Álgebra I

Espacios Vectoriales

Material elaborado por

Eduardo Antonio Fernández Escobar

Campus Universitario, Ruta V “Gral. Bernardino Caballero” Km. 2

Concepción, Paraguay
 Índice

1. Espacios vectoriales y subespacios 3

1.1. Definición de Espacio Vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2. Subespacio y espacio generado . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3. Combinación lineal e independencia lineal . . . . . . . . . . . . . . . . . . . . 14
1.4. Bases, dimensión y coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.4.1. Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.4.2. Dimensión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.4.3. Coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

Bibliografía 27

2
1. Espacios vectoriales y subespacios

1.1. Definición de Espacio Vectorial

En este material de lectura presentamos los espacios vectoriales en forma general. El estudiante
notará alguna similitud con las propiedades de los vectores en Rn . De hecho, quizás el ejemplo
más obvio de los espacios vectoriales es el conjunto de vectores en Rn . Este apartado trata de
la noción de un espacio vectorial abstracto, un concepto quizás nuevo para la mayoría de los
estudiantes.

Antes de presentar la definición de espacio vectorial, pasemos a analizar en paralelo dos con‐
juntos: el conjunto formado por las funciones f : R → R, denotado por F(R) y el conjunto
de las matrices cuadradas de orden n con coeficientes reales que denotaremos por Mn (R), o
simplemente, por Mn .

La suma de dos funciones f y g de F(R) se define como la función f + g ∈ F(R) dada por
(f + g)(x) = f (x) + g(x).

Note también que si λ ∈ R podemos multiplicar la función f por el escalar λ, de la siguiente

forma (λf )(x) = λ(f (x)), resultando un elemento de F(R).

Con relación a Mn podemos sumar dos matrices cuadradas de orden n, A = (aij )n×n y B =
(bij )n×n , colocando A + B = (aij + bij )n×n , que es un elemento de Mn .

Con relación a la multiplicación de A = (aij )n×n por un escalar λ ∈ R, es natural definir

λA = (λaij )n×n , el cual también pertenece a Mn .

¿Qué estos dos conjuntos anteriores, con estas estructuras de adición de sus elementos y mul‐
tiplicación de sus elementos por escalares, tienen en común? Veamos:

Se verifica fácilmente que a partir de las propiedades de los números reales que, con relación a
cualquier funciones f , g y h en F(R) y para todo λ, µ ∈ R, son válidos los siguientes resultados:

1. f + g = g + f

2. f + (g + h) = (f + g) + h

3. si o representa la función nula, esto es, o(x) = 0 para todo x ∈ R entonces o + f = f

4. la función −f definida por (−f )(x) = −[f (x)] para todo x ∈ R es tal que f + (−f ) = o

5. λ(µf ) = (λµ)f

6. (λ + µ)f = λf + µf

7. λ(f + g) = λf + λg

8. 1f = f

3
Ahora, con relación a cualquier matrices A, B y C de Mn y para todo λ, µ ∈ R, también son
válidos los siguientes resultados:

1. A + B = B + A

2. A + (B + C) = (A + B) + C

3. si O representa la matriz nula, esto es, O = (0)n×n entonces O + A = A

4. si A = (aij )n×n entonces la matriz −A definida por −A = (−aij )n×n es tal que A +
(−A) = O

5. λ(µA) = (λµ)A

6. (λ + µ)A = λA + µA

7. λ(A + B) = λA + λB

8. 1A = A

Podemos ver que tanto el conjuntos de las funciones definidas en la recta con valores reales co‐
mo el de las matrices cuadradas cuando están dotadas de sumas y multiplicación por escalares
adecuadas representan propriedades algebraicas comunes. En realidad muchos otros conjun‐
tos dotados de operaciones apropiadas presentan propiedades semejantes al de los conjuntos
anteriores. Es por eso que en vez de estudiar cada uno separadamente, estudiaremos un con‐
junto genérico(cuyos elementos son llamados vectores) y no vacío, V ; sobre el cual suponemos
que están definidas una operación de adición, esto es, para cada u, v ∈ V existe un único ele‐
mento de V asociado, llamado suma entre u y v y denotado por u + v, y una multiplicación por
escalar, esto es, para cada u ∈ V y λ ∈ R existe un único elemento de V asociado, llamado
producto de u por el escalar λ y denotado por λu.
Definición 1: Diremos que un conjunto V como el anterior, dotado de una adición y de una
multiplicación por escalar es un espacio vectorial si para cualesquiera u, v y w en V y para todo
λ, µ ∈ R son válidas los siguientes axiomas:

Axioma para la adición de vectores:

A1. Conmutatividad: u + v = v + u para todo u, v ∈ V

A2. Asociatividad: u + (v + w) = (v + u) + w para todo u, v, w ∈ V

A3. Vector nulo: existe un elemento 0 ∈ V tal que 0 + u = u para todo u ∈ V

A4. Inverso aditivo: para cada v ∈ V existe otro vector −v ∈ V tal que v + (−v) = 0

Axiomas para la multiplicación por escalares:

M1. Asociatividad del producto por escalares: λ(µu) = (λµ)u

M2. Distributividad de la suma de escalares por un vector: (λ + µ)u = λu + µu

4
M3. Distributividad del producto de un escalar por la suma de vectores: λ(u+v) = λu+λv
para todo u, v ∈ V y λ ∈ R
M4. Identidad multiplicativa: 1u = u para todo u ∈ V

Es importante notar que un espacio vectorial consta de cuatro elementos:

un conjunto de vectores, un conjunto de escalares y dos operaciones.

Observación 1: Note que en la definición se exige que las operaciones de suma de vectores y
multiplicación de escalares por vectores sean cerradas en V .
Ejercicio resuelto 1: Muestre que el elemento 0 del axioma A3 y el elemento v del axioma A4
son únicos.

Solución: Veamos primero que el elemento neutro de la adición de vectores es único. En efecto,
supongamos que existen dos neutros 01 y 02 . Mostremos que estos son iguales:

Tenemos que,

01 + 02 = 02 (axioma A3)

del mismo modo,

02 + 01 = 01 (axioma A3)

además,

01 + 02 = 02 + 01 (axioma A1)

Luego,

02 = 01

∴ Existe un único elemento neutro.

Ahora veamos que el inverso aditivo es único. Supongamos que, dado u ∈ V , existen v1 ∈ V y
v2 ∈ V tales que u + v1 = 0 . . . (1) y u + v2 = 0 . . . (2).

Tenemos que,

v2 = 0 + v2 (axioma A3)
= (u + v1 ) + v2 (por (1))
= u + (v1 + v2 ) (axioma A2)
= u + (v2 + v1 ) (axioma A1)
= (u + v2 ) + v1 (axioma A2)
= 0 + v1 (por (2))
= v1 (axioma A3)

5
así,

v2 = v1

∴ Existe un único elemento inverso. Denotaremos v por −u y u − v por u + (−v). 

Otro ejemplo de espacio vectorial, además de los dos presentados en el inicio del texto, es el
conjunto de los vectores como presentados en Geometría Analítica dotado de la adición y de la
multiplicación por escalar. De esa forma, el adjetivo vectorial utilizado en la definición anterior
debe ser entendido de una forma más amplia, haciendo una referencia a los elementos de V
independientemente de si son o no vectores.

Tal vez el ejemplo más simple de espacio vectorial sea el conjunto de los números reales con la
adición y multiplicación usuales. Más generalmente, para cada n ∈ N, podemos transformar
el conjunto de las n‐uplas ordenadas de números reales, Rn , en un espacio vectorial definien‐
do la adición de dos n‐uplas ordenadas, x = (x1 , . . . , xn ) e y = (y1 , . . . , yn ), adicionándose
coordenada a coordenada, esto es,

x + y = (x1 + y1 , . . . , xn + yn )

y el producto de la n‐upla x = (x1 , . . . , xn ) por un escalar λ ∈ R por

λx = (λx1 , . . . , λxn ).

Es fácil verificar que de este modo Rn es un espacio vectorial. Dejamos como ejercicio al estu‐
diante este trabajo.

