Facultad de Administración y Ciencias Sociales

Universidad ORT Uruguay

Matemática 2
Carrera: Licenciatura en Economía

Resumen Teórico Nº 5
Contenido: El espacio vectorial Rn

Material realizado con fines educativos

por Dr. Erik Caseres
 VECTORES
1. VECTORES EN Rn
Definición 1.1:
Un vector de dimensión n es un arreglo o n-upla ordenada de números reales la cual se representará como
(a1 , a2 , … , an ). Los números reales a1 , a2 , … , an reciben el nombre de componentes del vector. Se utiliza el
símbolo Rn para representar el conjunto de todos los vectores del espacio de dimensión n, esto es:
Rn = {(a1 , a2 , … , an ): ai ∈ R}
En general, los vectores serán identificados con una letra minúscula y una flecha en la parte superior. De esta
manera, si se decide identificar al vector (a1 , a2 , … , an ) con la letra u, entonces se escribirá 𝑢
⃗ = (a1 , a2 , … , an ).
Un vector también se puede considerar como una matriz de orden 1 x n (vector fila), o como una matriz de
orden n x 1 (vector columna).

A continuación se pasará a estudiar el conjunto Rn para los casos particulares n = 2 y n = 3.

➢ En el caso n = 2 se tiene el conjunto R2 formado por los arreglos o vectores de la forma 𝑢

⃗ = (a1 , a2 )
Geométricamente el vector 𝑢
⃗ = (a1 , a2 ) se puede visualizar como un segmento de recta dirigido
representado por una flecha cuyo punto inicial es el origen de coordenadas (0,0) y su punto final es (a1 , a2 )
Véase la siguiente figura:

1
➢ En el caso n = 3 se tiene el conjunto R3 formado por los arreglos o vectores de la forma 𝑢
⃗ = (a1 , a2 , a3 ).
Geométricamente el vector 𝑢
⃗ = (a1 , a2 , a3 ) se puede visualizar como un segmento de recta dirigido
representado por una flecha cuyo punto inicial es el origen de coordenadas (0,0,0) y su punto final es
(a1 , a2 , a3 ). Véase la siguiente figura:

A partir de n = 4 en adelante no se puede hacer una representación gráfica y debemos conformarnos con operar
algebraicamente con estos elementos.

Igualdad de vectores
⃗ = (a1 , a2 , … , an ) y 𝑣 = (b1 , b2 , … , bn ) en Rn son iguales (𝑢
Dos vectores 𝑢 ⃗ = 𝑣) si y sólo si coinciden
componente a componente. Esto es:
𝑢
⃗ = 𝑣 ⇔ ai = bi para cada i = 1,2, … , n.

2
2. OPERACIONES CON VECTORES Y DEFINICIONES BÁSICAS

Definición 2.1:
➢ Sean 𝑢
⃗ = (a1 , a2 , … , an ) y 𝑣 = (b1 , b2 , … , bn ) vectores en Rn. Entonces se definen las siguientes
operaciones:
Suma de vectores Multiplicación de un escalar real por un vector

𝛼𝑢
⃗ = (𝛼a1, 𝛼a2 , … , 𝛼an )
𝑢
⃗ + 𝑣 = (a1 + b1 , a2 + b2 , … , an + bn )
Nota: un escalar real es “otra forma”de referirse a un número real

➢ El vector cero o vector nulo se define como O = (0,0, … ,0).

➢ El vector opuesto de 𝑢 ⃗ = (−1). 𝑢
⃗ = (a1 , a2 , … , an ) se define como: −𝑢 ⃗
➢ Para los mismos vectores 𝑢
⃗ = (a1 , a2 , … , an ) y 𝑣 = (b1 , b2 , … , bn ) en Rn se define la sustracción como el
vector dado por: 𝑢
⃗ −𝑣 =𝑢
⃗ + (−𝑣)

Ejemplo 2.1:
Considere los vectores 𝑢
⃗ = (2, −3, 1) y 𝑣 = (5, 4, −2). Calcular:

a. 𝑢
⃗ +𝑣 b. 2𝑢
⃗ + 3𝑣 c. 𝑢
⃗ −𝑣
Solución:
a. 𝑢
⃗ + 𝑣 = (2, −3,1) + (5,4, −2) = (7, 1, −1)

