Índice general

1. Espacios vectoriales 3
1.1. Definición y ejemplos de espacios vectoriales . . . . . . . . . . . . 3
1.2. Subespacios vectoriales. . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3. Conjuntos generadores y bases. . . . . . . . . . . . . . . . . . . . . 16
1.3.1. Espacios generados . . . . . . . . . . . . . . . . . . . . . . . 16
1.3.2. Conjuntos linealmente independientes . . . . . . . . . . . . 19
1.3.3. Base y dimensión de un espacio vectorial. . . . . . . . . . . 24
1.4. Producto directo y sumas directas . . . . . . . . . . . . . . . . . . 28
1.5. Espacio fila y espacio nulo asociado a una matriz. . . . . . . . . . 33

1
2 ÍNDICE GENERAL
Capı́tulo 1

Espacios vectoriales

1.1. Definición y ejemplos de espacios vectoria-

les

Definición 1.1
Sean F un campo y V un conjunto. Supongamos que existen operaciones
bilineales † ∶ V × V Ð→ V, ∗ ∶ F × V Ð→ V tales que para todo v, w, u ∈ V y
α, β ∈ F se verifican las siguientes condiciones
1. †(v, w) = †(w, v).

2. †(v, †(u, w)) = †(†(v, u), w).

3. Existe un elemento σ ∈ V tal que para todo v ∈ V, †(σ, v) = v.
4. Para todo v ∈ V existe un elemento w ∈ V tal que †(v, w) = σ.

5. ∗(α + β, v) = †(∗(α, v), ∗(β, v)).

6. ∗(α, †(v, w)) = †(∗(α, v), ∗(α, w)).
7. ∗(αβ, v) = ∗(α, ∗(β, v)).
8. ∗(1, v) = v para todo v ∈ V.

Cuando las condiciones anteriores se cumplen decimos que la terna

⟨ V, †, ∗ ⟩ es un F-espacio vectorial.

Como un abuso del lenguaje decimos simplemente que V es un F-espacio o

un espacio sobre F iempre que tengamos la suficiente claridad en las operaciones
† y ∗. También escribimos usualmente v†w y α ∗ v en lugar de †(v, w) y ∗(α, v)

3
4 CAPÍTULO 1. ESPACIOS VECTORIALES

respectivamente. Haciendo uso de esta escritura podemos ver facilmente que las
propiedades anteriores pueden ser reescritas en la forma

1. v†w = w†v.

2. (v†u)†w = v†(u†w).

3. Existe un elemento σ ∈ V tal que para todo v ∈ V, σ†v = v.

4. Para todo v ∈ V existe un elemento w ∈ V tal que v†w = σ.

5. (α + β) ∗ v = α ∗ v†β ∗ v.

6. α ∗ (v†w) = α ∗ v†α ∗ w.

7. (αβ) ∗ v = α ∗ (β ∗ v).

8. 1 ∗ v = v.

Ejemplo 1.1 Todo campo es espacio vectorial sobre si mismo

Consideremos el conjunto de los números reales F y veamos que F tiene
estructura natural de F espacio vectorial. Para ello suponemos que la ope-
ración † esta dada por la suma de números reales y que la operación ∗ esta
determinada por la multiplicación de números reales.

Ejemplo 1.2 n-Espacio afin o espacio de las n-tuplas

Sea n un entero positivo, por Fn definimos el n-espacio afin de F dado por

Fn = {(r1 , . . . , rn ), ∣ ri ∈ F }.

Los elementos de Fn son llamados n-tuplas y decimos que dos n-tuplas

(r1 , . . . , rn ) y (s1 , . . . , sn ) son iguales si coinciden componente a componen-
te, es decir ri = si para i = 1, 2, . . . , n.
Definimos las operaciones † ∶ Fn × Fn Ð→ Fn y ∗ ∶ F × Fn Ð→ Fn respectiva-
mente por

(r1 , . . . , rn ) † (s1 , . . . , sn ) = (r1 + s1 , r2 + s2 , . . . , rn + sn )

α ∗ (r1 , . . . , rn ) = (αr1 , . . . , αrn ).

Observamos que ⟨ Fn , †, ∗ ⟩ es un F-espacio vectorial. (Comprobar).

1.1. DEFINICIÓN Y EJEMPLOS DE ESPACIOS VECTORIALES 5

Ejemplo 1.3 Espacio de los polinomios en la variable x

Sea n un entero no negativo. Por Pn (x) denotamos el conjunto de todos los
polinomios hasta de grado n en la variable x.

Pn (x) = {a0 + a1 x + ⋯ + an xn ∣ ai ∈ F }

Definimos las operaciones † ∶ Fn × Fn Ð→ Fn y ∗ ∶ F × Fn Ð→ Fn respectiva-

mente por

(a0 + a1 x + ⋯ + an xn ) † (b0 +b1 x + ⋯ + nn xn ) =

(a0 + b0 ) + (a1 + b1 )x + ⋯ + (an + bn )xn
α ∗ (a0 + a1 x + ⋯ + an xn ) = αa0 + αa1 x + ⋯ + αan xn .

Ejemplo 1.4
Sea V = {ex ∣ x ∈ F}. Definamos las operaciones † y ∗ de la siguiente
manera.
ex † ey = ex ⋅ ey = ex+y , α ∗ ex = eαx .
Veamos que ⟨ V, †, ∗ ⟩ es un F-espacio vectorial. Para ello vamos a probar
cada uno de los 8 axiomas.
1. ex † ey = ex+y = ey+x = ey † ex . La conmutatividad de los reales permi-
ten intercambiar de posicion x y y en las potencias de e.

2. Desde la definición es claro que

(ex † ey ) † ez = ex+y † ez = e(x+y)+z ,

por otro lado

ex † (ey † ez ) = ex † ey+z = ex+(y+z) .

Usando las propiedades de los reales y de la potenciación obtenemos

la igualdad buscada.
3. Veamos ahora que existe un σ en V tal que ex † σ = ex . Como σ ∈ V en-
tonces σ = ey para algún y ∈ F. Por las propiedades de la potenciación
tenemos que
ey † ex = ey+x = ex
por tanto x = x + y luego y = 0 de esta forma tenemos que σ = e0 .

4. Observamos que para ex ∈ V el elemento e−x ∈ V verifica la condición

ex † e−x = ex−x = e0 = σ. Por tanto todo elemento de V posee inverso.
6 CAPÍTULO 1. ESPACIOS VECTORIALES

5. Sean α, β ∈ F y v ∈ V. Tenemos que

(α + β) ∗ ex = e(α+β)x = eαx+βx = eαx † eβx = α ∗ ex † β ∗ ex .

6. Sean ex , ey ∈ V y α ∈ F.

α ∗ (ex † ey ) = α ∗ ex+y = eα(x+y) = eαx+αy = eαx † eαy = α ∗ ex † α ∗ ey .

7. Sean α, β ∈ F y ex ∈ V. Entonces

α ∗ (β ∗ ex ) = α ∗ (eβx ) = eα(βx) = e(αβ)x = (αβ) ∗ ex

8. Finalmente tenemos que 1 ∗ ex = e1⋅x = ex .

Ejemplo 1.5
Sea V = {ex ∣ x ∈ F⋆ }. Definamos las operaciones † y ∗ de la siguiente
manera. α
ex † ey = exy , α ∗ ex = ex .
Veamos que ⟨ V, †, ∗ ⟩ es un F-espacio vectorial. Para ello vamos a probar
cada uno de los 8 axiomas.
1. ex † ey = exy = eyx = ey † ex . La conmutatividad en el producto de los
reales permiten intercambiar de posicion x y y en las potencias de e.

2. Desde la definición es claro que

(ex † ey ) † ez = exy † ez = e(xy)z ,

por otro lado

ex † (ey † ez ) = ex † eyz = ex(yz) .
Usando las propiedades de los reales y de la potenciación obtenemos
la igualdad buscada.

3. Veamos ahora que existe un σ en V tal que ex † σ = ex . Como σ ∈ V en-

tonces σ = ey para algún y ∈ F. Por las propiedades de la potenciación
tenemos que
ey † ex = eyx = ex
por tanto x = xy luego y = 1 de esta forma tenemos que σ = e1 .
−1
4. Observamos que para ex ∈ V el elemento ex ∈ V verifica la condición
−1 −1
ex † ex = exx = e1 = σ. Por tanto todo elemento de V posee inverso.
1.1. DEFINICIÓN Y EJEMPLOS DE ESPACIOS VECTORIALES 7

5. Sean α, β ∈ F y v ∈ V. Tenemos que

(α+β) α
xβ α β
(α + β) ∗ ex = ex = ex = ex † ex = α ∗ ex † β ∗ ex .

6. Sean ex , ey ∈ V y α ∈ F.
α α α α α
α ∗ (ex † ey ) = α ∗ exy = e(xy) = ex y
= ex † ey = α ∗ ex † α ∗ ey .

7. Sean α, β ∈ F y ex ∈ V. Entonces
β α β (
α ∗ (β ∗ ex ) = α ∗ (ex ) = e(x )
= ex αβ)
= (αβ) ∗ ex

1
8. Finalmente tenemos que 1 ∗ ex = ex = ex .

Ejemplo 1.6 El espacio de las matrices con entradas reales

Consideremos el conjunto Mn×m (F) de todas las matrices de orden n × m
con entradas reales. Definimos † y ∗ como siendo las operaciones suma de
matrices y producto por un escalar definidos en ??. Las propiedades de
F-espacio vectorlal en Mn×m (F) se deducen desde la Proposición ??.

Ejemplo 1.7 El espacio de las funciones de valores reales

Sea A ⊆ F, definimos el conjunto

CA (F) = {f ∶ A Ð→ F ∣f es función}

Deefinimos las operaciones † ∶ CA (F) × CA (F) Ð→ CA (F) y ∗ ∶ F × CA (F) Ð→

CA (F) por:

(f †g)(x) = f (x) + g(x), y (α ∗ f )(x) = α f (x)

Es fácil ver que con las operaciones anteriormente definidas CA es un F-

espacio vectorial.

