matrices simétricas,
forman un subespacio vectorial del espacio de las matrices cuadradas de orden n.
SOLUCION
Sean A = AT, B = BT  S. Entonces para escalares cualesquiera  y  tenemos:
(A + B)T = (A)T + (B)T = AT + BT = A + B  S.
Si además   S, entonces:
(A + B)T = ( + )T = T + T =  +  =   S.
Luego (A + B)T  S, y por lo tanto S es un subespacio de M(n x n). 
EJEMPLO 5.2.3
Sea el conjunto solución de un sistema no homogéneo AX = B, con las operaciones
usuales de adición de matrices y multiplicación 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  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 solución del sistema, entonces no es un subespacio vectorial
de n. 
EJEMPLO 5.2.4
Determine si los siguientes subconjuntos son subespacios de 3. En caso afirmativo,
pruébelo, en caso contrario de una razón 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) / a2 + b2 + c2 = 1}.
SOLUCION
a.- Está claro que S es vacío, puesto que el vector (0, 0, 0)  S. Además el vector
más general de S es de la forma (-b + 2c + 3, b, c), donde b y c son números reales
cualesquiera. Sean los vectores (-x + 2y + 3, x, y) y (-u + 2v + 3, u, v) de S y sea k un
número real cualquiera. Entonces:
(-x + 2y + 3, x, y) + (-u + 2v + 3, u, v) = (-x – u + 2y + 2v + 6, x + u, y + v)  S,
k(-x + 2y + 3, x, y) = (-kx + 2ky + 3k, kx, ky)  S.
Lo que prueba que S no es un subespacio vectorial.
b.- Está claro que S es no vacío, puesto que el vector (0, 0, 0)  S. Además el vector
más general de S es de la forma (-b + 4c, b, c), donde b y c son números reales
cualesquiera. Sean los vectores (-x + 4y, x, y) y (-u + 4v, u, v) de S y sea k un número
real cualquiera. Entonces:
(-x + 4y, x, y) + (-u + 4v, u, v) = (-x – u + 4y + 4v, x + u, y + v)  S,
k(-x + 4y, x, y) = (-kx + 4ky, kx, ky)  S.
Lo que prueba que S es un subespacio vectorial.
c.- Está claro que S es no vacío cuando a = b = c = 0, puesto que el vector (0, 0, 0)
 S, pero cuando a, b, c > 0, S es vacío puesto que el vector (0, 0, 0)  S. Lo que
prueba que S no es un subespacio vectorial.
d.- Está claro que S es vacío, puesto que el vector (0, 0, 0)  S. Lo que prueba que S
no es un subespacio vectorial. 
JOE GARCIA ARCOS

EJEMPLO 5.2.5
Explique si cada uno de los siguientes subconjuntos del espacio vectorial 3 son
subespacios vectoriales de él:
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 vacío, puesto que el polinomio 0x3 + 0x2 +
0x + 0  S. Como S  3, entonces p(x) = ax3 + bx2 + cx + d y como a = b, entonces
el polinomio más general de S es de la forma p(x) = bx3 + bx2 + cx + d, donde b, c y d
son números reales cualesquiera. Sean los polinomios q(x) = x3 + x2 + x +  y
r(x) = mx3 + mx2 + nx + s de S y sea k un número real cualquiera. Entonces:
q(x) + r(x) = ( + m)x3 + ( + m)x2 + ( + n)x + ( + s)  S,
kq(x) = k(x3 + x2 + x + ) = kx3 + kx2 + kx + k  S.
b.- Claramente se puede ver que S es no vacío, puesto que el polinomio 0x3 + 0x2 +
0x + 0  S. Como S  3, entonces p(x) = ax3 + bx2 + cx + d y como a = b = c = d,
entonces el polinomio más general de S es de la forma p(x) = dx3 + dx2 + dx + d,
donde d es un número real cualesquiera. Sean los polinomios q(x) = x3 + x2 + x +
 y r(x) = x3 + x2 + x +  de S y sea k un número real cualquiera. Entonces:
q(x) + r(x) = ( + )x3 + ( + )x2 + ( + )x + ( + )  S,
kq(x) = k(x3 + x2 + x + ) = kx3 + kx2 + kx + k  S.
c.- Claramente se puede ver que S es no vacío, puesto que el polinomio 0x3 + 0x2 +
0x + 0  S. Como S  3, entonces p(x) = ax3 + bx2 + cx + d y como a = b = c = 0,
entonces el polinomio más general de S es de la forma p(x) = 0x3 + 0x2 + 0x + d,
donde d es un número real cualesquiera. Sean los polinomios q(x) = 0x3 + 0x2 + 0x +
 y r(x) = 0x3 + 0x2 + 0x +  de S y sea k un número real cualquiera. Entonces:
q(x) + r(x) = (0 + 0)x3 + (0 + 0)x2 + (0 + 0)x + ( + )
= 0x3 + 0x2 + 0x + ( + )  S,
kq(x) = k(0x + 0x2 + 0x + ) = 0x3 + 0x2 + 0x + k  S.
3

d.- Como S  3, entonces
p(x) = ax3 + bx2 + cx + d y p(-1) = - a + b - c + d = 0, p(1) = a + b + c + d = 0.
Por lo tanto
a  b  c  d  0

a  b  c  d  0
Resolviendo este sistema, obtenemos lo siguiente:
1 1 1 1 0   1 1 1 1 0   1 1 1 1 0   1 0 1 0 0 
     
1 1 1 1 0   0 2 0 2 0   0 1 0 1 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 vacío, puesto que el polinomio 0x3 + 0x2 + 0x + 0  S.
Además el polinomio más general de S es de la forma p(x) = - cx3 - dx2 + cx + d,
donde c y d son números reales cualesquiera. Sean los polinomios q(x) = - x3 - x2
+ x +  y r(x) = - mx3 - nx2 + mx + n de S y sea k un número real cualquiera.
Entonces:
q(x) + r(x) = - ( + m)x3 – ( + n)x2 + ( + m)x + ( + n)  S,
kq(x) = k(- x3 - x2 + x + ) = - kx3 - kx2 + kx + k  S.
Lo que prueba que S es un subespacio vectorial. 
EJEMPLO 5.2.6
Sea 1 el plano en el espacio 3 dado por la ecuación a + 2b + c = 6. ¿Cuál es la
ecuación del plano 2 que pasa por el origen y es paralelo a 1? ¿Son 1 y 2
subespacios de 3?
JOE GARCIA ARCOS
SOLUCION
Para que el plano 2 pase por el origen y sea paralelo al plano 1 es necesario y
suficiente que los coeficientes del plano 2 sean iguales a los de 1 y el término
independiente sea igual a cero; es decir 2 : a + 2b + c = 0. El plano 1 = {(a, b, c) / a
+ 2b + c = 6} no es un subespacio de 3 porque no contiene al elemento nulo
(0, 0, 0)  1. Para 2 = {(a, b, c) / a + 2b + c = 0}, está claro que 2 es no vacío,
puesto que el vector (0, 0, 0)  2. Además el vector más general de 2 es de la forma
(-2b – c, b, c), donde b y c son números reales cualesquiera. Sean los vectores
(-2x - y, x, y) y (-2u - v, u, v) de 2 y sea k un número real cualquiera. Entonces:
(-2x - y, x, y) + (-2u - v, u, v) = (-2x – 2u – y – v, x + u, y + v)  S;
k(-2x - y, x, y) = (-2kx - ky, kx, ky)  S.
Lo que prueba que 2 es un subespacio vectorial. 
PROBLEMAS
5.2.1 Sea 5 el espacio vectorial y considere el conjunto g.- N: todos los u tales que
U de todos los polinomios de la forma (x3 + x)p(x), a1  a2  a3  a4  0 .
donde p(x) está en 2. ¿U es un subespacio de 5?
5.2.5 Determine cuándo el conjunto S de vectores de
5.2.2 Demuestre que los únicos subespacios de 2 son: n forman un subespacio de n:
1. el propio 2; a.- S consta de todos los vectores de 5 de la forma
2. el subespacio trivial que consiste únicamente del (x, y, z, x, x);
vector cero (0, 0); b.- S consta de todos los vectores de 4 de la forma
3. cualquier conjunto de vectores (x, y) representados por (x, 2x, 3x, y);
flechas que están a lo largo de una recta que pase por el
c.- S consta de todos los vectores de 6 de la forma
origen.
(x, 0, 0, 1, 0, y);
Esto es, dada cualquier recta que pase por el origen,
d.- S consta de todos los vectores de 3 de la forma
todos los vectores de 2 que puedan representarse como
(0, x, y);
vectores a lo largo de esta recta constituyen un subespa-
e.- S consta de todos los vectores de R4 de la forma
cio de 2. Además, cualquier subespacio distinto de 2 y (x, y, x + y, x - y);
del subespacio trivial consiste en vectores a lo largo de
f.- S consta de todos los vectores de 7 con cero en la
una recta que pasa por el origen.
tercera y quinta componentes;
g.- S consta de todos los vectores de 4 con la primera
5.2.3 Demuestre que los únicos subespacios de 3 son
y segunda componentes iguales;
los siguientes:
h.- S consta de todos los vectores de 4 con la tercera
1. el propio 3;
componente igual a 2;
2. el subespacio trivial que consiste solamente del vector
i.- S consta de todos los vectores de 7 con la séptima
cero (0, 0, 0);
componente igual a la suma de las primeras seis compo-
3. todos los vectores paralelos a una recta dada que pasa
nentes;
por el origen;
4. todos los vectores que están en un plano dado que j.- S consta de todos los vectores de 8 con cero en la
pasa por el origen. primera, segunda y cuarta componentes y la tercera
componente igual a la sexta.
5.2.4 En cada uno de los subconjuntos siguientes de
5.2.6 Sea U el espacio vectorial de todas las funciones
4, determínese si el subconjunto es un subespacio:
a.- W: todos los u = (a1, a2, a3, a4) tales que a1 = a2. reales f en -1; 1. Determínese si cada uno de los con-
b.- U: todos los u tales que juntos siguientes es subespacio de U:
a1 = a2 y a1 + a2 + a3 + a4 = 0. a.- U: el conjunto de todas las f tales que f(0) = 0.
c.- J: todos los u tales que a1 es racional. b.- U: el conjunto de todas las f tales que f(x) = 0 en -1
d.- K: todos los u tales que a1 + a2 + a3 + a4  0.  x  ½.
c.- U: el conjunto de todas las f tales que f es continua
e.- L: todos los u tales que x1  x22 . en x = ½.
f.- M: todos los u tales que, o bien a1 = a2, o bien d.- U: el conjunto de todas las f tales que f(x) = f(-x) en
a3 = a4. -1  x  1.
JOE GARCIA ARCOS

e.- U: el conjunto de todas las f tales que f es monótona 5.2.8 Sean U y W subespacios de un espacio vectorial
y estrictamente creciente en -1; 1. V. Hágase ver que, si U es subconjunto de W, entonces
U es subespacio de V.
5.2.7 Demuéstrese: si a1, …, ak son escalares, no todos
0, y si W es el conjunto de todos los (u1, …, uk) con la 5.2.9 Sea W subespacio de V y sea U subespacio de
propiedad de que a1u1 + … + akuk = 0, entonces W es W. Hágase ver que U es subespacio de V.
subespacio de k, y W es espacio no trivial si k  2.
5.3 COMBINACIONES LINEALES Y SUBESPACIOS GENERADOS
En esta sección estudiaremos un conjunto de vectores S que genera un espacio vectorial dado si todo vector en
este espacio se puede expresar como una combinación lineal de los vectores de S. En general, puede haber
más de una forma de expresar un vector del espacio vectorial como una combinación 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 número determinado de vectores arbitrarios u1, u2, ..., uk que no
son necesariamente diferentes. Llamaremos a estos vectores sistema de vectores.
DEFINICION 5.3.1
Un sistema de vectores se denominará subsistema del segundo sistema,
si el primer sistema sólo contiene ciertos vectores del segundo y no con-
tiene ningún otro vector.
Sobre los vectores del sistema dado y los vectores obtenidos de los primeros se
realizarán las operaciones de adición y multiplicación por escalares. Está claro
que todo vector u de la forma u = a1u1 + a2u2 + ... + akuk donde a1, a2, ..., ak son
escalares, se obtiene de los vectores del sistema dado u1, u2, ..., uk con ayuda de
las operaciones citadas. Más aún, 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 combinación lineal de los vectores u1, u2, ..., uk
si se puede expresar en la forma u = a1u1 + a2u2 + ... + akuk donde a1, a2,
..., ak son escalares.
Si k = 1, entonces la ecuación de la definición precedente se reduce a u = a1u1; es

decir, u es una combinación lineal de un solo vector u1 si es un múltiplo escalar
de u1. Respecto del vector u suele decirse que se expresa linealmente en términos
de los vectores u1, u2, ..., uk. El segundo miembro de la expresión u = a1u1 + a2u2
+ ... + akuk se denomina combinación lineal de estos vectores y los números a1, a2,
..., ak son los coeficientes de la combinación lineal.
EJEMPLO 5.3.1
Está dado el sistema de polinomios p(t) = 1 - t2, q(t) = 1 + t3, r(t) = t - t3, s(t) = 1 + t +
t2 + t3. 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 combinación lineal 5p(t) + q(t) - 4r(t), obtenemos
5(1 - t2) + (1 + t3) – 4(t - t3) = 6 – 4t – 5t2 + 5t3.
b.- Para la combinación lineal p(t) + 9q(t) – 4s(t), obtenemos
(1 - t2) + 9(1 + t3) – 4(1 + t + t2 + t3) = 6 – 4t - 5t2 + 5t3.
Podemos observar que tanto 5p(t) + q(t) - 4r(t), como p(t) + 9q(t) – 4s(t) tienen la
misma combinación lineal. 
JOE GARCIA ARCOS
EJEMPLO 5.3.2
a.- Verifíquese que el polinomio p(t) = t2 + 4t - 3 es una combinación lineal de los
polinomios q(t) = t2 - 2t + 5, r(t) = 2t2 - 3t, s(t) = t + 3.
b.- Verifique si el vector v = (2, -5, 3) se puede expresar como combinación lineal
de los vectores v1 = (1, -3, 2), v2 = (2, -4, -1), v3 = (1, -5, 7).
SOLUCION
a.- Según la definición, debemos resolver p(t) = aq(t) + br(t) + cs(t). Es decir
t2 + 4t – 3 = a(t2 - 2t + 5) + b(2t2 – 3t) + c(t + 3)
Agrupando términos semejantes, obtenemos
t2 + 4t – 3 = (a + 2b)t2 + (-2a - 3b + c)t + (5a + 3c)
Establecemos el sistema de ecuaciones y resolvemos
 a  2b  1  a  3
 
2a  3b  c  4   b  2
 5a  3c  3  c4
 
Por lo tanto
p(t) = - 3q(t) + 2r(t) + 4s(t).
b.- Según la definición, debemos resolver v = av1 + bv2 + cv3. 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)
 a  2b  c  2

3a  4b  5c  5 .
 2 a  b  7c  3

Este sistema tiene un número indeterminado de soluciones. Por lo tanto el vector
v no se puede expresar como combinación lineal de los vectores v1, v2, v3. 
EJEMPLO 5.3.3
 3 1
Verifique si la matriz A    se puede expresar como combinación lineal de
 1 1
1 1  0 0  0 2 0 1
las matrices B   , C , D , E .
 1 0   1 1   0  1  1 0
SOLUCION
Según la definición, debemos resolver A = aB + bC + cD + dE. Es decir
 3 1 1 1   0 0   0 2  0 1
   a   b   c d 
 1 1 1 0   1 1   0 1 1 0
 3 1  a a  2c  d 
  
 1  1   a  b  d bc 
 a3  a3
 a  2c  d  1 b   2
 
  
 a  b  d  1  c  1
 b  c  1  d  0
Por lo tanto A = 3B - 2C – D. 
EJEMPLO 5.3.4
Compruebe que el vector p(t) = t2 + 3t – 2 se puede expresar como combinación
lineal de los vectores q(t) = 3t2 + t - 4, r(t) = 2t – 5, s(t) = 2t2 – 2t + 3.
JOE GARCIA ARCOS

SOLUCION
Según la definición, debemos resolver p(t) = aq(t) + br(t) + cs(t). Es decir
t2 + 3t – 2 = a(3t2 + t - 4) + b(2t – 5) + c(2t2 – 2t + 3)
t2 + 3t – 2 = (3a + 2c)t2 + (a + 2b – 2c)t + (- 4a - 5b + 3c)
 3a  2c  1  a  13 / 3
  13 20
 a  2b  2c  3   b  20 / 3  p(t )  q(t )  r (t )  6s(t ) . 
4a  5b  3c  2  c  6 3 3
 
