1

UNIVERSIDAD DE SANTIAGO DE CHILE

DEPARTAMENTO DE INGENIERÍA INDUSTRIAL

CARRERA DE INGENIERÍA CIVIL INDUSTRIAL

(PROSECUCIÓN DE ESTUDIOS)

APUNTES DE ALGEBRA LINEAL

Prof. Jorge Inostroza Lagos

Prof. Emilio Villalobos Marín.
2008

TEMA # 1: ESPACIOS VECTORIALES.

Definición 1.1.-

Sean V conjunto no vacío, K cuerpo con dos leyes de composición suma y

multiplicación por escalar, anotadas + y · respectivamente, tales que se cumplen los
siguientes axiomas.

1. ∀μ , ν ∈ V ⇒ μ + ν ∈ V . o sea, + es una ley de composición interna;

2. ∀μ , ν , w ∈ V ; ( μ + ν ) + w = μ + (ν + w ) (Asociatividad)

3. ∃ 0v ∈V ∋ verifica μ + ov = μ , ∀μ ∈ V (Neutro aditivo de V )

4. ∀μ ∈ V existe – μ ∈ V tal que μ + ( − μ ) = ov (Inverso de μ );

5. ∀μ , v ∈ V , se verifica u + v = v + u , (Conmutatividad);

6. ∀μ ∈ V , α ∈ K , α ⋅ μ ∈ K , o sea, · es ley de composición externa

7. ∀α ∈ K y ∀μ , v ∈ V se tiene α ·( μ + v ) = α ·μ + α ·v ; (Distributividad)

8. ∀α , β ∈ K yy ∀μ ∈ V se cumple: (α + β )·μ = α ·μ + β ·μ ; (Distributividad)

9. ∀α , β ∈ k ∀μ ∈ V se cumple (α ·β )·μ = α ·( β ·μ ) (Asociatividad)

10. Existe la unidad escalar, 1 ∈ K ∋ 1·μ = μ , ∀μ ∈ V

 2

Entonces V con estas axiomas se llama espacio vectorial sobre el cuerpo K,

denotado ( V(K), + ,·) en que los elementos de V se llaman vectores.

Observación: 1.2.-

1.- Los elementos señalados en los axiomas, 3; 4, 10, son únicos

2.-El cuerpo K puede ser: ó .( De los Complejos o los Reales)

Ejemplos: 1.3.-

V= {v / v = (α1 , α 2 ,......, α n ) ∈ k n } y si:

nn
1. En K nn sean α i∈ K i = 1,........., n y
v = ( a1 , a2 ,......, an ) ; w = ( b1 , b2 , ......, bn ) ⇒
a ) v + w = ( a1 + b1 ,......, an + bn )
b) α ·v = α ·(a1 , a2 ,......an ) = (α a1 + α a2 + .....α an )

Entonces ( K n ( K ), +, ⋅) es espacio vectorial sobre K aquí v = (a1a2, .......an ) vector

En particular si Knn = R . son espacios vectoriales:

(a)( ( ) , +,·) , de pares ordenados de reales;

2

(b) ( ( ) , +,·) , de tríos ordenados de reales;

3
los cuales tienen una importante
interpretación gráfica y aplicaciones a la Física.

2 3
X2 X2

(a1, a2) (a1, a2, a3)

(o,o) X1 (o, o, o)
X2

X1

2.-Sean V = M mxn , K = , conjunto de matrices de orden mxn con escalares reales con
suma y multiplicación por escalar usuales .Entones (M mxn ,( ) , +,·) es un espacio
vectorial. Aquí cada matriz es un vector y el vector ov es la matriz nula. O
 3

3.-Sea V = Ρ n = {a0 + α t + a2 t 2 + ...... + an t n } ,el conjunto de los polinomios en t con

a i ∈ K , K escalares y las operaciones suma y producto por escalar + , ⋅ dadas por:

p (t ) = a0 + a1t + ...... + an t n , q (t ) = b1t n + ...... + bn t n ∴

p (t ) + q (t ) = ( a0 + b0 ) + ( a1 + b1 ) t + ...... + ( an + bn ) t n
α · p (t ) = α ⋅ ( aa + a1t + ...... + an t n ) = α ao + α a1t + ...... + α an t n Entonces
( Ρ ( K ) , +,·) es un espacio vectorial sobre K.
n

Aquí el vector cero ó polinomio nulo es ov = o + ot + ...... + ot n

4.-Sea V = { f : I ⊂ R → R} ,R el cuerpo de los reales , V ≠ ∅ conjunto de las

funciones reales de una variable real donde la suma y el producto por escalar están
dadas por:
{ f + g}( x ) = f ( x ) + g ( x ) ,
(α f) ( x ) = α f ( x ) , α ∈ K , f , g ∈ V

Entonces (V ( R), +,·) es un espacio vectorial.

