Equipo Docente 35

4 TEMA IV: VECTORES

Conceptos clave más importantes Vector • Escalar • Espacio vectorial • Subes-

pacio vectorial • Combinaciones lineales • Sistemas de vectores • Vectores lineal-
mente dependientes y sistema ligado • Vectores linealmente independientes y sis-
tema libre • Sistemas de generadores • Bases • Dimensión • Rango de un sistema de
vectores • Ecuaciones paramétricas y ecuaciones implícitas • Columna básica de una
matriz • Codimensión

Resumen del tema

El conjunto Rn : vectores  El conjunto Rn es el que tiene por elementos las

n-uplas de números reales, es decir: (x1 , x2 , . . . , xn ) donde x1 , x2 , . . . , xn son núme-
ros reales. Si n = 2, los elementos de R2 son pares ordenados: (x1 , x2 ); si n = 3, los
elementos de R3 son ternas; si n = 4, los elementos de R4 son cuaternas.
Denotamos las n-uplas con letras en negrita; verbigracia: x = (x1 , x2 , . . . , xn ).
De esta n-upla, sus componentes primera, segunda, . . . , n-ésima son, respectiva-
mente, x1 , x2 , . . . , xn .

 Se define la suma de dos n-uplas (x1 , x2 , . . . , xn ) y (y1 , y2 , . . . , yn ) como

(x1 , x2 , . . . , xn ) + (y1 , y2 , . . . , yn )
= (x1 + y1 , x2 + y2 , . . . , xn + yn )

(suma componente a componente), y el producto de una n-upla (x1 , x2 , . . . , xn ) por

un número λ como

λ(x1 , x2 , . . . , xn ) = (λx1 , λx2 , . . . , λxn ).

Propiedades de la adición:
• asociativa: (x + y) + z = x + (y + z);
• la n-upla nula: 0 = (0, 0, . . . , 0) (con n ceros), es el elemento neutro de la adi-
ción: x + 0 = 0 + x = x;
• cada n-upla es simetrizable: esto es, para cada n-upla x = (x1 , x2 , . . . , xn ),
su opuesta, definida así: −x = −(x1 , x2 , . . . , xn ) = (−x1 , −x2 , . . . , −xn), es tal
que x + (−x) = (−x) + x = 0;
• conmutativa: x + y = y + x.
La adición articula el conjunto Rn como un grupo abeliano.
Propiedades de la multiplicación por números:
• asociativa (en los números): λ(μx) = (λμ)x;

Universidad Nacional de Educación a Distancia

36 Matemáticas I (Grado de ADE)

• distributiva respecto de la adición de números:

(λ + μ)x = λx + μx;
• distributiva respecto de la adición de n-uplas:
λ(x + y) = λx + λy;
• neutra para el número 1: 1x = x.
El hecho de que se verifiquen las ocho propiedades anteriores se sintetiza afir-
mando que el conjunto Rn , dotado de la adición y de la multiplicación por números,
es un espacio vectorial sobre R. Cuando trabajemos con Rn , implícitamente conside-
raremos su estructura de espacio vectorial, y llamaremos vectores a sus elementos,
y escalares a los elementos de R.

 Dos vectores son iguales precisamente si sus componentes correspondientes son

iguales. Es decir, la igualdad vectorial (x1 , x2 , . . . , xn ) = (y1 , y2 , . . . , yn ) es equiva-
lente a las n igualdades escalares x1 = y1 , x2 = y2 , . . . , xn = yn .
 
 Dada una matriz A = aij que es de orden (n, m), su j-ésimo vector columna
es el vector de Rn cuyas componentes son los términos de la j-ésima columna de A,
es decir: (a1j , a2j , . . . , anj ); y su i-ésimo vector fila es el vector de Rm cuyas compo-
nentes son los términos de la i-ésima fila de A, esto es: (ai1 , ai2 , . . . , aim ).
Para una matriz de orden (n, m), hay m vectores columna y n vectores fila.

 Decimos que un vector u es igual a una combinación lineal de k vectores da-

dos v 1 , v 2 , . . . , v k si existen k escalares α1 , α2 , . . . , αk tales que:

u = α1 v 1 + α2 v 2 + · · · + αk v k .