% 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 = {v1, v2, ..., vk} 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 v1, v2, ...,
vk, y se dice que los vectores v1, v2, ..., vk generan a U. Para indicar que U
es el espacio generado por los vectores del conjunto S.
Fijemos el sistema de vectores u1, u2, ..., uk y dejemos que los coeficientes de las
JOE GARCIA ARCOS

combinaciones lineales tomen cualesquiera valores. En este caso quedará definido

cierto conjunto de vectores de V. Este conjunto lleva el nombre de subespacio
generado de los vectores u1, u2, ..., uk.
El interés hacia los subespacios generados se debe a dos circunstancias. En primer

lugar, si U es un subespacio de V que contiene a v1, v2, ..., vk, entonces U contiene
a todas las combinaciones lineales de esos vectores; es decir, U contiene a
Span{v1, v2, ..., vk}. Segundo, podemos decir que Span{v1, v2, ..., vk} es el menor
de los subespacios de V que contienen a los vectores v1, v2, ..., vk.
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. También 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 v1, v2, ..., vk son vectores en un espacio vectorial V, entonces:
1.- El conjunto U de las combinaciones lineales de v1, v2, ..., vk es
subespacio de V;
2.- U es el menor subespacio de V que contiene a v1, v2, ..., vk, en el sen-
tido de que cualquier otro subespacio que contenga a v1, v2, ..., vk debe
contener a U.
DEMOSTRACION
1.- Para demostrar que U es un subespacio de V, es necesario probar que es ce-
rrado bajo la adición y la multiplicación escalar. En U existe por lo menos un
vector, a saber, , ya que
 = 0v1 + 0v2 + ... + 0vk.
Si u y v son vectores en U, entonces
u = a1u1 + a2u2 + ... + akuk
y
v = b1u1 + b2u2 + ... + bkuk
donde a1, a2, ..., ak, b1, b2, ..., bk son escalares. Por consiguiente,
u + v = (a1 + b1)v1 + (a2 + b2)v2 + ... + (ak + bk)vk
y, para cualquier escalar a,
au = (aa1)v1 + (aa2)v2 + ... + (aak)vk.
Así, u + v y au son combinaciones lineales de v1, v2, ..., vk, y, en consecuencia,
están en U. Por tanto, U es cerrado bajo la adición y la multiplicación escalar.
2.- Cada vector vi es una combinación lineal de v1, v2, ..., vk, ya que es posible escri-
bir vi = 0v1 + 0v2 + ... + 0vk. Por consiguiente, en el subespacio U están todos y cada
uno de los vectores v1, v2, ..., vk. Sea W cualquier otro subespacio que contiene a v1,
v2, ..., vk. Como W es cerrado bajo la adición y la multiplicación escalar, debe conte-
ner todas las combinaciones lineales de v1, v2, ..., vk. Así, W contiene a cada vector de
U. 
Ahora surgen unas preguntas: ¿En qué condiciones los subespacios generados de
dos sistemas diferentes de vectores consisten de los mismos vectores del espacio
inicial? ¿Qué número mínimo de vectores define un mismo subespacio vectorial?
¿Será el espacio vectorial inicial un subespacio generado de algunos de sus vecto-
res? Las respuestas a estas preguntas y otras las daremos más adelante.
Con este fin emplearemos en gran escala la noción de combinación lineal y, en

particular, la propiedad de su transitividad. A saber, si un cierto vector u es una
combinación lineal de los vectores v1, v2, ..., vk, y cada uno de ellos, a su turno, es
una combinación lineal de los vectores w1, w2, ..., wk, entonces el vector u también
puede ser representado como combinación lineal de los vectores w1, w2, ..., wr.
JOE GARCIA ARCOS

DEFINICION 5.3.4
Dos sistemas de vectores S = {v1, v2, ..., vk} y S´ = {w1, w2, ..., wk} 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 recién definida es una relación de equivalencia. De aquí
se desprende que si los subespacios generadores de dos sistemas de vectores coin-
ciden, entonces los sistemas son equivalentes. Así pues, los conjuntos generado-
res no son únicos.
TEOREMA 5.3.2
Si S = {v1, v2, ..., vk} y S´= {w1, w2, ..., wk} son dos conjuntos de vectores
en un espacio vectorial V, entonces Span(S) = Span(S´) si y sólo si todo
vector en S es una combinación lineal de los vectores en S´ y, recípro-
camente, todo vector en S´ es una combinación 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. Recíprocamente, 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 también depende linealmente de los de S´, es decir Span(S)  Span(S´), si
además, también los vectores de S´ dependen linealmente de los de S, se
verificará que Span(S´)  Span(S). 
EJEMPLO 5.3.5
Determine en caso de existir el subespacio generado por el conjunto de vectores
a.- S = {t2 + 3t – 1, 2t2 + 1, 3t2 + t – 1}; b.- S = {1- t2, t – t2, 2 – t – t2}.
SOLUCION
a.- Dado at2 + bt + c un elemento de 2, debemos expresar este elemento como
combinación lineal de los elementos de S. Es decir
at2 + bt + c = (t2 + 3t – 1) + (2t2 + 1) + (3t2 + t – 1)
Agrupando los términos comunes, obtenemos
at2 + bt + c = ( +  + 3)t2 + (3 + )t + (-  +  - )
Establecemos el sistema de ecuaciones
JOE GARCIA ARCOS

     3  a

 3    b
       c

Resolvemos este sistema, utilizando el método de operaciones elementales
 1 1 3 a 1 1 3 a  1 1 3 a 
     
 3 0 1 b 
  0 3 8 3a  b 
  0 3 8 3a  b 
 1 1 1 c   0 2 2 a  c   0 0 10 3a  2b  3c 
     
Como el Rang(A) = 3, no existe subespacio generado por el conjunto S.
b.- Dado at2 + bt + c un elemento de 2, debemos expresar este elemento como
at2 + bt + c = (1 - t2) + (t - t2) + (2 – t - t2).
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 a   1 0 1 a   1 0 1 a 
     
 0 1 1 b 
  0 1 1 b   0 1 1 b .
 2 1 1 c   0 1 1 2a  c   0 0 0 2a  b  c 
     
En este caso, el subespacio generado tiene la siguiente forma:
Span(S) = {(a, b, c)/ 2a - b – c = 0}. 
EJEMPLO 5.3.6
Hallar el menor subespacio de 3 en el que se encuentran los polinomios:
q(t) = 2t3 + 2t2 - 2t, r(t) = t3 + 2t2 - t + 5, s(t) = t3 + 2t2 - 6t - 6.
SOLUCION
Como q(t) + r(t) + s(t) = p(t), entonces
(2t3 + 2t2 - 2t) + (t3 + 2t2 - t + 5) + (t3 + 2t2 - 6t - 6) = at3 + bt2 + ct + d
 2 1 1 a 2 1 1 a  2 1 1 a 
     
 2 2 2 b    0 1 1 a  b    0 1 1 ab 
 2 1 6 c   0 0 5 a  c   0 0 5 ac 
     
 0 5 6 d   0 5 6 d   0 0 11 5a  5b  d 
2 1 1 a 
 
 0 1 1 a b 
 0 0 5 ac 
 
 0 0 0 14a  25b  11c  5d 
Por lo tanto, el subespacio mínimo es
Span{q(t), r(t), s(t) = Span{(a, b, c, d) / 14a - 25b – 11c + 5d = 0}. 
EJEMPLO 5.3.7
Demuestre que el menor subespacio de 3 en el que se encuentran los vectores
v1 = (1, 0, -1), v2 = (0, 2, -2), v3 = (0, -2, 2) es el plano a + b + c = 0.
SOLUCION
El menor subespacio de 3 que contiene a v1, v2 y v3 es Span(S), donde:
Span(S) = Span{(a, b, c) = (1, 0, -1) + (0, 2, -2) + (0, -2, 2) / , ,   }
= Span{(a, b, c) = (, 2 - 2, - - 2 + 2) / , ,   }
Se desea describir este subespacio de 3 en otros términos. Obsérvese que de la
JOE GARCIA ARCOS

última expresión para Span(S) se obtiene

a

 2  2  b
  2  2  c

que puede interpretarse como un sistema de 3 ecuaciones con 3 incógnitas , , , el
cual se sabe que tiene solución. Al aplicar el método de eliminación Gaussiana a este
sistema se obtiene
 1 0 0 a 1 0 0 a  1 0 0 a 
     
 0 2 2 b    0 2 2 b    0 2 2 b 
 1 2
 2 c   0 2 2 a  c   0 0 0 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 combinación lineal de v1, v2 y v3 si, y sólo si
a + b + c = 0. Por lo tanto, el subespacio Span{v1, v2, v3} puede ser escrito como:
Span{v1, v2, v3} = Span{(a, b, c) / a + b + c = 0},
lo cual es subespacio vectorial de 3 que representa geométricamente un plano que
pasa por el origen. 
EJEMPLO 5.3.8
Demuestre que no existe subespacio propio de 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) + (1, 1, 0) + (1, 0, 0) / , ,   }
= {( +  + ,  + , ) / , ,   }
Se desea describir este subespacio de 3 en otros términos. Obsérvese que de la
última expresión para Span{v1, v2, v3} se obtiene
      a

   b
 c

que puede interpretarse como un sistema de 3 ecuaciones con 3 incógnitas , , . Al
aplicar el método de eliminación Gaussiana a este sistema se obtiene
1 1 1 a   1 1 1 a   1 1 0 a  b 
     
1 1 0 b    0 0 1 b  a    0 0 1 b  a 
1 0 0 c   0 1 1 c  a   0 1 0 c  b 
     
Podemos ver que no existe condición restrictiva para que el vector v sea combinación
lineal de los vectores v1, v2, v3. Por lo tanto no existe subespacio propio de 3. 
EJEMPLO 5.3.9
Hallar el menor subespacio del subespacio solución S del sistema de ecuaciones
homogéneo:
a  2b  2c  2d  e  0

 a  2b  c  3d  2e  0 .
2a  4b  7c  d  e  0

SOLUCION
Resolvemos el sistema de ecuaciones homogéneas:
 1 2 2 2 1 0   1 2 2 2 1 0   1 2 2 2 1 0 
     
 1 2 1 3 2 0    0 0 1 1 1 0    0 0 1 1 1 0 
 2 4 7 1 1 0   0 0 3 3 1 0   0 0 0 0 2 0 
    
Por lo tanto, el subespacio mínimo de S es
Span(S) = Span{(a, b, c, d, e) / a = - 2b – 4d, c = - d, e = 0}. 
JOE GARCIA ARCOS

EJEMPLO 5.3.10
a.- Demuéstrese 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  W, entonces Span(U)  W.
SOLUCION
a.- Sabemos por hipótesis que U  V y que U  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 también cumple dichos axiomas, por lo cual
el Span(U) es un subespacio de V.
b.- Si U genera un subespacio, éste 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), éste no heredaría los axiomas del espacio vectorial,
y por tanto solamente sería un conjunto contenido en el espacio vectorial. En
consecuencia, Span(U) es el menor subespacio de V que puede contener a U.
Además, si el conjunto U está 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. 
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 5, debemos expresar este elemento como
(a, b, c, d, e) = (1, 0, 0, 0, 0) + (0, 0, 1, 0, 0) + (0, 0, 0, 0, 1).
Formamos la matriz aumentada del sistema generado por la combinación lineal:
1 0 0 a 
 
0 0 0 b 
0 1 0 c  .
 
0 0 0 d 
0 0 1 e 
 
Span(S) = {(a, b, c, d, e) / b = d = 0}.
b.- Dado (a, b, c, d, e) un elemento de 5, debemos expresar este elemento co-
mo combinación lineal de los elementos de S. Es decir
(a, b, c, d, e) = (1, 0, 0, 0, 1) + (0, 1, 0, 1, 0) + (0, 0, 1, 0, 0).
1 0 0 a  1 0 0 a  1 0 0 a 
     
0 1 0 b  0 1 0 b  0 1 0 b 
0 0 1 c   0 0 1 c   0 0 1 c .
     
0 1 0 d  0 1 0 d  0 0 0 b  d 
1 0 0 e  0 0 0 a  e 0 0 0 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 5, debemos expresar este elemento como
(a, b, c, d, e) = (1, 0, 0, 0, -1) + (0, 1, 0, 0, -1) + (0, 0, 1, 0, -1) +
JOE GARCIA ARCOS

+ (0, 0, 0, 1, -1)
 1 0 0 0 a  1 0 0 0 a  1 0 0 0 a 
     
 0 1 0 0 b  0 1 0 0 b  0 1 0 0 b 
 0 0 1 0 c   0 0 1 0 c   0 0 1 0 c 
     
 0 0 0 1 d  0 0 0 1 d  0 0 0 1 d 
 1 1 1 1 e   0 1 1 1 a  e   0 0 1 1 a  b  e 
     
1 0 0 0 a  1 0 0 0 a 
   
0 1 0 0 b  0 1 0 0 b 
0 0 1 0 c   0 0 1 0 c .
   
0 0 0 1 d  0 0 0 1 d 
0 0 0 1 a  b  c  e   0 0 0 0 a  b  c  d  e 

Span(S) = {(a, b, c, d, e) / a + b + c + d + e = 0}. 
EJEMPLO 5.3.12
Demuéstrese que si V es el espacio de las funciones doblemente diferenciables
definidas en a  t  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 combinación lineal obtenemos
f(t) = aSent + bCost
derivamos dos veces esta expresión
f ´(t) = aCost – bSent
f ´´(t) = - aSent – bCost = - (aSent + bCost) = - f(t)
Por lo tanto concluimos que
Span(S) = {f  C2[a; b] / f ´´(t) = - f(t)}. 
PROBLEMAS
5.3.1 Pruebe que S = {(1, 1, 0), (1, 0, 1), (0, 1, 1)} es una 5.3.5 Sean S = {(1, 0, -2), (0, 3, 6), (-4, -2, 3)} y u = (4, 1,
base, demostrando que Span(S) contiene a (1, 0, 0), (0, 1, -4) y sea W = Span(S):
0) y (0, 0, 1). ¿Por qué basta esto? a.- ¿Está u en S? ¿Cuántos vectores hay en S?;
b.- ¿Está u en W? ¿Cuántos vectores hay en W?
5.3.2 Los números reales forman un espacio vectorial c.- Demuestre que (1, 0, -2) está en W.
sobre los racionales. Demuestre que {1, 2} y
5.3.6 Determine el menor subespacio de las matrices de 3
{1  2,1  2} generan al mismo subespacio. x 3 que contenga todas las matrices simétricas y todas las
matrices triangulares inferiores. ¿Cuál es el mayor
5.3.3 Encontrar la ecuación del plano generado por los subespacio contenido en ambos subespacios?
vectores u = (-1, 4, 5) y v = (6, -3, 2).
5.3.7 Demuestre que los sistemas de vectores S1 = {(1, 6,
5.3.4 Encontrar las ecuaciones paramétricas de la recta 4), (2, 4, -1), (-1, 2, 5)} y S2 = {(1, -2, -5), (0, 8, 9)}
generada por el vector u = (5, -1, 4). generan el mismo subespacio de 3.
5.4 INTERSECCION Y SUMA DE SUBESPACIOS. SUMA DIRECTA
En esta sección se estudiarán los subespacios intersección, suma y suma directa. Con el trabajo aquí realizado
se comprenderá mejor la relación que hay entre las soluciones de un sistema de ecuaciones lineales y las pro-
piedades de su matriz de coeficientes.
JOE GARCIA ARCOS

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 intersección de los subespacios vectoriales U y W, al conjunto
de todos los vectores pertenecientes simultáneamente 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 también un subespacio
vectorial de S.
DEMOSTRACION
Si u  U y w  W, se debe verificar, por una parte, que u  U  W y w  U  W, y
por otra parte, que u + w  U, u + w  W y u + w  U  W. De la misma manera,
se llega a la conclusión u + w  U  W, para todo a  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

intersección vacía. Cuando se diga que dos subespacios U y W son disjuntos,
se debe entender que no tienen más elemento en común que el vector cero, es
decir, se verifica que U  W = {}.
Resulta evidente que el subespacio intersección de varios subespacios dados es el
más 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 4. Hallar U  W.
SOLUCION
Tomando las condiciones de los conjuntos U y W, tenemos el siguiente sistema de
ecuaciones homogéneo:
b  2c  d  0  0 1 2 1 0   0 1 2 1 0 
    
ad 0   1 0 0 1 0    1 0 0 1 0  .
 b  2c  0  0 1 2 0 0   0 0 0 1 0 
    
Por lo tanto U  W = {(a, b, c, d) / a = d = 0, b = 2c}. 
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 5. Hallar U  W.
SOLUCION
Primera encontramos los subespacios generados Para U y W:
 1 1 1 a  1 1 1 a  1 1 1 a 
     
 1 2 1 b   0 1 0 a  b   0 1 0 ab 
 1 2 2 c    0 1 1 a  c    0 0 1 bc 
     
 0 0 2 d   0 0 2 d   0 0 2 d 
 0 3 1 e   0 3 1   0 0 1 3a  3b  e 
   e   
JOE GARCIA ARCOS

1 1 1 a 
 
 0 1 0 ab 
0 0 1 bc .
 