Aquí el vector ov es la función nula dada por O ( x ) = 0 ∀x ∈ I , .

5.-Sea V = K , con ( + ) y (⋅) las operaciones de K que lo definen como un cuerpo .

Entonces ( ( K (K ) , +, ⋅) es espacio vectorial., donde las operaciones son las propias del
cuerpo

Particularmente en este caso vectores y escalares son los mismos elementos.

En especial, los ejemplos

a) ( ( ) +, ⋅) Espacio Vectorial de números reales sobre el cuerpo de los reales

b) ( ( ) , +, ⋅) , Espacio Vectorial de números complejos sobre los complejos

Teorema 1.4.-

En todo espacio vectorial ( V(K ), +, ⋅) se verifica:

1. α ⋅ 0v = 0v , ∀α ∈ K ,

2. 0 ⋅ v = 0v , ∀v ∈ V
 4

3. Si α ⋅ v = 0v , ∀α ∈ K;; v ∈ V entonces α = 0, ó v = 0

4. ( −α ) v = α ( −v ) = −α ⋅ v, ∀α ∈ K , ∀v ∈ V
5. El neutro aditivo como el inverso y el elemento unitario del producto son únicos.

Demostración:

1.- Como: 0v + 0v = 0v ⇒ α ⋅ 0v = α ⋅ (0v + 0v ) = α ⋅ 0v + α ⋅ 0v ⇒

α ⋅ 0v = α ⋅ 0v + α ⋅ 0v ∴ Sumando el inverso
α . 0v + (−α . 0v ) = α ⋅ 0v + { α ⋅ 0v + (−α ⋅ 0v ) } ⇒ 0v = α ·0v

2.- 0·v = (0 + 0)·v = 0·v + 0·v ⇒ 0·v + (−0·v) = 0·v + 0·v + (−0·v) ∴ 0 = 0·v

3.- a) Si α ≠ 0 y como 1 ⋅ v = v ⇒ (α ⋅ α −1 ) ⋅ v = α −1 (α ⋅ v) = v , pero α ⋅ v = 0 luego

v = α −1 ⋅ 0 =0 v
b) Si α v = 0v y v ≠ 0v , para demostrar que α = 0 ,supongamos lo contrario
: α ≠ 0 ⇒ v = α −1α v = α −1 ·0v = 0v contradicción pues se tenía v ≠ 0v

4.- ( −α )·v + (α v) = 0 Pero como: −(α ·v ) + (α ·v ) = 0 y el inverso es único se tiene

que: ( −α )·v = −(α ·v) .

5.- Si: 0 y 0 * ambos son neutros aditivos ⇒ 0 + 0* = 0 y 0 * +0 = 0* ⇒ 0 = 0 * .

Por otra parte supongamos que para v ∈ V existen los negativos:
(−v) y (−v*) ⇒ (−v*) = (−v*) + 0 = (−v*) + v + (−v) = [ (−v * + v ] + (−v) = 0 + (−v) = −v :
⇒ ( −v*) = −v

2.- SUB-ESPACIO VECTORIAL

Definición 2.1.-

En ( V ( K ) , +, ⋅) , Espacio Vectorial sobre K ;W ⊆ V es subespacio de V si

(W ( K ) , +, ⋅) es espacio vectorial es decir que W con las mismas operaciones satisface
los axiomas de un Espacio Vectorial.

Ejemplos :2.2.-

1.-En todo (V ( K ); +;·) ⇒ W = {0v } y W = V ; Son sub-espacios llamados triviales.

 5

2.- En el espacio ( ( ) , +, ⋅) , W = {( x , x , 0) / x , x
3
1 2 1 2 ∈ } es subespacio de 3

3.- En el espacio ( R 3 ( R ), +,·) , W = {( x, 0, 0) / x ∈ R} es Espacio Vectorial.

Geométricamente en el espacio los planos coordenados y los ejes son sub-espacio.

