02 Espacios Vectoriales

CATEDRA: ALGEBRA TEMA: ESPACIOS VECTORIALES 1
ALGEBRA
TEMA: ESPACIOS VECTORIALES
CONTENIDOS PAG.
• INTRODUCCION 02
• 1 - ESPACIOS VECTORIALES 03
Ejercicios Propuestos 05
• 2 - SUBESPACIOS 06
Ejercicios propuestos 12
• 3 - COMBINACION LINEAL Y ESPACIO GENERADO 14

Ejercicios propuestos 19
• 4 - DEPENDENCIA E INDEPENDENCIA LINEAL 20

• 5 - BASE Y DIMENSION 29
• 6 – RANGO DE UNA MATRIZ 35

• RESULTADOS DE EJERCICIOS PROPUESTOS 40

INTRODUCCION
El material que se presenta a continuación es un material elaborado para que
sirva de guía a los estudiantes de las carreras de Ingeniería para la resolución
de situaciones prácticas de Algebra Lineal. El mismo se encuentra organizado
por temas, siendo este cuadernillo el que corresponde a la primera mitad del
curso, que consta de los siguientes temas: espacios vectoriales, subespacios,
combinación lineal y sistema generado, dependencia e independencia lineal,
base y dimensión de un espacio vectorial y se corresponde con las Unidades
Nº 3 y 4 de los contenidos de la asignatura y de los Trabajos Prácticos Nº 2 y 3.
Los temas que se tratan en este material están organizados de la siguiente
manera:
• Introducción Teórica: se presentan los conceptos necesarios para la

resolución de las situaciones planteadas.
• Resolución de ejercicios: se presentan como ejemplos ejercicios
correspondientes a cada tema tratado.
• Interpretación Geométrica: se presenta en casos que es necesario para
aclarar conceptos o para que el lector relacione los conceptos del álgebra
lineal con otras ramas de las matemáticas. Dicha interpretación facilita la
resolución de problemas en los espacios R2 y R3 y sus resultados o
conclusiones se pueden interpolar a espacios abstractos como Rn
• Ejercicios Propuestos: Se proponen ejercicios de diferentes grados de
dificultad, en los que el objetivo es que el lector los resuelva no solo
aplicando algoritmos matemáticos si no que preferentemente lo haga a
través de la aplicación de Propiedades, Leyes o Teoremas del Algebra
Lineal.
• Al final del cuadernillo se presentan un Apéndice donde se aclara la
notación que se utiliza en el mismo y se presentan los resultados de los
ejercicios propuestos.
1 - ESPACIOS VECTORIALES
Sea V es un conjunto de objetos, llamados vectores, sobre el que están
definidas dos operaciones: la adición y la multiplicación por escalares
(números). Por adición (+) se entiende una regla que asocia a cada par de
objetos x e y en V un objeto x + y y por multiplicación escalar (*) se entiende
una regla que asocia a cada escalar α y a cada objeto x en V, un objeto αx
denominado múltiplo escalar de x por α. Si los objetos x, y y z en V y los
escalares α y β satisfacen los siguientes axiomas, entonces (V, +, K, *) se
denomina Espacio Vectorial:
1) Si x Є V e y Є V, entonces x + y Є V (Ley de composición interna o
cerradura para la suma)
2) Para todo x Є V, y Є V, z Є V, entonces (x + y) + z = x + (y + z) (Ley
asociativa de la suma en V)
3) Existe 0 Є V, tal que x + 0 = 0 + x = x (Existencia en Vde elemento neutro
para la suma)
4) Existe –x Є V, tal que x + (-x ) = 0 (Existencia en V de elemento inverso
aditivo)
5) Para todo x Є V e y Є V, se verifica x + y = y + x (Ley conmutativa de la
adición en V)
6) Si x Є V y α Є K, entonces αx Є V.(Ley de composición externa o
cerradura para la multiplicación por escalar)
7) Para todo x Є V y α, β Є K, se verifica α(β.x) = (αβ).x (Ley de asociatividad
mixta)
8) Para todo x e y Є V y α Є K, se verifica α(x + y) = αx + αy (Ley
distributiva respecto de la adición del producto por escalar en V)
9) Para todo x Є V y α, β Є K, se verifica (α+β).x = αx + βx (Ley distributiva
del producto por escalar en R)
10) Para cada vector x Є V, 1. x = x
Los primeros cinco axiomas están referidos al conjunto V con el operador suma
(+). Si el par (V, +) cumple dichos axiomas se denomina al mismo grupo
abeliano. Los cinco axiomas restantes están referidos al producto de un vector
(x Є V) por un escalar (α Є K) siendo K el cuerpo de escalares.
EJERCICIOS RESUELTOS
EJEMPLO 1.1: El espacio vectorial (R2, +, R, *). Son todos los pares ordenados
de la forma (x, y) y escalares reales. Se demostrará a modo de ejemplo los
primeros dos axiomas:
Axioma 1: Ley de composición interna.

Si x Є V e y Є V, entonces x + y Є V
(x1, y1) Є R2, (x2, y2) Є R2
Sumando ambos elementos de R2, se obtiene otro elemento de R2:
(x1, y1) + (x2, y2) = (x1+ x2, y1+ y2)
Axioma 2: Asociatividad de la adición en R2

[(x1, y1) + (x2, y2) ]+ (x3, y3) = (x1, y1) + [(x2, y2) + (x3, y3)]
(x1+ x2, y1+ y2) + (x3, y3) = (x1, y1) + (x2+ x3, y2+ y3)
(x1+ x2 + x3, y1+ y2 + y3) = (x1+ x2 + x3, y1+ y2 + y3)
La demostración de los restantes axiomas queda como tarea. Estos resultados

se pueden generalizar a Rn
EJEMPLO 1.2: Sea V = Pn. El espacio vectorial de los polinomios de grado

menor o igual a n.
Pn = an. xn + an-1. xn-1+ an-2. xn-2+…..+ a1. x+ a0
Es claro que la suma de dos polinomios de grado menor o igual a n es otro

polimonio de grado menor o igual a n, por lo que cumple el axioma 1. Las
propiedades definidas por los axiomas 2, y 5 a 10 son obvias. Si se define el
polinomio 0 = 0. xn + 0. xn-1+ 0. xn-2+…..+ 0. x+ 0, entonces claramente 0
pertenece a Pn y el axioma 3 se verifica. Finalmente Sea –p(x) = -an. xn - an-1.
xn-1- an-2. xn-2-…..- a1. x - a0, se observa que el axioma 4 se cumple, por lo que
Pn es un Espacio Vectorial Real.
EJERCICIOS PROPUESTOS – TEMA: ESPACIOS VECTORIALES

