Beruflich Dokumente
Kultur Dokumente
CAMPO VECTORIAL
En matemáticas, un campo vectorial representa la distribución espacial de una
magnitud vectorial. Es una expresión de cálculo vectorial que asocia un vector a
cada punto en el espacio.
De la forma 𝛿 ∶ 𝑅 𝑛 → 𝑅 𝑚
Los campos vectoriales se utilizan más en física por ejemplo para representar la
velocidad y la dirección de un fluido en el espacio, o la intensidad y dirección de
las fuerzas como la gravitatoria o la fuerza electromagnética.
DEFINICION
Un campo vectorial sobre un subconjunto del espacio euclidiano X ∁ 𝑅 𝑛 es una
función con valores vectoriales 𝐹: 𝑋 → 𝑅 𝑛
Se dice que F es un campo vectorial 𝐶 𝑘 si como función es k veces diferente con
continuidad en X. un campo vectorial se puede visualizar como un espacio X con
un vector n-dimensional único a cada punto en X.
Operaciones con campos vectoriales
Dados dos campos vectoriales 𝐶 𝑘 , 𝐹 𝑦 𝐺 definidos sobre X y una función 𝐶 𝑘 a
valores reales f definida sobre X, se definen las operaciones producto escalar y
adición.
(𝑓𝐹)(𝑥) = 𝑓(𝑥)𝐹(𝑥)
Debido a la linealidad de la función (F+G)
(𝐹 + 𝐺)(𝑥) = 𝐹(𝑥) + 𝐺(𝑥)
ESPACIOS VECTORIALES
DEFINICION
Sean 𝑉 ≠ ∅ un conjunto, k un campo y dos operaciones una de suma (+) y la
otra de producto (.), entonces diremos que el objeto (V, + k, .) es un espacio
vectorial si se verifican las siguientes condiciones.
A) EXISTE UNA APLICACIÓN SUMA
+: 𝑉×𝑉 →𝑉
(𝑥, 𝑦) → +(𝑥, 𝑦) = 𝑥 + 𝑦
Llamado ley de composición interna (la suma de dos vectores es un
vector) y cumple los axiomas siguientes:
𝐴1 𝑥 + 𝑦 = 𝑦 + 𝑥, ∀𝑥, 𝑦 ∈ 𝑉 𝑎𝑥𝑖𝑜𝑚𝑠 𝑐𝑜𝑛𝑚𝑢𝑡𝑎𝑡𝑖𝑣𝑎
𝐴2 𝑥 + (𝑦 + 𝑧) = (𝑥 + 𝑦) + 𝑧, ∀𝑥, 𝑦, 𝑧 ∈ 𝑉, 𝑎𝑥𝑖𝑜𝑚𝑎 𝑎𝑠𝑜𝑐𝑖𝑎𝑡𝑖𝑣𝑎.
𝐴3 ∀ 𝑥 ∈ 𝑉, 𝑒𝑥𝑖𝑠𝑡𝑒 0 ∈ 𝑉 𝑡𝑎𝑙 𝑞𝑢𝑒 𝑥 + 0 = 0 + 𝑥 = 𝑥 𝑑𝑜𝑛𝑑𝑒 0 𝑠𝑒 𝑑𝑒𝑛𝑜𝑚𝑖𝑛𝑎
𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜 𝑛𝑒𝑢𝑡𝑟𝑜 𝑎𝑑𝑖𝑡𝑖𝑣𝑜 𝑜 𝑐𝑒𝑟𝑜.
