Espacios Vectoriales

Un espacio vectorial es un conjunto no vacío V en el cual están definidas dos operaciones
1. +: V X V ⟶ V, (v1 , v2 ) ⟶ v1 + v2
2. . ∶ R x V ⟶ V, ( k, v ) ⟶ k v
Llamadas suma y producto por escalares (respectivamente) y las cuales satisfacen los siguientes
axiomas:
Es un𝕂 espacio vectorial, si ∀ 𝑣, 𝑤, 𝑢 𝜖 𝕍 y  α, β ϵ 𝕂 se cumple:
1) 𝒖 + 𝒗 𝝐 𝕍 La suma es cerrada
2) 𝒖 + 𝒗 = 𝒗 + 𝒖 La suma es conmutativa
3) (𝒖 + 𝒗) + 𝒘 = 𝒖 + (𝒗 + 𝒘) La suma es asociativa
⃗ ϵ 𝕍 tal que 𝒗 + 𝟎
4) ∃ 𝟎 ⃗ =𝟎
⃗ +𝒗=𝒗 Elemento Nulo
5) ∀ 𝒗 𝝐 𝑽, ∃ − 𝒗 𝝐 𝑽 tal que 𝒗 + (−𝒗) = −𝒗 + 𝒗 = ⃗𝟎 Existencia del opuesto
6) 𝜶 . 𝒗 𝝐 𝑽 Ley del cierre para el producto
7) (𝜶 + 𝜷). 𝒗 = 𝜶 . 𝒗 + 𝜷 . 𝒗
8) 𝜶 . (𝒖 + 𝒗) = 𝜶. 𝒖 + 𝜶. 𝒗
9) (𝛂 . 𝛃). 𝒗 = 𝜶. (𝜷 . 𝒗)
10) 𝟏 . 𝒗 = 𝒗

a) 𝟎. 𝒗 = 𝟎 e) (−𝝀)(−𝒗) = 𝝀𝒗
b) 𝝀. 𝟎 = 𝟎 f) 𝑢+𝑤 =𝑣+𝑤 ⟹𝑢 =𝑣
c) – (−𝒗) = 𝒗 g) 𝜆 𝜖 ℝ 𝑦 𝜆 ≠ 0, 𝜆𝑢 = 𝜆𝑣 ⟹ 𝑢 = 𝑣
d) (−𝝀)𝒗 = −(𝝀𝒗) = 𝝀(−𝒗) h) 𝑠𝑖 𝜆𝑣 = 0 ⟹ 𝜆 = 0 ó 𝑣 = 0

Teorema:
Sea 𝕍un espacio vectorial y α ϵ ℝ, v ϵ 𝕍 entonces:
1. El elemento neutro (0) es único
2. El opuesto (o inverso) de un elemento es único
3. 𝛼 〈𝑥〉 ⃗0 = ⃗0
4. 0〈𝑥〉𝑣 = ⃗0
5. 𝑠𝑖 𝛼〈𝑥〉𝑣 = ⃗0 ⟹ 𝛼 = 0 ó 𝑣 = ⃗0
6. (−1)𝑣 = −𝑣
Demostraciones:
Dem1. Supongamos que existen 2 neutros ⃗0 y ⃗0´ Dem1.
