Espacios Vectoriales

Luis Melo

Escuela Técnica de Salto - Catalina H. Castaños

Agosto 2025

Luis Melo Espacios Vectoriales Agosto 2025 1 / 34

Definición: Espacio Vectorial

Un espacio vectorial sobre K = R o C es un conjunto V con:

Suma + : V × V → V
Producto por escalar · : K × V → V
que verifican:
1 Asociativa: (u + v) + w = u + (v + w), ∀u, v, w ∈ V
2 Conmutativa: u + v = v + u, ∀u, v ∈ V
3 Neutro: ∃⃗0 ∈ V tal que u + ⃗0 = u, ∀u ∈ V
4 Opuesto: ∀u ∈ V, ∃v ∈ V tal que u + v = ⃗0, con v = −u
5 Asociativa mixta: (αβ)u = α(βu), ∀u ∈ V, ∀α, β ∈ K
6 Neutro escalar: 1 · u = u, ∀u ∈ V
7 Distributivas:
(α + β)u = αu + βu, ∀u ∈ V, ∀α, β ∈ K
α(u + v) = αu + αv, ∀u, v ∈ V, ∀α ∈ K

Luis Melo Espacios Vectoriales Agosto 2025 2 / 34

Ejemplos: Sí son EV

1 Rn El espacio Rn consiste en elementos (x1 , . . . , xn ) con xi ∈ R,

con operaciones:
Suma: (x1 , . . . , xn ) + (y1 , . . . , yn ) = (x1 + y1 , . . . , xn + yn )
Producto por escalar: α(x1 , . . . , xn ) = (αx1 , . . . , αxn )
2 Matrices Mn×m (R) Conjunto de matrices n × m con entradas
reales, con suma y producto por escalar usuales. Cumple las
mismas propiedades que Rn .
3 Funciones continuas C[a, b] Conjunto de funciones continuas
f : [a, b] → R con operaciones:
Suma: (f + g)(x) = f (x) + g(x)
Producto por escalar: (αf )(x) = αf (x)
4 F(R) = {f : R → R} con operaciones punto a punto
5 R[x]: polinomios con coeficientes reales
6 Rn [x]: polinomios de grado ≤ n con coeficientes reales

Luis Melo Espacios Vectoriales Agosto 2025 3 / 34

Ejemplos: No son EV

1 Matrices invertibles GLn (R) = {A ∈ Mn×n (R) : A es invertible}

con la suma y producto
  escalar usuales (los de Mn×n (R))
por
1 2
Las matrices A = y −A son invertibles pero
3 4
A + (−A) = ⃗0 no lo es.
2 Polinomios de grado exactamente n
Ejemplo: Sean p(x) = xn + 2x y q(x) = −xn + 3x, ambos de
grado n. Su suma es: p(x) + q(x) = (xn − xn ) + (2x + 3x) = 5x
que tiene grado 1 (no siendo exactamente n)
3 El conjunto de matrices n × n singulares (no invertibles) sobre R
4 El conjunto de funciones estrictamente crecientes definidas en R

Luis Melo Espacios Vectoriales Agosto 2025 4 / 34

Propiedades Básicas:
Sea V un espacio vectorial sobre el cuerpo K. Se verifican las siguientes
propiedades:
1 Unicidad del neutro: El vector nulo ⃗ 0 es único.
2 Anulación por escalar cero: Para todo u ∈ V ,

0 · u = ⃗0
3 Anulación del vector nulo: Para todo α ∈ K,
α · ⃗0 = ⃗0
4 Caracterización de anulación: Para α ∈ K y u ∈ V ,
αu = ⃗0 ⇔ α = 0 o u = ⃗0
5 Opuesto de un vector: Para todo u ∈ V ,
(−1) · u = −u
y este opuesto es único.
Luis Melo Espacios Vectoriales Agosto 2025 5 / 34
Algunas Definiciones

Definición: Combinación Lineal

Sea V un espacio vectorial sobre un cuerpo K y consideremos un
subconjunto finito: U = {u1 , u2 , . . . , ur } ⊂ V .
Una combinación lineal (CL) de los vectores de U es cualquier
expresión de la forma:
r
X
α1 u1 + α2 u2 + · · · + αr ur = αi ui
i=1

donde αi ∈ K son escalares.