1 – Probar que el conjunto de Funciones con valores reales definidas sobre
toda la recta real constituye un espacio vectorial, para las operaciones de suma
de funciones y producto de una función por un escalar.
V = f(x); K=R
2 – Probar que el conjunto de las Matrices Cuadradas de 2 x 2 ( R2x2)

constituye un espacio vectorial para las operaciones de suma de matrices y
producto de una matriz por un escalar usuales.
V = R2x2, K=R
3 – Indicar si las siguientes cuaternas constituyen espacios vectoriales:

a) (R, +, R, *) b) (R, +, Q, *) c) (Q, +, R, *) d) (Q, +, Q, *)
4 – Demostrar que cualquier recta de R2 que pasa por el origen del sistema de
coordenadas constituye un espacio vectorial.
V = { (x, y) Є R2 / y = a.x } K=R
5 – Probar que el conjunto W = { (0, 0) } constituye un espacio vectorial con

escalares reales para las operaciones de suma de vectores y multiplicación de
un vector por un escalar usuales.
V=W K=R
2 - SUBESPACIOS
Sea un espacio vectorial V, y W es un subconjunto de V. Si W es un espacio
vectorial en si mismo bajo las operaciones de de suma y multiplicación por un
escalar definidas en V, entonces W es Subespacio de V.
El siguiente teorema nos permite determinar de una manera sencilla si W es
subespacio de V:
TEOREMA
Un subconjunto no vacío W de un espacio vectorial V es un subespacio de V si
se cumplen las condiciones siguientes:
1) W es cerrado para la suma. Es decir que si x Є W e y Є W, x+y Є W
2) W es cerrado para el producto por escalar. Si x Є W y α Є R, entonces αx
ЄW
Nota: Las condiciones enumeradas en el teorema anterior se pueden unificar

de la siguiente manera:
Para vectores x e y Є W y escalares α y β se debe verificar que:
αx+βy ЄW
A la expresión α x + β y se la denomina Combinación Lineal de los vectores x
e y. Por lo tanto si W es subespacio de V, entonces toda combinación lineal de
vectores de W, está en W.
EJERCICIOS RESUELTOS
EJEMPLO Nº 2.1: Probar si W es Subespacio de R2, siendo
W = { (x, y) Є R2 / y = 0 }
W representa los puntos del plano Є R2 cuya coordenada y sea nula. Para que
W sea subespacio de R2 se deben verificar las condiciones siguientes:
I) Cerrado para la suma: sumando dos elementos de W, obtenemos un
elemento de W
(x1, 0) Є W, (x2, 0) Є W
Sumamos ambos vectores:

(x1, 0) + (x2, 0) = (x1 + x2, 0) Є W Por lo tanto W es cerrado para la suma
II) Cerrado para el producto por escalar: si multiplicamos un vector de W por

un escalar nos da como resultado un vector de W
α(x1, 0) = (α x1, 0) Є W Por lo que es cerrado para el producto por escalar.
Al cumplir las dos condiciones W es Subespacio de R2. Gráficamente W

representa al eje coordenado X.
Figura 2.1. Recta y = 0

Y
W X
Se puede demostrar también que W es subespacio de R2 utilizando el concepto

de Combinación Lineal explicado anteriormente:
α (x1 , 0) + β (x2 , 0) = (α x1 , 0 ) + (β x2 , 0) = (α x1 + β x2 , 0 ) Є W (1)
Obsérvese que la expresión (1) es una combinación lineal de vectores de W y

su resultado es también un vector de W, por lo que se demuestra que W es
subespacio de R2
EJEMPLO Nº 2.2: Probar si W es subespacio de R2, siendo W:
W = { (0, 0) }
En este caso W está formado por un solo elemento, que es el vector (0, 0). Se
deben probar las dos condiciones que debe cumplir W para ser subespacio de
R2
I) Cerrado para la suma: sumando dos elementos de W, obtenemos otro
elemento de W:
(0, 0) + (0, 0) = (0, 0) Є W
II) Cerrado para el producto por escalar: si multiplicamos un elemento de W

por un escalar obtenemos un elemento de W:
α. (0, 0) = (0, 0) Є W
Por lo tanto W es subespacio de R2. W representa en este caso el origen del
sistema de coordenadas:
Figura 2. 2. W = { (0, 0) }
Y
W X
EJEMPLO Nº 2.3: Probar si W es subespacio de R2, siendo

W = { (x, y) Є R2 / y < -x }
W representa los puntos en los que la coordenada y sea menor que el opuesto
de x.
I) Cerrado para la suma:

(x1, y1) Є W, por lo tanto y1 < - x1
(x2, y2) Є W, por lo tanto y2 < - x2
Sumando ambos vectores obtenemos (x1, y1) + (x2, y2) = (x1 + x2 ; y1 + y2), y
como y1 < - x1 e y2 < - x2, se verifica que ; y1 + y2 < - x1 - x2, por lo tanto el vector
(x1 + x2 ; y1 + y2) Є W
II ) Cerrado para el producto por escalar:

(x1, y1) Є W, por lo tanto (x1, y1) Є W, por lo tanto y1 < - x1
Si multiplicamos el vector (x1, y1) por un escalar α, obtenemos

α.(x1, y1) = (α x1, α y1), y este vector no pertenece a W, por que no se
verifica α.y1 < - α.x1 para todo α Є R
Geométricamente W representa un semiplano, como se indica en la figura

siguiente:
Figura 2.3. Semiplano y = -x

Y
EJERCICIO Nº 2.4: probar si W es subespacio de R3, siendo :

W = {(x, y, z) Є R3 / x+y-z = 0 }
Una manera práctica de resolver la situación planteada, es expresando una de
las componentes de los vectores de W en función de las otras, en este caso la
componente z se expresará en función de x e y:
z=x+y
por lo tanto los vectores del conjunto W, serán de la siguiente forma:
(x, y, x+y )
Seguidamente se demuestran las condiciones necesarias para que W sea
subespacio de R3:
I) Cerrado para la suma:

(x1, y1, x1+y1 ) Є W
(x2, y2, x2+y2 ) Є W
Sumando se obtiene:
(x1, y1, x1+y1 ) + (x2, y2, x2+y2 ) = (x1 + x2, y1 + y2, x1+y1 + x2+y2 ) Є W
Como se puede observar la tercera componente es igual a la suma de la
primera componente mas la segunda, por lo que el vector suma pertenece
aW
II ) Cerrado para el producto por escalar:
α (x1, y1, x1+y1 ) = (αx1, αy1, αx1+ αy1 ) Є W
Al cumplir ambas condiciones W es subespacio de R3. Geométricamente el

conjunto W representa un plano que pasa por el origen. Se puede demostrar
que cualquier plano que pasa por el origen del sistema de coordenadas en un
subespacio de R3. La ecuación implícita de un plano que pasa por el origen es
de la forma:
Ax + By + Cz = 0
También se puede demostar que un plano que no pasa por el origen del
sistema de coordenadas no constituye un subespacio de R3. Obsérvese que en
este caso el conjunto no incluiría el vector (0, 0, 0), que representa el elemento
neutro de la adición de vectores en R3, por lo que no verifica el Axioma 3 de la
definición de Espacio Vectorial, y por lo tanto tampoco puede ser subespacio.
En efecto, como la ecuación implícita de un plano que no pasa por el origen del
sistema de coordenadas es:
Ax + By + Cz = D, con D ≠ 0
y reemplazando (x, y, z) por (0, 0, 0) se obtiene:
A0 + B0 + C0 = D
0=D
lo que es falso, por ser D ≠ 0, por lo tanto el conjunto de puntos que verifican la
ecuación Ax + By + Cz = D no incluye vector (0, 0, 0), que es el elemento
neutro para la suma de vectores en R3, y por consiguiente no es espacio
vectorial en si mismo y tampoco subespacio de R3 de acuerdo a la definición de
Subespacio.
SUBESPACIO V Y SUBESPACIO TRIVIAL