Verifique también que los siguientes ejemplos son espacios vectoriales.

Ejemplo 1: Sean n ∈ N y Pn (R) = {a0 + a1 x + a2 x2 + · · · + an xn /a0 , a1 , a2 , . . . , an en R}
el conjunto formado por el polinomio nulo y por todos los polinomios de grado menor o igual
que n con coeficientes reales. Definimos la adición y la multiplicación por escalar de la siguiente
manera:

Si p(x) = a0 + a1 x + · · · + an xn y q(x) = b0 + b1 x + · · · + bn xn son elementos de Pn (R),

entonces
p(x) + q(x) = (a0 + b0 ) + (a1 + b1 )x · · · + (an + bn )xn .

Si p(x) = a0 + a1 x + · · · + an xn es un elemento de Pn (R) y λ ∈ R entonces

λp(x) = λa0 + λa1 x + · · · + λan xn

Ejemplo 2: Sean A ⊂ R y F(A; R) el conjunto de todas las funciones f : A → R. Si f, g ∈

F(A; R) y λ ∈ R defina f + g : A → R por (f + g)(x) = f (x) + g(x) y (λf )(x) = λf (x),
x ∈ A. Entonces, F(A; R) con esta adición y producto por un escalar es un espacio vectorial.
Ejemplo 3: El conjunto de las funciones continuas definidas en un intervalo I ⊂ R dotado
de las operaciones de adición y multiplicación usuales, dicho espacio vectorial se denota por
C(I; R).

6
Ejemplo 4: El conjunto de las funciones con derivadas continuas hasta orden k ∈ N, (k fijo )
definidas en un intervalo abierto I ⊂ R dotado de la operaciones de adición y multiplicación
usuales y se denota por: Cn (I; R).
Ejemplo 5: El conjunto de las matrices m por n con coeficientes reales: Mm×n (R) dotado de
la operaciones análogas a aquellas operaciones definidas en Mn (R).

Los espacios vectoriales vistas anteriormente envuelven operaciones con las cuales estamos
familiarizados. El siguiente ejemplo es un poco más sofisticado que las anteriores y por eso
mostraremos los ocho axiomas.
Ejemplo 6: Sea el conjunto V = (0, ∞), el semi eje positivo de la recta real. Este conjunto
junto con las operaciones usuales de suma y multiplicación no es un espacio vectorial, dado
que no posee elemento neutro para la suma. Sin embargo, si para x, y ∈ V y λ ∈ R definimos
la suma entre x e y por x ⊕ y = xy, (el producto usual entre x e y) y el producto del escalar λ
por x como λ ⊙ x = xλ , entonces V se torna un espacio vectorial. En efecto, verifiquemos lox
axiomas:

A1. dados x, y ∈ V tenemos que x ⊕ y = xy = yx = y ⊕ x.

A2. dados x, y, z ∈ V tenemos que x ⊕ (y ⊕ z) = x ⊕ (yz) = x(yz) = (xy)z = (x ⊕ y)z =

(x ⊕ y) ⊕ z.

A3. si x ∈ V , entonces como 1 ∈ V , tenemos que 1 ⊕ x = 1x = x, observe que en este

caso, 1 es el elemento neutro de la suma, al cual denotaremos por 0.

A4. Si x ∈ V , esto es, x > 0, entonces x−1 ∈ V y x ⊕ x−1 = xx−1 = 1 ≡ 0.

A5. dados x ∈ V , λ y µ ∈ R tenemos que λ ⊙ (µ ⊙ x) = λ ⊙ xµ = (xµ )λ = xµλ = xλµ =

(λµ) ⊙ x.

A6. dados x ∈ V y λ, µ ∈ R tenemos que (λ + µ) ⊙ x = xλ+µ = xλ xµ = xλ ⊕ xµ =

(λ ⊙ µ) ⊕ (µ ⊙ λ).

A7. Dados x, y ∈ V y λ ∈ R tenemos que λ ⊙ (x ⊕ y) = λ ⊙ (xy) = (xy)λ = xλ y λ =

xλ ⊕ y λ = (λ ⊙ x) ⊕ (λ ⊙ y).

A8. dado x ∈ V tenemos 1 ⊙ x = x1 = x.

∴ V es un espacio vectorial. 

De los axiomas que definen un espacio vectorial podemos concluir varias propiedades. Enume‐
raremos algunas de estas propiedades en los siguientes teoremas:
Teorema 1 (Cancelación): Sean u, v y w vectores en un espacio vectorial V . Si v + u = v + w,
entonces u = w.
Demostración

7
Tenemos por hipótesis,

v+u=v+w
−v + (v + u) = −v + (v + w) (sumando a ambos lados −v)
(−v + v) + u = (−v + v) + w (axioma A2)
0+u=0+w (axioma A4)
u=w (axioma A3)


Teorema 2: Si u y v son vectores en un espacio vectorial V , la ecuación

x+v =u

tiene una y solo una solución x en V dada por

x = u − v.

Demostración
La diferencia x = u−v es de hecho una solución de la ecuación porque (usando varios axiomas)

x + v = (u − v) + v = [u + (−v)] + v = u + (−v + v) = u + 0 = u.

Para ver que esta es la única solución, supongamos que x1 es otra solución tal que x1 + v = u.
Entonces x + v = x1 + v (ambos equivalen a u), entonces x = x1 por cancelación. 
Teorema 3: Sea V un espacio vectorial. Entonces:

1. Para todo λ ∈ R y 0 ∈ V tenemos que λ0 = 0.

2. Para todo u ∈ V y 0 ∈ R tenemos que 0u = 0.

3. Sean λ ∈ R y u ∈ V , si λu = 0 entonces λ = 0 o si no u = 0.

4. Para todo v ∈ V , tenemos que (−1)v = −v.

5. Para todo λ ∈ R y u ∈ V , tenemos que (−λ)u = λ(−u) = −(λu).

Demostración

1. Tenemos que λ0 = λ(0 + 0) = λ0 + λ0 por los axiomas A3 y M3. Utilizando los axiomas
desde A1 a A4 obtenemos 0 = λ0 + [−(λ0)] = (λ0 + λ0) + [−(λ0)] = λ0 + {λ0 +
[−(λ0)]} = λ0 + 0 = λ0, esto es, λ0 = 0.

2. Tenemos que 0u = (0+0)u = 0u+0u, por la propiedad M2. Utilizando los axiomas desde
A1 a A4 obtenemos 0 = 0u + [−(0u)] = (0u + 0u) + [−(0u)] = 0u + {0u + [−(0u)]} =
0u + 0 = 0u, esto es 0u = 0.

3. Si λ ̸= 0 entonces por las propiedades M4 y M1 y por el ítem 1 de este teorema, tenemos

que u = 1u = (λ−1 λ)u = λ−1 (λu) = λ−1 0 = 0.

8
 4. Tenemos −v + v = 0 por el axioma A4. Por otra parte,

(−1)v + v = (−1)v + 1v = (−1 + 1)v = 0v = 0

utilizando el ítem 1 de este teorema y los axiomas M4 y A2. Por lo tanto (−1)v + v =
−v + v (porque ambos son iguales a 0), entonces (−1)v = −v por el Teorema 1.
5. Utilizando las propiedades M2 y el ítem 2 de este teorema, obtenemos λu + (−λ)u =
[λ + (−λ)]u = 0u = 0, así, −(λu) = (−λ)u. Análogamente, utilizando la propiedad M3,
se muestra que −(λu) = λ(−u). 

Ejercicio resuelto 2: Sea V un espacio vectorial. Muestre que si V ̸= {0} entonces V tiene
infinitos elementos.

Solución: Note que si encontramos una funciona f : R → V que sea inyectiva entonces V
tendrá infinitos elementos, pues para cada λ ∈ R corresponderá un elemento distinto f (λ) de
V.

Tomemos v ∈ V , v ̸= 0. Definamos f : R → V por f (λ) = λv. Para mostrar que f es

inyectiva, tomemos λ, µ ∈ R tales que f (λ) = f (µ). Debemos mostrar que λ = µ. Como
λv = f (λ) = f (µ) = µv, obtenemos λv − (µv) = 0. Por el ítem 4 del teorema anterior
tenemos 0 = λv − (µv) = λv + (−µ)v = (λ − µ)v. Como v ̸= 0, por el ítem 3 del mismo
teorema, se sigue que λ − µ = 0, esto es, λ = µ. 

