Esp Vec13

UNIVERSIDAD DE CONCEPCION
Facultad de Ciencias Fsicas y Matematicas

Departamento de Ingeniera Matematica
Algebra II. 525148

Espacios Vectoriales

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

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

adicion
+ : K K K,
Multiplicacion
y una operacion
: K K K.
Se dice que (K, +, ) es un cuerpo si para todo x, y , z K:

1) x + (y + z) = (x + y) + z (+ es asociativa)
2) x+y =y+x (+ es conmutativa)
3) 0K:x+0= x (hay un neutro 0 para +)
4) x K : x + (x) = 0 (x tiene un inverso aditivo x)


Cuerpos (continuacion)
5) x (y z) = (x y) z ( es asociativo)
6) 1K:x1=1x=x (1 es elemento unidad de K)
7) Si x 6= 0, x1 K : x x1 = x1 x = 1 x tiene un inverso
multiplicativo
8) x (y + z) = x y + x z y
(x + y) z = x z + y z (distributividades de c/r a +)
es conmutativa se dice que (K, +, ) es un cuerpo

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


Espacios Vectoriales: Definicion
Sean K un cuerpo y V un conjunto sobre el cual estan
definidas las operaciones:
Adicion
(binaria interna) + : V V V , (x, y) x + y
Multiplicacion
por escalar (binaria externa) : K V V , (, x) x
La estructura (V, +, ) es un espacio vectorial sobre K, o K-espacio vectorial, si

para todo x, y , z V y todo a, K:
1) x + (y + z) = (x + y) + z (+ es asociativa)
2) x+y =y+x (+ es conmutativa)
3) V :x+ =x ( es el vector nulo de V )
4) x V : x + (x) = (x es opuesto de x)
5) ( x) = ( ) x ( es asociativo)
6) (x + y) = x + y (distributividad de c/r a + de V )
7) ( + ) x = x + x (distributividad de c/r a + de K)
8) Para la unidad 1 de K : 1x=x

Espacios Vectoriales: Observaciones.
1. Los elementos de V se llaman vectores.
2. Los elementos de K se llaman escalares.
3. Todo espacio vectorial V es no vaco. ( V ).

4. V := {} es el espacio vectorial trivial.
5. Un espacio vectorial real es un espacio donde K = R.
6. Un espacio vectorial complejo es un espacio donde K = C.
Convenio.
se indique que V es un espacio vectorial, sin mencionar

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

Espacios Vectoriales: Propiedades.

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

Ley de Cancelacion.
Sean x, y, z V tales que x + y = x + z. Entonces y = z.
Teorema.
En todo espacio vectorial V , sobre un cuerpo K, se verifican:
1) el vector nulo , elemento neutro para la suma, es unico;

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

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


Soluciones de un Sistema Homogeneo.
Sean K un cuerpo, m, n IN y A := (aij ) Mmn (K). Se definen:
1) El conjunto V := { x = (x1 , ..., xn )t Kn : Ax = }.
de Adicion:
2) La operacion + : V V V , tal que
(x1 , ..., xn )t + (y1 , ..., yn )t := (x1 + y1 , ..., xn + yn )t ;
el producto por escalar:

3) La operacion : K V V , tal que
(x1 , ..., xn )t := ( x1 , ..., xn )t .
Entonces, (V, +, ) es un espacio vectorial sobre K.
En particular, ver casos con una matriz A, de 2 3 y con una matriz B , de 1 3.

