ÁLGEBRA

ANALISTA DE SISTEMAS
LICENCIATURA EN SISTEMAS
INGENIERÍA QUÍMICA

ESPACIOS VECTORIALES REALES

AXIOMAS DE ESPACIOS VECTORIALES

Definición: Sea V un conjunto cualquiera no vacío de objetos sobre el que están definidas dos operaciones: la
adición y la multiplicación por escalares. Por adición se entiende una regla que asocia a cada par de objetos
u y v en V un objeto identificado como u+v denominado suma de u y v. Por multiplicación escalar se
entiende una regla que asocia a cada escalar k y a cada objeto u de V un objeto representado por ku,
denominado múltiplo escalar de u por k.
Si los objetos u, v, w de V y los escalares k y l satisfacen los siguientes axiomas, entonces V se denomina
espacio vectorial, y sus objetos se denominan vectores:
1) Si u y v son objetos en V, entonces u+v está en V.
2) u + v = v + u
3) u + (v + w) = (u + v) + w
4) Existe un objeto 0 en V, denominado vector cero de V, tal que 0 + u = u + 0 = u para todo u en V.
5) Para todo u en V, existe un objeto –u en V, denominado negativo de u, tal que u + (–u) = (–u) + u = 0
6) Si k es cualquier escalar y u es cualquier objeto en V, entonces ku está en V
7) k(u + v) = ku + kv
8) (k + l)u = ku + lu
9) k (lu) = (kl) u
10) 1u = u

Ejemplos de espacios vectoriales

n
I. El conjunto V=R con las operaciones estándar de adición y multiplicación escalar, es un espacio vectorial.
n
En efecto, los axiomas 1 y 6 surgen de las definiciones de las operaciones estándar sobre R . Los demás
axiomas se deducen de las propiedades de tales operaciones.
n 2
Los casos particulares de R más destacados son R (conjunto de los números reales), R (conjunto de
3
vectores en el plano) y R (conjunto de vectores en el espacio tridimensional).
II. El conjunto V de todas las matrices 2x2 con elementos reales es un espacio vectorial si la adición vectorial
se define como la suma de matrices, y si la multiplicación escalar se define como la multiplicación escalar de
matrices.
Para comprobarlo, deben verificarse los 10 axiomas de todo espacio vectorial.
‫ݑ‬ଵଵ ‫ݑ‬ଵଶ ‫ݒ‬ଵଵ ‫ݒ‬ଵଶ ‫ݓ‬ଵଵ ‫ݓ‬ଵଶ
Sean ࢛ = ቂ‫ݑ‬ ‫ݑ‬ଶଶ ቃ ࢜ = ቂ‫ݒ‬ ‫ݒ‬ଶଶ ቃ ࢝ = ቂ‫ݓ‬ ‫ݓ‬ଶଶ ቃ
ଶଵ ଶଵ ଶଵ

Axioma 1. Debe probarse que si u y v son objetos de V, u+v también debe estar en V. Este hecho surge de la
misma definición de suma de matrices, ya que para que la suma esté definida las matrices deben ser del
mismo tamaño, resultando como matriz suma una matriz del mismo tamaño. Luego siendo u y v matrices
2x2, la suma está definida, y u+v resulta ser también una matriz 2x2, luego u+v está en V.

SUBESPACIO VECTORIAL ÁLGEBRA

Axioma 2. Debe probarse que u+v = v+u:
‫ݑ‬ଵଵ ‫ݑ‬ଵଶ ‫ݒ‬ଵଵ ‫ݒ‬ଵଶ ‫ݑ‬ଵଵ + ‫ݒ‬ଵଵ ‫ݑ‬ଵଶ + ‫ݒ‬ଵଶ ‫ ݒ‬+ ‫ݑ‬ଵଵ ‫ݒ‬ଵଶ + ‫ݑ‬ଵଶ
࢛ + ࢜ = ቂ‫ݑ‬ ‫ݑ‬ଶଶ ቃ + ቂ‫ݒ‬ଶଵ ‫ݒ‬ଶଶ ቃ = ቂ‫ݑ‬ଶଵ + ‫ݒ‬ଶଵ ቃ = ቂ ଵଵ ቃ=࢜+࢛
ଶଵ ‫ݑ‬ଶଶ + ‫ݒ‬ଶଶ ‫ݒ‬ଶଵ + ‫ݑ‬ଶଵ ‫ݒ‬ଶଶ + ‫ݑ‬ଶଶ

Axioma 3. Debe probarse que u+(v+w) = (u+v)+w

‫ݑ‬ଵଵ ‫ݑ‬ଵଶ ‫ݒ‬ଵଵ ‫ݒ‬ଵଶ ‫ݓ‬ଵଵ ‫ݓ‬ଵଶ ‫ݑ‬ଵଵ ‫ݑ‬ଵଶ ‫ݒ‬ଵଵ + ‫ݓ‬ଵଵ ‫ݒ‬ଵଶ + ‫ݓ‬ଵଶ
࢛ + ሺ࢜ + ࢝ሻ = ቂ‫ݑ‬ ‫ݑ‬ଶଶ ቃ + ቀቂ‫ݒ‬ଶଵ ‫ݒ‬ଶଶ ቃ + ቂ‫ݓ‬ଶଵ ‫ݓ‬ଶଶ ቃቁ = ቂ‫ݑ‬ଶଵ ‫ݑ‬ଶଶ ቃ + ቂ‫ݒ‬ଶଵ + ‫ݓ‬ଶଵ ቃ
ଶଵ ‫ݒ‬ଶଶ + ‫ݓ‬ଶଶ