𝛼 〈𝑥〉 ⃗0 = 𝛼〈𝑥〉 (0
⃗ 〈+〉0
⃗ ) = (𝛼〈+〉0
⃗ )〈+〉 (𝛼〈+〉0
⃗)
Entonces 𝑣 + ⃗0 = 𝑣 𝑦 ⃗0´ + 𝑣 = 𝑣  𝑣 𝜖 𝕍
⃗ = (𝛼〈𝑥〉0
Luego 𝛼〈𝑥〉0 ⃗ )〈+〉(𝛼〈𝑥〉0⃗)
⃗ ⟹ 0
Sea 𝑣 = 0 ⃗´+ 0
⃗ = 0
⃗´ ⃗ a ambos
⟹ ⃗0 ´ = ⃗0 Sumando el opuesto del 𝛼 〈𝑥〉0
Sea 𝑣 = ⃗0 ⟹ ⃗0´ + ⃗0 = ⃗0 miembros
⃗ =0
𝛼 〈𝑥〉 0 ⃗

Espacios Vectoriales Álgebra y Geometría II Página 1

+𝛼𝑛 𝑣𝑛 Donde αi ϵ ℝ Notación: ℒ ({𝑣1 + 𝑣2 … . Sea 𝑣 𝜖 𝑊 y − 1 ϵ ℝ ⟹ −1.vn de un E. 𝑣 𝜖 𝑊 ⟹ 𝑢〈+〉𝑣 𝜖 𝑊. P2. P3. . ⃗ } 𝑦 𝑊 = 𝑉 son siempre subespacios vectoriales del espacio vectorial V. . W Si W es espacio vectorial respecto de 〈+〉 𝑦 〈𝑥〉 entonces W es subespacio de V. Espacios Vectoriales Álgebra y Geometría II Página 2 . …. Obs: Todo Subespacio Vectorial contiene al neutro. luego por (3) 0. +𝑣𝑛 . ⃗ }. …. P4 y P5 Falta ver que se cumpla S4 y S5 Como W ≠ 0 ⟹ existe 𝑣 𝜖 𝑊 Además 0 ϵ ℝ .V V ¿Cómo hallar el subespacio mas chico de V que los contiene? Definición: sean v1. Demostración: Dem/⟹ supongamos que W es un SEV de V ⟹ W ≠ 0 y verifica S1. …. 𝑣 𝜖 𝑊 ⟹ ⃗0 𝜖 𝑊 Luego se cumple 𝑆4 . v2. S2 S3. .vn si 𝑣 = 𝛼1 𝑣1 + 𝛼2 𝑣2 … .… S5 y P1. . +𝛼𝑛 𝑣𝑛 𝑐𝑜𝑛 𝛼 𝜖 ℝ} Conjunto de todas las combinaciones lineales de 𝑣1 + 𝑣2 … . Subespacios Vectoriales Def: Sea V un espacio vectorial con operaciones 〈+〉 𝑦 〈𝑥〉 V y W un subconjunto no vacío de V. v2. se llaman Obs: si 𝑊 = {0 subespacios triviales de V A cualquier otro subespacio de lo llama subespacio propio. S2. Teorema Sea V un espacio vectorial cuyas operaciones son 〈+〉 𝑦 〈𝑥〉 y W⊆V entonces W es subespacio de V si y solo si satisface (1) W ≠ 0. (2) Si 𝑢. +𝑣𝑛 }) = {𝑣 𝜖 𝑉: 𝑣 = 𝛼1 𝑣1 + 𝛼2 𝑣2 … . todo elemento de W lo es también de V y entonces se cumple. P2.vn vectores de un espacio vectorial V un vector v se dice combinación lineal de los vectores v1. …P5 por definición de SubESPACIO se cumple Entonces verifica (2) y (3) Dem/⟸ supongamos que W verifica (1) (2) y (3) y veamos que es SEV de V W ≠ 0 pues se verifica (1) Como W verifica (2) y (3) se cumple S1 y P1 comoW ⊆ V. (3) SI α ϵ ℝ. v2. 𝑣 ϵ W ⟹ −𝑣 ϵ W luego W es SEV de V. 𝑣 𝜖 𝑊 ⟹ 𝛼𝑣 𝜖 𝑊. Obs: todo subespacio vectorial contiene al neutro {0 Sub espacio generado Dadas v1.

