4 Espacios Vectoriales

Álgebra lineal-Espacios vectoriales
Patricia Gómez Palacio
Departamento de Ciencias Matemáticas
Patricia Gómez Palacio | Espacios vectoriales Universidad EAFIT

Un espacio vectorial (e.v.) sobre un campo K es un conjunto
de objetos V , no vacı́o, con una operación binaria interna ⊕,
llamada suma, y una operación binaria externa , llamada
producto por escalar, es decir
V ×V → V K×V → V
(u, v) 7→ u⊕v (α, u) 7 → αu
y que satisfacen las siguientes propiedades para todos
u, v, w ∈ V y todos α, β ∈ K
1) u ⊕ v = v ⊕ u
2) (u ⊕ v) ⊕ w = u ⊕ (v ⊕ w)
3) Existe un único 0 ∈ V tal que u ⊕ 0 = u. El elemento 0 se
denomina neutro (o nulo).
4) Para cada u ∈ V existe un único w ∈ V tal que u ⊕ w = 0.
El elemento w es el inverso de u y se denota por −u.
5) α (u ⊕ v) = α u ⊕ α v
6) (α + β) u = α u ⊕ β u
7) α (β u) = (αβ) u = β (α u)
8) 1 u = u
Teorema. En un espacio vectorial V , sobre un campo K, para
elementos arbitrarios u y v de V , escalares λ y δ en K, y el
elemento neutro 0 de V , se cumplen las siguientes propiedades:
I 0u=0
I λ0=0
I Si λ u = 0, entonces λ = 0 o u = 0
I (−λ) u = −(λ u)
I Si λ u = λ v y λ 6= 0, entonces u = v
I Si λ u = δ u y u 6= 0, entonces λ = δ
I 0 y −u son únicos

Ejemplos de espacios vectoriales
I El conjunto V = Mm×n de matrices m × n es un espacio

vectorial, con las operaciones usuales de suma y producto
por un escalar, antes estudiadas en el curso.
I Sea V = {x = (x1 , x2 , ..., xn ) : xi ∈ R para i = 1, 2, . . . , n}

con las operaciones definidas, para x = (x1 , x2 , ..., xn ) y
y = (y1 , y2 , ..., yn ) en V y λ ∈ R, por:
x ⊕ y = (x1 + y1 , x2 + y2 , ..., xn + yn )
λ x = (λx1 , λx2 , ..., λxn )
V con estas operaciones es un espacio vectorial que se

representa como hRn , ⊕, i o simplemente Rn

I Sea V el conjunto de funciones polinómicas de grado menor
o igual a n
p(x) = an xn + an−1 xn−1 + · · · + a1 x + a0 : ai ∈ R para i = 0, 1, . . . , n

Dos polinomios en V
p(x) = an xn + an−1 xn−1 + · · · + a1 x + a0
q(x) = bn xn + bn−1 xn−1 + · · · + b1 x + b0

son iguales si tienen el mismo grado (máxima potencia de x), y
además ai = bi para i = 0, 1, . . . , n
V es un espacio vectorial con las operaciones de suma y

producto por escalar definidas por:
p(x) ⊕ q(x) = (an + bn )xn + · · · + (a1 + b1 )x + (a0 + b0 )
α p(x) = (αan )xn + (αan−1 )xn−1 + · · · + (αa1 )x + (αa0 )

Ejemplo. Veamos que V = {(x, y) : x, y ∈ R} con las
operaciones definidas por:
u ⊕ v = (x + x1 , y + y1 )
λ u = (λx, λy)

1 , y1 ) enV y λ ∈ R, es un
para todos u = (x, y) y v = (x
espacio vectorial denominado R2 , ⊕, , o simplemente R2
De la definición de las operaciones es claro que u ⊕ v y λ u
están en V , por ser parejas de números reales. Veamos ahora
que se satisfacen las ocho propiedades de espacio vectorial.
1) u ⊕ v = v ⊕ u
u ⊕ v = (x + x1 , y + y1 ) = (x1 + x, y1 + y) = v ⊕ u
2) Para w = (x2 , y2 ) ∈ V , veamos que (u ⊕ v) ⊕ w = u ⊕ (v ⊕ w)

(u ⊕ v) ⊕ w = (x + x1 , y + y1 ) ⊕ (x2 , y2 ) = ((x + x1 ) + x2 , (y + y1 ) + y2 )
= (x + (x1 + x2 ), y + (y1 + y2 )) = (x, y) ⊕ (x1 + x2 , y1 + y2 )
= u ⊕ (v ⊕ w)
3) 0 = (0, 0) es el elemento neutro (o nulo) de V.
u ⊕ (0, 0) = (x, y) ⊕ (0, 0) = (x + 0, y + 0) = (x, y) = u
4) Para cualquier u = (x, y) ∈ V , su inverso es −u = (−x, −y).
u ⊕ −u = (x, y) ⊕ (−x, −y) = (x + (−x), y + (−y)) = (0, 0) = 0
5) α (u ⊕ v) = α u ⊕ α v
α (u ⊕ v) = α (x + x1 , y + y1 ) = (α(x + x1 ), α(y + y1 ))
= (αx + αx1 , αy + αy1 )
= (αx, αy) ⊕ (αx1 , αy1 )
= α (x, y) ⊕ α (x1 , y1 )
=αu⊕αv

