Algebra y Geometría Analítica - Espacios Vectoriales

UNIVERSIDAD TECNOLÓGICA NACIONAL

FACULTAD REGIONAL TUCUMÁN

ESPACIOS VECTORIALES

NOTAS TEÓRICAS
EJERCICIOS Y APLICACIONES

93
Algebra y Geometría Analítica - Espacios Vectoriales

Espacios Vectoriales
Introducción
En matemática existen distintas estructuras algebraicas, que dependen de la naturaleza de
los elementos que intervienen, las operaciones definidas y los axiomas considerados.
Generalizaremos ahora, aún más, el concepto de vector que ya se ha visto. Enunciaremos
un conjunto de axiomas que, si una clase de objetos hace que se cumplan, permitirá
denominar “vectores” a esos objetos. Así, el nuevo concepto de vector abarcará a los
vectores ya estudiados y también a muchos vectores nuevos como ser: las matrices de
cualquier orden y los polinomios. El trabajo desarrollado aquí no es un ejercicio inútil de
matemáticas teóricas, ya que proporciona una herramienta poderosa para extender la
representación geométrica a una amplia variedad de problemas matemáticos importantes,
en los que de otra forma no se contaría con la intuición geométrica. Planteada en términos
breves, la idea es que los vectores en 2 y 3 se pueden representar geométricamente
como flechas, lo cual permite que la representación física o mental ayude a resolver
problemas.
Como los axiomas que usaremos para crear los nuevos tipos de vectores se basan en
propiedades de los vectores en 2 y 3, estos nuevos vectores poseerán muchas de las
propiedades conocidas de los mismos. Por consiguiente, cuando se quiera resolver un
problema en el que aparezcan los nuevos tipos de vectores, se podrá obtener una base para
el problema mediante una representación de cómo sería el problema correspondiente en 2
y  3.

Espacio Vectorial – Definición

Sea V un conjunto no vacío de elementos de cualquier naturaleza, sea K un cuerpo
cualquiera, y dos operaciones “+” (suma) y “” (producto). Diremos que la cuaterna ( V, +,
K,  ) tiene estructura de espacio vectorial, o que es un espacio vectorial sobre el cuerpo K,
si se verifican los siguientes axiomas:
A1)  u, v  V : u + v  V (Ley de composición interna)
A2)  u, v  V : u + v = v + u (Ley conmutativa)
A3)  u, v, w  V : ( u + v ) + w = u + ( v + w ) (Ley asociativa)
A4)  o~ V /  u V : u  o~  o~  u  u (Existencia del elemento neutro
aditivo)
A5)  v V ,   v  V / v   v   o~ [A (-v) lo llamamos inverso aditivo u
opuesto de v]
A6)  v V     K :  v V (Ley de composición externa)
A7)   ,   K ,  v V :   v      v (La multiplicación por escalares
es asociativa)
A8)  u, v V ;   K :  u  v    u   v (La multiplicación por un
elemento del cuerpo es distributiva respecto a la suma de elementos de V)
A9)   ,   K ; v V :     v   v   v (La multiplicación por un
elemento de V es distributiva respecto a la suma de elementos del cuerpo)

94
Algebra y Geometría Analítica - Espacios Vectoriales

A10)  v V , 1  v  v (El escalar 1 recibe el nombre de idéntico multiplicativo)

Observaciones:
1. A los elementos de V los llamaremos vectores aún cuando no se trate de vectores
geométricos. Simplemente, si un conjunto tiene estructura de Espacio Vectorial, sus
elementos son vectores, cualquiera sea la naturaleza de los mismos.
2. Dependiendo de la aplicación, los escalares pueden ser números reales o complejos.
Los espacios vectoriales en que los escalares son números complejos se denominan
espacios vectoriales complejos, y aquellos donde los escalares son números reales
se denominan espacios vectoriales reales. En este curso, todos los escalares
considerados serán números reales.
3. Los axiomas A1 y A6 se llaman también axiomas de cerradura y merecen una
aclaración especial. Vamos a definir ley de composición interna y ley de
composición externa:

Ley de composición interna (l. c. i.)