Decimos que v ∈ V es combinación lineal de U si existen escalares
α1 , . . . , αr ∈ K tales que:

v = α1 u1 + α2 u2 + · · · + αr ur

Luis Melo Espacios Vectoriales Agosto 2025 6 / 34

Ejemplos
1 V = R3 , K = R
U = {u1 = (1, 2, 1), u2 = (−1, 1, 0)}

2u1 − u2 = 2(1, 2, 1) − (−1, 1, 0) = (2, 4, 2) + (1, −1, 0) = (3, 3, 2)

(CL de U )
2 Sea v = (1, 1, 1). ¿Es v combinación lineal (CL) de U ?
α1 u1 + α2 u2 = v

α1 − α2 = 1

2α1 + α2 = 1

α1 = 1


Como el sistema es incompatible, concluimos que v no es

combinación lineal de U .

Luis Melo Espacios Vectoriales Agosto 2025 7 / 34

Conjunto Generador

Definición:
Sea U = {u1 , u2 , . . . , ur } un subconjunto (finito) de un espacio vectorial
V . Decimos que U es generador de V si todo vector de V es
combinación lineal de U , es decir:

∀v ∈ V ∃ α1 , . . . , αr ∈ K tal que v = α1 u1 + α2 u2 + . . . + αr ur

Ejemplos: En el espacio vectorial V = R3 (sobre R), se cumple que

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

es un generador de R3 , ya que

(a, b, c) = a(1, 0, 0) + b(0, 1, 0) + c(0, 0, 1) ∀(a, b, c) ∈ R3

(es decir, todo vector de R3 es combinación lineal de U ).
Luis Melo Espacios Vectoriales Agosto 2025 7 / 34
Propiedades de un generador

Se verifican las siguientes propiedades:

Proposición:
Si U es un generador de un espacio vectorial V , entonces:
1 U ∪ {v} también es generador ∀v ∈ V .
Es decir, si agrego cualquier vector a un generador, sigue siendo
generador.
2 Si algún vector u ∈ U es combinación lineal de U \ {u}, entonces
U \ {u} también es generador.
Es decir, si quito un vector de U que sea CL de los demás, sigue
siendo generador.

Luis Melo Espacios Vectoriales Agosto 2025 8 / 34

Dependencia Lineal

Definición (Conjuntos LI / LD)

Sea U = {u1 , u2 , . . . , ur } ⊂ V (un subconjunto de un espacio vectorial
V con r vectores).
Decimos que U es linealmente independiente (LI) si:

α1 u1 + α2 u2 + . . . + αr ur = ⃗0

implica α1 = . . . = αr = 0, es decir, si la única combinación lineal de U

que da ⃗0 es la trivial.
Si U no es LI, decimos que es linealmente dependiente (LD). Esto
es equivalente a que existan α1 , . . . , αr ∈ K no todos nulos que cumplan

α1 u1 + α2 u2 + . . . + αr ur = ⃗0

Luis Melo Espacios Vectoriales Agosto 2025 9 / 34

Ejemplos:
Determinar si U = {(1, 0, −1), (2, 1, −1), (−1, 1, −2)} es LI: veamos
si la única combinación lineal de U que da el vector nulo es la
trivial:
       
1 2 −1 0
α  0  + β  1  + γ  1  = 0
−1 −1 −2 0
Esto nos da el sistema:

α + 2β − γ = 0
   
α + 2β − γ 0 
 β+γ  = 0 ⇒ β + γ = 0
−α − β − 2γ 0

−α − β − 2γ = 0


Este sistema homogéneo es compatible (al menos tiene la solución

trivial α = β = γ = 0).
Si es SCD (la solución trivial es la única), entonces U es LI.
Si es SCI (hay infinitas soluciones), entonces U es LD.
Luis Melo Espacios Vectoriales Agosto 2025 10 / 34
¿Es el conjunto S = {(4, 4, −4), (2, 1, 4), (0, 3, −3)} linealmente
independiente?
Para determinarlo, planteamos la combinación lineal igualada al
vector nulo:
       
4 2 0 0
α 4 +β 1 +γ 3
      = 0

−4 4 −3 0
Esto genera el sistema de ecuaciones:

4α + 2β = 0

4α − 4β + 3γ = 0

−4α + 4β − 3γ = 0


El sistema es SCI por Teorema de Rouche-Frobenius, por lo tanto

S es LD. Puedo despejar un vector como CL de los otros.