Teorema 2.3.-

Una condición necesaria y suficiente para que W ⊂ V sea subespacio de (V (K ), +, ⋅) es

que
∀α , β ∈ K y ∀v1 , v2 ∈ W ⇒ : α v1 + β v2 ∈ W con W ≠ ∅
Demostración

Si W es subespacio, entonces de los axiomas que se verifican por ser ( W ( K ) , +, ⋅)

espacio vectorial se tiene ov ∈ W, W ≠ ∅ y ∀α , β ∈ K , ∀v1 , v2 ∈ W se cumple
α v1 + β v2 ∈ W

A la inversa si para W ≠ ∅, W ⊂ V ⇒ α v1 + β v2 ∈ W entonces se tiene:

a) Con α = 1, β = 1, ⇒ v1 + v2 ∈ W;
b) Con α = 0, β = 0, ⇒ 0v ∈ W;
c) Con β = 0, ⇒ α · v1 ∈ W; α cualquiera .Los restantes axiomas se cumples en forma
hereditaria por serW ⊆ V

Corolario.2.4.-

La condición de subespacio establecida en el teorema precedente es equivalente al par

de condiciones:

a) μ + v ∈ W ∀μ , v ∈ W ; b) α ·μ ∈ W ∀α ∈ K , ∀μ ∈ W;

Demostración.-

Del hecho que: α v1 + β v2 ∈ W ⇒ v1 + v2 ∈ W ,si α = β = 1 ∧ α v1 ∈ W si β = 0 .

Teorema.2.5.-

La intersección de una colección de sub-espacios es también un sub-espacio.

Demostración.

Sean {Wi } sub-espacios del Espacio V IWi ≠ φ pues contiene al vector 0.

Sean w1 ; w2 ∈ IWi α ; β escalares ⇒ w1 y w2 ∈ Wi ∀i ∴
α w1 + β w2 ∈ Wi ∀i ∀α , β ⇒ α w1 + β w2 ∈ IWi , luego es sub-espacio.
 6

Definición.2.6.-

Si W1 ; y W2 , son sub-conjuntos de V definimos

W1 + W2 = {w1 + w2 / w1 ∈ W1 ; w2 ∈ W2 }
Teorema:2.7.-

Si W1 y W2 son sub-espacios de un espacio vectorial V. Entonces W1 + W2 es también

sub-espacio de V.

Demostración.

Sean los vectores v1 y v2 ∈ W1 + W2 ⇒ α v1 ∈ W1 y β v2 ∈ W2 ∴ α v1 + β v2 ∈ W1 + W2 y

como el vector nulo pertenecen a ambos sub-espacios entonces W1 + W2 ≠ φ , luego es
un sub-espacio de V.

Ejemplos:2.8.-

1.- En el espacio vectorial ( M ( ) , +, ⋅) (de

nxn matrices cuadradas),
W {Α ∈ M nxn / Α = Αt } (matrices simétricas) es un subespacio.

En efecto W≠∅, por cuanto O∈W ya que O = Ot . Para

Α, Β ∈ W , Α = Α Τ , Β = Β Τ , Α + Β = Α Τ + Β Τ = ( Α + Β ) , o sea Α + Β ∈ W
Τ
y para
α ∈ ; αΑ = αΑΤ = (αΑ ) , o sea αΑ∈ W
t

2.- En ( ( ) , +, ⋅) el conjunto W de todas las soluciones del sistema homogéneo

n

α11 x1 + α12 x2 + ..................... + α1n xn = 0

α 21 x1 + α 22 x2 + ..................... + α 2 n xn = 0
α m1 x1 + α m 2 x2 + ..................... + α mn xn = 0

Es un subespacio de R n ..

3.- En el Espacio Vectorial (R n

)
( R); +;·; , W ⊂ R n ,el conjunto de las n-tuplas con
xi = 0 ∀i, excepto uno de ellos es un sub-espacio.( En R 2 Y R 3 ,estos sub-espacios
tienen una significación geométrica, pues representan a los ejes coordenados).
 7

4.- En el Espacio Vectorial de todas las funciones continuas en [ 0,1] ,el conjunto de las
funciones constantes es un sub-espacio vectorial.

Su verificación es desafío para el estudiante.

Definición 2.9.-

En (W ( K ) , +, ⋅) un Espacio Vectorial, sean dados los vectores v1 , v2 ,......., vm , y los

escalares α1 , α 2 ,..........,α m . Todo vector de la forma α1v1 + α 2 v2 + ............ + α m vm se
llama una combinación lineal de elementos de W.

Teorema 2.10.-

Sea S subconjunto no vacío de W en ( W ( K ) , +, ⋅ ) . El conjunto de todas las

combinaciones lineales de vectores de S, denotado G ( S ) ó S es un subespacio de
V.