Una ley de composición interna en un conjunto V es una operación, que aplicada a un par
de elementos de V, tiene como resultado un elemento de V. Es decir: Sea V un conjunto y
sea * una operación, si  u  V y v  V; u * v  V entonces la operación * es ley de
composición interna en V. También decimos que V es cerrado con respecto a la operación
*.

Ejemplo: Sea V =  y sea la operación +. Si a   y b  ; a + b  , por lo tanto “+”

es l. c. i. en . Decimos que  es cerrado con respecto a la suma.
Sin embargo, si cambiamos la operación y consideramos la operación “-”, fácilmente se ve
que esta operación no es l. c. i. en , ya que 2  , 5  , pero 2 – 5  . Mientras que
esta operación si es l. c. i. en .

Ley de composición externa (l. c. e.)

Sean dos conjuntos A y V. Una ley de composición externa es una operación que aplicada
a dos elementos de los conjuntos da como resultado un elemento de uno de los conjuntos.
Si a  A; v  V; a * v  A ó a * v  V, entonces “*” es l. c. e. en A ó en V.

Ejemplo: Sea    y A  aij  M mxn;   A    aij     aij  M mxn . Por lo tanto

“” es l. c. e. en M mxn.

Veamos algunos ejemplos de Espacios Vectoriales

Ejemplo 1: El conjunto V =  n con las operaciones estándar de adición y

multiplicación escalar, es un espacio vectorial. Los tres casos más importantes de  n son
 (los números reales),  2 (los vectores en el plano) y  3 (los vectores en el espacio
tridimensional).
Demostraremos que ( 2, +, ,) verifica los diez axiomas de Espacio Vectorial:
Sea  2 = x, y / x, y  
A1) Sean u, v   2, debemos probar que u + v   2

95
Algebra y Geometría Analítica - Espacios Vectoriales

u  v  x1 , y1   x2 , y2   x1  x2 , y1  y2   2 (por definición de suma

de vectores en  2)
 u  v  2
  u, v   2 : u + v   2
A2) Sean u, v   2, debemos probar que u + v = v + u
u  v  x1 , y1   x2 , y2   x1  x2 , y1  y2   x2  x1 , y2  y1  
 x2 , y2   x1 , y1   v  u
  u, v   2 : u + v = v + u
A3) Si u, v, w   2, debemos probar que ( u + v ) + w = u + ( v + w )
u  v   w  x1 , y1   x2 , y2   x3 , y3   x1  x2 , y1  y2   x3 , y3  
 x1  x2   x3 ,  y1  y2   y3   x1  x2  x3  , y1   y2  y3  

 x1 , y1   x2  x3 , y2  y3   x1 , y1   x 2, y2  x 3, y3  u  v  w

  u, v, w   2 : ( u + v ) + w = u + ( v + w )
A4) Sabemos que  o~  0,0  2 /  u  2 : u  o~  o~  u  u

A5) Sabemos que  v  2 ,   v   2 / v   v   o~

A6) Sean v   2 y   , debemos probar que  v   2
 v   x, y   x ,  y  2 (Por definición de producto de un escalar
por un vector).
 v  2      :  v  2
A7) Sean  ,   , v   2 , debemos probar que   v      v
Sea v  x, y , entonces   v     x, y    x ,  y 
   x  ,   y     x ,    y    x, y     v

  ,   ,  v  2 :   v      v

A8) Sean u, v   2 ;    , debemos probar que  u  v    u   v

Sean u  x1 , y1 , v  x2 , y2 
 u  v    x1 , y1   x2 , y2    x1  x2 , y1  y2 
  x1  x2  ,   y1  y2    x1   x2 ,  y1   y2  
  x1 ,  y1    x2 ,  y2    x1 , y1    x2 , y2    u   v

 u, v  2 ;    :  u  v    u   v

A9) Sean  ,   ; v   2 , debemos probar que     v   v   v

Sea v  x, y

96
Algebra y Geometría Analítica - Espacios Vectoriales

    v      x, y      x ,     y   x   x ,  y   y 

  x ,  y   x ,  y   x, y   x, y   v   v

  ,   ; v  2 :     v   v   v
Ejemplo 2: Espacio vectorial trivial: Sea V = { 0 }. Es decir, V consiste únicamente
en el número 0. Como 0 + 0 = 1  0 = 0 + ( 0 + 0 ) = ( 0 + 0 ) + 0, se concluye que V es un
espacio vectorial. Suele llamarse espacio vectorial trivial.