Ejemplo 1.8
Consideremos el conjunto de los vectores libres E con operaciones † y ∗
dadas respectivamente por la suma de vectores y el producto por un escalar.
8 CAPÍTULO 1. ESPACIOS VECTORIALES

Es claro que ⟨ E, †, ∗ ⟩ es un F-espacio vectorial.

Proposición 1.1
Sea ⟨V, †, ∗⟩ un F-espacio vectorial.
(1) Sı́ existen σ y ϕ en V tales que σ†v = v y ϕ†v = v para todo v ∈ V ,
entonces σ = ϕ. (Unicidad del neutro aditivo).
(2) Sı́ fijado v ∈ V existen u y w en V tales que u†v = σ y u†w = σ
entonces v = w. (Unicidad del inverso aditivo).

Demostración: Sea ⟨ V, †, ∗ ⟩ un F-espacio vectorial y supongamos que exis-

ten ϕ y σ en V tales que para todo v ∈ V ϕ†v = v y σ†v = v. En particular
tenemos que ϕ†σ = σ y σ†ϕ = ϕ. Observamos ahora que

ϕ = σ†ϕ = ϕ†σ = σ.

Veamos ahora que dado v ∈ V existe un único w ∈ V tal que v†w = σ. Como
en el caso anterior podemos suponer que existe u tal que v†u = σ, de donde
tenemos
w = w†σ = w†(v†u) = (w†v)†u = σ†u = u.

Notación
El elemento σ es llamado elemento neutro. Una vez fijado u el elemento
w que verifica u†w = σ es llamado el inverso aditivo de u y usualmente
lo denotamos por −u, de esta forma tenemos que u†(−u) = σ.

Proposición 1.2
Sea V un F-espacio vectorial entonces:

1. 0 ∗ v = σ cualquiera sea v ∈ V.
2. α ∗ σ = σ cualquiera sea α ∈ F.
3. −1 ∗ v = −v para todo v ∈ V.

4. α ∗ v = σ implica que α = 0 o v = σ.

Demostración:
1.1. DEFINICIÓN Y EJEMPLOS DE ESPACIOS VECTORIALES 9

1. Observamos que 0 = 0 + 0 luego 0 ∗ v = (0 + 0) ∗ v = o ∗ v†0 ∗ v y por la

propiedad (4) sumando el inverso aditivo de 0 ∗ v a ambos lados de la
igualdad obtenemos σ = 0 ∗ v.

2. Similar al anterior.

3. Observamos que para todo v ∈ V se cumple que

σ = 0 ∗ v = (1 + (−1)) ∗ v = 1 ∗ v†(−1) ∗ v = v†(−1) ∗ v

por tanto (−1) ∗ v es un inverso aditivo de v, el cual por la Proposición

anterior sabemos que es único e igual a −v, por tanto −1 ∗ v = −v.

4. Supongamos que α ≠ 0. Como α ∈ F − {0} entonces existe α−1 tal que

α⋅α−1 = 1. De la igualdad α∗v = σ se obtiene que α−1 ∗(α∗v) = α−1 ∗σ = σ.
Pero α−1 ∗ (α ∗ v) = (α−1 ⋅ α) ∗ v = 1 ⋅ v = v = σ, por tanto v = σ.

Observación
Las operaciones † y ∗ son llamadas respectivamente operación aditiva o
suma del espacio y producto por un escalar, siendo la primera de ellas
una operación interna mientras que la segunda es una operación externa.
En adelante escribimos u + v en lugar de u † v y αv en lugar de α ∗ v.
Observamos además que aunque la operación + se llama aditiva o suma
esta no siempre representa una suma.

Problemas de entrenamiento 1.1

1. Responda a las siguientes preguntas sobre espacios vectoriales:
a) ¿La operación interna llamada suma representa una suma?
b) ¿El elemento neutro de un espacio vectorial V, al cual repre-
sentamos por σ representa el cero de los reales?
c) ¿Será posible considerar Q como un F-espacio vectorial con las
operaciones usuales?
2. Determine si el conjunto dado tiene estructura de F-espacio vecto-
rial con las operaciones indicadas.

a) V = {(x, y) ∣ x, y ∈ F }.

(x, y)†(z, t) = (x + z, y + t),

α ∗ (x, y) = (αx, αy).
10 CAPÍTULO 1. ESPACIOS VECTORIALES

b) V = {(x, y) ∣ x + y = 0, x, y ∈ F }.

(x, y)†(z, t) = (x + y, z + t),

α ∗ (x, y) = (αx, αy)

c) V = {(x + 1, y + 1) ∣ x, y ∈ F }.

(x, y)†(z, t) = (x + z, y + t),

α ∗ (x, y) = (αx, αy).

d ) V = {(x, y) ∣ x + y = 2, x, y ∈ F }.

(x, y)†(z, t) = (x + z, y + t),

α ∗ (x, y) = (αx, αy).

e) V = {(x, y) ∣ x + y = 0 x, y ∈ F }.

(x, y)†(z, t) = (x + z, y + t),

α ∗ (x, y) = (αx, αy).

f ) V = {(x, y) ∣ x + y = 0 x, y ∈ F }.

(x, y)†(z, t) = (z + t, x + y),

α ∗ (x, y) = (αy, αx)

g) V = {(x, y, z) ∣ x, y, z ∈ F }.

(x1 , y1 , z1 )†(x2 , y2 , z2 ) = (x1 + x2 , y1 + y2 , 0),

α ∗ (x, y) = (αx, αy, 0)

h) V = {(et , x, y) ∣ t, x ∈ F∗ , y ∈ F}

(et1 , x1 , y1 )†(et2 , x2 , y2 ) = (et1 t2 , x1 x2 , y1 + y2 )

α
α ∗ (et , x, y) = (et , xα , αy)

i ) V = {(et , x, y) ∣ t ∈ F∗ , x ∈ Q∗ y ∈ F}

(et1 , x1 , y1 )†(et2 , x2 , y2 ) = (et1 t2 , x1 x2 , y1 + y2 )

α
α ∗ (et , x, y) = (et , xα , αy)

3. Suponga que V = {(x, y) ∣ x + y = 0, x, y ∈ F } con las operaciones

(x, y)†(z, t) = (x + y, z + t) y α ∗ (x, y) = (αx, αy) es un F-espacio
vectorial. Demuestre que V = {(0, 0)}
1.2. SUBESPACIOS VECTORIALES. 11

4. Por R(Mn (F)) denotamos el conjunto de todas las matrices cua-

dradas de orden n con entradas en los reales que son inversibles y
que además son conmutativas respecto al producto usual de matri-
ces. En F definimos las operaciones † como siendo la suma usual de
números reales y consideramos la aplicación

∗ ∶ R(Mn (F)) × F Ð→ F

dada por A ∗ α = tr(A)α donde tr(A) denota la traza de la matriz

A.
Determine si con las operaciones anteriores ⟨ F, †, ∗ ⟩ tiene estruc-
tura de R(Mn (F))-espacio vectorial.

5. Identico al ejercicio anterior pero haciendo A ∗ α = a11 a22 ⋯ ann α

6. Sea C(Mn (F)) = {A ∈ Mn (F) ∣ AB = BA, ∀B ∈ Mn (F) }. Para A
y B ∈ C(Mn (F)) y α ∈ F definimos A†B = AB y α ∗ A = αA.
Demuestre que ⟨ C(Mn (F)), †, ∗ ⟩ es un F-espacio vectorial.

1.2. Subespacios vectoriales.

Definición 1.2
Sean ⟨ V, †, ∗ ⟩ un F-espacio vectorial y W ⊆ V. Decimos que W es un
F-subespacio de V si ⟨ W, †, ∗ ⟩ es un F-espacio. En este caso denotamos
W ≤ V.

En particular podemos observar que dado un F-espacio V este tiene al me-

nos dos subespacios a saber, el mismo V y el subespacio nulo O = {σ}. Estos
subespacios son llamados los subespacios triviales de V. Si W es un subespacio
de V y W es diferente de V y de O, decimos que W es un subespacio propio de
V. Denotamos W ≤ V.

Ejemplo 1.9
Sea V = F3 el espacio afin con suma y producto por un escalar usuales, es
decir (x1 , y1 , z1 ) + (x2 , y2 , z2 ) = (x1 + x2 , y1 + y2 , z1 + z2 ) y α(x1 , y1 , z1 ) =
(αx1 , αy1 , αz1 ). Es claro que ⟨ F3 , + , ⋅ ⟩ es un F-espacio vectorial. Sea W =
{(x, −x, 0) ∣ x ∈ F}. Veamos que W es un F-subespacio de V .
Para comenzar observamos que las operaciones + y ⋅ son cerradas para
elementos de W . En efecto, sean u y v elementos de W , por tanto u =
12 CAPÍTULO 1. ESPACIOS VECTORIALES

(x, −x, 0) y v = (y, −y, 0) para algunos x, y ∈ F.

u+v = (x, −x, 0)+(y, −y, 0) = (x+y, −x+(−y), 0+0) = (x+y, −(x+y), 0) = (z, −z, 0)

donde z = x + y ∈ F, mientras que

α(y, −y, 0) = (αy, α(−y), 0) = (αy, α(−1 y), 0) = (αy, −αy, 0) = (t, −t, 0)

donde t = αy ∈ F.
Vemos ahora que las propiedades (1)-(8) valen para los elementos de W .
En particular tenemos que si u y v son elementos de W entonces lo son de
V , por tanto u+v = v+u. Similarmente afirmamos que u+(v+w) = (u+v)+w.
Ahora, es claro que (0, 0, 0) ∈ W y que dado u = (x, −x, 0) ∈ W , entonces
−u = (−x, −(−x), 0) también es un elemento de W , más aún (x, −x, 0) +
(−x, −(−x), 0) = (x + −x, −x + −(−x), 0 + 0) = (0, 0, 0).
Ahora, tenemos que (α + β)(x, −x, 0) = ((α + β)x, (α + β)(−x), (α + β)0) =
(αx + βx, −αx − βx, 0) = (αx, −αx, 0) + (β, −βx, 0) = α(x, −x, 0) + β(x, −x, 0).
De modo análogo se demuestran las otras propiedades.