⃗ + 3𝑣 = 2(2, −3,1) + 3(5,4, −2) = (4, −6,2) + (15,12, −6) = (19, 6 , −4)
b. 2𝑢

c. 𝑢 ⃗ + (−𝑣) = (2, −3,1) + (−5, −4, 2) = (−3, −7, 3)

⃗ −𝑣 =𝑢

Observación:
La sustracción de la parte (c) también se puede hacer directamente así:

⃗ − 𝑣 = (2, −3,1) −(5,4, −2) = (2 − 5, −3 − 4, 1 − (−2)) = (−3, −7, 3)

𝑢

La sustracción es posible realizarla directamente como se acaba de mostrar por el hecho de que las componentes de
los vectores que estamos trabajando son números reales y las operaciones vectoriales definidas están dadas en
términos de operaciones comunes de números reales. En otros casos, no se podría proceder de tal forma.

3
A continuación se enuncian las propiedades que satisfacen las operaciones vectoriales definidas anteriormente.

Teorema 2.1:
Sean 𝑢 ⃗⃗ vectores en Rn y consideremos  y  dos escalares reales. Entonces:
⃗,𝑣y 𝑤
1) 𝑢
⃗ +𝑣=𝑣+𝑢
⃗ (conmutatividad de la suma)
2) (𝑢
⃗ + 𝑣) + 𝑤
⃗⃗ = = 𝑢
⃗ + (𝑣 + 𝑤
⃗⃗ ) (Asociatividad de la suma)
3) 𝑢
⃗ +O=𝑢
⃗ (elemento neutro de la suma vectorial)
4) 𝑢
⃗ + (−𝑢
⃗ ) = (−𝑢
⃗)+𝑢
⃗ = O (elemento opuesto aditivo)
5) (α + β)𝑢
⃗ = α𝑢
⃗ + β𝑢
⃗
6) α(𝑢
⃗ + 𝑣 ) = α𝑢
⃗ + α𝑣
7) (αβ)𝑢 ⃗ ) = β(α𝑢
⃗ = α(β𝑢 ⃗)
8) 1. 𝑢
⃗ =𝑢
⃗
9) 0. 𝑢
⃗ =O
La demostración de este teorema se deduce fácilmente a partir de la definición 2.1 y de las propiedades de las operaciones con
números reales. Las puede encontrar en las referencias [1] o [4].

Observaciones:
A. Las operaciones de suma de vectores y multiplicación de un escalar real por un vector definidas en Rn
satisfaciendo, además, las propiedades del teorema anterior hacen que Rn adquiera la estructura de lo
que en álgebra lineal se como un Espacio Vectorial real.

B. Similarmente ocurre con las matrices (estudiadas en el primer parcial). La suma de matrices y la
multiplicación de un número real por una matriz satisfaciendo las mismas propiedades del teorema
anterior (pero con matrices), hacen que el conjunto de las matrices junto con tales operaciones
adquiera también la estructura de Espacio Vectorial Real.

En general: un espacio vectorial real es un conjunto no vacío V de objetos llamados vectores, junto con dos
operaciones internas de suma y multiplicación por escalar real, que satisfacen las propiedades del teorema
anterior. En el caso A los vectores son las n-uplas (a1 , a2 , … , an ) mientras que en el caso B los vectores son
las matrices de orden m x n.

4
Definición 2.2:
➢ Sean 𝑢
⃗ = (a1 , a2 , … , an ) y 𝑣 = (b1 , b2 , … , bn ) vectores en Rn. Entonces se define el producto interno de
estos vectores como sigue:
𝑢
⃗ ∙ 𝑣 = a1 . b1 + a2 . b2 + ⋯ + an . bn

Nótese de la definición 2.2 que cuando se calcula el producto interno entre dos vectores el resultado es un
número real.

➢ Se define la norma (o longitud) del vector 𝑢

⃗ = (a1 , a2 , … , an ) de la siguiente manera:

⃗ ‖ = √𝑢
‖𝑢 ⃗ = √a12 + a22 + ⋯ + a2n
⃗ ∙𝑢

⃗ ‖2 = 𝑢
Observemos que ‖𝑢 ⃗ … [*]
⃗ ∙𝑢

Ejemplo 2.2:
Considere nuevamente los vectores 𝑢
⃗ = (2, −3, 1) y 𝑣 = (5, 4, −2) del ejemplo 2.1. Calcular:

a. 𝑢
⃗ ∙𝑣 b. ‖𝑢
⃗‖ c. ‖𝑢
⃗ − 𝑣‖

Solución:
⃗ ∙ 𝑣 = 2.5 + (−3). 4 + 1. (−2) = 10 − 12 − 2 = −4
a. . 𝑢

⃗ ‖ = √22 + (−3)2 + 12 = √14

b. ‖𝑢

c. Del ejemplo 2.1(c) sabemos que 𝑢

⃗ − 𝑣 = (−3, −7, 3). Luego,

⃗ − 𝑣‖ = √(−3)2 + (−7)2 + 32 = √67

‖𝑢

5
 En el caso de R2, la norma de cualquier vector En el caso de R3, la norma de cualquier vector 𝑢
⃗ =
𝑢
⃗ = (a1 , a2 ) se interpreta como la longitud del (a1 , a2 , a3 ) también se interpreta como la longitud del
segmento orientado que representa al vector. segmento orientado que representa al vector.

Teorema 2.2 (propiedades del producto interno)

Sean 𝑢 ⃗⃗ vectores en Rn y consideremos  en R. Entonces:
⃗,𝑣y 𝑤
1) 𝑢
⃗ ∙𝑣=𝑣∙𝑢
⃗
⃗ ∙ (𝑣 + 𝑤
2) 𝑢 ⃗⃗ ) = 𝑢
⃗ ∙𝑣+𝑢
⃗ ∙𝑤
⃗⃗
3) α(𝑢
⃗ ∙ 𝑣) = (α 𝑢
⃗)∙𝑣 =𝑢
⃗ ∙ (α𝑣 )
4) 𝑢
⃗ ∙𝑢
⃗ > 0 si 𝑢
⃗ ≠O y𝑢
⃗ ∙𝑢
⃗ = 0 si 𝑢
⃗ = O , donde O = (0,0,...,0)
La demostración de este teorema se deduce fácilmente a partir de la definición 2.2 y de las propiedades de las operaciones con
números reales. Las puede encontrar en las referencias [1] o [4].

Teorema 2.3 (propiedades de la norma)

⃗ y 𝑣 vectores en Rn y consideremos  en R. Entonces:
Sean 𝑢
i. ‖𝑢
⃗ ‖ ≥ 0. Además ‖𝑢
⃗‖=0↔𝑢
⃗ =O
ii. ‖α𝑢
⃗ ‖ = |α|‖𝑢
⃗‖
iii. ‖𝑢
⃗ − 𝑣 ‖ = ‖𝑣 − 𝑢
⃗‖
iv. ‖𝑢
⃗ + 𝑣 ‖ ≤ ‖𝑢
⃗ ‖ + ‖𝑣‖ (Desigualdad triangular)

6
Definición 2.3:
⃗ ≠ O será unitario si, y solo si, ‖𝑢
Un vector 𝑢 ⃗ ‖ = 1.

1
Dado cualquier vector 𝑢
⃗ ≠ O, no necesariamente unitario, se puede demostrar que 𝑤
⃗⃗ = ‖𝑢⃗‖ ∙ 𝑢
⃗ es un vector

unitario en el mismo sentido de 𝑢

⃗ . En efecto:
1 1 1 1 1 1
𝑤 ⃗⃗ = (
⃗⃗ ∙ 𝑤 ⃗ )(
∙𝑢 ⃗)=
∙𝑢 (𝑢 ⃗)=
⃗ ∙𝑢 2
(𝑢
⃗ ∙ 𝑢
⃗ ) = 2
⃗ ‖2 = 1
‖𝑢
‖𝑢
⃗ ‖ ‖𝑢
⃗ ‖ ‖𝑢
⃗ ‖ ‖𝑢
⃗ ‖ ‖𝑢
⃗ ‖ ‖𝑢
⃗ ‖

1
Así: 𝑤
⃗⃗ ∙ 𝑤 ⃗⃗ ‖2 = 1 → ‖𝑤
⃗⃗ = 1 → ‖𝑤 ⃗⃗ ‖ = 1 y por tanto 𝑤
⃗⃗ = ‖𝑢⃗‖ ∙ 𝑢
⃗ es unitario.
1
Además, como 𝑤
⃗⃗ = ∙𝑢
⃗ entonces 𝑤
⃗⃗ y 𝑢
⃗ tienen el mismo sentido ya que 𝑤
⃗⃗ se obtiene multiplicando al
‖𝑢
⃗‖
1
vector 𝑢
⃗ por ‖𝑢⃗‖ el cual es un número real positivo (es decir, 𝑤
⃗⃗ y 𝑢
⃗ son colineales y con el mismo sentido).