1.2. Subespacio y espacio generado

A menudo nos encontraremos con ciertos subconjuntos de un espacio vectorial que tienen la
propiedad de que la suma de dos de sus elementos es un elemento del subconjunto en sí y
cuando multiplicamos un elemento del subconjunto por un escalar, el resultado aún pertenece
al subconjunto.
Definición 2: Sea V un espacio vectorial. Decimos que U ⊂ V es un subespacio vectorial de
V si se satisfacen las siguientes condiciones:
SV1. 0 ∈ U .
SV2. Si u ,v ∈ U entonces u + v ∈ U .
SV3. Si u ∈ U entonces λu ∈ U para todo λ ∈ R.
Observación 2: Note que todo subespacio vectorial U de un espacio vectorial V es en sí mismo
un espacio vectorial. Las propiedades conmutativas, asociativa, distributivas y M4 son hereda‐
das del propio espacio vectorial V . El elemento neutro de la adición es un elemento de U por
SV1. Finalmente, si u ∈ U entonces −u = (−1)u ∈ U por el ítem 4 del Teorema 1 y por SV3.
Observación 3: Obviamente {0} y V son subespacios vectoriales de V . Son llamados subes‐
pacios triviales.
Observación 4: Note que U es un subespacio vectorial de V si y solamente sí son válidas las
siguientes condiciones:
SV1’. 0 ∈ U ;

9
SV2’. Si u, v ∈ U y λ ∈ R entonces u + λv ∈ U .
Ejemplo 7: Sea P∗n ⊂ Pn , dado por P∗n = {p(x) ∈ Pn : p(0) = 0}.

Verifiquemos que P∗n es, de hecho, un subespacio vectorial de Pn .

1. El polinomio nulo se anula en x = 0, luego, pertenece a P∗n .

2. Si p(x), q(x) ∈ P∗n entonces p(0) + q(0) = 0 y, por tanto, pertenece a P∗n .

3. Si p(x) ∈ P∗n entonces λp(0) = 0 para cualquier λ ∈ R. Así, λp(x) ∈ P∗n .

Ejemplo 8: Verifiquemos que S = {(x, y, z) ∈ R3 : x + y + z = 0} es un subespacio vectorial
de R3 .
1. Es claro que (0, 0, 0) satisface 0 + 0 + 0 = 0.

2. Si (x, y, z), (u, v, w) ∈ S entonces (x+u)+(y+v)+(z+w) = (x+y+z)+(u+v+w) = 0

y, por tanto, (x, y, z) + (u, v, w) ∈ S.

3. Si (x, y, z) ∈ S entonces λx + λy + λz = λ(x + y + z) = 0 para cualquier λ ∈ R. Así,

λ(x, y, z) ∈ S.
Ejemplo 9: Considere el siguiente conjunto S = {y ∈ C1 (R; R) : y ′ − y = 0} donde y ′ repre‐
senta la primera derivada de y. Verifiquemos que S es un subespacio vectorial de C1 (R; R).

1. Claramente la función nula satisface 0′ − 0 = 0.

2. Si y1 , y2 ∈ S entonces (y1 + y2 )′ − (y1 + y2 ) = (y1′ − y1 ) + (y2′ − y2 ) = 0 y, por tanto,

y1 + y2 ∈ S.

3. Si y ∈ S y λ ∈ R entonces (λy)′ − λy = λ(y ′ − y) = 0 para cualquier. Así, λy ∈ S.

Dejamos como ejercicio la verificación de que los siguientes ejemplos son subespacios vecto‐
riales de los respectivos espacios vectoriales.
Ejemplo 10: El conjunto de las funciones continuas de la recta en la recta, C(R; R), es un
subespacio vectorial de F(R).
Z b
Ejemplo 11: El conjunto de las funciones f ∈ C([a, b]; R) tales que f (x) dx = 0 es un
a
subespacio vectorial de C([a, b]; R).
Ejemplo 12: El conjunto de las matrices simétricas cuadradas de orden m con coeficientes
reales es un subespacio vectorial de Mm (R).
Ejemplo 13: Sean m, n ∈ N con m ≤ n. Entonces Pm es un subespacio de Pn .
Ejercicio resuelto 3: Sean a1 , . . . , an ∈ R y
S = {(x1 , . . . , xn ) ∈ Rn /a1 x1 + · · · + an xn = 0}. Muestre que S es un subespacio vectorial
de Rn .
Solución: Vamos a verificar que el conjunto S satisface las tres condiciones de subespacio. En
efecto:
1. Es claro que a1 · 0 + a2 · 0 + · · · + an · 0 = 0, esto muestra que (0, 0, . . . , 0) ∈ S.

10
 2. Sean x = (x1 , . . . , xn ) e y = (y1 , . . . , yn ) elementos de S, luego tenemos:

a1 x1 + · · · + an xn = 0 . . . (1)

y
a1 y1 + · · · + an yn = 0 . . . (2).
Así, x + y = (x1 + y1 , . . . , xn + yn ) verifica
a1 (x1 +y1 )+· · · an (xn +yn ) = (a1 x1 + · · · + an xn ) + (a1 y1 + · · · + an yn ) = 0+0 = 0.
| {z } | {z }
=0 por (1) =0 por (2)
Esto prueba que (x + y) ∈ S.
3. Sean ahora λ ∈ R y x = (x1 , . . . , xn ) ∈ S. Tenemos que λx = λ(x1 , . . . , xn ) =
(λx1 , . . . , λxn ). Así, a1 λx1 + · · · + an λxn = λ (a1 x1 + · · · + an xn ) = λ · 0 = 0. Es
| {z }
=0
decir, λx ∈ S. 

Note que el Ejemplo 8 es un caso particular de este ejercicio.

Acabamos de ver que un subespacio vectorial es un subconjunto de un espacio vectorial cerra‐

do con respecto a la suma de vectores y también con respecto a la multiplicación por escalares.
En otras palabras, cuando sumamos dos vectores de un subespacio vectorial o multiplicamos
un vector de un subespacio por un escalar, el resultado es un elemento de este subespacio.
Cuando combinamos repetidamente estas acciones, tememos lo que llamamos combinacio‐
nes lineales entre vectores. Mas precisamente,
Definición 3: Sean u1 , . . . , un elementos de un espacio vectorial V . Decimos que u es combina‐
ción lineal de u1 , . . . , un si existiesen números reales α1 , . . . , αn tale que u = α1 u1 +· · ·+αn un .
Ejemplo 14: En P2 , el polinomio p(x) = 2 + x2 es una combinación lineal de los polinomios
p1 (x) = 1, p2 (x) = x y p3 (x) = x2 .

Basta ver que p(x) = 2p1 (x) + 0p2 (x) + 1p3 (x).
Ejemplo 15: Verifique que en P2 , el polinomio p(x) = 1 + x2 es una combinación de los
polinomios q1 (x) = 1, q2 (x) = 1 + x y q3 (x) = 1 + x + x2 .

Necesitamos encontrar números reales α1 , α2 y α3 tales que p(x) = α1 q1 (x) + α2 q2 (x) +

α3 q3 (x). O sea, necesitamos encontrar α1 , α2 y α3 satisfaciendo

1 + x2 = α1 + α2 (1 + x) + α3 (1 + x + x2 ) = α1 + α2 + α3 + (α2 + α3 )x + α3 x2 ,

lo que es equivalente al sistema


 α1 + α2 + α3 = 1
α2 + α3 = 0 ⇐⇒ α1 = 1, α2 = −1 y α3 = 1.

α3 = 1
Definición 4: Sean V un espacio vectorial y S un subconjunto no vacío de V . Usaremos el
símbolo gen{S} para denotar al conjunto de todas las combinaciones lineales de los elementos
de S. En otras palabras, u ∈ gen{S} si existiesen α1 , . . . , αn ∈ R y u1 , . . . , un ∈ S tales que

u = α1 u1 + · · · + αn un .

