...................................................................................................................................................................

MATEMÁTICA
PURA Y
APLICADA “ÁLGEBRA LINEAL:
ESPACIOS
UNIDAD I VECTORIALES Y
MATRICES”

MÓDULO 1
Ica: Cl. Bolívar 335 (+51) 933 336 358 E-mail: informes@[Link] Web: [Link]
Ica: Cl. Bolívar 345 (+51) 980 478 969 E-mail: gerenciaeducativa@[Link] Fijo: (056) 773365
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

I. ÁLGEBRA LINEAL: ESPACIOS VECTORIALES Y MATRICES

1. ESPACIOS VECTORIALES .............................................................................................. 1

1.1. ESPACIOS VECTORIALES Y SUBESPACIOS.................................................... 1

1.2. ESPACIOS VECTORIALES ................................................................................... 6

1.3. SUBESPACIOS ........................................................................................................ 8

1.4. SISTEMAS DE GENERADORES ........................................................................ 12

2. SISTEMAS DE ECUACIONES LINEALES ................................................................... 15

2.1. SISTEMAS LINEALES HOMOGÉNEOS ............................................................ 15

2.2. MÉTODO DE TRIANGULACIÓN ....................................................................... 16

2.3. CANTIDAD DE SOLUCIONES DE UN SISTEMA HOMOGÉNEO ................. 21

2.4. SISTEMAS LINEALES NO HOMOGÉNEOS ..................................................... 24

3. INDEPENDENCIA LINEAL Y BASES .......................................................................... 30

3.1. INDEPENDENCIA LINEAL ................................................................................. 30

3.2. BASES Y DIMENSIÓN......................................................................................... 34

4. SUMA DE SUBESPACIOS ............................................................................................. 40

4.1. SUBESPACIO SUMA ........................................................................................... 40

4.2. SUMA DIRECTA .................................................................................................. 43

5. CONCLUSIONES ............................................................................................................ 46

[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

ESPACIOS VECTORIALES

En diversos conjuntos conocidos, por ejemplo los de vectores en el plano o en el espacio (ℝ2
y ℝ3), o también el de los polinomios (ℝ [X]), sabemos sumar sus elementos y multiplicarlos
por números. Todos estos conjuntos comparten una cierta “estructura”, que está dada por
esa suma y ese producto por números, a la que llamaremos espacio vectorial. En este
apartado se presenta la noción de espacio vectorial y se estudia algunas propiedades básicas
que poseen los conjuntos con dicha estructura.

ESPACIOS VECTORIALES Y SUBESPACIOS

Preliminares

La noción de espacio vectorial requiere de dos conjuntos: un conjunto K (los escalares) y

otro conjunto V (los vectores). Estos dos conjuntos deben satisfacer ciertas propiedades, que
esencialmente se refieren a que los elementos de V se puedan sumar entre sí y multiplicar
por elementos de K.

Comenzaremos dando algunas definiciones previas para poder después presentar la definición
precisa de espacio vectorial.

Definición 1.1

Sea A un conjunto no vacío. Una operación (o ley de composición interna u operación

binaria) de A es una función ∗ : A × A → A.

Notación. ∗(a, b) = c se escribe a ∗ b = c.

Ejemplos

✓ + : ℕ × ℕ → ℕ, tal que +(a, b) = a + b, es una operación de ℕ.

✓ Como la resta, −(a, b) = a − b, no es una función de ℕ × ℕ enℕ, entonces no es una
operación de ℕ.
✓ La suma +, el producto • y la resta − son operaciones de ℤ, ℚ, ℝ y ℂ.

No nos interesaremos por operaciones cualesquiera, sino que trabajaremos con operaciones
que posean algunas propiedades. Entre las propiedades que analizaremos se encuentran las
siguientes:

1
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

Definición 1.2 (Propiedades básicas)

Sea ∗ : A × A → A una operación.

i. ∗ se dice asociativa si (a ∗ b) ∗ c = a ∗ (b ∗ c) ∀ a, b, c ∈ A.
ii. Se dice que ∗ tiene elemento neutro si ∃ e ∈ A tal que e ∗ a = a ∗ e = a para cada a ∈ A.
(Observar que si ∗ tiene elemento neutro, ´este es único, ya que si e y er son elementos
neutros, er = e ∗ er = e.).
iii. Si ∗ tiene elemento neutro e, se dice que todo elemento tiene inverso para ∗ si ∀ a ∈ A,
∃ ar ∈ A tal que a ∗ ar = ar ∗ a = e.
iv. ∗ se dice conmutativa si a ∗ b = b ∗ a ∀ a, b ∈ A.

Se pueden estudiar las características que comparten los conjuntos con una operación que
satisface algunas de estas propiedades. Una noción útil es la de grupo, que definimos a
continuación.

Definición 1.3

Sea A un conjunto, y sea ∗ una operación en A que satisface las propiedades i), ii) y iii) de la
definición anterior. Entonces (A, ∗) se llama un grupo. Si además ∗ cumple iv), se dice que
(A, ∗) es un grupo abeliano o conmutativo.

Ejemplos

✓ ℕ, +) no es un grupo: se puede probar que no tiene elemento neutro.

✓ (ℤ, +), (ℚ, +), (ℝ, +) y (ℂ, +) son grupos abelianos.
✓ (ℤ, •) no es un grupo: se puede probar que sólo 1 y -1 tienen inverso multiplicativo.
✓ (ℚ− {0}, •), (ℝ − {0}, •) y (ℂ− {0}, •) son grupos abelianos.
✓ A = {f : ℝ → ℝ }, ∗ = ◦ (composición de funciones). Entonces (A, ∗) no es un grupo: las
únicas funciones con inversa para ◦ son las biyectivas.
✓ Sℝ = {f : ℝ → ℝ / f es biyectiva }, ∗ = ◦. Entonces (Sℝ , ◦) es un grupo.

✓ C un conjunto, P(C ) = {S ⊆ C}. Se define la operación 6 : P(C ) × P(C ) → P(C ),

llamada diferencia simétrica, de la siguiente forma:

A6B = (A ∪ B) − (A ∩ B).

2
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

Entonces (P(C ), 6) es un grupo abeliano.

A partir de la definición de grupo pueden probarse propiedades que poseen todos los
conjuntos con esa estructura. Por ejemplo:

✓ Sea (G, ∗) un grupo. Entonces para cada a ∈ G existe un único inverso para a.
Sea e el elemento neutro de (G, ∗). Supongamos que b y c son inversos de a. Entonces

b = e ∗ b = (c ∗ a) ∗ b = c ∗ (a ∗ b) = c ∗ e = c.

Notación. Si G es un grupo abeliano y la operación se nota +, el elemento neutro se notará 0

y, para cada a ∈ G, el inverso de a se notará −a. (En otros casos, el elemento neutro se nota 1
y el inverso de a se nota a−1.)

La siguiente definición que daremos se refiere a conjuntos en los cuales hay dos operaciones
relacionadas entre sí.

Definición 1.4

Sea A un conjunto y sean + y • operaciones de A. Se dice que (A, +, •) es un anillo si:

i. (A, +) es un grupo abeliano.

ii. • es asociativa y tiene elemento neutro.
iii. Valen las propiedades distributivas: Para a, b, c ∈ A,
➢ a • (b + c) = a • b + a • c
➢ (b + c) • a = b • a + c • a

Además, si • es conmutativa, se dice que (A, +, • ) es un anillo conmutativo.

Notación. Cuando quede claro cuáles son las operaciones + y •, para referirnos al anillo (A,
+, •), escribiremos simplemente A. Al elemento neutro del producto se lo notará 1.

Ejemplos

✓ (ℤ, +, •), (ℚ, +, •), (ℝ, +, •) y (ℂ, +, •) son anillos conmutativos.

✓ (ℤ𝑛 , +, •) es una anillo conmutativo.
✓ Si (A, +, •) es un anillo conmutativo, entonces (A[X ], +, •) es un anillo conmutativo con
las operaciones usuales de polinomios.
✓ Si C es un conjunto, (P(C ), 6, ∩) es un anillo conmutativo.

3
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

✓ {f : ℝ → ℝ } con las operaciones usuales de suma y producto de funciones es un anillo

conmutativo.

Al igual que en el caso de los grupos, también pueden probarse propiedades que poseen todos
los anillos.

✓ Sea (A, +, •) un anillo, y sea 0 el elemento neutro de +. Entonces 0 • a = 0, ∀ a ∈ A.

Se tiene que:

0 • a = (0 + 0) • a = 0 • a + 0 • a.

Si b es el inverso aditivo de 0 • a, resulta

0 = 0 • a + b = (0 • a + 0 • a) + b = 0 • a + (0 • a + b) = 0 • a.

Luego, 0 • a = 0.

En un anillo cualquiera no es cierto que a • b = 0 ⇒ a = 0 o b = 0. Por ejemplo, en ℤ4 , se tiene

que 2 • 2 = 0, pero 2 = 0.

Definición 1.5

Un anillo conmutativo (A, +, •) se llama un dominio de integridad o dominio íntegro si a • b

= 0 ⇒ a = 0 o b = 0.

Ejemplos

✓ (ℤ, +, •), (ℚ, +, •), (ℝ, +, •) y (ℂ, +, •) son dominios de integridad.

✓ Si A es un dominio de integridad, entonces A[X ] es un dominio de integridad.
✓ ℤ𝑝 es un dominio de integridad ⇐⇒ p es primo.

La siguiente definición resume las propiedades que debe satisfacer uno de los conjuntos
involucrados en la definición de un espacio vectorial.