Ejemplo 2.3:
Hallar un vector unitario, colineal y en el mismo sentido que el vector 𝑢
⃗ = (2,3,0, −1)
Solución:
Para comenzar notemos que 𝑢
⃗ = (2,3,0, −1) es un vector no nulo (no todas las componentes son iguales a
cero). Entonces para hallar un vector unitario, colineal y con el mismo sentido que 𝑢
⃗ = (2,3,0, −1) basta
calcularlo aplicando la fórmula anterior:
1
𝑤
⃗⃗ = ∙𝑢
⃗
‖𝑢
⃗‖
⃗ ‖ = √22 + 32 + 02 + (−1)2 = √14
‖𝑢

1 1 2 3 1
𝑤
⃗⃗ = ∙𝑢
⃗ = ∙ (2,3,0, −1) = ( , , 0, − )
‖𝑢
⃗‖ √14 √14 √14 √14

2 3 1
Por consiguiente, 𝑤
⃗⃗ = ( , , 0, − ) cumple con las condiciones pedidas.
√14 √14 √14

Definición 2.4:
Si 𝑢
⃗ y 𝑣 son vectores no nulos, entonces el ángulo θ entre 𝑢
⃗ y 𝑣 se define como:
𝑢
⃗ .𝑣
θ = cos −1 ( ) , con θ ∈ [0, π].
‖𝑢
⃗ ‖‖𝑣‖

7
Definición 2.5:
π
Dos vectores 𝑢
⃗ y 𝑣 son ortogonales (o perpendiculares) si θ = 2 , o si uno de los vectores es el vector nulo.

Ejemplo 2.4:
➢ Los vectores 𝑖 = (1,0) y 𝑗 = (0,1) reciben el nombre de vectores canónicos de R2. Dichos vectores son
unitarios. Además son ortogonales.

⃗ = (0,0,1) reciben el nombre de vectores canónicos de R3. Dichos

➢ Los vectores 𝑖 = (1,0,0), 𝑗 = (0,1,0) y 𝑘
vectores son unitarios. Además son ortogonales entre sí.

➢ En general, los vectores canónicos de Rn están dados por:

𝑒1 = (1,0, … ,0), ⃗⃗⃗
⃗⃗⃗ 𝑒2 = (0,1, … ,0), … , ⃗⃗⃗⃗
𝑒𝑛 = (0,0, … ,1)
Estos vectores son unitarios y ortogonales entre sí.

La demostración de este teorema las puede encontrar en las referencias [1] o [4].

8
Teorema 2.4 (criterio de ortogonalidad)
⃗ y 𝑣 vectores en Rn. Entonces 𝑢
Sean 𝑢 ⃗ y 𝑣 son ortogonales ↔ 𝑢
⃗ .𝑣 = 0
Veamos la forma de utilizar el teorema anterior de criterio de ortogonalidad en la resolución de algunos
problemas.

Ejemplo 2.5:
⃗ ‖2 = 6 y que el vector dado por 𝑣 =
⃗ = (−ℎ, ℎ, 𝑘). Hallar h y k positivos sabiendo que ‖𝑢
Considera el vector 𝑢
(2, −4,3) es ortogonal con 𝑢
⃗.

Solución:
⃗ ‖2 = 6 → 𝑢
‖𝑢 ⃗ .𝑢
⃗ =6

→ (−ℎ)2 + ℎ2 + 𝑘2 = 6

→ ℎ2 + ℎ2 + 𝑘 2 = 6

→ 2ℎ2 + 𝑘 2 = 6. . . [I]

Como 𝑣 = (2, −4,3) es ortogonal con 𝑢

⃗ , entonces por el criterio de ortogonalidad del teorema 2.5 se tiene que
𝑢
⃗ .𝑣 = 0

→ (−ℎ, ℎ, 𝑘). (2, −4,3) = 0

→ −2ℎ − 4ℎ + 3𝑘 = 0

→ −6ℎ + 3𝑘 = 0

→ 3𝑘 = 6ℎ

→ 𝑘 = 2ℎ

Sustituyendo k = 2h en [I] tenemos: 2ℎ2 + (2ℎ)2 = 6 → 6ℎ2 = 6 → ℎ = ±1

9
Como en el problema nos piden que h debe ser positivo, nos quedamos con h = 1. Solo resta buscar el valor de
k. Ya que 𝑘 = 2ℎ, entonces 𝑘 = 2.1 = 2
En consecuencia, h = 1 y 𝑘 = 2. Para estos valores, el vector sería 𝑢
⃗ = (−1,1,2)

Teorema 2.6 (Desigualdad de Cauchy- Schwarz)

⃗ y 𝑣 vectores en Rn. Entonces:
Sean 𝑢
|𝑢
⃗ . 𝑣 | ≤ ‖𝑢
⃗ ‖‖𝑣‖
La demostración de este teorema las puede encontrar en las referencias [1] o [4].