Todo espacio vectorial V tiene al menos dos subespacios que son V mismo y el
conjunto formado por el vector nulo (Subespacio Trivial):
Un espacio vectorial es subespacio de si mismo: para cada espacio
vectorial V, V es un subespacio de si mismo al cumplir las condiciones
suficientes de la definición de subespacio.
El subespacio trivial: para cualquier espacio vectorial V, el subconjunto { 0 }
que contiene el vector cero constituye un subespacio de V, ya que 0 + 0 = 0 y
α0 = 0 para todo escalar α. (Se demostró en Ejemplo Nº 2.2, la existencia de
subespacio trivial de R2)
SUBESPACIOS DE R2 Y DE R3
Se puede demostrar que los únicos subespacios de R2 son los siguientes:
• El subespacio trivial { 0 }
• Rectas que pasan por el origen
• R2.
De la misma manera los únicos subespacios de R3 son:

• El subespacio trivial { 0 }
• Rectas que pasan por el origen
• Planos que pasan por el origen
• R3
EJERCICIOS PROPUESTOS – TEMA: SUBESPACIOS

1 - Sea (V, +, K, *) un Espacio Vectorial. Determine si el conjunto W es
subespacio de V. En los casos posibles haga el gráfico del conjunto W. Las
operaciones dadas son las usuales en cada caso:
a) V = R2, K=R
W = { (x, y ) Є R2 / y = x + 1 }
W = { (x, y ) Є R2 / y > x }
W = { (x, y ) Є R2 / y = 1 }
W = { (x, y ) Є R2 / y = x2 }
b) V = R3, K=R
W = { (x, y, z) Є R3 / z = 0 }
W = { (x, y, z) Є R3 / x+y+z > 1 }
W = { (x, y, z) Є R3 / 2x +y = 0 }
c) V = R2x2, K = R
a b 
W = {  ∈ R 2 x 2 / a + b + c + d = 0}
c d 
W es el conjunto de las matrices diagonales de 2 x 2.
a b 
W = {  ∈ R 2 x 2 / b = 0 ∧ c = 0}
c d 
W es el conjunto de las matrices triangulares superiores de 2 x 2

a b 
W = {  ∈ R 2 x 2 / c = 0}
c d 
d) V = Pn; K=R
W es el conjunto de polinomios de grado 4 (P4)
W es el conjunto de polinomios de grado menor o igual a 4
2 – Indique en cada caso si el conjunto W representado gráficamente

constituye un subespacio de (R2, +, R, *) justificando su respuesta.
.
W
W
3 - COMBINACON LINEAL Y ESPACIO GENERADO

Sea (V, + K, *) un espacio vectorial y v1, v2,…., vn vectores que pertenecen a V.
Se denomina combinación lineal de los vectores v1, v2,…., vn a la expresión:
α1 v1 + α2 v2 + ….. + αn vn
siendo α1 , α2, ……….. αn escalares cualesquiera pertenecientes al cuerpo K.
EJEMPLO Nº 3.1: El vector (3, -2) es combinación lineal de los vectores (1, 0) y
(0, 1). En efecto (3, -2 ) se puede expresar de la siguiente manera:
(3, -2 ) = 3 (1, 0) + (-2) (0, 1)
EJEMPLO Nº 3.2: El vector de R3 (-1, 5, 4) es combinación lineal de (1, 1, 1);

(1, 1, 0) y (1, 0, 0)
(-1, 5, 4) = α1 (1, 1, 1) + α2 (1, 1, 0) + α3 (1, 0, 0)

Expresión en la que los escalares α1, α2, α3 adquieren los valores 4, 1 y -6
respectivamente.
INTERPRETACION GEOMETRICA DE LA COMBINACION LINEAL
Figura 3.1: Vector u como combinación lineal de los vectores v1 y v2
α.V1
V1
V2 u = α.V1 + β. V2
β. V2
En la figura 3.1, se observa que el vector u se puede expresar como la suma

de los vectores α.V1 y β. V2, que a su vez son múltiplos escalares de los
vectores V1 y V2. O sea:
u = α.V1 + β. V2
Que es una combinación lineal de los vectores V1 y V2.
SISTEMA GENERADOR O CONJUNTO GENERADOR

Un conjunto de vectores v1, v2,…., vn en un espacio vectorial (V, + K, *) generan
a V si cualquier vector x de V se puede expresar como combinación lineal de
v1,v2,….,vn. Entonces para todo x en V se verifica:
x = α1 v1 + α2 v2+………+ αn vn
EJEMPLO Nº 3.3: El conjunto de vectores A = { (1, 1, 1); (1, 1, 0) ; (1, 0, 0) }

genera a R3, por que cualquier vector (a, b, c) de R3 se puede expresar como
combinación lineal de los vectores del conjunto A.
(a, b, c) = α1(1, 1, 1) + α2 (1, 1, 0) + α1(1, 0, 0)
(a, b, c) = (α1, α1, α1) + (α2, α2, 0) + (α3, 0, 0)
De allí se obtienen las siguientes ecuaciones:
α1 + α2 + α3 = a
α1 + α2 + 0 = b
α1 + 0 + 0 = c
Deduciéndose que:
α1 = c
α2 = b - α1 = b – c
α3 = a - α1 – α2 = a – c – b + c = a – b
Como los escalares α1, α2 y α3 se pueden expresar en función de a, b y c,

entonces podemos afirmar que cualquier vector (a, b, c ) de R3 se puede
expresar como Combinación Lineal de los vectores del conjunto A
ESPACIO GENERADO POR UN CONJUNTO DE VECTORES
Sean v1, v2,…., vn un conjunto de vectores del espacio vectorial V. El espacio

generado por v1, v2,…., vn es el conjunto de combinaciones lineales de v1,
v2,…., vn. Es decir:
Gen (v1, v2,…., vn ) = α1. v1 + α2.v2+….+ αnvn
EJEMPLO Nº 3.4: Determinar el espacio generado por el vector (1, 2) de R2. La

solución de esta situación está planteada por todas las combinaciones lineales
de (1, 2):
Gen { (1, 2) } = α1 (1, 2) = (α1, 2 α1) (*)
Igualando (*) a un vector genérico (x, y) se obtiene:

(α1, 2 α1) = (x, y)
de donde surgen las siguientes ecuaciones:
α1 = x
2 α1 = y
Entonces si reemplazamos en la segunda ecuación α1 por x se obtiene:
2x=y
Quiere decir que el vector (1, 2) genera una recta en R2 de ecuación y = 2x.
EJEMPLO 3.5: Determinar el espacio generado por los vectores (1, 1, 0) y

(0,1,2) de R3
El espacio generado por los vectores es el siguiente:
α1(1, 1, 0) + α2 (0, 1, 2) = (x, y, z)
Se opera de manera similar al ejemplo anterior obteniéndose el siguiente

sistema de ecuaciones:
α1 =x
α1 + α2 = y
2 α2 = z
Resolviendo el sistema planteado se obtiene la siguiente relación entre las
componentes x, y, z:
z
x+ =y
2
En forma implícita queda:
z
x+ −y=0
2
que es la ecuación de un plano en R3
EJEMPLO 3.6: Encontrar un conjunto generador del subespacio de R2 definido