Demostración

a) Si v1 ∈ S entonces 1⋅ v1 = v1 ∈ G ( S) y G ( S) ≠ ∅
b) Para μ , v ∈ G ( S ) , μ = α1 , v1 + α 2 , v2 + ........α m , vm , v = β1v1 + β 2 v2 + ...........β m vm , con
v1 , v2 ,...........vm vectores de S , α i , βi ∈ K y si α , β ∈ K , entonces se verifica:

αμ + β v = (αα1 + ββ1 ) v1 + ....... + (αα m + ββ m ) vm esto es, αμ + β v ∈ G ( S) . Así,

G ( S) es un subespacio de V.

Definición:2.11.-

El subespacio de todas las combinaciones lineales de S ⊆ V se llama el subespacio

generado por S denotado G(S) ó S

Observación:2.12.-

1.-El sub-espacio generado por S está contenido en todo subespacio que contiene a S.

2.- El conjunto S está contenido en el sub-espacio generado por S

Ejemplos .2.13.-

1.- Determinar el sub-espacio de R 3 generado por los vectores (0,2,3) y (2,3,0).

 8

Solución.

S = {( x, y, z ) /( x, y, z ) = α (0, 2,3) + β (2,3, 0)} ⇒

x z
β= y α = como y = 2α + 3β ⇒ 9 x − 6 y + 4 z = 0. − plano por el orígen
2 3

2.- Encuentre el sub-espacio de R 2 generado por el vector(3,1).

Solución.

⎧ x⎫
S = ⎨( x, y ) /( x, y ) = α (3,1) ⇒ x = 3α y = α ∴ y = ⎬ ,la recta por el origen: 3 x − y = 0
⎩ 3⎭
es el sub-espacio buscado.

3.-DEPENDENCIA E INDEPENDENCIA LINEAL.

Definición 3.1.-

En ( W ( K ) , +, ⋅ ) un subconjunto S = {ν 1 ,ν 2 ,...........,ν n } ⊂ V , es linealmente

dependiente si existen escalares α1 , α 2 ,.........., α m en K , no todos nulos, tal que se
verifica α1 ,ν 1 + α 2ν 2 + ............ + α mν m = ov (combinación lineal nula). En cambio, S es
linealmente independiente sí y solo sí la combinación lineal nula
α ,ν 1 + α 2ν 2 + ............ + α nν n = ov sólo se cumple si todo escalar
α1 = 0, α 2 = 0,..........., α m = o

Ejemplos:3.2.-

1. En ( 2
( ) , +, ⋅) , S = {( 4, 2 ) , ( 2,1)} es linealmente dependiente por cuanto con
α1 = 1, α 2 = −2 se verifica 1⋅ ( 4, 2 ) + ( −2 )( 2,1) = ( 0, 0 )

2. En ( ( ) , +, ⋅) , S = {(1, 0, 0 ) , ( 0,1, 0 ) , ( 0, 0,1)} es linealmente independiente porque

3

la combinación lineal:
α1 (1, 0, 0 ) + α 2 ( 0,1, 0 ) + α 3 ( 0, 0,1) = ( 0, 0, 0 ) conduce al sistema
α1 = 0, α 2 = 0, α 3 = 0 necesariamente.
 9

3.- En P3 ( x) , espacio vectorial de los polinomios de grado menor que 3 el

⎧ 2 3 ⎫
conjunto: ⎨1;( x − );( x 2 + ) ⎬ es linealmente independiente ; en efecto :Sea la
⎩ 3 5 ⎭
combinación:
2 3 2 3
α ·1 + β ( x − ) + γ ( x 2 + ) = O p = 0·1 + 0· x + 0· x 2 ⇒ γ = 0; β = 0 α − β + γ = 0 ∴ α = 0
3 5 3 5

Teorema 3.3.-

En (V ( K ) , +, ⋅) , S = {ν 1 ,ν 2 ,.......ν n } ⊂ V con ν i ≠ ov , i = 1, 2,......., n, es un conjunto

linealmente dependiente sí y solo sí uno de los vectores de S es combinación lineal de
vectores que lo preceden.
.

Demostración

a)Sea vi +1 = α1ν 1 + α 2ν 2 + ...... + α iν i ; i < n ; vi +1 dependiente en los anteriores ,entonces

α1v1 + α 2ν 2 + ...... + α i vi + (−1)ν i +1 + oν i + 2 + oν i +3 + ...... + oν n = ov , en el cual al menos el
coeficiente del vector ν i +1 que es −1 no es cero y así S es linealmente dependiente.
b)Por otra parte si S es linealmente dependiente entonces existen escalares
α1 , α 2 ,.........α n y Si k es el mayor índice para el cual α k ≠ 0 entonces la combinación
lineal nula tiene la forma α1ν 1 + α 2ν 2 + ............ + α kν k + oν k +1 + 0vk + 2 + .... + 0vn = ov y
−α1α2 α
como cada ν k = ν 2 ....... − μ −1 ν μ −1 o sea, vk es combinación lineal de los
ν1 −
αk αk αk
vectores que lo preceden en S .

