ESPACIOS VECTORIALES

ESPACIO VECTORIAL
SUBESPACIO VECTORIAL
Cuerpo.
Un cuerpo es un conjunto no vacío K en el
que se definen dos operaciones: y . , llamadas adición
y multiplicación respectivamente, tales que,
para todo a, b, c  K, se cumplen las siguientes propiedades:
i) Cerradura respecto a la adición y a la multiplicación:
a  b  K y a . b K.
ii) Asociatividad de la adición y multiplicación:
(a  b) c=a  (b  c) y (a . b) . c=a . (b . c)
iii) Conmutatividad de la adición y la multiplicación:
ab=ba y
a.b = b.a.
iv) Existencia de un elemento neutro para la adición y uno
para la multiplicación:
Respecto a la adición:  e  K tal que a  e = ea = a;
e es el elemento neutro aditivo.
Respecto a la multiplicación:  e  K tal que a . e = e .a = a;
e es el elemento neutro multiplicativo.
v) Existencia de elemento opuesto y de inversos:
Respecto a la adición: aK , b  K tal que ab = ba = e;
donde b se denomina elemento opuesto o simétrico
Respecto a la multiplicación: aK-{e} , b  K tal que
a.b = b. a = e; b se denomina elemento inverso
vi) Distributividad de la multiplicación respecto
de la adición: a . (b  c) = (a. b)  (a.c).
Ejemplos.

i) Los conjuntos N y Z no son cuerpos (ya que carecen de

inversos multiplicativos).

ii) Los conjuntos Q, R y C son cuerpos.

Espacio vectorial.
Un espacio vectorial definido sobre un cuerpo de
escalares K, es un conjunto no vacío V,
provisto de dos operaciones:
i)Una interna, llamada adición, definida por
+: VxV →V, tal que para todo u, v V se tiene que (u + v)V.
ii) Una externa, llamada producto por un escalar, definida por
.: KxV →V, tal que para to-do K y para todo vV
se tiene que .vV.
Además para todo u, v, w  V y para todo , β  K
se cumplen las siguientes propiedades:
1. u + v = v + u, [conmutativa: suma de vectores].

2.(u + v) +w = u + (v +w), [asociativa: suma de vectores].

3. e  V tal que u + e = u,

[elemento neutro: suma de vectores].

4.Para cada u  w  V tal que u+w = 0,

[elemento inverso u opuesto: suma de vectores].
5. α. (u + v) = α.u + .v, [distributiva: suma de vectores].
6. ( + β) .u = .u + β.u, [distributiva: suma de escalares].
7. (α. β) .u = α.(β.u),
[asociativa: multiplicación de escalares].
8. 1.u = u, [identidad].
En estas condiciones diremos que (V, +, .) es un espacio
vectorial sobre el cuerpo K, o también un K-espacio
vectorial donde a sus elementos se les denomina vectores y
se les denomina vectores ,mientras que a los elementos de
K se les llama escalares.

Ejercicio 1.
Probaremos que el conjunto V = R es un espacio vectorial real
(sobre el cuerpo K = R), con las operaciones usuales de la adición y
multiplicación
por un escalar.
Ejercicio 2.
Probaremos que el conjunto V = Rn es un espacio vectorial real
(sobre el cuerpo K = R), con las operaciones usuales de la adición y
multiplicación por un escalar.

Ejercicio 3.

El conjunto V = {(x, y, z)R3/ x - 2y - 3z =0} es un espacio

vectorial (sobre el cuerpo
K = R), con la suma y productos usuales.
Demostración:
Primero veremos que las operaciones están bien definidas:

 u  (u1,u2 ,u3 )  V  u1  2u2  3u3 = 0
  (u1 + v1 ) - 2(u2 + v 2 ) - 3(u3 + v 3 ) = 0  (u + v)  V
v  (v1,v 2 ,v 3 )  V  v1  2v 2  3v 3 = 0


De igual modo se prueba:

u  (u1,u2,u3 )  V  u1  2u2  3u3 = 0  (u1)  2(u2 )  3(u3 ) = 0  u  V.