Ejemplo 3: Un conjunto que no es un espacio vectorial: Sea V = { 1 }. Este no es un

espacio vectorial porque no satisface el axioma A1, que es el axioma de cerradura. Esto se
ve fácilmente, ya que 1 + 1 = 2  V. Hay otros axiomas que tampoco satisface, sin
embargo basta con demostrar que no cumple con un axioma para probar que V no es un
espacio vectorial.

Ejemplo 4: El espacio vectorial M 3x4. Sea V = M 3x4 el conjunto de todas las

matrices de orden 3 x 4 con elementos reales. Entonces, si la suma de matrices y la
multiplicación de una matriz por un escalar son las usuales, es fácil comprobar que M 3x4 es
un espacio vectorial, siendo o~ la matriz nula de orden 3 x 4. Si A  aij  está en M 3x4
entonces  A   aij  también está en M 3x4.

Ejemplo 5: El espacio vectorial ( M mxn, +, ,  ). Igual que en el caso anterior se

puede demostrar fácilmente que M mxn el conjunto de las matrices de orden m x n con
elementos reales es un espacio vectorial.

Ejemplo 6: Llamemos P n (x) al conjunto de todos los polinomios P (x) = a0 xn + a1

xn-1 + … + an con ai    i. El conjunto de polinomios reales de grado menor o igual que
n, con respecto a las operaciones usuales de suma de polinomios y producto de un
polinomio por un escalar es un espacio vectorial. Es decir, la cuaterna ( P n (x), +, ,  ) es
un espacio vectorial sobre .

Ejemplo 7: Averiguar si el conjunto V es espacio vectorial:

  1 a 
V   A  M 2 x 2 / A    
  b 1 
1 a 1 c
Veamos si se cumple el A1., A  V y B  V, A   ; B    :
b 1  d 1
1 a  1 c   2 a  c
A  B           V . Por lo tanto V no es Espacio
 b 1  d 1  b  d 2 
Vectorial.

Propiedades de los Espacios Vectoriales

Sea ( V, +, ,  ) un espacio vectorial sobre . Valen entonces las siguientes propiedades:
1)     o~  o~

97
Algebra y Geometría Analítica - Espacios Vectoriales

2) v  V , 0.v  o~

  0

3)   , v  V :  v  o~  ó
v  o~

4)   , v V :    v    v    v 
Subespacios
Definición: Sea ( V, +, ,  ) un espacio vectorial y sea W un conjunto no vacío contenido
en V, esto es W  V. Diremos que W es un subespacio de V si es un espacio vectorial sobre
 con respecto a las operaciones de V: suma y producto por un escalar.
Es decir: Sean ( V, +, ,  ) un espacio vectorial y W  
W  V es un subespacio de ( V, +, ,  ) si ( W, +, ,  ) es un espacio vectorial.
En el Ejercicio 5 vimos que ( M mxn, +, ,  ) tiene estructura de espacio vectorial. Si
consideramos ( M 1xn, +, ,  ) y ( M mx1, +, ,  ), son subespacios vectoriales de M mxn ya
que las matrices de una fila o una columna son subconjuntos de las matrices de m filas y n
columnas y cumplen con los 10 axiomas de espacio vectorial.
Teorema: Sea ( V, +, ,  ) un espacio vectorial y W  V, W ≠  entonces W es un
subespacio de V si y sólo si se cumple:
i ) o~  W
ii )  u, v W : u  v W
iii)  u W ,    :  u W
Demostración
Tenemos que demostrar: ( V, +, ,  ) E. V. y W  V, W ≠ 
i ) o~  W

W es un subespacio de V  ii)  u, v  W : u  v  W
iii)  u  W ,    :  u  W

Entonces vamos a demostrar primero que:
i ) o~  W

W es un subespacio de V  ii)  u, v  W : u  v  W
iii)  u W ,    :  u W

Si W es un subespacio vectorial de V, por la definición de subespacio, se cumplen los 10
axiomas de E. V., en particular, se cumplen los axiomas A1, A4 y A6. Pero estas son
precisamente las condiciones i), ii) y iii). Con lo que queda demostrado el sentido (  ) de
la implicación.
Tenemos que demostrar ahora el otro sentido de la implicación (  ) es decir:

98
Algebra y Geometría Analítica - Espacios Vectoriales

i ) o~  W

ii)  u, v  W : u  v  W  W es un subespacio de V
iii)  u W ,    :  u W

Tenemos que demostrar que W es un subespacio vectorial de V, lo que significa demostrar
que W es un espacio vectorial.
Por la condición i) podemos asegurar que W ≠  y que se cumple A4 de E. V. y como por
hipótesis se cumplen además ii) y iii) que corresponden a los axiomas A1 y A6 de E. V.,
basta demostrar que W satisface los 7 axiomas restantes.
Como W  V, esto significa que los vectores de W están también en V, se cumplen los
axiomas A2, A3, A7, A9 y A10. Debemos ahora probar que se cumple el axioma A5. Para
ello observemos que: si v  W, (-1) v  W,  v  W por la condición iii). Por la propiedad
4 de espacios vectoriales [   , v V :    v    v    v  ], podemos
afirmar que  1 v  v W . Por lo tanto el axioma A5 se verifica. Por lo tanto W es un
espacio vectorial por que cumple con los 10 axiomas de espacio vectorial y, por definición
de subespacio, concluimos que W es un subespacio vectorial de V.
 como demostramos los dos sentidos de la implicación, el teorema queda demostrado.
Observación: Si nos basamos sólo en la definición de subespacio, para demostrar que un
conjunto W  V es un subespacio, se debe comprobar los 10 axiomas de E. V. Este
teorema simplifica el trabajo enormemente ya que, con el basta probar sólo las condiciones
i), ii) y iii).

Ejemplo 1: El subespacio trivial. Si V es cualquier espacio vectorial, el subconjunto

W  o~ es un subespacio, ya que: i) o
~  W , ii) o~  o~  o~ , iii)  o~  o~ .    . A
W  o~ lo denominaremos subespacio trivial.

Ejemplo 2: Un espacio vectorial es un subespacio de sí mismo.

Todo espacio vectorial V es un subespacio de sí mismo.
Estos dos ejemplos iniciales muestran que todo espacio vectorial V contiene los dos
subespacios o~ y V (los cuales coinciden si V  o~).
A todos los subespacios que no sean o~ y V se les llama subespacios propios.


Ejemplo 3: Sea W  x, y   2 / y  mx  V  2
Averiguar si ( W, +, ,  ) es un subespacio vectorial.
W es un subespacio propio de  2 y consiste en el conjunto de puntos situados en una recta
que contiene al origen de coordenadas. Este conjunto es la única clase de subespacio
propio que puede tener  2.
Tenemos que demostrar: i) ¿ o~  W ? ii) ¿  u, v W : u  v W ?
iii) ¿  v W ,    :  v W ?
i) El vector o~ que debe estar en W es el vector nulo de V =  2.
o~  0,0 ; para que pertenezca a W debe tener la característica de los
elementos de W.

99
Algebra y Geometría Analítica - Espacios Vectoriales

~  0,0; como 0  m  0  o
o ~ W

ii) Sean u  x1 , y1  como u W y1  m x1 (1)

v  x2 , y2  como v W y2  m x2 (2)
u  v  x1 , y1   x2 , y2   x1  x2 , y1  y2 
Para que u  v W debe ocurrir que  y1  y2   m x1  x2 
y1  y2  m x1  m x2  mx1  x2   u  v W
por (1) y (2)
 u, v W : u  v W
iii) Sean    v  x, y / y  m x porque v  W
 v   x, y   x,  y . Para que  v  W debe ocurrir que:
 y  m  x 
 y   m x   m  x   v W
como y = m x
 v W ,    :  v W
Por i), ii) y iii) ( W, +, ,  ) es un subespacio vectorial de  2.

Combinaciones lineales
Dado un conjunto de n vectores A  v1 , v2 , , vn  pertenecientes a un espacio vectorial
( V, +, ,  )y un conjunto de n escalares  1 ,  2 , ,  n  con i    i = 1, 2, …, n, el
vector v / v   1 v 1   2 v2  ,  n vn se llama una combinación lineal (c. l.) de los
vectores vi.