Observación.3.4.-

En ( W ( K ) , +, ⋅) se tiene:

1. S = {α1 } es linealmente dependiente si α1 = ov o es linealmente independiente si

α1 ≠ ov

2. Si S ⊂ V incluye al vector ov , entonces S es linealmente dependiente

( pues α ⋅ ov = ov , con α ≠ 0 )

3. Si en S ⊂ V , se repite algún (o algunos) vectores entonces S es linealmente

dependiente.
 10

4.- BASE Y DIMENSIÓN.

Definición 4.1.-

En ( W ( K ) , +, ⋅ ) cualquier subconjunto Β = {b1 , b2 ,..........., bn } de V linealmente

independiente y generador de V , o sea G ( Β ) = V , se llama base del espacio vectorial.

Observación.4.2.-
n
1.-Si: {v1, v2 , v3 ,......., vn } es una base para V; Si v ∈ V ⇒ v = ∑ α i vi ; Por otra parte si:
1
n n
v = ∑ βi vi ⇒ 0 = ∑ (α i − βi )vi y como el conjunto es linealmente independiente se
1 1
tiene que α i = β i , lo que expresa que “la representación es única”

Ejemplos:4.3.-

1. En ( ( ) , +, ⋅) , Β = {(1, 0 ) , ( 0,1)} es base por cuanto verifica:

2

a. α1 (1, 0 ) + α 2 ( 0, 0 ) = ( 0, 0 ) ⇒ (α1α 2 ) = ( 0, 0 ) ⇒ α1 = 0, α 2 = 0 necesariamente,

o sea, B es linealmente independiente.
b. Cada vector a = ( a1 , a2 ) = α1 (1, 0 ) + α 2 ( 0,1) con a1 = α1 , a2 = α 2 , o sea
( a1 , a2 ) = a1 (1, 0 ) + a2 ( 0,1) es decir G ( B ) = 2

2. En ( ( ) , +, ⋅) , B = {(1, 0,..., 0 ) , ( 0,1, 0..., 0 ) ,....... ( 0, 0,....1)}

n
es base lo que se
puede verificar de manera análoga a Ejemplo (1)

3. En espacio vectorial ( Μ mxn , +, ⋅)

{
Β = E i j ∈ Μ mxn / eij = 1 para un i } y un j; es base. Así, en el espacio
⎧⎛1 0 0 ⎞ ⎛ 0 1 0 ⎞ ⎛ 0 0 1 ⎞ ⎛ 0 0 0 ⎞ ⎛ 0 0 0 ⎞ ⎛ 0 0 0 ⎞ ⎫
( Μ 2 x3 ( R), +, ⋅) , el conjunto : Β = ⎨⎜ ⎟,⎜ ⎟,⎜ ⎟,⎜ ⎟,⎜ ⎟,⎜ ⎟⎬
⎩⎝ 0 0 0 ⎠ ⎝ 0 0 0 ⎠ ⎝ 0 0 0 ⎠ ⎝1 0 0 ⎠ ⎝ 0 1 0 ⎠ ⎝ 0 0 1 ⎠ ⎭
es base.

4. En ( Ρ n ( ) , +, ⋅) , Β = {1, t , t 2 ,........t n −1 } es base.( Pn ( x) es el espacio vectorial de los

polinomios de grado menor que n)
 11

¡La verificación de estos dos últimos ejemplo se propone de ejercicio ¡

Igualmente verificar que en 3

( ( ) , +, ⋅) son bases:
a) Β1 = {(1, 0, 0 ) , ( 0,1, 0 ) , ( 0, 0,1)} ;
b) Β2 = {(1,1, 0 ) , (1, 0,1) , ( 0,1,1)} ;

Teorema 4.4.-

Si B = {b1 , b2 ,..........., bn } es base de ( V ( K ) , +, ⋅ ) entonces toda otra base de este

espacio vectorial tiene n vectores. Este número n se llama la dimensión de V ,
anotado dim V ó ( V n ( K ) , +, ⋅)
Demostración

Esta propiedad es consecuencia de

a) Si S = {ν 1 ,ν 2 ,.......,ν n } genera a V y Τ = {w1 , w2 ,......, wm } es linealmente

independiente entonces m ≤ n ,
b) Si S = {ν 1 ,ν 2 ,.......,ν n } genera a V y ν i es combinación lineal de los vectores
precedentes entonces S − {ν i } también genera a V ,así podemos ir retirando
vectores hasta llegar a m un conjunto linealmente independiente.

c) Definición de base.