Luis Melo Espacios Vectoriales Agosto 2025 11 / 34

Base de un Espacio Vectorial

Definición de Base:
Sea B un subconjunto finito de un espacio vectorial V . Decimos que B
es base de V si:
1 B es generador de V .
2 B es linealmente independiente (LI).
Ejemplo: La base canónica en Rn :

B = {e1 , e2 , . . . , en } = {(1, 0, . . . , 0), (0, 1, . . . , 0), . . . , (0, 0, . . . , 1)}

Propiedad fundamental: Una base es un generador minimal de

un espacio vectorial V porque:
Con ella generamos cualquier vector del espacio (mediante CL).
No contiene vectores redundantes (ninguno es CL de los demás).
Si se elimina cualquier vector de la base, deja de ser generador (no
podríamos generar el vector eliminado).

Luis Melo Espacios Vectoriales Agosto 2025 12 / 34

Propiedades de una base

Se verifican las siguientes propiedades importante de las bases:

Proposición:
Un subconjunto U = {u1 , u2 , . . . , ur } ⊂ V es una base del espacio
vectorial V si y sólo si todo vector v ∈ V es combinación lineal única de
U . Es decir:

∀v ∈ V ∃! α1 , . . . , αr ∈ K tales que v = α1 u1 + α2 u2 + . . . + αr ur

Proposición (Cardinal de las bases):

Todas las bases de un mismo espacio vectorial tiene la misma cantidad
de elementos.

Luis Melo Espacios Vectoriales Agosto 2025 13 / 34

Dimensión de un Espacio Vectorial
Definición:
Definimos la dimensión de un espacio vectorial V como la cantidad de
elementos que tienen sus bases.
dim(Rn ) = n
Para el espacio de matrices M2×2 (R), considerando la base:
       
1 0 0 1 0 0 0 0
B= , , ,
0 0 0 0 1 0 0 1

entonces dim M2×2 (R) = 4.

En general: dim Mm×n (R) = mn.
Para el espacio de polinomios Pn (R) (grado ≤ n), tomando la base:

B = {xn , xn−1 , . . . , x2 , x, 1}

entonces dim Pn (R) = n + 1.

Luis Melo Espacios Vectoriales Agosto 2025 14 / 34
Más Propiedades...
Los únicos candidatos a base de V son los que cumplen |U | = dim(V ).
Proposición:
Sea V un espacio vectorial de dimensión n, y U ⊂ V un subconjunto
con n elementos.
1 Si U es LI, entonces U es base de V .
2 Si U es generador de V , entonces U es base de V .

Demostración:
1 Si U es LI pero no fuera generador de V , existiría v ∈ V que no es

CL de U . Luego U ∪ {v} sería LI con n + 1 vectores, lo cual

contradice que dim(V ) = n. Por tanto, U debe ser generador de V
y en consecuencia es base de V .
2 Si U es generador de V pero no fuera LI, existiría u ∈ U que es CL

de los demás. Luego U \ {u} sería generador de V con n − 1

vectores, lo cual contradice que dim(V ) = n. Por tanto, U debe ser
LI y en consecuencia es base de V .
Luis Melo Espacios Vectoriales Agosto 2025 15 / 34
Bases ordenadas - Coordenadas de un vector en una base
A partir de ahora consideramos bases ordenadas de un espacio
vectorial V , es decir del tipo: B = (u1 , u2 , . . . , un ), donde hay un orden
definido entre los vectores de B.
Informalmente, los elementos ui de una base B están indexados por un
subíndice i que les da una posición dentro de B (recordemos que B
visto como conjunto no induce ningún orden entre sus elementos).
Definición (Coordenadas de un vector en una base)
Sea B = (u1 , u2 , . . . , un ) una base ordenada de un espacio vectorial V ,
y v ∈ V un vector cualquiera. Definimos el vector de coordenadas
de v en la base B como el vector:

coordB (v) = (α1 , α2 , . . . , αn ) ∈ Kn

formado por los únicos coeficientes αi ∈ K que verifican:

v = α1 u1 + α2 u2 + · · · + αn un
Luis Melo Espacios Vectoriales Agosto 2025 16 / 34
Ejemplos:
Si consideramos la base canónica C = (e1 , e2 , e3 ) de R3 y el vector
v = (2, −1, 5), entonces:
coordC (v) = (2, −1, 5)
pues v = 2e1 − e2 + 5e3 .
Dado el subconjunto B ⊂ R4 :
B = {(1, 2, 3, −1), (−1, 1, 1, 1), (0, 1, 2, −3), (2, −1, −1, 0)}
y el vector v = (1, 1, 1, 1), realizamos los siguientes pasos:
Para que B sea base de R4 debe cumplir:
1 card(B) = dim(R4 ) = 4 (ya se cumple)
2 B debe ser linealmente independiente
Planteamos la combinación lineal nula:
         