Nos referiremos a los números α1 , α2 , . . . , αk como los coeficientes de la combinación

lineal.
Caso particular k = 1: u es combinación lineal de v 1 precisamente si u es múltiplo
de v 1 .
Método práctico: El vector u es igual a alguna combinación lineal de los k vec-
tores v 1 , v 2 , . . . , v k precisamente si admite solución el sistema de ecuaciones li-
neales cuya matriz ampliada es la matriz que tiene por vectores columna los vec-
tores v 1 , v 2 , . . . , v k y u (en este orden); además, cada solución de este sistema da
unos coeficientes para la combinación lineal.
Propiedad: si un vector es combinación lineal de unos vectores, y cada uno de
estos lo es a su vez de otros vectores dados, entonces el primer vector también es
combinación lineal de estos últimos.

Subespacios vectoriales  Dado un conjunto F , no vacío, de vectores, F subcon-

junto de R : F ⊆ R , decimos que F es un subespacio vectorial de Rn (o simple-
n n

mente un subespacio de Rn ) si se satisfacen estas dos condiciones:

Universidad Nacional de Educación a Distancia

Equipo Docente 37

• si x ∈ F y y ∈ F , entonces x + y ∈ F ;
• si λ ∈ R y x ∈ F , entonces λx ∈ F .

 Propiedades y algunos tipos de subespacios vectoriales:

• cualquier subespacio vectorial presenta, por sí mismo, estructura de espacio
vectorial;
• el vector nulo: 0, es un vector de cualquier subespacio vectorial de Rn ;
• si calculamos una combinación lineal de vectores de un subespacio vectorial
dado, el resultado es un vector que sigue perteneciendo al subespacio vectorial;
• los conjuntos Rn y {0} son subespacios vectoriales de Rn ;
• dados unos vectores, el conjunto formado por todos los vectores que son com-
binación lineal de ellos es un subespacio vectorial;
• dado un sistema de ecuaciones lineales homogéneo de n incógnitas, el conjunto
de sus soluciones es un subespacio vectorial de Rn .

 Se denomina subespacio vectorial (o simplemente subespacio) generado por

unos vectores v 1 , v 2 , . . . , v k de Rn al subespacio vectorial de Rn formado por todas
 
las combinaciones lineales de estos vectores. Se denota: L v 1 , v 2 , . . . , v k .
Si F es un subespacio vectorial de Rn y unos vectores v 1 , v 2 , . . . , v k de Rn verifi-
 
can: L v 1 , v 2 , . . . , v k = F , decimos que los vectores v 1 , v 2 , . . . , v k son unos genera-
dores del subespacio vectorial F (o que generan el subespacio vectorial F ).
Propiedades
   
• si v es un vector (nulo o no) y λ es un número no nulo, entonces L v = L λv ;
• si v 1 y v 2 son dos vectores no nulos tales que uno es múltiplo del otro, enton-
     
ces: L v 1 , v 2 = L v 1 = L v 2 .

 Decimos que un subespacio vectorial F de Rn es una recta de Rn si existe algún

 
vector no nulo v de Rn tal que F = L v . En este caso, decimos también que el
vector v es un vector director de la recta F .
Decimos que un subespacio vectorial G de Rn es un plano de Rn si existen dos
vectores no nulos v 1 y v 2 de Rn , ninguno de los dos múltiplo del otro, de modo
 
que G = L v 1 , v 2 . En tal caso, además decimos que los vectores v 1 y v 2 son unos
vectores directores del plano G.

 Generadores de Rn : una condición necesaria y suficiente para que unos vectores

de Rn generen Rn es que la matriz que los tiene como vectores columna tenga rango
igual a n.
Consecuencia: para generar el espacio vectorial Rn , hacen falta al menos n vec-
tores.