6) (α + β) u = α u ⊕ β u
(α + β) u = (α + β) (x, y) = ((α + β)x, (α + β)y)
= (αx + βx, αy + βy) = (αx, αy) ⊕ (βx, βy)
= α (x, y) ⊕ β (x, y)
=αu⊕βu
7) α (β u) = (αβ) u = β (α u)
α (β u) = α (βx, βy) = (α(βx), α(βy)) = ((αβ)x, (αβ)y)
= (αβ) (x, y) = (αβ) u
α (β u) = α (βx, βy) = (α(βx), α(βy)) = (β(αx), β(αy))

= β (αx, αy) = β (α u)
8) 1 u = u
1 u = (1x, 1y) = (x, y) = u
Otro ejemplo de espacio vectorial.
V = {x ∈ R : x > 0} con las operaciones definidas por:

x ⊕ y = xy
α x = xα
para todos x, y ∈ V y α ∈ R, es un espacio vectorial real.
Observar que, si x, y ∈ V entonces x > 0 y y > 0, y por tanto

x ⊕ y = xy > 0, es decir que x ⊕ y ∈ V . Y también, para todo
α ∈ R, y x > 0, α x = xα > 0 y por tanto α x ∈ V .
1) x ⊕ y = y ⊕ x, es consecuencia de la conmutatividad del

producto en los números reales, es decir
x ⊕ y = xy = yx = y ⊕ x
2) (x ⊕ y) ⊕ z = x ⊕ (y ⊕ z), es consecuencia de la propiedad
asociativa del producto en los números reales, es decir
(x ⊕ y) ⊕ z = (xy) ⊕ z = (xy)z = x(yz) = x ⊕ (yz) = x ⊕ (y ⊕ z)
3) El número 1 es el elemento neutro de la suma, ya que 1 ∈ V
y para todo x ∈ V se tiene que x ⊕ 1 = x1 = x
1
4) Para todo x ∈ V su inverso es x ∈ V , ya que
1 1
x⊕ =x =1
x x
5) α (x ⊕ y) = α x ⊕ α y,
α (x ⊕ y) = α (xy) = (xy)α = xα y α = xα ⊕ y α = α x ⊕ α y
6) (α + β) x = α x ⊕ β x,
(α + β) x = xα+β = xα xβ = α x ⊕ β x
7)(αβ) x = α (β x) = β (α x)
(
αβ (xβ )α = (β x)α = α (β x)
(αβ) x = x =
(xα )β = (α x)β = β (α x)
8) 1 x = x1 = x, lo que concluye la prueba.

Subespacio de un espacio vectorial
Sea V un espacio vectorial y W 6= ∅ un subconjunto V . Si W es

un espacio vectorial con las operaciones definidas en V ,
entonces W es un subespacio de V .
Para todo espacio vectorial V se cumple que los conjuntos

W = {0} y W = V son subespacios de V , denominados
subespacios triviales de V
Teorema. Sea V un espacio vectorial y W un subconjunto de

V , W 6= ∅. W es un subespacio de V si y solo si para todos
u, v ∈ W , y todo λ ∈ K, se satisface que u ⊕ v ∈ W y
λ v ∈ W , donde ⊕ y son la suma y el producto por escalar
definidos en el espacio V.
En adelante, en lugar de la notación x ⊕ y escribimos

x + y, y en lugar λ x escribimos λx, siempre que no
haya lugar a confusión.
Ejemplo: Veamos que W = (x, y) ∈ R2 : x + y = 0 es un

subespacio de R2 :
1) W 6= ∅, ya que (0, 0) ∈ W , pues satisface que 0 + 0 = 0
2) Sean u = (x1 , y1 ) y v = (x2 , y2 ) elementos de W , veamos

que u + v ∈ W .
Como u, v ∈ W entonces x1 + y1 = 0 y x2 + y2 = 0, y por

tanto u + v = (x1 + x2 , y1 + y2 ) está en W , ya que
(x1 + x2 ) + (y1 + y2 ) = (x1 + y1 ) + (x2 + y2 ) = 0 + 0 = 0
3) Sean u = (x, y) ∈ W y λ ∈ R, veamos que λu ∈ W .
Es claro, de la definición de W , que x + y = 0, y por tanto

λu = (λx, λy) está en W , ya que
λx + λy = λ(x + y) = λ0 = 0
En conclusión, por el teorema anterior y de 1), 2) y 3), se
concluye que W es un subespacio de R2 .
Ejemplo.
W = (x, y) ∈ R2 : x + y = 1 no es un subespacio de R2 :

I
W 6= ∅ ya que (2, −1) ∈ W , pues 2 + (−1) = 1.

Pero, si (x, y) y (x1 , y1 ) son dos elementos arbitrarios de
W , es decir que x + y = 1 y x1 + y1 = 1, entonces
(x, y) + (x1 , y1 ) = (x + x1 , y + y1 ) no es un elemento de W ya
que
(x + x1 ) + (y + y1 ) = (x + y) + (x1 + y1 ) = 1 + 1 = 2 6= 1
W = (x, y) ∈ R2 : y < 0 no es un subespacio de R2 :

I
W 6= ∅ ya que (1, −3) ∈ W , pues −3 < 0.
Pero, si (x, y) es un elemento arbitrario de W , es decir que

y < 0, y λ ∈ R el vector λ(x, y) = (λx, λy) no siempre es un
elemento de W ya que si por ejemplo λ = −1 entonces
−1(x, y) = (−x, −y) con −y > 0 (por ser y < 0).
Ejemplo.
I Sea M2×2 el espacio vectorial de
todas las
matrices de
a 0
tamaño 2 × 2, veamos que W = ∈ M2×2 : ad = 0
0 d
no es un subespacio de M2×2 .