11
De acuerdo a la definición anterior, siendo S = {u1 , u2 , . . . , un } tenemos que:

gen{S} = gen {u1 , u2 , . . . , un } = {α1 u1 + · · · + αn un /αi ∈ R} .

Ejemplo 16: El vector (−1, 3) ∈ gen{(1, 0), (0, 1)} en R2 pues (−1, 3) = −1(1, 0) + 3(0, 1).
Teorema 4: Sean V un espacio vectorial y S un subconjunto no vacío de V . Entonces gen{S}
es un subespacio vectorial de V .
Demostración

1. Como S ̸= ∅ existe u ∈ S. Luego, 0 = 0 · u ∈ gen{S}.

2. Si u, v ∈ gen{S}, entonces existen α1 , . . . , αn , β1 , . . . , βm ∈ R y u1 , . . . , un , v1 , . . . , vm ∈

S tales que u = α1 u1 + · · · + αn un y v = β1 v1 + · · · + βm vm . Así, para todo λ ∈ R,
tenemos
u + λv = α1 u1 + · · · + αn un + λ(β1 v1 + · · · + βm vm )
= α1 u1 + · · · + αn un + λβ1 v1 + · · · + λβm vm ∈ gen{S}.
Luego por la Observación 4, tenemos que gen{S} es un subespacio vectorial de V . 

Definición 5: Sean S y V como en la proposición anterior. Diremos que gen{S} es un subes‐

pacio vectorial generado por S. Los elementos de S son llamados de generadores de gen{S}.
Teorema 5: Sean S y T subconjuntos no vacíos de un espacio vectorial V . Tenemos

1. S ⊂ gen{S};

2. Si S ⊂ T entonces gen{S} ⊂ gen{T };

3. gen{gen{S}} = gen{S};

4. Si S es un subespacio vectorial, entonces S = gen{S};

Demostración

1. Si u ∈ S, entonces u = 1 · u ∈ gen{S}.

2. Si u ∈ gen{S} entonces existen α1 , . . . , αn ∈ R y u1 , . . . , un ∈ S tales que

u = α1 u1 + · · · + αn un . Como S ⊂ T , tenemos que u1 , . . . , un ∈ T y, por tanto,
u ∈ gen{T }.

3. Por el ítem 1 de este Teorema, gen{S} ⊂ gen{gen{S}}. Sea u ∈ gen{gen{S}}. Sigue

de la definición que u es una combinación lineal de elementos de gen{S}, pero como
cada elemento de gen{S} es una combinación lineal de S, o sea , u ∈ gen{S}.

4. Por el ítem 1, S ⊂ gen{S}. Sea u ∈ gen{S}. Entonces u es una combinación lineal

de elementos de S. Como S es un subespacio vectorial, esta combinación lineal es un
elemento de S. 

Observación 5: El ítem 1 del Teorema anterior nos dice que el subespacio más pequeño que
contiene al conjunto S es gen{S}.

12
Definición 6: Decimos que un espacio vectorial V es finitamente generado si existe un sub‐
conjunto finito S ⊂ V tal que V = gen{S}.

Son ejemplos de espacios vectoriales finitamente generados:

1. Pn (R) = gen {1, x, . . . , xn }.

2. Rn es generado por e1 = (1, 0, . . . , 0), e2 = (0, 1, . . . , 0), . . . , en = (0, 0, . . . , 1).

Ejemplo 17: Sea P(R) el espacio vectorial formado por todos los polinomios. Afirmamos que
P(R) no es finitamente generado.

Note que Pn (R) ⊂ P(R) para todo n ∈ N. Si P(R) fuese finitamente generado existirían
polinomios p1 (x), . . . , pn (x) tales que P(R) = gen {p1 (x), . . . , pn (x)}. Sea N el grado más alto
entre de uno de los polinomios p1 (x), . . . , pn (x). Es evidente que xN +1 no puede ser escrito
como combinación lineal de p1 (x), . . . , pn (x) y, así, xN +1 ∈/ gen {p1 (x), . . . , pn (x)} = P(R).
Una contradicción.

Note que P(R) = gen {1, x, x2 , . . . }.

Ejemplo 18: Sea V un espacio vectorial generado por u1 , u2 , . . . , un . Muestre que si, por ejem‐
plo, u1 es una combinación lineal de u2 , . . . , un entonces V es generado por u2 , . . . , un .

Debemos mostrar que cualquier v ∈ V se escribe como una combinación lineal de de u2 , . . . , un .

Sabemos que existen α1 , . . . , αn ∈ R tales que u = α1 u1 + · · · + αn un y existen también
β1 , . . . , βn−1 satisfaciendo u2 = β1 u1 + · · · + βn−1 un . Combinando estas informaciones, obte‐
nemos
u = α1 (β1 u1 + · · · + βn−1 un ) + α2 u2 + · · · + αn un
= (α1 β1 + α2 )u2 + · · · + (α1 βn−1 + αn )un ∈ gen {u2 , . . . , un } .
Ejemplo 19: Sean

U = {(x, y, z, t) ∈ R4 : x − y + t + z = 0} y V = {(x, y, z, t) ∈ R4 : x + y − t + z = 0}. En‐

cuentre un conjunto de generadores para los subespacios vectoriales U y V .

1. Si (x, y, z, t) ∈ U entonces y = x + t + z y, por tanto,

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

esto es,
U = gen {(1, 1, 0, 0), (0, 1, 1, 0), (0, 1, 0, 1)} .

2. Si (x, y, z, t) ∈ V entonces t = x + y + z y, por tanto,

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

esto es,
V = gen {(1, 0, 0, 0), (0, 1, 0, 1), (0, 0, 1, 1)} .

13
Ejemplo 20: Sean u y v dos vectores en un espacio vectorial V . En estas condiciones,

U = gen{u, v} = gen{u + 2v, u − v} = W.

En efecto:
α+β 2α − β
w ∈ U ⇔ existen α, β ∈ R tal que w = αu+βv ⇔ w = (u+2v)+ (u−v) ⇔ w ∈ W.
3 3
Ejercicio resuelto 4: Encuentre el subespacio vectorial de P3 (R) generado por S = {1, t, t2 , 1 + t3 }.

Solución: Note que t3 = (t3 + 1)−1. Así, dado p(t) = a0 +a1 t+a2 t2 + a3 t3 ∈ P3 (R) podemos
escribir p(t) = (a0 − a3 ) + a1 t + a2 t2 + a3 (t3 + 1) ∈ gen{S}. Luego, P3 (R) = gen{S}. 

1.3. Combinación lineal e independencia lineal

En la sección anterior, cuando estudiamos los generadores de un espacio vectorial, tratamos

de encontrar un cierto conjunto de vectores para que cualquier vector del espacio en cuestión
pudiera escribirse como una combinación lineal de los vectores de este conjunto. Por ejemplo,
si v y w generan un espacio V , entonces para cualquier u ∈ V es posible encontrar escalares
α y β que satisfagan u = αv + βw, o sea

αv + βw − 1u = 0.

Tenga en cuenta que la combinación lineal anterior es nula, aunque no todos los escalares que
aparecen en su formación son nulos.

Veamos ahora la siguiente situación: ¿será posible encontrar escalares α, β y γ, no todos nulos,
de modo que en R3

α(1, 0, 0) + β(0, 1, 0) + γ(0, 0, 1) = (0, 0, 0)?

La respuesta es, por supuesto que no. Esto significa que no es posible escribir ninguno de los
vectores anteriores como una combinación lineal de los otros dos. Esta contrasta con lo que
sucede con los vectores u, v y w del ejemplo anterior. En cierto sentido, los vectores en el
primer ejemplo tienen una cierta dependencia entre ellos, mientras que en el segundo, los
tres vectores son independientes.