‫ݑ‬ଵଵ + ሺ‫ݒ‬ଵଵ + ‫ݓ‬ଵଵ ሻ ‫ݑ‬ଵଶ + ሺ‫ݒ‬ଵଶ + ‫ݓ‬ଵଶ ሻ ሺ‫ ݑ‬+ ‫ݒ‬ଵଵ ሻ + ‫ݓ‬ଵଵ ሺ‫ݑ‬ଵଶ + ‫ݒ‬ଵଶ ሻ + ‫ݓ‬ଵଶ
࢛ + ሺ࢜ + ࢝ሻ = ൤ ൨ = ൤ ଵଵ ൨ = ሺ࢛ + ࢜ሻ + ࢝
‫ݑ‬ଶଵ + ሺ‫ݒ‬ଶଵ + ‫ݓ‬ଶଵ ሻ ‫ݑ‬ଶଶ + ሺ‫ݒ‬ଶଶ + ‫ݓ‬ଶଶ ሻ ሺ‫ݑ‬ ଶଵ + ‫ݒ‬ଶଵ ሻ + ‫ݓ‬ଶଵ ሺ‫ݑ‬ଶଶ + ‫ݒ‬ଶଶ ሻ + ‫ݓ‬ଶଶ

0 0
Axioma 4. Debe probarse que existe en V un objeto 0 tal 0+u=u+0=u.

Esto es así ya que en V existe la matriz ૙ = ቂ ቃ tal que:

0 0
0 0 ‫ݑ‬ଵଵ ‫ݑ‬ଵଶ ‫ݑ‬ଵଵ ‫ݑ‬ଵଶ 0 0 ‫ݑ‬ଵଵ ‫ݑ‬ଵଶ
૙+࢛= ቂ ቃ + ቂ‫ݑ‬ ቃ = ቂ‫ݑ‬ ቃ+ቂ ቃ = ࢛ + ૙ = ቂ‫ݑ‬ ‫ݑ‬ଶଶ ቃ = ࢛
0 0 ଶଵ ‫ݑ‬ଶଶ ଶଵ ‫ݑ‬ଶଶ 0 0 ଶଵ

Axioma 5. Se debe demostrar que para cada vector u de V, existe un negativo –u, tal que u+(–u)=(–u)+u=0

−‫ݑ‬ଵଵ −‫ݑ‬ଵଶ
Esto es así ya que puede definirse el negativo de u como la matriz:

−࢛ = ቂ−‫ݑ‬ ቃ
ଶଵ −‫ݑ‬ଶଶ

‫ݑ‬ଵଵ ‫ݑ‬ଵଶ −‫ݑ‬ଵଵ −‫ݑ‬ଵଶ −‫ݑ‬ଵଵ −‫ݑ‬ଵଶ ‫ݑ‬ଵଵ ‫ݑ‬ଵଶ 0 0

Que verifica:
࢛ + ሺ−࢛ሻ = ቂ‫ݑ‬ ‫ݑ‬ଶଶ ቃ + ቂ−‫ݑ‬ଶଵ −‫ݑ‬ଶଶ ቃ = ቂ−‫ݑ‬ଶଵ −‫ݑ‬ଶଶ ቃ + ቂ‫ݑ‬ଶଵ ‫ݑ‬ଶଶ ቃ = ሺ−࢛ሻ + ࢛ = ቂ0 ቃ=૙
ଶଵ 0
Axioma 6. Se cumple que para cualquier escalar k se tiene que:
‫ݑ‬ଵଵ ‫ݑ‬ଵଶ ݇‫ݑ‬ଵଵ ݇‫ݑ‬ଵଶ
࢛݇ = ݇ ቂ‫ݑ‬ ‫ݑ‬ଶଶ ቃ = ൤݇‫ݑ‬ଶଵ ൨ comprobándose que la matriz resultante también es de tamaño 2x2, luego
ଶଵ ݇‫ݑ‬ଶଶ

ku también está en V.

Axioma 7. Debe probarse que k(u + v) = ku + kv

‫ݑ‬ଵଵ ‫ݑ‬ଵଶ ‫ݒ‬ଵଵ ‫ݒ‬ଵଶ ‫ݑ‬ଵଵ + ‫ݒ‬ଵଵ ‫ݑ‬ଵଶ + ‫ݒ‬ଵଶ ݇ሺ‫ݑ‬ଵଵ + ‫ݒ‬ଵଵ ሻ ݇ሺ‫ݑ‬ଵଶ + ‫ݒ‬ଵଶ ሻ
݇ሺ࢛ + ࢜ሻ = ݇ ቀቂ‫ݑ‬ ‫ݑ‬ଶଶ ቃ + ቂ‫ݒ‬ଶଵ ‫ݒ‬ଶଶ ቃቁ = ݇ ቂ‫ݑ‬ଶଵ + ‫ݒ‬ଶଵ ቃ=൤ ൨
ଶଵ ‫ݑ‬ଶଶ + ‫ݒ‬ଶଶ ݇ሺ‫ݑ‬ଶଵ + ‫ݒ‬ଶଵ ሻ ݇ሺ‫ݑ‬ଶଶ + ‫ݒ‬ଶଶ ሻ
݇‫ݑ‬ଵଵ + ݇‫ݒ‬ଵଵ ݇‫ݑ‬ଵଶ + ݇‫ݒ‬ଵଶ ݇‫ݑ‬ ݇‫ݑ‬ଵଶ ݇‫ݒ‬ ݇‫ݒ‬ଵଶ ‫ݑ‬ଵଵ ‫ݑ‬ଵଶ ‫ݒ‬ଵଵ ‫ݒ‬ଵଶ
݇ሺ࢛ + ࢜ሻ = ൤ ൨ = ൤ ଵଵ ൨ + ൤ ଵଵ ൨ = ݇ ቂ‫ݑ‬ ‫ݑ‬ ቃ + ݇ ቂ‫ݒ‬ ‫ݒ‬ଶଶ ቃ
݇‫ݑ‬ଶଵ + ݇‫ݒ‬ଶଵ ݇‫ݑ‬ଶଶ + ݇‫ݒ‬ଶଶ ݇‫ݑ‬ଶଵ ݇‫ݑ‬ଶଶ ݇‫ݒ‬ଶଵ ݇‫ݒ‬ଶଶ ଶଵ ଶଶ ଶଵ