Definición 1.6

Sea K un conjunto, y sean + y • operaciones de K. Se dice que (K, +, •) es un cuerpo si (K,

+, •) es un anillo conmutativo y todo elemento no nulo de K tiene inverso multiplicativo. Es
decir:

✓ (K, +) es un grupo abeliano.

4
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

✓ (K − {0}, •) es un grupo abeliano.

✓ Vale la propiedad distributiva de • con respecto a +.

Ejemplos

✓ (ℚ, +, •), (ℝ, +, •) y (ℂ, +, •) son cuerpos.

✓ (ℤ𝑝 , +, •) es un cuerpo ⇐⇒ p es primo.
𝑖
✓ Se define ℚ[√2] = {∑𝑛𝑖=0 𝑎𝑖 (√2) /𝑎𝑖 ∈ ℚ, 𝑛 ∈ ℕ} . Veamos que (ℚ[√2], +, . ) es un

cuerpo.
Usando que ℚ[√2] ⊂ ℝ, se puede probar fácilmente que (ℚ[√2], +, . ) es un anillo
conmutativo.
Observamos que ℚ[√2] = {a + b √2: a, b ∈ ℚ }. En efecto, para cada k ∈ ℕ, se tiene que
(√2)2k = 2k y (√2)2k+1 = 2k √2 y entonces, todo elemento de la forma ∑𝑛𝑖=0 𝑎i (√2)i con
ai ∈ ℚ y n ∈ ℕ0 puede escribirse como a + b √2con a, b ∈ ℚ. Recíprocamente, es claro que
todo elemento de la forma a + b √2con a, b ∈ ℚ pertenece a ℚ [√2].

𝑎 −𝑏
(𝑎 + 𝑏√2)2 = + √2
𝑎2 + 2𝑏 2 𝑎2 − 2𝑏 2

También en el caso de los cuerpos se pueden probar propiedades generales. Por ejemplo:

✓ Todo cuerpo (K, +, ·) es un dominio de integridad.

Tenemos que probar que a · b = 0 ⇒ a = 0 o b = 0. Supongamos que a · b = 0. Si a = 0, ya
está. Si a ≠ 0, entonces existe a−1 tal que a · a−1 = a−1 · a = 1. Entonces

a−1 · (a · b) = a−1 · 0 ⇒ (a−1 · a) · b = 0 ⇒ 1 · b = 0 ⇒ b = 0.

Para poder completar la definición de espacio vectorial necesitamos definir una clase
especial de funciones que se aplican a elementos de dos conjuntos distintos:

Definición 1.7

Sean A y B dos conjuntos. Una acción de A en B es una función: A × B → B.

Notación: ·(a, b) = a · b

Estamos ahora en condiciones de dar la definición de espacio vectorial.

5
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

ESPACIOS VECTORIALES

Definición 1.8

Sea (K, +, ·) un cuerpo. Sea V un conjunto no vacío, sea + una operación en V y sea · una
acción de K en V . Se dice que (V, +, ·) es un K-espacio vectorial si se cumplen las siguientes
condiciones:

✓ (V, +) es un grupo abeliano.

✓ La acción · : K × V → V satisface:

(a) a · (v + w) = a · v + a · w ∀ a ∈ K; ∀ v, w ∈ V .

(b) (a + b) · v = a · v + b · v ∀ a, b ∈ K; ∀ v ∈ V .

(c) 1 · v = v ∀ v ∈ V .

(d) (a · b) · v = a · (b · v) ∀ a, b ∈ K; ∀ v ∈ V .

Los elementos de V se llaman vectores y los elementos de K se llaman escalares. La acción se

llama producto por escalares.

Nótese que el símbolo se usa tanto para la acción de K en V como para el producto en K, pero
esto no debería generar confusión puesto que en el primer caso estará aplicado a un elemento
de K y otro de V , mientras que en el segundo, a dos elementos de K.

En lo que sigue, K denotara un cuerpo. Si (V, +, ·) es un K-espacio vectorial y la operación +

de V y la acción · de K en V quedan claras del contexto, diremos simplemente que V es un K-
espacio vectorial.

Hay propiedades que se cumplen en cualquier espacio vectorial. A continuación mostramos

algunas de ellas.

Sea V un K-espacio vectorial. Entonces:

1. 0 · v = 0 para todo v ∈ V . (Observar que el elemento 0 que aparece en el miembro

izquierdo de la igualdad es el elemento neutro de K, mientras que el de la derecha es el
vector 0 ∈ V .)
2. (−1) · v = −v para todo v ∈ V . (Recuérdese que −v denota al inverso aditivo de v)

Demostración

6
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

1. Se tiene que

0 · v = (0 + 0) · v = 0 · v + 0 · v.

Sea w el inverso aditivo de 0 · v. Entonces

0 = 0 · v + w = (0 · v + 0 · v) + w = 0 · v + (0 · v + w) = 0 · v + 0 = 0 · v

2. Vemos que

v + (−1) · v = (−1) · v + v = (−1) · v + 1 · v = (−1 + 1) · v = 0 · v = 0.

Luego, (−1) · v es el inverso aditivo de v, es decir (−1) · v = −v

Ejemplos

En lo que sigue K es un cuerpo.

1. K es un K-espacio vectorial.
2. Sea Kn = {(x1, . . . , xn) / xi ∈ K}. Se definen

+ : Kn × Kn → Kn, (x1, . . . , xn) + (y1, . . . , yn) = (x1 + y1, . . . , xn + yn)

· : K × Kn → Kn, λ · (x1, . . . , xn) = (λx1, . . . , λxn)

Entonces Kn es un K-espacio vectorial.

3. Una matriz de n filas y m columnas es un arreglo de n × m números ubicados en n filas

y m columnas.

Sea Kn x m
= {A / A es una matriz de n filas y m columnas de elementos en K}.
Observamos que un elemento A de Kn x m es de la forma

Si A ∈ Kn×m, denotaremos por Aij al elemento ubicado en la intersección de la fila i y la

columna j de A.

Se definen:

7
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

+ : Kn×m × Kn×m → Kn×m, (A + B)ij = Aij + Bij (1 ≤ i ≤ n, 1 ≤ j ≤ m)

· : K × Kn×m → Kn×m, (λ · A)ij = λ · Aij (1 ≤ i ≤ n, 1 ≤ j ≤ m)

Entonces Kn×m es un K-espacio vectorial.

4. Sea Z un conjunto no vacío. Se considera KZ = {f : Z → K / f es función } y se definen

+ : KZ × KZ → KZ, (f + g)(x) = f(x) + g(x) ∀ x ∈ Z,
· : K × KZ → KZ, (λ · f)(x) = λ · f(x) ∀ x ∈ Z.
Entonces KZ es un K-espacio vectorial.
5. K[X], el conjunto de polinomios en la variable X a coeficientes en K, es un K-espacio
vectorial con la suma usual de polinomios y la multiplicación usual de polinomios por
una constante.
6. ℝ es un ℚ-espacio vectorial; C es un ℝ -espacio vectorial y un ℚ-espacio vectorial.
7. ℚ[√2] es un ℚ-espacio vectorial.

SUBESPACIOS

Dentro de un K-espacio vectorial V, hay subconjuntos que heredan la estructura de V , es

decir, que son también espacios vectoriales con la misma operación, el mismo elemento
neutro y la misma acción que V. En esta sección, comenzaremos el estudio de los
subconjuntos con esta propiedad.

Definición 1.9

Sea V un K-espacio vectorial. Un subconjunto S ⊆ V no vacío se dice un subespacio de V si

la suma y el producto por escalares (de V) son una operación y una acción en S que lo
convierten en un K-espacio vectorial.

Ejemplo.

Caractericemos todos los subespacios de ℝ 2:

✓ S = {(0, 0)} es un subespacio.

✓ Supongamos que S es un subespacio y que contiene algún elemento v no nulo. Entonces,
para todo λ ∈ ℝ, λ.v ∈ S. Si ´estos son todos los elementos de S, entonces S es un
subespacio (que, gráficamente, resulta ser una recta que pasa por el origen).

8
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

✓ Con la notación del punto anterior, si S contiene algún elemento que no es de la forma λ.v,
digamos v’ , contiene también a todos los múltiplos de v’ . Luego, S contiene a las dos
rectas L y L’ 0 que pasan por el origen y cuyas direcciones son v y v’ respectivamente. Es
claro (usando la regla del paralelogramo) que cualquier punto en ℝ2 es suma de un
elemento de L más uno de L’, luego pertenece a S. En consecuencia, S = ℝ2.

Observamos que, dado un K-espacio vectorial V y un subconjunto S de V , para determinar si

S es un subespacio de V según la Definición 1.9 debemos verificar la validez de una gran
cantidad de propiedades (todas las involucradas en la definición de espacio vectorial). La
siguiente proposición nos provee una caracterización de los subespacios en términos de sólo
tres propiedades, a partir de las cuales se deducen todas las demás.

Proposición 1.10

Sea V un K-espacio vectorial y sea S ⊆ V . Entonces S es un subespacio de V sí y sólo si

valen las siguientes condiciones:

i. 0 ∈ S
ii. v, w ∈ S ⇒ v + w ∈ S
iii. λ ∈ K, v ∈ S ⇒ λ · v ∈ S

Demostración

(⇒) Es inmediato verificar que si S es un subespacio de V se cumplen i), ii) e iii).

(⇐) La condición i) asegura que S es no vacío.

Por ii), + es una operación de S y por iii), · es una acción.