Veamos, con las definiciones y ejemplos que siguen, cómo podemos hacer que estos conceptos
sean más precisos.
Definición 7: Decimos que una sucesión de vectores u1 , . . . , un de un espacio vectorial V es
linealmente independiente (l.i., abreviadamente) si la combinación lineal α1 u1 +· · ·+αn un = 0
sólo fuese satisfecha cuando los escalares α1 = · · · = αn = 0.
Observación 6: Note que si α1 = · · · = αn = 0 entonces α1 u1 + · · · + αn un = 0, sin
embargo, la recíproca no siempre es valida. Basta ver que, por ejemplo, en R2 tenemos (0, 0) =
1(1, 1) + 1(−1, −1).
Observación 7: La noción de independencia lineal para la sucesión de vectores u1 , . . . , un equi‐
vale a decir que si βi ̸= 0 para algún i ∈ {1, . . . , n} entonces β1 u1 + · · · + βn un ̸= 0.

14
Definición 8: Decimos que una sucesión de vectores u1 , . . . , un de un espacio vectorial V es
linealmente dependiente (l.d., abreviadamente) si no fuese linealmente independiente.
Observación 8: La definición de independencia lineal para la sucesión u1 , . . . , un es equiva‐
lente a decir que es posible encontrar números reales α1 , . . . , αn no todos nulos tales que
α1 u1 + · · · + αn un = 0.
Ejemplo 21: 0, u1 , . . . , un ∈ V es una sucesión l.d., donde 0 es el neutro del espacio vectorial
V.

Basta verificar que 1 · 0 + 0 · u1 + · · · + 0 · un = 0.

Ejemplo 22: Verifique si la sucesión (1, 1, 1), (1, 1, 0), (1, 0, 0) es l.i. en R3 .

Es necesario verificar cuales son las posibles soluciones de

α(1, 1, 1) + β(1, 1, 0) + γ(1, 0, 0) = (0, 0, 0).

Esto es equivalente a resolver el sistema


 α+β+γ =0
α+β =0

γ=0

que posee como única solución, α = β = γ = 0. Luego, la sucesión anterior es l.i.

Ejemplo 23: Considere los vectores en R3 dados por u1 = (x1 , y1 , z1 ), u2 = (x2 , y2 , z2 ) y
u3 = (x3 , y3 , z3 ).

Encuentre una condición necesaria y suficiente para que los vectores u1 , u2 , u3 sean linealmen‐
te independientes.

Veamos, los vectores serán l.i. sí y solamente sí la ecuación α1 u1 + α2 u2 + α3 u3 = 0 admite

como única solución α1 = α2 = α3 = 0. Esto es equivalente a que el sistema

 α1 x1 + α2 x2 + α3 x3 = 0
α1 y 1 + α2 y 2 + α3 y 3 = 0

α1 z1 + α2 z2 + α3 z3 = 0

admita solución única y, como se sabe,esto es equivalente a que la matriz

 
x1 x2 x3
 y1 y2 y3 
z1 z2 z3

tenga determinante distinto a cero. Note que las columnas de esta matriz son formadas por
las coordenadas de u1 , u2 y u3 . El mismo resultado vale si colocamos las coordenadas de los
vectores u1 , u2 y u3 como filas. ¿Por qué?
Ejercicio propuesto 1: Enuncie y demuestre un resultado análogo al ejemplo anterior para una
sucesión con n vectores en Rn .      
1 0 1 1 0 1
Ejemplo 24: Verifique si las matrices , , son l.i. en M2 (R).
0 1 0 1 0 0

15
Busquemos las soluciones de
       
1 0 1 1 0 1 0 0
α +β +γ = ,
0 1 0 1 0 0 0 0
que equivale a    
α+β β+γ 0 0
= ,
0 α+β 0 0
que posee como solución (α, β, γ) = (α, −α, α) para cualquier α ∈ R. De esta forma, la
sucesión de matrices dada es l.d., bastando tomar por ejemplo α = 1, β = −1 y γ = 1.
Ejemplo 25: Verifique si las funciones cos y sen son l.d. en C1 (R, R).

Como cos y sen son funciones definidas en R, la combinación nula

αcos + βsen = 0
significa que αcosx + βsenx = 0 para todo x ∈ R. En particular, para x = 0 vemos que α = 0
y para x = π/2, tenemos β = 0. Por tanto, cos y sen son l.i.
Ejemplo 26: Verifique si las funciones cos2 , sen2 y 1 son l.d. en C1 (R, R).

Como
1 − cos2 x − sen2 x = 0
para todo x ∈ R, resulta que las funciones son l.d.
Ejercicio propuesto 2: Sean f (x) = cos2x, g(x) = cos2 x y h(x) = sen2 x, x ∈ R. Muestre
que f, g y h son l.d. en C1 (R, R).
Teorema 6: Si u1 , . . . , un son l.d. en un espacio vectorial V entonces por lo menos uno de estos
vectores se escribe como combinación lineal de los otros.
Demostración
Necesitamos mostrar que si u1 , . . . , un son l.d., entonces existen j ∈ {1, . . . , n} y números
reales α1 , . . . , αn−1 tales que
uj = α1 u1 + · · · + αj−1 uj−1 + αj uj+1 + · · · + αn−1 un .
Como u1 , . . . , un son l.d. existen números reales β1 , . . . , βn no todos nulos tales que β1 u1 +
· · · + βn un = 0. De esta manera, existe j ∈ {1, . . . , n} tal que βj ̸= 0 y, así,
β1 βj−1 βj+1 βn
uj = − u1 − · · · − uj−1 − uj+1 − · · · − un .
βj βj βj βj

Teorema 7: Si u1 , . . . , un en un espacio vectorial V son l.d., entonces cualquier sucesión finita
de vectores de V que los contiene, también será l.d.
Demostración
Vamos a mostrar que si u1 , . . . , un , un+1 , . . . , um ∈ V son tales que u1 , . . . , un son l.d., enton‐
ces u1 , . . . , un , un+1 , . . . , um también son linealmente dependientes.

Como existen números reales β1 , . . . , βn no todos nulos tales que β1 u1 + · · · + βn un = 0,

podemos escribir
β1 u1 + · · · + βn un + 0 · un+1 + · · · + 0 · um = 0
donde en ésta última expresión no todos los coeficientes son nulos. 

16
Teorema 8: Si u1 , . . . , un , un+1 , · · · , um son l.i. en un espacio vectorial V , entonces cualquier
subsucesión de estos vectores también es l.i.
Demostración
Basta mostrar que si u1 , . . . , un , un+1 , . . . , um son l.i., entonces u1 , . . . , un también lo son.

Supongamos que β1 u1 + · · · + βn un = 0. Pero como

β1 u1 + · · · + βn un = β1 u1 + · · · + βn un + 0 · un+1 + · · · + 0 · um = 0

y estos vectores son l.i., se sigue que β1 = · · · = βn = 0. 

Teorema 9: Si u1 , . . . , un son l.i. en un espacio vectorial V y u1 , . . . , un , un+1 son l.d., entonces
un+1 es combinación lineal de u1 , . . . , un .
Demostración
Existen β1 , . . . , βn+1 no todos nulos tales que

β1 u1 + · · · + βn un + βn+1 un+1 = 0.

Ahora, si βn+1 = 0 entonces la expresión anterior quedaría

β1 u1 + · · · + βn un = 0.

Ahora, los vectores u1 , . . . , un son l.i. y, así, deberíamos tener también β1 = · · · = βn = 0.

Una contradicción. 
Teorema 10: Sean u1 , . . . , un vectores l.i. en un espacio vectorial V . Entonces cada vector
v ∈ gen {u1 , . . . , un } se escribe de manera única como v = α1 u1 + · · · + αn un .
Demostración
Basta mostrar que si α1 u1 + · · · + αn un = β1 u1 + · · · + βn un , entonces αj = βj , j = 1, . . . , n.

Tenemos
(α1 − β1 )u1 + · · · + (αn − βn )un = 0
y como u1 , . . . , un es l.i., entonces αj − βj = 0, esto es, αj = βj para todo j = 1, . . . , n. 
Ejercicio resuelto 5: Verifique, en cada uno de los ítenes a continuación, si el subconjunto S
del espacio vectorial V es l.i. o l.d.