W = { (x, y) Є R2 / y = x }
En este caso los vectores de W cumplen la condición que sus dos

componentes son iguales, es decir tienen la forma ( t, t ) siendo t un parámetro
que puede tomar infinitos valores. Si t fuera un escalar quedaría la siguiente
expresión:
( t, t ) = t ( 1, 1 )
Obsérvese que cualquier combinación lineal del vector (1, 1) nos da como
resultado un vector de W ( Cuando las componentes del vector son iguales ),
por lo tanto el (1, 1 ) es un sistema generador de W.
W = Gen { (1, 1 ) }
EJEMPLO 3.7: Encontrar un sistema generador del conjunto W de R3 definido

W = { (x, y, z) Є R3 / x = z }
En este caso la condición que deben cumplir los vectores de W es que la

primera y tercera componente sean iguales, es decir se trata de vectores de la
forma (a, b, a) en los que se puede observar que tenemos dos parámetros a y
b.
Podemos escribir al vector (a, b, a) de la siguiente manera:
(a, b, a) = (a, 0, a) + ( 0, b, 0)
Si los parámetros a y b fueran escalares quedaría:
(a, b, a) = a (1, 0, 1) + b ( 0, 1, 0)
Obsérvese que los vectores de la forma (a, b, a) se pueden escribir como

combinación lineal de los vectores (1, 0, 1 ) y (0, 1, 0), por lo que estos
vectores constituyen un sistema generador de W.
W = gen { (1, 0, 1 ), (0, 1, 0) }

EJERCICIOS PROPUESTOS – TEMA: COMBINACION LINEAL Y ESPACIO

GENERADO
1 – Indicar si el vector (4, 0, -2) se puede expresar como combinación lineal de

los vectores (1, 5, 2); (1, 1, 0); (0, 2, 1)
2 – ¿Cuáles de los siguientes vectores son combinaciones lineales de (0, -2, 2)

y (1, 3, -1)
a) (2, 2, 2) b) (3, 1, 5) c) (0, 4, 5) d) (0, 0, 0)
3 – Expresar cada uno de los siguientes vectores como combinación lineal de

los vectores (2, 1, 4); (1, -1, 3) y (3, 2, 5):
a) (-9, -7, -15) b) (6, 11, 6) c) (0, 0, 0) d) (7, 8, 9)
4 – Indicar cual de los siguientes conjuntos de vectores generan R3:
a) (2, 2, 2); (0, 0, 3) y (0, 1, 1)
b) (2, -1, 3); (4, 1, 2) y (8, -1, 8)
c) (1, 1, 1) y (3, -1, 2)
d) (1, 1, 1); (1, 1, 0); (1, 0, 0) y (2, 1, 1)
5 – Indicar si los vectores (1, 0, 1) y (0, 1, 2) generan el espacio W, siendo:
W = { (x, y, z ) Є R3 / x +2y – z = 0 }
6 – Encontrar la ecuación del plano generado por los vectores (-1, 1, 1) y

(3, 4, 4)
7 – Sean los vectores u = (1, 1, 2) y v = (5, -1, 4). ¿Cuál de los siguientes
vectores se encuentran en el espacio generado por u y v. gen { u, v }?
a) (1, 2, 3) b) (1, 2 -3) c) (0, 1, 1) d) (4, -1, 5)

4 - DEPENDENCIA E INDEPENDENCIA LINEAL
Sea A = {v1, v2,…., vn} un conjunto de vectores de un espacio vectorial V. Se

dice que los vectores del conjunto A son Linealmente Independientes si y solo
si la única combinación lineal de dichos vectores que da como resultado el
vector nulo es la combinación lineal trivial, es decir que todos los escalares
sean iguales a cero.
α1 . v1+α2 v2+….+αn vn = 0
Entonces v1, v2,…., vn son linealmente independientes si y solo si αi = 0 para

todo i.
Si existen soluciones αi ≠ 0 entonces los vectores v1, v2,…., vn son linealmente

dependientes.
EJEMPLO Nº 4.1: Determinar si los vectores (1, 1) y (1, 0) son linealmente

independientes.
Solución: se expresa la combinación lineal de los vectores y se la iguala al

vector nulo, calculándose los valores de los escalares α1 y α2:
α1 (1, 1) + α2 (1, 0) = (0, 0)
(α1, α1) + (α2, 0) = (0, 0)
Surge un sistema de dos ecuaciones con dos incógnitas:
α1 + α2 = 0
α1 =0
Las soluciones de este sistema son obvias:
α1 = 0
α2 = 0
Como la única solución posible es 0 para ambos escalares, los vectores (1, 1) y
(1, 0) son linealmente independientes.
EJEMPLO 4.2: Determinar si los vectores (1, 1, 1); (-2, 1, 0) y (-1, 2, 1) son
linealmente independientes.
Solución: se plantea la combinación lineal igualándola al vector nulo de R3

obteniéndose:
α1 (1, 1, 1 ) + α2 (-2, 1, 0) + α3 (-1, 2, 1) = (0, 0, 0)
El sistema de ecuaciones es el siguiente:
α1 - 2α2 - α3 = 0
α1 + α2 +2 α3 = 0
α1 + α3 = 0
Si despejamos α1 de la 3º ecuación y sustituimos en la 1º y 2º se obtiene:
3º ) α1 = - α3
1º) α1 - 2α2 + α1 = 0
2 α1 - 2α2 = 0 (**)
2º ) α1 + α2 -2 α1 = 0
- α1 + α2 = 0 (**)
Queda un sistema de dos ecuaciones con dos incógnitas (**):
2 α1 - 2α2 = 0
-α1 + α2 = 0
De la segunda ecuación surge que α1 = α2
Sustituyendo en la primera:
2 α2 - 2α2 = 0
0α2 = 0
Dicha ecuación se verifica para infinitos valores de α2, lo que significa que el
sistema tiene infinitas soluciones y por lo tanto tiene soluciones para los
escalares distintas de 0, lo que implica que los vectores (1, 1, 1); (-2, 1, 0) y
(-1,2, 1) son linealmente dependientes.
Nota: Si un vector de un conjunto v1, v2, …, vn se puede escribir como

combinación lineal de los demás vectores del conjunto, entonces dicho
conjunto de vectores es L. D. Para el ejemplo 4.2 obsérvese que el vector
(-1, 2, 1) es la suma de los vectores (1, 1, 1); (-2, 1, 0) por lo que se podría
expresar de la siguiente manera como combinación lineal:
(-1, 2, 1) = 1. (1, 1, 1) + 1. (-2, 1, 0)
En este caso los escalares tomarían valores unitarios, y como un vector se

pudo escribir como Combinación Lineal de los otros vectores del conjunto se
concluye que dicho conjunto es L. D.
CONSIDERACIONES GEOMETRICAS SOBRE LA DEPENDENCIA E