La asociatividad y conmutatividad de la suma se deducen de la validez de las mismas

para V , el elemento neutro de la suma 0 ∈ S por i), y la existencia de inverso aditivo se
deduce de que dado v ∈ S, −v = (−1) · v, que pertenece a S por iii).

Las propiedades de la acción en la definición de espacio vectorial se deducen también de

su validez en V .

Observamos que la condición i) en la proposición anterior puede ser reemplazada por i’) S ≠
∅.

9
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

Es decir, las condiciones i), ii), iii) son equivalentes a i’), ii), iii). La demostración de este
hecho queda como ejercicio.

Ejemplos

Sea V un K-espacio vectorial.

1. {0} es un subespacio de V .
2. V es un subespacio de V .
3. Si v ∈ V , S = {λ · v / λ ∈ K} es un subespacio de V :
i. 0 = 0 · v ∈ S.
ii. Si λ · v, µ · v ∈ S, entonces λ · v + µ · v = (λ + µ) · v ∈ S.
iii. Si λ · v ∈ S y α ∈ K, entonces α · (λ · v) = (α · λ) · v ∈ S.

Este subespacio se denomina el subespacio generado por v y se nota S = < v >.

4. Sean v1, . . . , vn ∈ V .
Entonces S = {α1.v1 + · · · + α[Link] : αi ∈ K, 1 ≤ i ≤ n} es un subespacio de V :
i. 0 = 0.v1 + · · · + [Link] ∈ S.
ii. Si v, w ∈ S, v = α1.v1 + · · · + α[Link], w = β1.v1 + · · · + β[Link], entonces
v + w = (α1 + β1).v1 + · · · + (αn + βn).vn ∈ S.
iii. Si λ ∈ K y v = α1.v1 + · · · + α[Link] ∈ S, entonces
λ.v = (λ.α1).v1 + · · · + (λ.αn).vn ∈ S.

El subespacio S que hemos definido se llama el subespacio generado por v1, . . . , vn y se nota
S = < v1, . . . , vn >.
Si V es un K-espacio vectorial, tiene sentido considerar las operaciones de unión e
intersección entre subespacios de V (que son subconjuntos de V ). Una pregunta que surge es
si estas operaciones preservan la estructura de subespacio. Como veremos a continuación,
esto vale en el caso de la intersección de subespacios, pero no para la unión.

Proposición 1.11

Sea V un K-espacio vectorial, y sean S y T subespacios de V . Entonces S ∩ T es un

subespacio de V .

Demostración.

10
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

i. 0 ∈ S ∩ T puesto que 0 ∈ S y 0 ∈ T.
ii. Sean v, w ∈ S ∩ T. Entonces v ∈ S, v ∈ T, w ∈ S y w ∈ T. Como v, w ∈ S y S es un
subespacio, entonces v + w ∈ S. Análogamente, v + w ∈ T. Luego, v + w ∈ S ∩ T.
iii. Sean λ ∈ K y v ∈ S ∩ T. Entonces v ∈ S y v ∈ T. Como λ ∈ K, v ∈ S y S es un
subespacio, entonces λ · v ∈ S. Análogamente, λ · v ∈ T. Luego, λ · v ∈ S ∩ T.

En forma análoga a lo hecho en la demostración de la proposición anterior, se prueba que la

intersección de cualquier familia de subespacios de un K-espacio vectorial V es un
subespacio de V.

Observación 1.12

Si V es un K-espacio vectorial, S y T subespacios de V , entonces S ∪ T no es necesariamente

un subespacio de V .

En efecto, consideremos en ℝ 2 los subespacios S = < (1, 0) > y T = < (0, 1) >.

Observamos que (1, 0) ∈ S y (0, 1) ∈ T; luego, ambos pertenecen a S ∪ T. Pero (1, 0) + (0, 1)
= (1, 1) ∈/ S ∪ T, puesto que (1, 1) ∈/ S y (1, 1) ∈/ T.

Concluimos esta sección exhibiendo algunos ejemplos de subespacios de distintos K-espacios

vectoriales.
Ejemplos

1. Sean a1, . . . , an ∈ K fijos. Sea S = {(x1, . . . , xn) ∈ Kn : a1x1 + · · · anxn = 0}. Es fácil
verificar que S es un subespacio de Kn.

2. es un subespacio de Kn,
pues S = ⋂𝑚
𝑖=1 𝑆𝑖 , donde Si = {(x1, . . . , xn) ∈ K : ai1x1 + · · · + ainxn = 0} (1 ≤ i ≤ m) y
n

cada Si es un subespacio de Kn.

3. Sean V = K[X] y n ∈ N fijo. Se tiene que Kn[X] = {f ∈ K[X] / f = 0 o gr(f) ≤ n} es un
subespacio de V :
i. 0 ∈ Kn[X].
ii. Sean f, g ∈ Kn [X]. Si f = 0 o g = 0 es claro que f + g ∈ S. Si f + g = 0, entonces f +
g ∈ S. Si no, gr(f + g) ≤ max(gr(f), gr(g)) ≤ n, y por lo tanto f + g ∈ S.

11
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

iii. Sean λ ∈ K y f ∈ Kn [X]. Si λ = 0 o f = 0, entonces λ.f = 0 ∈ Kn [X]. Si no, gr(λ.f) =

gr(f), de donde λ.f ∈ Kn [X].

Observar que el conjunto {f ∈ K[X] / f = 0 o gr(f) ≥ n}, para n ∈ ℕ fijo, no es un

subespacio de K[X]. Por ejemplo: f = Xn y g = −Xn + 1 pertenecen a dicho conjunto, pero
f + g = 1 no.

SISTEMAS DE GENERADORES

El objetivo de esta sección es mostrar cómo pueden describirse todos los elementos de un K-
espacio vectorial V a partir de ciertos subconjuntos de elementos de V .

De la definición de K-espacio vectorial se ve que una forma de obtener nuevos elementos de

V a partir de los elementos de un subconjunto G ⊆ V es considerando sumas finitas de
múltiplos por escalares de elementos de G. Surge entonces la noción de combinación lineal:

Definición 1.13

Sea V un K-espacio vectorial, y sea G = {v1, . . . , vr} ⊆ V . Una combinación lineal de G es

un elemento v ∈ V tal que v = ∑𝑟𝑖=1 𝛼𝑖 . 𝑣𝑖 con 𝛼𝑖 ∈ K para cada 1 ≤ i ≤ r.

Ejemplos

1. Sea G = {(1, 2),(3, 4)} ⊆ ℝ 2. Una combinación lineal de G es un vector v = α.(1, 2) +

β.(3, 4) con α, β ∈ ℝ.
2. Sea G = {1, X, . . . , Xn} ⊆ ℝ n[X]. Una combinación lineal de G es ∑𝑛𝑖=1 𝛼𝑖 Xi con αi ∈ ℝ
para cada 0 ≤ i ≤ n.

La definición de combinación lineal se extiende al caso de subconjuntos no necesariamente

finitos del espacio vectorial considerado:

Definición 1.14

Sea V un K-espacio vectorial, sea I un conjunto de índices y sea G = {vi / i ∈ I} ⊂ V . Una

combinación lineal de G es un elemento v ∈ V tal que v = ∑i ∈I αi vi donde αi = 0 salvo para
finitos i ∈ I.
Ejemplos

12
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

1. Sea G = {Xi / i ∈ ℕ0} ⊆ ℝ [X]. Una combinación lineal de G es ∑∞

𝑖=0 𝛼𝑖 𝑋𝑖 donde 𝛼𝑖 ∈

ℝ y 𝛼𝑖 = 0 salvo para finitos valores de i ∈ N0.

2. Sea G = {(α, 0) : α ∈ ℝ } ⊆ ℝ2. Una combinación lineal de G es ∑𝛼∈ℝ 𝛽𝛼 . (𝛼, 0) tal que
βα ∈ ℝ y βα = 0 salvo para finitos α ∈ ℝ.

Dado un espacio vectorial V , considerando las combinaciones lineales de los elementos de

ciertos subconjuntos de V , podemos obtener cualquier elemento del espacio vectorial en
cuestión.

Como se verá en los ejemplos, en muchos casos esto nos permitirá describir conjuntos
infinitos (como por ejemplo ℝ2) utilizando finitos elementos del espacio.

Definición 1.15

Sea V un K-espacio vectorial y sea G ⊆ V . Se dice que G es un sistema de generadores de V

(y se nota < G > = V ) si todo elemento de V es una combinación lineal de G.

Ejemplos

1. ℝ2 = < (1, 0),(0, 1) >, pues ∀ x = (α, β) ∈ ℝ2, x = α.(1, 0) + β.(0, 1).
2. Kn = < (1, 0 . . . , 0),(0, 1, 0, . . . , 0), . . . ,(0, . . . , 0, 1, 0, . . . , 0), . . . ,(0, . . . , 0, 1) >.