. +𝑣𝑛 } es un conjunto de vectores de V entonces a) ℒ({𝑣1 + 𝑣2 … .Teorema: Si 𝑆 = {𝑣1 + 𝑣2 … . . . tambien genero W. … + 𝑣𝑛 }) Donde 𝑣𝑖 es C. +0𝑣𝑛 DEFINICION: Sea V un espacio vectorial y 𝑣1 + 𝑣2 +. +𝑣𝑛 }) = ℒ({𝑣1 + 𝑣2 +. +𝑣𝑛 }) es el menor subespacio que contiene a S Demostración: Dem/a) Veamos que 𝑊 = ℒ({𝑣1 + 𝑣2 … . entonces si genero con los vectores restantes. . . +𝑣𝑛 } es LD ⟺ por lo menos uno de ellos es combinación lineal de los restantes Dem1. . +𝑣𝑛 }) ⟹ 𝑢 = 𝛼1 𝑣1 +. +𝛼𝑛 𝑣𝑛 con αi ϵ ℝ. . . . +𝛼𝑛 𝑣𝑛 (2) El conjunto {𝑣1 + 𝑣2 +. 𝑣𝑖+1 . Espacios Vectoriales Álgebra y Geometría II Página 3 . 𝑣 𝜖 𝑊 = ℒ({𝑣1 + 𝑣2 … . +𝑣𝑛 𝜖 𝑉 (1) {𝑣1 + 𝑣2 +. b) ({𝑣1 + 𝑣2 … .. . +𝑣𝑛 } es LD ⟹ existe αi ≠0 tal que ⃗0 = 𝛼1 𝑣1 + 𝛼2 𝑣2 +. +𝛽𝑛 𝑣𝑛 = =(𝛼1 + 𝛽1 ) 𝑣1 + ⋯ + (𝛼𝑛 + 𝛽𝑛 ) 𝑣𝑛 Entonces 𝑢 + 𝑣 𝜖 ℒ ({𝑣1 + 𝑣2 … . . . Supongamos M={𝑣1 + 𝑣2 +. +𝑣𝑛 } es linealmente independiente si cada vez que tenemos al nulo como combinacion lineal de ellos ⃗0 = 𝛼1 𝑣1 + 𝛼2 𝑣2 … . . . +𝑣𝑛 ϵ V (espacio vectorial). es decir W= ℒ({𝑣1 + 𝑣2 +. .P. +𝑣𝑛 }) Luego W= ℒ({𝑣1 + 𝑣2 +. . . 2. . . 𝑣𝑛 ⟹ ⃗0 𝜖 W ⟹ 𝑊 ≠ ⃗0 2) Sean 𝑢.. . . . +𝑣𝑖−1 . 𝑣2 . .L de los restantes OBS: Dados 𝑣1 + 𝑣2 +. +𝑣𝑛 }) es SEV de V. +𝑣𝑛 }) = 𝑊 D. +𝛼𝑖 𝑣𝑖 +.…. . . . +𝛼𝑛 𝑣𝑛 Necesariamente αi=0 para i=1. . +𝛼𝑛 𝑣𝑛 + 𝛽1 𝑣1 +. PROPOSICION: Sea W un SEV generado por 𝑣1 + 𝑣2 … . el ⃗0 siempre es CL de ellos pues ⃗0 = 0𝑣1 + 0𝑣2 +. 𝑣1 + 0. +𝑣𝑛 }) 3) αi ϵ ℝ y 𝑢 𝜖 ℒ({𝑣1 + 𝑣2 +.n Propiedades 1) Un conjunto M={𝑣1 + 𝑣2 +. +𝛼𝑛 𝑣𝑛 ⟹ 𝛼𝑖 𝑣𝑖 = −𝛼1 𝑣1 − 𝛼2 𝑣2 −. Entonces 𝑢 + 𝑣 = 𝛼1 𝑣1 +. . . .. +𝑣𝑛 }) es SEV de V 1) Como el vector nulo es posible escribirlo como ⃗0 = 0. . +𝛼 𝛼𝑛 𝑣𝑛 Sea βn = αn Entonces 𝛼 𝑢 𝜖 ℒ({𝑣1 + 𝑣2 +. . − 𝛼𝑛 𝑣𝑛 𝑖 𝑖 Luego 𝑣𝑖 es CL de los restantes. +𝑣𝑛 } es linealmente dependientes si existen escalares αi no todos nulos tales que ⃗0 = 𝛼1 𝑣1 + 𝛼2 𝑣2 … . . . +𝛼𝑛 𝑣𝑛 ⟹ 𝛼 𝑢 = 𝛼(𝛼1 𝑣1 + 𝛼2 𝑣2 … . −𝛼𝑛 𝑣𝑛 ⟹ (𝛼𝑖 ≠ 0) 𝛼 𝛼 ⟹ 𝑣𝑖 = − 𝛼1 𝑣1 −. +𝑣𝑛 y algunos de ellos es combinacion lineal de los restantes. +𝑣𝑛 }) es SEV de V. . . +0.Q 𝛼 𝑢 𝜖 𝑊 Como 𝑢 𝜖 𝑊 ⟹ 𝛼1 𝑣1 + 𝛼2 𝑣2 … . +𝛼𝑛 𝑣𝑛 ) = 𝛼 𝛼1 𝑣1 + 𝛼 𝛼2 𝑣2 … . .