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

Espacios Vectoriales de Polinomioss.
Sean K un cuerpo y n IN . Se definen:
1) El conjunto:
Pn (K) := { p P(K) : x K, p(x) = a0 +a1 x+ +an xn , a0 , ...an K}
(conocida) de Adicion
2) La operacion de polinomios + : V V V
p, q V , p(x) = a0 +a1 x+ +an xn , q(x) = b0 +b1 x+ +bn xn
x K, (p + q)(x) := (a0 + b0 ) + (a1 + b1 ) x + + (an + bn ) xn .
3) La operacion (conocida) producto por escalar: : KV V
x K, K, p V, (p)(x) := (a0 )+(a1 ) x+ +(an ) xn .
Entonces (V, +, ) es un espacio vectorial sobre K. Ver caso particular, con

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

Espacios Vectoriales de Matrices.
Sean m, n IN y K un cuerpo. Se definen:
1) El conjunto:
Mmn (K),
(conocida) Adicion
2) La operacion de Matrices: + : V V V
A = (aij ), B = (bij ) V : (A + B) := (aij + bij ),
(conocida) Producto por escalar:

3) La operacion : KV V
K , A = (aij ) V : ( A) := ( aij ).
Entonces (V, +, ) es un espacio vectorial sobre K.
Ver caso particular con m = n = 2. Es decir, el espacio vectorial real

V := M2 (R).

Dpto. de Ingeniera Matematica 10 . ALGEBRA II. 525148.
Subespacios Vectoriales
Sea V un K-espacio vectorial y S V . Se dice que S es un subespacio
vectorial de V , si S es un espacio vectorial sobre K con las mismas operaciones
binarias definidas en V .
Por ejemplo, V y {} son subespacios de V , se dicen subespacios triviales de V .

X
Ademas, = {(x, y, z) : x + 2y + 3z = 0} R3 es un espacio vectorial
real. Luego, es un subespacio de R3 .
de subespacios
Caracterizacion
Sea V un K-espacio vectorial y S V . Entonces S es un subespacio de V si,

si :
y solo
i) S 6= , ( S )
ii) x, y S : x+y S (S es cerrado para la suma)
iii) K, x S : xS (S es cerrado para el producto)

Ejemplos.

1. El conjunto de las soluciones de un sistema lineal homogeneo
S = {x Ax = }, con A Mmn (K), es un subespacio vectorial de Kn .
2. Sean a, b y c tres numeros
reales. Entonces
U = {(x, y, z) R3 : ax + by + cz = 0}, plano.

Para ~r R3 , W = {~v R3 : ~v = t ~r, t R, }, recta.
son subespacios conocidos de R3 .
3. {A M22 (R) : A = At } es un subespacio de M22 (R)
4. {A M22 (R) : A = A t } es un subespacio de M22 (R).

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

y suma de Subespacios.
Interseccion
Sean V un espacio vectorial y U, W dos subespacios de V . Los siguientes
conjuntos:
U W := { v V : vU vW }
U + W := { v V : v = u + w, u U w W }
son subespacios vectoriales de V .
En particular, el subespacio suma U + W se dice que es suma directa cuando

U W = {}, se escribe U W .
Ejemplo . Para los siguientes subespacios de V = R3 :
L1 = {(2t, 3t, 4t) : t R}, L2 = {(t, 3t, 0) : t R}.
L1 + L2 = es suma directa, pues L1 L2 = {(0, 0, 0)}. Es decir,

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

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

no es un subespacio vectorial de V .
Ejemplo. Considere las rectas que pasan por el origen:
U := { (x, y) R2 : y = 2x },
W := { (x, y) R2 : x = 2y },
y sean u= (1, 2) U y w = (2, 1) W . Se tiene que: u, w U W , sin
embargo, u + w = (3, 3)
/ U W.
Teorema. Sea V un espacio vectorial y U,

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

Ejemplos
Ejemplo.
1) . Si U y W son como en el ejemplo anterior, entonces
U + W = { (x, y) R2 : (x, y) = t(1, 2) + s(2, 1), s, t R, }
Notar que U + W = R2 .
2) . Sean
U = { p P3 (R) : p(0) = 0, p (0) = 0 }
W = { p P3 (R) : p(x) = p(x), x R } .

Entonces U W = {bx2 : b R}.