݇ሺ࢛ + ࢜ሻ = ࢛݇ + ݇࢜

Axioma 8. Debe probarse que (k + l)u = ku + lu

‫ݑ‬ ‫ݑ‬ଵଶ ሺ݇ + ݈ሻ‫ݑ‬ଵଵ ሺ݇ + ݈ሻ‫ݑ‬ଵଶ ݇‫ ݑ‬+ ݈‫ݑ‬ଵଵ ݇‫ݑ‬ଵଶ + ݈‫ݑ‬ଵଶ

ሺ݇ + ݈ሻ࢛ = ሺ݇ + ݈ሻ ቂ‫ݑ‬ଵଵ ‫ݑ‬ଶଶ ቃ = ൤ሺ݇ + ݈ሻ‫ݑ‬ଶଵ ൨ = ൤ ଵଵ ൨
ଶଵ ሺ݇ + ݈ሻ‫ݑ‬ଶଶ ݇‫ݑ‬ଶଵ + ݈‫ݑ‬ଶଵ ݇‫ݑ‬ଶଶ + ݈‫ݑ‬ଶଶ
݇‫ݑ‬ଵଵ ݇‫ݑ‬ଵଶ ݈‫ݑ‬ ݈‫ݑ‬ଵଶ ‫ݑ‬ଵଵ ‫ݑ‬ଵଶ ‫ݑ‬ଵଵ ‫ݑ‬ଵଶ
ሺ݇ + ݈ሻ࢛ = ൤ ൨ + ൤ ଵଵ ൨ = ݇ ቂ‫ݑ‬ ‫ݑ‬ ቃ + ݈ ቂ‫ݑ‬ ቃ = ࢛݇ + ݈࢛
݇‫ݑ‬ଶଵ ݇‫ݑ‬ଶଶ ݈‫ݑ‬ଶଵ ݈‫ݑ‬ଶଶ ଶଵ ଶଶ ଶଵ ‫ݑ‬ଶଶ

Axioma 9. Debe probarse que k (lu) = (kl) u

‫ݑ‬ଵଵ ‫ݑ‬ଵଶ ݈‫ݑ‬ଵଵ ݈‫ݑ‬ଵଶ ݇ሺ݈‫ݑ‬ଵଵ ሻ ݇ሺ݈‫ݑ‬ଵଶ ሻ ሺ݈݇ሻ‫ݑ‬ଵଵ ሺ݈݇ሻ‫ݑ‬ଵଶ ‫ݑ‬ଵଵ ‫ݑ‬ଵଶ
݇ሺ݈࢛ሻ = ݇ ቀ݈ ቂ‫ݑ‬ ‫ݑ‬ଶଶ ቃቁ = ݇ ൤݈‫ݑ‬ଶଵ ൨=൤ ൨=൤ ൨ = ሺ݈݇ሻ ቂ‫ݑ‬ ‫ݑ‬ଶଶ ቃ = ሺ݈݇ሻ࢛
ଶଵ ݈‫ݑ‬ଶଶ ݇ሺ݈‫ݑ‬ଶଵ ሻ ݇ሺ݈‫ݑ‬ଶଶ ሻ ሺ݈݇ሻ‫ݑ‬ଶଵ ሺ݈݇ሻ‫ݑ‬ଶଶ ଶଵ

Axioma 10. Debe probarse que 1u=u

‫ݑ‬ଵଵ ‫ݑ‬ଵଶ 1. ‫ݑ‬ଵଵ 1. ‫ݑ‬ଵଶ ‫ݑ‬ଵଵ ‫ݑ‬ଵଶ

1࢛ = 1 ቂ‫ݑ‬ ‫ݑ‬ଶଶ ቃ = ൤1. ‫ݑ‬ଶଵ ൨ = ቂ‫ݑ‬ ‫ݑ‬ଶଶ ቃ = ࢛
ଶଵ 1. ‫ݑ‬ଶଶ ଶଵ

SUBESPACIO VECTORIAL ÁLGEBRA

Luego, habiendo verificado los 10 axiomas, puede concluirse que el conjunto V de las matrices 2x2 es un
espacio vectorial bajo las operaciones de suma de matrices y multiplicación escalar matricial.
Observación: este ejemplo es un caso particular de una clase más general de espacios vectoriales. Siguiendo
un razonamiento análogo puede demostrarse que el conjunto V de todas las matrices mxn con elementos
reales es un espacio vectorial para las operaciones de suma de matrices y multiplicación escalar matricial.
Este espacio vectorial se denota como Mmn.
III. Sea V el conjunto que consta de un único objeto, denotado por 0, en el que se definen las siguientes
operaciones:
0+0=0
k0 = 0 para cualquier escalar
Puede comprobarse que en tal conjunto se cumplen todos los axiomas de un espacio vectorial. Luego V es
un espacio vectorial al que se le llama espacio vectorial cero.