𝐴4 ∀𝑥 ∈ 𝑉, 𝑒𝑥𝑖𝑠𝑡𝑒 − 𝑥 ∈ 𝑉, 𝑡𝑎𝑙 𝑞𝑢𝑒 𝑥 + (−𝑥) = (−𝑥) + 𝑥
= 0, 𝑑𝑜𝑛𝑑𝑒 − 𝑥 𝑠𝑒
𝑑𝑒𝑛𝑜𝑚𝑖𝑛𝑎 𝑜𝑝𝑢𝑒𝑠𝑡𝑜 𝑑𝑒 𝑥.
c) SUMA DE MATRICES
𝑨𝟏 : Sean 𝑓 , 𝑔 ∈ 𝑅 𝑋 ⇒ 𝑓, 𝑔: 𝑋 → 𝑅 de donde
𝑓11 𝑓12 𝑓13 … 𝑓1𝑛 𝑔11 𝑔12 𝑔13 … 𝑔1𝑛
𝑓21 𝑓22 𝑓23 … 𝑓2𝑛 𝑔21 𝑔22 𝑔23 … 𝑔2𝑛
𝑓 = 𝑓31 𝑓32 𝑓33 … 𝑓3𝑛 , 𝑔 = 𝑔31 𝑔32 𝑔33 … 𝑔3𝑛
⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋮ ⋱ ⋮
[𝑓𝑚1 𝑓𝑚2 𝑓𝑚3 … 𝑓𝑚𝑛 ] [𝑔𝑚1 𝑔𝑚2 𝑔𝑚3 … 𝑔𝑚𝑛 ]
Por lo tanto f + g = g + f
𝑨𝟐 : Sean 𝑓 , 𝑔, ℎ ∈ 𝑅 𝑋 ⇒ 𝑓, 𝑔, ℎ: 𝑋 → 𝑅
𝑓11 + (𝑔11 + ℎ11 ) 𝑓12 + (𝑔12 + ℎ12 ) 𝑓13 + (𝑔13 + ℎ13 ) … 𝑓1𝑛 + (𝑔1𝑛 + ℎ1𝑛 )
𝑓21 + (𝑔21 + ℎ21 ) 𝑓22 + (𝑔22 + ℎ22 ) 𝑓23 + (𝑔23 + ℎ23 ) … 𝑓2𝑛 + (𝑔2𝑛 + ℎ2𝑛 )
= 𝑓31 + (𝑔31 + ℎ31 ) 𝑓32 + (𝑔32 + ℎ32 ) 𝑓33 + (𝑔33 + ℎ33 ) … 𝑓3𝑛 + (𝑔3𝑛 + ℎ3𝑛 )
⋮ ⋮ ⋮ ⋱ ⋮
[𝑓𝑚1 + (𝑔𝑚1 + ℎ𝑚1) 𝑓𝑚2 + (𝑔𝑚2 + ℎ𝑚2 ) 𝑓𝑚3 + (𝑔𝑚3 + ℎ𝑚3 ) … 𝑓𝑚𝑛 + (𝑔𝑚𝑛 + ℎ𝑚𝑛 )]
𝑨𝟑 ∶ sea la matriz
0 0 0 … 0
0 0 0 … 0
0= 0 0 0 … 0 tal que ∀ 𝑓 ∈ 𝑅 𝑋 se tiene:
⋮ ⋮ ⋮ ⋱ ⋮
[0 0 0 … 0]
𝑨𝟒 : ∀ 𝑓 ∈ 𝑅 𝑋 sea
0 0 0 … 0
0 0 0 … 0
= 0 0 0 … 0
⋮ ⋮ ⋮ ⋱ ⋮
[0 0 0 … 0]
Luego ∀ 𝑓 ∈ 𝑅 𝑋 , ∃ − 𝑓 ∈ 𝑅 𝑋 /𝑓 + (−𝑓) = 0
𝑩𝟒 ∶ ∀ 𝑓 ∈ 𝑅 𝑋 , ∃ 𝐼 ∈ 𝑅 𝑋 tal que 𝑓𝐼 = 𝑓
SUBESPACIOS VECTORIALES
̅ + 𝒚̅ ∈ 𝑺, para cualesquiera 𝒙
1. 𝒙 ̅, 𝒚̅ ∈ 𝑺.
̅ ∈ 𝑺, para cualquier ⋋∈ 𝕂, 𝒙
2. ⋋. 𝒙 ̅ ∈ 𝑺.