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

U = A Mn (R) : A = A y W = A Mn (R) : A = A .
Entonces: U W = {} y U + W = Mn (R), Es decir
U W = Mn (R).
de
4). Descomposicion U. Sean
D = { A = (aij ) Mn (R) : aij = 0 si i 6= j }

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

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

Por ejemplo, el vector nulo es combinacion
vectores de V .
= 1 x1 + 2 x2 + + n xn = 0 x1 + 0 x2 + + 0 xn = 0.

Ejemplos
1). Sea V = R2 y sean ~v , d~ V . Entonces ~v es c.l de d~ si y solo
si ~
v
pertenece a la recta:
L := { ~x V : ~ t R}
~x = t d,
2). Sea V = R3 y sean ~v , ~v1 , ~v2 V . Entonces ~v es c.l. de los vectores

~v1 , ~v2 si y solo
si ~
v pertenece al plano:
:= { ~x V : ~x = t ~v1 + s ~v2 , t, s R }
Nota. Si ~
v1 || ~v2 , entonces ~v1 es c.l. de ~v2 , y vice-versa y entonces es
una recta.


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

u~1 = (1, 0, 1), u~2 = (1, 1, 0), u~3 = (0, 0, 1), y u~4 = (1, 2, 3).
Entonces :
5 1 1
~u = ( , 2, ) = u~1 2 u~2 + 0 u~3 + 0 u~4
2 2 2
y, de otra manera
7 1
u = 0 u~1 + u~2 + 0 u~3 + u~4 .
3 6
4). Sean V = P2 (R) y p1 (x) = (x 1)2 , p2 (x) = 12 x + 1, p3 (x) = 5.
Entonces:
2 2
x 2x + 3 = 1 p1 (x) + 0 p2 (x) + p3 (x).
5
Muestre que esta c.l es unica.


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

1 0 0 4 0 14
A1 = , A2 = , A3 =
0 2 8 0 21 0
Entonces la matriz
2 10
A=
20 4
se puede expresar como c.l. de A1 , A2 y A3 de infinitas maneras.

Subespacio generado.
Sean V un espacio vectorial sobre K y A = {v1 , v2 , . . . , vr } V . El conjunto
de todas las combinaciones lineales de estos r vectores de A:
( r
)
X
S= vV : v= i vi , i K, para cadai = 1, . . . , r
i=1
es un subespacio vectorial de V llamado Espacio generado por A.
Se dice que A es un conjunto de generadores de S y se escribe
S = hAi = h{v1 , v2 , . . . , vr }i.
Por ejemplo, la recta L1 = {(2t, 3t, 4t) : t R} es tal que:
L1 = {(2t, 3t, 4t) : t R} = {(2, 3, 4)t : t R} =< {(2, 3, 4)} > .
es el subespacio generado por A = {(2, 3, 4)}.

Se comviene que hi = {}.

Ejemplos
1. Sean V = R3 y los vectores v~1 = [0, 1, 2], v~2 = [1, 3, 1] y
v~3 = [2, 11
2 , 3]. Entonces, S = h {v~1 , v~2 , v~3 } i es un plano que pasa por
el origen.
2. Sea V = M22 (R) y los vectores:

1 0 0 1 0 0
E1 = , E2 = E3 = .
0 0 1 0 0 1
Entonces, S = h{E1 , E2 , E3 }i = {A V : A = At }.
3. Sea V = P3 (R) y los vectores (monomios) p1 (x) = x y p2 (x) = x3 .
Entonces:
S = h{p1 , p2 }i = {p V : p(x) = p(x) }.

Independencia lineal.
Sean V un espacio vectorial sobre K y A = {v1 , v2 , . . . , vr } V . Se dice que
A es un conjunto linealmente dependiente (l.d.) si existen escalares
1 , 2 , . . . , r K, no todos iguales a cero, tales que:
1 v1 + + r vr = .
Si A no es l.d., se dice que es linealmente independiente (l.i). Es decir, A es l.i.

si no existen escalares no nulos 1 , 2 , . . . , r
si,y solo K,tales que
1 v1 + + r vr = .
Lo que equivalente a decir que la unica

solucin de
1 v1 + + r vr = es 1 = 2 = . . . = r = 0.
Ejemplo. A = {(1, 2), (0, 3)} es l.i. y B = {(1, 2), (0, 3), (4, 6)} es l.d. en
R2 .