SUBESPACIOS

Definición: Un subconjunto no vacío W de un espacio vectorial V se llama subespacio de V si W es un

espacio vectorial bajo las mismas operaciones de adición y multiplicación escalar definidas en V.
Teorema: Si W es un conjunto no vacío de un espacio vectorial V, entonces W es un subespacio de V si y
sólo si se verifican las siguientes condiciones:
i) Si u y v son vectores en W, entonces u + v está en W
ii) Si k es cualquier escalar y u es cualquier vector de W, entonces ku está en W.

Ej.: Sea W = L el conjunto de vectores de la recta L que pasa por el origen O=(0, 0, 0) y es paralela al vector
3 3
v = (a, b, c). Probar que W es un subespacio de R para las operaciones normales de R .
Las ecuaciones paramétricas de una recta que pasa por el
origen y es paralela a v = (a, b, c) son:
x=at
y=bt

z=ct
3
Para probar que W es un subespacio de R debe probarse que
W es cerrado para la adición y para la multiplicación escalar. (W
no es vacío ya que O = (0, 0, 0) está en W).
Comprobación de que W es cerrado para la suma:
Sean u=(u1, u2, u3) y v=(v1, v2, v3) dos vectores de W, se debe probar que u + v=(u1+v1, u2+v2, u3+v3) es
también un vector de W.
Como u y v son vectores de W, sus componentes deben verificar las ecuaciones paramétricas de la recta:
u1 = a p u2 = b p u3 = c p (p es un escalar)
v1 = a s v2 = b s v3 = c s (s es un escalar)
Sumando miembro estas expresiones resultan:
u1 + v1 = a p + a s = a (p+s) = a r (r es un escalar)
u2 + v2 = b p + b s = b (p+s) = b r (r es un escalar)
u3 + v3 = c p + c s = c (p+s) = c r (r es un escalar)

SUBESPACIO VECTORIAL ÁLGEBRA

Luego las componentes de u + v también verifican las ecuaciones paramétricas de la recta L, por lo tanto u +
v también es un vector sobre L, así u + v está en W (W es cerrado para la suma).
Se debe comprobar ahora que W es cerrado para la multiplicación escalar. Para ello se debe mostrar que si
u=(u1, u2, u3) es un vector cualquiera de W, entonces para cualquier escalar k, ku = (ku1, ku2, ku3) también
debe ser un vector de W.
Si u=(u1, u2, u3) es un vector de W, las componentes de u verifican las ecuaciones paramétricas de la recta:
u1 = a p u2 = b p u3 = c p (p es un escalar)
Si se multiplican ambos miembros de estas ecuaciones por el escalar k resulta:
ku1 = k(a p) ku2 = k(b p) ku3 = k(c p) Aplicando la propiedad asociativa de la multiplicación
ku1 = a (k p) ku2 = b(k p) ku3 = c(k p), luego haciendo kp = l (l es un escalar)
ku1 = a l ku2 = b l ku3 = c l
Es decir las componentes de ku también verifican las ecuaciones paramétricas de la recta L, es decir ku
también es un vector de W y W es cerrado para la multiplicación escalar.
Con estas dos comprobaciones se puede concluir que W (el conjunto de vectores sobre la recta L que pasa
3
por el origen y es paralela al vector v = (a, b, c)) es un subespacio de R .

ESPACIO SOLUCIÓN DE SISTEMAS HOMOGÉNEOS

Teorema: Si Ax = 0 es un sistema lineal homogéneo de m ecuaciones con n incógnitas, entonces el conjunto
n
de vectores solución es un subespacio de R .
Demostración: sea W el conjunto formado por todos los vectores solución del sistema lineal homogéneo Ax =
0. W no es un conjunto vacío ya que x = 0 pertenece a W (la solución trivial del sistema). Para probar que W
n
es un subespacio de R se debe probar que W es cerrado para la adición y la multiplicación escalar.
Sean x1 y x2 dos vectores de W (ambos son vectores solución de Ax = 0). Se debe probar que
x1 + x2 también es un vector de W (también x1 + x2 es solución de Ax = 0).
Como x1 y x2 son vectores solución deben verificar
Ax1 = 0 y Ax2 = 0
De lo cual puede deducirse que:
A(x1 + x2) = Ax1 + Ax2 = 0 + 0 = 0 con lo que x1 + x2 es solución de Ax = 0, y x1 + x2 está en W.
Asimismo: A(kx1) = k(A x1) = k0 = 0 con lo que kx1 es solución de Ax = 0, y kx1 está en W.
n
Con esto se demuestra que W es cerrado para la adición y para la multiplicación escalar definidas en R , por
n
lo que W es un subespacio de R .

1 −2 3 x 0
Ej.: Hallar el subespacio W, espacio solución del sistema:

y
൥−3 7 −8൩ ቈ ቉ = ൥0൩
−2 4 −6 z 0
Resolviendo el sistema:

1 −2 3 0 1 −2 3 0 ‫ܨ‬1 → ‫ܨ‬1 + 2‫ܨ‬2 1 0 5 0

൥−3 7 −8 0൩ ‫ܨ‬2 → ‫ܨ‬2 + 3‫ܨ‬1 ൥ 0 1 1 0൩ ൥0 1 1 0൩
−2 4 −6 0 ‫ܨ‬3 → ‫ܨ‬3 + 2‫ܨ‬1 0 0 0 0 0 0 0 0

Con lo que x1 = –5x3 x2 = –x3 y x3 es una variable libre. Haciendo x3 = t, resulta:

x1 = –5t x2 = –t x3 = t

SUBESPACIO VECTORIAL ÁLGEBRA

Estas ecuaciones corresponden a las ecuaciones paramétricas de una recta que pasa por el origen y que es
paralela a v = (–5, –1, 1).