0 0
W 6= ∅ ya que la matriz ∈ W.
0 0
Pero, la suma de dos matrices en W no siempre es un

elemento de W , ya que por ejemplo las matrices

2 0 0 0
A= y B=
0 0 0 3

2 0
están en W , pero la suma A + B = no está en W
0 3
ya que 2(3) = 6 6= 0

Ejemplo.

I W = p(x) = ax2 + bx + c : b + c = 1, a, b, c ∈ R no es un
subespacio del espacio vectorial de todas las funciones
polinómicas de grado menor o igual que 2
W 6= ∅ ya que x2 + x ∈ W , pues b = 1, c = 0 y 1 + 0 = 1.
Pero, la suma de dos elementos de W no siempre es un

elemento de W , ya que por ejemplo los polinomios
p1 (x) = x2 + x y p2 (x) = 2x2 + 3x − 2 están en W ,
mientras que
p1 (x) + p2 (x) = x2 + x + 2x2 + 3x − 2 = 3x2 + 4x − 2
no es un elemento de W , pues b = 4, c = −2 y
4 + (−2) = 2 6= 1

Teorema. Si S y T son dos subespacios de un espacio vectorial
V , entonces:
I S + T = {u + v : u ∈ S y v ∈ T } es un subespacio de V.
I S ∩ T = {u ∈ V : u ∈ S y u ∈ T } es un subespacio de V.
Observar que S ∩ T 6= ∅ y S + T 6= ∅, ya que al ser S y T

subespacios de V , 0 ∈ S y 0 ∈ T , y por tanto 0 ∈ S ∩ T y
0∈S+T
Ahora, si w1 , w2 ∈ S + T entonces existen u1 , u2 ∈ S y

v1 , v2 ∈ T tales que w1 = u1 + v1 y w2 = u2 + v2 , y dado que S
y T son subespacios de V se sigue que u1 + u2 ∈ S y
v1 + v2 ∈ T , y por tanto
w1 + w2 = (u1 + v1 ) + (u2 + v2 ) = (u1 + u2 ) + (v1 + v2 ) ∈ S + T
donde se han utilizado las propiedades conmutativa y asociativa

de la suma en el espacio vectorial V.
Finalmente, sea λ ∈ R y w ∈ S + T , con w = u + v para algunos
u ∈ S y v ∈ T . Dado que S y T son subespacios de V se tiene
que λu ∈ S y λv ∈ T , y por tanto
λw = λ(u + v) = λu + λv ∈ S + T
donde se utilizó la propiedad distributiva del producto por

escalar respecto a la suma en el espacio V.
De otro lado, si u, v ∈ S ∩ T entonces u, v ∈ S y u, v ∈ T , y

dado que S y T son subespacios de V , se sigue que u + v ∈ S y
u + v ∈ T , y por tanto u + v ∈ S ∩ T .
De forma similar, si λ ∈ R y u ∈ S ∩ T , entonces u ∈ S y u ∈ T ,

y por ser S y T subespacios de V , se sigue que λu ∈ S y λu ∈ T
y por consiguiente λu ∈ S ∩ T. Lo que completa la prueba.

Ejemplo. Sean
S = (x, y, z) ∈ R3 : z = 2x

T = (x, y, z) ∈ R3 : y = 3x − 3z

¡Verificar! que S y T son subespacios de R3 .
Ahora, como (x, y, z) ∈ S ∩ T siempre que y = 3x − 3z y

z = 2x, entonces al resolver el sistema de dos ecuaciones con
tres incógnitas, se puede concluir que
S ∩ T = (x, y, z) ∈ R3 : y = −3x ∧ z = 2x

Y además, se puede verificar que S + T = R3 , ya que

S + T ⊂ R3 , y para todo (x, y, z) ∈ R3 , se tiene que
(x, y, z) = (−x + z, y, −2x + 2z) + (2x − z, 0, 2x − z)

| {z } | {z }
Elemento de S Elemento de T

Nota: Si S y T son dos subespacios de un espacio vectorial V ,
S ∪ T puede o no ser un subespacio de V.
Por ejemplo, observar que los conjuntos
S = (x, y) ∈ R2 : y = 3x

T = (x, y) ∈ R2 : y = 4x

son subespacios de R2 , pero S ∪ T no es subespacio de R2 ya

que (1, 3) y (1, 4) son elementos de S ∪ T , por ser elementos de
S y T respectivamente, pero (1, 3) + (1, 4) = (2, 7) no es un
elemento de S ∪ T ya que no es elemento de S ni de T.

Definición. Sean v1 , v2 , ..., vk vectores en un espacio vectorial
V . Un vector v ∈ V es combinación lineal de v1 , v2 , ..., vk si
v = λ1 v1 + λ2 v2 + ... + λk vk
para algunos escalares λ1 , λ2 , ..., λk .
Ejemplo: En R3 el vector v = (1, −1, 3) es combinación lineal

de los vectores v1 = (1, 2, 3), v2 = (0, 1, 1) y v3 = (2, 0, 1) ya que
(1, −1, 3) = 7(1, 2, 3) + (−15)(0, 1, 1) + (−3)(2, 0, 1)
con λ1 = 7, λ2 = −15 y λ3 = −3
En R3 todo vector (x, y, z) es combinación lineal de los vectores

e1 = (1, 0, 0), e2 = (0, 1, 0) y e3 = (0, 0, 1) ya que
(x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1)

Definición. Sea S = {v1 , ..., vk } un conjunto de vectores de un
espacio vectorial V , el conjunto generado por S, gen{S}, es
el conjunto de todas las combinaciones lineales de los vectores
de S, es decir
gen{S} = {λ1 v1 + λ2 v2 + ... + λk vk : λi ∈ K, 1 ≤ i ≤ k}
Ejemplo: Si S = {(1, 1, 1), (1, 0, 0)} entonces
gen{S} = {λ1 (1, 1, 1) + λ2 (1, 0, 0) : λ1 , λ2 ∈ R}