Observaciones.
1. Si A es un conjunto l.i. en V , entonces todo subconjunto de A es l.i.
2. Si A es l.d. en V , entonces todo conjunto que contenga a A es l.d.
3. Si A, entonces A es l.d. en V .
4. {} es l.d.
5. Si A = { x } con x 6= , entonces A es l.i.

Ejemplos.
1) Sean V = R3 y considere los siguientes subconjuntos de V :
A1 = { (1, 0, 0), (0, 1, 0), (0, 0, 1) }

A2 = { (0, 0, 1), (0, 1, 1), (1, 1, 1) }
A3 = { (1, 1, 0), (0, 1, 1), (1, 0, 1) }
Se tiene que: A1 y A2 son l.i. y que A3 es l.d. en V .

2) Sean V = P2 (R) y los siguientes subconjuntos de V :
A1 = { 3x2 2x, x2 + 1, 3x + 2, x2 1 }
A2 = { 3x2 2x, x2 + 1, 3x + 2 }
A3 = { 1, x, x2 }
A1 es l.d. mientras que A2 y A3 son l.i. en V .

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

V y v1 6= , entonces existe j {2, 3, ..., m} tal que
a) vj h{v1 , v2 , ..., vj1 , vj+1 , ..., vm }i
b) h{v1 , ...., vj1 , vj+1 , ...vm }i = h{v1 , v2 , ...., vm }i

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

Teorema.
Sean V un espacio vectorial y A un subconjunto finito de V . Las siguientes
proposiciones son equivalentes:
a) A es l.i.
b) Toda c.l. de los vectores de A, cuyo resultado sea el vector nulo, es la trivial,
es decir con todos los escalares iguales a cero.
vector de A es c.l. de los demas.

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

como c.l. de A.
Corolario. Son equivalentes:

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

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

Espacio finito dimensional.
Se dice que un espacio vectorial es finito dimensional, o de
Definicion.
finita, si posee un conjunto de generadores de cardinalidad finita.
dimension
Por ejemplo, los conjuntos A y B del ejemplo 11 generan el espacio V = R2 ,

luego V tiene dimension
finita.
Teorema. En un espacio finito dimensional, la cardinalidad de todo conjunto

linealmente independiente (l.i.) es menor o igual a la cardinalidad de cualquier
conjunto de generadores.
Teorema. Todo subespacio de un espacio finito dimensional es finito dimensional.

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

Ejemplo. Mostrar bases canonicas de Rn , Pn (R) y Mmn (R). Ademas,
dar
otras bases para R3 , P3 (R) y M22 (R).
Teorema. Sea V un espacio vectorial sobre K. Un conjunto ordenado

{v1 , v2 , ..., vn } de vectores de V es una base para V si, y solo
si, cada vector v
de V puede ser escrito de manera unica como c.l. de los vectores v1 , v2 , ..., vn .
La escritura unica
de v significa que existen escalares 1 , . . . , n K,
determinados de manera unica
y tales que:
v = 1 v1 + 2 v2 + + n vn .

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

1

..
[v]B := .

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

B.
va la base B :
Se tiene la identificacion,
vV [v]B = [1 , . . . , n ]t Kn .

Ejemplo.
Para R2 , B= {(1, 2), (3, 4)} es una base de R2 y Bc = {(1, 0), (0, 1)} la

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

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

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

7 2
[(7, 8)]Bc := , [(7, 8)]B := .
8 3
Teorema. Dos bases cualesquiera de un mismo espacio vectorial tienen la misma

cardinalidad.