D. Base y Dimensión Queremos determinar un conjunto mínimo de vectores que describan a V.. . si consideramos una matriz tal que sus filas sean las componentes de dichos vectores. +𝛼𝑛 𝑣𝑛 Como no todos los escalares son 0. 𝑣2 . ⟸) Supongamos sin pérdida de generalidad que v1 es CL del resto ⟹ 𝑣1 = 𝛼2 𝑣2 + 𝛼3 𝑣3 +. +𝑣𝑛 (𝛼𝑛 −𝛽𝑛 ) ⟹(como B es LI) ⟹ 𝛼1 −𝛽1 = 0 𝑌 𝛼2 −𝛽2 = 0 𝑌 𝛼𝑛 −𝛽𝑛 = 0 ⟹ 𝛼1 = 𝛽1 𝑌 𝛼2 = 𝛽2 𝑌 𝛼𝑛 −𝛽𝑛 ENTONCES la CL es ÚNICA. +𝑣𝑛 vectores de ℝ𝑛 . +𝛽𝑛 𝑣𝑛 ⟹ (𝑣 − 𝑣 = 0) ⟹ ⃗0 = 𝑣1 (𝛼1 −𝛽1 ) + 𝑣2 (𝛼2 −𝛽2 )+. +𝑣𝑛 } es LD. Def: Sea V un espacio vectorial. . Dem2. DEMOSTRACION: Como B es base el generado de B tiene que ser V Luego si 𝑣 𝜖 𝑉 entonces 𝑣 es CL de los elementos de B. Espacios Vectoriales Álgebra y Geometría II Página 4 . OBS: Sean 𝑣1 + 𝑣2 +. . . +𝛼𝑛 𝑣𝑛 ⟹ ⃗0 = −𝑣1 + 𝛼2 𝑣2 +. 5) Si M es un conjunto LD y 𝑀 ⊆ 𝑀´ ⟹ 𝑀´ es LD. ℒ(𝐵) = 𝑉 b) B es LI. 3) {𝑣} el LI ⟺ 𝑣 ≠ 0 4) Todo subconjunto de un conjunto LI es LI. C. 2. entonces M={𝑣1 + 𝑣2 +. +𝑣𝑛 } es LI entonces 𝑣1 ≠ ⃗0 para todo i=1. . TEOREMA: Si 𝐵 = {𝑣1 . 2) Si {𝑣1 + 𝑣2 +. . . diremos que el subconjunto B es base de V si a) B genere a V es decir el generado por el espacio B tiene que generar a todo el espacio.Q. +𝛼𝑛 𝑣𝑛 𝑣 = 𝛽1 𝑣1 + 𝛽2 𝑣2 +. . como aplicar operaciones elementales no me altera la linealidad esto nos permite establecer otra forma de saber si el conjunto es LI o LD OBS: Si la matriz A es cuadrada Si |𝐴| ≠ 0 ⟹el conjunto es LI OBS: El conjunto mas chiquito que genera un espacio es una base. 𝑣𝑛 } es una base de un espacio vectorial V entonces todo elemento de V se puede escribir de una única manera como CL de los elementos de la base. . n. .…. Supongamos: 𝑣 = 𝛼1 𝑣1 + 𝛼2 𝑣2 +.