3. Kn×m

4. K[X] = ˂ Xi ˃𝑖 ∈ℕ0 .
5. Si G ⊆ K[X] tal que para cada i ∈ N0, existe fi ∈ G con gr(fi) = i, entonces K[X] = < G >:
Es claro que 0 ∈ < G >. Veamos, por inducción en gr(g), que g ∈ < G > para cada g ∈
K[X].
Si gr(g) = 0, entonces g ∈ K, y como existe f0 ∈ G con gr(f0) = 0 (es decir, f0 ∈ K − {0}),
𝑔
se tiene que g = 𝑓 . 𝑓0 ∈ < 𝐺 >.
0

Sea n > 0 y supongamos que todo polinomio de grado menor que n y el polinomio nulo
pertenecen a < G >. Sea g ∈ K[X] con gr(g) = n.
Por hipótesis, existe fn ∈ G con gr(fn) = n. Si g = ∑𝑛𝑗=0 𝑎𝑗 𝑋𝑗 y fn = ∑𝑛𝑗=0 𝑏𝑎𝑗 𝑋𝑗 ,
𝑎
consideramos 𝑔̃ = g − 𝑏𝑛 fn. Observamos que 𝑔̃ = 0 o gr(𝑔̃) < n.
𝑛

13
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

Por hipótesis inductiva, 𝑔̃ ∈ < G >, es decir 𝑔̃ = ∑𝑓∈𝐺 𝑐𝑓 . 𝑓 con cf = 0 salvo para finitos f.
En consecuencia:

14
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

SISTEMAS DE ECUACIONES LINEALES

Hemos visto que un conjunto del tipo

es un subespacio de Km. Surge entonces la cuestión de describir estos conjuntos. Esto puede
hacerse, por ejemplo, encontrando un sistema de generadores del subespacio S.

Más en general, estudiaremos el problema de dar una descripción del conjunto de soluciones
de un sistema de ecuaciones de la forma.

donde aij ∈ K para todo 1 ≤ i ≤ n y 1 ≤ j ≤ m, y bi ∈ K para todo 1 ≤ i ≤ n, a los que

llamaremos sistemas de n ecuaciones lineales en m incógnitas.

SISTEMAS LINEALES HOMOGÉNEOS

Un primer tipo de sistemas de ecuaciones que estudiaremos son los que tienen todas las
ecuaciones igualadas a 0.

Definición 1.16

Un sistema lineal homogéneo de n ecuaciones con m incógnitas a coeficientes en un cuerpo K

es un sistema del tipo

donde aij ∈ K para cada 1 ≤ i ≤ n, 1 ≤ j ≤ m.

Notación. La matriz A ∈ Kn×m definida por Aij = aij se llama la matriz asociada al sistema.

15
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

Observación 1.17

El conjunto de las soluciones de un sistema lineal homogéneo con m incógnitas es un

subespacio de Km.

Resolver un sistema de este tipo significará dar un sistema de generadores para el subespacio
de las soluciones.

El método que daremos para la resolución de sistemas de ecuaciones lineales consiste en

transformar el sistema dado, por medio de ciertas operaciones, en otro que tenga el mismo
conjunto de soluciones, pero cuya resolución sea más simple. Aparece entonces la noción de
sistemas equivalentes:

Definición 1.18

Dos sistemas lineales homogéneos se dicen equivalentes si sus conjuntos de soluciones son
iguales.

Ejemplo

Los siguientes sistemas lineales homogéneos a coeficientes en ℝ son equivalentes:

MÉTODO DE TRIANGULACIÓN

Algunos sistemas de ecuaciones lineales son muy fáciles de resolver:

Ejemplo

Consideremos el siguiente sistema lineal homogéneo en ℝ3:

Este sistema tiene como única solución a (0, 0, 0): De la tercera ecuación, resulta que x3 = 0.
Teniendo en cuenta que x3 = 0, de la segunda ecuación se deduce que x2 = 0. Finalmente,
reemplazando x2 = x3 = 0 en la primera ecuación, se obtiene que x1 = 0.

16
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

Análogamente, será más fácil obtener las soluciones de cualquier sistema lineal que se
encuentre en esta forma “triangular”, es decir, de la forma

La idea de lo que sigue es ver cómo puede obtenerse, dado un sistema lineal arbitrario, un
sistema de este tipo equivalente al dado.

La siguiente proposición caracteriza ciertas operaciones que producen sistemas equivalentes.

En estas operaciones se basa el método de eliminación de Gauss (o método de triangulación)
que utilizaremos para resolver sistemas lineales.

Proposición 1.19

Dado un sistema lineal homogéneo de ecuaciones, los siguientes cambios en las ecuaciones
dan lugar a sistemas equivalentes:

1. Intercambiar dos ecuaciones de lugar.

2. Multiplicar una ecuación por una constante no nula.
3. Reemplazar una ecuación por ella misma más un múltiplo de otra.

Demostración

1. Si vemos al conjunto de soluciones del sistema como la intersección de los conjuntos de

soluciones de cada una de las ecuaciones que lo integran, intercambiar dos ecuaciones
corresponde a intercambiar dos conjuntos en la intersección. Como la intersección es
conmutativa, el conjunto que resulta es el mismo.
2. Sea x = (x1, . . . , xm) ∈ Km una solución de

Al multiplicar la i-ésima ecuación por λ ∈ K, λ ≠ 0, resulta el sistema.

17
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

Es claro que x es solución de todas las ecuaciones que no fueron modificadas. Además

𝜆𝑎𝑖1 𝑥1 + 𝜆𝑎𝑖2 𝑥2 + · · · + 𝜆𝑎𝑖𝑚 𝑥𝑚 = λ(𝑎𝑖1 𝑥1 + 𝑎𝑖2 𝑥2 + · · · + 𝑎𝑖𝑚 𝑥𝑚 ) = λ . 0 = 0.

Luego, x es solución de (**).

Recíprocamente, multiplicando la i-ésima ecuación de (**) por 1 λ se obtiene (*), de

donde, con el mismo razonamiento que antes, se deduce que si x es solución de también
lo es de (*).

3. Se demuestra en forma análoga.

Observación 1.20

Si A es la matriz asociada a un sistema lineal homogéneo H, efectuar las operaciones de la

proposición anterior sobre las ecuaciones de H equivale a hacerlo sobre las filas de A.

Como consecuencia de esta observación, para resolver un sistema lineal trabajaremos con la
matriz asociada al sistema, en lugar de hacerlo con las ecuaciones. Al aplicar en las matrices
las operaciones dadas en la Proposición 1.19 estaremos obteniendo matrices cuyos sistemas
lineales asociados son equivalentes al original.

El siguiente teorema nos asegura que, por medio de las operaciones permitidas siempre puede
obtenerse un sistema triangular equivalente al dado. Más aún, de la demostración se
desprende un algoritmo para realizar esta tarea.

Teorema 1.21

Sea H un sistema lineal homogéneo de n ecuaciones con m incógnitas. Entonces, aplicando

los cambios descriptos en la Proposición 1.19, puede obtenerse un sistema lineal homogéneo
H’ cuya matriz B es triangular superior, es decir, tal que Bij = 0 si i > j.

Demostración

Procedemos por inducción en n, la cantidad de ecuaciones del sistema.

18
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

Si n = 1 no hay nada que probar.

Supongamos que vale para n y consideremos un sistema lineal de n + 1 ecuaciones

Si m = 1, es claro que el resultado vale. Supongamos m > 1.

Primer caso:

Si ai1 = 0 para cada 1 ≤ i ≤ n + 1. Entonces la matriz del sistema es de la forma

donde 0̅ denota una columna de ceros y c ∈ K1×(m−1) , M ∈ Kn×(m−1) .

Segundo caso:

Existe j, 1 ≤ j ≤ n + 1, con a1j ≠ 0. Eventualmente intercambiando las ecuaciones 1 y j,

1
podemos suponer que a11 ≠ 0. Multiplicando la primera ecuación por y aplicando
𝑎11

operaciones de tipo 3. en las otras resulta

con c ∈ K1×(m−1) y M ∈ Kn×(m−1).

Entonces, en cualquier caso, aplicando las operaciones descriptas en la Proposición 1.19 al

sistema dado, puede obtenerse un sistema cuya matriz asociada es de la forma.

19
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

Sea HM el sistema cuya matriz asociada es M. Por hipótesis inductiva, aplicando operaciones
permitidas puede obtenerse un sistema equivalente a HM cuya matriz M’ es triangular
superior. Aplicando esas mismas operaciones en la matriz A se obtiene

que es triangular superior.

Ejemplo

Resolver el siguiente sistema lineal homogéneo en ℝ4:

La matriz asociada al sistema de ecuaciones es

El primer paso del método de Gauss consiste en colocar en el lugar A11 un elemento no nulo.
Para eso permutamos las filas 1 y 3 de la matriz (podría usarse también la fila 2). Se obtiene

A continuación debemos realizar operaciones de fila de manera de conseguir que los restantes
elementos de la primera columna de la matriz sean ceros. Si Fi denota la i-ésima fila de la
matriz, haciendo F2 − 3F1 resulta

20
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

Pasamos ahora a la segunda columna de la matriz. El elemento ubicado en la fila 2 columna 2

de la matriz es un 1, con lo que sólo resta conseguir un 0 en la fila 3 columna 2. Para eso
efectuamos F3 − 2F2:

Esta matriz se encuentra en forma triangular. El sistema asociado

es equivalente al original.

De la tercera ecuación deducimos que si X = (x1, x2, x3, x4) es solución del sistema, entonces
x3 = −x4. Reemplazando en la segunda ecuación y despejando x2 se obtiene x2 = − x4.

Finalmente, de la primera ecuación se deduce que x1 = 2x4. Además es claro que cualquier X
que cumple estas condiciones es solución de la ecuación.

En consecuencia, las soluciones del sistema son todos los vectores en ℝ4 de la forma

X = (2x4, −x4, −x4, x4) = x4 (2, −1, −1, 1), es decir, el conjunto de las soluciones del sistema es
el subespacio

S = < (2, −1, −1, 1) >.