Proposición 1.3
Sean V un F-espacio vectorial y W un F-subespacio de V. Entonces σW =
σV , donde σW denota el neutro aditivo en W y σV denota el neutro aditivo
en V.

Demostración: En efecto, como σW es el neutro aditivo en W, entonces es

claro que para cualquier w ∈ W se tiene que w + σW = w, pero w ∈ V, por tanto
w + σV = w, y dada la unicidad del neutro aditivo, tenemos σW = σV .

Teorema 1.1
Sean V un F-espacio vectorial y W ⊆ V. W es un F-subespacio de V si y
solo si para todo w1 , w2 ∈ W y α ∈ F se verifica que w1 + αw2 ∈ W

Demostración: Supongamos que W es un F-subespacio de V. Por tanto para

todo α ∈ F y w ∈ W es claro que αw ∈ W. Más aún, para todo u, v ∈ W se tiene
que u + v ∈ W. Tomemos u = w1 y v = αw2 , luego es claro que para todo w1 ,
w2 ∈ W y α ∈ F se tiene que w1 + αw2 ∈ W.
Veamos ahora que el reciproco también vale. Supongamos que para todo w1 ,
w2 ∈ W y α ∈ F se tiene que w1 + αw2 ∈ W, veamos que W es un F-espacio
vectorial.
1.2. SUBESPACIOS VECTORIALES. 13

Para comenzar observamos que en particular α = 1 ∈ F por tanto para todo

w1 , w2 ∈ W, se cumple que w1 + w2 ∈ W, por tanto W es cerrado para la suma.
Como las igualdades w1 + w2 = w2 + w1 y (w1 + w2 ) + w3 = w1 + (w2 + w3 ) son
validas en todo V, en particular son validas en W.
Veamos ahora que σV ∈ W. Sea w ∈ W, luego w + (−1)w ∈ W, por tanto
σV ∈ W.
Ahora, es claro que para todo w ∈ W, se tiene que (−1)w ∈ W por tanto,
existe −w tal que w + −w = σV .
Veamos ahora que W es cerrado para el producto por un escalar. Para ello
basta con observar que σV ∈ W, por tanto para todo α ∈ F y w ∈ W es claro que
σV + αw ∈ W, ası́ W es cerrado para el producto por un escalar.
Finalmente, dado que (α + β)w = αw + βw es una igualdad que vale en V,
entonces debe valer en cualquier subconjunto de V, en particular vale en W.
Similarmente las demás propiedades, por tanto W es un F espacio vectorial con
operaciones las mismas de V y ası́ tenemos que W es un F-subespacio de V.

Proposición 1.4
Sean U y W F-subespacios de V, entonces U ⋂ W también es un F-
subespacio de V.

Demostración: Sean u y v ∈ U ⋂ W y α ∈ F. Veamos que u + αv ∈ U ⋂ W.

Como u y v ∈ U ⋂ W en particular u y v ∈ U, como U es un R-subespacio,
entonces u + αv ∈ U. Con un argumento similar es claro que u + αv ∈ W, por
tanto u + αv ∈ U ⋂ W.

Ejemplo 1.10
Consideremos el espacio 3-afin sobre F y sean U = {(x, y, z) ∈ F3 ∣ x+y−z = 0}
y W = {(x, y, z) ∈ F3 ∣ x − y + z = 0}.
(a) Verifique que U y W son subespacios de F3 .
Sean x = (x1 , x2 , x3 ) y y = (y1 , y2 , y3 ), α ∈ F. Sea z = x + αy, z = (z1 + z2 − z3 )
x + αy =(x1 , x2 , x3 ) + α(y1 , y2 , y3 ) =
(x1 , x2 , x3 ) + (αy1 , αy2 , αy3 ) =
(x1 + αy1 , x2 + αy2 , x3 + αy3 ) = (z1 , z2 , z3 ).
Sı́ x, y ∈ U, entonces x1 + x2 − x3 = y1 + y2 − y3 = 0. Veamos que z ∈ U, es
decir, vamos a probar que z1 + z2 − z3 = 0.
z1 + z2 − z3 =(x1 + αy1 ) + (x2 + αy2 ) − (x3 + αy3 ) =
(x1 + x2 − x3 ) + (αy1 + αy2 − αy3 ) =
(x1 + x2 − x3 ) + α(y1 + y2 − y3 ) = 0 + α0 = 0.
14 CAPÍTULO 1. ESPACIOS VECTORIALES

Por tanto U es un F-subespacio de F3 .

Si x, y ∈ W, entonces x1 − −x2 + x3 = y1 − y2 + y3 = 0, veamos que z ∈ W, es
decir z1 − z2 + z3 = 0.

z1 − z2 + z3 =(x1 + αy1 ) − (x2 + αy2 ) + (x3 + αy3 ) =

(x1 − x2 + x3 ) + (αy1 − αy2 + αy3 ) =
(x1 − x2 + x3 ) + α(y1 − y2 + y3 ) = 0 + α0 = 0.
Por tanto W es un F-subespacio de F3 .
(b) Encuentre el espacio U ∩ W. Supongamos que x = (x1 , x2 , x3 ) ∈ U ∩ W,
por tanto x1 + x2 − x3 = 0 y x1 − x2 + x3 = 0, desde la primera igualdad
tenemos que x3 = x1 +x2 y reemplazando en la segunda igualdad, obtenemos
x1 −x2 +(x1 +x2 ) = 0 es decir, 2x1 = 0 por tanto x1 = 0, como x1 = 0, entonces
x3 = x2 , asi U ∩ W = {(0, y, z) ∈ F3 ∣ y − z = 0}.

Observación
En general la unión de subespacios no es un subespacio.
Consideremos V = F2 , con suma y producto por un escalar usuales. Sean
U = {(x, y) ∣ y = −x} y W = {(x, y) ∣ x = y}. Es claro que U y W son
F-subespacios de V.
Observamos que (1, 1) y (1, −1) ∈ U ⋃ W ⊆ V, pero (1, 1) + (1, −1) = (2, 0)
no pertenece a U ⋃ W, pues (2, 0) ∉ U y (2, 0) ∉ W.

Problemas de entrenamiento 1.2

1. Sea F2 el 2-espacio afin. (suma y producto usuales). Demuestre o
refute
a) V = {(x, y) ∈ F2 ∣ x + y = 0} es un F-subespacio de F2 .
b) V = {(x, y) ∈ F2 ∣ x + 3y = 0} es un F-subespacio de F2 .
c) V = {(x, x) ∈ F2 } es un F-subespacio de F2 .
d) V = {(x, x2 ) ∈ F2 } es un F-subespacio de F2 .
e) V = {(x, y) ∈ F2 ∣ x + y = 3} es un F-subespacio de F2 .
f) V = {(x, 1) ∈ F2 } es un F-subespacio de F2 .
g) V = {(x, 4x) ∈ F2 } es un F-subespacio de F2 .
2. Sea F4 el 4-espacio afin. (suma y producto usuales). Demuestre o
refute
a) V = {(x, y, z, t) ∈ F4 ∣ x + y − z = 0} es un F-subespacio de F4 .
1.2. SUBESPACIOS VECTORIALES. 15

b) V = {(x, y, z, t) ∈ F4 ∣ x + y + z + t = 0} es un F-subespacio de F4 .
c) V = {(x, y, z, t) ∈ F4 ∣ x + y − z + t2 = 0} es un F-subespacio de
F4 .
d ) V = {(x, y, z, t) ∈ F4 ∣ x2 + y 2 − z 2 = 0} es un F-subespacio de F4 .
e) V = {(x, y, x + y, −x) ∈ F4 } es un F-subespacio de F4 .
f ) V = {(x, x, z, z) ∈ F4 } es un F-subespacio de F4 .
g) V = {(x, x2 , z, −z) ∈ F4 } es un F-subespacio de F4 .
h) V = {(x, y, x + y, x − y) ∈ F4 } es un F-subespacio de F4 .
3. Sea Mn (F) el conjunto de las matrices cuadradas de orden n con
entradas reales. Sabemos que Mn (F) con las operaciones de suma
y producto por un escalar es un F-espacio vectorial.
a) Sea Hn (Mn (F), t) = {A ∈ Mn (F) ∣ A − At = 0} donde At es la
matriz traspuesta de A. Demuestre que Hn (Mn (F), t) es un
F-subespacio de Mn (F).
b) Sea Sn (Mn (F), t) = {A ∈ Mn (F) ∣ A + At = 0} donde At es la
matriz traspuesta de A. Demuestre que Sn (Mn (F), t) es un
F-subespacio de Mn (F).
4. Sea Pk (x) el conjunto de todos los polinomios hasta de grado k con
operaciones usuales.
a) Sea V = {a0 + a2 x2 + ⋯ + a2n x2n } ⊆ P2n (x). Determine si V- es
un F-subespacio de P2n (x).
b) Sea V = {a0 + a1 x + ⋯ + a6 x6 ∣ a0 + a2 + a4 + a6 = 0} ⊆ P6 (x).
Determine si V- es un F-subespacio de P6 (x).
c) Sea V = {a0 + a1 x + ⋯ + a4 x4 ∣ a0 − a1 = a2 − a3 = 0} ⊆ P4 (x).
Determine si V- es un F-subespacio de P4 (x).
5. Sea CA = {f ∶ A Ð→ F ∣ f es función }. Considere el espacio CA con
las operaciones usuales. Determine:
a) Sea PA ⊆ CA , donde f ∈ PA sı́ f es una función par, es decir
f (−x) = f (x). ¿Es PA un F-subespacio de CA ?
b) Sea IA ⊆ CA , donde f ∈ PA sı́ f es una función impar, es decir
f (−x) = −f (x). ¿Es IA un F-subespacio de CA ?
c) Sea TA ⊆ CA , donde f ∈ TA sı́ f es una función lineal, es decir
f (x + αy) = f (x) + αf (y), α ∈ F. ¿Es TA un F-subespacio de
CA ?
6. Sean A ∈ Mn×m (F) y SA = {x ∈ Fm ∣ Ax = 0} ⊆ Fm . Demuestre que
SA es un F-subespacio de Fm .
16 CAPÍTULO 1. ESPACIOS VECTORIALES