= {(λ1 + λ2 , λ1 , λ1 ) : λ1 , λ2 ∈ R}
= (x, y, z) ∈ R3 : y = z

En particular, (5, 2, 2) ∈ gen{S} ya que
(5, 2, 2) = 2(1, 1, 1) + 3(1, 0, 0)

Ejemplo: Veamos que si S = {(1, 1, 1), (1, 0, 0), (−1, 2, 1)}
entonces gen{S} = R3 .
gen{S} ⊂ R3 , ya que para determinados escalares α, β y λ,

todo elemento de gen{S} es de la forma
α(1, 1, 1) + β(1, 0, 0) + λ(−1, 2, 1) = (α + β − λ, α + 2λ, α + λ)
y por tanto es un elemento de R3 .
Veamos que R3 ⊂ gen{S}, es decir que para todo (x, y, z) ∈ R3 ,

existen escalares α, β y λ tales que
(x, y, z) = α(1, 1, 1) + β(1, 0, 0) + λ(−1, 2, 1) = (α + β − λ, α + 2λ, α + λ)
lo que equivale a resolver para α, β y λ el sistema matricial

    
x 1 1 −1 α
 y = 1 0 2  β 
z 1 0 1 λ
| {z }
A

 
1 1 −1
Como det A = det  1 0 2  = 1 6= 0 (usando cofactores por
1 0 1
la segunda columna), se sigue que el sistema tiene solución
única. Más aún, usando la regla de Cramer se puede ver que
−1
 
x 1

y 0 2

det



z 0 1
α= det A = −y + 2z
−1
 
1 x

1 y 2

det



1 z 1
β= det A = x + 2y − 3z
 
1 1 x

1 0 y

det



1 0 z
λ= det A =y−z

Teorema. Sea S = {v1 , ..., vk } un conjunto de vectores de un
espacio vectorial V , entonces gen{S}, es un subespacio de V .
Observar que si u y v están en gen{S} entonces existen

escalares λ1 , λ2 , . . . , λk y δ1 , δ2 , . . . , δk , tales que
u = λ1 v1 + λ2 v2 + ... + λk vk
v = δ1 v1 + δ2 v2 + ... + δk vk
y al usar las propiedades de la suma y el producto por escalar

en el espacio V se sigue que:
u + v = (λ1 + δ1 )v1 + (λ2 + δ2 )v2 + ... + (λk + δk )vk

βu = (βλ1 )v1 + (βλ2 )v2 + ... + (βλk )vk
es decir que u + v y βu están en gen{S}, y por tanto gen{S} es

subespacio de V .

Teorema. Sea V un espacio vectorial y sea S = {v1 , ..., vk } = 6 ∅.
Un vector u ∈ gen{S} si y sólo si gen{S} = gen {v1 , ..., vk , u}
Observar que si u ∈ gen{S}, entonces u = β1 v1 + · · · + βk vk , con

βi ∈ R, y si w ∈ gen {v1 , ..., vk , u}, entonces
w = α1 v1 + · · · + αk vk + γu
w = α1 v1 + · · · + αk vk + γ (β1 v1 + · · · + βk vk )
w = (α1 + γβ1 )v1 + · · · + (αk + γβk )vk
la última igualdad expresa a w como combinación lineal de

elementos de S, luego w ∈ gen{S}, y por tanto
gen {v1 , ..., vk , u} ⊂ gen{S}. De otro lado, si w ∈ gen{S},
w = α1 v1 + · · · + αk vk , y por tanto w ∈ gen {v1 , ..., vk , u}, ya
que w = α1 v1 + · · · + αk vk + 0u, y en consecuencia
gen{S} = gen {v1 , ..., vk , u} .
En la otra dirección, si gen{S} = gen {v1 , ..., vk , u}, es claro que

u ∈ gen {v1 , ..., vk , u} y por tanto u ∈ gen{S}.
Ejemplo: Sea S = {(1, 1, 1), (1, 0, 0)} entonces gen{S} es un
subespacio de R3 , es decir que W = (x, y, z) ∈ R3 : y = z es

un subespacio de R3 , ya que
gen{S} = {λ1 (1, 1, 1) + λ2 (1, 0, 0) : λ1 , λ2 ∈ R}

= {(λ1 + λ2 , λ1 , λ1 ) : λ1 , λ2 ∈ R}
= (x, y, z) ∈ R3 : y = z

Ejemplo: Sea S = {(1, 1, 1), (1, 0, 0)} entonces
gen{S} = gen {(1, 1, 1), (1, 0, 0), (5, 2, 2)}
ya que (5, 2, 2) ∈ gen{S} pues (5, 2, 2) satisface la condición del

espacio gen{S} en ejemplo anterior, y además,
(5, 2, 2) = 2(1, 1, 1) + 3(1, 0, 0)

Ejemplo: Hallar el valor de x ∈ R tal que el vector (−1, x, 3) se
puede expresar como combinación lineal de los vectores (1, 1, 1)
y (1, 2, 3).
Basta determinar si existen reales λ y β tales que
(−1, x, 3) = λ(1, 1, 1) + β(1, 2, 3) = (λ + β, λ + 2β, λ + 3β)
lo que equivale a resolver para λ y β el sistema