Universidad Nacional de Educación a Distancia

38 Matemáticas I (Grado de ADE)

Independencia lineal  Dados unos vectores, decimos que son linealmente de-
pendientes si alguno de ellos se puede escribir como combinación lineal de los
demás.
Definición equivalente: los k vectores v 1 , v 2 , . . . , v k son linealmente dependien-
tes precisamente si existen k escalares α1 , α2 , . . . , αk , no simultáneamente nulos,
tales que α1 v 1 + α2 v 2 + · · · + αk v k = 0.
Propiedades:
• si entre unos vectores está el vector nulo, entonces tales vectores son lineal-
mente dependientes;
• un solo vector es linealmente dependiente precisamente si es nulo;
• dos vectores tales que uno es múltiplo del otro son linealmente dependientes;
• dados unos vectores linealmente dependientes, el que entre ellos sea igual a
una combinación lineal de los demás es superfluo en el sentido siguiente: si
lo “eliminamos”, los que quedan generan el mismo subespacio vectorial que
generan todos juntos.

 Dados unos vectores, decimos que son linealmente independientes si no son

linealmente dependientes, es decir, si ninguno de ellos se puede escribir como com-
binación lineal de los demás.
Definición equivalente: los vectores v 1 , v 2 , . . . , v k son linealmente independien-
tes precisamente si de la igualdad α1 v 1 + α2 v 2 + · · · + αk v k = 0 se deduce necesa-
riamente que α1 = α2 = . . . = αk = 0.
Propiedades:
• si entre unos vectores dados está el vector nulo, entonces tales vectores no son
linealmente independientes;
• un solo vector es linealmente independiente precisamente si es no nulo;
• dos vectores tales que ninguno es múltiplo del otro son linealmente indepen-
dientes;
• dados unos vectores linealmente independientes, cada uno de ellos es impre-
scindible en el sentido siguiente: si lo “eliminamos”, los restantes no generan el
mismo subespacio que generan todos juntos;
• dados unos vectores v 1 , v 2 , . . . , v k linealmente independientes, cualquier vec-
 
tor del subespacio vectorial L v 1 , v 2 , . . . , v k se puede escribir de una única
manera como combinación lineal de los vectores v 1 , v 2 , . . . , v k .

 Método práctico: Dados unos vectores, se forma la matriz que los tiene como
vectores columna. Si la matriz tiene rango menor que el número de vectores, en-
tonces los vectores son linealmente dependientes; si tiene rango igual al número de
vectores, entonces los vectores son linealmente independientes.

Universidad Nacional de Educación a Distancia

Equipo Docente 39

 Un sistema de vectores es una lista, o colección, finita ordenada de vectores

de un mismo espacio vectorial. Unos vectores v 1 , v 2 , . . . , v k de Rn forman (en este
 
orden) un sistema de vectores de Rn , que se escribe así: v 1 , v 2 , . . . , v k .
A veces denotaremos los sistemas de vectores con letras mayúsculas en negrita: S,
B, etc.

 Decimos que un sistema de vectores es un sistema ligado si los vectores que

lo forman son linealmente dependientes, y decimos que es un sistema libre si tales
vectores son linealmente independientes.
Propiedades:
• un sistema de vectores en el que figure el vector nulo es ligado;
 
• un sistema con un solo vector: v , es ligado si v = 0, y es libre si v ≠ 0;
• si a un sistema de vectores que es libre le adjuntamos un vector que no es igual
a una combinación lineal de los vectores del sistema, entonces el sistema nuevo
también es un sistema libre;
• si en un sistema de vectores intercambiamos dos vectores, o multiplicamos un
vector por un número no nulo, o sumamos a un vector un múltiplo de otro,
obtenemos otro sistema del mismo tipo que el de partida: si el primero es
ligado, el segundo también; si el primero es libre, el segundo también.
 
 Diremos de un sistema de vectores v 1 , v 2 , . . . , v k que es un sistema de gene-
radores de un subespacio vectorial F de Rn si los vectores v 1 , v 2 , . . . , v k son unos
 
generadores de F , es decir, si L v 1 , v 2 , . . . , v k = F .
Propiedad: si en un sistema de generadores de un subespacio vectorial intercam-
biamos dos vectores, o multiplicamos un vector por un número no nulo, o sumamos
a un vector un múltiplo de otro, obtenemos un sistema de vectores que sigue siendo
un sistema de generadores del mismo subespacio vectorial.
 
