Teorema.

- Sea V un espacio vectorial sobre K ,W  V , W   , W es un subespacio de V

si y solo si se cumplen las siguientes condiciones:
i) Si u, v W  u  v W
ii) Si v W ,   K  v W

Ejemplo.- Sea W  P( x)  P2 / P( x)  ax 2  ax  a , ¿Será un subespacio de P2 ?

Sean u  P( x)  ax 2  ax  a , v  Q( x)  bx 2  bx  b
i) u  v  P( x)  Q( x)  (ax 2  ax  a)  (bx 2  bx  b)
u  v  (a  b) x 2  (a  b) x  (a  b)
sea c  a  b , c  entonces
u  v  cx2  cx  c W
ii) v  P( x)  ax 2  ax  a ,  
v   P( x)   (ax2  ax  a)
v  ax2  ax  a
sea c   a , c  entonces
v  cx2  cx  c W
 Tenemos un subespacio vectorial.

Consecuencias
1.- Las 2 condiciones del teorema pueden escribirse en una sola
Si u, v W ,   K  u  v W .

 1 0 
Ejemplo.- Verificar que W   A  22 / A    , a , b   es un subespacio.
 a b 
1 0 1 0 
Sean A    , B  , a, b, c, d  ,  
a b c d 
 1 0 1 0    0  1 0 
A B         
 a b   c d    a b   c d 
  1 0 
A B   
  a  c b  d 
como  a  c  , b  d  ,   1  1 entonces  A  B W
 W no es un subespacio vectorial.

2.- La condición ii) v W implica que  W , por esa razón para verificar que W es un
subespacio vectorial verificamos que
i) Si u, v W  u  v W
ii)  W


Ejemplo.- Verificar que W  ( x, y)  2
/ ax  by  0 es un subespacio.
i) Sean u, v W entonces u  ( x1 , y1 ) / ax1  y1  0 , v  ( x2 , y2 ) / ax2  y2  0
 u  v  ( x1 , y1 )  ( x2 , y2 )  ( x1  x2 , y1  y2 ) /
a( x1  x2 )  b( y1  y2 )  (ax1  by1 )  (ax2  by2 )
a( x1  x2 )  b( y1  y2 )  0  0  0
u  v  ( x1  x2 , y1  y2 ) W
ii) Como   2 está dado por   (0, 0) entonces verificamos si  W
Para   (0, 0) tenemos a(0)  b(0)  0  0  0 entonces  W .
 W es un subespacio vectorial.

Observación.- Geométricamente tenemos que el sub espacio W es el conjunto de rectas

en el plano que pasan por el origen.

3.- De 2 se deduce que todo subespacio vectorial debe contener al vector nulo.

4.- Se verifica que V y   son subespacios de V, los cuales son llamados subespacios
triviales, si W  V  W    es un subespacio vectorial de V entonces W es llamado
subespacio propio.

Ejemplo.- Los 2 ejemplos anteriores que se verificaron que eran subespacios, son
subespacios propios.

Combinación lineal de vectores.- Sea el espacio vectorial V sobre K, sean los vectores
v1 , v2 ,..., vn V decimos que u V es una combinación lineal de v1 , v2 ,..., vn si existen
1 , 2 ,..., n  K /
n
u  1v1  2v2  ...  n vn   k vk
k 1

Ejemplo 1.- v  (2,3,5)  3

es una combinación lineal de los vectores v1  (1,1, 2) y
v2  (0,1,1) puesto que
(2,3,5)  2(1,1, 2)  1(0,1,1)
en este caso 1  2 , 2  1 .

Ejemplo 2.- Sean los vectores f1 ( x), f 2 ( x), f3 ( x)  C ( ) / f1 ( x)  cos( x) , f 2 ( x)  sen( x) ,

f3 ( x)  e x , si 1 , 2 , 3  con 1  2 , 2  1 , 3  0 , 1 , 2 , 3  , hallar g ( x)
combinación lineal de los vectores dados.
Tenemos que
g ( x)  1 f1 ( x)  2 f2 ( x)  3 f3 ( x)  (2) cos( x)  (1)sen( x)  (0)e x
g ( x)  2 cos( x)  sen( x)  C( )
Teorema.- Sea el espacio vectorial V sobre K, y sean los vectores v1 , v2 ,..., vn V entonces

el conjunto L(v1 , v2 ,..., vn )  1v1  2v2  ...  nvn / i  K , i  1, n  el cual es el conjunto
formado por todas las combinaciones lineales de los vectores v1 , v2 ,..., vn , es un subespacio
de V y además es el menor de todos los subespacios que contienen a los vectores
v1 , v2 ,..., vn .