7. Considere los subespacios de F4 , V = {(x, y, z, t) ∈ F4 ∣ x + y − z = 0}

y W = {(x, y, z, t) ∈ F4 ∣ x + y + z + t = 0}. Encuentre V ∩ W.
8. Sean PA y TA como en el ejercicio (5). Calcule el subespacio IA ∩TA

1.3. Conjuntos generadores y bases.

1.3.1. Espacios generados

Definición 1.3
Sean V un F-espacio vectorial y S ⊆ V. Definimos el conjunto de las
combinaciones lineales de S como siendo:
L(S) ={ ∑ αi ⋅ si ∣ αi ∈ F, si ∈ S } =
finitas
{α1 si1 + α2 si2 + ⋯ + αk sik ∣ αj ∈ F, sij ∈ S}

En particular, si S es un conjunto finito, digamos S = {s1 , s2 , . . . , sn },

entonces
L(S) = {α1 s1 + α + 2s2 + ⋯ + αn sn ∣ αi ∈ F}.

Ejemplo 1.11
Consideremos V = F3 y sea S = {(1, 0, 2), (−1, 1, 0)}. Es claro que L(S) =
{α(1, 0, 2) + β(−1, 1, 0) ∣ α, β ∈ F}.
Observamos que (0, 1, 2) ∉ S pero (0, 1, 2) ∈ L(S), pues tomando α = β = 1
obtenemos
(0, 1, 2) = (1, 0, 2) + (−1, 1, 0).

Ejemplo 1.12
Sea S = {1 + x2 , 2x − 3x3 , x + x2 − x3 , 1 + 2x + 3x2 − x3 } ⊆ P3 (x), donde P3 (x)
denota el espacio de los polinomios hasta de grado 3
Sea p = 3 + 2x − 4x2 + x3 . Determine si p ∈ L(S).
1.3. CONJUNTOS GENERADORES Y BASES. 17

Supongamos que p ∈ L(S), entonces existen α1 , α2 , α3 y α4 ∈ F tales que

p = α1 (1 + x2 ) + α2 (2x − 3x3 ) + α3 (x + x2 − x3 ) + α4 (1 + 2x + 3x2 − x3 ) =

(α1 + α4 ) + (2α2 + α3 + 2α4 )x + (α1 + α2 + 3α4 )x2 + (−3α2 − α3 − α4 )x3 .

Por la igualdad de polinomios tenemos

⎧
⎪ α1 + α4 = 3 ⎛1 0 0 1 ∣ 3⎞
⎪
⎪
⎪
⎪ 2α2 + α3 + 2α4 = 2 ⎜0 2 1 2 ∣ 2⎟
S ∶= ⎨ ⇐⇒ ⎜ ⎟ (1.1)
⎪
⎪ α1 + α2 + 3α4 = −4 ⎜1 1 0 3 ∣ −4⎟
⎪
⎪ ⎝0
⎪
⎩−3α 2 − α3 − α4 = 1 −3 −1 −1 ∣ 1⎠

Observamos que la matriz escalonada reducida asociada al sistema (1.1)

esta dada por
⎛1 0 0 1 ∣ 3 ⎞
⎜0 1 0 2 ∣ −7⎟
⎜ ⎟ (1.2)
⎜0 0 1 −2 ∣ 16 ⎟
⎝0 0 0 3 ∣ 38 ⎠

y la solución a dicha ecuación es única, por tanto existen α1 , α2 , α3 y α4 ∈ F

tal que la propiedad vale, es decir, p ∈ L(S).

Proposición 1.5
Sea V un F-espacio vectorial y S ⊆ V. Entonces L(S) es un F-subespacio
de V, más aún,
L(S) = ⋂ W
W≤V
S⊆W

Demostración: Para comenzar vamos a probar que L(S) es un F-subespacio

de V. Sean u, w ∈ L(S), por tanto existen un número finito de escalares, digamos
α1 , . . . , αk , β1 , . . . , βm y un número finito de elementos de S, digamos si1 , . . . , sik
y sj1 , . . . , sjm tales que u = α1 si1 +α2 si2 +⋯+αk sik y w = β1 sj1 +β2 sj2 +⋯+βm sjm .
Observamos que

u + w = (α1 si1 + α2 si2 + ⋯ + αk sik ) + (β1 sj1 + β2 sj2 + ⋯ + βm sjm )

= γ1 x1 + ⋯ + γk xk + γk+1 xk+1 + ⋯ + γk+m xk+m

donde γt = αt si t = 1, . . . , k, γk+t = βt para t = 1, . . . , m, xt = sit si t = 1, . . . , k,

xk+t = sjt para t = 1, . . . , m. Observamos que xj ∈ S, luego u + w es una suma
finita de elementos de S y por tanto u + w ∈ L(S). Similarmente vemos que
αu ∈ L(S) para cualquier α ∈ F.
18 CAPÍTULO 1. ESPACIOS VECTORIALES

Ahora, es claro que S ⊆ L(S), pues basta observar que para todo s ∈ S,
s = 1 ⋅ s, por tanto L(S) es un subespacio de V que contiene a S, luego L(S)
contiene a la intersección de todos los subespacios que contienen a S, hemos asi
probado
⋂ W ⫅ L(S).
W≤V
S⊆W

Veamos ahora la contención contraria, denotemos por U = ⋂ W

W≤V
S⊆W
Sea u ∈ L(S), luego existen si1 , . . . , sik y sj1 , . . . , sjm tales que u = α1 si1 +
α2 si2 + ⋯ + αk sik , como sij ∈ S, entonces sij ∈ U , luego αj sij ∈ U para cualquier
j puesto que U es un subespacio vectorial, luego u ∈ U y por tanto

⋂ W = L(S).
W≤V
S⊆W

Definición 1.4
Sea V un F-espacio vectorial y S ⊆ V. Decimos que S es un conjunto
generador de V o que V es generado por S, si V = L(S). Esto es, para
cada v ∈ V, existen s1 , s2 , . . . , sk ∈ S y α1 , α2 , . . . , αk ∈ F tales que

v = α1 s1 + α2 s2 + ⋯ + αk sk

Observación
Observe que en general si S es un conjunto generador de V, los si y αi
de la definición anterior no son únicos.

Ejemplo 1.13

1. Sea V = R, observamos que cada uno de los conjuntos S1 = {1} y

S2 = {2, 3}, es un conjunto generador para R, cuando R es considerado
como R-espacio vectorial. Observe que para todo α ∈ R, α = α ⋅ 1,
α = α6 ⋅ 2 + 2α
9
⋅ 3.
2. Consideremos el espacio vectorial de los polinomios hasta de grado n
con coeficientes reales Pn (x) = {a0 + a1 x + a2 x2 + ⋯ + an xn ∣ ai ∈ R}.
Observamos que el conjunto E = {1, x, x2 , x3 , . . . , xn }, es un conjunto
generador de Pn (x).
3. Sea V = R2 y S = {(1, 0), (0, 1), (1, −1), (−1, 1)}. Veamos que S es
un conjunto generador de R2 . Para ello consideramos un elemento
1.3. CONJUNTOS GENERADORES Y BASES. 19

arbitrario de R2 , digamos v = (v1 , v2 ) donde vi ∈ R. Observamos que

v = v1 (1, 0) + v2 (1, 0)

por tanto S genera a R2 .

1.3.2. Conjuntos linealmente independientes

Definición 1.5
Sea V un F-espacio vectorial y S ⊆ V. Decimos que S es un conjun-
to linealmente independiente de V sı́ para cualquier subconjunto finito
{s1 , s2 , . . . , st }, de elementos de S la igualdad

α1 s1 + α2 s2 + ⋯ + αt st = σ

implica que α1 = α2 = ⋯ = αt = 0. En particular observamos que si S es

finito, digamos S = {s1 , s2 , . . . , sn }, entonces S es linealmente indepen-
diente si la igualdad

α1 s1 + α2 s2 + ⋯ + αn sn = σ

implica que α1 = α2 = ⋯ = αn = 0.
Sı́ el conjunto S no es linealmente independiente, decimos que S es lineal-
mente dependiente.

Observación
Notese que sı́ σ ∈ S, entonces S no es linealmente independiente. Basta
con observar que α ⋅ σ = σ para cualquier escalar α, por tanto 1 ⋅ σ = σ
pero 1 ≠ 0.

Ejemplo 1.14

1. Consideremos el conjunto de los polinomios hasta de grado n, Pn (x)

y sea S = {1 + x, x − x2 , x2 }, observamos que S es linealmente inde-
pendiente.
Para ello tomamos la combinación lineal

α ⋅ (1 + x) + β ⋅ (x − x2 ) + γ ⋅ x2 = 0.
20 CAPÍTULO 1. ESPACIOS VECTORIALES

Desde la igualdad de polinomios, tenemos que α = β = γ = 0, por tanto

S es linealmente independiente.
2. El conjunto {1, 2} es linealmente dependiente en el R-espacio vectorlal
R. En efecto, observamos que la combinación lineal −2 ⋅ 1 + 1 ⋅ 2 = 0,
pero −2 ≠ 0 y 1 ≠ 0.
3. Sea V = R2 , V como R-espacio vectorial. Consideremos el conjunto
S = {(1, 0), (−1, 1), (0, 2)}, veamos que S es linealmente dependiente,
Tomemos la combinación lineal

α(1, 0) + β(1, −1) + γ(0, 2) = (0, 0),

por tanto, α − β = 0 y −β + 2γ = 0, de donde resulta que β = 2γ = α,

por tanto al tomar cualquier γ ≠ 0, observamos que

2γ(1, 0) + 2γ(−1, 1) + γ(0, 2) = (0, 0).