Equivalente, si se verifica:
a) 𝜶𝒙̅ + 𝜷. 𝒚
̅ ∈ 𝑺, para cualesquiera 𝒙
̅, 𝒚̅ ∈ 𝑺, 𝜶, 𝜷 ∈ 𝕂.
Si se cumplen las condiciones 1 y 2 las operaciones interna y externa de 𝐕
restringen a 𝐒. Por tanto, por ser 𝐕 espacio vectorial también lo es 𝐒.
Recíprocamente, si 𝐒 es subespacio vectorial de 𝐕 , las operaciones han de
restringir y se cumplen las condiciones 1 y 2.
Por otra parte, veamos la equivalencia entre las condiciones 1,2 y la condición
a.
1,2 ⇒ a:
̅ ∈ 𝑺 𝒆 𝜶 ∈ 𝕂 ⇒ 𝜶. 𝒙
𝒙 ̅ ∈ 𝑺.
Por la condición 2:
̅ ∈ 𝑺 𝒆 𝜷 ∈ 𝕂 ⇒ 𝜷. 𝒚
𝒚 ̅ ∈ 𝑺.
Y ahora:
Por la condición 1:
̅ ∈ 𝑺.
𝜶. 𝒙
̅ + 𝜷. 𝒚̅ ∈ 𝑺.
} ⇒ 𝜶. 𝒙
̅ ∈ 𝑺.
𝜷. 𝒚
𝐚 ⇒ 𝟏, 𝟐:
Tomando en la condición a, α = 1, β = 1 obtenemos la condición 1, x̅ + y̅ ∈
S.
̅ ∈ 𝑺.
Tomando en la condición a, 𝜷 = 𝟎 obtenemos la condición 2,𝜶. 𝒙
̅∈
En primer lugar tenemos en cuenta que 𝑺𝟏 ∩ 𝑺𝟐 es no vacío, porque 𝟎
̅ ∈ 𝑆2. Ahora comprobamos la condición de subespacio vectorial.
𝑆1 y 𝟎
Sean 𝒙̅, 𝒚
̅ ∈ 𝑺𝟏 ∩ 𝑺𝟐 y 𝜶, 𝜷 ∈ 𝕂. Se tiene:
̅, 𝒚
𝒙 ̅ ∈ 𝑺𝟏 ∩ 𝑺 𝟐 ⇒ ̅, 𝒚
𝒙 ̅ ∈ 𝑺𝟏 ⇒ 𝜶. 𝒙
̅ + 𝜷. 𝒚̅ ∈ 𝑺𝟏
̅ + 𝜷. 𝒚̅
} ⇒ 𝜶. 𝒙
̅, 𝒚
𝒙 ̅ ∈ 𝑺𝟏 ∩ 𝑺 𝟐 ⇒ ̅, 𝒚
𝒙 ̅ ∈ 𝑺𝟐 ⇒ 𝜶. 𝒙
̅ + 𝜷. 𝒚̅ ∈ 𝑺𝟐
∈ 𝑺𝟏 ∩ 𝑺𝟐
𝑽 = ℝ𝟐 ; 𝑺𝟏 = {(𝒙, 𝟎) ∈ ℝ𝟐 , 𝒙 ∈ ℝ} ; 𝑺𝟐 = {(𝟎, 𝒚) ∈ ℝ𝟐 , 𝒚 ∈ ℝ}
̅ 𝟏 ∈ 𝑺𝟏 ⊂ 𝑺𝟏 ∪ 𝑺𝟐 ⊂ 𝑺
𝒙
̅ ∈ 𝑺𝟏 ∪ 𝑺𝟐 ⇒ 𝒙
𝒙 ̅=𝒙
̅𝟏 + 𝒙
̅𝟐 𝑐𝑜𝑛 { ̅=𝒙
⇒ 𝒙 ̅𝟏 + 𝒙
̅𝟐
̅ 𝟐 ∈ 𝑺𝟐 ⊂ 𝑺𝟏 ∪ 𝑺𝟐 ⊂ 𝑺
𝒙
∈ 𝑺.