Nota: el teorema de la Desigualdad de Cauchy- Schwarz nos dice que el valor absoluto del número real que se
obtiene como resultado del producto interno 𝑢
⃗ . 𝑣 siempre es menor o igual que el producto de las normas de los
vectores 𝑢 ⃗ . 𝑣 está acotado superiormente por ‖𝑢
⃗ y 𝑣. En otras palabras, 𝑢 ⃗ ‖‖𝑣‖.

⃗ . 𝑣 = ‖𝑢
A partir de la Desigualdad de Cauchy- Schwarz se puede demostrar que 𝑢 ⃗ ‖‖𝑣‖cosθ, donde θ ∈ [0, π].
Este valor de  se conoce como el ángulo entre los vectores 𝑢
⃗ y 𝑣.

Definición 2.6
⃗ y 𝑣 vectores en Rn, con 𝑣 ≠ O. La proyección del vector 𝑣 sobre el vector 𝑢
Sean 𝑢 ⃗ se define como el siguiente
vector:
𝑣 .𝑢
⃗
Proy𝑢⃗ (𝑣) = ( ).𝑢
⃗
⃗ ‖2
‖𝑢

10
 ⃗ en R2 se La proyección del vector 𝑣 sobre el vector 𝑢
La proyección del vector 𝑣 sobre el vector 𝑢 ⃗ en R3
interpreta de la siguiente forma: se interpreta como sigue:

El vector rojo sería Proy𝑢⃗ (𝑣). También podría quedar

El vector verde sería Proy𝑢⃗ (𝑣). También podría
en sentido opuesto al vector 𝑢
⃗.
quedar en sentido opuesto al vector 𝑢
⃗.

Ejemplo 2.6:
Consideremos nuevamente los vectores 𝑢
⃗ = (2, −3, 1) y 𝑣 = (5, 4, −2) del ejemplo 2.1. Calcular la
proyección del vector 𝑣 sobre el vector 𝑢
⃗.
Solución:
𝑣 .𝑢
⃗
Proy𝑢⃗ (𝑣) = ( ).𝑢
⃗
⃗ ‖2
‖𝑢

⃗ = (5, 4, −2). (2, −3, 1) = 10 − 12 − 2 = −4

𝑣 .𝑢

⃗ ‖2 = 22 + (−3)2 + 12 = 14
‖𝑢

𝑣 .𝑢
⃗ −4 4 6 2
Proy𝑢⃗ (𝑣) = ( ) . 𝑢
⃗ = ( ) (2, −3, 1) → Proy𝑢⃗ (𝑣 ) = (− , ,− )
‖𝑢⃗ ‖2 14 7 7 7

11
3. SUBESPACIO GENERADO POR UN CONJUNTO DE VECTORES EN Rn

Definición 3.1
Sean 𝑣 , ⃗⃗⃗⃗
𝑣1 , ⃗⃗⃗⃗ 𝑣𝑘 vectores en Rn. Se dice que 𝑣 es una combinación lineal (CL) de los vectores ⃗⃗⃗⃗
𝑣2 , … , ⃗⃗⃗⃗ 𝑣1 , ⃗⃗⃗⃗
𝑣2 , … , ⃗⃗⃗⃗
𝑣𝑘
si, y sólo si, existen números reales α1 , α2 , … , αk tales que:

𝑣 = α1 ⃗⃗⃗⃗
𝑣1 + α2 ⃗⃗⃗⃗
𝑣2 + ⋯ + αk ⃗⃗⃗⃗
𝑣𝑘

Ejemplo 3.1:
Determinar si el vector 𝑣 = (-2, 3, 27) es combinación lineal de los vectores ⃗⃗⃗⃗
𝑣1 = (2, −1,3) , ⃗⃗⃗⃗
𝑣2 = (4,0,6) y
𝑣3 = (8, −2, −3)
⃗⃗⃗⃗
Solución:
Veamos si existen números reales α, β y λ tales que: 𝑣 = α𝑣
⃗⃗⃗⃗1 + β𝑣
⃗⃗⃗⃗2 + λ𝑣
⃗⃗⃗⃗3
→(−2, 3, 27) = α(2, −1,3) + β(4,0,6) + λ(8, −2, −3)

→(−2, 3, 27) = (2α, −α, 3α) + (4β, 0,6β) + (8λ, −2λ, −3λ)

2α + 4β + 8λ = −2
→{ −α − 2λ = 3
3α + 6β − 3λ = 27

Al analizar este sistema, se obtiene que el mismo es compatible determinado y su solución es:

α = 1, β = 3 y λ = −2

Por tanto, (−2, 3, 27) = 1(2, −1,3) + 3(4,0,6) − 2(8, −2, −3)

Es decir, 𝑣 = (-2, 3, 27) si es combinación lineal de los vectores ⃗⃗⃗⃗

𝑣1 , ⃗⃗⃗⃗
𝑣2 y ⃗⃗⃗⃗
𝑣3 .

Ejemplo 3.2:
Determinar si el vector (4,5,5) puede ser expresado como combinación lineal de los vectores (1,2,3), (-1,1,4) y
(3,3,2).

Solución:
Veamos si existen números reales α, β y λ tales que:

(4,5,5) = α(1, 2,3) + β(−1,1, 4) + λ(3,3, 2)

12
Este problema nos conduce al siguiente sistema:

α − β + 3λ = 4

2α + β + 3λ = 5
3α + 4β + 2λ = 5

Es fácil ver que este sistema posee infinitas soluciones (compatible indeterminado) y la solución general es:
α = −2λ + 3, β=λ−1 , λ es libre

En consecuencia, el vector (4,5,5) puede ser expresado de infinitas formas como combinación lineal de los
vectores (1,2,3) , (-1,1,4) y (3,3,2).
Por ejemplo, si λ = 3 obtenemos α = −3, β = 2 y λ = 3 → (4,5,5) = −3(1, 2,3) + 2(−1,1, 4) + 3(3,3, 2)

Si λ = -1 obtenemos α = 5, β = −2 y λ = −1 → (4,5,5) = 5(1, 2,3) − 2(−1,1, 4) − (3,3, 2)

Observación: si el sistema resulta ser incompatible, entonces el vector 𝑣 no sería CL de los vectores
𝑣1 , ⃗⃗⃗⃗
⃗⃗⃗⃗ 𝑣2 , … , ⃗⃗⃗⃗
𝑣𝑘

Definición 3.2:
Sean ⃗⃗⃗⃗
𝑣1 , ⃗⃗⃗⃗ 𝑣𝑘 vectores en Rn. Al conjunto de todos los posibles vectores de Rn que se puedan escribir como
𝑣2 , … , ⃗⃗⃗⃗
combinación lineal de ⃗⃗⃗⃗
𝑣1 , ⃗⃗⃗⃗
𝑣2 , … , ⃗⃗⃗⃗
𝑣𝑘 se conoce como subespacio vectorial generado por estos vectores y se
representa de la siguiente manera:

𝑔𝑒𝑛({𝑣
⃗⃗⃗⃗1 , ⃗⃗⃗⃗ 𝑣𝑘 })
𝑣2 , … , ⃗⃗⃗⃗

Es decir:
𝑔𝑒𝑛({𝑣
⃗⃗⃗⃗1 , ⃗⃗⃗⃗ 𝑣𝑘 }) = {𝑣 ∈ R𝑛 ∶ 𝑣 = α1 ⃗⃗⃗⃗
𝑣2 , … , ⃗⃗⃗⃗ 𝑣1 + α2 ⃗⃗⃗⃗ 𝑣𝑘 para ciertos números reales α1 , α2 , … , αk }
𝑣2 + ⋯ +αk ⃗⃗⃗⃗

Cuando todo vector de Rn se puede escribir como combinación lineal de ⃗⃗⃗⃗

𝑣1 , ⃗⃗⃗⃗
𝑣2 , … , ⃗⃗⃗⃗
𝑣𝑘 decimos que
{𝑣
⃗⃗⃗⃗1 , ⃗⃗⃗⃗ 𝑣𝑘 } es un conjunto generador de Rn y lo denotaremos como Rn = 𝑔𝑒𝑛({𝑣
𝑣2 , … , ⃗⃗⃗⃗ ⃗⃗⃗⃗1 , ⃗⃗⃗⃗ 𝑣𝑘 }).
𝑣2 , … , ⃗⃗⃗⃗

13
Ejemplo 3.3:
Determine si (1,1,2) ∈ 𝑔𝑒𝑛({(2,3,0), (1,4,2)})

Solución:
En este caso, lo que se precisa saber es si el vector (1,1,2) puede ser expresado como combinación lineal de
(2,3,0) y (1,4,2).