   
−1 = λ + β −1 1 1
λ
x = λ + 2β o en forma matricial  x = 1 2
  
β
3 = λ + 3β 3 1 3
   
1 1 −1 1 0 −2 − x
 1 2 x  → ··· →  0 1 x + 1 

1 3 3 0 0 2 − 2x
El sistema tiene solución siempre que 2 − 2x = 0, es decir
siempre que x = 1

Dependencia e independencia lineal
Sea V un espacio vectorial. Un conjunto de vectores

S = {v1 , v2 , ...vk } ⊂ V es linealmente dependiente (L.D.) si
existen escalares λ1 , λ2 , ..., λk no todos nulos, tales que
λ1 v1 + λ2 v2 + ... + λk vk = 0
En caso contrario se dice que el conjunto S = {v1 , v2 , ...vk } es

linealmente independiente (L.I.).
Entonces, el conjunto S = {v1 , v2 , ...vk } es linealmente

independiente si la única solución de la ecuación
λ1 v1 + λ2 v2 + ... + λk vk = 0
es la trivial, es decir λ1 = λ2 = ... = λk = 0.

Sobre conjuntos L.I. y L.D.
I Un subconjunto de un espacio vectorial con un solo vector
distinto del vector nulo es L.I.
Ejemplo: En R3 , S = {(1, 2, 3)} es L.I.
I Todo subconjunto de un espacio vectorial que contiene al

vector nulo es L.D.
Ejemplo: En R3 , S = {(0, 0, 0), (1, 2, 3), (3, −1, 0)} es L.D.
I Un conjunto S de vectores en un espacio vectorial es L.D.

si y solo si existe al menos un vector en S que es
combinación lineal de los vectores restantes de S.
Ejemplo: En R3 , S = {(1, 2, 3), (3, 6, 9), (3, −1, 0)} es L.D., ya
que
(3, 6, 9) = 3(1, 2, 3) + 0(3, −1, 0)
I En todo espacio vectorial dos vectores son L.D. si y solo si

uno de ellos es múltiplo escalar del otro.
Ejemplo: Sea V un espacio vectorial sobre R. Si {u, v, w} es un
conjunto de vectores L.I. en V , entonces el conjunto
{u + v, u + w, v + w} ⊂ V también es L.I.
En efecto, considerar la combinación lineal
λ1 (u + v) + λ2 (u + w) + λ3 (v + w) = 0
Al aplicar las propiedades distributiva, conmutativa y asociativa

de las operaciones en el espacio V , se tiene que:
λ1 u + λ1 v + λ2 u + λ2 w + λ3 v + λ3 w = 0
(λ1 + λ2 )u + (λ1 + λ3 )v + (λ2 + λ3 )w = 0
y dado que {u, v, w} es L.I. entonces
λ1 + λ2 = 0 λ1 + λ3 = 0 λ2 + λ3 = 0
es decir λ2 = −λ1 , λ3 = −λ1 y −λ1 − λ1 = 0, de donde

λ1 = λ2 = λ3 = 0, y por tanto {u + v, u + w, v + w} es L.I.
Ejemplo: Sea V un espacio vectorial sobre R. Si {u, v, w} es un
conjunto de vectores L.I. en V , entonces el conjunto
{u − v, u + w, v + w} ⊂ V es L.D.
En efecto, observar que
1(u − v) + (−1)(u + w) + 1(v + w) = 0
es una combinación lineal igual a 0 de los vectores

{u − v, u + w, v + w} con escalares no nulos 1, −1 y 1, y por
tanto el conjunto {u − v, u + w, v + w} es L.D.
Ejemplo: En particular R3 los vectores e1 = (1, 0, 0),

e2 = (0, 1, 0) y e3 = (0, 0, 1) son L.I. y de los dos ejemplos
anteriores se sigue que:
{(1, 1, 0), (1, 0, 1), (0, 1, 1)} es L.I.
{(1, −1, 0), (1, 0, 1), (0, 1, 1)} es L.D.

Teorema. Sea V un espacio vectorial sobre un campo K y sean
A y B subconjuntos de V tales que A ⊂ B, A 6= ∅, y B finito,
entonces se cumple que:
I Si A es linealmente dependiente, entonces B es linealmente
dependiente
I Si B es linealmente independiente, entonces A es

linealmente independiente.
Ejemplo. Por ejemplo anterior,

A = {(1, 2, 3), (3, 6, 9), (3, −1, 0)} es L.D. en R3 , y por el
teorema B = {(1, 2, 3), (3, 6, 9), (3, −1, 0), (1, 1, 1), (−1, 0, 3)}
también es L.D.
Se puede mostrar que B = {(1, 1, 0), (1, 0, 1), (0, 1, 1)} es L.I.
(ver ejemplo anterior), entonces por el teorema
A = {(1, 1, 0), (0, 1, 1)} también es L.I.

Base de un espacio vectorial
Los vectores v1 , v2 , ..., vn en un espacio vectorial V forman una

base para V si:
I gen{v1 , v2 , ..., vn } = V
I {v1 , ...vn } es linealmente independiente
Ejemplo. Los vectores e1 = (1, 0, 0), e2 = (0, 1, 0) y

e3 = (0, 0, 1) forman una base de R3
Teorema. Si S = {v1 , v2 ...vn } es una base para un espacio

vectorial V , entonces todo vector v ∈ V se puede escribir en
forma única como combinación lineal de los vectores de S, es
decir existen escalares λ1 , λ2 , . . ., λn tales que:
v = λ1 v1 + λ2 v2 + ...λn vn
Y la n-tupla (λ1 , λ2 , . . . , λn ) son las coordenadas del vector v