Observación :4.5.-

De lo anterior se puede decir que una base es un conjunto máximo de vectores

linealmente independiente o es un conjunto minimal de generadores.

Ejemplo:4.6.-

1. La dimensión de ( ( 2
) , +, ⋅) es n = 2;
2. La dimensión de ( ( n
) , +, ⋅) es n;
3. La dimensión de ( M mxn ( ) , +, ⋅) es m ⋅ n;
4. La dimensión de ( Pn ( ) , +, ⋅) es n
Observación.4.7.-

En ( V ( K ) , +, ⋅) si Β = {b1 , b2 ,..........., bn } es base entonces como la escritura de cada

vector ν ∈ V , v = α1b1 + α 2 b2 + ..... + α n bn es única. Los escalares α1 , α 2 ,......, α n se
llaman las componentes de ν en la base Β

Teorema 4.8.-
 12

Sea ( V ( K ) , +, ⋅) de dimensiones n y Α = {a1 , a2 ,......ar } ⊂ V con r < n , linealmente

independiente. Entonces existen en V , n − r vectores, br +1 , br + 2 ,.....bn tal que
Α ∪ {br +1 , br + 2 ,.....bn } es base de ( V n ( K ) , +, ⋅)

Demostración

Como n < r , existe vector de V , br +1 ∉< Α > y Β1 = Α ∪ {br +1} es linealmente

independiente. Si r + 1 = n , entonces Β1 es base de V . Si r + 1 < n , existe
br + 2 ∉< Β1 > y Β2 = Β1 ∪ {br + 2 } es linealmente. Si r + 2 = n , Β2 base de V , si r + 2 < n
el proceso descrito continúa hasta formar Β = Α ∪ {br +1 , br + 2 ,......bn} conjunto
linealmente independiente, con n vectores, y por teorema anterior.- Β es base de V .

Observación.4.9.-

1.-Por lo establecido en este teorema, el proceso se llama de completación de una

base.

2.-Hay espacios vectoriales cuya dimensión es infinita; tal es el caso del espacio
C [ a, b ] de las funciones continuas en [ a, b] ó P ( x ) el de los polinomios reales en x.

Ejercicio. 4.10.-

En ( V ( K ) , +, ⋅) sean U , W subespacio de V

a) Mostrar un ejemplo que permite afirmar que U ∪ W no es necesariamente un

subespacio de V .
b) Definiendo U + W = { z = μ + w / μ ∈ U ∧ w ∈ W } Probar que U + W es
generado por U U W

Solución

a) En ( ( ) , +, ⋅) si consideramos
2
los sub-espacios W = {( o, b ) / b ∈ }
U = {( a, 0 ) / a ∈ } , y los vectores u = (1, 0 ) ∈ U , w = ( 0,1) ∈ W por tanto
u, w ∈U ∪ W se tiene u + w = (1, 0 ) + ( 0,1) = (1,1) ∉U ∪ W y este no es
subespacio de V .
b) Sean Α = {μ1 , μ 2 ,......, μ n } generador de U; Β = {w1 , w2 ,......, wm } generador de
W , o sea , < Α >= U , < Β >= W entonces para cada ν = u + w ∈U + W ,
μ = α1μ1 + α 2 μ 2 + ...... + α n μ n w = β1w1 + β1w1 + ......β m wm y
ν = μ + w = α1μ1 + α 2 μ 2 + .......α n μ n + β1w1 + ....... + β n wm lo cual significa que
Α ∪ Β genera a U + W .
 13

Definición:4.11.-

El espacio vectorial ( V ( K ) , +, ⋅) es suma directa de sus sub-espacios U y W si todo

vector v ∈ V tiene escritura única ν = μ + w con μ ∈ U w ∈W se anota V = U ⊕ W

Ejemplo:4.12.-

En ( ( ) , +, ⋅)
3
los subespacios U = {( a, b, o ) / a, b,∈ }, W = {( 0, 0, c ) / c ∈ } son
tales que todo v = ( a, b, c ) ∈ 3
tiene la escritura única ( a, b, c ) = ( a, b, o ) + ( 0, 0, c ) en
que ( a, b, o ) ∈U y ( 0, 0, c ) ∈W . Así 3
= U ⊕ W geométricamente, 3
es suma
directa entre el plano (x,y) (horizontal) y el eje z.