Proposición 1.6
Sea S ⊆ V, entonces:
1. Si S es linealmente independiente y S ′ ⊆ S, entonces S ′ también es
linealmente independiente.
2. Si S es linealmente dependiente y S ⊆ S ′ , entonces S ′ también es
linealmente dependiente.
3. Sı́ σ ∈ S, entonces S es linealmente dependiente.

Demostración:
1. Sea T = {t1 , t2 , . . . , tn } un subconjunto arbitrario y finito de S ′ y conside-
remos la combinación lineal

α1 t1 + α2 t2 + ⋯ + αn tn = σ (1.3)

Observamos que T ⊆ S ′ ⊆ S, por tanto T es un subconjunto arbitrario y finito

de S, Pero S el cual es linealmente independiente, por tanto la igualdad (1.3)
se verifica si y solo si α1 = α2 = ⋯ = αn = 0, de donde se concluye que S ′ es
linealmente independiente.
2. Como S es linealemte dependiente, entonces existen s1 , . . . , sk en S y
escalares no nulos α1 , . . . , αk tales que

σ = α1 s1 + α2 s2 + ⋯ + αk sk .
1.3. CONJUNTOS GENERADORES Y BASES. 21

Como los si ∈ S ⊆ S ′ , entonces la igualdad anterior tambián vale en S ′ y por

tanto S ′ es linealmente dependiente.
3. Sea α ≠ 0, como σ ∈ S entonces 0σ = σ es una combinación lineal con un
escalar no nulo, por tanto S es linealmente dependiente.

Lema 1.1 Sea B = {v1 , . . . , vn } un subconjunto de V tal que vi ≠ σ para todo

i, vi ≠ vj para i ≠ j. Supongamos que para cierto w ∈ V existen escalares
α1 , . . . , αn no todos nulos tales que w = α1 v1 + ⋯ + αn vn . Sı́ αi es uno de los
escalares diferente de cero, entonces:
1. L(B) = L(Bi ∪ {w}), donde Bi = {v1 , . . . , vi−1 , vi+1 , . . . , vn }.

2. Sı́ B es linealmente independiente, entonces w ∉ L(Bi ).

Demostración: Inicialemente observamos que desde la igualdad

w = α1 v1 + ⋯ + αi−1 vi−1 + αi vi + αi+1 vi+1 + ⋯ + αn vn (1.4)

obtenemos que

−αi vi = α1 v1 + ⋯ + αi−1 vi−1 + αi+1 vi+1 + ⋯ + αn vn − w

y como αi ≠ 0, entonces
α1 αi−1 αi+1 αn 1
vi = v1 + ⋯ + vi−1 + vi+1 + ⋯ + vn − w. (1.5)
−αi −αi −αi −αi −αi
1. Veamos que los espacios generados por L(B) y L(Bi ∪ {w}) son exacta-
mente los mismos. Sea x ∈ L(B), por tanto existen β1 , . . . , βn escalares, no todos
nulos tales que x = β1 v1 + ⋯ + βn vn . Sı́ βi = 0, entonces x ∈ L(Bi ) ⊆ L(Bi ∪ {w}).
Supongamos que βi ≠ 0, luego tenemos

x = β1 v1 + ⋯β1 i − 1vi−1 + βi vi + βi+1 vi+1 + ⋯ + βn vn . (1.6)

Sustituyendo (1.5) en (1.6) obtenemos

1
x = γ1 v1 + ⋯γi−1 vi−1 + γi+1 vi+1 + ⋯ + γn vn − w.
−αi
βi αj − αi βj
donde γj = , i ≠ j.
−αi
De la igualdad anterior es claro que x ∈ L(Bi ∪ {w}), por tanto L(B) ⊆
L(Bi ∪ {w}). La contención reciproca, es una consecuencia inmediata de la
igualdad (1.4).
2. Supongamos que w ∈ L(Bi ), por tanto existen λ1 , λ2 , . . . , λi−1 , λi+1 , . . . , λn
escalares no todos nulos tales que

w = λ1 v1 + λ2 v2 + ⋯ + λi−1 vi−1 + λi+1 vi+1 + ⋯ + λn vn . (1.7)

22 CAPÍTULO 1. ESPACIOS VECTORIALES

restando las ecuaciones (1.4) y (1.7) obtenemos

(α1 − λ1 )v1 + ⋯ + (αi−1 − λi−1 )vi−1 + αi vi + (αi+1 − λi+1 )vi+1 + ⋯ + (αn − λn )vn = σ

Como B es linealmente independiente, entonces

α1 − λ1 = α2 − λ2 = ⋯ = αi−1 − λi−1 = αi = αi+1 − λi+1 = ⋯ = αn − λn = 0,

por tanto αi = 0, lo cual contradice la hipótesis. Por tanto w ∉ L(Bi ).

Lema 1.2 Sea B = {v1 , . . . , vn } un subconjunto ordenado de elementos de

V, tal que vi ≠ σ para todo i, vi ≠ vj para i ≠ j.
B es linealmente dependiente, si y sólo si existe un entero s con 1 < s < n
tal que vs ∈ L({v1 , v2 , . . . , vs−1 }).

Demostración: Como B = {v1 , . . . , vn } es linealmente dependiente, entonces

existen α1 , α2 , . . . , αn escalares no todos nulos tales que

α1 v1 + α2 v2 + ⋯ + αn vn = σ.

Sea s el mayor entero entre 2 y n tal que αs ≠ 0. Observamos que s ≠ 1. Sı́ s = 1,

entonces σ = α1 v1 , por tanto v1 = σ, puesto que α1 ≠ 0, luego σ ∈ B, lo cual
contradice la hipótesis.
Como s es el mayor entero tal que αs ≠ 0, entonces

α1 v1 + α2 v2 + ⋯ + αs−1 v1 v + αs vs = σ

despejando vs en la igualdad anterior y haciendo γj =

−αj
αs
resulta claro

vs = γ1 v1 + γ2 v2 + ⋯ + γs−1 vs−1 ,

por tanto vs ∈ L({v1 , v2 , . . . , vs−1 }).

El reciproco es inmediato.

Lema 1.3 Sea B = {v1 , . . . , vn } un subconjunto ordenado de elementos de

V, tal que vi ≠ σ para todo i, vi ≠ vj para i ≠ j. Sı́ B es linealmente inde-
pendiente y para cierto w ∈ V , w ∉ L(B), entonces B ∪ {w} es linealmente
independiente.

Demostración: Sean α1 , α2 , . . . , αn y β escalares tales que

α1 v1 + α2 v2 + ⋯ + αn vn + βw = σ.

Veamos que β = α1 = ⋯ = βn = 0. Sı́ β ≠ 0, entonces

α1 αn
w= v1 + ⋯ + vn
−β −β
1.3. CONJUNTOS GENERADORES Y BASES. 23

por tanto w ∈ L(B), lo cual es una contradicción. Por tanto β = 0.

Sustituyendo β = 0 en la igualdad inicial obtenemos

α1 v1 + α2 v2 + ⋯ + αn vn = σ,

pero B es linealmente independiente, por tanto αi = 0 para i = 1, . . . , n.

Proposición 1.7
Sean B = {v1 , . . . , vn } y B ′ = {w1 , ⋯, wm } conjuntos ordenados de vectores
de V. Sı́ B es linealmente independiente y B ⊆ L(B ′ ), entonces n ≤ m.

Demostración: Supongamos que n > m. Es claro que para cada vi ∈ B existen

escalares αi1 , αi2 , . . . , αim no todos nulos tales que vi = αi1 w1 +αi2 w2 +⋯+αim wm .
En particular para i = 1, se tiene que v1 = α11 w1 + α12 w2 + ⋯ + α1m wm . Sea k el
menor entero entre 1 y m tal que α1k ≠ 0, por el lema 1.3.2, tenemos que

L(B ′ ) = L(B1′ ∪ {v1 }) = L({w1 , . . . , wk−1 , v1 , wk+1 , . . . , wm }).

Denotamos Bk′ 1 = {v1 , w1 , . . . , wk−1 , wk+1 , . . . , wm }. Es claro que L(B ′ ) = L(Bk′ 1 ).

Como v2 ∈ L(B ′ ) = L(Bk′ 1 ), entonces existen β1 , α1 , α2 , . . . , αk−1 , αk+1 , . . . , αm
no todos nulos tales que

v2 = β1 v1 + α21 w1 + α22 w2 + ⋯ + α2k−1 wk−1 + α2k+1 wk+1 ⋯ + α2m wm .

Como antes podemos afirmar que existe al menos un α2j ≠ 0. Basta con observar
que sı́ α2j = 0 para j = 1, . . . , k −1, k +1, . . . , m, entonces v2 = β1 v1 , luego tenemos
que β1 v1 − 1 ⋅ v2 = σ, pero {v1 , v2 } es un conjunto linealmente independiente, por
tanto 1 = β1 = 0, lo cual es una contradicción. Como antes sea s el menor entero
en el conjunto {2, . . . , k − 1, k + 1, . . . , m} tal que α2s ≠ 0, nuevamente por el lema
1.3.2, tenemos que

L(Bk′ 1 ) = L({v1 , v2 , w2 , . . . , ws−1 , ws+1 , . . . , wm }).

Sea Bk′ 1 s2 = {v1 , v2 , w1 , . . . , ws−1 , ws+1 , . . . , wk−1 , wk+1 , . . . , wm }, es claro que

L(B ′ ) = L(Bk′ 1 ) = L(Bk′ 1 s2 ).