1. S = {(1, 2), (−3, 1)}, V = R2 .

2. S = {1 + t − t2 , 2 + 5t − 9t2 }, V = P2 (R).

Solución:

1. Para el ítem 1. vamos a aplicar la generalización del Ejemplo 23, es decir, vamos a analizar
el determinante de la matriz resultante de colocar las coordenadas de (1, 2) y (−3, 1)
como primera y segunda columna, respectivamente. En efecto:

| 12 −3
1 | = 1 · 1 − 2 · (−3) = 1 + 6 = 7 ̸= 0.

∴ (1, 2) y (−3, 1) son l.i.

17
 2. Para el conjunto S = {1 + t − t2 , 2 + 5t − 9t2 }, donde V = P2 (R), veamos para que
valores de escalares α y β se tiene:

α (1 + t − t2 ) + β (2 + 5t − 9t2 ) = 0 + 0 · t + 0 · t2
α + αt − αt2 + 2β + 5βt − 9βt2 = 0 + 0 · t + 0 · t2
(α + 2β) + (α + 5β)t + (−α − 9β)t2 = 0 + 0 · t + 0 · t2 .

La última igualdad implica el siguiente sistema de ecuaciones lineales:


 α + 2β = 0
α + 5B = 0

−α − 9β = 0

Resolviendo este sistema, vemos que α = β = 0.

∴ el conjunto de vectores de S son l.i.

1.4. Bases, dimensión y coordenadas

1.4.1. Bases

La noción de base de un espacio vectorial es muy simple. Consiste en elegir un conjunto de

generadores que sea lo más pequeño posible, es decir, un conjunto que genera el espacio, pero
si de este conjunto se extrae cualquier elemento, lo que queda ya no genera todo el espacio.

Veamos la definición exacta de base.

Definición 9: Sea V ̸= {0} un espacio vectorial finitamente generado. Una base de V es una
sucesión de vectores de un conjunto B ⊂ V linealmente independientes que también genera a
V , es decir, V es generado por los vectores de B y además los elementos de B son linealmente
independientes.
Ejemplo 27: Los vectores de B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} forman una base de R3 .

Se ve fácilmente que los vectores de B son l.i. y que todo vector (x, y, z) ∈ R3 se escribe como
(x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1).
Ejemplo 28: Los vectores e1 , . . . , en ∈ Rn donde e1 = (1, 0, . . . , 0), e2 = (0, 1, . . . , 0), ...,
en = (0, 0, . . . , 1) forman una base de Rn . A estos vectores unitarios y perpendiculares entre
sí, e1 , e2 , . . ., en de Rn se les llaman base canónica o base estándar de Rn .
Ejemplo 29: Mostremos que los vectores (1, 1) y (1, −1) forman una base de R2 .

Debemos demostrar que estos vectores son l.i. y que cada elemento de R2 se escribe como
una combinación lineal de (1, 1) y (1, −1). Sin embargo, si mostramos que cada elemento de
R2 se escribe de manera única como combinación lineal de (1, 1) y (1, −1) ya mostraremos las
dos propiedades al mismo tiempo ya que la unicidad nos dirá que los vectores dados son l.i.

Sea (x, y) ∈ R2 . Nuestro problema se resume en mostrar que existe un único α ∈ R y un

único β ∈ R tal que (x, y) = α(1, 1) + β(1, −1) = (α + β, α − β). Esta última expresión es

18
equivalente al siguiente sistema lineal

α+β =x
.
α−β =y

Resolviendo el sistema obtenemos una única solución dada por α = x+y 2

y β = x−y 2
. Como
el conjunto solución es único, probamos que los vectores (1, 1) y (1, −1) son l.i. y, además,
generan a R2 .





Ejemplo 30: Las matrices en B = 10 00 , 00 10 , 01 00 , 00 01 forman una base para M2 (R).
Ejercicio resuelto 6: Muestre que una base para P2 (R) está dada por el conjunto
B = {1 + x, 1 − x, 1 − x2 }.

Solución: Usando el mismo método que el Ejemplo 29, mostraremos que cualquier elemento
de P2 (R) = {a0 + a1 x + a2 x2 : a0 , a1 a2 ∈ R} se puede escribir como combinación lineal de
los elementos de B de manera única. En efecto: Sean α, β y γ tales que


α(1 + x) + β(1 − x) + γ 1 − x2 = a0 + a1 x + a2 x2 ,
esto equivale a
α + αx + β − βx + γ − γx2 = a0 + a1 x + a2 x2 ⇔
(α + β + γ) + (α − β)x − γx2 = a0 + a1 x + a2 x2 .
Esta última expresión es equivalente al sistema lineal

 α + β + γ = a0
α − β = a1 .

−γ = a2
Resolviendo este sistema, vemos que la solución única está dada por


 α = a0 +a21 +a2



β = a0 −a21 +a2 .





γ = −a2
Esto prueba que cualquier polinomio de grado menor o igual a 2 en x se puede escribir como
combinación lineal de los elementos de B de manera única. Esto es: Dado a0 + a1 x + a2 x2 de
P2 (R) tenemos que a0 + a1 x + a2 x2 = a0 +a21 +a2 (1 + x) + a0 −a21 +a2 (1 − x) − a2 (1 − x2 ).

Por lo tanto, B es una base de P2 (R).

Teorema 11: Sea {u1 , . . . , un } una base de V . Entonces {u1 , . . . , un−1 } ya no es una base de
V.
Demostración
Si {u1 , . . . , un−1 } fuese una base de V entonces existirían αj ∈ R, j = 1, . . . , n − 1 tales que
un = α1 u1 + · · · + αn−1 un−1 ,
esto es
α1 u1 + · · · + αn−1 un−1 − un = 0,
contradiciendo el hecho de que u1 , . . . , un son linealmente independientes. 

19
Teorema 12: Todo espacio vectorial V ̸= {0} finitamente generado admite una base. En otras
palabras, hay una sucesión de vectores l.i. de V formada por generadores.
Demostración
Como V ̸= {0} y es finitamente generado, existen u1 , . . . , un ∈ V tales que V = gen {u1 , . . . , un }.
Si u1 , . . . , un fuesen l.i.,entonces esta sucesión es una base de V y ya no habría más nada que
mostrar.

Supongamos que u1 , . . . , un sean l.d. Podemos suponer que uj ̸= 0, j = 1, . . . , m. Como

u1 ≠ 0, u1 es l.i. Ahora, si todo uj , j = 2, . . . , n se pudiese escribir como combinación lineal
de u1 entonces V = gen {u1 } y u1 es una base de V . En el caso de que esto no ocurra, existe
algún uj , con 2 ≤ j ≤ n tal que u1 , uj son l.i. Por simplicidad, supongamos que sea el u2 , esto
es, u1 , u2 son l.i.. Ahora bien, si todos los vectores u3 , . . . , un fuesen combinaciones lineales
de u1 y u2 entonces V = gen {u1 , u2 } y u1 , u2 forman una base de V . Podemos repetir este
proceso y como el número de elementos de L = {u1 , . . . , un } es finito, el proceso termina.
De este modo, existe una sucesión de vectores l.i. entre los vectores de L que genera V . Esta
sucesión forma una base de V . 

1.4.2. Dimensión

Teorema 13: En un espacio vectorial V ̸= {0} finitamente generado, toda base tiene el mismo
número de elementos.
Demostración
Sean {u1 , . . . , un } y {v1 , . . . , vm } bases de un espacio vectorial V finitamente generado. Su‐
pongamos que n > m y mostremos que esto implicará que {u1 , . . . , un } son l.d., lo que sería
una contradicción ya que {u1 , . . . , un } forman una base.

Como los vectores {v1 , . . . , vm } generan V podemos escribir para cada 1 ≤ j ≤ n,

uj = α1j v1 + α2j v2 + · · · + αmj vm .