respecto a la base S.
Ejemplo. Mostrar que los vectores v1 = (1, 1, 0) v2 = (0, 1, 1) y
v3 = (−1, 0, −1) forman una base para R3 . Determinar las
coordenadas del vector v = (1, 2, −4) en la base
B = {v1 , v2 , v3 }
En efecto, dado que gen {v1 , v2 , v3 } ⊂ R3 , falta mostrar que
R3 ⊂ gen {v1 , v2 , v3 }. Sea v = (x, y, z) un vector arbitrario en
R3 , veamos que v ∈ gen {v1 , v2 , v3 }, es decir que existen α, β y
λ tales que
v = αv1 + βv2 + λv3
es decir
(x, y, z) = α(1, 1, 0) + β(0, 1, 1) + λ(−1, 0, −1)
(x, y, z) = (α − λ, α + β, β − λ)
de donde
x=α−λ
y =α+β
z =β−λ
El sistema escrito en forma matricial es:
    
1 0 −1 α x
 1 1 0  β  =  y 
0 1 −1 λ z
y al llevar la matriz ampliada del sistema a la forma escalonada

reducida se obtiene:
   
1 0 −1 x 1 0 0 1/2 (x + y − z)
 1 1 0 y  → · · · →  0 1 0 −1/2 (x − y − z) 
0 1 −1 z 0 0 1 −1/2 (x − y + z)
de donde
α = 1/2 (x + y − z)
β = −1/2 (x − y − z)
λ = −1/2 (x − y + z)
es decir que v ∈ gen {v1 , v2 , v3 } y por tanto gen {v1 , v2 , v3 } = R3

Veamos que los vectores v1 , v2 y v3 son linealmente
independientes. Considerar la combinación lineal
(0, 0, 0) = α(1, 1, 0) + β(0, 1, 1) + λ(−1, 0, −1)
(0, 0, 0) = (α − λ, α + β, β − λ)
de donde
   
0 =α−λ 1 0 −1 α 0

0 =α+β o en forma matricial  1 1 0   β  = 0 
0 =β−λ 0 1 −1 λ 0
que tiene como solución α = 0, β = 0 y λ = 0, ya que la forma

escalonada reducida de la matriz ampliada del sistema es:
   
1 0 −1 0
1 0 0 0

 1 1 0 0  → ··· →  0 1 0 0 

0 1 −1 0 0 0 1 0
Observar que tres vectores en R3 son L.I. siempre que el

determinante de la matriz, cuyas columnas son dichos vectores,
sea distinto de cero. Una afirmación equivalente aplica para n
vectores en Rn .
Finalmente, dado que los vectores v1 , v2 y v3 son linealmente
independientes y generan a R3 forman una base para R3 y por
tanto el vector (1, 2, −4) se puede escribir en forma única como
(1, 2, −4) = αv1 + βv2 + λv3
y según lo anterior se tiene que
α = 1/2 (x + y − z) = 1/2 (1 + 2 + 4) = 7/2

β = −1/2 (x − y − z) = −1/2 (1 − 2 + 4) = −3/2
λ = −1/2 (x − y + z) = −1/2 (1 − 2 − 4) = 5/2
es decir,
(1, 2, −4) = 7/2(1, 1, 0) − 3/2(0, 1, 1) + 5/2(−1, 0, −1)
y las coordenadas de (1, 2, −4) en la base B = {v1 , v2 , v3 } son

(7/2, −3/2, 5/2)

Definición. Sea S = {v1 , v2 , . . . , vn } un conjunto de vectores de
un espacio vectorial V . Sea r un entero positivo tal que r ≤ n.
Un subconjunto U = {u1 , u2 , . . . , ur } de S, es un subconjunto
máximo de vectores linealmente independientes siempre
que U sea linealmente independiente y se satisfaga que para
todo vector vi de S, que no pertenezca a U , los vectores
u1 , u2 , . . . , ur , vi son linealmente dependientes.
Teorema. Sea S = {v1 , v2 , . . . , vn } un conjunto de generadores

de un espacio vectorial V . Si B = {v1 , v2 , . . . , vr } es un
subconjunto máximo de vectores linealmente independientes de
S, entonces B es una base para el espacio V .

Ejemplo. Hallar una base para el espacio generado por el
conjunto de vectores S = {(1, −1, 0), (2, 0, −1), (3, 1, −2)}
La base para gen {S} corresponde al máximo número de

vectores linealmente independientes en S. Considerar la
combinación lineal
λ(1, −1, 0) + β(2, 0, −1) + γ(3, 1, −2) = (0, 0, 0)
de donde se obtiene el sistema
λ + 2β + 3γ = 0
−λ + γ = 0
−β − 2γ = 0
y al llevar la matriz ampliada del sistema a la forma escalonada
reducida se obtiene:
   
1 2 3 0 1 0 −1 0
 −1 0 1 0 → ··· → 0
  1 2 0 
0 −1 −2 0 0 0 0 0

Es decir que el sistema tiene infinitas soluciones, expresadas en
términos de γ por
λ=γ β = −2γ
en particular si γ = 1, entonces λ = 1 y β = −2, y por tanto los
vectores son linealmente dependientes, y además:
(3, 1, −2) = (−1)(1, −1, 0) + 2(2, 0, −1)
Resta estudiar la independencia lineal de los vectores (1, −1, 0)
y (2, 0, −1), es decir analizar la solución de la ecuación
α(1, −1, 0) + η(2, 0, −1) = (0, 0, 0)
de donde se obtiene el sistema de ecuaciones
α + 2η = 0 −α=0 −η =0
que tiene como única solución α = 0 y η = 0 y por tanto los
vectores (1, −1, 0) y (2, 0, −1) son linealmente independientes y
por tanto forman una base para el espacio
gen {(1, −1, 0), (2, 0, −1), (3, 1, −2)}