Ahora veamos a continuación el cumplimiento de las propiedades:

Para todo u = (u1,u2,u3 ) y v = (v1,v 2,v 3 )  V y para todo α,β  K = R se tiene :

1. Veremos que : u + v = v + u

(u+ v)  V  (u1 + v1) - 2(u2 + v 2 ) - 3(u3 + v 3 ) = 0  (v1 +u1) - 2(v 2 +u2 ) - 3(v3 +u3 )  v +u  V
Además se cumple : u+ v = v + u
2. Veremos que ( u + v) + w =u + (v + w)

Como (u + v)  V y w  V, tenemos por la defición dada :

(u + v) + w  V, ya que : [(u1 + v1) + w1] - 2[(u2 + v 2 ) + w1] - 3[(u3 + v3 ) + w3 ]

= [u1 +(v1 + w1)] - 2[u2 +(v 2 + w1)] - 3[(u3 +(v 3 + w 3 )]  u + (v + w)  V

 (u + v) + w  u +( v) + w)
3. Existe 0  V, ya que : 0 - 2(0) - 3(0) = 0; luego tenemos :

 u  V, u+ 0  V, ya que : (u1 +0) - 2(u2 +0) - 3(u3 +0)= u1 - 2u2 - 3u3 = 0

Se cumple u + 0 = u
4. Como u  V  u1 - 2u2 - 3u3 = 0 por (-1) : (-u1) - 2(-u2 ) - 3(-u3 ) = 0  (-u)  V; luego :

u +(-u)  V  (u1 - u1) - 2(u2 - u2 ) - 3(u3 - u3 ) = 0  0  2(0)  3(0)  0

Entonces u +(-u) = 0

5. Como (u + v)  V  (u1 + v1) - 2(u2 + v 2 ) - 3(u3 + v 3 ) = 0; por  

(u + v)  V ya que : (u1 + v1) - 2(u2 + v 2 ) - 3(u3 + v 3 ) = 0 = 0

 u1 + v1 - 2u2  v 2 - 3u3  3v3 = 0 = (u1 - 2u2 - 3u3 )+(v1  v 2 - 3v 3 ) = 0

 (u1 - 2u2 - 3u3 ) + (v1 - 2v 2 - 3v3 ) = 0  u + v  V

Luego concluimos que (u + v) = u + v

6. Como u  V  u1 - 2u2 - 3u3 = 0, pero también ( + ) u  V, ya que :

( + )u1 - 2( + )u2 - 3( + )u3 = 0  u1 + u1 - 2u2 - 2u2 - 3u3 - 3u3 = 0

 (u1 - 2u2 - 3u3 ) +(u1 - 2u2 - 3u3 ) = 0  u + u V

Además se tiene : ( + ) u = u + u

7. Como u  V  u1 - 2u2 - 3u3 = 0, pero también () u  V, ya que :

()u1 - 2()u2 - 3()u3 = 0  (u1) - 2(u2 ) - 3(u3 ) = 0  (u)  V

Además se tiene : () u = (u)
8. Como u  V  u1 - 2u2 - 3u3 = 0, pero también 1 u  V, ya que :

u1 - 2u2 - 3u3 =1.u1 - 2(1.u2 ) - 3(1.u3 ) = 0  1.u  V

Además se tiene : 1 u = u

Finalmente afirmamos que el conjunto V es un espacio vectorial sobre los reales (K = R).
Ejercicio
¿Cuál de los siguientes conjuntos es un espacio
vectorial?
a) V = { (x. y)R2 , tal que y  0}, junto con
b) las operaciones usuales de la adicion y
multiplicación por un escalar?
b) W = {(x, y)R2 tal que y = 3x + 1},
junto con las operaciones usuales de la dicion y
multiplicación por un escalar.
EJEMPLO .- Conjunto de los polinomios de grado menor o
igual que n.