0 0 0 2b  2c  d 
0 0
 0 3a  4b  c  e 
Por lo tanto
Span(U) = {(a, b, c, d, e) / 3a + 4b – c – e = 0, 2b – 2c + d = 0}.
 1 1 1 a  1 1 1 a  1 1 1 a 
     
 2 1 1 b   0 1 1 2a  b   0 1 1 2a  b 
 3 3 2 c    0 0 1 3a  c    0 0 1 3a  c 
     
 0 2 2 d  0 2 2 d  0 0 0 4a  2b  d 
 2 4 5 e   0 2 3 2a  e   0 0 1 6a  2b  e 
    
1 1 1 a 
 
0 1 1 2a  b 
0 0 1 3a  c 
 
0 0 0 4a  2b  d 
0
 0 0 9a  2b  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 intersección entre estos subespacios debemos resolver el
sistema de ecuaciones homogéneas, que resulta de las condiciones restrictivas de
cada uno de estos subespacios:
 3a  4b  c  e  0  3 4 1 0 1 0   3 4 1 0 1 0 
 2b  2c  d  0    

  0 2 2 1 0 0    0 2 2 1 0 0 
  4 2 0 1 0 0   0 10 4 3 4 0 
4a  2b  d  0    
 9a  2b  c  e  0
 9 2 1 0 1 0   0 10 4 0 2 0 
 3 4 1 0 1 0   3 4 1 0 1 0 
   
 0 2 2 1 0 0    0 2 2 1 0 0 
 0 0 6 2 4 0   0 0 6 2 4 0 
   
 0 0 6 5 2 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}. 
EJEMPLO 5.4.3
El conjunto U de todas las ternas de 3 cuya primera coordenada es 0 es subespacio
de 3, como también 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 3.
SOLUCION
Por el ejemplo anterior, el conjunto U  W es subespacio de 3; U  W consta de
todas las termas (0, 0, c) en las que c es arbitrario. 
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 estará 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

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.
Obsérvese que, tanto la intersección como la suma de subespacios siempre son

conjuntos no vacíos, 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. Además, si S es también subespacio de V que
contenga tanto a U como a W, entonces S también 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). Además si U y W son
subespacios de S, entonces U + W es un subespacio de S.
DEMOSTRACION
Puesto que   U y   W, el elemento neutro pertenece a la suma, ya que
 =  +   U + W.
Por otra parte, si suponemos que
u1 + w1  U + W y u2 + w2  U + W,
debe verificarse que
(u1 + w1) + (u2 + w2) = (u1 + u2) + (w1 + w2)  U + W
y
a(u1 + w1) = au1 + aw1  U + W,
cuyas dos condiciones justifican que U + W es un subespacio vectorial de V. Dado
que   U, W  U + W. De igual modo, U  U + W. Ya que U + W es un
subespacio que contiene a U  W, Span(U  W)  U + W. Para cualquier v  U +
W, v se puede escribir en la forma v = u + w donde u  U y w  W. Entonces u  U
 Span(U  W) y w  W  Span(U  W). Como Span(U  W) es un subespacio,
v = u + w  Span(U + W). De donde U + W = Span(U + W). 
En 2, supongamos que en U sólo está 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 varía 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 3 sean u, v vectores no nulos, ninguno de ellos múltiplo escalar del otro. Supon-
gamos que U es el conjunto de todos los múltiplos escalares de u y que W es el con-
junto de todos los múltiplos escalares v. Entonces, U + W consta de todos los vecto-
res au + bv. Aquí, U corresponde a la recta L1 que pasa por O, W a la recta L2 que
pasa por O, y U + W a un plano  que también pasa por O y contiene a L1 y a L2.
Indiquemos, finalmente, las propiedades siguientes de la suma de subespacios, que

se desprenden directamente de la definición:
1.- U + W = W + U;
2.- U + (W + V) = (U + W) + V;
3.- Si U está 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 más otro
JOE GARCIA ARCOS

de W, es decir, U + W = {w  V / w = u + v con u  U y v  W}. Demostrar que U

+ W es el mínimo subespacio vectorial que contiene a U y a W.
SOLUCION
En efecto,   U + W, pues es  =  +  y   U y   W. Además, si w1 y w2
son de U + W, serán w1 = u1 + v1 y w2 = u2 + v2 donde u1, u2  U y v1, v2  W, y
por tanto, será w1 + w2 = (u1 + u2) + (v1 + v2), lo que por ser u1 + u2  U y v1 + v2 
W, indica que es w1 + w2  U + W. Por otro lado, si k es un escalar cualquiera y w 
U + W, es w = u + v con u  U y v  W, de donde, kw = k(u + v) = ku + kv, y como
ku  U y kv  W, es kw  U + W. Consecuentemente, U + W es un subespacio.
Además, U + W contiene a U, pues si u  U, es u = u + , y   W; del mismo
modo contiene a W, pues si v  W, es v =  + v, y   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  U y v  W, y por tanto, debe contener a U + W, lo que prueba que U +
W es el mínimo subespacio que contiene a U y a W. 
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 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 1 0 0 0
   
0 2 1 0 0 2 1 0
 0 1 0 1    0 0 1 2 
   
0 2 1 0 0 0 0 0
 1 0 0 1   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 = 4. 
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 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 formarán la base de U + W:
1 1 1 0 0   1 1 1 0 0   1 1 1 0 0 
     
1 2 2 0 3   0 1 3 0 3   0 1 3 0 3 
1 1 2 2 1   0 0 3 2 1   0 0 3 2 1 
     
1 2 3 0 2   0 1 4 0 2   0 0 1 0 1 
1 1 3 2 4   0 0 4 2 4   0 0 4 2 4 
     
1 1 2 2 5   0 0 3 2 5   0 0 3 2 5 
JOE GARCIA ARCOS

 1 1 1 0 0   1 1 1 0 0
   
0 1 3 0 3 0 1 3 0 3
0 0 3 2 1   0 0 3 2 1 
   
0 0 0 1 1 0 0 0 1 1
0 0 0 7 8   0 0 0 0 1
   
0 0 0 2 3   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 =  .  5
EJEMPLO 5.4.7
Sea W el conjunto de todos los vectores de la forma (r, 2r – t, r + t, t) de 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 4;
c.- Encuéntrese 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 continuación encontramos una base para el subespacio U + W:
1 2 1 0 1 2 1 0  1 2 1 0 1 2 1 0
       
 0 1 1 1    0 1 1 1    0 1 1 1    0 1 1 1  .
 2 0 0 3   0 4 2 3   0 0 6 1   0 0 6 1 
       
 2 1 1 2   0 3 3 2   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 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 intersección U  W es:
Base(U  W) = {(2, 1, -1, 2)}. 
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 formarán la base de U + W:
JOE GARCIA ARCOS

 0 1 1 1  0 1 1 1  0 1 1 1  0 1 1 1 
       
 1 1 1 2   0 0 1 3   0 0 1 3   0 0 1 3 
 2 0 1 1    0 2 1 1    0 0 1 3    0 0 0 0 
       
 1 3 2 1  0 4 2 2   0 0 2 6   0 0 0 0 
 1 1 0 1  1 1 0 1   1 1 0 1   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 a  1 0 1 b  1 0 1 b 
     
1 0 1 b   0 0 1 a   0 0 1 a 
 1 1 0 c   1 1 0 c   0 1 1 b  c 
     
 1 3 1 d   1 3 1 d   0 3 2 b  d 
1 0 1 b  1 0 1 b 
   
0 0 1 a   0 0 1 a .
0 1 1 b  c  0 1 1 bc 
   
0 0 1 2b  3c  d   0 0 0 a  2b  3c  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 a   2 1 a   2 1 a 
     
 0 3 b   0 3 b   0 3 b .
 1 2 c   0 3 a  2c   0 0 a  b  2c 
     
 1 1 d   0 3 a  2d   0 0 a  b  2d 
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 formarán la base de U + W:
 2 5 3 4   2 5 3 4   2 5 3 4 
     
 1 2 0 7   0 3 1 6   0 3 1 6 
 3 6 2 5   0 3 5 2   0 0 1 1 
     
 2 0 4 6   0 5 7 2   0 0 4 9 
 1 1 1 1   0 7 1 2   0 0 1 9 
     
3 3 1 5   0 21 7 2   0 0 0 1 
 2 5 3 4   2 5 3 4 
   
 0 3 1 6   0 3 1 6 
 0 0 1 1   0 0 1 1 
   
 0 0 0 1  0 0 0 1
0 0 0 1  0 0 0 0 
   
0 0 0 1  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 = 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

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 a   1 3 a  1 3 a 
     
1 3 b    0 0 a  b    0 0 a b 
.
1 1 c   0 2 a  c   0 2 ac 
     
1 5 d   0 2 a  d   0 0 2a  c  d 
Por lo tanto
Span(U  W ) = {(a, b, c, d) / a – b = 0, 2a – c – d = 0}. 
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 están en U, en W o en ambos. El
conjunto S se llama unión de U y W. La unión 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 intersección, la unión de
dos subespacios no es necesariamente otro subespacio. Aquellos casos en los cuales
U  W = {} merecen atención especial. Si U  W = {}, 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 única como suma de vectores de los espacios sumandos.
Los subespacios U1, U2, ..., Un, del espacio vectorial V, son independientes si, y sólo
si, la descomposición del vector cero en suma de vectores de dichos subespacios es
única. Si en un espacio vectorial V, varios subespacios son independientes, entonces
son disjuntos dos a dos.
Es muy importante observar que la proposición recíproca, en general, no es cierta; es

decir, el sólo hecho de ser unos subespacios disjuntos dos a dos no implica forzosa-
mente que ellos sean independientes. Como consecuencia de esta afirmación, pode-
mos establecer que dos subespacios U y W son independientes si, y sólo 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 = {}.
DEMOSTRACION
Si se acepta que V = U  W, para todo v  V puede expresarse de una sola manera
en la forma v = u + w, con u  U y w  W, en cuyo caso particular se verifica que
V = U + W. Si suponemos que v  U  W, debe ocurrir que
v = v + , en donde v  U y   W;
v =  + v, en donde   U y v  W;
pero al no ser posible nada más que de una sola forma la descomposición anterior, ha
de verificarse que v =  y, por tanto, U  W = {}. Recíprocamente, 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 única. Si existe otra posible
descomposición, tal como v = u1 + w1, con u1  U y w1  W, se tiene que u + w = u1
+ w1, de donde, u – u1 = w1 - w; pero como u – u1  U y w1 - w  W y por hipótesis
U  W = {}, debe ocurrir que u – u1 = w1 - w = , de donde u = u1 y w = w1. 
JOE GARCIA ARCOS
TEOREMA 5.4.4
Los subespacios U1, U2, ..., Un, del espacio vectorial V, son independientes
si, y sólo si, la descomposición del vector cero en suma de vectores de
dichos subespacios es única.
DEMOSTRACION
Para demostrar este teorema basta con cerciorarse de que los subespacios U1, U2, ...,
Un, son independientes, pues con repetir la demostración un número finito de veces
se prueban todos los casos que se pueden presentar. Supóngase que U1, U2, ..., Un, 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 = u1 + u2 + ... + un y u = v1 + v2 + ... + vn, con ui, vi  Ui y siendo uj  vj para
algunos índices j, entonces, tomando un vector cualquiera u  U1, el vector v = u1 +
u pertenece a la suma U1 + U2 + ... + Un y sería expresable, como suma de vectores
de U1, U2, ..., Un, de dos formas distintas, u = u1 + u2 + ... + un y u = v1 + v2 + ... + vn,
lo cual no es posible, pues estos subespacios son independientes; esta imposibilidad
obliga a rechazar el supuesto de ser U1 + U2 + ... + Un no independientes, es decir, la
proposición 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, Ui y Uj, con i  j, no fuesen disjuntos, es decir, si existe v 
 que pertenece a ambos, todo vector u = u1 + u2 + ... + un de la suma podría
expresarse también en la forma u = u1 + ... + (ui + v) + ... + (uj + v) + ... + un, 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 proposición recíproca, en general, no es cierta; es

decir, el sólo 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 sólo si, son
disjuntos.
EJEMPLO 5.4.9
Si S1 genera a U y S2 genera a W, entonces S1  S2 genera a U + W.
SOLUCION
Dado que   U, W  U + W. De igual modo, U  U + W. Ya que U + W es un
subespacio que contiene a U  W, Span(U  W)  U + W. Para cualquier u  U +
W, u se puede escribir en la forma u = v + w donde v  U y w  W. Entonces v  U
 Span(U  W) y w  W  Span(U  W). Como Span(U  W) es un subespacio,
u = v + w  Span(U  W). De donde U + W = Span(U  W).
La segunda parte de la demostración se deduce ahora directamente. U = Span(S1) 
Span(S1  S2) y W = Span(S2)  Span(S1  S2), de manera que U  W  Span(S1
 S2)  Span(U  W) y, por lo tanto, Span(U  W) = Span(S1  S2). 
EJEMPLO 5.4.10
Sean U, W y S subespacios de un espacio vectorial V:
a.- Pruébese que U + W = Span(U  W), es decir que U + W es el menor
subespacio que contiene a U  W.
b.- Pruébese que U  S, entonces S  (U + W) = U + (S  W).
SOLUCION
a.- Como U y W están ambos contenidos en U + W se tiene que U  W  U +
W. Supongamos que U es un subespacio que contiene a U  W. Para todo elemento
u de U + W existen v  U y w  W con u = v + w. El elemento u es una suma de
JOE GARCIA ARCOS
dos elementos de X y por lo tanto pertenece a X. Hemos visto así que U + W  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  U + W tenemos en cualquier caso que S  W  S  (U + W).
Además U  S y U  U + W, de donde U  S  (U + W). Entonces, U  (S  W)
 S  (U + W) y por a) U + (S  W)  S  (U + W). Para demostrar la extensión
recíproca, consideramos un elemento u  S  (U + W). Entonces u  S y existen
v  U y w  W con u = v + w. Como U  S, el elemento w = u – v  S y por tanto
u = v + w, con v  U y w  S  W. Es decir u  U + (S  W). 
EJEMPLO 5.4.11
La intersección de dos subespacios diferentes y propios de 2 será siempre el
espacio nulo {}.
SOLUCION
Esto se ve con facilidad si se recuerda que los espacios propios de 2 correspondían
a rectas que pasan por el origen, y que dos rectas diferentes entre sí y que pasan por
el origen se interceptan necesariamente sólo en el origen. Por lo tanto, el espacio de
la intersección consta solamente del vector cero; es decir la intersección es el espacio
nulo {}. De forma general, cuando dos subespacios de un espacio vectorial V se
interceptan en el espacio cero, decimos que se interceptan sólo trivialmente. 
EJEMPLO 5.4.12
Demuestre que si dos subespacios, U y W de un espacio vectorial V tienen la misma
dimensión finita y U  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 más elementos que la base de U. Esto
significa que una base de U es también una base de W; es decir, U = W. 
EJEMPLO 5.4.13
La suma de los subespacios U y W se denomina suma directa y se nota U  W si
sólo si todo vector de este subespacio se escribe como suma de uno de U y otro de W
de manera única. Demuestre que la suma de los subespacios U y W es directa si y
sólo si es U  W = {}.
SOLUCION
En efecto, supongamos que la suma de los subespacios U y W es directa y que existe
un vector v   que pertenece a U y a W. Sería entonces  =  +  y  = v + (-v),
y por tanto, el vector  se expresaría como suma de uno de U más otro de W cuando
menos de dos maneras distintas, contradiciendo el hecho de ser la suma de U y W
directa. Luego, el único vector que a la vez es de U y W es el vector .
Recíprocamente, sea U  W = {}. Si fuese u1 + v1 = u2 + v2, donde u1 y u2 son de
U y v1 y v2 son de W, sería el vector u1 + (-u2) de U igual al vector v2 + (-v1) de W,
de donde, debe ser u1 = u2 y v1 = v2, lo que prueba que la suma de los subespacios U
y W es directa. 
EJEMPLO 5.4.14
Si V = U  W y S es un subespacio cualquiera de V tal que U  S, pruebe que
S = (S  U)  (S  W).
SOLUCION
Ya que U  S, U + (S  W)  S. Todo u  S  (U + W) se puede escribir en la
forma u = v + w donde v  U y w  W. Como U  S, v  S. Así, w  S y u  (S
 U) + (S  W) = U + (S  W). De donde, S = S  (U + W) = U + (S  W).
Finalmente, es fácil ver que esta última suma es directa. 
JOE GARCIA ARCOS