Observaciones
1.- El conjunto el subespacio L(v1 , v2 ,..., vn ) es también llamada “span” de los vectores
v1 , v2 ,..., vn y es denotado por
span(v1 , v2 ,..., vn )  L(v1 , v2 ,..., vn )
 
2.- Podemos indicar como conjunto B  v1 , v2 ,..., vn   vi , i  1, n  V y a partir de esto
tenemos un conjunto de vectores con los cuales podemos expresar todo vector v V en
términos de este conjunto de vectores llegaremos al concepto de base.

Subespacio generado.- Sea el espacio vectorial V sobre K, y sean los vectores

v1 , v2 ,..., vn V se llama espacio generado por los vectores v1 , v2 ,..., vn V al espacio que

obtenemos del conjunto L(v1 , v2 ,..., vn )  1v1  2v2  ...  nvn / i  K , i  1, n . 
Ejemplo
22 1 0  0 1  0 0 0 0
Sean los vectores A, B, C, D  /A  , B  , C  , D  y
0 0 0 0 1 0  0 1 
sean 1 , 2 , 3 , 4  entonces tenemos la combinación lineal de A, B, C, D
1 0  0 1  0 0  0 0 
1 A  2 B  3C  4 D  1    2    3    4  
0 0  0 0  1 0  0 1 
  0 0 2   0 0 0 0   1 2 
1 A  2 B  3C  4 D   1       
 0 0 0 0   3 0 0 4   3 4 
Como 1 , 2 , 3 , 4  pueden tomar cualquier real, entonces el espacio generado por
A, B, C, D , span( A, B, C, D) está dado por lo siguiente
   2 
 

span( A, B, C , D)    1   22 / i    22
  3 4 
 

es decir vectores dados generan el espacio al cual pertenecen.

Independencia lineal de vectores.- Sea el conjunto de vectores B  v1 , v2 ,..., vn   V y

sean c1 , c2 ,..., cn  K , donde V es un espacio vectorial sobre el cuerpo K, decimos que el
conjunto B es linealmente independiente si para la combinación lineal
c1v1  c2v2  ...  cnvn  0 , ci  0 i  1, n .
También es equivalente decir que los vectores v1 , v2 ,..., vn son linealmente independientes.
Si al menos existe un ci  0 para algún i con i  1, n , decimos que B es linealmente
dependiente o que los vectores v1 , v2 ,..., vn son linealmente dependientes.

Nota.- Por simplicidad se suele decir LI en vez de linealmente independiente o LD en vez

de linealmente dependiente.

Ejemplos
 2 0   1 1   22
1.- Sea el conjunto B   ,    verificar si B es LD o LI
  1 2   0 2  
La combinación lineal de los vectores igualada al vector nulo es
 2 0 1 1 0 0
c1    c2   
1 2 0 2 0 0
Para hallar las constantes operando tenemos
 2c1 0   c2 c2   2c1  c2 c2  0 0
   
 c1 2c1   0 2c2   c1 2c1  2c2   0 0 
Comparando coeficientes tenemos el sistema lineal de ecuaciones homogéneas
2c1  c2  0
c  0
 2

c1  0
2c1  2c2  0
Resolviendo el sistema de la segunda y tercera ecuación tenemos c1  0 , c2  0 y si
reemplazamos en las demás ecuaciones verificamos que estos valores son solución del
sistema.
Como c1  0 , c2  0
 2 0   1 1  
 B   ,    es LI.
  1 2   0 2 

2.- Sea el conjunto B   x  1, x,1  P1 verificar si B es LD o LI

La combinación lineal de los vectores igualada al vector nulo es
c1 ( x  1)  c2 x  c3  0 x  0  0
Para hallar las constantes operando tenemos
c1 x  c1  c2 x  c3  (c1  c2 ) x  (c1  c3 )  0 x  0
Comparando coeficientes tenemos el sistema lineal de ecuaciones homogéneas
c1  c2  0

c1  c3  0
Resolviendo el sistema
  c1 
1 1 0     0 
   c2     , n  3
1 0 1     0 
 c3 
Hallamos los rangos
1 1 0 0  F12 (1)  1 1 0 0 
Aa      entonces  ( Aa )   ( A)  2  n
1 0 1 0   0 0 1 0
El sistema tiene infinitas soluciones como por ejemplo c1  1 , c2  c3  1 es decir
existe al menos c1  1  0 .
 B es LD.
Además notamos que
x  1  (1) x  1(1)
Es decir x  1 es combinación lineal de los otros 2 vectores, resultado que será
mencionado en las siguientes observaciones.