Aplicando un razonamiento análogo para v3 , obtenemos que existen β1 , β2 ,

α31 , . . . , α3s−1 , α3s+1 , . . ., α3k−1 , α3k+1 , . . ., α3m tales que

v3 = β1 v1 + β2 v2 + α31 w1 + ⋯ + α3s−1 ws−1 + ⋯ +

α3s+1 ws+1 + ⋯ + α3k−1 wk−1 + α3k+1 wk+1 + ⋯ + α3m wm

Como antes afirmamos que existe un α3t ≠ 0. Basta observar que si todos los
α3j fuesen cero, entonces v3 = β1 v1 + β2 v2 , luego β1 v1 + β2 v2 − v3 = σ, pero
24 CAPÍTULO 1. ESPACIOS VECTORIALES

{v1 , v2 , v3 } ⊆ B es linealmente independiente, por tanto β1 = β2 = −1 = 0, lo cual

es una contradicción. Nuevamente podemos suponer que t es el menor entero
tal que α3t ≠ 0, y por lema 1.3.2, tenemos que
L(Bk′ 1 s2 ) = L(Bk′ 1 s2 t3 )
donde
Bk′ 1 s2 t3 = {v1 , v2 , v3 , w1 , . . . , ws−1 , ws+1 , . . . , wk−1 , wk+1 , . . . , wt−1 , wt+1 , . . . , wm }
Aplicando el proceso anterior m veces, obtenemos el conjunto E = {v1 , v2 , . . . , vm }
tal que
L(E) = L(B ′ ).
Como vm+1 ∈ B ⊆ L(B ′ ) = L(E), entonces existen β1 , β2 , . . . , βm tales que
−vm+1 + β1 v1 + β2 v2 + ⋯ + βm vm = σ.
Como {v1 , . . . , vm+1 } es linealmente independiente, entonces −1 = 0, Lo cual
es una contradicción, por tanto n no puede ser mayor que m como habı́amos
supuesto.

1.3.3. Base y dimensión de un espacio vectorial.

Definición 1.6
Sean V un espacio vectorial sobre F y B ⊆ V. Decimos que B es una base
para V sı́:
1. B es un conjunto linealmente independiente.
2. V es generado por B, es decir L(B) = V.

Teorema 1.2
Sean B y B ′ dos bases del espacio vectorial V, entonces B y B ′ son
equipotentes.

Demostración: Vamos a realizar la demostración del teorema anterior sólo

en el caso en que B sea finito. Supongamos que ∣B∣ = n, como B ′ es base de
V entonces B ′ es linealmente independiente, más aún, B ′ ⊆ V = L(B), luego
por la proposición 1.3.2, tenemos que ∣B ′ ∣ ≤ n. Supongamos que ∣B ′ ∣ = m. B
es linealmente independiente y B ′ es base de V , por tanto V = L(B ′ ), es decir
B ⊆ L(B ′ ), luego por la proposición anterior n ≤ m. De lo anterior podemos
concluir que ∣B ′ ∣ = ∣B∣, es decir B y B ′ son equipotentes.
1.3. CONJUNTOS GENERADORES Y BASES. 25

Definición 1.7
Sean V un espacio vectorial sobre F y B una base para V. Sı́ ∣B∣ es
un conjunto finito, decimos que V es un espacio vectorial de dimensión
finita sobre F, o un F-espacio vectorial finito dimensional, en cuyo caso
escribimos dimF V = ∣B∣.

Ejemplo 1.15

1. Consideremos el espacio vectorial F sobre F. Es claro que para todo

r ∈ F, r = r ⋅ 1, por tanto {1} genera a F, y como 1 ≠ 0 entonces {1} es
un conjunto linealmente independiente, por lo tanto dimF F = 1.
2. Observamos que si tomamos a C como C espacio vectorial, entonces
dimC C = 1, pero si tomamos C visto como un R-espacio vectorial
entonces {1} no genera a C, puesto que i ≠ r ⋅ 1, cualquiera sea r ∈ R,
por tanto {1, i} es un conjunto linelmente independiente, y sabemos
desde la definición de los números complejos, que para todo z ∈ C
existen a, b ∈ R tales que z = a + b ⋅ i, luego {1, i} genera a C, por tanto
{1, i} es base, luego dimR C = 2.
3. Consideremos el espacio afin Fn = {(x1 , x2 , . . . , xn ) ∣ xi ∈ F} con las
operaciones suma y producto por un escalar usuales. Sea u ∈ Fn , por
tanto
u =(x1 , x2 , . . . , xn ) =
(x1 , 0, 0, . . . , 0) + (0, x2 , 0, . . . , 0) + ⋯ + (0, 0, 0, . . . , xn ) =
x1 (1, 0, 0, . . . , 0) + x2 (0, 1, 0, . . . , 0) + ⋯ + xn (0, 0, 0, . . . , 1)

Sea e1 = (1, 0, . . . , 0), e2 = (0, 1, . . . , 0), ei = (0, . . . , 0, 1, 0, . . . , 0),

en = (0, 0, . . . , 1). Observamos inicialmente que el conjunto E =
{e1 , e2 , . . . , en } es un conjunto generador de Fn como F-espacio vec-
torial, más aún, observamos que

(0, 0, . . . , 0) = α1 e1 + ⋯ + αn en = (α1 , . . . , αn )

implica que α1 = α2 = ⋯ = αn = 0, por tanto E es un conjunto li-

nealmente independiente. Concluimos ası́ que E es una base para Fn ,
luego dim Fn = n.

4. Consideremos el espacio Pn (x) de todos los polinomios hasta de grado

n en la variable x. Sea E = {1, x, x2 , . . . , xn }. Podemos ver facilmente
que E es una base para Pn (x), por tanto dim Pn (x) = n + 1.
26 CAPÍTULO 1. ESPACIOS VECTORIALES

Teorema 1.3
Sea V un F-espacio vectorial de dimensión finita y sea B = {v1 , ⋯, vn } una
base de V. Entonces para cada v ∈ V existen únicos α1 , α2 , . . . , αn ∈ F
tales que
v = α1 v1 + α2 v2 + ⋯ + αn vn .

Demostración: Supongamos que dado v ∈ V existen α1 , α2 , . . . , αn y β1 ,

β2 , . . . , βn tales que
v =α1 v1 + α2 v2 + ⋯ + αn vn
v =β1 v1 + β2 v2 + ⋯ + βn vn
por tanto, tenemos que

(α1 − β1 )v1 + (α2 − β2 )v2 + ⋯ + (αn − βn )vn = σ

pero tenemos que {v1 , . . . , vn } es un conjunto linealmente independiente, por

tanto
(α1 − β1 ) = (α2 − β2 ) = ⋯ = (αn − βn ) = 0
asi, podemos concluir que αi = βi , para i = 1, 2, . . . , n.

Teorema 1.4
Sean V un espacio vectorial de dimensión finita sobre F, dimF V = n, y
B = {v1 , v2 , . . . , vk } ⊆ V.
1. Sı́ k > n, entonces B es linealmente dependiente.
2. Sı́ k = n y B es linealmente independiente, entonces B es base de
V.

3. Sı́ k = n y B genera a V, entonces B es base de V.

4. Sı́ k > n y B genera a V, entonces existe S ⊆ B tal que S es base de
V.

Demostración:

1. Supongamos que B es linealmente independiente en V. Cómo V tiene

dimensión n, entonces existe un conjunto E = {b1 , . . . , bn } tal que E es base
de V, por tanto B ⊆ V = L(E), y como B es linealmente independiente,
entonces por proposición 1.3.2, tenemos que k < n, lo cual contradice
nuestra hipótesis, tenemos ası́ que B es linealmente dependiente.
1.3. CONJUNTOS GENERADORES Y BASES. 27

2. Supongamos que B no es base para V. Como B es linealmente indepen-

diente y B no es base, entonces B no genera a V, por tanto existe un
v ∈ V tal que v ∉ B, luego B ′ = B ∪ {v} es linealmente independiente.
Hemos construido ası́ un conjunto B ′ con n + 1 vectores linealmente inde-
pendiente, lo cual contradice el item anterior. Por tanto, B es base para
V.
Los númerales 3. y 4. se dejan como ejercicio para el lector.

Corolario 1.1 Sea V un F-espacio vectorial de dimensión finita y W un

F-subespacio propio de V, entonces dimF W < dimF V.

Teorema 1.5
Sea V un F-espacio vectorial de dimensión finita, y sea B ⊆ V un conjunto
linealmente independiente que no genera a V, entonces existe un conjunto
B ′ tal que B ⊆ B ′ y B ′ es una base para V.

Demostración: La prueba se hace por inducción sobre la dimensión de V y

la cardinalidad de B.

Problemas de entrenamiento 1.3

1 En cada caso encuentre el subespacio generado por el conjunto S.
a) S = {(2, 1, −1), (1, 3, 2), (1, 0, 0), (2, −1, 0)} ⊆ R3 .
b) S = {1 + x, 1 − x, 1} ⊆ P1 (x).
2 1 1 0 0 1
c) S = {( ),( ),( )} ⊆ M2 (R)
0 1 −1 2 2 1
d ) S = {sen x, cos x, ex , tan x} ⊆ CR (R)
e) S = {2, 1, 3} ⊆ R.
2 Para cada uno de los subespacios encuentre un conjunto generador
a) V = {(x, y)∣x + 3y = 0} ≤ R2 .
b) V = {a0 + a1 x + a2 x2 + a3 x3 ∣ 2a1 − 3a2 = a3 , a0 = 2a1 } ≤ P3 (x).
c) V = {(x, y, z, t) ∣ x + y + z = 0, x − y + t = 0}.
3 Determine en cada caso si el vector u dado pertenece o no al espacio
generado por S, L(S).
a) S = {(1, 0, −1), (2, 1, 3), (3, 0, 2)} ⊂ R3 y u = (−1, 2, 1).
28 CAPÍTULO 1. ESPACIOS VECTORIALES

4 Por eij denotamos la matriz con entradas ast donde ast = δis δjt . Las
matrices eij son llamadas matrices unitarias. Encuentre en terminos
de eij una base para los siguientes espacios vectoriales:
a) El conjunto de las matrices hermitianas de orden n con en-
tradas reales respecto de la trasposición, vista como R-espacio
vectorial.
b) El conjunto de las matrices anti hermitianas de orden n con en-
tradas reales respecto de la trasposición. vista como R-espacio
vectorial.
c) El conjunto de las matrices anti hermitianas de orden n con
entradas complejas respecto de la involución traspuesta conju-
gada vista como R-espacio vectorial.
d ) El conjunto de las matrices hermitianas de orden n con entra-
das complejas respecto de la involución traspuesta conjugada
vista como R-espacio vectorial.
e) El conjunto de las matrices idempotentes de orden 2 con en-
tradas reales y visto como R-espacio.