 Un sistema de vectores B = v 1 , v 2 , . . . , v k de un subespacio vectorial F es
una base del subespacio vectorial F si se verifica: B es un sistema de generadores
 
de F (es decir: L v 1 , v 2 , . . . , v k = F), y B es libre (o lo que es lo mismo: los vec-
tores v 1 , v 2 , . . . , v k son linealmente independientes).
Propiedades:
• una condición necesaria y suficiente para que un sistema de vectores de Rn sea
una base de Rn es que esté formado por n vectores tales que el rango de la
matriz que los tiene como vectores columna sea igual a n;
• el número de vectores que figura en una base de un subespacio vectorial es el
máximo múmero de vectores linealmente independientes que hay en el subes-
pacio vectorial;
• dado un subespacio vectorial, todas las bases que tenga presentan el mismo
número de vectores;

Universidad Nacional de Educación a Distancia

40 Matemáticas I (Grado de ADE)

• el subespacio vectorial {0} no admite base;

• cualquier subespacio vectorial de Rn distinto del subespacio vectorial {0} ad-
mite alguna base.
 
Dada una base B = v 1 , v 2 , . . . , v k de un subespacio vectorial F de Rn , si v es
un vector de F , entonces existen unos únicos números α1 , α2 , . . . , αk que cumplen
que v = α1 v 1 + α2 v 2 + · · · + αk v k . Decimos que estos números α1 , α2 , . . . , αk (en
este orden) son las coordenadas del vector v en la base B.
La base canónica de Rn , que se denota por BC , es el sistema de vectores formado
por los vectores columna de la matriz identidad In :
 
BC = (1, 0, . . . , 0), (0, 1, . . . , 0), . . . , (0, 0, . . . , 1) .

Se trata de una base de Rn . Las coordenadas de un vector en la base canónica son

precisamente sus componentes.

 Si F es un subespacio vectorial de Rn distinto del subespacio vectorial {0}, en-

tonces admite base: se denomina dimensión del subespacio vectorial F a la cantidad
de vectores de cualquiera de sus bases, y se designa por dim F .
Decimos que el subespacio vectorial {0} es de dimensión nula, o de dimensión
igual a 0; se escribe: dim{0} = 0.
Propiedades (consideramos un subespacio vectorial F de Rn ):
• las rectas son los subespacios vectoriales de dimensión igual 1, y los planos son
los subespacios vectoriales de dimensión igual a 2;
• la dimensión de un subespacio vectorial coincide con el número máximo de
vectores linealmente independientes del subespacio (si dim F = p  1, hay
algún sistema libre de vectores de F formado por p vectores, pero un sistema
de vectores de F que tenga más de p vectores es ligado);
• un sistema libre con tantos vectores como marque la dimensión es una base
(si dim F = p  1 y tenemos p vectores v 1 , v 2 , . . . , v p de F que son linealmente
 
independientes, entonces el sistema v 1 , v 2 , . . . , v p es una base de F );
• también, un sistema de generadores con tantos vectores como marque la di-
mensión resulta ser una base (si dim F = p  1 y v 1 , v 2 , . . . , v p son p vectores
 
que generan F , entonces el sistema v 1 , v 2 , . . . , v p es una base de F );
• dim Rn = n;
• la dimensión de cualquier subespacio vectorial de Rn es menor o igual que la
de Rn , y se da la igualdad solamente para el mismo Rn .

 El rango de unos vectores v 1 , v 2 , . . . , v k , o el rango de un sistema de vecto-

 
res v 1 , v 2 , . . . , v k , es el número máximo de vectores linealmente independientes
 
entre ellos. Se denota por rango v 1 , v 2 , . . . , v k .
Propiedades:

Universidad Nacional de Educación a Distancia

Equipo Docente 41

• el rango de unos vectores es igual a la dimensión del subespacio vectorial que

   
los vectores generan: rango v 1 , v 2 , . . . , v k = dim L v 1 , v 2 , . . . , v k ;
• el rango de un sistema de vectores no varía si ejecutamos en el sistema alguna
de estas manipulaciones: intercambiar dos vectores, multiplicar un vector por
un número no nulo, y sumar a un vector un múltiplo de otro.
Método práctico: El rango de unos vectores es igual al rango de la matriz que los
tiene como vectores columna, y también es igual al rango de la matriz que los tiene
como vectores fila.