1 −1 0 2 0
2 1 1 −1 0
α1 
 3  + α2  1  + α3  2  + α4 −1 = 0
        

−1 1 −3 0 0
Luis Melo Espacios Vectoriales Agosto 2025 17 / 34
Que genera el sistema:



 α1 − α2 + 2α4 = 0

2α + α + α − α = 0
1 2 3 4


 3α1 + α 2 + 2α 3 − α 4 =0

−α + α − 3α = 0
1 2 3

Resolviendo (por eliminación gaussiana) obtenemos

α1 = α2 = α3 = α4 = 0, por lo que B es LI y por tanto es base.
Buscamos coordB (v) = (β1 , β2 , β3 , β4 ) tal que:
         
1 −1 0 2 1
2 1 1 −1 1
 3  + β2  1  + β3  2  + β4 −1 = 1
β1          

−1 1 −3 0 1

Luis Melo Espacios Vectoriales Agosto 2025 18 / 34

El sistema resultante es:



 β1 − β2 + 2β4 = 1

2β + β + β − β = 1
1 2 3 4
3β1 + β2 + 2β3 − β4 = 1



−β + β − 3β = 1
1 2 3

Resolviendo (por ejemplo con reducción por filas) obtenemos:

β1 = 2, β2 = −3, β3 = −2, β4 = −2

Por tanto, las coordenadas son:

coordB (v) = (2, −3, −2, −2)

Luis Melo Espacios Vectoriales Agosto 2025 19 / 34

Matriz cambio de base

Definición (Matriz de cambio de base):

Sean B y C dos bases ordenadas de un espacio vectorial V de dimensión
n. Definimos la matriz de cambio de base de B a C como la matriz
MC←B ∈ Kn×n cuya i-ésima columna (∀i = 1, 2, . . . , n) está formada
por las coordenadas del i-ésimo vector de B respecto a la base C.
Formalmente, si B = {u1 , u2 , . . . , un }, entonces:

MC←B = [coordC (u1 ) | coordC (u2 ) | · · · | coordC (un )]

Propiedad fundamental:
Para cualquier vector v ∈ V se cumple:

coordC (v) = MC←B · coordB (v)

Luis Melo Espacios Vectoriales Agosto 2025 20 / 34

Ejemplo:
Para V = R2 , sean: B = {(1, 2), (3, 1)}, C = {(1, 0), (0, 1)} La
matriz de cambio de base MC←B es:
 
1 3
MC←B =
2 1
Sean: V = R2 , B = {(1, 1), (−1, 2)} y C = {(2, −1), (1, 5)}
3 4
α(2, −1) + β(1, 5) = (1, 1) ⇒ β = 11 , α = 11
3 7
α(2, −1) + β(1, 5) = (−1, 2) ⇒ β = 11 , α = − 11
4 7

11 − 11
MC←B = 3 3
11 11
Para v = (3, 4) ∈ R2 :
1 Encontramos coordB (v) resolviendo: α(1, 1) + β(−1, 2) = (3, 4)
Solución: α = 10 1
3 , β = 3.  10   17 
2 Aplicamos la matriz: MC←B 31 = 11
3 1
3 Comprobamos: 17
11 (2, −1) + 1(1, 5) = (3, 4)
Luis Melo Espacios Vectoriales Agosto 2025 21 / 34
Matriz de cambio de base

Prosposición:
Sean B, C, D bases de un espacio vectorial V . Se verifican las
siguientes propiedades:
1 MC←B · coordB (v) = coordC (v)
2 MD←C · MC←B = MD←B
−1
3 MC←B es invertible y MC←B = MB←C

Luis Melo Espacios Vectoriales Agosto 2025 22 / 34

Subespacio

Definición:
Sea V un espacio vectorial sobre el cuerpo K. Decimos que un
subconjunto W ⊆ V no vacío es un subespacio de V si cumple:
1 Si w1 , w2 ∈ W entonces w1 + w2 ∈ W (Cerrado bajo la suma)
2 Si w ∈ W y λ ∈ K entonces λw ∈ W (Cerrado bajo producto por
escalar)
Es decir, W es “cerrado” frente a la suma y al producto de un vector
por escalar.