COMBINACIONES LINEALES DE VECTORES

Definición: se dice que un vector w es una combinación lineal de los vectores v1, v2,..., vr si se puede
expresar en la forma: w = k1 v1 + k2 v2 +... + kr vr donde k1, k2, ... , kr son escalares.
3
Ej.1: Todo vector w = (a, b, c) de R se puede escribir como una combinación de los vectores i, j, k.
En efecto: w = (a, b, c) = (a, 0, 0) + (0, b, 0) + (0, 0, c) = a(1, 0, 0) + b (0, 1, 0) + c(0, 0, 1) = ai + bj + ck
3
Ej. 2: Sean los vectores u = (1, 2, –1) y v = (6, 4, 2) en R . Comprobar que w = (9, 2, 7) es una combinación
lineal de u y v. Mientras que w’ = (4, –1, 8) no lo es.
Para que w sea una combinación lineal de u y v, deben existir escalares k1 y k2 tales que:
w = k1 u + k2 v es decir:
(9, 2, 7) = k1 (1, 2, –1) + k2 (6, 4, 2) = (k1, 2k1, –k1) + (6k2, 4k2, 2k2) = (k1 + 6k2, 2k1 + 4k2, –k1 + 2k2)

kଵ + 6k ଶ =9
Igualando las componentes correspondientes resulta el siguiente sistema lineal:

൝ 2kଵ + 4k ଶ = 2

−kଵ + 2k ଶ =7
Resolviendo el sistema se obtiene k1 = –3 y k2 = 2, con lo que w = –3u + 2v

De un modo similar, para que w’ sea una combinación lineal de u y v deben existir escalares k1 y k2 tales
que: w’ = k1 u + k2 v
(4, –1, 8) = k1 (1, 2, –1) + k2 (6, 4, 2) = (k1, 2k1, –k1) + (6k2, 4k2, 2k2) = (k1 + 6k2, 2k1 + 4k2, –k1 + 2k2)

kଵ + 6k ଶ =4
Igualando las componentes correspondientes resulta el siguiente sistema lineal:

2k
൝ ଵ + 4k ଶ = −1

−kଵ + 2k ଶ =8
El sistema es incompatible por lo que w’ no es combinación lineal de u y v.

ESPACIO GENERADO
Teorema: Si v1, v2, ..., vr son vectores en un espacio vectorial V, entonces:
i) El conjunto W formado por todas las combinaciones lineales de v1, v2, ..., vr es un subespacio de V.
ii) W es el menor subespacio de V que contiene a v1, v2, ..., vr en el sentido de que cualquier otro subespacio
de V que contenga a v1, v2, ..., vr debe contener a W.
Demostración:
i) Para probar que W es subespacio de V, se debe probar que W es cerrado para la adición y la multiplicación
escalar.
Es claro que W no es un conjunto vacío por cuanto el vector 0 está en W, ya que:
0 = 0 v1 + 0 v2 + ...+ 0 vr
Ahora, sean u y v vectores de W:
u = c1 v1 + c2 v2 + ...+ cr vr donde c1, c2, ...cr son escalares
v = k1 v1 + k2 v2 + ...+ kr vr donde k1, k2, ...kr son escalares
Luego: u + v = (c1 + k1) v1 + (c2 + k2) v2 + ...+ (cr + kr) vr puesto que (c1 + k1), (c2 + k2), ..., (cr + kr) son
escalares, resulta que u + v es una combinación lineal de v1, v2, ..., vr así u + v está en W.
De igual modo, para cualquier escalar k:
ku = k(c1 v1 + c2 v2 + ...+ cr vr) = (kc1) v1 + (kc2) v2 + ... + (kcr) vr

SUBESPACIO VECTORIAL ÁLGEBRA

Puesto que (kc1), (kc2), ..., (kcr) son escalares resulta ser ku una combinación lineal de v1, v2, ..., vr, y ku está
en W.
En consecuencia W es cerrado para la adición y para la multiplicación escalar, por lo que W es subespacio de
V.
ii) Los vectores v1, v2, ..., vr son vectores de W ya que:
vi = 0 v1 + 0 v2 + ... + 1 vi + ...+ 0 vr para i = 1, 2, ..., r
Ahora sea W’ cualquier otro subespacio de V que contiene a v1, v2, ..., vr. Puesto que W’ es un subespacio de
V, debe ser cerrado para la adición y para la multiplicación escalar, luego en W’ están todas las
combinaciones lineales de v1, v2, ..., vr. Así W’ contiene a cada uno de los vectores que están en W.

Definición: Si S = {v1, v2, ..., vr} es un conjunto de vectores en un espacio vectorial V, entonces el subespacio
W de V que consta de todas las combinaciones lineales de los vectores de S, se denomina espacio
generado por v1, v2, ..., vr, y se dice que v1, v2, ..., vr generan a W. Se escribe:
W = lin (S) o bien W = lin { v1, v2, ..., vr}
Ejemplo:

3 2
Si u es un vector diferente de cero en R (ó en R ), entonces
W=lin{u}, que es el conjunto de todos los múltiplos escalares ku,
es la recta determinada por u.

3
Ej.: Determinar si v1 = (1, 1, 2), v2 = (1, 0, 1) y v3 = (2, 1, 3) generan el espacio R .
3
Para que S = {v1, v2, v3} sea generador de R , cualquier vector b = (b1, b2, b3) debe ser una combinación
lineal de los vectores de S. Es decir, debe ser:

kଵ +k ଶ +2k ଷ = bଵ
b = (b1, b2, b3) = k1v1 + k2v2 + k3v3 =k1(1, 1, 2) + k2(1, 0, 1) + k3(2, 1, 3) = (k1+k2+2k3, k1+k3, 2k1+k2+3k3)

ቐ kଵ +k ଷ = bଶ

2kଵ +k ଶ +3k ଷ = bଷ
El problema se reduce a verificar si el sistema admite solución para cualquier

valores de b1, b2, b3. En virtud del Teorema referente a la solubilidad de sistemas de n ecuaciones con n
incógnitas, se asegura que el sistema Ax = b tiene solución para todo vector b, si la matriz A es invertible,
esto es si el determinante de A es diferente de cero.