Teorema. Todo conjunto de generadores de un espacio vectorial puede reducirse a
una base del espacio.
Corolario. Todo espacio finito dimensional posee base.
Teorema de Steinitz. Todo conjunto l.i. en un espacio vectorial V , finito

dimensional, puede extenderse a una base de V.
de un espacio vectorial
Dimension
de un espacio vectorial V a la cardinalidad de una base de

Se llama dimension
V. Este numero
se representa por dim V . Se conviene en que dim {} = 0.
Por ejemplo, tenemos que dim(Rn ) = n, dim(Pn (R)) = n + 1 y

dim(Mmn (R)) = mn.

Teorema. En un espacio vectorial V de dimension

n, todo subconjunto l.i. de
cardinalidad n es una base de V .
Observaciones. Sea V un espacio vectorial de dimension

n. Entonces:
1. todo subconjunto de cardinalidad mayor que n es l.d.
2. Si W es subespacio de V , entonces dim W n.

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

Teorema de Grassmann
Sea V un espacio vectorial de dimension
finita y sean U , W subespacios de V .
Entonces:
dim (U + W ) = dim (U ) + dim (W ) dim (U W ).
Si U W = {}, entonces dim (U + W ) = dim (U ) + dim (W ).
Ejemplo . Consideremos las rectas L1 Y L2 dadas anteriormente, vimos que

L1 L2 ) = {(0, 0, 0)} y dim(L1 ) = dim(L2 ) = 1.
L1 + L2 = . Ademas,
Luego, se verifica que
dim() = dim(L1 ) + dim(L2 ) dim(L1 L2 ) = 1 + 1 0 = 2.
2.
Lo que sabamos, pues el plano tiene dimension

Ejemplo.
Consideremos los planos
1 = {(x, y, z) : x + 2y + 3z = 0}, 2 = {(x, y, z) : 4x + 5y + 6z = 0}.
se tiene que dim(1 ) = dim(2 ) = 2 y dim(1 2 ) = dim(L) = 1.

Luego, por el teorema de Grassmann tenemos que
dim(1 + 2 ) = dim(1 ) + dim(2 ) dim(1 2 ).
Es decir, dim(1 + 2 ) = 2 + 2 1 = 3. En consecuencia, 1 + 2 = R3 .

Teorema . Sea V un espacio vectorial de dimension
finita y sean U1 , U2 , . . . Un
subespacios de V, tales que:
V = U1 + + Un
dim (V ) = dim (U1 ) + + dim (Un )
Entonces V = U1 U2 Un .
En ejemplo 15, como L1

+ L2 = y dim(L1 + L2 ) = 2, aplicando el teorema
se deduce que = L1 L2 .
Teorema. Sea V un espacio vectorial de dimension

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

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

el teorema existe el subespacio W , en este caso
W = {(x, y, z) : 2x + 3y + 4z = 0} = ,
tal que U W = L1 = R3 .
Notar que con producto interior definido en R3 , W es ortogonal con U .
Octubre de 2013.
ACQ/JA/MSS/AG/ acq.


Esp Vec13

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Esp Vec13

Uploaded by

Copyright:

Available Formats

UNIVERSIDAD DE CONCEPCION

Facultad de Ciencias Fsicas y Matematicas

Algebra II. 525148

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

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

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

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

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

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

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

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

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

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

2. Los elementos de K se llaman escalares.

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

se indique que V es un espacio vectorial, sin mencionar

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

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

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

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

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

el producto por escalar:

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

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

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

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

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

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

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

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

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

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

(conocida) Producto por escalar:

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

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

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

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

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

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

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

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

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

Ejemplo . Para los siguientes subespacios de V = R3 :

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

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

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

Ejemplo. Considere las rectas que pasan por el origen:

Teorema. Sea V un espacio vectorial y U,

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

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

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

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

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

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

lineal de cualquier conjunto finito de

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

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

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

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

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

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

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

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