Observar que si u ∈ W (existe al menos un elemento por ser no vacío)

entonces 0 · u = ⃗0 ∈ W por la segunda propiedad. Luego todo
subespacio de V contiene al vector nulo de V .

Luis Melo Espacios Vectoriales Agosto 2025 23 / 34

Ejemplos de subespacios
En todo espacio vectorial V hay dos subconjuntos que son
subespacios: {⃗0} (el subespacio nulo) y V (el subespacio total)
Sea π un plano del espacio R3 que pasa por el origen:
π = {(x, y, z) ∈ R3 : ax + by + cz = 0}
Entonces π es subespacio de R3 .
1 Cerrado bajo suma: Si (x1 , y1 , z1 ), (x2 , y2 , z2 ) ∈ π entonces su suma
también satisface a(x1 + x2 ) + b(y1 + y2 ) + c(z1 + z2 ) = 0
2 Cerrado bajo producto por escalar: Si (x, y, z) ∈ π y λ ∈ R,
entonces a(λx) + b(λy) + c(λz) = λ(ax + by + cz) = 0
Si π es un plano de R3 que no pasa por el origen:
π = {(x, y, z) ∈ R3 : ax + by + cz = d} con d ̸= 0
entonces π no es subespacio de R3 , porque:
⃗0 ∈
/ π (ya que a · 0 + b · 0 + c · 0 = 0 ̸= d)
No es cerrado para la suma: Si (x1 , y1 , z1 ), (x2 , y2 , z2 ) ∈ π, su suma
satisface a(x1 + x2 ) + b(y1 + y2 ) + c(z1 + z2 ) = 2d ̸= d
Luis Melo Espacios Vectoriales Agosto 2025 24 / 34
Sea P(R) el espacio vectorial de todos los polinomios reales y sea
Pn (R) el subconjunto formado por los polinomios de grado ≤ n:

Pn (R) = {p(x) ∈ P(R) : deg(p) ≤ n}

Entonces Pn (R) es subespacio de P(R).
Cerrado bajo suma: Si p(x), q(x) ∈ Pn (R), entonces
gr(p + q) ≤ max(gr(p), gr(q)) ≤ n
Cerrado bajo producto por escalar: Si p(x) ∈ Pn (R) y λ ∈ R,
entonces gr(λp) = gr(p) ≤ n
Sea F(R) el espacio vectorial de todas las funciones reales
f : R → R y sea C(R) el subconjunto de funciones continuas:

C(R) = {f ∈ F(R) : f es continua}

Entonces C(R) es subespacio de F(R).
Cerrado bajo suma: La suma de funciones continuas es continua
(por propiedades del análisis)
Cerrado bajo producto por escalar: El producto de una
función continua por un escalar es continuo
Contiene al cero: La función identicamente cero es continua
Luis Melo Espacios Vectoriales Agosto 2025 25 / 34
Subespacios como espacios vectoriales

Propisición:
Sea (V, K, +, ·) un espacio vectorial y W ⊆ V un subespacio. Entonces
(W, K, +, ·) con las operaciones heredadas de V es un espacio vectorial.

Consideremos el conjunto:

W = {(x, y, z) ∈ R3 : x + y + z = 0}

Este es un subespacio de R3 que geométricamente corresponde a un

plano que pasa por el origen. Es un espacio vectorial de dimensión 2.
Por lo tanto, todo lo que veamos a partir de ahora (y lo visto
anteriormente) sobre espacios vectoriales se aplica automáticamente
también a subespacios.

Luis Melo Espacios Vectoriales Agosto 2025 26 / 34

Subespacios Generados

Definición:
Sea U = {u1 , u2 , . . . , ur } un subconjunto finito de un espacio vectorial
V . Llamamos subespacio generado por U ,al el conjunto de todas las
combinaciones lineales de los vectores de U , denotado por [U ].

Propisición:
Sea U un subconjunto finito de un espacio vectorialV . Entonces:
1 [U ] es un subespacio de V (lo cual justifica su nombre).
2 U es generador de V si y sólo si [U ] = V .

Luis Melo Espacios Vectoriales Agosto 2025 27 / 34

Núcleo e Imagen de una Matriz

Definiciones:
Sea A ∈ Mm×n (K) una matriz. Definimos:
El núcleo de A:

N(A) = {v ∈ Rn : Av = 0}

La imagen de A:

Im(A) = {w ∈ Rm : ∃ v ∈ Rn , Av = w}

Esto es:
El núcleo de A es el conjunto solución del sistema homogéneo
AX = 0.
La imagen de A consiste en todos los vectores w ∈ Rn que hacen
compatible al sistema AX = w.