EJEMPLO .- Conjunto de las funciones reales de variable

real con dominio .
COMBINACIONES LINEALES

Sea V un espacio vectorial real:

COMBINACIÓN LINEAL.-Decimos que el vector
es combinación lineal de
cuando tales que:
Ejemplos

1.-El vector (2,1,1) de R3 no es combinación lineal de los

vectores (1,0,0) y (1,1,0) de R3 .

2.- El polinomio x2+1 de P3 no es combinación lineal de los

polinomios x3+x–1 , x+2 y 1 de P3 .
Definición de dependencia e independencia lineal. Un conjunto finito de vectores

{v1,v 2,...,vk }del espacio vectorial V es linealmente dependiente l.d. si existen k números

reales 1, 2, ., k , no todos nulos, tales que 1.v1  2.v 2  ...,  k .vk  0

Es decir, {v1,v 2,...,vk } es l.d. si: 1.v1  2.v 2  ...,  k .vk  0  Existe al menos un i  0.
Por el contrario, si {v1,v 2,...,v k } no es linealmente dependiente, se dice que es un con-

junto linealmente independiente (l.i.)

Es decir, {v1,v 2,...,vk } es l.i. si 1.v1  2.v 2  ...,  k .v k  0 i =0  i =1,2,...,k

Observaciones:
1) Afirmamos que dos vectores en R2 son linealmente
dependientes si y solo si son colineales o proporcionales
o paralelos.

2) Mientras que en R3 afirmamos que tres vectores son

linealmente dependientes si y solo si ellos
son coplanares o proporcionales.
3) Una consecuencia inmediata de la definición, es
que cualquier conjunto de vectores que contenga
al elemento neutro es linealmente dependiente.

4) Si en Rn se tiene que un vector es múltiplo escalar

de otro, entonces se afirma que los vectores son
linealmente dependientes.
Propiedad Fundamental:

Un conjunto de vectores es linealmente

dependiente si y solo si podemos expresar
uno de los vectores del conjunto como
combinación lineal del resto.
SUBESPACIOS VECTORIALES

Algunos subconjuntos de un espacio vectorial V

diferentes del vacío, son a su vez espacios
vectoriales con las operaciones definidas en V.
Estos subconjuntos se denominan subespacios
vectoriales.
Definición.
Sea V un espacio vectorial sobre un cuerpo K y sea U un
subconjunto no vacío de V. Decimos que U es un subespacio
vectorial de V, si U es en sí mismo un espacio vectorial
(sobre el mismo cuerpo K), con las mismas operaciones de V.
De esta definición se sigue que el conjunto U es cerrado
respecto a las operaciones mencionadas, dando origen por lo
tanto a la siguiente propiedad:
Propiedad fundamental.

Sea V un espacio vectorial y sea ø ≠ U  V.

Afirmamos que U es un subespacio vectorial

de V si y solo si las operaciones adición y

producto por un escalar están bien definidas;

es decir, si y solo si para todo u; v  U y

r  K se tiene: (ru + v)  U.
Ejemplos:
1.- El conjunto Rxz = {(x, y, z) R3/ y = 0} es un
subespacio de R3, geométricamente representa
un plano que pasa por el origen de coordenadas y
está determinado por los vectores (1, 0, 0) y (0, 0, 1)
.
Veamos la demostración:

Para todo (x1, 0, z1), (x2, 0, z2) de Rxz y K = R se tiene que:
(x1, 0, z1) + (x2, 0, z2) = (x1+ x2, 0,  z1+ z2) Rxz
ya que x1+ x2R, z1+ z2R

2.- Los conjuntos Rxy = {(x, y, z) R3/ z = 0} y

Ryz = {(x, y, z) R3/ x = 0} son subespacios
de R3, geométricamente representan planos contenidos
en R3, que pasan por el origen de coordenadas, determinados
por sus respectivos vectores.
OBSERVACIONES
a) Todo subespacio vectorial, contiene al vector
neutro aditivo.