INDEPENDENCIA LINEAL EN R2
En el espacio vectorial R2 se pueden apreciar claramente desde el punto de

vista geométrico cuando dos vectores son Linealmente Independientes o
Linealmente Dependientes. Si los vectores de R2 se encuentran sobre la misma
recta, los mismos son L. D. por que uno de ellos se puede obtener al multiplicar
por un escalar al otro:
Figura 4.1. Vectores LD en R2
V1
V2
En la figura 4.1 se puede advertir que los vectores v1 y v2 son múltiplos

escalares entre sí, por lo tanto son linealmente dependientes:
α1 . v1 = v2 con α1 ≠ 0
de donde se puede deducir
α1 . v1 + α2 . v2 = 0
Por el contrario, si los vectores no son colineales, significa que no se puede

expresar uno como el producto del otro vector por un escalar. En la figura 4.2
los vectores no son múltiplos escalares entre si, por lo que son Linealmente
Independientes:
Figura 4.2: Vectores LI en R2
V1
V2
En este caso no se puede escribir:
α1 . v1 = v2
por que los vectores no son colineales, por lo tanto la única combinación lineal
posible de v1 y v2 que da como resultado el vector 0 es la trivial:
α1 . v1 + α2 . v2 = 0
con escalares α1 = α2 = 0, por lo que los vectores v1 y v2 son linealmente

dependientes.
En el espacio vectorial R3, tres vectores son Linealmente Independientes si no

son coplanares. En la figura 4.3 se pueden observar tres vectores LI de R3
Figura 4.3: 3 Vectores LI en R3
V3
V1 V2 Y
Los vectores v1, v2, y v3 de la figura anterior son linealmentes independientes

por que no son coplanares.
En cambio en las figuras 4.4 Y 4.5 se pueden observar geométricamente

ejemplos de vectores Linealmente Dependientes en R3
Figura 4.4: 3 Vectores LD en R3
V1 V V2
V3
Y
Figura 4.5: 3 Vectores LD en R3
Y
V1
V2
X V3
Los vectores que se observan en las figuras 4.4 y 4.5 son linealmente
dependientes por ser tres vectores contenidos en el mismo plano. A su vez,
dos vectores que se encuentren comprendidos en la misma línea recta también

son linealmente dependientes, como se observa en la Fig. 4.6
3
Figura 4.6: 2 Vectores LD en R
V1
X V2
TEOREMA 4.1: Un conjunto de vectores que incluya al vector nulo, es

linealmente dependiente. Se puede observar por ejemplo que el conjunto
formado por los vectores (1, 2) y (0, 0) es L. D. En efecto:
α1 (1, 2) + α2 (0, 0) = (0, 0)
De allí se deduce que el escalar α2 puede tomar valores distintos de 0, y

verifica lo mismo la igualdad, por lo tanto los vectores (1, 2) y (0, 0) son
Linealmente Dependientes.
Generalizar a través del mismo razonamiento la demostración para el conjunto

de vectores v1, v2, 0, …, vn.
TEOREMA 4.2: Un conjunto de vectores con dos o más vectores iguales es

Linealmente dependiente.
Se demostrará a través de un ejemplo. Supongamos que tenemos el conjunto

de vectores de R3 (1, 1, 2); (1, 1, 2) y (-1, 5, 0). Se demostrará que son L. D.:
α1 (1, 1, 2) + α2 (1, 1, 2) + α3 (-1, 5, 0) = (0, 0, 0)
Obsérvese que independientemente del valor de α3, si los valores de α1 y α2

son opuestos, el valor de los dos primeros términos de la combinación lineal
sería igual al vector (0, 0, 0), por lo que se demuestra que es posible obtener
el vector (0, 0, 0) con escalares diferentes de cero, probando que el conjunto
de vectores (1, 1, 2); (1, 1, 2) y (-1, 5, 0) es L. D.
Generalizar la demostración para el conjunto de vectores v1,…, vj, vj , …, vn
TEOREMA 4.3: Sean v1, v2, …,vk un conjunto de vectores de Rn. Si k > n
entonces los vectores v1, v2, …,vk son linealmente dependientes.
Al igual que en el caso de los teoremas 3.1 y 3.2 se probará con un ejemplo,
quedando para el lector la generalización de la demostración. Probar que el
conjunto de vectores de R2 formado por (1, 1); (1, 0) y (0, 1) son linealmente
dependientes. En efecto:
α1 (1, 1) +α2 (1, 0) + α3 (0, 1) = (0, 0)
De allí surge un sistema homogéneo de dos ecuaciones con tres incógnitas:
α1 + α2 =0
α1 + α3 = 0
Como el sistema homogéneo tiene mas incógnitas que ecuaciones el mismo es

compatible indeterminado, por lo que tiene infinitas soluciones. Al tener
soluciones diferentes de cero para los escalares, los vectores (1, 1); (1, 0) y
(0, 1) son L.D.
EJERCICIOS PROPUESTOS – TEMA: DEPENDENCIA E INDEPENDENCIA

LINEAL
a) Indicar si los siguientes conjuntos de vectores son linealmente

independientes o linealmente dependientes:
A = { (1,1); (1, 0) } de R2
B = { (1, 0, 0); (0, 1, 0); (0, 0, 1) } de R3
C = { (0, 0, 0); (1, 0, 0) } de R3
D = { (1, 1, 1, 1); (2, -1, 0, 0); (4, 3, 2, 1); (7, 3, 3, 2) } de R4
E = { v1, v2, v3, v4 } de R3
F = { (1, 1, 1); (1, 1, 0) } de R3
G = { (1, 2, 0); (0, 1, 0); (1, 2, 0) } de R3
b) Indicar el valor de “K” para que los siguientes vectores sean linealmente
independientes:
(1, 2, k ); (1, 1, 1); (0, 1, 1-k)
(k, 1, 0); (3, -1, 2); (k, 2, -2)

5 - BASE Y DIMENSION DE UN ESPACIO VECTORIAL
Sea S = {v1, v2, …,vn} un conjunto de vectores del espacio vectorial V. Se dice
que S es base de V si cumple las siguientes condiciones:
• S es linealmente independiente y
• S es sistema generador de V.
EJEMPLO 5.1: Indicar si el conjunto de vectores (1, 0) y (1, 1) constituye una

base de R2.
Se deben verificar ambas condiciones: que los vectores sean LI y que

constituyan un Sistema Generador de R2.
Independencia Lineal: se demostró en el Ejemplo 4.1 que los vectores son

Linealmente Independientes.
Sistema Generador: cualquier vector (a, b) de R2 se puede expresar como

combinación lineal de los vectores (1, 0) y (1, 1)
α1 (1, 0) + α2 (1, 1) = (a, b)
(α1, 0) + (α2, α2) = (a, b)
Se obtiene el sistema de ecuaciones:
α1 + α2 = a
α2 = b (*)
reemplazando el valor de α2 = b en la primera ecuación se obtiene:
α1 + b = a
por lo tanto
α1 = a – b (*)
Las expresiones (*) indican que para cualquier valor de a y b, o sea para
cualquier vector de R2, es posible encontrar escalares α1 y α2, que permitan
expresar el vector (a, b) como combinación lineal de los vectores (1, 0) y (1, 1).
Por lo tanto, por ser LI y SG de R2 los vectores constituyen una base de R2
EJEMPLO Nº 5.2: Encontrar una base para el espacio vectorial definido por:
W = {(x, y, z) Є R3 / x+2y-z=0}
En este caso el problema es inverso, se presenta un espacio vectorial W y se

debe encontrar un conjunto de vectores que sea base del mismo. En primer
lugar se encontrará un Sistema Generador de W como se hizo en el Ejemplo
3.6 o 3.7:
Los vectores de W cumplen la siguiente condición:
x+2y-z=0
Expresando una de las variables (z) en función de las otras (x e y) se obtiene

la expresión:
z = x + 2y
por lo tanto los vectores de W son de la siguiente forma:
(x, y, x + 2y)
La tercera componente es igual a la primera más el duplo de la segunda. W se

puede expresar de la siguiente manera:
(x, y, x + 2y) = (x, 0, x) + (0, y, 2y)
Si x e y fueran escalares:
(x, y, x + 2y) = x (1, 0, 1) + y (0, 1, 2)