PROBLEMAS
5.4.1 Suponga que U1, U2 y U3 son subespacios de V, 5.4.4 Sean U = Span{(1, 2, 3, 6), (4, -1, 3, 6), (5, 1, 6,
entonces: 12)} y W = Span{(1, -1, 1, 1), (2, -1, 4, 5)} subespacios
a.- Demuéstrese que (U1  U3) + (U2  U3)  (U1 + U2)  de 4. Encuentre bases para U  W y U + W. Extienda
U3; la base de U  W hacia una base de U, y extienda la
b.- Dé un ejemplo en 2, de tal forma que se cumpla el base de U  W hacia una base de W. De estas bases,
inciso anterior. obtenga una base de U + W.
5.4.2 Demuéstrese con un ejemplo que si U, W, S son 5.4.5 Demuestre con un ejemplo que si U1, U2, U3 son
subconjuntos de un espacio vectorial V y si U está subespacios de V y U3  U1, U3  U2 entonces U3  U1
contenido en W, entonces U + S está contenido en W + S.  U2.
5.4.3 Descríbanse las intersecciones de los subconjuntos 5.4.6 Sea U el subespacio de 3 de todos los
siguientes U, W de C(-; +) y determínese si la inter- polinomios tales que p(0) = 0, y sea W el subespacio de
sección es un subespacio: todos los polinomios tales que p(1) = 0. Determine una
a.- U: todas las f tales que f(0) = 0; W: todas las f tales base de U, una base de W y una base de su intersección
que f(1) = 0. U  W.
b.- U: todos los polinomios; W: todas las funciones pares.
c.- U: todos los polinomios; W: todas las funciones acota- 5.4.7 Examínese desde el punto de vista geométrico
das. la clase posible de intersección de dos subespacios no
d.- U: todas las f que tienen período 3; W: todas las f triviales U, W de 3 en cada uno de los casos siguien-
que tienen período 2. tes:
e.- U: todas las f con límite 0 cuando x  ; W: todas a.- U y W corresponden a rectas que pasan por 0.
las f con límite 1 cuando x  . b.- U corresponde a una recta que pasa por 0, W a un
 plano que pasa por 0.
f.- U: todas las f tales que existe 0 f ( x) dx ; W: todas las
c.- U y W corresponden a planos que pasan por 0.
0
f tales que existe  f ( x) dx .
5.5 DEPENDENCIA E INDEPENDENCIA LINEAL
En esta sección se estudiarán condiciones en las que cada vector en un espacio vectorial se puede expresar de
manera única como una combinación lineal de los vectores generadores. Los conjuntos generadores con esta
propiedad son fundamentales en el estudio de los espacios vectoriales.
Considere los vectores arbitrarios u1, u2, ..., uk en un espacio vectorial V. Puede
ocurrir que uno de ellos se expresa como combinación lineal de los demás. Sea,
por ejemplo, el vector u1. Entonces, cada uno de los vectores u1, u2, ..., uk se ex-
presa linealmente en términos de u2, ..., uk. Por esta razón cualquier combinación
lineal de los vectores u1, u2, ..., uk es también una combinación lineal de los vecto-
res u2, ..., uk. Por consiguiente, los subespacios generados por los vectores u1, u2,
..., uk y u2, ..., uk coinciden.
Suponga luego que entre los vectores u2, ..., uk hay un vector, por ejemplo, u2
que también se expresa linealmente en términos de los vectores restantes. Al
repetir estos razonamientos, llegamos a la conclusión de que ahora cualquier
combinación lineal de los vectores u1, u2, ..., uk es también una combinación lineal
de los vectores u3, ..., uk. Continuando este proceso, pasamos, del sistema u1, u2,
..., uk 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 u1, u2, ..., uk. Además, podemos decir que si entre u1, u2,
..., uk hubo aunque un solo vector no nulo, el nuevo sistema de vectores o bien
JOE GARCIA ARCOS
consiste solamente en un vector no nulo o bien ninguno de sus vectores se expresa

linealmente en términos de los vectores restantes. Tal sistema de vectores se de-
nomina linealmente independiente.
DEFINICION 5.5.1
Si S = {u1, u2, ..., uk} es un conjunto no vacío de vectores, entonces la
ecuación vectorial a1u1 + a2u2 + ... + akuk =  tiene por lo menos una so-
lución, a saber, a1 = a2 ... = ak = 0. Si esta es la única solución, entonces
S se denomina conjunto linealmente independiente. Si existen otras solu-
ciones, entonces S se denomina conjunto linealmente dependiente.
Es evidente que la definición de independencia lineal de un conjunto no tendría

sentido si un vector de un conjunto pudiera aparecer un número arbitrario de
veces en una relación 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 expresión linealmente dependiente sugiere que los vectores dependen entre sí

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 más vectores es:
1.- Linealmente dependiente si y sólo si por lo menos uno de los vecto-
res en S puede expresarse como combinación lineal de los demás vecto-
res en S.
2.- Linealmente independiente si y sólo si ningún vector en S se puede
expresar como una combinación lineal de los demás vectores en S.
DEMOSTRACION
1.- Sea S = {v1, v2, ..., vk} un conjunto con dos o más vectores. Si se supone que S
es linealmente dependiente, entonces existen escalares a1, a2, ..., ak, no todos igua-
les a cero, tales que
a1v1 + a2v2 + ... + akvk = .
Para ser más específicos, suponga que a1  0. Entonces la expresión anterior se
puede volver a escribir como
 a   a 
v1    2  v2  ...    k  vk
 a1   a1 
que expresa a v1 como una combinación lineal de los demás vectores en S. De
manera semejante, si ai  0 en la misma expresión para alguna j = 2, 3, ..., k, en-
tonces vi se puede expresar como una combinación lineal de los demás vectores
en S. Recíprocamente, se supone que por lo menos uno de los vectores en S se
puede expresar como una combinación lineal de los demás vectores. En concreto,
supóngase que
v1 = c1v1 + c2v2 + ... + ckvk
de modo que
v1 – c2v2 – c3v3 - ... – ckvk = .
Se concluye que S es linealmente dependiente, ya que la ecuación
a1v1 + a2v2 + ... + akvk = 
se satisface por a1 = 1, a2 = -c2, a3 = -c3, ..., ak = -ck que no todos son cero. La
demostración para el caso en que algún vector diferente de v1 se puede expresar
como una combinación lineal de los demás vectores en S es semejante. La segun-
da parte del teorema se demuestra de forma análoga. 
Si entre los vectores u1, u2, ..., uk no todos son nulo en términos de los vectores
citados nulos y si dicho sistema es linealmente dependiente, entonces en éste
JOE GARCIA ARCOS

puede existir un subsistema linealmente independiente de vectores, en cuyos

términos es linealmente expresado cualquiera de los vectores u1, u2, ..., uk. Una
circunstancia, inesperada a primera vista, determina si un sistema de vectores u1,
u2, ..., uk es linealmente dependiente o linealmente independiente.
Ya se observo que el vector nulo pertenece al subespacio generado y es represen-

tado por la combinación lineal u = a1u1 + a2u2 + ... + akuk con valores nulos de los
coeficientes. A pesar de esto, puede expresarse linealmente en términos de los
vectores a1u1 + a2u2 + ... + akuk de otro forma. La independencia lineal de los
vectores u1, u2, ..., uk está estrechamente vinculada con la unicidad de la represen-
tación del elemento nulo en términos 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 v1, v2, ..., vk, el conjunto S = {v1, v2, ..., vk, } es lineal-
mente dependiente, ya que la ecuación 0v1 + 0v2 + ... + 0vk + 1() =  expresa al
vector  como una combinación lineal de los vectores en S con coeficientes no
todos iguales a cero. 
Este teorema es una conclusión del hecho de que dos vectores son linealmente
independientes si y sólo si ninguno de ellos es un múltiplo escalar del otro. Geo-
métricamente, esto equivale a afirmar que los vectores no están 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
{u1, u2, ..., un}  V es linealmente independiente.
DEMOSTRACION
Si {u1, u2, ..., uk, uk+1,..., un} es un conjunto linealmente independiente, mientras el
subconjunto {u1, u2, ..., uk} (h < n) es linealmente dependiente, debe existir en a1u1 +
... + akuk existe al menos un ai diferente de cero, en contra de la hipótesis que exige el
valor cero para todos los ai que figuran en la expresión a1u1 + ... + akuk + ak+1uk+1 + ...
+ anun = . 
TEOREMA 5.5.4
Si algunos de los vectores del sistema {u1, u2, ..., un} son linealmente de-
pendientes, todo el sistema {u1, u2, ..., un} será linealmente dependiente.
DEMOSTRACION
Sin restringir la generalidad podemos considerar que los primeros vectores del
sistema {u1, u2, ..., uk} son linealmente dependientes. Por consiguiente, existen tales
escalares a1, a2, ..., ak, entre los cuales hay distintos de cero, que a1u1 + a2u2 + ... +
akuk = . De aquí fluye la legitimidad de la igualdad a1u1 + a2u2 + ... + akuk + 0uk+1
+ ... + 0un = . Mas, esta igualdad significa dependencia lineal de los vectores del
sistema {u1, u2, ..., un}, puesto que entre los escalares a1, a2, ..., ak, 0, ..., 0 hay algu-
nos que no son nulos. 
La independencia lineal de los vectores u1, u2, ..., uk está estrechamente vinculada
con la unicidad de la representación del elemento.
Con todo este análisis, podemos decir que un conjunto con exactamente dos vec-
tores es linealmente independiente si y sólo si ninguno de los vectores es un múl-
tiplo escalar del otro. Esta afirmación es una conclusión del hecho de que tres
vectores son linealmente independientes si y sólo si ninguno de ellos es una com-
JOE GARCIA ARCOS
binación lineal de los otros dos. Geométricamente, esto equivale a decir que nin-
guno de los vectores está en el mismo plano que los otros dos o, de otro modo,
que los tres vectores no están en un plano común 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 más elementos. Entonces, S es linealmente dependiente si, y
sólo 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 está
en S sin estar en S´. Ahora bien, u está en Span(S) y, como Span(S) = Span(S´), u
también está en Span(S´). Por lo tanto, u = a1u1 + a2u2 + ... + akuk, donde u1, u2, ...,
uk están en S´. Por lo tanto, los ui están en S y son diferentes de u. Pero, entonces,
a1u1 + a2u2 + ... + akuk + (-1)u =  y concluimos que S es linealmente dependiente.
A continuación, sea S un conjunto linealmente dependiente. Entonces, existen
vectores u1, u2, ..., uk en S tales que a1u1 + a2u2 + ... + akuk =  donde no todos los
coeficientes son cero; supongamos que a1  0. Entonces, podemos expresar u1
como combinación lineal de u2, ..., uk. Por lo tanto, podemos expresar toda combi-
nación lineal de elementos de S como una combinación lineal así, sin usar a u1.
Por lo tanto, si tomamos a S´ como S sin el vector u1, entonces Span(S´) =
Span(S), y S´ es subconjunto propio de S. 
El siguiente teorema muestra que un conjunto linealmente independiente en n

puede contener cuando mucho n vectores.
TEOREMA 5.5.6
Sea S = {v1, v2, ..., vk} un conjunto de vectores en n. Si k > n, entonces S
es linealmente dependiente.
DEMOSTRACION
Se supone que
 v1  (a11 , a1 2 , ..., a1 n )

v2  (a21 , a2 2 , ..., a2 n )


 v  (a , a , ..., a )
 k k1 k 2 kn
Considérese la ecuación b1v1 + b2v2 + ... + bkvk = . Si reemplazamos los vectores

anteriormente definidos en la ecuación, ambos miembros de esta se expresan en
términos de las componentes
b1(a11, ..., a1n) + b2(a21, ..., a2n) + ... + bk(ak1, ..., akn) = (0, 0, ..., 0)
y después se igualan las componentes correspondientes, se obtiene el sistema
a11b1  a21b2   ak1bk  0
a b  a b   a b  0
 12 1 22 2 k2 k


 a1n b1  a2 n b2   ak n bk  0

Este es un sistema homogéneo de n ecuaciones en k incógnitas b1, b2, ..., bk. 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 2 con más de dos vectores es lineal-
mente dependiente, y que un conjunto 3 con más de tres vectores es linealmente
dependiente.
JOE GARCIA ARCOS

EJEMPLO 5.5.1
Mostrar que cualesquiera que sean los vectores u, v, w y los números a, b, c el
sistema de vectores {au - bv, cv - aw, bw - cu} es linealmente dependiente.
SOLUCION
Hacemos la combinación lineal con el vector nulo:
 = (au - bv) + (cv - aw) + (- cu + bw)
 = (a - c)u + (- b + c)v + (- a + b)w
Establecemos un sistema de ecuaciones homogéneas:
 a  c  0 a 0 c

b  c  0  b c 0 0
 a  b  0 0 a b

Como el determinante de la matriz de coeficientes del sistema homogéneo es igual a
cero, entonces éste tiene un número indeterminado de soluciones. Lo cual indica que
el sistema dado es linealmente dependiente. 
EJEMPLO 5.5.2
Sea u, v, w un sistema de vectores linealmente independiente. Serán 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 combinación lineal con el vector nulo:
 = u + (u + v) + (u + v + w)   = ( +  + )u + ( + )v + w
como u, v, w forman un sistema linealmente independiente, entonces:
      0 1 1 1

 0  0 1 1  0
 0
 0 0 1
Como el determinante de la matriz de coeficientes del sistema homogéneo es
diferente de cero, entonces éste tiene solución única y por lo tanto  =  =  = 0. Lo
cual indica que el sistema dado es linealmente independiente.
b.- Hacemos la combinación lineal con el vector nulo:
 = (u + v) + (v + w) + (u + w)   = ( + )u + ( + )v + ( + )w
    0 1 0 1

    0  1 1 0  0
    0
 0 1 1
Como el determinante de la matriz de coeficientes del sistema homogéneo es
diferente de cero, entonces éste tiene solución única y por lo tanto  =  =  = 0. Lo
cual indica que el sistema dado es linealmente independiente.
c.- Hacemos la combinación lineal con el vector nulo:
 = (u - v) + (v - w) + (- u + w)   = ( - )u + (-  + )v + (-  + )w
 0 1 0 1

    0  1 1 0  0
     0 0 1 1

Como el determinante de la matriz de coeficientes del sistema homogéneo es igual a
cero, entonces éste tiene un número indeterminado de soluciones. Lo cual indica que
el sistema dado es linealmente dependiente. 
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

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 i 2  i 3 i  1 i 2  i 3 i
   .
1  i 1  i 1  3i 4  2i   0 0 0 0 
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. 
EJEMPLO 5.5.4
Sean a, b, c distintos números reales. Será linealmente dependiente el siguiente
sistema de polinomios {(x - a)(x - b), (x - a)(x - c), (x - b)(x - c)}?
SOLUICION
Hacemos la combinación lineal con el vector nulo:
 = (x – a)(x – b) + (x – a)(x – c) + (x – b)(x – c)
0x2 + 0x + 0 = ( +  + )x2 + [-(a + b) - (a + c) - (b + c)]x + (ab + ac + bc).
Establecemos un sistema de ecuaciones homogéneas:
   0 1 1 1

(a  b)  (a  c)  (b  c)  0  a  b a  c b  c  (a  b)(a  c)(c  b) .
 ab  ac  bc  0
 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. 
EJEMPLO 5.5.5
Verifíquese que los conjuntos siguientes son subconjuntos linealmente
independientes del espacio vectorial  de todos los polinomios:
a.- {1, t – 1, t2 – t, t3 – t2}; b.- {1, 1 + t, 1 + t + t2, 1 + t + t2 + t3}.
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


independiente. 
Algunas veces la dependencia lineal de funciones se puede deducir a partir de

identidades conocidas. Sin embargo, tales identidades se pueden aplicar sólo en
situaciones especiales. Aunque no existe ningún método general para establecer
independencia lineal o dependencia lineal de funciones en (-, ), a continua-
ción 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 f1, f2, ..., fn se dicen linealmente independientes en el inter-
valo [a; b] si existen constantes a1, a2, ..., an todas nulas, tales que a1f1 +
a2f2 + … + anfn = . Caso contrario son linealmente dependientes.
Es decir, las funciones f1, f2, ..., fn son linealmente independientes en [a; b] si la
relación a1f1 + a2f2 + … + anfn =  para todo x, tal que a  x  b implica que
a1 = a2 = ... = an = 0. En otras palabras, la única combinación lineal de f1, f2, ..., fn
que es idénticamente nula en [a; b], es la combinación lineal trivial. Si un conjun-
to de funciones f1, f2, ..., fn es linealmente dependiente en un intervalo [a; b], se
deduce inmediatamente que para cada x  [a; b], el correspondiente conjunto de n
vectores constantes es linealmente dependiente. Sin embargo, una afirmación
equivalente sobre la independencia lineal de n funciones no es válida, es decir, si
el conjunto de funciones f1, f2, ..., fn 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 f1, f2, ..., fn admiten n - 1 derivadas continuas sobre el in-
tervalo (-; ) y si el wronskiano de estas funciones no es idénticamente
cero sobre este intervalo, entonces las funciones forman un conjunto li-
nealmente independiente de vectores en (n-1)(-, ).
DEMOSTRACION
Si las funciones f1, f2, ..., fn son derivables n - 1 veces sobre el intervalo (-, ),
entonces el determinante
f1 f2 fn
f ´1 f ´2 f ´n
W
f1( n 1) f 2( n 1) f n( n 1)

se llama wronskiano de f1, f2, ..., fn. Supóngase, por el momento, que f1, f2, ..., fn
son vectores linealmente dependientes en (n-1)(-; ). Entonces existen escalares
a1, a2, ..., an, no todos iguales a cero, tales que a1f1 + a2f2 + … + anfn =  para
toda x en el intervalo (-, ). Al combinar esta ecuación con las ecuaciones obte-
nidas al derivar sucesivamente n - 1 veces, se obtiene
 a1 f1  a2 f 2   an f n  0
 a f ´ a f ´   a f ´  0
 1 1 2 2 n n


a f ( n 1)  a f ( n 1)   a f ( n 1)  0
 1 1 2 2 n n
Así, la dependencia lineal de f1, f2, ..., fn indica que el sistema lineal
JOE GARCIA ARCOS

 f1 f2 f n   a1   0 
 
 f ´1 f ´2 f ´n   a2   0 
   
     0
 ( n 1)    
f
 1 f 2( n 1) f n( n 1)   an   0 
tiene una solución 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 idénticamente cero sobre (-, ), entonces las funciones f1,
f2, ..., fn deben ser vectores linealmente independientes en (n-1)(-, ). 
El recíproco del teorema es falso. Si el wronskiano de f1, f2, ..., fn es idénticamente

cero sobre (-, ), entonces no es posible llegar a ninguna conclusión respecto a
la independencia lineal de {f1, f2, ..., fn}; este conjunto de vectores puede ser li-
nealmente independiente o linealmente dependiente.
EJEMPLO 5.5.6
Determínese si los subconjuntos siguientes de C(0; ) son linealmente
independientes:
a.- {Sen2t, Sent, t}; b.- {Sent, Sen2t, Sen3t}; c.- {Sent, Sen(t + 1), Cost};
d.- {et, tet, t2et}; e.- {Cost, Cos2t, Cos3t}.
SOLUCION
a.- Construimos el Wronskiano:
Sen2 t Sent t
W{Sen t , Sent , t}  Sen2t
2
Cost 1  2Sent  2tSen2t  2tCost  3Sen3t .
2Cos 2t  Sent 0
Si t = 0, entonces W = 0. Por lo tanto el conjunto {Sen2t, Sent, t} es linealmente
dependiente.
b.- Construimos el Wronskiano:

Sent Sen2t Sen3t
W{Sent , Sen2t , Sen3t}  Cost 2Cos 2t 3Cos3t
 Sent 4Sen2t 9Sen3t
 9SentSen2tCos3t  (5CostSen2t  16SentCos2t )Sen3t
Si t = 0, entonces W = 0. Por lo tanto el conjunto {Sent, Sen2t, Sen3t} es
linealmente dependiente.
c.- Construimos el Wronskiano:

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

et tet t 2 et
W{et , tet , t 2 et }  et (t  1)et (t 2  2t )et  2e3t .
et (t  2)et (t 2  4t  2)et
Como W  0, entonces el conjunto {et, tet, t2et} es linealmente independiente.
JOE GARCIA ARCOS

e.- Construimos el Wronskiano:

Cost Cos 2t Cos3t
1
W{Cost , Cos 2t , Cos3t}   Sent  Sen2t 3SentCos 2t   Sen3 2t .
4
Cost 2Cos 2t (9Sen2 t  3)Cost
Si t = 0, entonces W = 0. Por lo tanto el conjunto {Cost, Cos2t, Cos3t} es lineal-
mente dependiente. 
% 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 vacío de un 5.5.6 Si u y v son linealmente independientes y w está en
conjunto finito de vectores linealmente independientes es Span{u, v} entonces {u, v, w} es linealmente dependiente.
linealmente independiente.
5.5.7 Demuestre que si u1, u2, u3, u4 están en 4 y u3 =
5.5.2 Demuestre que si S1 es un subconjunto de S2 y S1 es 2u1 + u2, entonces {u1, u2, u3, u4} es linealmente
linealmente dependiente, entonces también S2 es dependiente.
linealmente dependiente.
5.5.8 Demuestre que si u1, u2, u3, u4 están en 4 y u3 =
5.5.3 Demuestre que cualquier conjunto de vectores que , entonces {u1, u2, u3, u4} es linealmente dependiente.
contenga al vector cero es linealmente dependiente.
5.5.9 Demuestre que si u1 y u2 están en 4 y u1 no es un
5.5.4 Demuestre que dos vectores son linealmente múltiplo escalar de u2, entonces {u1, u2} es linealmente
dependientes sí y sólo si están en una misma recta que pasa independiente.
por el origen. Si u y v son linealmente independientes y si
{u, v, w} es linealmente dependiente, entonces e está en 5.5.10 Demuestre que si u1, u2, u3, u4 están en 4 y u3 no
Span{u, v}. es combinación lineal de u1, u2, u4, entonces {u1, u2, u3,
u4} es linealmente independiente.
5.5.5 Dado que {u1, u2, ..., uk} es un conjunto de
vectores linealmente independientes, pero el conjunto 5.5.11 Demuestre que si u1, u2, u3, u4 son vectores
{u1, u2, ..., uk, u} es linealmente dependiente, demuestre linealmente independientes en 4, entonces {u1, u2, u3, u4}
que u es una combinación lineal de los ui. es linealmente independiente.
JOE GARCIA ARCOS
5.5.12 Demuestre que si u1, u2, u3, u4 están en 4 y {u1, 5.5.23 Determínese si los subconjuntos siguientes de
u2, u3} es linealmente dependiente, entonces {u1, u2, u3, u4} C(0; ) son linealmente independientes:
también es linealmente dependiente. a.- Senx, Cosx, 1; b.- lnx, lnx2, lnx3;
c.- ex, lnx, x.
5.5.13 ¿En qué condiciones un conjunto que consta de
un solo vector es linealmente independiente? 5.5.24 De los subconjuntos siguientes de 3, ¿cuáles
son linealmente independientes?
5.5.14 Demuéstrese que, si W es subespacio de V y si a.- (1, 1, 0), (1, 0, 1), (0, 1, 1);
U es subconjunto linealmente independiente de W, en- b.- (1, 2, 3), (3, 4, 5), (5, 6, 7);
tonces U es subconjunto linealmente independiente de V. c.- (1, 2, 3), (3, 2, 1), (1, 1, 1), (2, 3, 1);
d.- (1, 2, 3), (3, 2, 1), (-7, -2, 1);
5.5.15 Demuestre que si {u, v, w} es un conjunto de
e.- (1, 1, 2), (2, 3, -1), (-1, -6, 9).
vectores linealmente independiente en un espacio vectorial
V y x es cualquier vector en V, entonces {u, v, w, x}
5.5.25 Sean U, W subconjuntos de un espacio vectorial
también es linealmente independiente.
V. Demuéstrese que:
a.- Si U es conjunto linealmente dependiente y si U está
5.5.16 Demuestre que dos vectores u y v son linealmente
contenido en W, entonces W es conjunto linealmente
dependientes sí y sólo si uno es un múltiplo escalar del
dependiente.
otro.
b.- Si W es conjunto linealmente independiente y si U
está contenido en W, entonces U es conjunto linealmen-
5.5.17 Sean A y B dos matrices de n x n con A y B no
te independiente.
nulas. Demuestre que si A es simétrica y B es antisimétrica,
entonces {A, B} es un conjunto linealmente independiente.
5.5.26 Suponga que A es una matriz de m x n con la
5.5.18 Demuéstrese que, si W es subespacio de V y si propiedad de que para cada B de m la ecuación AX = B
U es subconjunto de W que además es subconjunto tiene a lo más una solución. Utilice la definición de
linealmente independiente de V, entonces U es independencia lineal para explicar por qué las columnas
subconjunto linealmente independiente de W. de A deben de ser linealmente independientes.
5.5.19 En cada caso, determínese un valor de k, de ma- 5.5.27 Verifíquese que los conjuntos siguientes son
nera que el par dado de vectores sea linealmente depen- subconjuntos linealmente independientes del espacio
diente: vectorial  de todos los polinomios:
a.- {(k + 1)u + v, 4u + (k + 1)v}; a.- 1, x – 1, x2 – x, x3 – x2;
b.- {u – 2v, 3u + kv}. b.- 1+ x, 1 + 2x, 1 + 3x;
c.- x, x + x2, x + x2 + x3, x4;
5.5.20 Demuestre que si {u, v, w} es un conjunto de d.- x, x2 – x, x3 – x;
vectores linealmente independiente, entonces también {u, e.- x3 - 1, 2x3 - 2, x4;
v}, {u, w}, {v, w}, {u}, {v} y {w} son linealmente f.- 1, 1 + x, 1 + x + x2, 1 + x + x2 + x3;
independientes. g.- x2 - 1, 2x2 - 4, x2 + 1;
h.- x4 – 2x2, x4 + 2x2, - x4 - 2x2;
5.5.21 Demuestre que todo conjunto con más de tres i.- x2 + 1, x2 - x, x2 - x.
vectores de 2 es linealmente dependiente.
5.5.28 Demuestre que si {u, v} es linealmente
5.5.22 Demuéstrese que, si W es subespacio de V y si independiente y w no está en Span{u, v}, entonces {u, v,
U es base de W, entonces U es subconjunto linealmente w} es linealmente independiente.
independiente de V.
5.6 BASE Y DIMENSION
En esta sección se estudiará la base y dimensión de un espacio vectorial, porque es común imaginar a una
recta como unidimensional, a un plano como bidimensional y al espacio circundante como tridimensional. Se
enunciarán y demostrarán las propiedades más importantes.
Sea dado un espacio vectorial V arbitrario que se compone no sólo de un vector

nulo. En tal espacio se tiene a ciencia cierta aunque un vector no nulo y, por lo
JOE GARCIA ARCOS
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 número de vectores tan grande como se quiera o
bien existe un sistema linealmente independiente que contiene el número má-
ximo de vectores. En el primer caso el espacio vectorial se dice que es de di-
mensión infinita y en el segundo caso, de dimensión finita.
Nuestra atención estará dirigida a lo largo de este trabajo exclusivamente a los

espacios vectoriales de dimensión finita. En particular, un espacio vectorial de
dimensión finita lo constituirá cualquier conjunto generador construido con un
número finito de vectores de un espacio vectorial arbitrario.
DEFINICION 5.6.1
Si V es cualquier espacio vectorial y S = {v1, v2, ..., vn} 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 = {v1, v2, ..., vn} es una base de V, según la definición, un vector v de V se

puede escribir en la forma v = a1v1 + a2v2 + ... + anvn. Lo interesante de una
base, a diferencia de otros conjuntos generadores, es que los coeficientes están
determinados en forma única por v. Porque, supóngase que también tenemos v =
b1v1 + b2v2 + ... + bnvn. Restando, se obtiene la relación lineal (a1 – b1)v1 + (a2 –
b2)v2 + ... + (an – bn)vn =  ya que S es un conjunto linealmente independiente,
a1 – b1 = 0, a2 – b2 = 0, ..., an – bn = 0 y, por tanto, a1 = b1, a2 = b2, ..., an = bn.
Como veremos, un hecho relacionado con esto es que una base es un conjunto
generador particularmente eficiente.
Una base es la generalización de espacio vectorial de un sistema de coordenadas

en el espacio bidimensional y en el espacio tridimensional. El siguiente teorema
ayudará a ver por qué es así.
TEOREMA 5.6.1
Si S = {v1, v2, ..., vn} es una base de un espacio vectorial V, entonces
todo vector v en V se puede expresar en forma única como v = a1v1 +
a2v2 + ... + anvn.
DEMOSTRACION
Como S genera a V, por la definición de subespacio generado se concluye que
todo vector v en V se puede expresar como una combinación lineal de los vecto-
res en S. Para ver que sólo existe una manera de expresar un vector como una
combinación lineal de los vectores en S, supóngase que algún vector v se puede
escribir como
v = a1v1 + a2v2 + ... + anvn
y también como
v = b1v1 + b2v2 + ... + bnvn.
Restando la segunda ecuación de la primera se obtiene
 = (a1 – b1)v1 + (a2 – b2)v2 + ... + (an – bn)vn.
Como el miembro derecho de esta ecuación es una combinación lineal de vecto-
res en S, la independencia lineal de S indica que a1 – b1 = 0, a2 – b2 = 0, ..., an –
bn = 0, es decir, a1 = b1, a2 = b2, ..., an = bn. Así, 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 sólo si, el coeficiente de cada vector de la base
es el mismo en las dos expresiones; es decir, si {v1, v2, ..., vn} es base de V y si
JOE GARCIA ARCOS

a1v1 + a2v2 + ... + anvn = b1v1 + b2v2 + ... + bnvn

entonces a1 = b1, a2 = b2, ..., an = bn. Este es el método de comparación de
coeficientes, que frecuentemente se usa.
EJEMPLO 5.6.1
Todo conjunto linealmente independiente de tres vectores de 3 es base de 3.
SOLUCION
Si u = OP, v = OQ, w = OR son linealmente independientes, entonces O, P, Q, R
no están en el mismo plano y, por consiguiente, cada vector x = OS se puede
expresar como combinación lineal de u, v, w; esto se puede observar en la figu-
ra. 
La noción de base está ligada con un sistema linealmente independiente que

contiene el número máximo de vectores. No obstante, es evidente que todas las
bases de un mismo espacio vectorial de dimensión finita representan sistemas
equivalentes linealmente independientes. Estos hechos nos sirven para asignar
un número, que se llama dimensión, a cada espacio vectorial.
Dos combinaciones lineales de vectores de una base resultan en el mismo vector

sí, y sólo si, el coeficiente de cada vector de la base es el mismo en las dos ex-
presiones; es decir, si {v1, v2, ..., vn} es base de V y si
a1v1 + a2v2 + ... + anvn = b1v1 + b2v2 + ... + bnvn
entonces a1 = b1, a2 = b2, ..., an = bn. Este es el método de comparación de
coeficientes, que frecuentemente se usa.
La noción de base está ligada con un sistema linealmente independiente que

contiene el número máximo de vectores. No obstante, es evidente que todas las
bases de un mismo espacio vectorial de dimensión finita representan sistemas
equivalentes linealmente independientes. Estos hechos nos sirven para asignar
un número, que se llama dimensión, a cada espacio vectorial.
DEFINICION 5.6.2
La dimensión de un espacio vectorial V de dimensión finita, denotada
por Dim(V), se define como el número de vectores que hay en una base
de V. Además, por definición, el espacio vectorial cero es de dimensión
cero.
Obsérvese que el espacio cero, {}, no tiene base, pues {} sólo contiene al
vector , por lo cual no contiene ningún subconjunto linealmente independien-
te. Se puede demostrar que todos los demás espacios vectoriales sí 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 dimensión
finita si contiene un conjunto finito de vectores v1, v2, ..., vn que forma
una base. Si no es así, se dice que V es de dimensión infinita. Además,
se considera que el espacio vectorial cero es de dimensión finita.
Indicaremos que la dimensión de un espacio vectorial depende del sistema nu-

mérico que se use para los escalares. La dimensión de C, el conjunto de los
números complejos, como espacio vectorial complejo, es 1. Pero C también se
puede considerar como espacio vectorial real, y, en este caso, su dimensión es 2.
El siguiente teorema proporciona la clave del concepto de dimensión.
TEOREMA 5.6.2
JOE GARCIA ARCOS
Si V es un espacio vectorial de dimensión finita y {v1, v2, ..., vn} es

cualquier base, entonces:
1.- Todo conjunto con más de n elementos es linealmente dependiente.
2.- Ningún conjunto con menos de n vectores genera a V.
DEMOSTRACION
1.- Sea S´ = {u1, u2, ..., um} cualquier conjunto de m vectores en V, donde m > n.
Se quiere demostrar que S´ es linealmente dependiente. Como S = {v1, v2, ..., vn}
es una base, todo ui se puede expresar como una combinación lineal de los vec-
tores en S, por ejemplo
 u1  a11v1  a21v2   an 1vn

 u2  a1 2 v1  a2 2 v2   an 2 vn
 (1)

u  a v  a v   a v
 m 1m 1 2m 2 nm n
Para demostrar que S´ es linealmente dependiente, es necesario encontrar esca-
lares b1, b2, ..., bm, no todos cero, tales que
b1u1 + b2u2 + ... + bmum =  (2)
Usando las ecuaciones anteriores en esta expresión, obtenemos
b1(a11v1 + a21v2 + ... + an1vn) + b2(a12v1 + a22v2 + ... + an2v2) + ...
+ bm(a1mv1 + a2mv2 + ... + anmvn) = ,
de donde
(b1a11 + b2a12 + ... + bma1m)v1 + (b1a21 + b2a22 + ... + bma2m)v2 + ...
+ (b1an1 + b2an2 + ... + bmanm)vn = .
Así, 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 b1,
b2, ..., bm, no todos cero, que satisfacen
 a11b1  a12b2   a1m bm  0
a b  a b   a b  0
 21 1 22 2 2m m
 (3)

 an1b1  an 2 b2   anm bm  0
Pero este sistema contiene más incógnitas que ecuaciones, de modo que la de-
mostración está completa, ya que de esta manera se garantiza la existencia de
soluciones no triviales.
2.- Sea S´ = {u1, u2, ..., um} cualquier conjunto de m vectores en V, donde m <
n. Se quiere demostrar que S´ no genera a V. La demostración será por contra-
dicción: Se probará que suponiendo que S´ genera a V se llega a una contradic-
ción de la independencia lineal de {v1, v2, ..., vn}.
Si S´ genera a V, entonces todo vector en V es una combinación lineal de los
vectores en S´. En particular, cada vector básico vi es una combinación lineal de
los vectores en S´, por ejemplo,
 v1  a11u1  a21u2   am 1um

v2  a1 2 u1  a2 2 u2   am 2 um
 (4)

v  a u  a u   a u
 n 1n 1 2n 2 mn m
Para obtener la contradicción, se demostrará que existen escalares b1, b2, ..., bm,
no todos cero, tales que
b1v1 + b2v2 + ... + bnvn =  (5)
Pero obsérvese que (4) y (5) son de la misma forma que (1) y (2), excepto que
se han intercambiado m y n, así como las u y las v. Por tanto, los cálculos con
los que se llegó a (3) ahora producen
JOE GARCIA ARCOS

 a11b1  a1 2 b2   a1 n bn  0

a21b1  a2 2 b2   a2 n bn  0


a b  a b   a b  0
 m1 1 m 2 2 mn n
Este sistema lineal tiene más incógnitas que ecuaciones y por lo tanto posee
soluciones no triviales. 
De este teorema se deduce que si S = {v1, v2, ..., vn} es cualquier base para un
espacio vectorial V, entonces todos los conjuntos en V que simultáneamente
generan a V y son linealmente independientes deben tener precisamente n vecto-
res. Así, todas las bases de V deben tener el mismo número de vectores que la
base arbitraria S. Esto lleva al siguiente teorema, que es uno de los más impor-
tantes en álgebra lineal.
TEOREMA 5.6.3
Todas las bases de un espacio vectorial de dimensión finita tienen el
mismo número de vectores.
DEMOSTRACION
Supóngase que S es una base con un número finito n de elementos y S´ otra base
cualquiera. Ya que S genera a V y S´ es linealmente independiente, el número m
de elementos en S´ debe ser a lo más n. Esto prueba que S´ es finita y m  n.
Pero entonces pueden intercambiarse los papeles de S y S´ para obtener la de-
sigualdad en el otro sentido, así que m = n. 
Este teorema afirma que, en un espacio vectorial V de dimensión finita, cual-

quier conjunto dado de vectores linealmente independientes de V forma parte de
alguna base de V. En realidad, hay muchas bases así. Se dice que la base S =
{v1, ..., vm, ..., vn} es la extensión a una base de V del conjunto linealmente inde-
pendiente {v1, v2, ..., vm}.
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   2 1 6 4   2 1 6 4   2 1 6 4 
       