 Recopilación de los métodos prácticos: dados unos vectores de Rn , calculamos su

rango (como el rango de la matriz que los tiene como vectores columna, o el de la
matriz que los tiene como vectores fila). Se cumple:
• si el rango resulta menor que la cantidad de vectores, entonces los vectores son
linealmente dependientes;
• si el rango es igual que la cantidad de vectores, entonces los vectores son li-
nealmente independientes;
• si el rango es menor que el número de componentes de los vectores (es decir,
menor que n), entonces los vectores no son generadores de Rn ;
• si el rango es igual al número de componentes de los vectores (es decir, igual
a n), entonces los vectores son generadores de Rn ;
• si el rango es igual, a la vez, a la cantidad de vectores y al número de compo-
nentes de estos, entonces los vectores forman una base de Rn .

 Dada una matriz, llamamos columna básica a cualquier columna tal que la co-
lumna correspondiente de alguna de sus formas escalonadas presenta un pivote.
Dados unos vectores, escribimos la matriz cuyos vectores columna son los vec-
tores dados: entre estos vectores, aquellos que se corresponden con las columnas
básicas de la matriz descrita forman una base del subespacio vectorial generado por
todos los vectores juntos.
Con el mismo fin, este cálculo no se puede llevar a cabo en la matriz cuyos vec-
tores fila son los vectores dados: solo con la que los tiene como vectores columna.

Ecuaciones de un subespacio vectorial  Consideramos un sistema de genera-

 
dores v 1 , v 2 , . . . , v k de un subespacio vectorial F de Rn . Escribimos el sistema de
ecuaciones lineales, en las incógnitas λ1 , λ2 , . . . , λk , cuya matriz de coeficientes tiene
por vectores columna los vectores v 1 , v 2 , . . . , v k y cuya matriz de términos indepen-
dientes tiene por vector columna un vector genérico (x1 , x2 , . . . , xn ). Decimos que
este sistema es un sistema de ecuaciones paramétricas del subespacio vectorial F
(también decimos que sus ecuaciones son unas ecuaciones paramétricas del subes-
pacio vectorial F ). Si v i = (vi1 , vi2 , . . . , vin ) (para cada 1  i  k), el sistema de

Universidad Nacional de Educación a Distancia

42 Matemáticas I (Grado de ADE)

ecuaciones paramétricas toma la forma:

⎧
⎪
⎪ x1 = v11 λ1 + v21 λ2 + · · · + vk1 λk ,
⎪
⎪
⎪
⎪
⎨ x2 = v12 λ1 + v22 λ2 + · · · + vk2 λk ,
⎪ .......................................
⎪
⎪
⎪
⎪
⎪
⎩x = v λ + v λ + ···+ v λ .
n 1n 1 2n 2 kn k

Las incógnitas de un sistema de ecuaciones paramétricas también reciben el nombre

de parámetros.
Dado un sistema de ecuaciones paramétricas de un subespacio vectorial de Rn
que esté escrito a partir de k generadores del subespacio, los vectores del subespacio
vectorial son aquellos cuyas componentes x1 , x2 , . . . , xn se obtienen dando valores
a los parámetros λ1 , λ2 , . . . , λk en las ecuaciones del sistema.
Propiedades:
• la dimensión de un subespacio vectorial es igual al rango de la matriz de coefi-
cientes de cualquier sistema de ecuaciones paramétricas que lo represente;
• afirmar que dos sistemas de ecuaciones paramétricas representan un mismo
subespacio vectorial es equivalente a afirmar que las matrices de coeficientes
de ambos sistemas cumplen esta propiedad: tras añadir columnas nulas a la
que menos columnas tenga de forma que ambas queden del mismo orden, una
de las matrices se puede obtener de la otra mediante la aplicación de transfor-
maciones elementales por columnas sucesivas;
• cuando se escribe un sistema de ecuaciones paramétricas de un subespacio
vectorial, se minimiza la cantidad de parámetros si el sistema de generadores
a partir del cual se escribe el sistema de ecuaciones es una base del subespa-
cio vectorial (además, en este caso, tal cantidad de parámetros coincide con la
dimensión del subespacio).