Obsérvese que los vectores de W se pueden expresar como combinación lineal

de (1, 0, 1) y (0, 1, 2). Por lo tanto estos vectores constituyen un Sistema
Generador de W.
Para que el conjunto de vectores (1, 0, 1) y (0, 1, 2) constituya una base de W,

se debe verificar que sean Linealmente Independientes:
α1(1, 0, 1) + α2 (0, 1, 2) = (0, 0, 0)
El sistema de ecuaciones que se obtiene es el siguiente:
α1 =0
α2 = 0
α1 + 2 α2 = 0
Se obtiene como solución al sistema que:
α1 = 0
α2 = 0
Por lo que los vectores (1, 0, 1) y (0, 1, 2) son linealmente independientes.

Como también constituyen un Sistema Generador de W, entonces el conjunto
es una base de W.
DIMENSION DE UN ESPACIO VECTORIAL
Si un espacio vectorial V, tiene una base finita, entonces la dimensión de V es

el número de vectores de todas las bases de V y V se llama espacio vectorial
de dimensión finita.
Los subespacios de R2 son los siguientes:
Espacios de dimensión cero: { ( 0, 0) }

Espacios de dimensión uno: rectas que pasan por el origen
Espacios de dimensión dos: R2
Los subespacios de R3 son los siguientes:
Espacios de dimensión cero: { (0, 0, 0) }
Espacios de dimensión uno: Rectas que pasan por el origen
Espacios de dimensión dos: Planos que pasan por el origen
Espacios de dimensión tres: R3
En el caso del Ejemplo 5.1 el espacio vectorial es R2, sus bases tienen dos
vectores, por lo que es un espacio de dimensión 2.
En el Ejemplo 5.3, se trata de un subespacio de dimensión 2 de R3
TEOREMA 5.1: Todo conjunto de n vectores Linealmente Independientes de

Rn es una base de Rn.
EEJEMPLO: Los vectores (1, 0, 0); (0, 1, 0) y (0, 0, 1) de R3 son linealmente

independientes. Entonces, y por el teorema 5.1, constituyen una base por que
son tres vectores linealmente independientes de R3.
Recíprocamente si un conjunto de n vectores de Rn genera a Rn, entonces

dicho conjunto es Linealmente Independiente.
TEOREMA 5.2: Sea el espacio vectorial Rn y S un conjunto con m elementos.
a) Si S es linealmente independiente, entonces m ≤ n
b) Si S genera a Rn, entonces m ≥ n

De este teorema se deduce que un conjunto S, para ser base de Rn, tiene que
estar conformado por n elementos.
EJEMPLO Nº 5.3: Indicar si el siguiente conjunto de vectores constituye una

Base de R3:
A = { (1, 1, 1); (1, 1, 0); (1, 0, 0) }
Se verificará primeramente la Independencia Lineal de los Vectores

α1 (1, 1, 1) + α2 (1, 1, 0) + α3 (1, 0, 0) = (0, 0, 0)
Se obtiene el siguiente sistema de ecuaciones

α1 + α2 + α3 = 0
α1 + α2 =0
α1 =0
Las soluciones del sistema son inmediatas:
α1 = 0
α2 = 0 - α1 = 0
α3 = 0 - α1 – α2 = 0
Como la única solución del sistema es la trivial (α1, α2, α3) = (0, 0, 0) los
vectores (1, 1, 1); (1, 1, 0); (1, 0, 0) son linealmente independientes. Por
teorema 5.1 al ser tres vectores L.I. de R3, constituyen una base de dicho
espacio vectorial.
EJEMPLO Nº 5.4: Indique si los siguientes conjuntos de vectores constituyen

una base de R3:
A = { (1, 1, 1); (0, 1, 0) }
B = { (1, 1, 1); (0, 1, 0); (0, 0, 1); (1, 0, 0) }
SOLUCION
El conjunto A no puede ser base de R3 por que contiene dos vectores, y para
poder generar un espacio de dimensión 3 como R3 se necesitan tres vectores
linealmente independientes.
El Conjunto B no puede se base de R3 por que contiene cuatro vectores y de

acuerdo a teorema 5.2 cuatro vectores de R3 no pueden ser Linealmente
Independientes.
EJERCICIOS PROPUESTOS – BASE Y DIMENSION

1 – Indique si los siguientes conjuntos de vectores constituyen una base de R3:
A = { (1, 1, -1); (0, 1, 2); (1, 3, 2) }
B = { (1, 0, 1); (2, -1, 2); (0, 5, 0); (1, 1, 1) }
C = { (1, 3, 1); (-1, 5, 2); (0, 8, 3) }
D = { (1, 1, 1); (0, 1, 1) }
2 – Indique si los vectores u = (1, 3, 1) y v = (2, 2, -2) constituyen una base del
espacio vectorial:
W = { (x, y, z) Є R3 / -2x + y – z = 0 }
3 – Encontrar una base para los siguientes espacios vectoriales e indicar su

dimensión:
W = { (x, y, z) Є R3 / z = 0 }
W = { (x, y, z) Є R3 / x + y – z = 0 }
W = { (x, y, z) Є R3 / y = z }
W = { (x, y, z) Є R3 / -x = y = 2z }
4 - Hallar el vector coordenada de u = (-1, 3, 1) respecto a las siguientes bases

de R3:
A = { (1, 1, 1); (1, 1, 0); (1, 0, 0) }
B = { (0, 1, 1); (1, 1, 0); (1, 0, 1) }
5 - Hallar una base del espacio de soluciones del siguiente sistema de

ecuaciones:
5x + 3y + z = 0
x + 2y =0
6. RANGO DE UNA MATRIZ
Sea A una matriz m x n. Se denomina espacio fila de A, al subespacio de Rn

generado por las filas de la matriz A, mientras que espacio columna de A, es el
subespacio de Rm generado por las columnas de A. Las dimensiones de dichos
subespacios de Rn y de Rm se denominan rango fila y rango columna
respectivamente y se puede demostrar que ambos rangos son iguales.
DEFINICION: el rango de una matriz A es la dimensión de sus espacios filas o

espacios columna y se denota r(A).
TEOREMA 6.1: Si A y B son dos matrices m x n equivalentes por filas,

entonces los espacios generados por los renglones de A y B son iguales.
TEOREMA 6.2: El rango por filas y el rango por columnas de una matriz A de
m x n son iguales.
El Teorema 6.2 indica entonces que si a una matriz se le realizan operaciones

elementales por filas, su rango no varía.
EJEMPLO Nº 6.1: Determinar el rango de la matriz A.
1 2 1 0 
 