Observaciones
1.- Si un vector vi  B puede expresarse como la combinación lineal de los demás vectores
entonces B es LD, como lo visto en el ejemplo anterior.

2.- Sea el conjunto B  v1 , v2 ,..., vn   n

con v1  ( a11, a12 ,..., a1n ) , v2  ( a21, a22 ,..., a2n ) , ...
vn  ( an1, an 2 ,..., ann ) , una forma de verificar si el conjunto es LD o LI es calculando el
determinante que tiene por filas a las coordenadas de los vectores
a11 a12 a1n
a a22 a2 n
X  21

an1 an 2 ann
Si X  0 B es LD.
Si X  0 B es LI.

Ejemplo
Sea B  (1,1,1),(2, 2, 2),(3, 2,1)
Tenemos que (2, 2, 2)  (2)(1,1,1)  (0)(3, 2,1) considerando la observación 1 tendríamos
que B es LD.
Verificando con la observación 2 tenemos
1 1 1
X  2 2 2  0 puesto F2  2 F1
3 2 1
Entonces B es LD.

3.- Notamos de la observación anterior, la relación que existe entre determinantes y la

independencia lineal de vectores, los cuales se pueden relacionar con las propiedades de
 determinantes para calcular el determinante, que a la vez nos permitirán verificar si un
conjunto de vectores de B  n son LD o LI.

4.- Si 0  B con B  V entonces B es LD, es decir si B tiene como elemento al vector nulo
entonces B es LD.
5.- Como consecuencia de la observación 2 tenemos para a  ( a1, a2 , a3 ) , b  (b1, b2 , b3 )
c  (c1, c2 , c3 )  3

a3 a1 a2
b3   a , b , c   a.(b  c )
X  b1 b2
c1 c2 c3
Es decir dependiendo del valor que tome el triple producto escalar decidiremos si el
 
conjunto B  a , b , c es LD o es LI, lo cual a su vez puede relacionar la interpretación
geométrica del triple producto escalar con la independencia lineal de los vectores de las
que se calculan.

6.- Geométricamente la dependencia lineal implica que por lo menos un vector vi  B es

paralelo a otro vector v j  B , es decir se cumple que vi  rv j
Por ejemplo para vi , v j  n
tenemos

vj
vi vi  rv j

7.- Sea V  C n1[a, b] el espacio vectorial de las funciones con derivada continua hasta el
orden n  1 x [a, b] , para verificar si B   f1 ( x), f 2 ( x),..., f n ( x)  C n1[a, b] es LI,
utilizamos el llamado determinante de Wronski o también llamado Wronskiano, el cual
es denotado por W  f1, f 2 ,..., f n  y se define como
f1 ( x) f2 ( x) fn ( x)
f1' ( x) f2' ( x) fn' ( x)
W  f1, f 2 ,..., f n  

f1( n 1) ( x) f2( n 1) ( x) fn( n 1) ( x)

si W  f1, f 2 ,..., f n   0 B es LI.
Lo cual es equivalente utilizando su contrapositiva que
si B es LD entonces W  f1, f 2 ,..., f n   0 .
Su recíproco no siempre es cierto es decir que
si W  f1, f 2 ,..., f n   0 no se puede garantizar que B es LD.
Ejemplo
Verificar si B  e x ,cos( x),sen( x)  C 2 ( ) es LI
Hallamos su wronskiano, aplicando propiedades de determinantes tenemos
ex cos( x) sen( x)
W e , cos( x),sen( x)   (e ) ' (cos( x)) ' (sen( x)) '
x x

(e x ) '' (cos( x)) '' (sen( x)) ''

ex cos( x) sen( x) 1 cos( x) sen( x)
W e x , cos( x),sen( x)   e x  sen( x) cos( x)  e 1  sen( x) cos( x)
x

ex  cos( x) sen( x) 1  cos( x)  sen( x)

aplicando F13 (1)
1 cos( x) sen( x)
W e , cos( x),sen( x)   e 1  sen( x)
x x
cos( x)
0 2 cos( x) 2 sen( x)
aplicando menores tomando la columna 1 tenemos
  sen( x) cos( x) cos( x) sen( x) 
W e x , cos( x),sen( x)   e x    0
 2cos( x) 2sen( x) 2cos( x) 2 sen( x) 
 e (2sen ( x)  2cos ( x))  0  2e (sen ( x)  cos ( x))
x 2 2 x 2 2

W e x ,cos( x),sen( x)   2e x , como e x  0 x  entonces

W e x , cos( x),sen( x)   0 x 
Por lo tanto B es LI.

Operaciones con Subespacios Vectoriales