Teorema. Sean V un espacio vectorial sobre un campo K,
B = {v1 , v2 , . . . , vn } una base de V y T = {w1 , w2 , . . . , wm } un
conjunto de vectores de V . Si m > n, entonces T es linealmente
dependiente; o en forma equivalente, si T es linealmente
independiente, entonces m ≤ n
Ejemplo. e1 = (1, 0, 0), e2 = (0, 1, 0) y e3 = (0, 0, 1), con n = 3

vectores, forman una base de R3 , por tanto el conjunto
T = {(1, 1, 2), (2, 1, −3), (1, 0, −1), (2, −1, 0)}, con m = 4
vectores, es linealmente dependiente, ya que 4 > 3
Teorema. Sea V un espacio vectorial. Si V tiene una base con n

elementos y otra base de V tiene m elementos entonces n = m.
Ejemplo. Toda base para el espacio vectorial R3 tiene 3

vectores. Y en general, toda base para el espacio vectorial Rn
tiene n vectores.

Dimensión de un espacio vectorial
Definición. Sea V un espacio vectorial. Si V tiene una base

con n elementos, se dice que V tiene dimensión n, y se escribe
dim V = n. Si V consta solo del vector nulo, entonces V no
tiene base y su dimensión es cero.
Ejemplo. Como los vectores e1 = (1, 0, 0), e2 = (0, 1, 0) y

e3 = (0, 0, 1) forman una base de R3 , entonces dim R3 = 3.
En general, los vectores
e1 = (1, 0, . . . , 0)
e2 = (0, 1, 0, . . . , 0)
..
.
ej = (0, 0, . . . , 1, . . . , 0) con 1 en la posición j y 0 en el resto
..
.
en = (0, 0, . . . , 1)
forman una base de Rn , y por tanto dim Rn = n
Teorema. Sea V un espacio vectorial de dimensión n y sea
{v1 , v2 , . . . , vn } un conjunto de vectores de V linealmente
independientes; entonces, {v1 , v2 , . . . , vn } es una base de V .
Ejemplo. Para determinar si 3 vectores de R3 forman una base

del espacio R3 , basta con verificar si los 3 vectores son
linealmente independientes. En particular, los vectores
(1, −1, 0), (2, 0, −1) y (1, 1, 1) forman una base de R3 , ya que
 
1 2 1
det  −1 0 1  = 4 6= 0
0 −1 1
y por tanto los vectores son linealmente independientes.

Corolario. Sea V un espacio vectorial de dimensión n y W un
subespacio de V , entonces W es el espacio nulo y dim W = 0, o
dim W = n y entonces W = V , o dim W < n.
Ejemplo. Si V es un subespacio no nulo de R3 , entonces

dim V = 1 o dim V = 2. Por ejemplo,
I V = gen{(1, −2, 3)} es un subespacio de R3 con dim V = 1
y geométricamente representa una recta en el espacio que
pasa por el punto de coordenadas (0, 0, 0).
I V = gen{(1, −2, 3), (0, 2, −1)} es un subespacio de R3 con

dim V = 2 y geométricamente representa un plano en el
espacio que pasa por el punto de coordenadas (0, 0, 0).
Teorema. Sean V un espacio vectorial de dimensión n, r < n y

{v1 , v2 , . . . , vr } un conjunto de r vectores linealmente
independientes en V ; entonces, es posible hallar vectores
vr+1 , . . . , vn en V tales que {v1 , v2 , . . . , vr , vr+1 , . . . , vn } formen
una base de V .
Ejemplo. Completar una base para R3 a partir del vector
(1, 0, 1).
Para completar la base basta con encontrar 2 vectores de R3

que sean linealmente independientes (L.I.) entre si, y con el
vector (1, 0, 1).
Un primer vector L.I. con (1, 0, 1), es cualquier vector de R3 que

no sea múltiplo escalar de (1, 0, 1); por ejemplo, el vector
(2, 1, −1) es L.I. con (1, 0, 1), ya que no existe λ ∈ R tal que
(2, 1, −1) = λ(1, 0, 1)
Ahora, se busca un vector que sea L.I. a los vectores (1, 0, 1) y

(2, 1, −1). Para esto basta con escoger un vector de R3 que no
pertenezca al espacio gen {(1, 0, 1), (2, 1, −1)}

Sabemos que (x, y, z) ∈ gen {(1, 0, 1), (2, 1, −1)} si existen
λ, β ∈ R tales que:
(x, y, z) = λ(1, 0, 1) + β(2, 1, −1)
de donde
x = λ + 2β
y=β
z =λ−β
y después de resolver el sistema se sigue que (x, y, z) pertenece

al espacio gen {(1, 0, 1), (2, 1, −1)} si y solo si x − 3y − z = 0 Por
tanto, cualquier vector de R3 que no satisfaga esta última
ecuación es L.I. con los vectores (1, 0, 1) y (2, 1, −1); por
ejemplo, el vector (4, 3, 2).
En conclusión, los vectores (1, 0, 1), (2, 1, −1) y (4, 3, 2) forman
una base para R3 .

Bibliografı́a
[1] Garcı́a, O., Villegas, J.A. y Castaño, J.I. (2012) Álgebra

lineal. Fondo Editorial Universidad EAFIT. Medellı́n.
[2] Grossman, S. (1996). Álgebra Lineal con Aplicaciones. 5ta.
Ed. McGraw-Hill. México.
[3] Hill, R. (1996). Álgebra Lineal Elemental con Aplicaciones.
Prentice Hall. México.
[4] Kolman, B. (1999). Álgebra Lineal con Aplicaciones y
Matlab. 6ta. Ed. Prentice Hall. México.
[5] Lay, D. (1999). Álgebra Lineal y sus Aplicaciones. 2a. Ed.
Prentice Hall, México.