+𝛼𝑛1 𝑣𝑛 𝑤2 = 𝛼12 𝑣1 + 𝛼22 𝑣2 +. +𝛼𝑛2 𝑣𝑛 ⋮ 𝑤𝑘 = 𝛼1𝑘 𝑣1 + 𝛼2𝑘 𝑣2 +. 𝑣2 . Como 𝐵2 es LI y 𝐵1 es base ⟹ 𝑚 ≤ 𝑛. 𝛽𝑘 𝑤𝑘 REEMPLACEMOS 𝑤𝑖 ⟹ ⃗0 = 𝛽1 (𝛼11 𝑣1 +. +𝛼𝑛𝑘 𝛽𝑘 ) Como 𝐵 = {𝑣1 . . . . entonces hay soluciones (no nulas) no triviales. . 𝑣2 . . +𝛼𝑛𝑘 𝑣𝑛 SUPONGAMOS 0 ⃗ = 𝛽1 𝑤1 + 𝛽2 𝑤2 +. 𝑣2 . y por lo tanto 𝑆 = {𝑤1 . COROLARIO: Si 𝐵1 = {𝑣1 . +𝛼𝑛2 𝑣𝑛 )+. TEOREMA: Si 𝐵 = {𝑣1 . . +𝛽𝑘 (𝛼1𝑘 𝑣1 +. 𝑣𝑛 } es LI (por ser base) entonces 𝛼11 𝛽1 +. Como k>n el sistema es compatible indeterminado. 𝑤𝑚 } son dos bases de un espacio vectorial V entonces m=n Como 𝐵1 es LI y 𝐵2 es base ⟹ 𝑛 ≤ 𝑚. . . . DEFINICION: Se llama dimensión de un espacio vectorial V a la cantidad de elementos que hay en una base cualquiera de V. . DEMOSTRACION: Sea 𝑆 = {𝑤1 . . . . 𝑣𝑛 } y 𝐵2 = {𝑤1 . +𝛼𝑛1 𝑣𝑛 ) + 𝛽2 (𝛼12 𝑣1 +. . OBS: todo conjunto que contiene el nulo es LD. +𝛼1𝑘 𝛽𝑘 = 0 { ⋮ Sistema homogéneo (porque esta igualado a cero) 𝛼𝑛1 𝛽1 +. . . 𝑤2 . . 𝑤𝑘 } es LD. . 𝑤2 . Si S es un conjunto que genera a un espacio vectorial V entonces existe un subconjunto de S que es base de V Espacios Vectoriales Álgebra y Geometría II Página 5 . +𝛼1𝑘 𝛽𝑘 ) + ⋯ + 𝑣𝑛 (𝛼𝑛1 𝛽1 +. . Lo notamos por: 𝐷𝑖𝑚(𝑉) = 𝑛 OBSERVACIONES:  𝐷𝑖𝑚({0⃗}) = 0  Se puede probar que si W es un subespacio de V ⟹ 𝐷𝑖𝑚(𝑊) ≤ 𝐷𝑖𝑚(𝑉)  Todo subespacio contiene al nulo. . +𝛼𝑛𝑘 𝛽𝑘 = 0 Con n ecuaciones y k incógnitas. 𝑤2 . . ⟹𝑚=𝑛 Todas las bases de un espacio vectorial V tienen la misma cantidad de elementos. 𝑤𝑘 } con k>n Como B es base de V y 𝑤𝑘 𝜖 𝑉 ⟹ 𝑤1 = 𝛼11 𝑣1 + 𝛼21 𝑣2 +. +𝛼𝑛𝑘 𝑣𝑛 ) ⟹ 𝑣1 (𝛼11 𝛽1 + 𝛼12 𝛽2 … . 𝑣𝑛 } es una base del espacio vectorial V entonces todo subconjunto con mas de n vectores es LD. TEOREMA: Si S es un conjunto LI de un espacio vectorial V entonces es posible extenderlo a una base de V. . . . .