Luis Melo Espacios Vectoriales Agosto 2025 28 / 34

Ejemplo:

 
1 2
Considere la matriz A = :
3 6
Núcleo: Resolviendo Ax = 0:
(
x1 + 2x2 = 0
⇒ N(A) = {t · (−2, 1) : t ∈ R}
3x1 + 6x2 = 0

Imagen:
  
x1 + 2x2
Im(A) = : x1 , x2 ∈ R = {3a − b = 0 : a, b ∈ R}
3x1 + 6x2

Im(A)={a · (1, 3) : a ∈ R}

Luis Melo Espacios Vectoriales Agosto 2025 29 / 34

Ejemplo:

 
1 0 2
Sea A =  2 1 3
−1 1 1
Núcleo: Resolver Ax = 0

x1 + 2x3 = 0

2x1 + x2 + 3x3 = 0 ⇒ Nu(A) = {(−2, 1, 1)}

−x1 + x2 + x3 = 0


Imagen: 

Im(A) = 1, 2, −1 , (0, 1, 1), (2, 3, 1)

Luis Melo Espacios Vectoriales Agosto 2025 30 / 34

Operaciones entre subespacios
Intersección:
W1 ∩ W2 = {w ∈ V | w ∈ W1 y w ∈ W2 }

Suma:
W1 + W2 = {w1 + w2 ∈ V | w1 ∈ W1 , w2 ∈ W2 }

Interpretación geométrica:
W1 ∩ W2 contiene todos los vectores que pertenecen
simultáneamente a ambos subespacios
W1 + W2 consiste en todas las posibles combinaciones de suma
entre elementos de W1 y W2
Se verifica:
Proposición:
Los subconjuntos W 1 ∩ W 2 y W 1 + W 2 son subespacios de V .
Luis Melo Espacios Vectoriales Agosto 2025 31 / 34
Dimensión de la suma de subespacios

La relación que existe entre las dimensiones de estos subespacios recién

definidos, y las dimensiones de W 1 y W 2, queda determinada por lo
siguiente:
Proposición
Si W1 y W2 son dos subespacios de un espacio vectorial V , entonces:

dim(W1 + W2 ) = dim(W1 ) + dim(W2 ) − dim(W1 W2 )

Ejemplo:
si en V = R3 consideramos W1 = {(x, y, 0) ∈ R3 } (plano xy)
W2 = {(0, y, z) ∈ R3 }(plano yz) entonces:
W 1 ∩ W 2 = {(0, y, 0) ∈ R3 }(eje y), W1 + W2 = R3 y se verifica
dim(W1 ) + dim(W2 )dim(W1 W2 ) = 2 + 21 = 3 = dim(W1 + W2 )

Luis Melo Espacios Vectoriales Agosto 2025 32 / 34

Suma Directa de Subespacios Vectoriales
Definicion
Sean W1 y W2 subespacios de un espacio vectorial V .
Decimos que W1 y W2 son linealmente disjuntos si:

W1 ∩ W2 = {0}

La suma W1 + W2 se llama suma directa cuando:

1 V = W1 + W2 (todo vector de V es suma de vectores de W1 y W2 )
2 W1 ∩ W2 = {0} (los subespacios son linealmente disjuntos)
En este caso, denotamos:

V = W1 ⊕ W2

Ejemplo: si en V = R3 consideramos W1 = {(x, y, 0) ∈ R3 } (plano xy)

W2 = {(0, y, z) ∈ R3 } (plano yz) entonces R3 = W1 + W2 pero la suma
no es directa ya que W1 ∩ W2 ̸= 0(sino que da todo el eje y). Si
tomamos W3 = {(0, 0, z) ∈ R3 }(eje z) entonces R3 = W1 ⊕ W3 .
Luis Melo Espacios Vectoriales Agosto 2025 33 / 34
Caracterización de la Suma Directa

Proposición: Sean W1 y W2 subespacios de un espacio vectorial V . Las

siguientes afirmaciones son equivalentes:
1 V = W1 ⊕ W2 (suma directa)
2 Para todo v ∈ V , existe una única descomposición de la forma:

v = w1 + w2 con w1 ∈ W1 , w2 ∈ W2

Luis Melo Espacios Vectoriales Agosto 2025 34 / 34