Ejemplo 1: Sean los vectores v1 y v2 de  2 o  3.

c1 v1
v2
0 v es combinación lineal de v1 y v2.
v = c1 v1 + c2 v2
v1

c2 v2

Ejemplo 2: En  3
sean
v1  1,2,1 v2  1,0,2 y v3  1,1,0. Averiguar si v  2,1,5 es una combinación
lineal de v1, v2 y v3.
Para que el vector v sea una combinación lineal de v1, v2 y v3 deben existir 1, 2 y 3 tales
que  1 v 1   2 v2   3 v3  v .

100
Algebra y Geometría Analítica - Espacios Vectoriales

Al sustituir los valores de v, v1, v2 y v3 obtenemos:

 1 1,2,1   2 1,0,2   3 1,1,0  2,1,5
1 ,21 , 1    2 ,0,2 2    3 ,  3 ,0  2,1,5
1   2   3 , 21   3 , 1  2 2   2,1,5
 1   2   3  2

Por igualdad de vectores:  2 1   3  1
  2  5
 1 2

Al resolver este sistema lineal obtenemos: 1 = 1, 2 = 2 y 3 = -1, lo cual significa que v

es una combinación lineal de v1, v2 y v3. Así v = v1 + 2 v2 - v3.

Dependencia e independencia lineal

Vectores linealmente independientes
Definición: Sea ( V, +, ,  ) un espacio vectorial. Dado un conjunto de vectores
A  v1 , v2 , , vn  V , diremos que son linealmente independientes (l. i.) si y sólo si la
combinación lineal  1 v 1   2 v2  , n vn  o~   i  0 i .

En símbolos: A es l. i.   1 v 1   2 v2  , n vn  o~   i  0 i

Ejemplo 1: Sean los vectores v1  1,0,0 v2  0,1,0 y v3  0,0,1 . Averiguar si son

l. i..
Para averiguar si los vectores v1, v2 y v3 son l.i. debemos ver si existen los escalares 1, 2
y 3 simultáneamente nulos tales que:  1 v 1   2 v2   3 v3  o~

 1 1,0,0   2 0,1,0   3 0,0,1  0,0,0 , efectuando operaciones obtenemos: 1 =

0, 2 = 0 y 3 = 0.
 v1, v2 y v3 son l.i.. Estos vectores son los llamados versores o vectores canónicos.
Se puede demostrar que en general: Si V =  n y e1  1,0,0,,0 , e 2  0,1,0, ,0 , …
e n  0,0,0, ,1 llamados vectores canónicos de  n son l.i..

 1 2 3 0 
Ejemplo 2: Sean los vectores v1    , v 2    , del espacio vectorial M 2x2.
0 1  1  1
Determinar si A  v1 , v 2  es un conjunto de vectores l.i..
Para ello debemos ver si existen los escalares 1, y 2 tales que:  1 v 1   2 v2  o~ .

 1 2  3 0  0 0
 1     2      , efectuando operaciones:
0 1  1  1  0 0 
 1 2 1   3 2 0  0 0    3 2 2 1   0 0 
        1  
0  1    2  2  0 0  2  1   2   0 0 
Igualando matrices llegamos al siguiente sistema:

101
Algebra y Geometría Analítica - Espacios Vectoriales

 1  3 2  0

 2 1  0
 Resolviendo el sistema: 1 = 0 y 2 = 0.
  2  0
 1   2  0

Luego A  v1 , v 2  es un conjunto de vectores l.i..

Vectores linealmente dependientes

Definición: Sea ( V, +, ,  ) un espacio vectorial. Diremos que los vectores
v1 , v2 , , vn  V son linealmente dependientes (l. d.) si existen escalares 1, 2, …, n
  no todos simultáneamente nulos tales que:  1 v 1   2 v2  ,  n vn  o~ .

Ejemplo 3: Determine si en P2 los polinomios P x   x  2x 2 , Qx   x 2  4 x ,

Rx   7 x  8 x 2 son l. i. o l. d..
Consideramos la combinación lineal:  1 P ( x )   2Q( x )   3 R( x )  0

 1 x  2 x 2    2 x 2  4 x    3  7 x  8 x 2   0
 1 x  2 1 x 2   2 x 2  4 2 x  7 3 x  8 3 x 2  0
 21   2  8 3 x 2  1  4 2  7 3 x  0
Por igualdad de polinomios:
 2 1   2  8 3  0

 1  4 2  7 3  0
25 6
Resolviendo el sistema obtenemos:  1  3; 2   3 .
7 7
Si 3 = 7; 1 = 25; 2 = -6.
 1, 2 y 3 no nulos tal que:  1 P ( x )   2Q( x )   3 R( x )  0
 Los vectores P(x), Q(x) y R(x) son l. d..