CANTIDAD DE SOLUCIONES DE UN SISTEMA HOMOGÉNEO

Una consecuencia inmediata del Teorema 1.21 es la siguiente:

Observación 1.22

Sea H un sistema lineal homogéneo de n ecuaciones con m incógnitas.

Supongamos que n > m. Entonces, por el teorema anterior, el sistema es equivalente a uno
cuya matriz es triangular superior.

21
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

Luego, las últimas filas de su matriz asociada son nulas y en consecuencia vemos que existe
un sistema H’ de n ecuaciones con n incógnitas cuyo conjunto de soluciones coincide con el
de H (basta considerar las n primeras ecuaciones del sistema obtenido).

Si H es un sistema lineal homogéneo con m incógnitas, es claro que 0 ∈ Km es una solución

de H. Esta se llama la solución trivial del sistema.

En muchos casos nos interesará saber si el sistema tiene alguna solución distinta de 0 (a las
que llamaremos soluciones no triviales).

El siguiente resultado nos dice que en el caso de un sistema con menos ecuaciones que
incógnitas esto siempre sucede.

Teorema 1.23

Sea H un sistema lineal homogéneo de n ecuaciones con m incógnitas.

Supongamos que n < m. Entonces existe x ∈ Km, x ≠ 0, que es solución del sistema H.

Demostración

Por inducción en la cantidad n de ecuaciones de H.

Si n = 1, m ≥ 2: Entonces H : a11x1 + a12x2 · · · + a1mxm = 0. Si a11 = 0, entonces (1, 0, . . . , 0)

−𝑎12
es solución del sistema y si a11 ≠ 0, entonces ( , 1, 0, . . . , 0) es solución.
𝑎11

Supongamos que el resultado vale para sistemas con n ecuaciones y sea H un sistema de n +
1 ecuaciones con m incógnitas, n + 1 < m.

Triangulando la matriz del sistema, resulta que es equivalente a una de la forma

donde B ∈ Kn×(m−1), y m − 1 > n.

Por lo tanto, el sistema cuya matriz asociada es B está en las condiciones de la hipótesis
inductiva. Luego, existe (x1, . . . , xm−1) = 0 que es solución del sistema asociado a B.

✓ Si a11 = 0, entonces (1, 0, . . . , 0) es solución del sistema original.

22
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

1
✓ Si a11 ≠ 0, entonces (− . (∑𝑚
𝑖=2 𝑎1𝑖 𝑥𝑖 − 1), 𝑥𝑖 , . .. , 𝑥𝑚−1 ) es una soluci´on no nula del
𝑎11

sistema.

El siguiente teorema se refiere a la existencia de soluciones no triviales para sistemas

homogéneos con igual cantidad de ecuaciones que incógnitas. Teniendo en cuenta la
observación hecha el comienzo de esta sección, esto resuelve el problema en el caso general.

Teorema 1.24

Sea H un sistema lineal homogéneo de n ecuaciones y n incógnitas. Sea H’ un sistema

equivalente a H cuya matriz B es triangular superior. Entonces H tiene solución única si y
sólo si Bii ≠ 0 ∀ 1 ≤ i ≤ n.

Demostración

Entonces, la última ecuación del sistema H’ es Bnnxn = 0 y, como Bnn ≠ 0, resulta que xn = 0.

Reemplazando en la ecuación anterior xn por 0, queda Bn−1 n−1 xn−1 = 0, de donde xn−1 = 0.
Siguiendo de este modo, para cada k = n − 2, . . . , 1 de la k-ésima ecuación se obtiene xk = 0.

Es claro que (1, 0, . . . , 0) es solución del sistema cuya matriz asociada es (0̅ M ) , o sea xi+1 =
1, . . . , xn = 0.

−𝐵𝑖 𝑖+1
De la i-ésima ecuación se despeja xi = 𝐵𝑖 𝑖

Se sigue así para calcular los valores de todas las variables. Se obtiene una solución de H’ de
la forma (x1, . . . , xi , 1, 0, . . . , 0), que es una solución no nula del sistema.

23
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

Ejemplo

Hallar todos los valores de k ∈ ℝ para los cuales el sistema homogéneo cuya matriz asociada
es:

tiene solución única.

En primer término aplicamos el método de eliminación de Gauss para obtener un sistema

triangular equivalente al dado:

Por el teorema anterior, el sistema tiene solución única si y sólo si −k−3 ≠ 0 y −k2+4k−4 ≠ 0,
es decir, para todo k ∈ ℝ − {−3, 2}.

SISTEMAS LINEALES NO HOMOGÉNEOS

Para terminar, estudiaremos sistemas de ecuaciones lineales en el caso general, es decir,

cuando las ecuaciones que integran el sistema no están necesariamente igualadas a 0.

Definición 1.25

Un sistema de ecuaciones lineales

se dice no homogéneo si existe i, 1 ≤ i ≤ n, con bi ≠ 0.

La matriz A = (aij) se dice la matriz asociada al sistema.

24
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

Llamaremos sistema homogéneo asociado a H a

En el caso de un sistema lineal no homogéneo el conjunto de soluciones no es un subespacio

(es claro que 0 no es solución). Sin embargo, el conjunto de soluciones de un sistema no
homogéneo está íntimamente relacionado con el subespacio de soluciones del sistema
homogéneo asociado.

Proposición 1.26

Sea H un sistema lineal no homogéneo con soluciones. Sea S el conjunto de soluciones del
sistema homogéneo asociado a H y sea p una solución particular de H.

Entonces, el conjunto M de soluciones de H es M = S + p = {s + p : s ∈ S}.

Demostración

Sea H el sistema

(⊆) Sea z ∈ M. Se tiene que z = (z − p) + p. Luego, para probar que z ∈ S + p, basta ver que z
− p = (z1 − p1, . . . , zm − pm) ∈ S, es decir, que es solución del sistema homogéneo
asociado a H.

Sea i, 1 ≤ i ≤ n. Entonces

ai1(z1 − p1) + · · · + aim(zm − pm) = (ai1z1 + · · · + aimzm) − (ai1p1 + · · · + aimpm) = bi − bi = 0

puesto que z y p son ambas soluciones de H. Luego, z − p ∈ S.

(⊇) Sea y ∈ S + p. Entonces y = s + p con s ∈ S.

Para cada 1 ≤ i ≤ n,

25
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

ai1y1 + · · · + aimym = ai1(s1 + p1) + · · · + aim(sm + pm) = = (ai1s1 + · · · + aimsm) + (ai1p1 + · · ·

+ aimpm) = 0 + bi = bi ,

puesto que p es solución de H y s es solución del sistema homogéneo asociado a H. En

consecuencia, y es solución de H, es decir, y ∈ M.

Ejemplo

Resolver el siguiente sistema de ecuaciones lineales en ℝ4:

Por la proposición anterior, para obtener todas las soluciones del sistema basta conocer una
solución particular y el conjunto de soluciones del sistema homogéneo asociado.

Vemos que p = (1, 0, 0, 0) es una solución particular del sistema.

Por otro lado, en un ejemplo anterior hemos visto que el conjunto de soluciones del sistema
homogénea asociado es S = < (2, −1, −1, 1) >.

En consecuencia, el conjunto de soluciones del sistema es < (2, −1, −1, 1) > + (1, 0, 0, 0).

Sin embargo, el resultado que relaciona las soluciones de un sistema no homogéneo con las
del homogéneo asociado es más que nada teórico: dado un sistema de ecuaciones lineales no
homogéneo, es poco probable que conozcamos una solución particular sin resolverlo. La
resolución de un sistema lineal no homogéneo, al igual que en el caso homogéneo, puede
realizarse triangulando una matriz adecuada como mostramos en el siguiente ejemplo.

Ejemplo

Resolver el siguiente sistema lineal no homogéneo en ℝ4

Consideraremos la siguiente matriz formada por la matriz del sistema homogéneo asociado al
sistema a la que le agregamos como última columna los escalares solución de cada ecuación

26
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

(lo separamos con una línea para recordar que esos escalares son los que aparecen del otro
lado de los iguales):

El método de resolución es similar al de los sistemas homogéneos. Utilizamos el método de

Gauss para triangular la matriz que está a la izquierda de la línea pero realizando las
operaciones en toda la fila, inclusive en los elementos a la derecha de la línea: el método de
Gauss se basa en intercambiar y operar con ecuaciones, así que para no cambiar las
soluciones debemos trabajar con ambos miembros de las ecuaciones (en el caso homogéneo,
esto no era necesario porque siempre los segundos miembros daban cero). Entonces,
triangulando con las mismas operaciones que en el ejemplo de la página anterior, obtenemos

Esta matriz se encuentra en forma triangular y su sistema no homogéneo asociado

es equivalente al original.

De la tercera ecuación deducimos que si X = (x1, x2, x3, x4) es solución del sistema, entonces
x3 = 4 − x4. Reemplazando en la segunda ecuación y despejando x2 se obtiene x2 = 3 − x4.

Finalmente, de la primera ecuación se deduce que x1 = −14 + 2x4. Además es claro que
cualquier X que cumple estas condiciones es solución del sistema. Luego, las soluciones del
sistema son todos los vectores en ℝ4 de la forma

X = (2x4 − 14, −x4 + 3, −x4 + 4, x4) = x4(2, −1, −1, 1) + (−14, 3, 4, 0),

27
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

es decir, el conjunto de las soluciones del sistema es el subespacio S = < (2, −1, −1, 1) >
(solución del sistema homogéneo asociado) más la solución particular (−14, 3, 4, 0).