Este concepto de generaliza de manera natural para un numero finito de
subespacios.
𝑺𝟏 + 𝑺𝟐 + ⋯ + 𝑺𝒌 = {𝒙
̅𝟏 + 𝒙
̅𝟐 + ⋯ + 𝒙
̅𝒌 𝒄𝒐𝒏 𝒙
̅𝟏 ∈ 𝑺𝟏 , 𝒙 ̅𝒌 ∈ 𝑺𝐤 }
̅𝟐 ∈ 𝑺𝟐 , … , 𝒙
3) Suma directa
̅=𝒙
𝒙 ̅𝟏 + 𝒙
̅𝟐 = 𝒚
̅𝟏 + 𝒚
̅𝟐 𝑐𝑜𝑛 𝒙
̅𝟏 , 𝒚
̅ 𝟏 ∈ 𝑺𝟏 𝑦 𝒙
̅𝟐 , 𝒚
̅ 𝟐 ∈ 𝑺𝟐
Entonces.
̅𝟏 − 𝒚
𝒙 ̅𝟏 = 𝒚
̅𝟐 − 𝒙
̅𝟐 ∈ 𝑺𝟏 ∩ 𝑺𝟐 ⇒ 𝒙
̅𝟏 − 𝒚
̅𝟏 = 𝒚
̅𝟐 − 𝒙
̅𝟐 = 𝟎 ⇒ 𝒙
̅𝟏 = 𝒚
̅𝟏 , 𝒙
̅𝟐
=𝒚̅𝟐
̅ = 0̅.
Por la unicidad de la descomposición deducimos 𝒙
𝑺𝟏 ⊕ 𝑺𝟐 ⊕ … ⊕ 𝑺𝒌
Proposicion2.Sean 𝑺𝟏 , 𝑺𝟐 , . . , 𝑺𝒌 subespacios vectoriales de 𝑈La suma 𝑺𝟏 +
𝑺𝟐 + ⋯ + 𝑺𝒌 es una suma directa si y solo si todo elemento de 𝑺𝟏 + 𝑺𝟐 +
⋯ + 𝑺𝒌 se descompone de manera única como suma de elementos de
𝑺𝟏 , 𝑺𝟐 , . . , 𝑺𝒌 .
̅=𝒙
𝒙 ̅𝟏 + ⋯ + 𝒙
̅𝒌 = 𝒚
̅𝟏 + ⋯ + 𝒚
̅𝒌 , ̅𝒊 , 𝒚
𝒙 ̅ 𝒊 ∈ 𝑺𝒊 , 𝒊 = 𝟏, 𝟐, … , 𝒌.
Entonces aplicando que (𝑺𝟏 + ⋯ + 𝑺𝑘−1 ) + 𝑺𝑘 es una suma directa vemos
que 𝒙𝒌 = 𝒚𝒌 , y:
̅𝟏 + ⋯ + 𝒙
𝒙 ̅𝒌−𝟏 = 𝒚
̅𝟏 + ⋯ + 𝒚 ̅𝒌−𝟏
Utilizando ahora que (𝑺𝟏 + ⋯ + 𝑺𝑘−2 ) + 𝑺𝑘−1 es una suma directa vemos
que 𝒙𝒌−𝟏 = 𝒚𝒌−𝟏 .
̅𝟏 + ⋯ + 𝒙
𝒙 ̅𝒌−𝟐 = 𝒚̅𝟏 + ⋯ + 𝒚
̅𝒌−𝟐
Repitiendo el proceso deducimos que 𝒙𝒊 = 𝒚𝒊 para 𝒊 = 𝟏, 𝟐, … , 𝒌.