 6 12 9  3   2 4 3 1   0 1 3 1   0 1 3 1 
  
 10 5 30 20   2 1 6 4   0 0 0 0   0 0 0 0 
       
 14 28 21 7   2 4 3 1   0 1 3 1   0 0 0 0 
Como el rango de la matriz es igual a 2, entonces cada una de las bases tiene dos
elementos:
S1 = {(4, -2, 12, 8), (-6, 12, 9, -3)} y S2 = {(-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  1 2 3 0 1  1 2 3 0 1
     
0 1 1 1 0   0 1 1 1 0   0 1 1 1 0 
 1 3 4 1 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

S1 = {(1, 2, 3, 0, -1), (0, 1, 1, 1, 0)} y S2 = {(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  i 1  i 2  3i  1  i 1  i 2  3i 
   
 i 1 2   0 0 1 

1  i 1  i 3  2i   0 0 0 
   
 4 4i 10  2i   0 0 0 
Como el rango de la matriz es igual a 2, entonces cada una de las bases tienen dos
elementos:
S1 = {(1 + i, 1 – i, 2 + 3i), (i, 1, 2)}, S2 = {(i, 1, 2), (1 – i, - 1 – i, 3 – 2i)},
S3 = {(i, 1, 2), (4, -4i, 10 + 2i)}. 
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 enseña el
teorema es que existen muchas bases diferentes de V y que tenemos algo de
libertad en la elección de una base de V.
TEOREMA 5.6.4
Un conjunto de n vectores en un espacio vectorial V es una base si, y
sólo si es linealmente independiente.
DEMOSTRACION
Sea S = {v1, v2, ..., vn} un conjunto linealmente independiente y v un vector
cualquiera en V. Ya que {v1, v2, ..., vn, v} contiene n + 1 elementos, debe ser
linealmente dependiente. Cualquier relación no trivial que exista debe contener
a v con un coeficiente diferente de cero, porque si ese coeficiente fuera cero, la
relación equivaldría a una relación en S. Así 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 3 es base de 3.
SOLUCION
Si u = OP, v = OQ, w = OR son linealmente independientes, entonces O, P, Q, R
no están en el mismo plano y, por consiguiente, cada vector x = OS se puede
expresar como combinación lineal de u, v, w. 
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  0 2 1   0 2 1
     
3 7 1   3 7 1  3 7 1 

 2 0 3   0 2 1   0 0 0 
     
 5 1 8   0 32 19   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

 1 4 3 2   1 4 3 2   1 4 3 2 
     
 3 7 5 3    0 5 4 3    0 5 4 3 
 3 2 1 0   0 5 4 3   0 0 0 0 
     
 4 1 0 1   0 5 4 3   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  i 1  2i 7  5i 4  3i   3  i 1  2i 7  5i 4  3i 
   
1  3i 1  i 6  7i 4i    0 3i 3i 9  3i 
 0 3   0 3 
 1 1 1 1
 3  i 1  2i 7  5i 4  3i 
 
 0 3i 3i 9  3i 
 0 0 
 0 0
{(3 – i, 1 – 2i, - 7 + 5i, 4 + 3i), (1 + 3i, 1 + i, - 6 – 7i, 4i)}. 
EJEMPLO 5.6.5
Determínese si el subconjunto S es linealmente independiente y, cuando sea
posible, encuéntrese una base del espacio que contiene a S:
a.- S = {(1, 1, 1, 1), (1, 2, 3, 4)}  4; b.- S = {t + t3, t2 + t6, 1 – t – t3}  6.
SOLUCION
1 1 1 1  1 1
   1 0, 0.
1 2 3 4  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 4 que contenga
a S, aumentamos a la matriz inicial una fila de variables:
1 1 1 1 1 1 1
 
 1 2 3 4   1 2 3  a  2b  c .
a b c d 
  a b c
Para que el vector (a, b, c, d) forme parte de la base de 4, entonces debe satisfacer
a – 2b + c  0, es decir un posible vector puede es, (1, 1, -1, 0). Para encontrar el
último vector que formará parte de la base del espacio 4, a la última matriz le
aumentamos una fila de variables:
1 1 1 1 1 1 1 1
 
 1 2 3 4   1 2 3 4  3x  4 y  z  2u .
 1 1 1 0  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 4, entonces debe satisfacer
JOE GARCIA ARCOS

3x – 4y – z + 2u  0, es decir un posible vector puede es, (1, 1, 1, 0). Por lo tanto la

base de 4 buscada tiene la forma:
Base 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 1 0
  0 1
 0 0 1 0 0 0 1    1  0 ,  0 , 0 0 1 0.
 1 1 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 1 0 1
 
0 0 1 0 0 0 1  0 0 1 0  d b .
 1 1 0 1 0 0 0  1 1 0 1
 
a b c d e f g  a b c d
Para que el polinomio a + bt + ct + dt + et + ft5 + gt6 forme parte de la base de
2 3 4
6, entonces debe satisfacer b - d  0, es decir un posible vector puede es, 1 + t +

t2 - t3 + t4 + t5 + t6. Para encontrar el último vector que formará parte de la base del
espacio 6, a la última matriz le aumentamos una fila de variables:
0 1 0 1 0 0 0 0 1 0 1 0
 
0 0 1 0 0 0 1 0 0 1 0 0
 1 1 0 1 0 0 0   1 1 0 1 0  b  d  2e .
 
 1 1 1 1 1 1 1  1 1 1 1 1
a b c d e f g 
  a b c d e
Para que el vector a + bt + ct2 + dt3 + et4 + ft5 + gt6 forme parte de la base de 6,
entonces debe satisfacer b – d – 2e  0, es decir un posible vector puede es, t4. De
esta forma seguimos encontrando los polinomios necesarios para formar la base del
espacio 6:
0 1 0 1 0 0 0 0 1 0 1 0 0
 
 0 0 1 0 0 0 1  0 0 1 0 0 0
 1 1 0 1 0 0 0  1 1 0 1 0 0
   bd 2f
 1 1 1 1 1 1 1  1 1 1 1 1 1
0 0 0 0 1 0 0 0 0 0 0 1 0
 
a b c d e f g  a b c d e f
1 + t + t3 + t5;
0 1 0 1 0 0 0 0 1 0 1 0 0 0
 
0 0 1 0 0 0 1 0 0 1 0 0 0 1
 1 1 0 1 0 0 0  1 1 0 1 0 0 0
 
 1 1 1 1 1 1 1   1 1 1 1 1 1 1  2c  2 g
0 0 0 0 1 0 0 0 0 0 0 1 0 0
 
1 1 0 1 0 1 0 1 1 0 1 0 1 0
a b c d e f g 
  a b c d e f g
1 + t + t + t3 + t4 + t5 - t6.
2
Por lo tanto la base de 6 buscada tiene la forma:

Base 6 = {t + t3, t2 + t6, 1 – t – t3, 1 + t + t2 - t3 + t4 + t5 + t6, t4, 1 + t + t3 + t5, 1 + t
+ t2 +
t3 + t4 + t5 - t6}. 
JOE GARCIA ARCOS

TEOREMA 5.6.5
En un espacio vectorial de dimensión finita, todo conjunto generador
contiene una base.
DEMOSTRACION
Sea S´ un conjunto que genera a V. Si V = {}, entonces   S´ es una base de
{}. Si V  {}, entonces S´ debe contener al menos un vector v1, diferente de
cero. Busquemos otro vector en S´ que no dependa de {v1}. Llamemos a este
vector v2 y busquemos otro vector en S´ que no dependa del conjunto linealmen-
te dependiente {v1}. Continuamos de la misma manera hasta donde podamos,
pero el proceso debe terminar ya que no podemos encontrar más de n vectores
linealmente independientes en S´. Supongamos que se ha hallado el conjunto
S = {v1, v2, ..., vm} con la propiedad de que todo vector en S´ es linealmente
dependiente de S. Entonces el conjunto S también debe generar a V y es una
base. 
TEOREMA 5.6.6
En un espacio vectorial de dimensión finita, cualquier conjunto lineal-
mente independiente de vectores se puede extender hasta tener una ba-
se.
DEMOSTRACION
Sea S = {v1, v2, ..., vn} una base de V y S´ = {u1, u2, ..., um} un conjunto lineal-
mente independiente m  n. El conjunto {u1, u2, ..., um, v1, v2, ..., vn} genera a V.
Si este conjunto es linealmente dependiente, entonces algún elemento es una
combinación lineal de los elementos precedentes. Este elemento no puede ser
uno de los ui, porque entonces S´ sería linealmente dependiente. Pero entonces
puede eliminarse este vi 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 ningún paso se elimina a alguno de los ui. 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 {v1, v2, ...,
vm} es base de un subespacio S de un espacio vectorial V de dimensión finita,
entonces existe una base de V que contiene a v1, v2, ..., vm. 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 vacío 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 aún es linealmente independiente.
DEMOSTRACION
Supóngase que S = {v1, v2, ..., vk} 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´ =
{v1, v2, ..., vk, v} es un conjunto linealmente independiente, es necesario demos-
trar que los únicos escalares que satisfacen
a1v1 + a2v2 + ... + akvk + ak+1v = 
son a1 = a2 = ... = ak = ak+1 = 0. Pero se debe tener que ak+1 = 0; en caso contra-
rio, v se podría despejar en la ecuación como una combinación lineal de S, con-
tradiciendo la hipótesis de que v es un vector que no pertenece a Span(S). Así, la
ecuación se simplifica a a1v1 + a2v2 + ... + akvk =  lo cual, debido a la indepen-
dencia lineal de S, significa que a1 = a2 = ... = ak = 0. 
EJEMPLO 5.6.6
Sea Span(S) = {(a, b, c) / a – b + c = 0} y v = (1, -2, 1)  3. Demostrar que el
JOE GARCIA ARCOS
conjunto que se forma con la base de Span(S) y el vector v es linealmente inde-

pendiente y, además es base de 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 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
dimensión del conjunto formado por estos elementos es linealmente indepen-
diente y tiene dimensión 3. Por lo tanto el conjunto
S´ = {(1, 1, 0), (-1, 0, 1), (1, -2, 1)}
es base de 3. 
Un conjunto S de tres vectores linealmente independientes en 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 todavía es lineal-
mente independiente, ya que ninguno de los tres vectores está en el mismo plano
que los otros dos.
TEOREMA 5.6.8
Sea S un conjunto no vacío de vectores en un espacio vectorial V. Si v
es un vector en S que se puede expresar como una combinación lineal
de los demás 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
Supóngase que S = {v1, v2, ..., vk} es un conjunto de vectores en V y, para ser
específicos, supóngase que vk es una combinación lineal de v1, v2, ..., vk-1, por
ejemplo
vk = a1v1 + a2v2 + ... + ak-1vk-1 (1)
Se quiere demostrar que si vk se extrae de S, entonces el conjunto de vectores
restantes {v1, v2, ..., vk-1} sigue generando a Span(S); es decir, se debe demostrar
que todo vector u en Span(S) se puede expresar como una combinación lineal de
{v1, v2, ..., vk-1}. Pero si u está en Span(S), entonces u se puede expresar en la
forma
u = b1v1 + b2v2 + ... + bk-1vk-1 + bkvk (2)
o bien, sustituyendo en la ecuación (1)
u = b1v1 + b2v2 + ... + bk-1vk-1 + bk(a1v1 + a2v2 + ... + ak-1vk-1)
que expresa a u como una combinación lineal de v1, v2, ..., vk-1. 
Si S es un conjunto de tres vectores no colineales en 3 que están en un plano

común 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 combinación 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 {v1, v2, ..., vn} 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 dimensión de V es
n, entonces basta verificar ya sea, la independencia lineal o la generación: la otra
condición se cumple automáticamente.
JOE GARCIA ARCOS
TEOREMA 5.6.9
Si U es un subespacio vectorial de un espacio vectorial V de dimensión
finita, entonces Dim(U)  Dim(V); además, si Dim(U) = Dim(V), en-
tonces U = V.
DEMOSTRACION
Sea S = {u1, u2, ..., um} una base para U. S puede ser una base para V o no. Si es
así, entonces Dim(U) = Dim(V) = m. Si no es así, 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)  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 dimensión 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 fácilmente que su dimensión depende no sólo de la dimensión de los
subespacios U y W, sino también de cuán grande es la parte común de los mis-
mos. El valor exacto de la dimensión de la suma se determina por el siguiente
teorema.
TEOREMA 5.6.10
Si U y W son subespacios vectoriales de dimensión 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 dimensión 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 dimensión finita U.
Sabemos que U  W es de dimensión finita. Como U + W está generado por la
unión de una base de U y una base de W, también es de dimensión finita. Sea
{u1, u2, ..., uk} una base de U  W, existen vectores v1, v2, ..., vr en U tales que
{u1, u2, ..., uk, v1, v2, ..., vr} es base de U. De la misma manera, hay vectores w1,
w2, ..., wt en W tales que {u1, u2, ..., uk, w1, w2, ..., wt} es base de W. Vemos
claramente que
Span{u1, u2, ..., uk, v1, v2, ..., vr, w1, w2, ..., wt} = U + W.
Si
a1u1 + a2u2 + ... + akuk + b1v1 + b2v2 + ... + brvr + c1w1 + c2w2 + ... + ctwt = ,
entonces,
v = a1u1 + a2u2 + ... + akuk + b1v1 + b2v2 + ... + brvr = - c1w1 - c2w2 - ... - ctwt
está en U  W. Luego existen escalares d1, d2, ..., dk con la propiedad de que
v = d1u1 + d2u2 + ... + dkuk,
de donde tenemos que
d1u1 + d2u2 + ... + dkuk + c1w1 + c2w2 + ... + ctwt = .
Pero {u1, u2, ..., uk, w1, w2, ..., wt} es un conjunto linealmente independiente de
V y, en consecuencia, c1 = c2 = ... = ct = 0. Pero, entonces vemos que
a1u1 + a2u2 + ... + akuk + b1v1 + b2v2 + ... + brvr = 
y, como {u1, u2, ..., uk, v1, v2, ..., vr} es base de U y, por tanto, conjunto lineal-
mente independiente, tenemos que a1 = a2 = ... = ak = b1 = b2 = ... = br = 0. Por lo
tanto, hemos hecho ver que {u1, u2, ..., uk, v1, v2, ..., vr, w1, w2, ..., wt} 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 mínimo
de la dimensión de la intersección de unos subespacios. Consideremos los
subespacios vectoriales U y W de V y sean r y s las dimensiones de estos
JOE GARCIA ARCOS

subespacios, n la dimensión de V y m la dimensión de la intersección U  W.

En virtud del teorema, la dimensión de la suma U + W es igual a r + s – m. Pero
la dimensión de la suma U + W es no mayor que la dimensión del espacio V.
Por consiguiente, r + s – m  n, de donde se tiene m  r + s – n. Es decir, la
dimensión de la intersección 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 dimensión del espacio vectorial V. Por ejemplo, la intersec-
ción de dos planos del espacio de tres dimensiones contiene siempre una recta,
la intersección de un subespacio de dos dimensiones con un subespacio de tres
dimensiones en un espacio de cuatro dimensiones contiene una recta, la inter-
sección 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 dimensión n y que cada uno de los conjuntos U y W es
subespacio de V de dimensión n - 1. Suponga además, que U  W. Entonces,
Dim(U  W) = n - 2.
SOLUCION
Puesto que U  W, uno de los espacios contiene un vector que no está 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. 
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
será el conjunto de elementos (a, b, c, d) que cumplan tanto con la condición a – b
+ c = 0 como con la condición b + c + d = 0, y DimS = 2.
SOLUCION
Como podemos apreciar, U, W son subespacios de 4, y DimU = DimW = 3.
Se ve claramente que (1, 1, 0, 0) está en U y no está en W, de manera que
U  W. Por lo tanto DimS = 2. 
Cuando se definen propiedades y se demuestran teoremas acerca de espacios

vectoriales, suele ser aconsejable, y, habitualmente, más fácil, trabajar sin tomar
una base particular. Cuando se define una propiedad por medio de una base, es
necesario determinar si esa propiedad es intrínseca del espacio vectorial o si
depende explícitamente de una base en particular. Por eso, al definir la dimen-
sión de un espacio vectorial, nos aseguramos con mucho cuidado de que no
dependíamos, al hacerlo, de una base en particular, sino que teníamos una pro-
piedad que poseen todas las bases y, por consiguiente, intrínseca al espacio
vectorial. Sin embargo, cuando se hacen cálculos, 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 será el mismo, al
margen de nuestra elección de base. Es habitual que los cálculos se pueden
hacer con mucha facilidad si se elige la base adecuada.
TEOREMA 5.6.11
La dimensión de una suma directa de subespacios es igual a la suma de
las dimensiones de estos subespacios.
JOE GARCIA ARCOS