4 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

4 Espacios Vectoriales

Cargado por

Copyright:

Formatos disponibles

Álgebra lineal-Espacios vectoriales

Patricia Gómez Palacio

Departamento de Ciencias Matemáticas

Patricia Gómez Palacio | Espacios vectoriales Universidad EAFIT

Patricia Gómez Palacio | Espacios vectoriales Universidad EAFIT

I El conjunto V = Mm×n de matrices m × n es un espacio

I Sea V = {x = (x1 , x2 , ..., xn ) : xi ∈ R para i = 1, 2, . . . , n}

V con estas operaciones es un espacio vectorial que se

Patricia Gómez Palacio | Espacios vectoriales Universidad EAFIT

p(x) = an xn + an−1 xn−1 + · · · + a1 x + a0

q(x) = bn xn + bn−1 xn−1 + · · · + b1 x + b0

V es un espacio vectorial con las operaciones de suma y

Patricia Gómez Palacio | Espacios vectoriales Universidad EAFIT

2) Para w = (x2 , y2 ) ∈ V , veamos que (u ⊕ v) ⊕ w = u ⊕ (v ⊕ w)

u ⊕ (0, 0) = (x, y) ⊕ (0, 0) = (x + 0, y + 0) = (x, y) = u

4) Para cualquier u = (x, y) ∈ V , su inverso es −u = (−x, −y).

u ⊕ −u = (x, y) ⊕ (−x, −y) = (x + (−x), y + (−y)) = (0, 0) = 0

Patricia Gómez Palacio | Espacios vectoriales Universidad EAFIT

α (β u) = α (βx, βy) = (α(βx), α(βy)) = (β(αx), β(αy))

V = {x ∈ R : x > 0} con las operaciones definidas por:

Observar que, si x, y ∈ V entonces x > 0 y y > 0, y por tanto

1) x ⊕ y = y ⊕ x, es consecuencia de la conmutatividad del

8) 1 x = x1 = x, lo que concluye la prueba.

Sea V un espacio vectorial y W 6= ∅ un subconjunto V . Si W es

Para todo espacio vectorial V se cumple que los conjuntos

Teorema. Sea V un espacio vectorial y W un subconjunto de

En adelante, en lugar de la notación x ⊕ y escribimos

1) W 6= ∅, ya que (0, 0) ∈ W , pues satisface que 0 + 0 = 0

2) Sean u = (x1 , y1 ) y v = (x2 , y2 ) elementos de W , veamos

Como u, v ∈ W entonces x1 + y1 = 0 y x2 + y2 = 0, y por

Es claro, de la definición de W , que x + y = 0, y por tanto

W 6= ∅ ya que (2, −1) ∈ W , pues 2 + (−1) = 1.

W = (x, y) ∈ R2 : y < 0 no es un subespacio de R2 :

W 6= ∅ ya que (1, −3) ∈ W , pues −3 < 0.

Pero, si (x, y) es un elemento arbitrario de W , es decir que

Pero, la suma de dos matrices en W no siempre es un

Patricia Gómez Palacio | Espacios vectoriales Universidad EAFIT

Pero, la suma de dos elementos de W no siempre es un

p1 (x) + p2 (x) = x2 + x + 2x2 + 3x − 2 = 3x2 + 4x − 2

Patricia Gómez Palacio | Espacios vectoriales Universidad EAFIT

Observar que S ∩ T 6= ∅ y S + T 6= ∅, ya que al ser S y T

Ahora, si w1 , w2 ∈ S + T entonces existen u1 , u2 ∈ S y

w1 + w2 = (u1 + v1 ) + (u2 + v2 ) = (u1 + u2 ) + (v1 + v2 ) ∈ S + T

donde se han utilizado las propiedades conmutativa y asociativa

donde se utilizó la propiedad distributiva del producto por

De otro lado, si u, v ∈ S ∩ T entonces u, v ∈ S y u, v ∈ T , y

De forma similar, si λ ∈ R y u ∈ S ∩ T , entonces u ∈ S y u ∈ T ,

Patricia Gómez Palacio | Espacios vectoriales Universidad EAFIT

¡Verificar! que S y T son subespacios de R3 .

Ahora, como (x, y, z) ∈ S ∩ T siempre que y = 3x − 3z y

Y además, se puede verificar que S + T = R3 , ya que

(x, y, z) = (−x + z, y, −2x + 2z) + (2x − z, 0, 2x − z)

Patricia Gómez Palacio | Espacios vectoriales Universidad EAFIT

Por ejemplo, observar que los conjuntos

son subespacios de R2 , pero S ∪ T no es subespacio de R2 ya

Patricia Gómez Palacio | Espacios vectoriales Universidad EAFIT

para algunos escalares λ1 , λ2 , ..., λk .

Ejemplo: En R3 el vector v = (1, −1, 3) es combinación lineal

(1, −1, 3) = 7(1, 2, 3) + (−15)(0, 1, 1) + (−3)(2, 0, 1)

En R3 todo vector (x, y, z) es combinación lineal de los vectores

(x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1)

Patricia Gómez Palacio | Espacios vectoriales Universidad EAFIT

gen{S} = {λ1 v1 + λ2 v2 + ... + λk vk : λi ∈ K, 1 ≤ i ≤ k}