Este procedimiento para resolver sistemas lineales no homogéneos motiva la siguiente

definición:

Definición 1.27

Dado un sistema de ecuaciones lineales no homogéneo

se llama matriz ampliada asociada al sistema H a la matriz

A diferencia de los sistemas homogéneos, los sistemas no homogéneos pueden no tener

soluciones. El método descripto, que triangula la matriz ampliada asociada al sistema, nos
muestra que en estos casos no hay solución particular posible:

Ejemplo

Resolver el siguiente sistema lineal no homogéneo en ℝ4:

Triangulando la matriz ampliada asociada al sistema, tenemos

28
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

Esto significa que una solución X = (x1, x2, x3, x4) del sistema debe satisfacer la última
ecuación, es decir 0.x1 + 0.x2 + 0.x3 + 0.x4 = −7, lo que es un absurdo. Por lo tanto el sistema
en cuestión no tiene soluciones.

29
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

INDEPENDENCIA LINEAL Y BASES

Un espacio vectorial puede tener distintos sistemas de generadores y además dos sistemas de
generadores de un mismo espacio vectorial pueden tener distinta cantidad de elementos.

En este apartado veremos que para cualquier sistema de generadores G de un K-espacio

vectorial V que cumpla cierta propiedad adicional, que llamaremos independencia lineal, la
cantidad de elementos de G estará fija. Esto nos llevará a definir la noción de dimensión de
un espacio vectorial.

INDEPENDENCIA LINEAL

Una cuestión que surge al considerar un sistema de generadores de un K-espacio vectorial V

es la de hallar sistemas de generadores que sean minimales respecto de la inclusión, es decir,
tal que ningún subconjunto propio sea también un sistema de generadores de V. Los
siguientes resultados caracterizan a los conjuntos con esta propiedad.

Proposición 1.28

Sean V un K-espacio vectorial, S un subespacio de V y {v1, . . . , vn} ⊆ V .

Entonces < v1, . . . , vn > ⊆ S ⇐⇒ vi ∈ S ∀ 1 ≤ i ≤ n.

Demostración

Corolario 1.29

Sea V un K-espacio vectorial, y sea {v1, . . . , vn, vn+1} ⊆ V . Entonces < v1, . . . , vn, vn+1 > =
< v1, . . . , vn > ⟺vn+1 ∈ < v1, . . . , vn >.

Demostración

30
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

Introducimos ahora la noción de independencia lineal.

Definición 1.30

Sea V un K-espacio vectorial y sea {vα}α∈I una familia de vectores de V. Se dice que {vα}α∈I
es linealmente independiente (l.i.) si

∑ 𝑎𝛼 . 𝑣𝛼 = 0 ⟹ 𝑎𝛼 = 0 ∀ 𝛼 ∈ 𝐼.
𝛼∈𝐼

Si {vα}α∈I no es linealmente independiente, se dice que es linealmente dependiente (l.d.).

Aunque, a diferencia de un conjunto, una familia puede contener elementos repetidos, en lo

que sigue hablaremos indistintamente de familias o conjuntos de vectores, entendiendo que
pueden ocurrir repeticiones.

La noción de independencial lineal está íntimamente relacionada con la minimalidad de un

sistema de generadores. Más precisamente:

Observación 1.31

Sea V un K-espacio vectorial y sean v1, . . . , vn ∈ V . Entonces el conjunto {v1, . . . , vn} es

linealmente independiente si y sólo si

< v1, . . . , vn > ≠ < v1, . . . , vbi , . . . , vn > ∀ 1 ≤ i ≤ n.

(Notación: < v1, . . . , vbi , . . . , vn > denota el subespacio generado por {v1, . . . , vn} − {vi}.)

Demostración

(⇒) Supongamos que < v1, . . . , vbi, . . . , vn > = < v1, . . . , vn >. En particular

vi ∈ < v1, . . . , vbi , . . . , vn >,

31
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

de donde {v1, . . . , vn} no es linealmente independiente.

Luego, < v1, . . . , vn > = < v1, . . . , vn−1 >.

Ejemplos

Decidir si los siguientes conjuntos son linealmente independientes.

1. En ℝ3, {(1, 0, 1),(1, −1, 0),(0, 0, 1)}.

Sean α1, α2, α3 ∈ ℝ tales que

α1(1, 0, 1) + α2(1, −1, 0) + α3(0, 0, 1) = (0, 0, 0).

Comparando coordenada a coordenada resulta que α1, α2, α3 son solución del sistema de
ecuaciones.

Es fácil ver que este sistema tiene como única solución a la trivial.

Luego, el conjunto {(1, 0, 1),(1, −1, 0),(0, 0, 1)} es linealmente independiente.

2. En ℝ[X], {Xi: i ∈ ℕ0}.

Sean αi ∈ ℝ (i ∈ ℕ0) tales que αi = 0 para casi todo i ∈ ℕ0 y ∑𝑖 ∈ℕ0 𝛼𝑖 𝑋 𝑖 = 0.

Para que el elemento ∑𝑖 ∈ℕ0 𝛼𝑖 𝑋 𝑖 de ℝ[X] sea el polinomio nulo, todos sus coeficientes

32
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

deben ser 0. Luego, αi = 0 para todo i ∈ ℕ0, de donde el conjunto {Xi: i ∈ ℕ0} es
linealmente independiente.

La siguiente proposición nos permitirá obtener otro método para decidir si un conjunto de
vectores en Kn es linealmente independiente.

Proposición 1.32

Sea V un K-espacio vectorial. Entonces:

Demostración

1. Se deduce del hecho que en un conjunto no interesa el orden de sus elementos.

2. Supongamos que {v1, . . . , vi, . . . , vn} es linealmente independiente.
Sean α1, . . . , αn ∈ K tales que α1v1 + · · · + αi (λvi) + · · · + αnvn = 0. Entonces se tiene
que αj = 0 para cada j ≠ i y que αi .λ = 0. Puesto que λ ≠ 0, resulta que también αi = 0.
Luego, el conjunto {v1, . . . , λvi, . . . , vn } es linealmente independiente.
Esto prueba la equivalencia, puesto que para demostrar la otra implicación basta
1
multiplicar el i-ésimo vector del conjunto por λ.

3. Supongamos que {v1, . . . , vi, . . . , vj , . . . , vn} es linealmente independiente.

Sean α1, . . . , αn ∈ K tales que

La independencia lineal de {v1, . . . , vi , . . . , vj , . . . , vn} implica que

α1 = . . . = αi = . . . = αiλ + αj = . . . = αn = 0,

de donde αk = 0 para todo 1 ≤ k ≤ n.

En consecuencia, el conjunto {v1, . . . , vi +λvj , . . . , vj , . . . , vn} es linealmente

independiente.

33
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

La otra implicación se deduce de ésta observando que el conjunto {v1, . . . , vn} se

obtiene de { v1, . . . , vi +λvj , . . . , vj , . . . , vn } cambiando el i-ésimo vector vi +λvj por
(vi +λvj ) + (−λ)vj = vi.

Como consecuencia de la proposición anterior, para decidir si un subconjunto de vectores

{v1, . . . , vr} de Kn es linealmente independiente podemos proceder como sigue:

✓ Considerar la matriz A cuyas filas son los vectores v1, . . . , vr.

✓ Triangular la matriz A.
✓ Si la matriz obtenida tiene alguna fila nula, el conjunto es linealmente dependiente. De lo
contrario, es linealmente independiente.
En efecto, en cada paso de la triangulación, lo que se hace es cambiar el conjunto de
vectores por otro conjunto como en 1., 2. o 3. de la proposición anterior. Luego, el nuevo
conjunto de vectores será l.i. si y sólo si el anterior era l.i. Si alguna fila de la matriz
obtenida es nula, es decir, uno de los vectores del conjunto de vectores obtenido es el 0, es
claro que el conjunto es l.d. Por otro lado, si ninguna fila de la matriz triangular superior es
nula, es fácil ver que el conjunto de vectores obtenido es l.i.

BASES Y DIMENSIÓN

Introducimos ahora el concepto de base de un espacio vectorial.

Definición 1.33

Sea V un K-espacio vectorial. Una familia {vα}α∈I se llama una base del espacio vectorial V si
{vα}α∈I es una familia linealmente independiente de V que satisface < vα >α∈I = V .

Ejemplos

1. En Kn, B = {e1, . . . , en}, donde (ei)i = 1 y (ei)j = 0 si j ≠i, es una base, llamada la base
canónica de Kn.
2. En Kn×m, B = {Eij / 1 ≤ i ≤ n, 1 ≤ j ≤ m} es una base.
3. En K[X], B = {Xi / i ∈ ℕ0} es una base.

Dos sistemas de generadores cualesquiera de un K-espacio vectorial V pueden tener distinta

cantidad de elementos.

34
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

Esto no sucede en el caso de dos bases y lo demostraremos para espacios vectoriales

finitamente generados, lo que nos permitirá definir la dimensiona de un espacio vectorial
finitamente generado como la cantidad de elementos de una base cualquiera.

Teorema 1.34

Sea V un K-espacio vectorial. Supongamos que < v1, . . . , vr > = V y que {w1, . . . , ws} ⊆ V
es una familia linealmente independiente. Entonces s ≤ r.

Demostración

Como V = < v1, . . . , vr >, para cada 1 ≤ i ≤ s, existen αij ∈ K (1 ≤ j ≤ r) tales que
wi = ∑𝑟𝑗=1 𝛼𝑖𝑗 𝑣𝑗 . Consideremos el siguiente sistema de r ecuaciones y s incógnitas:

Sea (β1, . . . , βs) una solución del sistema. Entonces

Dado que {w1, . . . , ws} es linealmente independiente, debe ser (β1, . . . , βs) = 0.