Interpretación geométrica de la independencia lineal en  2 o  n.

En  2 o  3, un conjunto de dos vectores es l. i. si los vectores no están en la misma recta
cuando se colocan con sus puntos iniciales en el origen.

102
Algebra y Geometría Analítica - Espacios Vectoriales

z z

v2
v1 v1
v2
y y
x x

vectores l. d. vectores l. d.
z
v1

v2

y
x

vectores l. i.
En  un conjunto de 3 vectores es l. i. si los vectores no están en el mismo plano
3

cuando se colocan con sus puntos iniciales en el origen.

z z

v3 v2
v1
v2
y v3 y
v1
x x

z v1

v2

v3 y
x
Vectores l. d. vectores l. d. vectores l. i.

103
Algebra y Geometría Analítica - Espacios Vectoriales

Propiedades de los conjuntos de vectores l. i. o l. d.

Propiedad 1: Si o~ es uno de los vectores de A  v1 , v2 , , vn , entonces el
conjunto es l. d..
Propiedad 2: Cualquier vector v  o~ de un espacio vectorial es un conjunto l. i..
Propiedad 3: El vector nulo de cualquier espacio vectorial constituye un conjunto l.
d.. o  es l. d..
~

Propiedad 4: Un conjunto finito y no vacío de vectores es l. d. si y sólo si algún

vector del conjunto es combinación lineal de los demás.
Corolario: Dos vectores v1 y v2 son l. d. si uno de ellos es múltiplo escalar del
otro.
Propiedad 5: Un conjunto finito y no vacío de vectores es l. i. si y sólo si ningún
vector es combinación lineal de los demás.
Propiedad 6: Todo subconjunto de un conjunto l. i. es l. i..
Propiedad 7: Todo conjunto de vectores que contiene a un subconjunto l. d. es
también l. d..
Propiedad 8: Si un vector es combinación lineal de un conjunto de vectores l. i.,
entonces dicha combinación lineal es única.
Aclaración: No sucede lo mismo si los vectores son l. d..
Propiedad 9: Si un vector es combinación lineal de un conjunto de vectores l. d.,
dicha combinación no es única (existen infinitas c. l. que tienen como resultado dicho
vector).

  1 3
Ejemplo 4: Averigüe si el vector v     M 2 x 2 se puede escribir como c. l. de los
 7 0
 1 2  0 1   1 0
vectores v1    ; v 2    ; v 3    .
 2 0  2 0  0 0
El problema consiste en averiguar si existen 1, 2 y 3 tal que:  1 v 1   2 v2   3 v3  v ;
reemplazando obtenemos:
 1 2  0 1   1 0   1 3
 1     2     3      .
 3 0  2 0  1 0  7 0
Efectuando operaciones, llegamos al siguiente sistema:
 1   3  1

2  1   2  3
3   2     7
 1 2 3

Resolviendo el sistema, se puede comprobar que  1 = 0, 2 = 3, 3 = 1 tal que

0v1  3v2  1v3  v , entonces el vector v se puede escribir como c. l. de v1, v2 y v3.
Observamos que como el sistema es compatible determinado, tiene única solución y, por lo
tanto, la combinación lineal es única.

104
Algebra y Geometría Analítica - Espacios Vectoriales

Por la propiedad 8, concluimos que el conjunto de vectores v1 , v 2 , v 3  es l. i..

Ejemplo 5: Dados los vectores v1  1,3 v2  2,6 , averigüe si el vector v  7, 21
es c. l. de v1 y v2.
Consideramos la combinación lineal:  1 v1   2 v2  v
 1 1,3   2 2,6  7,21
Efectuando operaciones, llegamos al siguiente sistema:
 1  2 2  7
 Resolviendo el sistema, encontramos que el mismo es
 3 1  6 2  21
compatible indeterminado, es decir que tiene infinitas soluciones;
C j  7  2 2 ,  2  2  .
Como existen  1 ,  2 soluciones del sistema; concluimos que el vector v se puede escribir
como c. l. de v1, v2.
 1 v1   2 v2  v  7  2 2 v1   2 v2  v
La combinación lineal no es única, por propiedad 9 el conjunto de vectores v1 , v 2  es l. d..