1 1 2 1 1 2
No obstante: อ1 0 1อ = อ1 0 1อ=0
2 1 3 1 0 1
por cuanto el determinante tiene 2 filas iguales.

3
Luego, el sistema no siempre tiene solución y en consecuencia existirán vectores b de R que no se podrán
3
escribir como una combinación lineal de v1, v2, v3, por lo que S no genera R .

INDEPENDENCIA LINEAL

Definición: Si S={v1, v2, ..., vr} es un conjunto no vacío de vectores, entonces la ecuación vectorial
k1 v1 + k2 v2 + ... + kr vr = 0 tiene por lo menos la solución trivial k1=0, k2=0, ... kr=0. Si ésta es la única
solución, entonces S se dice que es linealmente independiente. En caso contrario, si existen otras
soluciones diferentes de la solución trivial, se dice que S es linealmente dependiente.

SUBESPACIO VECTORIAL ÁLGEBRA

 3
Ej.: los vectores i, j, k de R son linealmente independientes.
La ecuación k1i + k2j + k3k = 0 = (0, 0, 0) sólo admite la solución trivial. En efecto:
k1(1, 0, 0) + k2(0, 1, 0) + k3(0, 0, 1) = (k1, k2, k3) = (0, 0, 0) Es decir: k1=0, k2=0, k3=0
De este modo S ={i, j, k} es linealmente independiente.
Ej.: determinar si los vectores v1 = (1, –2, 3), v2 = (5, 6, –1) y v3 = (3, 2, 1) forman un conjunto linealmente
dependiente o linealmente independiente.
Solución: deben explorarse las soluciones de la ecuación k1v1 + k2v2 + k3v3 = (0, 0, 0)
Si la ecuación sólo admite la solución trivial, los vectores formarán un conjunto linealmente independiente, de
lo contrario si existen infinitas soluciones, el conjunto será linealmente dependiente.
k1v1 + k2v2 + k3v3 = k1(1, –2, 3) + k2(5, 6, –1) + k3(3, 2, 1)=(k1+5k2+3k3, –2k1+6k2+2k3, 3k1–k2+k3)=(0, 0, 0)

kଵ +5k ଶ +3k ଷ = 0
Lo que origina el siguiente sistema de ecuaciones lineales homogéneo:

൝−2kଵ +6k ଶ +2k ଷ = 0

3kଵ −k ଶ +k ଷ = 0

El conjunto de vectores será linealmente independiente si la única solución de este sistema es la solución
trivial. Para que ello ocurra, puesto que se trata de un sistema de 3 ecuaciones por 3 incógnitas, éste tendrá

1 5 3 1 5 3
solución única (la trivial) si la matriz A del sistema es invertible, es decir si el det(A)≠0.

No obstante: อ−2 6 2อ = อ0 16 8 อ = 0 ya que la última matriz tiene 2 filas proporcionales.

3 −1 1 0 −16 −8
Así el sistema admite infinitas soluciones, y el conjunto {v1, v2, v3} es linealmente dependiente.

BASE DE UN ESPACIO VECTORIAL

Definición: Si S = {v1, v2, ..., vn} es un conjunto de vectores de un espacio vectorial V, entonces S se dice que
es una base de V si verifican estas dos condiciones:
i) S el linealmente independiente; y
ii) S genera a V.
3
Ej.: S = {i, j, k} es una base para R .
i) S es linealmente independiente:
La ecuación c1i + c2j + c3k =0 sólo admite la solución trivial. En efecto:
c1(1, 0, 0) + c2(0, 1, 0) + c3(0, 0, 1) = (c1, 0, 0) + (0, c2, 0) + (0, 0, c3) = (c1, c2, c3) = (0, 0, 0)
De donde c1 = 0; c2 = 0; c3 = 0 es la única solución.
3
ii) S genera a R :
3
Todo vector u=(a, b, c) de R se puede escribir como una combinación lineal de S. En efecto:
u = (a, b, c) = c1i + c2j + c3k = c1(1, 0, 0) + c2(0, 1, 0) + c3(0, 0, 1) = (c1, c2, c3)
De donde: c1 = a; c2 = b; c3 = c.
3 3
Así, S es una base para R . Se dice que S={i, j, k} es la base estándar para R .
Ej.: De un modo similar puede probarse que S={e1, e2, ..., en} donde e1 = (1, 0, ..., 0), e2 = (0, 1, ..., 0) ... en =
n n
(0, 0, ..., 1) es una base para R . Se conoce como la base estándar para R .

Teorema: Si S = {v1, v2, ..., vn} es una base de un espacio vectorial V entonces todo vector de v de V se
puede escribir en forma única como v = c1 v1 + c2 v2 + ... + cn vn.