𝑺𝟏 ∩ 𝑺𝟐 = 𝟎
𝑺𝟏 + 𝑺𝟐 = 𝑽
O equivalente:
𝑺𝟏 ⊕ 𝑺𝟐 = 𝑉
Si 𝑺𝟏 , 𝑺𝟐 son subespacios suplementarios sabemos que un vector 𝒙̅∈𝑉
cualquiera se descompone de manera única como𝒙 ̅=𝒙 ̅𝟏 + 𝒙
̅𝟐 , con 𝒙
̅𝟏 ∈
̅𝟐 ∈ 𝑺𝟐 :
𝑺𝟏 , 𝒙
V → V
p1 :
⃗x → ⃗x1
V → V
p2 :
x⃗ → x⃗2
La función p1 se llama la función proyección sobre 𝑺𝟏 paralelamente
𝑺𝟐 función p2 es la función proyección sobre 𝑺𝟐 paralelamente a 𝑺𝟏 .
1. 𝑝1 + 𝑝2 = 𝐼𝑑
2. 𝑝1 ⊕ 𝑝1 = 𝑝1 𝑦 𝑝2 ⊕ 𝑝2 = 𝑝2
3. 𝑝1 ⊕ 𝑝2 = 𝑝2 ⊕ 𝑝1 = 0
Combinaciones lineales
Sea V ,, k ,. un espacio vectorial y A donde A v1 , v2 ,....vn V una familia
o conjunto de vectores de V , llamaremos combinación lineal de elementos de
A , a todo vector de la forma
a v i i a1v1 a 2 v 2 ..... a n v n , ai k , vi A
n
A ai vi / ai k vi A
i 1
Teorema
Sea V ,, k ,. un espacio vectorial y A v1 , v2 ,....vn V demostrar que el
conjunto de las combinaciones lineales de la familia de vectores de A es
subespecio del mismo es decir V ,, k ,. es un subespecio de V.
Demostración
n
v ai vi ai k vi V Puesto que A V
i 1
Luego v A v V , por lo tanto A V
n
u A
u
i 1
a i vi
Si entonces
v A v v
n
i 1
i i
n n n n
u v ai vi i vi ai i vi i vi u v A
i 1 i 1 i 1 i 1
n n
av a ai vi aa1 vi
i 1 i 1
Bases y dimensión de un espacio vectorial
Teniendo en cuenta esta definición, 𝐵 = {(1,1), (1, −1)} es una base de ℝ2 . Otra
base de ℝ2 muy usual es la que contiene a los vectores canónicos 𝐸=
{(1,0), (0,1)}
Observamos que las dos bases están compuestas por dos vectores linealmente
independientes. ¿Será esta una característica de cualquier base de ℝ2 ?
q≤n [1]
n≤q [2]
En consecuencia:
dim({0𝑉 }) = 0
Análogamente en ℝ4 es:
De acuerdo con el número de vectores que componen cada una de estas bases,
podemos afirmar que:
𝑑𝑖𝑚(ℝ𝑛 ) = 𝑛
𝑑𝑖𝑚(ℝ𝑚𝑥𝑛 ) = 𝑚𝑥𝑛
Análogamente:
Entonces:
dim(𝑃𝑛 ) = 𝑛 + 1
Demostración:
𝑢 = 𝛼1 𝑣1 + 𝛼2 𝑣2 + ⋯ + 𝛼𝑛 𝑣𝑛 𝑦 𝑢 = 𝛽1 𝑣1 + 𝛽2 𝑣2 + ⋯ + 𝛽𝑛 𝑣𝑛
𝛼𝑖 − 𝛽𝑖 = 0 (𝑖 = 1, … , 𝑛)
Por lo tanto, los escalares de la combinación lineal son únicos para cada vector
de V.