b)Todo espacio vectorial V tiene al menos dos subespacios

vectoriales U=V y U={0},estos dos subespacios se
conocen como subespacios impropios mientras que el
resto de subespacios intermedios se llaman subespacios
propios.
c) El conjunto S de soluciones del sistema homogéneo de
ecuaciones lineales AX= 0 donde A es una matriz de orden
mxn, con coeficientes en el cuerpo K, es un subespacio
vectorial del espacio Kn
En este caso al sistema AX=0 se le llama sistema de
ecuaciones cartesianas del subespacio.
d) En conclusión, los subespacios vectoriales de Rn son
subconjuntos de Rn que quedan caracterizados mediante un
sistema de n ecuaciones lineales homogéneo AX = 0.
Ejemplos:
1. Algunos subespacios notables del espacio vectorial R3,

se deducen como sigue:

a)Dado un vector v ϵ R3 ,los vectores linealmente

dependientes con éste vector son de la forma tv donde
t ϵ R ,de donde concluimos que el conjunto
L = {P/P= tv: t ϵ R } es un subespacio vectorial de R3.
Geométricamente L representa la ecuación vectorial de
una recta que pasa por el origen.
b) Dados dos vectores linealmente independientes u y v ϵ R3
Se tiene que los vectores linealmente dependientes con ellos
dos, son de la forma : ru + sv donde r y s ϵ R , se demuestra
que P ={P / P= ru + sv: t ϵ R } es un subespacio de R3

Geométricamente P representa la ecuación vectorial de un

plano que pasa por el origen de coordenadas determinado por
los vectores u y v.
Ejercicio

Dados los vectores del espacio R4 :(1,-1,3,1),(2,1,2,0),(3,0,3,1)

Determinar si son linealmente dependientes o independientes.
Resolución:
Construimos la combinación lineal:
x(1, -1, 3, 1) + y(2, 1, 2, 0)+ z(3, 0, 3, 1)= (0, 0, 0, 0).

Calculamos el rango de la matriz de coeficientes

Sistema de generadores o sistema generador. Definición. Un subconjunto S de V se
denomina sistema de generadores de V si L(S) = V.
Comentario.La expresión L S = V, se interpreta afirmando que todo vector v  V se pue -

de expresar como una combinación lineal de los vectores que conforman S.

Ejercicio 1.
En el espacio R2, se cumple: Cualquier vector de R2 se expresa como una combinación
lineal de los vectores S  {i; j}; esdecir : Para todo v = (v1;v 2 )  R2 se tiene v = (v1;v 2 ) = v1.i + v 2 j

Luego decimos que el conjunto S es un sistema de generadores de R2; es decir L(S) = R2.
Observa que los vectores i y j son linealmente independientes.
Ejercicio 2.

Otro sistema generador de R2 es S  {a; b}; donde a = (-1,2) y b = (2,4) ya que

cualquier vector v = (v1;v 2 ) de R2 , se puede expresar en términos de a y b, a través de :

v 2 - 2v1 2v + v 2
v = (v1;v 2 ) = ( )a +( 1 )b
4 8
¿Cómo se dedujo esta expresión?
Respuesta. Para expresar v = (v1;v 2 ) en términos de a y b, hacemos :

v = (v1;v 2 ) = 1.a  2.b  1.(1; 2)  2.(2; 4)  ( 1  22; 21  42 )

   22 = v1 v - 2v1 2v + v
Resolvemos el sistema :  1  1 = 2 , 2 = 1 2
21  42 = v 2 4 8
Otro sistema generador de R es S  {a; b}; donde a = (-1,2) y b = (2,4) ya que

cualquier vector v = (v1;v 2 ) de R2 , se puede expresar en términos de a y b, a través de :

v 2 - 2v1 2v + v 2
v = (v1;v 2 ) = ( )a +( 1 )b
4 8
¿Cómo se dedujo esta expresión?
Respuesta. Para expresar v = (v1;v 2 ) en términos de a y b, hacemos :

v = (v1;v 2 ) = 1.a  2.b  1.(1; 2)  2.(2; 4)  ( 1  22; 21  42 )

   22 = v1 v - 2v1 2v + v
Resolvemos el sistema :  1  1 = 2 , 2 = 1 2
21  42 = v 2 4 8

v 2 - 2v1 2v + v 2
Con lo cual nos queda: v = ( )a +( 1 )b
4 8
También podemos concluir, igual que el caso anterior, que L(S) =R2.
Base de un espacio vectorial. Dado un espacio vectorial V, un subconjunto de vectores
B  V es una base de V si es, simultáneamente, un conjunto de vectores linealmente
independientes y un sistema generador de V.