SUBESPACIO VECTORIAL ÁLGEBRA

Demostración:
Como S es una base, S debe generar a V. Luego todo vector v de V se puede escribir como una combinación
lineal de los vectores de S, es decir:
v = c1 v1 + c2 v2 + ... + cn vn (1)
Para verificar que ésa es la única forma de escribir a v como una combinación lineal, se supone que existe
otra forma de hacerlo, por ejemplo:
v = k1 v1 + k2 v2 + ... + kn vn (2) y se debe comprobar que c1 = k1, c2 = k2, ..., cn = kn
Restando miembro a miembro las dos ecuaciones (1) y (2), resulta:
v – v = 0 = (c1 – k1) v1 + (c2 – k2) v2 + ... + (cn – kn) vn
Puesto que S es linealmente independiente, esta ecuación sólo tiene la solución trivial, es decir los escalares
(c1 – k1), (c2 – k2), ..., (cn – kn) son iguales a cero.
Luego: c1 – k1=0 → c1 = k1, c2 – k2=0 → c2 = k2, ..., cn – kn=0 → cn = kn
Así, las dos formas de expresar a v como combinación lineal de los vectores de S son iguales, de manera
que la unicidad queda sí probada.

COORDENADAS RESPECTO A UNA BASE

Sea S = {v1, v2, ..., vn} es una base de un espacio vectorial V, y v = c1 v1 + c2 v2 + ... + cn vn es la forma de
n
escribir un vector cualquiera v de V en términos de la base S. El vector (c1, c2, ..., cn) de R obtenido a partir
de los escalares que intervienen en la combinación lineal, se llama vector de coordenadas de v con respecto
a la base S, y se denota por (v)S = (c1, c2, ..., cn)

Ej.: Sea S = {v1, v2, v3} donde v1=(1, 2, 1) v2=(2, 9, 0) y v3=(3, 3, 4).
3
i) Demostrar que S es una base para R
ii) Hallar el vector de coordenadas de u=(5, –1, 9) con respecto a S.
Solución:
3 3
i) Para demostrar que S es una base para R se debe demostrar que S genera R y que S es linealmente
independiente.
3
Para probar que S genera R se debe demostrar que cualquier vector b=(b1, b2, b3) se puede escribir como
una combinación lineal de los vectores de S:
b=(b1, b2, b3) = c1v1 + c2v2 + c3v3 = c1(1, 2, 1) + c2(2, 9, 0) + c3(3, 3, 4)=(c1+2c2+3c3, 2c1+9c2+3c3, c1+4c3)

cଵ +2cଶ +3cଷ = bଵ
Lo que genera el siguiente sistema lineal:

ቐ2cଵ +9cଶ +3cଷ = bଶ

cଵ +4cଷ = bଷ

3
Así que para demostrar que S genera R se debe probar que este sistema (Ax = b) tiene solución para

1 2 3 1 2 3
cualquier b. Esto ocurre si la matriz A del sistema es invertible, es decir si det(A)≠0.

5 −3
อ2 9 3อ = อ0 5 −3อ = 1ሺ−1ሻଵାଵ ቚ ቚ = 5.1 − ሺ−3ሻ. ሺ−2ሻ = 5 − 6 = −1 ≠ 0
−2 1
1 0 4 0 −2 1
3
Luego el sistema tiene solución para todo b, y así S genera R .
Para probar que S es linealmente independiente, se debe probar que la ecuación c1v1 + c2v2 + c3v3=0 sólo
admite la solución trivial. Es decir:

SUBESPACIO VECTORIAL ÁLGEBRA

c1v1 + c2v2 + c3v3 = c1(1, 2, 1) + c2(2, 9, 0) + c3(3, 3, 4)=(c1+2c2+3c3, 2c1+9c2+3c3, c1+4c3)= (0, 0, 0)

cଵ +2cଶ +3cଷ = 0
Lo que genera el siguiente sistema lineal homogéneo Ax = 0:

2c
ቐ ଵ +9cଶ +3cଷ = 0

cଵ +4cଷ = 0

Este sistema lineal homogéneo admite única solución (la solución trivial) si la matriz A del sistema es
invertible, es decir si det(A)≠0. Pero la matriz del sistema es la misma matriz que la del sistema por el que se
3
probó que S genera R , luego det(A)= –1 ≠ 0 y el sistema sólo admite la solución trivial. Luego S es
linealmente independiente.
3 3
Puesto que S genera R y S es linealmente independiente, resulta que S es una base para R .
ii) Para hallar el vector de coordenadas de u=(5, –1, 9) con respecto a la base S, se deben hallar los
escalares c1, c2, c3 que verifican: u = c1v1 + c2v2 + c3v3, es decir:
u=(5, –1, 9) = c1(1, 2, 1) + c2(2, 9, 0) + c3(3, 3, 4) = (c1+2c2+3c3, 2c1+9c2+3c3, c1+4c3)

cଵ +2cଶ +3cଷ = 5
Esta expresión da lugar al siguiente sistema lineal:

ቐ2cଵ +9cଶ +3cଷ = −1

cଵ +4cଷ = 9

Resolviendo este sistema se obtiene: c1 = 1, c2 = –1, c3 = 2

Luego: (u)S = (1, –1, 2)

1 0 0 1 0 0 0 0
‫ܯ‬ଵ = ቂ ቃ ; Mଶ = ቂ ቃ ; ‫ܯ‬ଷ = ቂ ቃ ; ‫ܯ‬ସ = ቂ ቃ
Ej.: Sean:

0 0 0 0 1 0 0 1

El conjunto S={M1, M2, M3, M4} es una base para el espacio vectorial M22 de matrices 2x2.

ܽ ܾ
Así, puede comprobarse que cualquier matriz ܷ = ቂ ቃ se puede escribir como:
Para comprobarlo, se debe probar que S genera M22 y que S es linealmente independiente.

ܿ ݀
ܽ ܾ 1 0 0 1 0 0 0 0
ܷ=ቂ ቃ = ܽቂ ቃ+ܾቂ ቃ+ܿቂ ቃ+݀ቂ ቃ = ܽ‫ܯ‬ଵ + ܾ‫ܯ‬ଶ + ܿ‫ܯ‬ଷ + ݀‫ܯ‬ସ
ܿ ݀ 0 0 0 0 1 0 0 1
Es decir, cualquier matriz 2x2 se puede escribir como combinación lineal de S, luego S genera a M22.