DEMOSTRACION
Si tenemos dos sumandos, entonces la dimensión de la suma es igual, por el
teorema anterior. Pero, la intersección de subespacios en el caso de una suma
directa es nula y su dimensión es igual a cero. Por esto, la dimensión de una
suma directa de dos subespacios es igual a la suma de sus dimensiones. 
TEOREMA 5.6.12
La dimensión del espacio de soluciones del sistema homogéneo con n
incógnitas 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 homogéneas de n incógnitas AX = O no
tenga soluciones no nulas, es necesario y suficiente que la matriz A de este
sistema sea no singular. Efectivamente, la condición 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 homogéneas de n incógnitas tenga solución 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 sólo si, su determinante es igual a cero.
En un espacio vectorial V de dimensión finita, cualquier conjunto dado de vec-

tores linealmente independientes de V forma parte de alguna base de V. En
realidad, hay muchas bases así. Se dice que la base S = {v1, ..., vm, ..., vn} es la
extensión a una base de V del conjunto linealmente independiente {v1, v2, ...,
vm}.
Un conjunto S de tres vectores linealmente independientes en 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 todavía es lineal-
mente independiente, ya que ninguno de los tres vectores está en el mismo plano
que los otros dos.
Considerando la suma de dos subespacios vectoriales arbitrarios U y W, podre-

mos ver fácilmente que su dimensión depende no sólo de la dimensión de los
subespacios U y W, sino también de cuán grande es la parte común 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 dimensión de V y m la dimensión de la inter-
sección U  W. La dimensión de la suma U + W es igual a r + s – m. Pero la
dimensión de la suma U + W es no mayor que la dimensión del espacio V. Por
consiguiente, r + s – m  n, de donde se tiene m  r + s – n. Es decir, la dimen-
sión de la intersección 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 dimensión del espacio vectorial V. Por ejemplo, la intersección de
dos planos del espacio de tres dimensiones contiene siempre una recta, la inter-
sección de un subespacio de dos dimensiones con un subespacio de tres dimen-
siones en un espacio de cuatro dimensiones contiene una recta, la intersección
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
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 números reales, si c  0 y si S es el conjunto de todos los vectores (x, y, z) de 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 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. Además, observamos que u = (1, 0, k) y v = (0, 1, r) están en S.
Podemos demostrar que u, v son linealmente independientes. Si w = (x, y, z)  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. 
EJEMPLO 5.6.10
Sea S = {(1, 2, 3), (0, 1, 2), (1, 1, 1), (3, 2, 1)}  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 a 1 0 1 3 a  1 0 1 3 a 
     
 2 1 1 2 b 
  0  1 1 4 2 a  b 
  0 1 1 4 2 a  b 
 3 2 1 1 c   0 2 2 8 3a  c   0 0 0 0 a  2b  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 a 1 0 1 a  1 0 1 a 
     
 2 1 1 b    0 1 1 2a  b    0 1 1 2a  b 
 3 2 1 c   0 2 2 3a  c   0 0 0 a  2b  c 
     
de donde
Span(S´) = {(a, b, c) / a – 2b + c = 0}.
Por lo tanto concluimos que Span(S) = Span(S´). 
EJEMPLO 5.6.11
Suponga que V es de dimensión n y que cada uno de los conjuntos U y W es subespacio de V
de dimensión n - 1. Suponga además, que U  W. Entonces, Dim(U  W) = n - 2.
SOLUCION
Puesto que U  W, uno de los espacios contiene un vector que no está en el otro. En consecuen-
JOE GARCIA ARCOS
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. 
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 será el conjunto de elementos (a, b, c, d)
que cumplan tanto con la condición a – b + c = 0 como con la condición b + c + d = 0, y
Dim(S) = 2.
SOLUCION
Como podemos apreciar, U, W son subespacios de R4, y Dim(U) = Dim(W) = 3. Se ve
claramente que (1, 1, 0, 0) está en U y no está en W, de manera que U  W. Por lo tanto
Dim(S) = 2. 
EJEMPLO 5.6.13
Hallar una base cualquiera y la dimensión del subespacio generado por los sistemas de polinomios
siguientes:
a.- {3t2 + 2t + 1, 4t2 + 3t + 2, 3t2 + 2t + 3, t2 + t + 1, 4t2 + 3t + 4};
b.- {t3 + 2t2 + 3t + 4, 2t3 + 3t2 + 4t + 5, 3t3 + 4t2 + 5t + 6, 4t3 + 5t2 + 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 1
3 2
 3 2 3  3  0 , 0, 4 3 2 0.
  4 3
1 1 1 3 2 3
 4 3 4
 
Como el rango de la matriz es 3, entonces la base buscada es {3t2 + 2t + 1, 4t2 + 3t + 2, 3t2 + 2t + 3}
y su dimensión 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 1 2 3 4 1 2 3 4
     
 2 3 4 5  0 1 2 3  0 1 2 3
3 4 5 6 0 2 4 6 0 0 0 0
     
 4 5 6 7 0 3 6 9 0 0 0 0
Como el rango de la matriz es 2, entonces la base buscada es {t3 + 2t2 + 3t + 4, 2t3 + 3t2 + 4t + 5} y
su dimensión es 3. 
EJEMPLO 5.6.14
Hallar los valores de a y b, para que el sistema de vectores siguientes sea una base de 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 condición necesaria para que el sistema de vectores sea base, es que éste sea linealmente
independiente. Por lo tanto formaremos un determinante, cuyas filas son los vectores del sistema:
JOE GARCIA ARCOS

a 1 1
1 a 1  (a  2)(a  1)2 .
1 1 a
En este caso (a + 2)(a – 1)2  0, de donde obtenemos que a  -2 y a  1.
b.- Una condición necesaria para que el sistema de vectores sea base, es que éste sea linealmente
a 1 1 1
1 a  1 1  a 2 (a  3) .
1 1 a 1
En este caso a2(a + 3)  0, de donde obtenemos que a  0 y a  -3.
c.- Una condición necesaria para que el sistema de vectores sea base, es que éste sea linealmente
1 a 1 a
a  1 a  2 a  3  (1  a)(a  2)2 .
a 0 a4
En este caso (1 – a)(a + 2)2  0, de donde obtenemos que a  1 y a  -2.
d.- Una condición necesaria para que el sistema de vectores sea base, es que éste sea linealmente
a i 0 1
0 a 0  a(a  1  i )(a  1  i ) .
1 2ia 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 condición necesaria para que el sistema de vectores sea base, es que éste sea linealmente
a 1 1
b ab b  b(a  2)(a  1)2 .
1 1 a
En este caso b(a + 2)(a – 1)2  0, de donde obtenemos que b  0, a  -2 y a  1.
f.- Una condición necesaria para que el sistema de vectores sea base, es que éste sea linealmente
2a  b 1 b  a
0 a 0  a 2b .
2a  2b 2 2b  a
En este caso a2b  0, de donde obtenemos que a  0 y b  0. 
EJEMPLO 5.6.15
Sea S el conjunto de los vectores (a, b, c, d, e) de 5 tales que
a  b  c  0

b  d  e  0
Determínese una base de S. Encuéntrese una base de 5 que sea extensión 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   1 0 1 1 1 0 
   
0 1 0 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
A continuación extendemos esta base a una para 5:

 1 0 1 0 0  1 0 1 0
 
 1 1 0 1 0   1 1 0 1
 a bc
 1 1 0 0 1  1 1 0 0
 
 a b c d e a b c d
El cuarto elemento se puede obtener de la condición a – b + c  0, que puede ser (1, 1, 1, 0, 0). El
quinto elemento lo encontramos con la misma condición pero diferente al anterior, éste puede ser
(0, 0, 1, 1, 1). Entonces la base es:
Base 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)}. 
EJEMPLO 5.6.16
Sea S el conjunto de los polinomios reales de grado no mayor que 5 que tienen a 1 como cero.
Determínese una base de S. Encuéntrese Dim(S). Encuéntrese una base de 5 que sea extensión de
la base ya determinada de S.
SOLUCION
Este conjunto se puede expresar como:
S = {p  5 / p(t) = (t – 1)(a + bt + ct2 + dt3 + et4), a, b, c, d, e  }.
Expandiendo el polinomio, obtenemos:
p(t) = - a + (a – b)t + (b – c)t2 + (c – d)t3 + (d – e)t4 + et5
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 dimensión de S es 5. Para encontrar una base de 5, debemos construir un
determinante cuya última fila este compuesta por un polinomio cuyos coeficientes sean
incógnitas:
1 1 0 0 0 0
0 1 1 0 0 0
0 0 1 1 0 0
 a  b  c  d  e  f .
0 0 0 1 1 0
0 0 0 0 1 1
a b c d e f
Como falta un elemento para completar la base de 5, entonces este elemento se puede obtener de
la condición a + b + c + d + e + f  0. Una posible base es:
Base P5 = {(-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)}. 
EJEMPLO 5.6.17
Hallar los valores de a y b, para que el sistema de vectores siguientes sea una base de 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 condición necesaria para que el sistema de vectores sea base, es que éste sea linealmente
1 a b a b
a a 0 0
 ab(b  a)(2a  1) .
b 0 b 0
a b 0 0 a b
En este caso ab(b – a)(2a - 1)  0, de donde obtenemos que a  0, b  0, a  ½ y b  ½ .
JOE GARCIA ARCOS

b.- Una condición necesaria para que el sistema de vectores sea base, es que éste sea linealmente
1 a a a
a 1 a a
 (1  a)3 (3a  1) .
a a 1 a
a a a 1
En este caso (1 – a)3(3a + 1)  0, de donde obtenemos que a  1 y a  -1/3.
c.- Una condición necesaria para que el sistema de vectores sea base, es que éste sea linealmente
2 1 1 a
b b 2b b
 2b(1  a) .
1 1 0 0
0 1 1 0
En este caso 2b(1 – a)  0, de donde obtenemos que b  0 y a  1.
d.- Una condición necesaria para que el sistema de vectores sea base, es que éste sea linealmente
a  3 a a a
a 3  a a 1 1  a
 36 .
0 0 a 1 1 a
0 0 a 1 3  a
En este caso para cualquier valor de a, el sistema es base de 4.
e.- Una condición necesaria para que el sistema de vectores sea base, es que éste sea linealmente
a2 0 2 0
2a  4 1 a  3 a  1
 a3 (a  2) .
0 0 a 0
2a  a  1 1  a 2a  1
En este caso a3(a + 2)  0, de donde obtenemos que a  0 y a  -2. 
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. Hágase ver que S es subespacio de 5. Determínese una base de S y hágase su extensión a
una base de 5.
SOLUCION
S = {p  5 / p´´´(0) = 0}.
Haciendo que p(t) = a + bt + ct2 + dt3 + et4 + ft5, entonces p´´´(t) = 6d + 24et + 60ft2, 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)}.
incógnitas:
1 0 0 0 0 0
0 1 0 0 0 0
0 0 1 0 0 0
d .
0 0 0 0 1 0
0 0 0 0 0 1
a b c d e f
JOE GARCIA ARCOS
la condición d  0. Una posible base es:

Base P5 = {(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)}. 
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. Hágase ver que S es subespacio de 5. Determínese una base de S y hágase su extensión
a una base de 5.
SOLUCION
S = {p  5 / p´(3) = 0}.
Haciendo p(t) = a + bt + ct2 + dt3 + et4 + ft5, 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)}.
incógnitas:
1 0 0 0 0 0
0 6 1 0 0 0
0 27 0 1 0 0
 b  6c  27d  108e  405 f .
0 108 0 0 1 0
0 405 0 0 0 1
a b c d e f
la condición 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)}. 
PROBLEMAS
5.6.1 Demuestre que si S = {u1, u2, ..., uk} es una base de b.- Demostrar que U contiene las funciones f(x) = Cosnx
un espacio vectorial V y  es un escalar no nulo, y f(x) = Sennx para cada n = 2, 3, ...
entonces el conjunto S1 = {u1, u2, ..., uk} también es c.- Demuestre que U es de dimensión infinita.
una base de V.
5.6.5 Sean f1, …, fk elementos de un espacio vectorial
5.6.2 Muéstrese gráficamente que w = u – v, z = u + v V de funciones. Demuéstrense los siguientes enuncia-
son linealmente independientes y que, por lo tanto, for- dos:
man una base. a.- Si f1 = 0, entonces f1, …, fk son linealmente depen-
dientes.
5.6.3 Sea V el conjunto generado por b.- Si se puede expresar f1 como combinación lineal de
u = Cos2x, v = Sen2x, w = Cos2x: f2, …, fk, entonces f1, …, fk son linealmente dependien-
a.- Demuestre que S = {u, v, w} no es una base para V. tes.
b.- Determine una base para V. c.- Si k  2 y si f1, …, fk son linealmente dependientes,
entonces una de las funciones se puede expresar como
5.6.4 Sea V el espacio vectorial de todas las funciones combinación lineal de las demás.
continuas en el intervalo [-; ]. Sea U el subconjunto de d.- Si f1, …, fk son linealmente independientes y si h <
V que consta de todas las funciones f que satisfacen las k, entonces f1, …, fk son linealmente independientes.
  e.- Si f1, …, fk constituyen una base de V, entonces f1,
tres ecuaciones  f (t )dt  0 ,  f (t )Costdt  0 , …, fk son linealmente independientes.
 f.- Si f1, …, fk son linealmente independientes y si c1f1
 f (t )Sentdt  0 : + … + ckfk = a1f1 + … + akfk, entonces c1 = a1, …, ck =
a.- Demostrar que U es un subespacio de V. a k.
JOE GARCIA ARCOS
5.6.6 Demuestre que si U es un subespacio de un 5.6.11 Demuestre que el conjunto de las matrices trian-
espacio vectorial V de dimensión finita, entonces la gulares de m x n constituye un espacio vectorial de
dimensión de U es menor o igual que la dimensión de V. 1
dimensión mn  (m2  m) si m  n, y de dimensión
2
5.6.7 Demuéstrese que Cosx, Cos2x, Cos3x son lineal- 1 2
mente independientes y que, por lo tanto, forman una (n  n) si n  m.
2
base.
5.6.8 Sea V el conjunto de todas las funciones raciona- 5.6.12 Determine una base del subespacio S de n y
les de la forma determine la dimensión del subespacio:
ax  b a.- S consiste en todos los vectores (x, y, -y, -x) en 4;
, x  1, x  2 b.- S consiste en todos los vectores (x, y, 2x, 3y) en 4;
( x  1)( x  2)
c.- S consiste en todos los vectores del plano 2x – y + z
a.- Hágase ver que V es espacio vectorial de dimensión = 0 en el espacio 3;
2. d.- S consiste en todos los vectores (x, y, -y, x – y, z) en
1 1 5;
b.- Demuéstrese que g1 ( x)  , g 2 ( x)  están
x 1 x2 e.- S consiste en todos los vectores en 4 con la segun-
en V, son linealmente independientes y forman una base da componente cero;
de V. f.- S consiste en todos los vectores (-x, x, y, 2y) en 4;
g.- S consiste en todos los vectores paralelos a la recta
5.6.9 Sea V el conjunto de todas las funciones raciona- y = 4x en 2;
les de la forma h.- S consiste en todos los vectores del plano 4x + 2y –
ax 2  bx  c z = 0 en 3.
, x  0, x  2, x  -2
x( x 2  4)
a.- Hágase ver que V es espacio vectorial de dimensión 5.6.13 Sea {u, v, w} una base de un espacio vectorial V.
3. Demuestre que {x, y, z} también es una base, donde u = x,
b.- Demuéstrese que y = u + v, z = u + v + w.
1 1 1
g1 ( x)  , g 2 ( x)  , g3 ( x )  5.6.14 Sea W el espacio generado por f = Senx y
x x2 x2
g = Cosx:
están en V, son linealmente independientes y forman una
a.- Demuestre que para cualquier valor de , f1 = Sen(x +
base de V.
) y g1 = Cos(x + ) son vectores en W.
b.- Demuestre que f1 y g1 forman una base para W.
5.6.10 a.- Sea W el conjunto de los vectores de 5
tales que a1 – a2 + a3 = 0 y a2 + a4 + a5 = 0. Determínese
5.6.15 En 3, todos los vectores de un plano  que
una base de W. Encuéntrese una base de 5 que sea
extensión de la base obtenida para W. pasa por el origen forman un subespacio S de 3. De-
b.- Sea U el subespacio de los vectores de 5 tales que termine la dimensión de S para cualquier plano .
2a1 – a2 + a3 – a5 = 0 y a1 + a2 – a4 + 6a5 = 0. Determíne-
se una base de U. Encuéntrese una base de 5 que sea 5.6.16 En 2, todos los vectores paralelos a una recta
extensión de la base obtenida para U. dada L que pasa por el origen forman un subespacio S.
Determine la dimensión de S para cualquier recta L.
c.- Hágase ver que Dim(U  W)  1.
d.- Encuéntrese una base de U  W.
5.7 VECTOR DE COORDENADAS. CAMBIO DE BASE
En esta sección se estudiará la relación entre los coeficientes de una combinación 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, además de conocer las propiedades
generales, es importante saber definir los vectores en términos de números y poder
reducir las operaciones vectoriales a operaciones con números. 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 llamará
JOE GARCIA ARCOS

sistema de coordenadas de V. Por consiguiente, si B = {u1, u2, ..., un} es un sistema

de coordenadas de V, estos mismos vectores, pero tomados en otro orden,
representarán otro sistema de coordenadas de V.
DEFINICION 5.7.1
Sea V un espacio vectorial n-dimensional y sea B = {u1, u2, ..., un} una base
de V. Defínase el vector de coordenadas de u respecto de la base B, el cual
se denota por uB, como el vector uB = (a1, a2, ..., an)  n, en donde los
escalares a1, a2, ..., an son tales que u = a1u1 + a2u2 + ... + anun.
Sean B1 = {u1, u2, ..., un} y B2 = {v1, v2, ..., vn} dos bases del espacio vectorial n
sobre el cuerpo K. Sea u un vector arbitrario del espacio vectorial. Nos proponemos
encontrar una relación entre las coordenadas de u respecto de la primera y segunda
base respectivamente. Para poder establecer esta relación 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 B1 respecto de la

base B2.
 u1  a11v1  a1 2 v2   a1 n vn

u2  a21v1  a2 2 v2   a2 n vn
 (1)

u  a v  a v   a v
 n n1 1 n2 2 nn n
El vector u, respecto de la base B2, se expresa de forma única como u = a1u1 + a2u2 +
... + anun, por otro lado, al ser también B1 una base, el vector u admite la siguiente
expresión:
u = b1u1 + b2u2 + ... + bnun
Por (1) se tiene:
u = b1(a11v1 + a12v2 + ... + a1nvn) + b2(a21v1 + a22v2 + ... + a2nvn) + ... + bn(an1v1 + an2v2
+ ... + annvn)
= (b1a11 + b2a21 + ... + bnan1)v1 + (b1a12 + b2a22 + ... + bnan2)v2 + ... + (b1a1n + b2a2n
+ ... + bnan n)vn
Luego
a1  b1a11  b2 a21   bn an1
a  b a  b a   b a
 2 1 12 2 22 n n2


 an  b1a1n  b2 a2 n   bn ann
que son las ecuaciones que permiten relacionar las coordenadas de un mismo vector
respecto de las bases B1 y B2.
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 actúan las operaciones de
adición y de multiplicación por un número. Por esto, o bien podemos limitarnos a
estudiar qué es lo que representan los vectores y cuáles 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 efectúan estas operaciones. En lo sucesivo nos
interesarán solamente las propiedades del segundo género. Por ello, dos espacios de
la misma estructura respecto a las operaciones de adición y de multiplicación por
números se considerará que tienen las mismas propiedades o que son isomorfos.
JOE GARCIA ARCOS