Observaciones

a) Que el conjunto B sea un sistema generador significa que

cualquier vector de V se puede expresar como una combinación
Lineal en términos de los vectores que conforman la base

b) Las bases de un espacio vectorial no son únicas, y como un

mismo espacio tiene muchas bases, habrá muchas
representaciones para un mismo vector: una en cada base.
Dimensión de un espacio vectorial.

Si un espacio vectorial V tiene una base formada

por un número finito de vectores, entonces todas las
bases de V son finitas y tienen el mismo número de vectores.

Luego dado un espacio vectorial V sobre K (K = R o K = C),

se tiene:

i) Si el espacio vectorial V tiene base finita de n

elementos, llamaremos dimensión al número de
elementos de dicha base; es decir, escribimos dim(V) = n

ii) Pero si tiene una base no finita, diremos que el espacio es

de dimensión infinita.
Comentarios:

i) Finalmente concluimos que en un espacio vectorial

de dimensión n, a lo más hay n vectores linealmente
independientes.

ii) En lo sucesivo, salvo que se indique lo contrario,

trabajaremos con espacios vectoriales de dimensión finita.
Propiedad .
Sea V un espacio vectorial de dimensión finita y
sea U  V un subespacio de V, entonces se tiene:
i) dim(U) ≤ dim (V).

ii) dim(U) = dim(V) si y solo si U = V

Teorema fundamental. Si V es un espacio vectorial y B una base cualquiera de
V. Un conjunto de k vectores {v1,v 2,v 3,...,v k } es linealmente independiente si y solo si
la matriz cuyas columnas ( o cuyas filas) son las coordenadas (componentes) de cada
uno de estos vectores en la base B, tiene rango k.
Comentarios.
a) Por convención tenemos que la dimensión del espacio nulo es cero y su base es el
conjunto vacio; es decir:
Si la base B={ }= , entonces L B  =L() = {0} , con lo cual dim{0} = 0.
Observación:
b) Si V es un espacio vectorial de dimensión finita, llamaremos hiperplano al subespacio
de V de dimensión una unidad menos.
 Ejemplos:
Ejercicio 2.
A continuación describiremos las bases más sencillas (las canónicas o estándar) de
algunos espacios vectoriales,
a) Para el espacio vectorial real Rn, la base canónica está dada por los n vectores
B = {e1 = 1; 0; …; 0 ; e2 = 0; 1;…; 0 ; …;en = 0; 0;…; 1}.

b) Otra base para el espacio vectorial real R 3 distinta de la

canónica, esta dada por los vectores :
{ (1,0,0), (1,1,0), (0,2,-3)}.
Ejercicio 1:
Determinar un conjunto de vectores linealmente
independientes, generadores del espacio vectorial
R3, siendo uno de tales vectores (1, -1, 1).

Ejercicio 2:

Dado el conjunto de vectores : {(1,- 2, a, 3); (1,2,3,- 2); (-1, 3,-3,0); (-1, 0,1, 0)},
determinar el valor de a de modo que dicho conjunto sea una base de R4.
Representación de un mismo vector en diferentes bases. Coordenadas.
La existencia de diferentes bases en un mismo espacio vectorial nos da la posibilidad de
estudiarlas, cualquiera que sea el conjunto V, como si fuera Rn (sobre el cuerpo K = R o
K= C).
¿Cómo realizamos este estudio?
Respuesta Lo realizaremos a través de las coordenadas de un vector (componentes).
Para esto sabemos que dada una base ordenada de un espacio vectorial de dimensión
finita n, entonces cualquier vector del espacio se puede expresar en términos de la base,
de manera única, basta con expresar el vector como una combinación lineal de los
elementos de la base; de donde los coeficientes de la combinación lineal recibirán el
nombre de coordenadas o componentes del vector en la base dada; es decir:
Si cada vector v  V, se expresa de manera única en la base B como: v  1v1  2 v 2 +...+ n v

entonces se dice que 1; 2;...; n son las coordenadas o componentes de v en la base B; lo c

se representa por : v B (1, 2;...; n )