1.4. Producto directo, suma directa externa y

suma directa interna
Sea Jn ⊆ N y supongamos que {Vi }i∈Jn es una familia de F -espacios vecto-
riales. Definimos el conjunto

∏ Vi = V1 × V2 × ⋯ × Vn = {v = (v1 , v2 , v3 , ⋯, vn ) ∣ vi ∈ Vi }
i∈Jn

Veamos que el conjunto ∏i∈Jn puede ser dotado con estructura de F-espacio
vectorial. Supongamos que Vi = ⟨Vi , +i , ⋅i ⟩, donde +i denota la suma en el es-
pacio Vi mientras que ⋅i denota el producto por un escalar en Vi . Definamos
las operaciones + ∶ ∏ Vi × ∏ Vi Ð→ ∏ Vi y ⋅ ∶ F × ∏ Vi Ð→ ∏ Vi de la
i∈Jn i∈Jn i∈Jn i∈Jn i∈Jn
siguiente manera

v + w =(v1 , v2 , . . . , vn ) + (w1 , w2 , . . . , vn ) = (v1 +1 w1 , v2 +2 w2 , . . . , vn +n wn )

α ⋅ v =α ⋅ (v1 , v2 , . . . , vn ) = (α ⋅1 v1 , α ⋅2 v2 , . . . , α ⋅n vn )

Es fácil verificar que con las operaciones anteriores, ∏ Vi es un F-espacio vec-

i∈Jn
torial. Observamos que σV = (σV1 , . . . , σVn ), donde V = ∏ Vi .
i∈Jn
1.4. PRODUCTO DIRECTO Y SUMAS DIRECTAS 29

El espacio vectorial ∏ Vi es llamado producto directo de los Vi , en particular

i∈Jn
si V1 = V2 = ⋯ = Vn , escribimos V n = ∏ Vi .
i∈Jn

Ejemplo 1.16
α
Sean V1 = ⟨E x , +, ⋅⟩ donde E x = {ex ∣ x ∈ R∗ }, ex + ey = exy y α ⋅ ex = ex , V2 =
⟨R3 , +, ⋅⟩ donde R3 = {(x, y, 2) ∣ x, y ∈ R}, (x, y, 2) + (z, t, 2) = (x + z, yt, 2),
α ⋅ (x, y, 2) = (αx, y α , 2), V3 = ⟨R+ , +, ⋅⟩, a + b = ab, αa = aα . Es fácil ver que
V1 , V2 , y V3 son R-espacios vectoriales. Consideremos el producto directo de
V1 , V2 y V3 dado por V = V1 × V2 × V3 = {(ex , (z, y, 2), a)}. Vemos facilmente
que σV = (e1 , (0, 1, 2), 1).

Observamos que en el caso en que W1 , W2 , . . . , Wk sean F-subespacios de un

espacio vectorial V, entonces cada Wi es a su vez un F-espacio, por tal motivo,
tiene sentido hablar del producto directo de subespacios. esto nos lleva a la
siguiente definición.

Definición 1.8
Sean W1 , W2 , . . . , Wk F-subespacios de un espacio vectorial V. Decimos
que V es la suma directa (suma directa interna) de los Wi y escribimos

V = W1 ⊕ W2 ⊕ ⋯ ⊕ Wk = {w1 + w2 + ⋯ + wk ∣ wi ∈ Wi },

si para cada v ∈ V, existen únicos w1 , w2 , . . . , wk , con wi ∈ Wi tal que

v = w1 + w2 + ⋯ + wk

Observación
En particular, nosotros observamos que σV = σW1 + σW2 + ⋯ + σWk , pero
σWi = σV , asi tenemos que sı́ V es suma directa de los Wi , entonces el
único wi ∈ Wi que satisface σ = w1 + ⋯ + wk esta dado por wi = σ.

Sea V es un F espacio vectorial de dimensión finita n y B = {v1 , . . . , vn } una

base de V. Observamos que para cada vi ∈ B, nosotros podemos construir el
subespacio L({vi }) = {α ⋅ vi ∣ α ∈ F} = F ⋅ vi . Usando el teorema 1.3.3, nosotros
tenemos que para cada v ∈ V existen únicos α1 , . . . , αn ∈ F tales que
v = α1 v1 + ⋯ + αn vn ,
tomando wi = αi vi , tenemos que para cada v ∈ V existen únicos w1 , . . . , wn con
wi ∈ Wi tales que
v = w1 + w2 + ⋯ + wn ,
30 CAPÍTULO 1. ESPACIOS VECTORIALES

por tanto V es suma directa de los F ⋅ vi , esto es

V = F ⋅ v1 ⊕ F ⋅ v2 ⊕ ⋯ ⊕ F ⋅ vn .

Tenemos ası́ el siguiente teorema.

Teorema 1.6
Sea V es un F espacio vectorial de dimensión finita n y B = {v1 , . . . , vn }
una base de V. Entonces

V = F ⋅ v1 ⊕ F ⋅ v2 ⊕ ⋯ ⊕ F ⋅ vn .

Definición 1.9
Sean U y W F-subespacios de V. Definimos el subespacio suma U y W
como siendo el subespacio U+W = L(U ∪ W)

Observamos que los elementos de U+W son elementos de la forma u + w,

donde u ∈ U y w ∈ W. La definición anterior puede ser extendida a un número
arbitrario pero finito de subespacios.

Teorema 1.7
Sean U y W F-subespacios de V y supongamos que dim V es finita, en-
tonces dim (U + W) = dim U + dim W − dim (U ∩ W).

Demostración: Como V es de dimensión finita, entonces cualquier subespa-

cio de V también lo es, en particular tenemos que W, U y W ∩U son de dimensión
finita.
Sea B1 = {v1 , v2 , . . . , vk } una base para W ∩ U, por tanto existen w1 , . . . , wm ∈
W y u1 , . . . , ut ∈ U tales que B2 = {v1 , v2 , . . . , vk , w1 , . . . , wm } es una base para
W y B3 = {v1 , v2 , . . . , vk , u1 , . . . , ut } es una base para U. Consideremos ahora el
conjunto B = {v1 , v2 , . . . , vk , w1 , . . . , wm , u1 , . . . , ut } y veamos que B es una base
para U + W.
Desde la definición de U +W es claro que si v ∈ U +W, entonces existe u ∈ U y w ∈
W tales que v = u + w. Como w ∈ W, entonces existen α1 , . . . , αk , αk+1 , . . . , αk+m
tales que
u = α1 v1 + ⋯ + αn vk + αk+1 w1 + ⋯ + αk+n wn .
Similarmente, como u ∈ U, entonces existen β1 , . . . , βk , βk+1 , . . . , βk+t tales que

w = β1 v1 + ⋯ + βk vk + βk+1 u1 + ⋯ + βk+t ut .
1.4. PRODUCTO DIRECTO Y SUMAS DIRECTAS 31

Ahora es claro que

v = u + w = γ1 v1 + ⋯ + γk vk + γk+1 u1 + ⋯ + γk+t ut + γk+t+1 w1 + ⋯ + γk+t+m wm

donde γi = αi + βi si i = 1, 2, . . . , k; γk+i = βi si i = 1, 2, . . . , t y γk+t+i = αi si

i = 1, 2, . . . , m, por tanto B genera a U + W.
Veamos ahora que B es linealmente independiente. Supongamos que

γ1 v1 + ⋯ + γk vk + β1 u1 + ⋯ + βt ut + α1 w1 + ⋯ + αm wm = σ, (1.8)

por tanto

γ1 v1 + ⋯ + γk vk + β1 u1 + ⋯ + βt ut = −(α1 w1 + ⋯ + αm wm )

Note que −w = α1′ w1 + ⋯ + αm ′

wm ∈ W ∩ U por tanto existen η1 , . . . , ηk tales que
−w = η1 v1 + ⋯ + ηk vk , por tanto

γ1 v1 + ⋯ + γk vk + β1 u1 + ⋯ + βt ut + η1 v1 + ⋯ + ηk vk = σ

asi obtenemos β1 = β2 = ⋯ = βt = 0, substituyendo en la ecuación (1.8), obtene-

mos
γ1 v1 + ⋯ + γk vk + α1 w1 + ⋯ + αm wm = σ
por tanto γ1 = ⋯γk v = α1 = ⋯ = αm = 0, luego B es un conjunto linealmente
independiente, por tanto B es base para U + W. Ahora

dim (U + W) = (k + t + m) = (k + t) + (k + m) − k = dim U + dim W − dim (U ∩ W).

Lema 1.4 Sean U y W F-subespacios de V. Entonces U + W es una suma

directa de U y W si y solo si U ∩ W = {σ}.