𝑢2 𝜖 𝑊2 ⟹ ∝ 𝑢 =∝ 𝑢1 +∝ 𝑢2 donde ∝ 𝑢1 𝜖 𝑊1 y ∝ 𝑢2 𝜖 𝑊2 𝑙𝑢𝑒𝑔𝑜 ∝ 𝑢 𝜖 𝑊1 + 𝑊2 De (1) de (2) y de (3) 𝑊1 + 𝑊2 𝑒𝑠 𝑆𝐸𝑉 𝑑𝑒 𝑉 Espacios Vectoriales Álgebra y Geometría II Página 6 . OPERACIONES ENTRE SUBESPACIOS INTERSICCION DE SUBESPACIOS: Def: Sean 𝑊 𝑦 𝑊2 dos Subespacios de un espacio vectorial V. B es LI TEOREMA Sea V un EV y 𝐷𝑖𝑚(𝑉) = 𝑛 y sea 𝐵 = {𝑣1 . PROPIEDADES: Si M es un conjunto LI y 𝑣 ∉ 𝐿(𝑀) ⟹ 𝑀 ∪ {𝑣} 𝑒𝑠 LI. 𝑣2 . 𝑢2 + 𝑣2 𝜖 𝑊2 pues 𝑊1 es SEV. ⟹ 𝑢 + 𝑣 𝜖 𝑊1 + 𝑊2 . 𝑣𝑛 } un conjunto de V a) Si B es LI ⟹ B es base de V. Llamaremos suma de los SEV 𝑊1 𝑦 𝑊2 al conjunto 𝑊1 + 𝑊2 = {𝑣 𝜖 𝑉: 𝑣 = 𝑣1 + 𝑣2 . 𝑣 𝜖 𝑊1 + 𝑊2 DPQ 𝑢 + 𝑣 𝜖 𝑊1 + 𝑊2 Como 𝑢 𝜖 𝑊1 + 𝑊2 ⟹ 𝑢 = 𝑢1 + 𝑢2 donde 𝑢1 𝜖 𝑊1 . y 𝑢 𝜖 𝑊1 + 𝑊2 Como 𝑢 𝜖 𝑊1 + 𝑊2 ⟹ 𝑢 = 𝑢1 + 𝑢2 con 𝑢1 𝜖 𝑊1 . . llamaremos intersección de los SEV 𝑊 𝑦 𝑊2 al conjunto. 𝑢2 𝜖 𝑊2 Como 𝑣 𝜖 𝑊1 + 𝑊2 ⟹ 𝑣 = 𝑣1 + 𝑣2 donde 𝑣1 𝜖 𝑊1 . 𝑊2 𝑒𝑠 SEV. 𝑊 ∩ 𝑊2 = {𝑣 𝜖 𝑉: 𝑣 𝜖 𝑊. donde 𝑣1 ϵ 𝑊1 . TEOREMA: 𝑊1 ∪ 𝑊2 es subespacio de V ⟺ 𝑊1 ⊆ 𝑊2 ó 𝑊2 ⊆ 𝑊1 SUMA DE SUBESPACIOS: DEF: Sean 𝑊1 𝑦 𝑊2 dos Subespacios de un espacio vectorial V. DEMOSTRACION: (1) Como ⃗0 = ⃗⃗⃗⃗ 01 + ⃗⃗⃗⃗ 02 ⟹ ⃗⃗⃗⃗ 01 𝜖 𝑊1 + 𝑊2 ⟹ 𝑊1 + 𝑊2 ≠ ∅ (2) Sean 𝑢. b) Si B genera a V ⟹ B es base de V. . 𝑣2 ϵ 𝑊2 } TEOREMA: Si 𝑊1 y 𝑊2 son SEV de V ⟹ 𝑊1 + 𝑊2 es un subespacio de V. B genera a V B es base de V SI Y SOLO SI 2. 𝑣2 𝜖 𝑊2 𝑢 + 𝑣 = 𝑢1 + 𝑢2 + 𝑣1 + 𝑣2 = 𝑢1 + 𝑣1 + 𝑢2 + 𝑣2 𝑢1 + 𝑣1 𝜖 𝑊1 . 𝑦 𝑣 𝜖 𝑊2 } PROPIEDAD: Si 𝑊1 𝑦 𝑊2 son SEV de V ⟹ 𝑊1 ∩ 𝑊2 OBS: la UNION de dos SEV de V NO siempre nos da un subespacio de V. (3) Sea ∝ 𝜖 ℝ. 1.