Teorema :4.13.-

(V ( K ) , +, ⋅) es la suma directa de sus sub-espacios U y W sí y solo sí V = U + W y

U ∩ W = {ov }

Demostración

Si V = U ⊕ W entonces ∀v ∈ V tiene la escritura única v = μ + w con u ∈ U , w ∈W y

V = U + W . Si v ∈ U ∩ W entonces v = v + ov con v ∈ U , ov ∈ W y v = ov + v con
ov ∈ U y U I W = {ov }

A la inversa, si V = U + W y U ∩ W = ov para v ∈ V existen u ∈ U y w ∈ W tal que

ν = μ + w . Sea v = μ 1 + w1 con μ 1 ∈ U y w1 ∈ W otra escritura para v , entonces se
verifica u + w = u1 + w1 equivalente u − w = u1 − w con u − u1 ∈ U , w1 − w ∈ W y como
μ ∩ w = {ov } , u − u1 = ov w1 − w = ov y así u = u1 , w = w1 y por tanto V = U ⊕ W

Teorema:4.14.-

En ( V ( K ) , +, ⋅ ) sean U , W sub-espacios vectoriales. Entonces se verifica

dim (U + W ) = dim U + dim W − dim U ∩ W . En particular sí V = U ⊕ W (suma
directa) entonces rige dim (U + W ) = dim u + dim w

Demostración

Sean dim U = m, dim W = n y dim U ∩ W = r y Β1 = {ν 1 ,.......,ν r } base de U ∩ W . De

acuerdo a teorema anterior .- Β1 por ser conjunto linealmente independiente puede ser
extendido para completar una base de U y una base W ; sean éstas base
Β2 = {v1 ,......, vr , u1 ,......μm−r } y
Β3 = {v1 ,......, vr , w1 ,......wn −r } respectivamente
 14

Se probará que Β = Β 2 ∪ Β3 que tiene exactamente m + n − r vectores es base de

U + W , para lo cual basta probar que Β es linealmente independiente ya que Β es
generador de U+W según se probó en ejercicio precedente

Sea α1ν 1 + ...... + α r vr + β1 μ1 + ...... + β m − r um − r + χ1 w1 + ...... + χ n − r wn − r = ov tal que

α1ν 1 + ...... + α rν r + β1μ1 + ...... + β m − r μ m − r = v . Entonces ν = − χ1 w1 − ...... − χ n − r wn − r y
v ∈U ∩ W por lo cual existen escalares δ 1 , δ 2 ,......, δ r tal que v = δ 1v1 + ...... + δ rν r y
tiene ν + ( −ν ) = ov = δ1v1 + ...... + δ rν r + χ1 w1 + ......χ n −r de lo cual χ1 = 0,......, χ n − r = 0
por ser Β3 base.

Con esto se tiene α1v1 + ...... + α r vr + β1μ1 + ...... + β m − n μ m − r = ov y como Β2 es base

entonces los coeficientes de esta combinación lineal son todos ceros, o sea,
α1 = 0,......,α r = 0, β1 = 0,......, β m − r = 0 y anteriormente χ1 = 0,......, χ n − r = 0, con lo cual
Β es base de U + W , dim (U + W ) = m + n − r y rige entonces la fórmula establecida
en el teorema.

En particular, si la suma es directa entonces U ∩ W = {ov } , dim U ∩ W = 0 y

dim u + w = dim u + dim w .

GUIA DE EJERCICIOS # 1.-

1. Sea V = 2 , K = y +, ⋅ definidos como se indica en cada caso. Determinar si se

define o no un espacio vectorial.
a) ( a, b ) + ( c, d ) = ( a + c, b + d ) y α ⋅ ( a, b ) = (α a, b ) ;
b) ( a, b ) + ( c, d ) = ( a, b ) y α ⋅ ( a, b ) = (α a,α b ) ;
c) ( a, b ) + ( c, d ) = ( ac, bd ) y α ⋅ ( a, b ) = (α 2 a,α 2b ) ;

2. Sean V = +
, K = , + ⋅ a + b = ab; ∀a, b ∈ +
;α ⋅ a = aα , ∀α ∈ , ∀a ∈ +
. Probar
que ( ( ) , +, ⋅) es espacio vectorial.
+