 Si un subespacio vectorial F de Rn es tal que coincide con el conjunto de solu-

ciones de un sistema de ecuaciones lineales homogéneo (de n incógnitas), decimos
que el sistema homogéneo es un sistema de ecuaciones implícitas del subespacio
vectorial F (o simplemente que las ecuaciones del sistema homogéneo son unas ecua-
ciones implícitas del subespacio vectorial F ).
Teorema fundamental del Álgebra Lineal: El conjunto de soluciones de un sis-
tema de ecuaciones lineales homogéneo con n incógnitas, con matriz de coeficien-
tes A, es un subespacio vectorial de Rn de dimensión igual a n − rango A.
Propiedades:
• afirmar que dos sistemas de ecuaciones implícitas representan un mismo subes-
pacio vectorial es equivalente a afirmar que las matrices de coeficientes de am-
bos sistemas cumplen esta propiedad: tras añadir filas nulas a la que menos

Universidad Nacional de Educación a Distancia

Equipo Docente 43

filas tenga de forma que ambas resulten del mismo orden, una de las matrices
se puede obtener de la otra mediante la aplicación de transformaciones elemen-
tales por filas sucesivas;
• para representar un subespacio vectorial de Rn de dimensión igual a d, d < n,
el número mínimo de ecuaciones implícitas es n − d.
Dado un sistema de ecuaciones implícitas de un subespacio vectorial de Rn de
dimensión igual a d (con d < n) en el que figuren más de n − d ecuaciones, es posible
descartar ecuaciones implícitas, de entre las dadas, de forma que queden al final n−d
ecuaciones que sigan siendo ecuaciones implícitas del mismo subespacio vectorial.
Para ello, podemos proceder así: escribimos la traspuesta de la matriz de coeficientes
del sistema dado y calculamos sus columnas básicas; si en la citada matriz de coe-
ficientes del sistema nos quedamos solo con aquellas filas que se corresponden con
estas columnas básicas, el sistema de ecuaciones lineales homogéneo cuya matriz de
coeficientes es esta nueva matriz verifica lo que queremos.

 Paso de ecuaciones implícitas a paramétricas: Se resuelve el sistema de ecuaciones

implícitas: al escribir todas sus soluciones según el método visto en el Capítulo I,
ya quedan escritas unas ecuaciones paramétricas (además, a partir de estas últimas
—en los vectores columna de su matriz de coeficientes—, se leen unos vectores ge-
neradores).

 Paso de ecuaciones paramétricas a implícitas: Se discute el sistema de ecuaciones

paramétricas según los valores de x1 , x2 , . . . , xn : las ecuaciones implícitas son las
condiciones que deben cumplir x1 , x2 , . . . , xn para que el sistema sea compatible,
bien determinado, bien indeterminado (tras escalonar la matriz ampliada del sistema
de ecuaciones paramétricas, las ecuaciones implícitas se obtienen al igualar a 0 las ex-
presiones lineales en x1 , x2 , . . . , xn que quedan, en la última columna, acompañando
a las filas nulas de la matriz de coeficientes). Este procedimiento se denomina elimi-
nación de parámetros.
De la misma forma es posible escribir unas ecuaciones implícitas a partir de unos
generadores.

 Se llama codimensión de un subespacio vectorial F de Rn , y se denota: codim F ,

a la diferencia entre la dimensión de Rn y la de F : codim F = dim Rn − dim F (que es
igual a n − dim F ).
Propiedades:
• la codimensión de un subespacio vectorial es igual al rango de la matriz de
coeficientes de cualquier sistema de ecuaciones implícitas que lo determine;
• la codimensión de un subespacio vectorial establece el número mínimo de ecua-
ciones implícitas necesarias para definirlo.

Universidad Nacional de Educación a Distancia

44 Matemáticas I (Grado de ADE)

 Decimos que un subespacio vectorial H de Rn es un hiperplano vectorial de Rn

si codim H = 1.
De otra forma equivalente: un hiperplano vectorial de Rn es un subespacio vec-
torial de Rn que coincide con el conjunto de soluciones de una ecuación lineal de la
forma a1 x1 + a2 x2 + · · · + an xn = 0, con a1 , a2 , . . . , an no simultáneamente nulos.
Los hiperplanos de R3 son precisamente los planos de R3 , y los hiperplanos de R2
son justamente las rectas de R2 .

Universidad Nacional de Educación a Distancia