Así, la combinación lineal nula x1 u1 + · · · + xn un = 0 es equivalente a

! !
Xm Xm
x1 αi1 vi + · · · + xn αin vi = 0,
i=1 i=1

o todavía ! !
X
n X
n
xj α1j v1 + · · · + xj αmj vm = 0.
j=1 j=1

X
n
Como {v1 , . . . , vm } son l.i., entonces xj αij = 0 para todo 1 ≤ i ≤ m. Estas m ecuaciones
j=1
representan un sistema lineal homogéneo con n incógnitas. Como n > m, existe una solución
no trivial, esto es, una solución x1 , . . . , xn donde por lo menos un xj es diferente de cero. Así,
u1 , . . . , un son l.d., una contradicción. 

20
Definición 10: Sea V un espacio vectorial finamente generado. Si V = {0}, definimos a la
dimensión de V como cero. Si V ̸= {0}, definimos la dimensión de V igual al número de ele‐
mentos de una base cualquiera de V . Utilizaremos el símbolo dim V para denotar la dimensión
de V .
Definición 11: Si un espacio vectorial V no es finitamente generado decimos que posee di‐
mensión infinita.
Teorema 14: Todo espacio vectorial de dimensión infinita posee una infinidad de vectores li‐
nealmente independientes, o sea, existen vectores uj , j ∈ N, de modo que la sucesión u1 , . . . ,
un es linealmente independiente para todo n ∈ N.
Demostración
Sea V un espacio vectorial de dimensión infinita. Claramente V ̸= {0}. Seleccione u1 ∈ V ;
u1 ̸= 0. Como V no es finitamente generado, V ̸= gen{u1 }. Así, podemos tomar u2 ∈ V tal
que u2 ∈ / gen{u1 }. De esta forma, los vectores u1 y u2 son linealmente independientes.

Supongamos que ya hemos encontrado los vectores u1 , . . . , un ∈ V linealmente indepen‐

dientes. Como V no es finitamente generado, V ̸= gen{u1 , · · · , un } y, así, es posible elegir
un+1 ∈ V tal que un+1 ∈/ gen{u1 , . . . , un }, es decir, los vectores u1 , . . . , un , un+1 ∈ V son
linealmente independientes.

En resumen, hay en V una sucesión infinita de vectores linealmente independientes. 

La siguiente proposición es el resultado de la demostración del Teorema 13.

Proposición 1: En un espacio vectorial de dimensión m cualquier sucesión de vectores con
más de m elementos es linealmente dependiente.
Proposición 2: Todo subespacio vectorial de un espacio vectorial de dimensión finita también
tiene dimensión finita.
Demostración
Sea V un espacio vectorial de dimensión finita y W sea un subespacio vectorial de V . Si W tu‐
viese una dimensión infinita, por Teorema el 14, habría una infinidad de vectores linealmente
independientes en W . Como estos vectores también son linealmente independientes en V , el
numero de ellos debe ser menor que la dimensión de V (por la Proposición 1). Una contradic‐
ción. 
Corolario 1: Si V es un espacio vectorial n−dimensional y u1 , . . . , un son vectores linealmente
independientes de V , entonces estos vectores forman una base de V .
Ejemplo 31: dim Rn = n.
Ejemplo 32: La dimensión de P(R) es infinita. Vea el Ejemplo 17.
Ejemplo 33: La dimensión de Pn (R) es finita. Basta notar que los polinomios 1, x, x2 , . . . , xn
forman una base para Pn (R).
Teorema 15 (Completamiento): Sea V un espacio vectorial de dimensión n. Si los vectores
u1 , . . . , ur son l.i. en V con r < n, entonces existen ur+1 , . . . , un tales que u1 , . . . , ur , ur+1 , . . . , un
forman una base de V .
Demostración
Como r < n existe ur+1 ∈ V tal que u1 , . . . , ur , ur+1 son l.i., pues de lo contrario los vectores
u1 , . . . , ur formarían una base de V , lo que es imposible pues dim V = n > r.

21
Si r + 1 = n, entonces u1 , . . . , ur , ur+1 forman una base de V .

Si r + 1 < n, entonces ur+2 ∈ V tal que u1 , . . . , ur , ur+1 , ur+2 son l.i., pues de lo contrario los
vectores u1 , . . . , ur , ur+1 sería una base de V , lo que es imposible pues dim V = n > r + 1.

Repitiendo los argumentos anteriores, encontramos vectores ur+1 , ur+2 , . . . , ur+k donde r +
k = n, de forma que
u1 , . . . , ur , ur+1 , . . . , ur+k
son l.i. y, como dim V = n = r + k, se sigue que esta sucesión de vectores es una base de V
que contiene a los vectores u1 , . . . , ur . 
Ejemplo 34: Encuentre una base de R3 que contenga al vector (1, 1, −1).

Como la dimensión de R3 es tres, necesitamos encontrar dos vectores (a, b, c) y (x, y, z), que
justamente con (1, 1, −1) sean l.i. Sabemos que esto es equivalente a que el determinante de
 
1 a x
 1 b y 
−1 c z

que está dado por x(b + c) − y(a + c) + z(b − a) sea diferente de cero. Existe una infinidad
de posibilidades para que esto ocurra. Por ejemplo, tomando (a, b, c) = (0, 1, 1) y (x, y, z) =
(0, 0, 1).
Proposición 3 (Intersección de Subespacios): Sean U y W subespacios vectoriales de V . En‐
tonces U ∩ V es un subespacio vectorial de V .
Demostración

1. Como 0 ∈ U y 0 ∈ W entonces 0 ∈ U ∩ W .

2. Si x, y ∈ U ∩ W y λ ∈ R entonces x + λy ∈ U y x + λy ∈ W . Por tanto, x + λy ∈ U ∩ W .


Observación 9: Note que el subespacio U ∩ W está, obviamente, contenido en ambos subes‐
pacios: U y W .

Con la notación anterior, ¿podemos afirmar que U ∪ W es un subespacio vectorial de V ?.

Explíquese.
Definición 12: Sean U y W subespacios vectoriales de un espacio vectorial V . Definimos la
suma de U y W como U + W = {u + w : u ∈ U, w ∈ W }.
Proposición 4 (Suma de Subespacios): Sean U, W y V como en la definición anterior. Entonces
U + V es un subespacio vectorial de V . Además, (U ∪ W ) ⊂ (U + W ).
Demostración
Verifiquemos que U + W es un subespacio vectorial de V .

1. Como 0 ∈ U y 0 ∈ W entonces 0 = 0 + 0 ∈ (U + W );

22
 2. Sean x1 , x2 ∈ (U + W ) entonces xj = uj + wj , uj ∈ U, wj ∈ W, j = 1, 2. Ahora, si
λ ∈ R entonces x1 +λx2 = u1 +w1 +λ(u2 +w2 ) = (u1 +λu2 )+(w1 +λw2 ) ∈ (U + W ),
pues U y W son subespacios vectoriales.


Observación 10: Note que trivialmente {0} ⊂ U ∩ W si U y W son subespacios vectoriales.
Teorema 16: Sea V un espacio vectorial de dimensión finita. Si U y W son subespacios vecto‐
riales de V entonces

dim(U ∩ W ) + dim(U + W ) = dim U + dim W (1)

Demostración
Debemos recordar que todo subespacio de un espacio vectorial de dimensión finita tiene tam‐
bién dimensión finita.

Sean v1 , . . . , vm elementos de una base de U ∩ W . Como estos vectores son l.i. y pertenecen a
U , por el Teorema 15, existen u1 , . . . , up ∈ U tales que u1 , . . . , up , v1 , . . . , vm forman una base
de U . Por otro lado, v1 , . . . , vm también pertenecen a W y por el mismo teorema es posible
encontrar w1 , . . . , wq ∈ W de modo que w1 , . . . , wq , v1 , . . . , vm forman una base de w.

Con la notación usada, tenemos dim(U ∩W ) = m, dim U = m+p y dim W = m+q. Entonces
para mostrar que (1) es válida, es necesario y, en verdad, suficiente mostrar que dim(U +W ) =
m + p + q. Para hacerlo, basta mostrar que los vectores

u1 , . . . , u p , w 1 , . . . , w q , v 1 , . . . , v m (2)

forman una base de U + W .

