4.

1 DEFINICIÓN DE ESPACIO VECTORIAL

Un espacio vectorial es un conjunto no vacío VV de objetos, llamados vectores, en el que se han

definido dos operaciones: la suma y el producto por un escalar (número real) sujetas a los diez
axiomas que se dan a continuación. Los axiomas deben ser válidos para todos los
vectores uu, vv y ww en VV y todos los escalares αα y ββ reales.

Notación.  Si “x” y “y” están en V  y si a es un número real, entonces la suma se escribe como

 “x + y” y el producto escalar de a y x como ax.

Antes de presentar la lista de las propiedades que satisfacen los vectores en un espacio vectorial
deben mencionarse dos asuntos de importancia. En primer lugar, mientras que puede ser útil
pensar en R2 o R3  al manejar un espacio vectorial, con frecuencia ocurre que el espacio vectorial
parece ser muy diferente a estos cómodos espacios (en breve tocaremos este tema). En segunda
instancia, la definición 1 ofrece una definición de un espacio vectorial real. La palabra “real”
significa que los escalares que se usan son números reales. Sería igualmente sencillo definir un
espacio vectorial complejo utilizando números complejos en lugar de reales. Este libro está
dedicado principalmente a espacios vectoriales reales, pero las generalizaciones a otros conjuntos
de escalares presentan muy poca dificultad.

Axiomas de un espacio vectorial.

1-     Si X pertenece a V y Y pertenece a V, entonces X+Y pertenece a V.

2-      Para todo X, Y y Z en V, (x+y)+z = x(y+z).

3-     Existe un vector |0 pertenece V tal que para todo X pertenece a V, X+0=0+X=X.

4-     Si x pertenece a V, existe un vector –x en V tal que x+(-x)=0.

5-     Si X y Y están en V, entonces x+y=y+x.

6-     Si x pertenece a V y a es un escalar, entonces ax pertenece a V.

7-     Si X y Y están en V y a es un escalar, entonces a(x+y)= ax + ay

8-     Si X pertenece a V y a y b son escalares, entonces (a+b) x = ax+ by.

9-     Si X pertenece a V y a y b son escalares, entonces a(bx) = (ab)x.

10-   Para cada vector X pertenece a V, 1x = x

EJERCICIOS DE ESPACIO VECTORIAL
 4.2 COMBINACIÓN LINEAL

Una combinación lineal de dos o más vectores es el vector que se obtiene al sumar esos vectores
multiplicados por escalares.

Cualquier vector se puede poner como combinación lineal de otros que tengan distinta dirección.

Esta combinación lineal es única.

Sean v1,v2,…,vn vectores en un espacio vectorial V. Entonces cualquier vector de la forma:

α1v1+α2v2+…+αnvn

donde α1v1+α2v2+…+αnvn son escalares se denomina combinación lineal de v1,v2,…,vn. 

Todo vector V = (a, b, c) en R3 se puede expresar como

i = (1,0,0); 
j = (0,1,0);
k =(0,0,1)

V = (a, b, c) = a(i) + b(j) + c(k)

Entonces se dice que V es una combinación lineal de los 3 vectores i,j,k.

Nota: Cualquier vector en el plano se puede poner como combinación lineal de otros dos vectores
que tengan distinta dirección. Asimismo, esta combinación lineal es única.

 
 4.3 INDEPENDENCIA LINEAL

Definición Considere un espacio vectorial V sobre un campo K y sea S = {~v1, ~v2, . . . , ~vn} un
conjunto finito de vectores del espacio vectorial. Un vector ~v ∈ V se dice que es linealmente
dependiente sobre S si ~v es una combinación lineal de los vectores de S. En caso contrario, se
dice que ~v es linealmente independiente sobre S.

Criterios de Independencia Lineal

Sean u1, u2, …,uk k vectores en Rn y A la matriz que tiene como columnas a estos vectores, los
vectores son linealmente independientes si el sistema Ax = 0 tiene únicamente solución trivial.
Los vectores son linealmente dependientes si el sistema Ax=0 tiene soluciones no triviales
(solución múltiple).

Si k=n
Los vectores son linealmente independientes si A es invertible

Si k>n
Los vectores son linealmente dependientes.

Dos vectores en un espacio vectorial son linealmente dependientes si uno de ellos es múltiplo
escalar del otro.

Un conjunto de vectores linealmente independientes en n contiene a lo más n vectores.

Tres vectores en 3 son linealmente dependientes si y sólo si son coplanares, esto es, que están en
un mismo plano. 

Teoremas

1. Cualquier conjunto que contenga al vector 0 es linealmente dependiente.

2. Cualquier conjunto que contenga un único vector diferente de cero, v ≠0, es linealmente
independiente.

3. Cualquier conjunto formado por dos vectores diferentes de cero, S = {v 1, v2}, donde v1 ≠
0, v2 ≠ 0, es linealmente dependiente si, y sólo si, uno de los vectores es múltiplo escalar
del otro.

4. Cualquier conjunto que contenga un subconjunto linealmente dependiente es linealmente

dependiente.

5. Cualquier subconjunto de un conjunto linealmente independiente es linealmente

independiente.
 4.4 BASE Y DIMENSIÓN DE UN ESPACIO VECTORIAL

Un conjunto de vectores S={v1, v2,…, vn} en un espacio vectorial V se denomina base de V si se

cumplen las siguientes condiciones.

* S genera a V.