Para comprobar que S es linealmente independiente, la ecuación c1M1 + c2M2 + c3M3 + c4M4=0 sólo debe
admitir la solución trivial. Pero:

1 0 0 1 0 0 0 0 ܿଵ ܿଶ 0 0
ܿଵ ‫ܯ‬ଵ + ܿଶ ‫ܯ‬ଶ + ܿଷ ‫ܯ‬ଷ + ܿସ ‫ܯ‬ସ = ܿଵ ቂ ቃ + ܿଶ ቂ ቃ + ܿଷ ቂ ቃ + ܿସ ቂ ቃ = ቂܿ ܿସ ቃ = ቂ0 ቃ
0 0 0 0 1 0 0 1 ଷ 0
ܿଵ ܿଶ 0 0
Luego: ቂܿ ܿ ቃ = ቂ ቃ se concluye que c1=0, c2=0, c3=0 y c4=0. De manera que S es linealmente
ଷ ସ 0 0
independiente. Por lo que S es una base para M22.

De manera más general puede comprobarse que el espacio vectorial V = Mmn tiene como base estándar un
conjunto formado por mn matrices diferentes, cada una tiene un solo 1 y los demás elementos son 0.

DIMENSIÓN

SUBESPACIO VECTORIAL ÁLGEBRA

Definición: se dice que un espacio vectorial V diferente de cero es de dimensión finita si contiene un
conjunto finito de vectores v1, v2, ..., vn que forman una base para V. Si no fuera así, se dice que V es de
dimensión infinita. Asimismo, se considera que el espacio vectorial cero es de dimensión finita.

Teorema: si V es un espacio vectorial de dimensión finita y si {v1, v2, ..., vn} es cualquier base para V,
entonces:
i) Todo conjunto con más de n vectores es linealmente dependiente; y
ii) Ningún conjunto con menos de n vectores genera a V.
De este Teorema se concluye que si S={v1, v2, ..., vn} es cualquier base para un espacio vectorial V, entonces
todos los conjuntos en V que simultáneamente generan a V y que son linealmente independientes deben
tener precisamente n vectores. Por lo tanto, todas las bases de ese espacio vectorial deben tener el mismo
número de vectores que la base inicial. De aquí se desprende el siguiente Teorema:
Teorema: Todas las bases de un espacio vectorial de dimensión finita tienen el mismo número de vectores.
3
Ej.: Como S = {v1, v2, v3} donde v1=(1, 2, 1) v2=(2, 9, 0) y v3=(3, 3, 4) es una base para R , luego toda
3
base de R debe tener 3 vectores.
Definición: la dimensión de un espacio vectorial V de dimensión finita, denotada por dim(V), se define como
el número de vectores que hay en una base cualquiera de V. Asimismo, se define que el espacio vectorial
cero tiene dimensión cero.
3 3 n
Ej.: dim(R ) = 3 la base estándar para R tiene 3 vectores; y en general dim(R ) = n
dim(Mmn) = mn la base estándar para Mmn tiene mn vectores.

2xଵ +2xଶ −xଷ +xହ = 0

Ej.: Determinar una base y la dimensión del espacio solución del sistema lineal homogéneo:

−xଵ
−xଶ +2xଷ −3xସ+xହ = 0

൞x
ଵ +xଶ −2xଷ −xହ = 0
xଷ +xସ +xହ = 0

Resolviendo el sistema, se obtiene la siguiente solución general:

x1 = – s – t x2 = s x3 = – t x4 = 0 x5 = t

xଵ −s − t −s −t −1 −1
Por lo que los vectores solución se pueden escribir como:

‫ۍ‬xଶ ‫ ۍ ې‬s ‫ ۍ ې‬s ‫ ۍ ې‬0 ‫ې‬ ‫ۍ‬1‫ې‬ ‫ۍ‬0‫ې‬

‫ێ‬x ‫ێ ۑ‬ ‫ۑ ێ ۑ ێ ۑ‬ ‫ۑ ێ‬ ‫ۑ ێ‬
‫ ێ‬ଷ ‫ ێ = ۑ‬−t ‫ ێ = ۑ‬0 ‫ ۑ‬+ ‫ێ‬−t‫ = ۑ‬s ‫ ێ‬0 ‫ ۑ‬+ t ‫ێ‬−1‫ۑ‬
‫ێ‬xସ ‫ ێ ۑ‬0 ‫ ێ ۑ‬0 ‫ ێ ۑ‬0 ‫ۑ‬ ‫ێ‬0‫ۑ‬ ‫ێ‬0‫ۑ‬
‫ۏ‬xହ ‫ ۏ ے‬t ‫ ۏ ے‬0 ‫ ۏ ے‬t ‫ے‬ ‫ۏ‬0‫ے‬ ‫ۏ‬1‫ے‬

−1 −1
‫ۍ‬1‫ې‬ ‫ۍ‬0‫ې‬
‫ۑ ێ‬ ‫ۑ ێ‬
Lo cual demuestra que los vectores ‫ݒ‬ଵ = ‫ ێ‬0 ‫ݒ ݕ ۑ‬ଶ = ‫ێ‬−1‫ ۑ‬generan el espacio solución.
‫ێ‬0‫ۑ‬ ‫ێ‬0‫ۑ‬
‫ۏ‬0‫ے‬ ‫ۏ‬1‫ے‬

Luego S ={v1, v2} es una base para W espacio solución del sistema lineal homogéneo, y el espacio es de
dimensión 2.

SUBESPACIO VECTORIAL ÁLGEBRA