A = −1 2 1 1 
 2 − 4 1 − 2
 
Calculamos la matriz reducida por filas de A y se obtiene:
 1 0 0 − 1/ 2 
 
B =  0 1 0 1/ 4 
0 0 1 0 

Observar que el espacio generado por las columnas de A es R3, pues tres
columnas L. I. de R3 generan dicho espacio. (Teorema 5.1). Por lo tanto la
dimensión del espacio columna de A es 3. Rango Columna de A es 3.
Por su parte las filas de A son Linealmente Independientes y tres filas L. I. de

R4 sólo pueden generar un Subespacio de R4 de dimensión 3. Por lo que rango
fila de A es igual a 3.
Otra forma práctica para determinar el rango de una matriz está definida por el
siguiente teorema:
TEOREMA 6.3: Sea E la forma escalonada reducida de la matriz A. Los

vectores fila diferentes de cero de E constituyen una base del espacio fila de
A. El rango de A es el número de vectores fila diferentes de cero de E.
EJEMPLO 6.2: Encuentre una base para el espacio fila de la matriz A y

determine su rango.
 1 0 1 
 
A =  − 2 −1 − 4
 3 −1 1 
 
La matriz reducida por filas de A es la siguiente:
1 0 1
 
E =  0 1 2
0 0 0
 
Se puede observar que la matriz E tiene dos filas no nulas, que constituyen
una base del espacio fila de A. Por lo tanto una base del espacio fila de A
estará formada por los vectores:
A={(1, 0, 1); (0, 1, 2)}
Como la base del espacio fila de A tiene dos vectores, dicho espacio es de
dimensión dos, por lo que el rango de A es igual a 2.
RANGO Y DEPENDENCIA LINEAL
De acuerdo al Teorema 6.3, si los vectores filas constituyen una base del
espacio fila de A, entonces dichos vectores son Linealmente Independientes
(Por definición de Base, pág. 29). Por lo que se puede afirmar que el rango de
una matriz es la cantidad de filas Linealmente Independientes de la misma. El
concepto es también válido para las columnas de la matriz A. Observar en el
Ejemplo 6.2 que las columnas de la matriz E, son Linealmente Dependientes,
por que la tercera columna se puede expresar como combinación lineal de la
primera y segunda. En efecto:
(1, 2, 0) = (1, 0, 0) + 2 (0, 1, 0)
Como las columnas son L. D. generan un espacio de dimensión 2, por lo que el

rango Columna es igual a dos. (Comprobar que el espacio generado por las
columnas de A, es un espacio de dimensión 2)
El Teorema 6.3 también es útil para encontrar una base de un subespacio

generado por un conjunto de vectores. El siguiente ejemplo ilustra este caso:
EJEMPLO 6.3: Determinar una base del subespacio de R3 generado por los
vectores (1, 2, -1); (0, 1, 2); (2; 6; 2).
En este caso se ubican los vectores como filas de una matriz:
 1 2 − 1
 
A = 0 1 2 
2 6 2 
 
Se calcula la matriz reducida por filas de A:
 1 0 − 5
 
E = 0 1 2 
0 0 0 
 
La base del espacio fila de A es por lo tanto:

A = {(1, 0, -5); (0, 1, 2)}
Que es a su vez base del espacio generado por los vectores (1, 2, -1); (0, 1, 2);
(2; 6; 2) de acuerdo al Teorema 6.3.
RANGO E INVERSA DE UNA MATRIZ
Se ha afirmado que el rango de una matriz no varía si a dicha matriz se le

realizan operaciones elementales de filas (Teorema 6.1, pág. 35). Por lo tanto
si una matriz A de n x n es inversible su rango debe ser igual a n. (Kolman,
1999, pág. 250). También se lo puede asociar al espacio fila de la matriz A, que
por ser su reducida por fila la matriz identidad de orden n, la matriz reducida
por filas de A no tendría filas nulas, y por lo tanto el espacio generado por las
filas de A sería Rn. Como las filas no nulas constituyen una base de dicho
espacio (Teorema 6.3, pág 36), dicha base consta de n elementos, por lo que
la dimensión del espacio generado por las filas de A es igual a n. Estas
consideraciones permiten afirmar las siguientes proposiciones equivalentes:
PROPOSICIONES EQUIVALENTES - CONTINUACION (Ver Matrices Pág.

22)
Sea A una matriz de n x n. Las siguientes proposiciones son equivalentes:
1 – A es invertible.
2 – La forma reducida por filas de A es In.
3 – A es un producto de matrices elementales.
4 – El espacio generado por las filas de A es Rn
5 – A tiene rango n
6 – Las filas de A son Linealmente Independientes.
7 – Las filas de A constituyen una base de Rn
.
EJERCICIOS PROPUESTOS – RANGO DE UNA MATRIZ
1 - Sea S = {(1,2,3); (2,1,4); (-1,1,2); (0,1,2); (1,1,1)} . Determine una base para
el subespacio de R3 generado por los vectores del conjunto S.
2 – Sea S = {(1,1,2,1); 1,0,-3,1); (0,1,1,2); (0,0,0,1)}. Determine una base para

el subespacio generado por los vectores del conjunto S.
3 – Determinar una base del espacio generado por las filas de la matriz A:
 1 4 6 
 
A =  − 2 3 − 1
 − 2 1 − 3
 
4 – Si A es una matriz de 3 x 4. Cual es el máximo valor del rango de A?
5 – Muestre que las columnas de una matriz de 3 x 4 son linealmente

dependientes.
6 – Determine el rango de las siguientes matrices. Indique si sus filas o

columnas son L. I. o L. D y si son matrices inversibles:
−1 3 0 7
 2 0 − 1    − 2 1 − 3
   1 −1 2 5  
A = −1 1 2  B= C =  4 3 11 
5 1 3 2 0 2 4  3 0 6 
     
5 4 −2 2 

RESULTADOS DE LOS EJERCICIOS PROPUESTOS
TEMA 1: ESPACIOS VECTORIALES
1) Es Espacio Vectorial
3) a ) Si b) Si c) No d) Si
TEMA 2: SUBESPACIOS
1a) No son subespacios ninguno de los conjuntos propuestos
1b) El primer y tercer conjunto son subespacios de R3, el segundo no lo es
1c) Son subespacios todos los conjuntos propuestos
1d) El primer conjunto no es, el segundo si.
2) Es subespacio el conjunto representado en el tercer gráfico. (Recta que

pasa por el origen)
TEMA 3: COMBINACION LINEAL Y ESPACIO GENERADO
1) No
2) a) Si b) Si c) No d) Si
4) a) Si b) No c) No d) Si
5) Si generan W
6) Generan el plano cuya ecuación es z – y = 0
7 ) Los vectores (1, 2, 3); (0, 1, 1) pertenecen al espacio generado por u y v.