 Ejemplo:
de la sección (3.13.), sabemos que un vector de R2 e

El 3). a=(2.-3) expresarlo en las bases:

(2;vector

se B1 = {a = (-1;2); b = (2;4)} se representa por v B1 =

11 3
a = (-1;0); b = (1;4)} se representa por v B2 = (  ;  ).
4 4

Respectivamente.
Intersección de subespacios. Teorema. Dado dos subespacios vectoriales U y W de V,
sobre un cuerpo K, la intersección de ellos es un subespacio vectorial contenido en estos y
lo denotaremos como : U  W = {a / a  U y a  W}

Demostración
Ejemplo.
Sabemos que los siguientes conjuntos son subespacios de R3: U = {(x, y, z)R3/ x – y = 0},
W = {(x, y, z)R3 / 3x- y + 2z = 0}.
Luego tenemos que la intersección de ellos: U W = {(x, y, z)R3/ x – y = 0; 3x – y+ 2z = 0}
es también un subespacio vectorial de R3.
¿Cuál es este subespacio?
La respuesta viene por la solución del sistema de ecuaciones:

 x-y=0  1 -1 0   1 -1 0 
  A =      = Ea
3x - y + z = 0 3 -1 1 2 1 0 2 1
f -3f

Como r(Ea) = r(A) = 2 < 3 = N° de variables; entonces hay una variable libre y por lo tanto
habran muchas soluciones.

 x-y=0
Continuamos resolviendo el sistema :   z = t  y = -t / 2 = x
2y + z = 0
La solución será: {(x, y, z) }= {(-t/2, -t/2, t); tR} = {t(-1/2, -1/2, 1); tR} = {r(-1, -1, 2); rR}.
Es decir, se tiene: UW = {r(-1, -1, 2), rR}, él cual es un subespacio vectorial de R3;
geometricamente representa la ecuación vectorial de una recta que pasa por el origen de
coordenadas. y que sigue la dirección del vector (-1, -1, 2).
Comentarios.
a) La intersección sucesiva de espacios vectoriales se realiza inductivamente, tomando los
espacios de dos en dos.
b) Podemos concluir que U W es el mayor subespacio vectorial de V contenido en U y en W
c) La unión de subespacios vectoriales no es en general un subespacio vectorial.
Suma de subespacios. Sean U y W dos subespacios del espacio vectorial V, defi-
nimos la suma de U y W como : U+ W = {u+w /u  U, w  W}.

Comentarios.
a) Se deduce que la suma de subespacios está dada por el conjunto de todas las sumas
posibles de un vector de U con uno de W, por lo tanto se tiene que U + W = L(U  W); es
decir para hallar U + W basta con tomar un sistema de gheneradoresde U y otro de W,
para posteriormente después efectuar la unión y asi encontrart el sistema de generadores
de U + W.
b) De lo anterior se tiene que U + W es el menor subespacio que incluye a U y a W, y
por lo tanto también a UW.
Teorema. Si U y W son dos subespacios del espacio V, su suma también lo es.
Demostración:

Como U+ W = {u + w / u  U, w  W} tenemos que para a y b pertenecientes a U+ W :

a = u1 + w1 , con u1  U y w1  W; y b = u2 + w 2 , con u2  U y w 2  W
Luego para cada K se tiene:

a + b = (u1 + w1 ) + (u2 + w 2 ) = u1 + w1 + u2 + w 2 = (u1 + u2 ) + (w1 + w 2 )  U+ W;

ya que (u1 + u2 )  U y (w1 + w 2 )  W por ser ambos subespacios.