𝑢 = 𝛼1 𝑣1 + 𝛼2 𝑣2 + ⋯ + 𝛼𝑛 𝑣𝑛
DIMENSIÓN DE LA SUMA
Teorema: sean U y W dos subespacios de (V, +, k, .) y la dimensión de V es
finita, entonces se verifica que:
𝑑𝑖𝑚𝑘 (𝑈 + 𝑊) = 𝑑𝑖𝑚𝑘 𝑈 + 𝑑𝑖𝑚𝑘 𝑊 − 𝑑𝑖𝑚𝑘 (𝑈 ∩ 𝑊)
Demostración
Como V es de dimensión finita sobre k, sea 𝑑𝑖𝑚𝑘 𝑈 = 𝑝, 𝑑𝑖𝑚𝑘 𝑊 = 𝑞 y
𝑑𝑖𝑚𝑘 (𝑈 ∩ 𝑊) = 𝑟
Consideremos 𝑈 ∩ 𝑊 ≠ ∅ 𝑦 {𝑣1 , 𝑣2 , … , 𝑣𝑟 } una base para 𝑈 ∩ 𝑊, como 𝑈 ∩ 𝑊 es
un subespacio de U y W respectivamente, por el teorema de complementación
de bases, completamos la base {𝑣1 , 𝑣2 , … , 𝑣𝑟 } a bases para U y W. Sean
{𝑣1 , 𝑣2 , … , 𝑣𝑟 , 𝑢1 , … , 𝑢𝑝−𝑟 } base para U y {𝑣1 , 𝑣2 , … , 𝑣𝑟 , 𝑤1 , … , 𝑤𝑞−𝑟 } para base W.
∑ 𝑎𝑖 𝑣𝑖 + ∑ 𝑏𝑖 𝑢𝑖 + ∑ 𝑐𝑖 𝑤𝑖 = 𝜃 … (1)
𝑖=1 𝑖=1 𝑖=1
𝑟 𝑝−𝑟 𝑞−𝑟
∑ 𝑎𝑖 𝑣𝑖 + ∑ 𝑏𝑖 𝑢𝑖 = − ∑ 𝑐𝑖 𝑤𝑖 … (2)
𝑖=1 𝑖=1 𝑖=1
𝑞−𝑟
⇒ ∑ 𝑐𝑖 𝑤𝑖 𝜖 𝑈
𝑖=1
∩ 𝑊 , 𝑝𝑢𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑟𝑒𝑙𝑎𝑐𝑖𝑜𝑛 (2), 𝑝𝑜𝑟 𝑢𝑛 𝑙𝑎𝑑𝑜 𝑝𝑜𝑟 𝑠𝑒𝑟 𝑖𝑔𝑢𝑎𝑙 𝑎 𝑢𝑛𝑎
Combinación lineal de elementos de {𝑣1 , 𝑣2 , … , 𝑣𝑟 , 𝑢1 , … , 𝑢𝑝−𝑟 }, esta en
U y por otro lado por una combinación lineal de elementos de
{𝑣1 , 𝑣2 , … , 𝑣𝑟 , 𝑤1 , … , 𝑤𝑞−𝑟 } esta en W.
𝑞−𝑟 𝑟
⇒ ∑ 𝑐𝑖 𝑤𝑖 = ∑ 𝑑𝑖 𝑣𝑖 … (3)
𝑖=1 𝑖=1
Entonces reemplazando (3) en (1).
𝑟 𝑝−𝑟 𝑟 𝑟 𝑝−𝑟
∑ 𝑎𝑖 𝑣𝑖 + ∑ 𝑏𝑖 𝑢𝑖 + ∑ 𝑑𝑖 𝑣𝑖 = 𝜃 → ∑(𝑎𝑖 + 𝑏𝑖 )𝑣𝑖 + ∑ 𝑏𝑖 𝑢𝑖 = 𝜃
𝑖=1 𝑖=1 𝑖=1 𝑖=1 𝑖=1
𝑎 + 𝑏𝑖 = 0 , ∀𝑖 = 1, 2, … , 𝑟
⇒{ 𝑖 … (4)
𝑏𝑖 = 0 , ∀𝑖 = 1, 2, … , 𝑝 − 𝑟
Pues {𝑣1 , 𝑣2 , … , 𝑣𝑟 , 𝑢1 , … , 𝑢𝑝−𝑟 } es una base para U ⇒ como 𝑏𝑖 = 0,
∀𝑖 = 1, 2, … , 𝑝 − 𝑟 en (1) se tiene:
𝑟 𝑞−𝑟
𝑎 = 0 , ∀𝑖 = 1, 2, … , 𝑟 … (5)
∑ 𝑎𝑖 𝑣𝑖 + ∑ 𝑐𝑖 𝑤𝑖 = 𝜃 ⇒ { 𝑖
𝑏𝑖 = 0 , ∀𝑖 = 1, 2, … , 𝑝 − 𝑟 … (6)
𝑖=1 𝑖=1
Pues {𝑣1 , 𝑣2 , … , 𝑣𝑟 , 𝑤1 , … , 𝑤𝑞−𝑟 } es una base para W.