Subespacio generado por una familia de vectores

Si v1, v2, …, vr son vectores de un espacio vectorial V, entonces en general algunos
vectores de V pueden ser combinaciones lineales de v1, v2, …, vr y otros no.
Veremos que si se construye un conjunto A que consta de todos los vectores que son
posibles de expresar como combinaciones lineales de v1, v2, …, vr, entonces A forma un
subespacio de V.
Sea A  v1 , v2 ,, vr  V , llamamos A al conjunto de todas las combinaciones lineales
de v1, v2, …, vr, es decir:
A   1 v1   2 v2  ...   r vr /  i   i; vi  A

A A lo denominamos “Envolvente lineal de v1 , v2 ,, vr ”

Ejemplo: Sea A  v1 , v2 , tal que v1  1,0,1 y v2  0,1,1
El conjunto de todas las c. l. de los vectores v1 y v2   3 es:
A   1 1,0,1   2 0,1,1 /  1 ,  2  

A   1 ,  2 ,  1   2  /  1 ,  2  . En consecuencia A es el conjunto de todas las

ternas cuya tercera componente es la suma de las dos primeras. Podemos escribir:

A  x1 , x 2 , x3    3 / x 3  x1  x2 
Teorema: Sea el espacio vectorial ( V, +, ,  ) y sea el subconjunto
A  v1 , v2 , , vr  V . Entonces ( A , +, ,  ) es un subespacio vectorial de V y se
denomina subespacio generado por A.
Se dice que los vectores v1, v2, …, vr de A generan A .

105
Algebra y Geometría Analítica - Espacios Vectoriales

Observación: En el caso que A sea un subconjunto de V formado por un único vector v, el

subespacio generado por A es el conjunto de todos los múltiplos escalares de A, es decir:
Si A  v1 , entonces A  k v / k  .

 
Ejemplo 1: Si A  2,5  2 , entonces A  x, y   2 / x, y  k 2,5 , o sea x = 2 k y
2
y=5k  x y
5
 
 A  x, y   2 / 5 x  2 y  0 . Es decir, el subespacio generado es la recta que
contiene al origen de coordenadas y contiene al vector dado.

Sistema de generadores
Puede ocurrir que dado A  v1 , v2 , , vn , este no genere un subespacio de V, sino que
genere todo V. Es decir que un conjunto formado por un número finito de vectores de un
espacio vectorial describa en forma completa a V. Observaremos además que en general,
hay más de un conjunto de este tipo que describa a V. Ahora formalizaremos estos
conceptos:
Definición: El conjunto A  v1 , v2 , , vn  es un sistema de generadores de V si y sólo si
todo vector de V se puede expresar como combinación lineal de los elementos de A.
En símbolos: A es un S. G. de V  v V : v   1 v1   2 v2     n vn .
De acuerdo a esta definición: A es un sistema de generadores de V si y sólo si el
subespacio generado por A es V.
Es decir: A es S. G. de V  A V

Ejemplo 1: Sea V el espacio vectorial  3 y sea A  1,2,1, 1,0,2, 1,1,0, ¿ v1, v2 y v3

generan  3?
Sea v  a, b, c  cualquier vector de  3. Para que A sea un sistema de generadores deben
existir escalares 1, 2 y 3 tales que:  1 v 1   2 v2   3 v3  v .
 1 1,2,1   2 1,0,2   3 1,1,0  a, b, c 
Efectuando operaciones, obtenemos el siguiente sistema:
 1   2   3  a

 2 1   3  b Resolviendo el sistema llegamos a la solución: (verifique)
  2  c
 1 2

 2a  2b  c abc 4a  b  2c
1  2  3 
3 3 3
Como el sistema es compatible, concluimos que v1, v2 y v3 generan  3. Es decir que A es
un sistema de generadores de  3.

106
Algebra y Geometría Analítica - Espacios Vectoriales

Base de un espacio vectorial

Definición: Sea ( V, +, ,  ) un espacio vectorial y sea B  v1 , v2 , , vn  V . B es una
base de V si i) B es un sistema de generadores, ii) B es l. i..