En consecuencia, el sistema (1.1) tiene solución única, de donde se deduce que la cantidad de
ecuaciones del sistema es mayor o igual que el número de variables, es decir r ≥ s.

Corolario 1.35

Sea V un K-espacio vectorial, y sean B1 y B2 dos bases de V . Si B1 ={w1, . . . , ws} y B2 =

{v1, . . . , vm}, entonces n = m.

Demostración.

Por el teorema anterior

✓ B1 sistema de generadores de V y B2 conjunto linealmente independiente ⇒ n ≥ m.

35
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

✓ B2 sistema de generadores de V y B1 conjunto linealmente independiente ⇒ m ≥ n.

Luego, n = m.

Definición 1.36

Sea V un K-espacio vectorial y sea B = {v1, . . . , vm } una base de V . Diremos entonces que n
es la dimensión de V (como espacio vectorial sobre K). En este caso, diremos que V es un K-
espacio vectorial de dimensión finita, para distinguirlo de los espacios vectoriales que no
admiten una base con finitos elementos. Por convención, la dimensión de {0} es 0.

Notación. Si n es la dimensión del K-espacio vectorial V, escribimos n = dimK V , o

simplemente dim V si el cuerpo K queda claro por el contexto.

Una propiedad de las bases es que cualquier vector del espacio vectorial considerado se puede
expresar como combinación lineal de los elementos de la base de manera única.

Como veremos más adelante, aplicando esta propiedad se trabajará en un K-espacio vectorial
de dimensión n arbitrario como si fuese Kn.

Proposición 1.37

Sea V un K-espacio vectorial de dimensión finita. Sea {v1, . . . , vn} una base de V . Entonces
para cada x ∈ V existen únicos α1, . . . , αn ∈ K tales que x = ∑𝑛𝑖=1 𝛼𝑖 𝑣𝑖

Demostración

La existencia se deduce de que, por ser una base de V , { v1, . . . , vn } es un sistema de

generadores de V .

Supongamos que ∑ni=1 αi vi = ∑ni=1 βi vi , entonces ∑ni=1(αi − βi) vi = 0. Como { v1, . . . , vn }

es un conjunto linealmente independiente, αi − βi = 0 ∀ 1 ≤ i ≤ n. Luego, αi = βi ∀1 ≤ i ≤ n, lo
que prueba la unicidad.

La siguiente proposición muestra cómo hallar una base de un K-espacio vectorial de

dimensión finita V a partir de cualquier sistema de generadores finito de V y cómo completar
un subconjunto linealmente independiente arbitrario de V a una base.

Proposición 1.38

Sea V un K-espacio vectorial de dimensión finita.

36
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

i. Sea {v1, . . . , vs} un sistema de generadores de V . Entonces existe un subconjunto G ⊆

{v1, . . . , vs} que es una base de V .
ii. Sea {w1, . . . , wr} un conjunto linealmente independiente de V . Entonces existen
elementos wr+1, . . . , wn ∈ V tales que {w1, . . . , wr, wr+1, . . . , wn} es una base de V .

Demostración

1. Si {v1, . . . , vs} es linealmente independiente, entonces es una base de V .

Si no es linealmente independiente, alguno de los vectores del conjunto es combinación
lineal de los otros. Supongamos que vs ∈ < v1, . . . , vs-1 >. Consideramos ahora
{v1, . . . , vs-1}, que es un sistema de generadores de V , y procedemos inductivamente.
2. Sea B = {z1, . . . , zn} una base de V .
Sea G0 = < w1, . . . , wr >. Consideramos

Se procede inductivamente para 2 ≤ i ≤ n, es decir,

Observar que { w1, . . . , wr } ⊆ Gi ∀ 1 ≤ i ≤ n.

Además, para cada 1 ≤ i ≤ n, < z1, . . . , zi > ⊆ < Gi >, y Gi es un conjunto linealmente
independiente. En particular, V = < z1, . . . , zn > ⊆ < Gn > y Gn es linealmente
independiente. Luego, Gn es una base de V .

Ejemplos

i. Extraer una base de S = < (1, −1, 7, 3),(2, 1, −1, 0),(3, 1, 1, 1) > del sistema de
generadores dado.
Observamos que el sistema de generadores dado es linealmente dependiente. En efecto,

37
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

Como por la triangulación anterior se ve simultáneamente que {(1, −1, 7, 3), (2, 1, −1,
0)} es un conjunto l.i. y que {(1, −1, 7, 3), (2, 1, −1, 0), (3, 1, 1, 1)} es un conjunto l.d,
resulta que (3, 1, 1, 1) ∈ < (1, −1, 7, 3), (2, 1, −1, 0) >. Luego, {(1, −1, 7, 3), (2, 1, −1,
0)} es un sistema de generadores de S.

Como además es linealmente independiente, es una base de S.

ii. Extender el conjunto linealmente independiente {(1, 1, 0, 0), (1, −1, 1, 0)} a una base de
ℝ4.
Consideremos la base canónica de ℝ4.

E = {(1, 0, 0, 0),(0, 1, 0, 0),(0, 0, 1, 0),(0, 0, 0, 1)}

Con la notación utilizada en la demostración de la proposición anterior:

Se tiene G1 := {(1, 1, 0, 0),(1, −1, 1, 0),(1, 0, 0, 0)}, que es linealmente independiente.

Ahora, (0, 1, 0, 0) ∈ < G1 >, puesto que (0, 1, 0, 0) = (1, 1, 0, 0) − (1, 0, 0, 0) y entonces
G2 : = G1.

El conjunto G2 ∪ {(0, 0, 1, 0)} es linealmente independiente. Consideramos entonces

G3 := G2 ∪ {(0, 0, 1, 0)}. Este conjunto, formado por cuatro vectores linealmente
independientes de ℝ4, debe poder extenderse a una base de ℝ4, que tendrá 4 elementos
puesto que dim ℝ4 = 4; luego, ya es una base de ℝ4.

Como consecuencia de la proposición anterior, se obtienen los siguientes resultados sobre

subespacios de un K-espacio vectorial de dimensión finita.

Observación 1.39

Si V es un K-espacio vectorial de dimensión finita y S ⊆ V , entonces S es de dimensión

finita.

38
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

(Notar que si S tuviese una base con infinitos elementos, podríamos obtener dim V + 1
elementos l.i. en S y por lo tanto en V . Este conjunto podría extenderse a una base de V con
más de dim V elementos, lo que es un absurdo.)

Proposición 1.40

Sean S y T subespacios de un K-espacio vectorial V de dimensión finita.

Entonces:

i. S ⊆ T ⇒ dim S ≤ dim T.
ii. S ⊆ T y dim S = dim T ⇒ S = T.

Demostración

i. Sea {s1, . . . , sr} una base de S y sea n = dim T. Como S ⊆ T, se tiene que
{s1, . . . , sr} ⊆ T, y además es un conjunto linealmente independiente. Luego, puede
extenderse a una base de T, y en consecuencia, dim S = r ≤ n = dim T.
ii. Siguiendo el razonamiento de la demostración de i), al extender una base {s1, . . . , sr}
de S a una de T, como dim S = dim T, no se agrega ningún vector.
Luego S = < s1, . . . , sr > = T.

Observar que el ítem ii) de la proposición anterior nos facilita la verificación de la igualdad
entre dos subespacios.

Ejemplo

Sean S y T los subespacios de ℝ3: S = < (1, −k2 + 1, 2), (k + 1, 1 − k, −2) > y T = {x ∈ ℝ3: x1
+ x2 + x3 = 0}. Hallar todos los valores de k ∈ R para los cuales S = T.

En primer lugar, veamos para qué valores de k ∈ ℝ se tiene que S ⊂ T:

✓ (1, −k2 + 1, 2) ∈ T ⟺ 1 + (−k2 + 1) + 2 = 0 ⟺ k = ±2

✓ (k + 1, 1 − k, −2) ∈ T para todo k ∈ ℝ.

Luego, S ⊂ T sí y sólo si k = −2 o k = 2

Finalmente, para cada uno de estos valores de k, basta ver si dim S = dim T. Observar que
dim T = 2 (una base de T es {(−1, 1, 0), (−1, 0, 1)}).

✓ Si k = −2, S = < (1, −3, 2),(−1, 3, −2) > = < (1, −3, 2) >, de donde dim S = 1.

39
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

✓ Si k = 2, S = < (1, −3, 2),(3, −1, −2) > y, como {(1, −3, 2),(3, −1, −2)} es l.i. y por lo tanto
una base de S, se tiene que dim S = 2.

Concluimos que S = T si y sólo si k = 2.

SUMA DE SUBESPACIOS

Dados dos subespacios S y T de un K-espacio vectorial V la unión S ∪ T en general no es un

subespacio de V , porque no contiene necesariamente a todos los elementos de la forma s + t
con s ∈ S y t ∈ T, y un subespacio que contenga a S y a T debe contener a todos estos
elementos. Esto da lugar a la noción de suma de subespacios.

SUBESPACIO SUMA

Definición 1.41

Sea V un K-espacio vectorial, y sean S y T subespacios de V . Se llama suma de S y T al

conjunto S + T = {v ∈ V / ∃ x ∈ S, y ∈ T tales que v = x + y} = {x + y / x ∈ S, y ∈ T}.

La siguiente proposición muestra que la suma de dos subespacios es, en efecto, un subespacio
que contiene a ambos, y da una caracterización de este conjunto en términos de sistemas de
generadores de los subespacios considerados.