3. Determinar si son subespacio de V los subconjuntos:

a) W = {( x1 , x2 , x3 ) / x1 + x2 + x3 = 0} en 3 ;
b) W = {( x1 , x2 , x3 ) / x12 + x2 2 + x32 = 1} en 3
;
c) W = {Α ∈ M nxn / ΑT = −Α ( matricesantisimetricas )}
d) W = {Α ∈ M nxn / Α es matriz diagonal}
e) W = { f : / f es continua} en V espacios de funciones. Repetir este
→
ejercicio cambiando cada vez f es continua por f es derivable; f es acotada;
f es integrable en [ a, b] ⊂ ; f tal que f x 2 = f 2 ( x ) . ( )
 15

f) W = { p ( t ) ∈ Pn / p ( t ) tiene coeficientes e nt eros}

g) W = { p ( t ) ∈ Pn / p ( t ) grado de p (∈) ≤ 3}
h) W = { p ( t ) ∈ Pn / p ( t ) = a0 + a2 t 2 + ......a2 n t 2 n }

4. Sea μ ∈< {ν 1 ,......,ν m } > y cada ν i ∈< {w1 ,......, wn } > en (V ( K ) , +, ⋅) . Probar que
μ ∈< {w1 ,......, wn } > .

5. Sean U,W subespacio de ( V ( K ) , +, ⋅) . Probar que U ⊂ U + W y W ⊂ U + W y

que U+W es el menor subespacio de V que contiene a U y W .

6. Sean V = M nxn , K = , U = {Α / Α es simétrica} , W = {Α / Α antisimétrica} . Probar

que V = U ⊕ W
Indicación: Considerar Α =
1
2
( Α + ΑT ) + ( Α − ΑT )
1
2

7. Verificar:
a) Que el plano yz , W = {( o, b, c ) ∈ 3
} en 3
es generado S = {( 0,1,1) , ( 0, 2, −1)}
b) ( ( ) , +, ⋅) es generado por S = {2 + 3i,1 − 2i}
8. En (V ( K ) , +, ⋅) probar que si SCT entonces G ( S ) ⊂ G (T ) . Probar también que
G (G ( S )) = G ( S ) .

9. Probar que todo subespacio W de (V ( K ) , +, ⋅) verifica W + W = W

10. Sean W1 ,W2 ,W3 subespacio de 3

dados por W1 = {( a, b, c ) / a + b + c = 0} ;
W2 = {( a, b, c ) / a = c} , W3 = {( o, o, c )} . Verificar que 3
= W2 + W3 . ¿Cuando la
suma es directa?

11. Sean Α = {ν 1 ,ν 2 ,......,ν m } linealmente independiente y Β = {ν 1 ,ν 2 ,......,ν m ,ν }

linealmente dependiente en ( V ( K ) , +, ⋅) . Probar que ν es una combinación lineal
de vectores de Α .

12. Determinar si los siguientes conjuntos forman una bases de ( ( ) , +, ⋅)

3

a) Α = {(1,1,1) , (1, −1,5)} ;

b) Α = {(1, 2,3) , (1, 0, −1) , ( 3, −1, 0 ) , ( 2,1, −2 )} ;
c) Α = {(1,1,1, ) , (1, 2,3) , ( 2, −1,1)} ;

13. Sean U = {( x1 , x2 , x3 , x4 ) ∈ 4
/ x1 + x2 + x3 + x4 = 0} ,
 16

W = {( x1 , x2 , x3 , x4 ) ∈ 4
/ x1 + x2 = 0 ∧ x3 = 2 x2 }
Obtener base de U , W , U ∩ W y la dimensión de cada subespacio.

14. Sea V = ( Μ2x2 ( ) , +, ⋅ ) y W = {Α ∈ V / Α = ΑT } : Probar que dim W = 3 .

⎛ 4 − 11⎞
Determinar las coordinas de la matriz Α=⎜ ⎟ en la base
⎝ −11 − 7 ⎠
⎧⎛ 1 − 2 ⎞ ⎛ 2 1⎞ ⎛ 4 − 1⎞ ⎫
Β = ⎨⎜ ⎟,⎜ ⎟,⎜ ⎟ ⎬ de W .
⎩⎝ −2 1⎠ ⎝1 3 ⎠ ⎝ −1 − 5 ⎠ ⎭

15. Sea V suma directa de sus sub-espacios U+W y Α = {μ1 , μ2 ,......, μn } ⊂ W

Β = {w1 , w2 ,......, wn } ⊂ W linealmente independiente en V . Probar :
a) Α ∪ Β es linealmente independiente;
b) dim V = dim U + dim W

16. Probar
a) Que el espacio vectorial ( ( ) , +, ⋅) tiene dimensión 2 Mostrar una base de él
b) Probar que Α = {(1 − i, i ) , ( 2, −1 + i )} es linealmente independiente en
( ( ) , +, ⋅) y es linealmente dependiente en ( ( C ) , +, ⋅)
2 2

_____________________________________________________________________