TEMA 4: DEPENDENCIA E INDEPENDENCIA LINEAL
A) Son Linealmente Independientes
B) Son Linealmente Independientes
C) Son Linealmente Dependientes
D) Son Linealmente Independientes
E) Son Linealmente Dependientes
F) Son Linealmente Independientes
G) Son Linealmente Dependientes
TEMA 5: BASE DE UN ESPACIO VECTORIAL
1) El conjunto A es Base de R3, los conjuntos B, C y D no son Bases de R3
2) Si
3) a) Base de W, A = {(1, 0, 0); (0, 1, 0) } Dimensión : 2
c) Base de W: A = {(1, 0, 1); (0, 1, 1) }, Dimensión: 2
d) Base de W: A = { (1, 0, 1); (0, 1, 0) }, Dimensión: 2
e) Base de W: A = { (-2, 2, 1) }, Dimensión: 1
4 a ) Vector coordenadas (x, y, z) = (1, 2, -4)
4 b ) Vector Coordenadas (x, y, z ) = (5/2, ½, -3/2)
5 ) Base A ={ (-2, 1, 7)}
TEMA 6: RANGO DE UNA MATRIZ
1 – Base S = {(1,0,0); (0,1,0); (0,0,1)}. Dim S = 3

2 – Base T = {(1,0,0,0); (0,1,0,0); (0,0,1,0); (0,0,0,1)}. Dim T = 4
3 – Base S = {(1,0,2) ; (0,1,1)}. Dim S = 2
4 – El máximo valor del rango de A es igual a 3
5 – Se formaría un sistema homogéneo de tres ecuaciones con cuatro

incógnitas, que por tener mayor número de incógnitas que ecuaciones es
compatible indeterminado. Por tener dicho sistema soluciones distintas de las
triviales, los vectores columnas de la matriz son L.D.
6 – r(A) = 3. A es inversible, las filas de A son L.I.
r(B) = 4. B es inversible, las filas de B son L. I.
r(C)=2. C no es inversible, las filas de C son L. D.
REFERENCIAS BIBLIOGRAFICAS
• Anton, Howard (1999): Introducción al Algebra Lineal. Editorial Limusa.
Mexico D. F.
• Grossman, Stanley (2001): Álgebra Lineal. Editorial Mc. Graw Hill. Mexico
D. F.
• Joyner, D.; Nakos, G. (1998): Álgebra Lineal con aplicaciones.
Internacional Thomson Editores.
• Lipschutz, S. (1992): Algebra Lineal. Editorial Mc Graw Hill. Madrid
• Rojo, Armando (1976): Algebra II. Editorial El Ateneo. Buenos Aires.
• Cuadernillos Ciclo Común de Articulación de carreras de Ingeniería
(2003): Autores Varios. UNT, UNSA, UNSE, UNJU, UNCA


02 Espacios Vectoriales

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

02 Espacios Vectoriales

Cargado por

Copyright:

Formatos disponibles

CATEDRA: ALGEBRA TEMA: ESPACIOS VECTORIALES 1

• 3 - COMBINACION LINEAL Y ESPACIO GENERADO 14

• 4 - DEPENDENCIA E INDEPENDENCIA LINEAL 20

• 6 – RANGO DE UNA MATRIZ 35

• RESULTADOS DE EJERCICIOS PROPUESTOS 40

• Introducción Teórica: se presentan los conceptos necesarios para la

Axioma 1: Ley de composición interna.

Axioma 2: Asociatividad de la adición en R2

La demostración de los restantes axiomas queda como tarea. Estos resultados

EJEMPLO 1.2: Sea V = Pn. El espacio vectorial de los polinomios de grado

Pn = an. xn + an-1. xn-1+ an-2. xn-2+…..+ a1. x+ a0

Es claro que la suma de dos polinomios de grado menor o igual a n es otro

EJERCICIOS PROPUESTOS – TEMA: ESPACIOS VECTORIALES

2 – Probar que el conjunto de las Matrices Cuadradas de 2 x 2 ( R2x2)

3 – Indicar si las siguientes cuaternas constituyen espacios vectoriales:

5 – Probar que el conjunto W = { (0, 0) } constituye un espacio vectorial con

Nota: Las condiciones enumeradas en el teorema anterior se pueden unificar

Sumamos ambos vectores:

II) Cerrado para el producto por escalar: si multiplicamos un vector de W por

Al cumplir las dos condiciones W es Subespacio de R2. Gráficamente W

Figura 2.1. Recta y = 0

Se puede demostrar también que W es subespacio de R2 utilizando el concepto

Obsérvese que la expresión (1) es una combinación lineal de vectores de W y

EJEMPLO Nº 2.2: Probar si W es subespacio de R2, siendo W:

II) Cerrado para el producto por escalar: si multiplicamos un elemento de W

EJEMPLO Nº 2.3: Probar si W es subespacio de R2, siendo

I) Cerrado para la suma:

II ) Cerrado para el producto por escalar:

Si multiplicamos el vector (x1, y1) por un escalar α, obtenemos

Geométricamente W representa un semiplano, como se indica en la figura

Figura 2.3. Semiplano y = -x

EJERCICIO Nº 2.4: probar si W es subespacio de R3, siendo :

I) Cerrado para la suma:

Al cumplir ambas condiciones W es subespacio de R3. Geométricamente el

SUBESPACIO V Y SUBESPACIO TRIVIAL

De la misma manera los únicos subespacios de R3 son:

EJERCICIOS PROPUESTOS – TEMA: SUBESPACIOS

W es el conjunto de las matrices diagonales de 2 x 2.

W es el conjunto de las matrices triangulares superiores de 2 x 2

2 – Indique en cada caso si el conjunto W representado gráficamente

3 - COMBINACON LINEAL Y ESPACIO GENERADO

siendo α1 , α2, ……….. αn escalares cualesquiera pertenecientes al cuerpo K.

(3, -2 ) = 3 (1, 0) + (-2) (0, 1)

EJEMPLO Nº 3.2: El vector de R3 (-1, 5, 4) es combinación lineal de (1, 1, 1);

(-1, 5, 4) = α1 (1, 1, 1) + α2 (1, 1, 0) + α3 (1, 0, 0)

INTERPRETACION GEOMETRICA DE LA COMBINACION LINEAL

Figura 3.1: Vector u como combinación lineal de los vectores v1 y v2

En la figura 3.1, se observa que el vector u se puede expresar como la suma

SISTEMA GENERADOR O CONJUNTO GENERADOR

EJEMPLO Nº 3.3: El conjunto de vectores A = { (1, 1, 1); (1, 1, 0) ; (1, 0, 0) }

(a, b, c) = α1(1, 1, 1) + α2 (1, 1, 0) + α1(1, 0, 0)

(a, b, c) = (α1, α1, α1) + (α2, α2, 0) + (α3, 0, 0)

De allí se obtienen las siguientes ecuaciones:

Como los escalares α1, α2 y α3 se pueden expresar en función de a, b y c,

ESPACIO GENERADO POR UN CONJUNTO DE VECTORES

Sean v1, v2,…., vn un conjunto de vectores del espacio vectorial V. El espacio

Gen (v1, v2,…., vn ) = α1. v1 + α2.v2+….+ αnvn

EJEMPLO Nº 3.4: Determinar el espacio generado por el vector (1, 2) de R2. La

Gen { (1, 2) } = α1 (1, 2) = (α1, 2 α1) (*)

Igualando (*) a un vector genérico (x, y) se obtiene:

EJEMPLO 3.5: Determinar el espacio generado por los vectores (1, 1, 0) y

El espacio generado por los vectores es el siguiente:

α1(1, 1, 0) + α2 (0, 1, 2) = (x, y, z)