Luego U + W es un subespacio de V
. Propiedades fundamentales. Sean U y W subespacios vectoriales del espacio V;
entonces:
i) U + W = W + U
ii) U + U = U
iii) U  ( U + W)
iv) Si V tiene dimensión finita: dim(U + W) = dim(U) + dim(W) - dim(UW).
Comentarios.
a) Si U y W son subespacios de V, se tiene: U  W es el mayor subespacio de V conte-
nido en ambos subespacios.
b) También tenemos que U + W es el menor subespacio de V que contiene a ambos.
c) Si los subespacios U y W están generados por los conjuntos de vectores S1 y S2 res
pectivamente, tendremos que U + W viene generado por S1S2.
d) En general decimos que : W1 + W2  ...  Wk = L(W1  W1  ...  W1 )  {w1 +w 2 +...+ wk / wi  Wi }
Suma directa de subespacios. Definición. Sean U y W dos subespacios del es-
pacio vectorial V, la suma directa de U y W denotada por UW, se define como:
U  W = U+ W,con la condición U  W = {0}.
Definición. Sean U y W subespacios del espacio vectorial V, se afirma que V es la suma
directa de los subespacios U y W, si ocurre que U  W = V
Comentarios.

a) Si V es la suma directa de U y W, entonces se cumple : V = U +W y U  W = {0}

b) La última definición nos indica que todo vector de V se escribe de manera única como
la suma de un vector en U más otro vector en W; es decir:
Para todo v  V se tiene :V = U  W  v = u + w de manera única, donde u  U y w  W,

siendo u la proyección de v sobre U y w la proyeccion de v sobre W.

c) Todo subespacio U de dimensión k de un espacio vectorial V de dimensión n, tiene al

menos un subespacio suplementario W de V, de dimensión (n – k).
Propiedades fundamentales.
i) Como dim U+W  = dim U + dim  W  - dim(U  W); tendremos que si U  W = {0} ,

entonces dim(UW) = dim(U) + dim(W).

ii) Ahora, si V = U  W , entonces se tiene dim(V) = dim(U) + dim(W)
. Propiedades fundamentales.
i) Como dim U+W  = dim U + dim  W  - dim(U  W); tendremos que si U  W = {0} ,

entonces dim(UW) = dim(U) + dim(W).

ii) Ahora, si V = U  W , entonces se tiene dim(V) = dim(U) + dim(W)
Ejercicio .
Como Rxy = {(x, y, z) R3/ z = 0} = L{(1, 0, 0), (0, 1, 0)} es un subespacio de R3; de
dimensión 2, y Lz = {(x, y, z) R3/ x = y = 0} = L {(0, 0, 1)} es otro subespacio de R3 de
dimensión 1,(geométricamente representa una recta); entonces la suma directa de estos
subespacios está dada por: R3 = Rxy Lz = L{(1, 0, 0), (0, 1, 0), (0, 0, 1)}, donde además
Rxy Lz ={(0, 0, 0)}
Veremos a continuación otra manera de calcular la suma directa de subespacios.
Calculo de la suma de los subespacios: Rxy+ Lz .
Es inmediato que Rxy = L{(1, 0, 0), (0, 1, 0)}, ya que todo elemento de Rxy se expresa
como combinación lineal de (1, 0, 0) y (0, 1, 0), tal como se comprueba:
a = (x,y,0) = (x,0,0) + (0,y,0) = x(1, 0, 0) + y(0, 1, 0)
De igual modo Lz = L {(0, 0, 1)}
Luego tenemos que Rxy+ Lz = L{(1, 0, 0), (0, 1, 0), (0, 0, 1)} = R3.
Ejercicio:
Calcular bases para los subespacios siguientes
S, T, S + T; ST, S T; respecto de R3, donde
S = {(x, y, z)R3/ x = z};
T = <(1, 0, 0); (2, -1, 0)>.
Resolución:
a) Hallando una base para S:
S= {(x, y, z) donde x = z}  (x, y, x) = ((x, 0, x) +
(0, y, 0) = x(1, 0, 1) + y(0, 1, 0)
Tenemos que un vector cualquiera de S es generado
por los vectores (1, 0, 1); (0, 1, 0)
(los cuales son linealmente independientes); luego
afirmamos que una base para S es
BS = {(1, 0, 1); (0, 1, 0)}, siendo además dim(S) = 2
Hallando una base para T:
Como el subespacio T esta generado por (1, 0, 0); (2, -1, 0),
(los cuales son linealmente independientes); entonces una base
para T está dada por: BT = {(1, 0, 0); (2, -1, 0)}, siendo su
dimensión también 2.
Calculando una base para S + T:

Ahora se tiene que S + T = Span{BS  BT }= Span{(1, 0, 1);

(0, 1, 0), (1, 0, 0); (2, -1, 0)}.
Como el conjunto generador tiene 4 vectores y estamos
trabajando en el espacio R3, tenemos que el conjunto
generador será linealmente dependiente; luego procederemos
a eliminar los elementos dependientes.
¿Cuántos de los vectores {(1, 0, 1); (0, 1, 0), (1, 0, 0); (2, -1, 0)}.serán linealmente
independientes?
Por simple observación tenemos que los vectores (1, 0, 1); (0, 1, 0), (1, 0, 0) son
linealmente independientes; siendo el vector (2, -1, 0) linealmente dependiente es
combinación lineal de (0, 1, 0) y (1, 0, 0); ya que (2, -1, 0) = 2(1, 0, 0) – (0, 1, 0)).
Otra forma de resolver este caso es partiendo de la combinación lineal respectiva:
a(1, 0, 1)+ b(0, 1, 0)+ c(1, 0, 0)+ d(2, -1, 0) = (0, 0, 0), de donde:
a + c + 2d = 0 1 0 1 2  1 0 1 2
 0 1 0 1  0 1 0
 b - d = 0  A a =   f3 -f1  -1  = Ea
 a=0  1 0 0 0  0 0 -1 - 2

Como r(Ea) = r(A) = 3 <4 = N° de variables, tenemos que hay una variable libre, por lo
tanto muchas soluciones, en consecuencia los vectores son dependientes
a + c + 2d = 0

 b - d = 0  d = t  c = -2t  b = t  a = 0
 -c - 2d = 0

La combinación lineal nos queda: 0.(1, 0, 1)+ t(0, 1, 0)-2t(1, 0, 0)+ t(2, -1, 0) = (0, 0, 0), de
donde: (0, 1, 0) - 2(1, 0, 0) + (2, -1, 0) = (0, 0, 0).
De aca observamos que uno cualquiera de los 3 vectores es combinación lineal de los
otros 2; asi por ejemplo (2, -1, 0) = 2(1, 0, 0) – (0, 1, 0)).
Luego afirmamos que S + T esta generado por: {(1, 0, 1); (0, 1, 0), (1, 0, 0)}; es decir:
S+T=L {(1, 0, 1); (0, 1, 0), (1, 0, 0)} = {x(1, 0, 1) + y(0,1, 0) + z(1, 0, 0)} = {(x+z, y, x)R3}.
Una base de S + T por BS+T = {(1, 0, 1); (0, 1, 0), (1, 0, 0)}, lo cual nos indica que la
dimensión de (S + T) es 3.
Calculando una base para S T:


 a  S  a = (a1,a2 ,a1 )
aS  T     = 2; a2 =  a1 = 0
a  T  a = (1,0,0) + (2,-1,0)


Luego a = (a1,a2,a1 )= (0,  ,0) = (0,  1, 0)

Finalmente una base para el subespacio ST está dada por BsT = {(0, -1, 0)}, de donde
afirmamos que ST =L{(0, -1, 0)} = {a(0, -1, 0), aR} = {(0, -a, 0)} siendo su dimensión 1.
Además dim(S + T) = dim(S) + dim(T) – dim(ST) = 2 + 2 – 1 = 3 = dim(R3).
Tambien tenemos que como ST  (0,0, 0), entoncrs no existe ST.