Proposición 1.42

Sea V un K-espacio vectorial, y sean S y T subespacios de V . Entonces:

i. S + T es un subespacio de V .
ii. S + T es el menor subespacio (con respecto a la inclusión) que contiene a S ∪ T.
iii. Si {vi}i ∈ I es un sistema de generadores de S y {wj}j ∈ J es un sistema de generadores de
T, {vi}i ∈ I ∪ {wi}i ∈ I es un sistema de generadores de S + T.

Demostración

i. 0 = 0 + 0 ∈ S + T, pues 0 ∈ S, 0 ∈ T.

40
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

Sean v, v0 ∈ S + T. Existen x, x0 ∈ S, y, y’ ∈ T tales que v = x + y, v’ = x’ + y’.

Entonces v +v’ = (x+y) + (x’ +y’) = (x+x’) + (y +y’), y como S y T son subespacios
x + x’ ∈ S, y + y’ ∈ T. Luego, v + v’ ∈ S + T.
Sea v ∈ S + T y sea λ ∈ K. Existen x ∈ S, y ∈ T tales que v = x + y.
Entonces, λ.v = λ.(x + y) = λ.x + λ.y. Como λ ∈ K, x ∈ S y S es un subespacio, resulta
que λ.x ∈ S. Análogamente, λ.y ∈ T. Luego λ.v ∈ S + T.

En consecuencia, S + T es un subespacio de V .
ii. Sea W un subespacio de V tal que S ∪ T ⊆ W.
Sea v ∈ S + T. Entonces v = x + y con x ∈ S, y ∈ T. Como S ⊆ S ∪ T ⊆ W, entonces x
∈ W; y como T ⊆ S ∪ T ⊆ W, entonces y ∈ W. En consecuencia v = x + y ∈ W, puesto
que W es un subespacio.
Luego, S + T ⊆ W.
iii. Sea v ∈ S + T, v = x + y con x ∈ S, y ∈ T. Dado que {vi}i ∈ I es un sistema de
generadores de S, existen αi ∈ K (i ∈ I), con αi = 0 salvo para finitos i ∈ I, tales que
x = ∑𝑖 ∈𝐼 𝛼𝑖 𝑣𝑖 . De la misma manera, existen βj ∈ K (j ∈ J), con βj = 0 salvo para finitos j
∈ J, tales que y = ∑𝑗∈𝐽 𝛽𝑗 𝑤𝑗 . Luego

resulta una combinación lineal de {vi}i ∈ I ∪ {wj}j ∈ J ⊆ S + T.

Ejemplo

Sean S y T los subespacios de ℝ4

S = < (1, 1, 0, 1),(2, 3, 1, 1) > y T = < (0, 0, 1, 1),(1, 2, 2, 1) >.

Hallar una base de S + T.

Por la proposición anterior, podemos obtener un sistema de generadores de S+T mediante la

unión de un sistema de generadores de S y un sistema de generadores de T. Entonces

S + T = < (1, 1, 0, 1),(2, 3, 1, 1),(0, 0, 1, 1),(1, 2, 2, 1) >.

Ahora extraemos una base del sistema de generadores hallado. Se tiene:

41
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

Esta triangulación muestra simultáneamente que el conjunto {(1, 1, 0, 1),(2, 3, 1, 1), (0, 0, 1,
1), (1, 2, 2, 1)} es l.d. y que el conjunto {(1, 1, 0, 1),(2, 3, 1, 1),(0, 0, 1, 1)} es l.i.

Por lo tanto, (1, 2, 2, 1) ∈ < (1, 1, 0, 1),(2, 3, 1, 1),(0, 0, 1, 1) > y {(1, 1, 0, 1),(2, 3, 1, 1),(0, 0,
1, 1)} es una base de S + T.

Si S y T son dos subespacios de dimensión finita de un K-espacio vectorial V , el siguiente

teorema relaciona las dimensiones de los subespacios S, T, S ∩ T y S + T.

Teorema 1.43 (Teorema de la dimensión para la suma de subespacios.)

Sea V un K-espacio vectorial. Sean S y T subespacios de V de dimensión finita. Entonces

dim(S + T) = dim S + dim T − dim(S ∩ T).

Demostración

Sean s = dim S, t = dim T y r = dim(S ∩ T).

Si s = 0, o sea S = {0}, se tiene que S + T = T y S ∩ T = {0} y la igualdad vale.

Análogamente se ve que vale si t = 0.

Sea {v1, . . . , vr} una base de S ∩T (si r = 0, consideramos simplemente el conjunto vacío).

Sean wr+1, . . . , ws ∈ S tales que {v1, . . . , vr, wr+1, . . . , ws} es una base de S, y sean
ur+1, . . . , ut ∈ T tales que {v1, . . . , vr, ur+1, . . . , ut} es una base de T.

Veamos que { v1, . . . , vr, wr+1, . . . , ws, ur+1, . . . , ut } es una base de S + T:

Es claro que es un sistema de generadores de S+T. Veamos que es un conjunto linealmente

independiente. Supongamos que

42
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

Entonces

Además

Pero {v1, . . . , vr, ur+1, . . . , ut} es una base de T, en particular, un conjunto linealmente
independiente. Luego, γk = 0 ∀ r + 1 ≤ k ≤ t y δℓ = 0 ∀ 1 ≤ ℓ ≤ r. Entonces

y como {v1, . . . , vr, wr+1, . . . , ws} es una base de S, resulta que αi = 0 para todo
1 ≤ i ≤ r y βj = 0 para todo r + 1 ≤ j ≤ s.

Luego

Dim (S + T) = r + (s − r) + (t − r) = s + t − r = dim S + dim T − dim(S ∩ T).

SUMA DIRECTA

Un caso de especial importancia de suma de subespacios se presenta cuando S ∩ T = {0}.

Definición 1.44

Sea V un K-espacio vectorial, y sean S y T subespacios de V . Se dice que V es suma directa

de S y T, y se nota V = S ⨁ T, si:

1. V=S+T

43
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

2. S ∩ T = {0}

Ejemplo

Sean S = {x ∈ ℝ3 : x1 + x2 + x3 = 0} y T = < (1, 1, 1) >. Se tiene que dim S = 2, dim T = 1 y

S ∩ T = {0}. Entonces dim(S + T) = 3, de donde S + T = ℝ3.

Luego, ℝ3 = S ⨁ T.

Proposición 1.45

Sea V un K-espacio vectorial. Sean S y T subespacios de V tales que V = S ⨁ T. Entonces,

para cada v ∈ V , existen únicos x ∈ S e y ∈ T tales que v = x + y.

Demostración

Existencia: Como V = S + T, para cada v ∈ V existen x ∈ S, y ∈ T tales que v = x + y.

Unicidad: Supongamos que v = x + y y v = x’ + y’ con x, x’ ∈ S, y, y’ ∈ T. Entonces x – x’ =

y – y’ y x – x’ ∈ S, y – y’ ∈ T, luego x – x’ ∈ S ∩ T = {0}. En consecuencia x – x’ = y – y’ =
0, de donde x = x’, y = y’.

La Proposición 1.42 establece que dados dos subespacios S y T de un espacio vectorial, la

unión de un sistema de generadores de S y un sistema de generadores de T es un sistema de
generadores de S + T. Esto no vale en el caso de dos bases: la unión de una base de S y una
de T puede ser un conjunto linealmente dependiente. Sin embargo, la propiedad es válida en
el caso en que los subespacios estén en suma directa:

Proposición 1.46

Sea V un K-espacio vectorial. Sean S y T subespacios de V . Sean BS y BT bases de S y T

respectivamente. Son equivalentes:

i. V = S ⊕ T
ii. B = BS ∪ BT es una base de V .

Observamos que en la condición ii), B es la familia obtenida mediante la unión de las familias
B S y B T.

Demostración

44
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

Supongamos que BS = {vi}i ∈ I y BT = {wj}j ∈ J .

Definición 1.47

Sea V un K-espacio vectorial y sea S ⊆ V un subespacio de V . Diremos que T es un

complemento de S si S ⊕ T = V .

Ejemplos

45
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

CONCLUSIONES

• En diversos conjuntos conocidos, por ejemplo los de vectores en el plano o en el espacio

(ℝ2 y ℝ3), o también el de los polinomios (ℝ [X]), sabemos sumar sus elementos y
multiplicarlos por números. Todos estos conjuntos comparten una cierta “estructura”, que
está dada por esa suma y ese producto por números, a la que llamaremos espacio
vectorial.

• Dentro de un K-espacio vectorial V, hay subconjuntos que heredan la estructura de V , es

decir, que son también espacios vectoriales con la misma operación, el mismo elemento
neutro y la misma acción que V.

• De la definición de K-espacio vectorial se ve que una forma de obtener nuevos elementos

de V a partir de los elementos de un subconjunto G ⊆ V es considerando sumas finitas de
múltiplos por escalares de elementos de G. Surge entonces la noción de combinación
lineales.

• En el caso de un sistema lineal no homogéneo el conjunto de soluciones no es un

subespacio (es claro que 0 no es solución). Sin embargo, el conjunto de soluciones de un
sistema no homogéneo está íntimamente relacionado con el subespacio de soluciones del
sistema homogéneo asociado.

46
[Link] – informes@[Link]
 CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO

• Un espacio vectorial puede tener distintos sistemas de generadores y además dos sistemas
de generadores de un mismo espacio vectorial pueden tener distinta cantidad de elementos.

47
[Link] – informes@[Link]