Ejemplo 1: Los vectores e1  1,0 y e 2  0,1 forman una base para  2, los vectores
e1  1,0,0 , e 2  0,1,0 , e 3  0,0,1 forman una base para  3. En general los vectores
e1, e2, …, en forman una base para  n.
Cada uno de estos conjuntos de vectores se llama base natural o base canónica para  2,
 3 y  n respectivamente.

 1 0   0 1   0 0   0 0  
Ejemplo 2: El conjunto B   ,  ,  ,    es una base para el
 0 0   0 0   1 0   0 1  
espacio vectorial M 2x2.
Para verificar que B es l. i., formamos una combinación lineal de los vectores de B y la
igualamos al vector nulo de dicho espacio:
1 0 0 1 0 0 0 0 0 0
 1     2     3     4     
0 0 0 0 1 0 0 1 0 0
  2   0 0 
Esto implica:  1     , lo cual quiere decir que  1   2   3   4  0 . Por lo
 3  4   0 0 
tanto B es l. i..
Para verificar que B genera a M 2x2, consideramos un vector genérico del espacio M 2x2 y
debemos determinar escalares 1, 2, 3 y 4 tales que:
1 0 0 1 0 0 0 0  a b 
 1     2     3     4     
0 0 0 0 1 0 0 1  c d 
Vemos que  1  a  2  b  3  c  4  d . Es decir existen los escalares 1, 2, 3 y
4 tales que cualquier vector v del espacio se puede escribir como c. l. de v1, v2, v3 y v4.
Por lo tanto v1, v2, v3 y v4 generan M 2x2.
Teorema: Si B  v1 , v2 ,, vn  y B  u1 , u2 , , um  son dos bases de un espacio
vectorial V, entonces m = n.
Este teorema que aceptamos sin demostración, afirma que dos bases cualesquiera de un
espacio vectorial V contienen el mismo número de vectores.

Dimensión de un espacio vectorial

Definición: Si el espacio vectorial ( V, +, ,  ) tiene una base finita entonces la dimensión
de V (dim V) es el número de vectores que tiene cualquiera de sus bases.

Ejemplo 1: dim  3 = 3 puesto que en  3, sabemos que e1 , e 2 , e 3  es la base canónica, y

ya que consta de 3 vectores, toda base de  3 debe contener 3 vectores.

Ejemplo 2: dim  2 = 2 y en general dim  n = n

107
Algebra y Geometría Analítica - Espacios Vectoriales

1 0 0 1 0 0 0 0
Ejemplo 3: dim M 2x2 = 4 ya que los vectores  ,  ,  ,   son base de
 0 0  0 0  1 0  0 1 
M 2x2.
En general dim M mxn = m n
Teorema: Sea ( V, +, ,  ) espacio vectorial, tal que dim V = n. Si A  u1 , u2 ,..., um  es
un conjunto de vectores l. i. entonces m  n.
El teorema asegura que el número de vectores de todo conjunto l. i. de un espacio vectorial
es siempre menor o igual que la dimensión del espacio.
Teorema: Sea ( V, +, ,  ) un espacio vectorial de dimensión n. Entonces:
i) “n + 1” o más vectores de V son l. d.
ii) Todo conjunto l. i. de n vectores de V, es una base de V
iii) Todo conjunto generador T  v1 , v2 , , vn  de V es una base de V.

Ejemplo 1: Demostrar por inspección que B   3,7, 5,5 es una base de.
Como dim  2 = 2; y el número de vectores de B es 2 solo basta con demostrar que B es
l. i. o un S. G..
Como ninguno de los vectores de B es un múltiplo escalar del otro, los dos vectores
forman un conjunto l. i..
dim  2  2 
Por lo tanto como   B es base de  2.
2 vectores l . i .

Ejemplo 2: Demostrar que B  1,2,3, 4,5,6 no es base de  3.

dim  3 = 3; por lo tanto toda base de  3 debe contener 3 vectores.
 B no es base de  3.
Ejemplo 3: Averiguar si B  1,2, 4,5, 6,3 es una base de  2.
dim  2 = 2. Por el teorema anterior 3 vectores de  2 son l. d..
 B no es base de  2.

108