Mostremos primeramente que ellos generan U + W : Dado v ∈ U + W existen u ∈ U y w ∈ W

tales que v = u + w. Como u es una combinación lineal de u1 , . . . , up , v1 , . . . , vm y w es una
combinación lineal de w1 , . . . , wq , v1 , . . . , vm se sigue que v = u + w es una combinación lineal
de u1 , . . . , up , w1 , . . . , wq , v1 ,
. . . , vm . Por tanto,

U + W = gen{u1 , . . . , up , w1 , . . . , wq , v1 , . . . , vm }.

Verifiquemos que los vectores de (2) son l.i.. Supongamos que

α1 u1 + · · · + αp up + β1 w1 + · · · + βq wq + δ1 v1 + · · · + δm vm = 0, (3)

o sea

U ∋ α1 u1 + · · · + αp up + δ1 v1 + · · · + δm vm = −β1 w1 − · · · − βq wq ∈ W.

Luego,
−β1 w1 − · · · − βq wq ∈ U ∩ W = gen {v1 , . . . , vm } .
Consecuentemente, existen γ1 , . . . , γm tales que

−β1 w1 − · · · − βq wq = γ1 v1 + · · · + γm vm ,

23
o sea,
β1 w1 + · · · + βq wq + γ1 v1 + · · · + γm vm = 0.
Como w1 , . . . , wq , v1 , . . . , vm son l.i., pues forman una base de W , se sigue que γ1 = · · · =
γm = β1 = · · · = βq = 0. Así, la ecuación (3) se reduce a
α1 u1 + · · · + αp up + δ1 v1 + · · · + δm vm = 0
y como u1 , . . . , up , v1 , . . . , vm son l.i., pues forman una base de U , se sigue que
α1 = · · · = αp = δ1 = · · · = δm = 0,
de donde se concluye que los vectores de (2) son linealmente independientes. 
Corolario 2: Sea U un subespacio vectorial de un espacio vectorial de dimensión finita V . Si
dim U = dim V entonces U = V .
Demostración
Supongamos que existe u1 ∈ V con u1 ∈ / U . Sea W = gen{u1 }. Como U ∩ W = {0} y
dim W = 1, se sigue del Teorema anterior que
dim(U + W ) = dim U + 1 = dim V + 1 > dim V.
Un absurdo, pues dim(U + W ) ≤ dim V . 
Ejemplo 35: Sean U = {p(x) ∈ P3 (R) : p(0) = p(1) = 0} y

W = {p(x) ∈ P3 (R) : p(−1) = 0}. Encuentre una base para U, W, U ∩ W y U + W.

U: Tenemos
p(x) = a0 + a1 x + a2 x2 + a3 x3 ∈ U ⇐⇒ p(0) = p(1) = 0

a0 = 0
⇐⇒
a0 + a1 + a2 + a3 = 0 .



⇐⇒ p(x) = − (a2 + a3 ) x + a2 x + a3 x = a2 x2 − x + a3 x3 − x
2 3

De este modo, U = gen {x2 − x, x3 − x} y estos polinomios son l.i. pues como cada uno tienen
un grado diferente del otro, ninguno puede ser múltiplo del otro. Así, x2 − x y x3 − x forman
una base de U.

W:
p(x) = a0 + a1 x + a2 x2 + a3 x3 ∈ W
⇐⇒p(−1) = 0 ⇐⇒ a0 − a1 + a2 − a3 = 0
⇐⇒p(x) = a0 + (a0 + a2 − a3 ) x + a2 x2 + a3 x3



=a0 (1 + x) + a2 x2 + x + a3 x3 − x
De este modo, W = gen {1 + x, x2 + x, x3 − x} y estos polinomios son l.i. pues como cada
uno tienen un grado diferente del otro, ninguno puede ser una combinación lineal del otro. Así,
1 + x, x2 + x y x3 − x forman una base de W.

U ∩ W:

 a0 = 0
p(x) = a0 + a1 x + a2 x + a3 x ∈ U ∩ W ⇐⇒
2 3
a0 + a1 + a2 + a3 = 0

a0 − a1 + a2 − a3 = 0

24
 
a0 = a2 = 0

⇐⇒ ⇐⇒ p(x) = −a1 x3 − x
a1 = −a3
Luego, x3 − x es una base de U ∩ W.

U + W: Tenemos que dim(U + W) = 2 + 3 − 1 = 4 = dim P3 (R). Por el corolario anterior

tenemos que U + W = P3 (R) y podemos tomar como base los polinomios 1, x, x2 y x3 .

1.4.3. Coordenadas

Sea V un espacio vectorial finamente generado y B una base de V formada por los vectores
u1 , . . . , un . Como B es una base de V , todo elemento de u ∈ V se escribe como α1 u1 + · · · +
αn un , con los coeficientes αi ∈ R, i = 1, 2, . . . , n. Por una proposición anterior los coeficientes
αi ∈ R, i = 1, 2, . . . , n están determinados únicamente por el vector u. Estos coeficientes son
denominados coordenadas de u con relación a la base B. Representaremos las coordenadas
de u con relación a la base B como
 
α1
 α2 
 
uB =  ..  .
 . 
αn B
Ejercicio resuelto 7: Muestre que los vectores (1, 1, 1), (0, 1, 1) y (0, 0, 1) forman una base
de R3 . Encuentre las coordenadas de (1, 2, 0) ∈ R3 con relación a la base B formada por los
vectores anteriores.

Solución: Ya sabemos que dim R3 = 3. Para verificar si los vectores anteriores forman una base
de V , basta verificar que ellos son l.i. En efecto, como el determinante de la matriz
 
1 0 0
 1 1 0 
1 1 1
es igual a 1 ̸= 0, concluimos que (1, 1, 1), (0, 1, 1) y (0, 0, 1) son l.i. y por tanto es una base de
R3 .

Ahora bien,
(1, 2, 0) = α(1, 1, 1) + β(0, 1, 1) + γ(0, 0, 1) = (α, α + β, α + β + γ)
que es equivalente al sistema 
 α=1
α+β =2

α+β+γ =0
cuya(única) solución es α = 1, β = 1 y γ = −2. De esta manera, las coordenadas de (1, 2, 0)
en relación a la base B son dadas por
 
1
 1  .
−2 B

25
Ejercicio resuelto 8: Muestre que los polinomios 1, x, x2 − x formar una base, B, de P2 (R).
Encuentra las coordenadas de 1 + x + x2 con respecto a la base B. Encuentre también las
coordenadas de este mismo polinomio con respecto a la base C formada por los polinomios 1,
x y x2 .

Solución: Para verificar que 1, x, x2 − x formar una base de P2 (R) basta mostrar que cada
polinomio p(x) = a0 + a1 x + a2 x2 ∈ P2 (R) se escribe de manera única como combinación
lineal de 1, x y x2 −x. Esto es equivalente a mostrar que la ecuación p(x) = α1+βx+γ (x2 − x)
posee una única solución (α, β, γ) ∈ R3 . La ecuación anterior se escribe como

a0 + a1 x + a2 x2 = α + (β − γ)x + γx2 ,

que es equivalente al sistema 

 α = a0
β − γ = a1

γ = a2
que posee una única solución dada por α = a0 , β = a1 + a2 y γ = a2 .

Con estos valores, vemos que las coordenadas de 1+x+x2 en relación a la base B están dadas
por  
1
 2  .
1 B
Note que en relación de la base C formada por 1, x y x2 las coordenadas de 1 + x + x2 están
dadas por  
1
 1  .
1 C

26
 Bibliografía

D LAY, (1999):. Algebra lineal y sus aplicaciones. México: Pearson; segunda edición.

GROSSMAN STANLEY, (1996):. Algebra lineal. México: McGRAW‐HILL; quinta edición.

LARSON R, (2013):. College Algebra. Cegaje Learning; novena edición.

VANCE E, (1986):. Álgebra y trigonometría. Buenos Aires: Addison Wesley; segunda edición.

W. KEITH NICHOLSON, (2013):. Linear algebra with applications. Estados Unidos de América:
McGRAW‐HILL.583 p.; séptima edición.

WILLIAMS CA GARETH, (2002):. Álgebra Lineal con aplicaciones. México: McGRAW‐HILL; cuarta
edición.

27