⇒ de (4), (5) y (6) resulta que:
𝑎𝑖 = 0 , ∀𝑖 = 1, … , 𝑟, 𝑏𝑖 = 0 , ∀𝑖 = 1, … , 𝑝 − 𝑟 , 𝑐𝑖 = 0 , ∀𝑖
= 1, … , 𝑞 − 𝑟
⇒ {𝑣1 , 𝑣2 , … , 𝑣𝑟 , 𝑢1 , … , 𝑢𝑝−𝑟 , 𝑤1 , … , 𝑤𝑞−𝑟 } es 1.i
⇒ v = (∑ 𝑎𝑖 𝑣𝑖 + ∑ 𝑏𝑖 𝑢𝑖 ) + (∑ 𝑐𝑖 𝑣𝑖 + ∑ 𝑑𝑖 𝑤𝑖 )
𝑖=1 𝑖=1 𝑖=1 𝑖=1
𝑟 𝑝−𝑟 𝑞−𝑟
𝑑𝑖𝑚𝑘 (𝑈 + 𝑊) = 𝑟 + (𝑝 − 𝑟) + (𝑞 − 𝑟) = 𝑝 + 𝑞 − 𝑟
𝑣 = ∑ 𝑎𝑖 𝑣𝑖 = ∑ 𝑎𝑖 𝑣𝑖 + ∑ 𝑎𝑖 𝑣𝑖
𝑖=1 𝑖=1 𝑖=𝑚+1
m n
⇒ v + w = (∑ ai vi + ∑ ai vi ) + w
i=1 i=m+1
m n
= (∑ ai vi + w) + ( ∑ 𝑎𝑖 𝑣1 + w)
i=1 i=m+1
𝑛 𝑛
= 𝑤 + ( ∑ 𝑎𝑖 𝑣𝑖 + 𝑤 ) 𝑝𝑢𝑒𝑠 ∑ 𝑎𝑖 𝑣𝑖 ∈ 𝑤
𝑖=𝑚+1 𝑖=𝑚+1
𝑛
𝑉
= ∑ 𝑎𝑖 𝑣𝑖 + 𝑤 , 𝑝𝑢𝑒𝑠𝑡𝑜 𝑞𝑢𝑒 𝑤 𝑒𝑠 𝑒𝑙 𝑐𝑎𝑠𝑜 𝑑𝑒
𝑊
𝑖=𝑚+1
= (𝑎𝑚+1 𝑣𝑚+1 + 𝑤) + ⋯ + (𝑎𝑛 𝑣𝑛 + 𝑤)
= 𝑎𝑚+1 (𝑣𝑚+1 + 𝑤) + ⋯ + 𝑎𝑛 (𝑣𝑛 + 𝑤)
𝑉
Entonces, para todo 𝑣 + 𝑤 ∈ 𝑊 , se tiene que
v + w = 𝑎𝑚+1 (𝑣𝑚+1 + 𝑤) + ⋯ + 𝑎𝑛 (𝑣𝑛 + 𝑤)
𝑉
Luego 𝑊 = 𝐿{𝑣𝑚+1 + 𝑤, … , 𝑣𝑛 + 𝑤} de (i) y (ii) la información queda
probada
De la afirmación se tiene que:
𝑉
dim ( ) = n − m = dim 𝑉 − dim 𝑊
𝑊