Demostración: Supongamos que U + W es una suma directa y veamos que

U ∩ W = {σ}. Supongamos que U ∩ W ≠ {σ}. Sean B = {w1 , . . . , wm } y B ′ =
{u1 , . . . , ut } bases para W y U respectivamente. Sea x ∈ U ∩W, por tanto x = xw ∈
W y x = xu ∈ U. por tanto x tiene dos representaciones a saber, x = xu +σ = σ+xw
lo cual contradice nuestra hipotesis. Asi x = σ.
Supongamos ahora que U ∩ W = {σ} y veamos que la suma U + W es suma
directa. Supongamos que existe v ∈ U + W tal que v = u1 + w1 = u2 + w2 para
algunos ui ∈ U y wi ∈ W. De las igualdades anteriores tenemos que u1 − u2 =
w2 − w1 , por tanto u1 − u2 , w2 − w1 ∈ U ∩ W1 = {σ}, luego u1 − u2 = w2 − w1 = σ
asi concluimos que u1 = u2 y w1 = w2 , es decir, la representación de cualquier
elemento v ∈ U + W es única.
32 CAPÍTULO 1. ESPACIOS VECTORIALES

Teorema 1.8
Sean W1 , . . . , Wk subespacios de V. V es suma directa de W1 , . . . , Wk
si y solo sı́ para cada v ∈ V, se tiene que v ∈ L(W1 ∪ W2 ⋯ ∪ Wk ) y
Wi ∩ (⊕j=1,j≠i Wj ) = {σ}

Demostración:

Definición 1.10
Sean V un F-espacio vectorial y W un subespacio de V. Decimos que W
es un sumando directo de V si existe U subespacio de V tal que V = W ⊕U

Ejemplo 1.17
Consideremos el espacio R2 . Sabemos que el conjunto {e1 = (1, 0), e2 =
(0, 1)} es una base de R2 . Veamos ahora que W = R⋅(e1 +e2 ) es un sumando
directo de R2 . Para ello nos basta con hallar un subespacio U tal que V =
U ⊕ W. Sea U = R ⋅ (e1 − e2 ). Veamos ahora que para todo v = (x, y) existen
unicos α y β tales que v = α(e1 + e2 ) + β(e1 − e2 ). Nosotros observamos que

v = (x, y) = xe1 + ye2 = (α + β)e1 + (α − β)e2 .

Dado que la representación de v en terminos de la base e1 y e2 es única,

entonces x = α + β y y = α − β, por tanto tomando α = x+y 2
y β = x−y2
obtenemos que v = α(e1 + e2 ) + β(e1 − e2 ). Como x y y son únicos, entonces
α y β también son únicos.

Corolario 1.2Sea V un F-espacio vectorial finito dimensional y no trivial.

Entonces cualquier subespacio de V es un sumando directo de V.

Problemas de entrenamiento 1.4

1 Demuestre que el espacio de las matrices cuadradas de orden n se
puede descomponer como la suma directa del espacio de las matrices
hermitianas y el espacio de las matrices antihermitianas respecto a
la involución traspuesta.
2 Demuestre que el espacio de las funciones de valores reales se puede
descomponer como la suma directa del espacio de las funciones pares
y las funciones impares.
1.5. ESPACIO FILA Y ESPACIO NULO ASOCIADO A UNA MATRIZ. 33

1.5. Espacio fila y espacio nulo asociado a una

matriz.

Definición 1.11
Sea A ∈ Mn×m (F) una matriz no nula. Denotamos la i-esima fila de A por
LA
i , asi tenemos que Li = (ai1 ai2 . . . , aim ). Definimos el espacio linea de
A

A como siendo el subespacio El(A) de Fm = {(x1 , . . . , xm ) ∣ xi ∈ F}, donde

El(A) = L({LA
1 , L2 , . . . , Ln }).
A A

Ejemplo 1.18
Sea
2 −1 3
A=( )
2 1 0
por tanto

El(A) = {α (2 −1 3)+β (2 1 0)) = (2(α + β) −α + β 3α) ∣ α, β ∈ F}.

Lema 1.5 Sean V un F-espacio vectorial, S1 = {u1 , . . . , ut }, S2 =

{w1 , . . . , wk }. Sı́ para cada wi ∈ S2 existen αi1 , αi2 , . . . , αit ∈ F tales que
wi = αi1 u1 + αi2 u2 + ⋯ + αit ut , entonces L(S2 ) ⊆ L(S1 )

Demostración: Sea x ∈ L(S2 ), por tanto existen β1 , . . . , βk tales que

x = β1 w1 + β2 w2 + ⋯ + βk wk

pero por hipotesis, para cada wi tenemos que wi = αi1 u1 + αi2 u2 + ⋯ + αit ut , asi
sustituyendo en la igualdad arriba, obtenemos

x =β1 (α11 u1 + ⋯ + α1t ut ) + β2 (α21 u1 + ⋯ + α2t ut ) + ⋯ + βk (αk1 u1 + ⋯ + αkt ut ) =

(β1 α11 + β2 α21 + ⋯ + βk αk1 )u1 + ⋯ + (β1 α1t + β2 α2t + ⋯ + βk αkt )uk =
γ1 u1 + ⋯ + γk uk

por tanto x ∈ L(S1 ).

Lema 1.6 Sean A y B matrices equivalentes, entonces El(A) = El(B).

34 CAPÍTULO 1. ESPACIOS VECTORIALES

Demostración: Sean S1 = {LA 1 , . . . , Ln } y S2 = {L1 , . . . , Ln }.

A B B

Supongamos que A y B son equivalentes del tipo 1, es decir LA k = Lk si

B

k ≠ i, j, mientras que Li = Lj y Lj = Li , asi tenemos que para i = 1, . . . , n

A B A B

LBi ∈ L(S1 ), por tanto aplicando el lema anterior, L(S2 ) ⊆ L(S1 ).

Si A y B son equivalentes del tipo 2, en este caso tenemos que LB k = Lk para
A

k ≠ i mientras que Li = αLi , nuevamente es claro que i = 1, . . . , n Li ∈ L(S1 ),

B A B

por tanto aplicando el lema anterior, L(S2 ) ⊆ L(S1 ).

Finalmente, si A y B son equivalentes del tipo 3. En este caso podemos
suponer que LB k = Lk para k ≠ i mientras que Li = Li + βLj , nuevamente
A B A A

es claro que i = 1, . . . , n LB
i ∈ L(S1 ), por tanto aplicando el lema anterior,
L(S2 ) ⊆ L(S1 ).

Teorema 1.9
Sea A una matriz escalonada. Entonces dim El(A) = s donde s es la
cantidad de filas no nulas en la matriz A.

Demostración: Sean LA 1 , L2 , . . . , Ls todas las filas no nulas de la matriz A.

A A

Supongamos que atjt es el primer elemento no nulo de la fila t. Cómo A esta en

forma escalonada, entonces atk = 0 para k < jt y aik = 0 para i > t.
Consideremos la combinación lineal

α1 LA
1 + α2 L2 + ⋯ + αs Ls = σ.
A A

Sea la m-fila C dada por

1 + α2 L2 + ⋯ + αs Ls = (c1
C = α1 LA A A
c2 ⋯ cm ) = (0 0 ⋯ 0)

donde ci = α1 ai1 + α2 a2i + ⋯ + αs asi .

Dado que a11 = a12 = ⋯ = a1t1 −1 = a2t1 = a3t1 = ⋯ = ant1 = 0, obtenemos que
c1 = α1 a1t = 0, pero a1t ≠ 0 por tanto α1 = 0.
Ahora, es claro que a21 = a22 = ⋯ = a2t2 −1 = a3t2 = a4t2 ⋯ = ant2 = 0, c2 =
α2 a2t2 = 0 y por tanto α2 = 0.
Aplicando inductivamente, obtenemos que α3 = α4 = ⋯ = αs = 0, por tanto
{LA1 , L2 , . . . , Ls } es un conjunto linealmente independiente y por tanto base del
A A

espacio por el generado. Asi, tenemos que dim EL(A) = s, siendo s la cantidad
de filas no nulas de la matriz A.

Corolario 1.3 Sea A ∈ Mn×m (F). Si B es una matriz escalonada tal que A
es equivalente con B, entonces dim EL(A) = s siendo s la cantidad de filas
no nulas de la matriz B.
1.5. ESPACIO FILA Y ESPACIO NULO ASOCIADO A UNA MATRIZ. 35

Ejemplo 1.19

1. Encuentre el espacio fila de la matriz

⎛2 −1 3 4 1⎞
⎜1 0 2 1 −1⎟
A=⎜ ⎟
⎜1 −1 3 2 2⎟
⎝2 1 0 1 −2⎠

Observamos inicialmente que la matriz A es equivalente con la matriz

⎛1 −1 3 2 2⎞
⎜0 1 −1 −1 −3⎟
⎜ ⎟
⎜0 0 −2 1 0⎟
⎝0 0 0 1 −2⎠

por tanto el espacio lineal de A tiene dimensión 4 y como base el

conjunto
S = {(1 −1 3 2 2) , (0 1 −1 −1 −3) , (0 0 −2 1 0)
(0 0 0 1 −2)}.

2. Encuentre el espacio fila de la matriz

⎛ 1 0 −1⎞
A = ⎜−1 0 1 ⎟ .
⎝ 2 0 −2⎠

Facilmente observamos que el espacio linea de A tiene dimensión 1 y

que S = {(1 0 −1)} es una base para dicho espacio.

Definición 1.12
Sea A ∈ Mn×m (F). Definimos el espacio nulo de la matriz A como siendo
̃ ∈ Fm tales que X
el conjunto de todos los X ̃ es solución al sistema de
ecuaciones lineales AX = 0 asociado a la matriz A.

Nosotros observamos que si X ̃1 y X

̃2 son soluciones al sistema homogéneo
̃ ̃
AX = 0 y α ∈ F, entonces A(X1 + αX2 ) = AX ̃1 + αAX̃2 = 0, por tanto X
̃1 + αX
̃2
también es solución al sistema homogéneo, asi tenemos que es subespacio de
Fm .
El subespacio de nulo de la matriz A es denotado por
̃ ∈ F m ∣ AX
Nul A = {X ̃ = 0}.
36 CAPÍTULO 1. ESPACIOS VECTORIALES

Teorema 1.10
Sea A ∈ Mn×m (F). dim Nul A = m − dim El(A).