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 aplicación isomorfa de un espacio vectorial V sobre otro
espacio vectorial W el vector v de V corresponde al vector w de W. Entonces, según
la definición, el vector nulo del primer espacio debe transformarse en el vector nulo
del segundo espacio. 
TEOREMA 5.7.2
En una aplicación isomorfa un sistema de generadores del primer espacio se
transforma en un sistema de generadores del segundo sistema.
DEMOSTRACION
Sean v1, v2, ..., vt unos generadores del espacio V y sean w1, w2, ..., wt los vectores
que les corresponden en el espacio W. Tomemos en W un vector arbitrario w y
consideremos el vector v de V. Por hipótesis, el vector v puede ser representado en la
forma v = a1v1 + a2v2 + ... + atvt.
Según la definición, la suma a1v1 + a2v2 + ... + atvt, debe transformarse en la suma
a1w1 + a2w2 + ... + atwt y, por consiguiente, el vector w debe coincidir con la suma
a1w1 + a2w2 + ... + atwt, es decir, los vectores w1, w2, ..., wt 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 v1, v2, ..., vm del espacio V
se transforman en los vectores w1, w2, ..., wm del espacio W. Supongamos que entre
los últimos existe una relación de tipo
b1w1 + b2w2 + ... + bmwm = .
Según la definición, al primer miembro de esta igualdad corresponde en el espacio V
el vector
b1v1 + b2v2 + ... + bmvm
y al vector nulo  corresponde en el espacio V el vector nulo . Por consiguiente
b1v1 + b2v2 + ... + bmvm = .
Puesto que los vectores v1, v2, ..., vm son linealmente independientes se tiene
b1 = b2 = ... = bm = 0,
es decir, los vectores w1, w2, ..., wm son linealmente independientes. 
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 dimensión. La
afirmación recíproca es también válida: si dos espacios vectoriales sobre un mismo
cuerpo de coeficientes tienen la misma dimensión, son isomorfos.
JOE GARCIA ARCOS

EJEMPLO 5.7.1
Considere el conjunto de vectores en 3, B = {(3, 1, 2), (-1, 0, 2), (4, 3, 5)}:
a.- Demuestre que B es una base de 3;
b.- Encuentre (3, 4, 6) en B;
c.- Para un vector cualquiera u  3, encuentre u en B.
SOLUCION
Es fácil verificar que los vectores {(3, 1, 2), (-1, 0, 2), (4, 3, 5)} forman una base de
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 a   3 1 4 3 a 
   
 1 0 3 4 b    0 1 5  4 a  3b 
 2 2 5 6 c   0 8 7 12 2a  3c 
   
3 0 9 12 3a   33 0 0 48 18a  39b  9c 
   
 0 1 5 9 a  3b    0 11 0 1 a  7b  5c 
 0 0 11
 20 2a  8b  3c   0 0 11 20 2a  8b  c 
16 1 20
De esta manera tenemos que 1   ,  2   y 3  , con lo que podemos
11 11 11
decir que
(3, 4, 6)B    ,  , 
16 1 20
 11 11 11 
1
(3, 4, 6)B   6a  13b  3c,  a  7b  5c,  2a  8b  c  . 
11
EJEMPLO 5.7.2
En 3 considere las dos bases
B1 = {(1, 1, 1), (1, 1, 0), (1, 0, 0)} y B2 = {(2, 1, 2), (1, 0, 3), (-1, 4, -2)}:
a.- Encuentre [(1,1, 3)]B1 ;
b.- Encuentre [(1,1, 3)]B2 ;
c.- Encuentre la matriz de cambio de base de B1 a B2;
d.- Encuentre la matriz de cambio de base de B2 a B1;
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) = a1(1, 1, 1) + a2(1, 1, 0) + a3(1, 0, 0)
(1, 1, 3) = 3(1, 1, 1) – 2(1, 1, 0) + 0(1, 0, 0)
[(1,1, 3)]B1 = (3, -2, 0)T.
b.- (1, 1, 3) = b1(2, 1, 2) + b2(1, 0, 3) + b3(-1, 4, -2)
(1, 1, 3) = 1/17(2, 1, 2) + 10/17(1, 0, 3) + 4/17(-1, 4, -2)
[(1,1, 3)]B2 = (1/17, 19/17, 4/17)T.
 2 1 1 1 1 1   2 1 1 1 1 1
   
c.-  1 0 4 1 1 0    0 1 9 1 1 1
 2 3 2
 1 0 0   0 2 1 0 1 1
JOE GARCIA ARCOS

 2 0  8 2 2 0 1 0 0 9 /17 13 /17 12 /17 

   
 0 1  9 1 1 1  0 1 0 1/17 8 /17 10 /17 
 0 0 17
 2 1 3   0 0 1 2 /17 1/17 3 /17 
9 13 12 
 17 17 17 

B1     
1 8 10
P B 2 
17 17 17
 
 2 1
 
3

 17 17 17 
1 1 1 2 1 1   1 1 1 2 1 1 
   
d.- 1 1 0 1 0 4  0 0 1 1 1 5 
1 0 0
 2 3 2   0 1 1 0 2 1 
1 1 1 2 1 1   1 0 1 1 2 3 
   
0 1 2 1 1 4   0 1 2 1 1 4 
0 1 1
 0 2 1   0 0 1
 1 1 5 
1 0 0 2 3 2   2 3 2 
   
0 1 0 1 3 6   P B1 B2    1 3 6 
0 0 1
 1 1 5   1 1 5 
 
e.- [(1,1, 3)]B1  P B1 B2  [(1,1, 3)]B2 = (3, -2, 0)T
[(1,1, 3)]B2  P B2 B1  [(1,1, 3)]B1 = (1/17, 19/17, 4/17)T.
PROBLEMAS
5.7.1 En 2 considere las dos bases e.- Obtenga los resultados de los incisos a) y b) use las
B1 = {1 - t – t2, - 1 – 2t2, t + 2t2} matrices obtenidas en los incisos c) y d).
y
B2 = {3 + 6t2, 2 + t + 6t2, t2}: 5.7.4 En (2 x 2) considere las dos bases
a.- Encuentre [1  t  t 2 ]B1 ; 
1 1  1 1 1 0   0 1   
B1 =  ,  ,  ,  
b.- Encuentre [1  t  t 2 ]B2 ; 
 1 1   1 1   1 0   2 0 

c.- Encuentre la matriz de cambio de base de B1 a B2; y
d.- Encuentre la matriz de cambio de base de B2 a B1; 1 1 1 1   1 1   1 0  
 
B2 =  ,  ,  ,   :
e.- Obtenga los resultados de los incisos a) y b) use las 
 1 1   1 0   0 0   0 0 

matrices obtenidas en los incisos c) y d).
 1 2  
a.- Encuentre   ;
5.7.2 Sea P la matriz de transición de B2 a B1 y sea Q la  7 4   B1
matriz de transición de B1 a B2. ¿Cuál es la matriz de
transición de B2 a B1?  1 2  
b.- Encuentre   ;
 7 4   B 2
5.7.3 En C3 considere las dos bases
c.- Encuentre la matriz de cambio de base de B1 a B2;
B1 = {(1 + i, 2 – i, 1), (3 + 2i, 4 – 4i, 1), (i, 2, -i)}
d.- Encuentre la matriz de cambio de base de B2 a B1;
y
e.- Obtenga los resultados de los incisos a) y b) use las
B2 = {(1, i, 1 + i), (1, i, -i), (2i, 1, 1 – i)}:
matrices obtenidas en los incisos c) y d).
a.- Encuentre [(2i, 3,1  i)]B1 ;
b.- Encuentre [(2i, 3,1  i)]B2 ; 5.7.4 Sea P la matriz de transición de B2 a B1, y sea Q
c.- Encuentre la matriz de cambio de base de B1 a B2; matriz de transición de B1 a B. ¿Cuál es la matriz de
d.- Encuentre la matriz de cambio de base de B2 a B1; transición de B a B2?
JOE GARCIA ARCOS

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- 5.8.14 Si un sistema de vectores dado, posee el rango
ficientes reales forman un espacio vectorial. r, entonces cualesquiera r vectores linealmente indepen-
dientes forman la base de este sistema.
5.8.2 Las matrices antisimétricas no forman un subespa-
cio vectorial de todas las matrices cuadradas de n x n. 5.8.15 Cualquier subsistema linealmente dependiente
de un sistema dado puede completarse hasta la base de
5.8.3 Todos los vectores de n, que tienen iguales la ese sistema.
primera y última coordenada forman un subespacio vec-
torial. 5.8.16 Suponga que el subespacio vectorial W contiene
el subespacio vectorial U. Entonces la dimensión de U
5.8.4 Tres vectores no coplanares u, v y w, son lineal- no supera a la de W, con la particularidad de que las
mente dependientes. dimensiones son iguales entre sí cuando, y sólo cuando,
U = W.
5.8.5 Un sistema de vectores que contiene dos vectores
iguales es linealmente dependiente. 5.8.17 La suma S = U + W de dos subespacios vecto-
riales de V es igual a la intersección de todos los subes-
5.8.6 Un sistema de vectores cuyos dos vectores se pacios vectoriales de V que contienen tanto U, como
diferencian por un factor escalar es linealmente indepen- también W.
diente.
5.8.18 La suma U + W de los subespacios vectoriales U
5.8.7 Un sistema de vectores que contiene al vector y W será suma directa cuando, y sólo cuando, todos los
nulo es linealmente dependiente. vectores u  U + W se representen de forma única co-
mo u = ui + vj, donde ui  U y vj  W.
5.8.8 Si una parte del sistema de vectores es linealmente
dependiente, entonces todo el sistema también es lineal- 5.8.19 Suponga que el subespacio vectorial S es la
mente dependiente. suma directa de los subespacios vectoriales U y W.
Entonces la dimensión de S es igual a la suma de las
5.8.9 Cualquier parte de un sistema de vectores lineal- dimensiones de U y W con la particularidad de que
mente independiente es por sí misma linealmente depen- cualesquiera bases de U y W dan juntas la base de S.
diente.
5.8.20 Para cualquier subespacio vectorial U del espa-
5.8.10 Si tres vectores u1, u2 y u3 son linealmente de- cio V puede hallarse otro subespacio W, tal que todo el
pendientes y el vector u3 no se expresa linealmente a espacio V sea la suma directa de U y W.
través de los vectores u1 y u2, entonces estos últimos se
diferencian entre sí sólo por un factor numérico. 5.8.21 Si los vectores u1, u2, ..., uk se expresan linealmen-
te a través de los vectores v1, v2, ..., vr, el rango del primer
5.8.11 Sean S, U y W subespacios vectoriales de V. sistema no supera el del segundo.
Entonces S será la suma directa de U y W cuando y sólo
cuando S esté contenido en U y W. 5.8.22 Si el vector u se expresa linealmente mediante
los vectores u1, u2, ..., uk, el rango del último sistema de
5.8.12 Si los vectores u1, u2, ..., uk son linealmente de- vectores no varía, añadiéndole el vector u.
pendientes, y los vectores u1, u2, ..., uk, u son linealmente
independientes, entonces el vector u se expresa lineal- 5.8.23 Todas las bases de un sistema de vectores dado,
mente a través de los vectores u1, u2, ..., uk. contienen la misma cantidad de vectores.
5.8.13 Si la dimensión de la suma de dos subespacios 5.8.24 Si los vectores u1, u2, ..., um son linealmente inde-
vectoriales del espacio V supera la dimensión de su in- pendientes y se expresan linealmente a través de los
tersección en una unidad, la suma coincide con uno de vectores v1, v2, ..., vn, entonces m  n.
esos subespacios y la intersección con el otro.
JOE GARCIA ARCOS

5 Espacios-Vectoriales PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

5 Espacios-Vectoriales PDF

Cargado por

Copyright:

Formatos disponibles

OBJETIVO

5.1 ESPACIOS VECTORIALES

5.1 ESPACIOS VECTORIALES

La resolución de los problemas de cualquier género se reduce, al fin y al cabo, al

El último método parece ser de atracción especial debido a su generalidad. Efec-

No se desarrollaran las diferentes propiedades de los cuerpos abstractos y no

Los elementos de cualquier espacio vectorial los llamaremos vectores, a pesar de

JOE GARCIA ARCOS

de ser un vector, y es posible que las operaciones de adición y multiplicación

A continuación damos a conocer algunas propiedades que provienen de la exis-

De esta forma, desde el punto de vista de las operaciones de multiplicación, adi-

En algunas aplicaciones, es necesario alterar la definición de espacio vectorial

= (a2 + b2)t2 + (a3 + b3)t3 + … + (an + bn)tn

[p(t)] = [(t – 2)q(t)] = (t – 2)q(t) = ()(t – 2)q(t) = ()p(t).

JOE GARCIA ARCOS

JOE GARCIA ARCOS

JOE GARCIA ARCOS

JOE GARCIA ARCOS

comprobamos los 10 axiomas de la definición de espacio vectorial:

JOE GARCIA ARCOS

4.- Existe un único elemento f en V, denominado función cero de V, tal que se

6.- Si  es cualquier escalar y f es cualquier elemento en V, entonces f está en

8.- Si f está en V y ,  son escalares, entonces ( + )f = f + f. Es decir:

9.- Si f está en V y ,  son escalares, entonces (f) = ()f. Es decir:

a b  e f   e f  5.1.19 Demuéstrese que con las reglas habituales de la

JOE GARCIA ARCOS

5.2 SUBESPACIOS VECTORIALES

En términos generales, para demostrar que un conjunto U con la adición y la mul-

Es importante tener en cuenta que para que un subconjunto no vacío U de un espa-

JOE GARCIA ARCOS

Si AX = B es un sistema de ecuaciones lineales, entonces todo vector que satisface

Dado un espacio vectorial V, siempre se le puede considerar como subespacio se

Sea U un subespacio propio de 2. Entonces, U contiene un vector u distinto de

Por consiguiente, cada subespacio propio U de 2 corresponde a una recta que

Sea U un subespacio propio de 3. Entonces, U contiene un vector distinto de

JOE GARCIA ARCOS

JOE GARCIA ARCOS

Lo que prueba que S es un subespacio vectorial.

JOE GARCIA ARCOS

5.3 COMBINACIONES LINEALES Y SUBESPACIOS GENERADOS

Suponga que en el espacio vectorial V, definido sobre un cuerpo real o complejo,

Si k = 1, entonces la ecuación de la definición precedente se reduce a u = a1u1; es

JOE GARCIA ARCOS

% COMPRUEBA SI UN VECTOR ES COMBINACION LINEAL DE UN SISTEMA DE VECTORES S

JOE GARCIA ARCOS

combinaciones lineales tomen cualesquiera valores. En este caso quedará definido

El interés hacia los subespacios generados se debe a dos circunstancias. En primer

Si U es subespacio de V y si S es un subconjunto de V con la propiedad de que

Con este fin emplearemos en gran escala la noción de combinación lineal y, en

JOE GARCIA ARCOS

Es evidente que, para el conjunto de los sistemas finitos de vectores de un espacio

JOE GARCIA ARCOS

JOE GARCIA ARCOS

última expresión para Span(S) se obtiene

JOE GARCIA ARCOS

JOE GARCIA ARCOS

5.4 INTERSECCION Y SUMA DE SUBESPACIOS. SUMA DIRECTA

JOE GARCIA ARCOS

Considere el espacio vectorial arbitrario V. Este espacio engendra el conjunto de

Como el vector nulo de V pertenece a todos sus subespacios, no hay subespacio de

JOE GARCIA ARCOS

Sean U, W subconjuntos, no necesariamente subespacios, de un espacio vectorial V.

JOE GARCIA ARCOS