* S es linealmente independiente

Una base posee 2 características que se acaban de ver, debe tener suficientes valores para
generar a V, pero no tantos de modo que uno de ellos pueda escribirse como una combinación
lineal de los demás vectores en S. Si un espacio vectorial consta de un número finito de vectores,
entonces V es de dimensión finita. En caso contrario, V es de dimensión infinita.

Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho

espacio o subespacio, que sea a la vez linealmente independiente.

Propiedades de las bases.

1. Una base de S es un sistema generador mínima de S (lo más pequeño posible).

2. Además es un conjunto independiente máxima dentro de S (lo más grande posible).

3. Una base de S permite expresar todos los vectores de S como combinación lineal de ella, de
manera única para cada vector.

Unicidad representación de la base

Si S = {v1, v2,…, vn} es una base de un espacio vectorial V, entonces todo vector en V  puede
escribirse de una y solo una forma como combinación lineal de vectores en S.

Para demostrar la unicidad (que en un vector dado puede representarse sólo de una manera), se
supone que u  tiene otra representación u= b1v1 + b2v2+…+bnvn. Al restar la segunda representación
de la primera se obtiene:

u-u = (c1-b1)v1 + (c2-b2)v2 +… + (cn-bn)vn = 0.

 
Sin embargo, como S es linealmente independiente, entonces la única solución de esta ecuación
es la trivial,

c1-b1=0                                       c2-b2=0,             …,                        cn-bn=0.

Teorema y definición: Dimensión

Todas las bases de un mismo espacio o subespacio tienen el mismo número de vectores. Se llama
dimensión de dicho espacio o subespacio.

• Por tanto, la dimensión es el máximo número de vectores independientes que podemos tener en
el espacio o subespacio. En otras palabras, es el máximo rango que puede tener un

Es también el rango de cualquier sistema generador de dicho espacio. conjunto de vectores de

dicho espacio.

1. Significado físico de la dimensión: el espacio tiene dimensión 3, los planos dimensión 2, las
rectas dimensión 1, el punto dimensión 0. El subespacio {0} es el único de dimensión 0.

2. La dimensión de un subespacio en ℜn , coincide con el número de parámetros libres en su

forma paramétrica. (1 parámetro=recta, 2 parámetros= plano...)

3. Si S y T son subespacios y S está contenido en T, entonces dim S ≤ dim T. Además, si se da la

igualdad, dim S = dim T, entonces ambos espacios han de coincidir.

4. El rango de una familia de vectores, es igual a la dimensión del subespacio que generan. Es
decir: si v1,v2,. . . vn generan un cierto subespacio S, y si el rango de dicho conjunto es r, entonces
dim S = r. (Si un cierto conjunto de vectores tiene rango 2, entonces generan un plano; etc.)

Definición de Espacio Renglón y Espacio Columna de una matriz

Sea A una matriz m x n.

El espacio renglón de A es el subespacio de Rn generado por los vectores renglón de A.

El espacio columna de A es el subespacio de Rn generado por los vectores columna de A.

Estos dos comparten muchas propiedades, pero debido al conocimiento que se tiene sobre las
operaciones elementales en los renglones se empieza por considerar el espacio renglón de una
matriz. Cabe recordar que dos matrices son equivalentes por renglones si una puede obtenerse a
partir de la otra al aplicar operaciones elementales en los renglones. El siguiente teorema
establece que las matrices equivalentes por renglones tienen el mismo espacio renglón. 
Base para el Espacio Renglón de una Matriz

Si una matriz A es equivalente por renglones a una matriz B que está en forma escalonada,
entonces los vectores renglón de B diferentes de cero forman una base del espacio renglón de A.

Definición del Rango de una Matriz

La dimensión del espacio renglón (o columna) de una matriz A se llama rango de A y se denota

por rango (A).

 
 BIBLIOGRAFÍA
4.1 Definición de espacio vectorial - Sistemas Algebra Lineal. (2020). Recuperado de
https://sites.google.com/site/sistemasalgebralineal/unidad-4---espacios-vectoriales/definicion-de-
espacio-vectorial

Gómez, F. P. I. Y. (2017, noviembre 8). Los GIFs del material teórico. Recuperado de
https://aga.frba.utn.edu.ar/espacios-y-subespacios-vectoriales/

M. (2019, diciembre 30). La combinacion lineal de vectores. Recuperado de

https://www.superprof.es/apuntes/escolar/matematicas/analitica/vectores/combinacion-lineal-de-
vectores.html

4.3 Combinación lineal - Sistemas Algebra Lineal. (2020). Recuperado de

https://sites.google.com/site/sistemasalgebralineal/unidad-4---espacios-vectoriales/combinacion-
lineal

Departamento de Ingeniería Mecánica, & RICO MARTINEZ, J. M. (2019). Algebra Lineal VII:

Independencia Lineal. Recuperado de
http://www.dicis.ugto.mx/profesores/chema/documentos/Algebra%20Lineal/Algebra_lineal_7.pdf

4.3 Dependencia e Independencia lineal - Sistemas Algebra Lineal. (2019). Recuperado de

https://sites.google.com/site/sistemasalgebralineal/unidad-4---espacios-vectoriales/independencia-
lineal

4.4 Base y dimensión de un espacio vectorial - Sistemas Algebra Lineal. (2019). Recuperado de
https://sites.google.com/site/sistemasalgebralineal/unidad-4---espacios-vectoriales/base-y-
dimension-de-un-espacio-vectorial

BASES Y DIMENSIÓN. (2017). Recuperado de

https://personales.unican.es/camposn/espacios_vectoriales2.pdf