𝑣1 𝜖 𝑊2 ⟹ 𝑣 es Combinación Lineal de elementos de 𝑊1 ∪ 𝑊2 ⟹ ⟹ 𝑣 𝜖 ℒ(𝑊1 ∪ 𝑊2 ) Luego 𝑊1 + 𝑊2 ⊆ ℒ(𝑊1 ∪ 𝑊2 )  𝑊1 ⊆ 𝑊1 + 𝑊2 y 𝑊2 = 𝑊1 + 𝑊2 ⟹ 𝑊1 ∪ 𝑊2 ⊆ 𝑊1 + 𝑊2 ⟹ 𝑊1 + 𝑊2 es un SEV de V que contiene a 𝑊1 ∪ 𝑊2 Pero como ℒ(𝑊1 ∪ 𝑊2 ) es el mas chico que contiene a 𝑊1 𝑦 𝑊2. SUMA DIRECTA: DEF: Sean 𝑊1 𝑦 𝑊2 dos SEV de un espacio vectorial V. 𝑊1 ⊕ 𝑊2 es SUMA DIRECTA si y solo si 𝑊1 ∩ 𝑊2 = {0 COROLARIO: Si 𝑊1 + 𝑊2 = 𝑊1 ⊕ 𝑊2 entonces 𝐷𝑖𝑚(𝑊1 ⊕ 𝑊2 ) = 𝐷𝑖𝑚(𝑊1 ) + 𝐷𝑖𝑚(𝑊2 ) Espacios Vectoriales Álgebra y Geometría II Página 7 . Teorema: Dados 𝑊1 𝑦 𝑊2 SEV de un EV V se cumple: 𝐷𝑖𝑚(𝑊1 +𝑊2 ) = 𝐷𝑖𝑚(𝑊1 ) + 𝐷𝑖𝑚(𝑊2 ) − 𝐷𝑖𝑚(𝑊1∩𝑊2 ) OBS: Probamos 𝑊1 + 𝑊2 = ℒ (𝐵1 ∪ 𝐵2 ) 𝐵1 ∪ 𝐵2 genera 𝑊1 + 𝑊2 pero no necesariamente es base de 𝑊1 + 𝑊2 (puede no ser LI). con 𝑣1 𝜖 𝑊1 .TEOREMA Si 𝑊1 + 𝑊2 son SEV de V entonces 𝑊1 + 𝑊2 = ℒ(𝑊1 ∪ 𝑊2 ) DEMOSTRACION 𝑣 𝜖 𝑉1 . NOTACION: 𝑊1 ⊕ 𝑊2 ⃗} TEOREMA: Sean 𝑊1 𝑦 𝑊2 SEV de V. entonces ℒ(𝑊1 ∪ 𝑊2 ) ⊆ 𝑊1 + 𝑊2 ∴ 𝑊1 + 𝑊2 = ℒ(𝑊1 ∪ 𝑊2 ) PROPOSICIÓN: 𝑊1 + 𝑊2 = ℒ(𝐵1 ∪ 𝐵2 ) donde 𝐵1es una base de 𝑊1 y 𝐵2 es base de 𝑊2. La suma de 𝑊1 𝑦 𝑊2 es llamada directa si existe una única representación de 𝑣 𝜖 𝑊1 + 𝑊2 como la suma de un elemento de 𝑊1 y uno de 𝑊2 . 𝑣1 + 𝑣2 𝑐𝑜𝑛 Sea 𝑣 𝜖 𝑊1 + 𝑊2 ⟹ 𝑊1 + 𝑊2 { 𝑣1 𝜖 𝑊1 𝑣2 𝜖 𝑊2 ⟹ 𝑣 = 𝑢1 + 𝑢2 .