2𝛼 + 𝛽 = 1 … . (𝐴)

(1,1,2) = 𝛼(2,3,0) + 𝛽(1,4,2) → 3𝛼 + 4𝛽 = 1 … (𝐵)

{ 2𝛽 = 2 … (𝐶)

De la ecuación (C) se obtiene 𝛽 = 1. Al sustituir 𝛽 = 1 en (B) obtenemos 𝛼 = −1

Sin embargo 𝛼 = −1 y 𝛽 = 1 no satisfacen la ecuación (A). Por tanto, el sistema es incompatible y en

consecuencia (1,1,2) no puede ser expresado como combinación lineal de (2,3,0) y (1,4,2).

→ (1,1,2) ∉ 𝑔𝑒𝑛({(2,3,0), (1,4,2)})

Ejemplo 3.4:

Determine gen ((1,1,1) , ( 2, 2, 2)).

Solución:

Fijemos cualquier vector (x, y, z) en R3:

( x, y, z )  gen ((1,1,1) , ( 2, 2, 2)) → α1 (1,1,1) + α2 ( 2, 2, 2 ) = ( x, y, z ) para ciertos α1,α2  R

α1 + 2α2 = x 1 2 | x  f2 ( −1) f1 + f2  1 2 | x 


→ α1 + 2α2 = y ( A | B) 1 2 | y  ⎯⎯⎯⎯⎯
f3 ( −1) f1 + f3
→  0 0 | y − x 
α + 2α = z 1 2 | z  0 0 | z − x 
 1 2    

Entonces, el sistema tendrá solución siempre que y − x = 0 y z − x = 0. Por tanto:

gen ((1,1,1) , ( 2, 2, 2)) = ( x, y, z )  R :

3
y − x = 0 y z − x = 0

14
Ejemplo 3.5:

Determine gen (1, 2,0), (0,1, −1),(1,1, 2)

Solución:

( x, y, z ) = α(1, 2,0) + β(0,1, −1) + λ(1,1, 2)

α + λ =x

→ 2α + β + λ = y
−β + 2λ = z


Analicemos el sistema:

1 0 1 | x 1 0 1 | x  1 0 1 | x 
( A | B) =  2 1 
1 | y  ⎯⎯⎯⎯⎯→  0 1 − 1
F2 →( −2) F1 + F2 
| − 2 x + y  ⎯⎯⎯⎯→  0
F3 →F2 + F3
1 −1 | − 2 x + y 
 0 −1 2 | z   0 −1 2 z  0 | − 2 x + y + z 
  |  0 1

De aquí, el sistema tendrá solución para cualquier valor real de x, y y z. Es decir, cualquier vector de R3 se podrá
expresar como CL de (1, 2, 0), (0,1, −1) y (1,1, 2).

→ R 3 = gen ((1, 2,0), (0,1, −1),(1,1, 2))

De este ejemplo también se concluye que {(1,2,0), (0,1, −1), (1,1,2)} es un conjunto generador de R3, de
acuerdo a lo establecido en la definición 3.2.

Ejemplo 3.6:
Determine gen (1, 2,1), (−1,3,0),(0,5,1)

Solución:

( x, y, z) = α(1, 2,1) + β(−1,3,0) + λ(0,5,1)

α − β =x

→ 2α + 3β + 5λ = y
α + λ = z


Analicemos el sistema:

15
 1 − 1 0 | x 1 − 1 0 | x  1 − 1 0 | x 
( A | B) =  2 3 5 
| y  ⎯⎯⎯⎯⎯→  0 5
F2 →( −2) F1 + F2 
5 | − 2 x + y  ⎯⎯⎯→  0 1
F2  F3
1 | − x + z 
1 0 | z  0 1 1 | − x + z  0 5 5 | − 2 x + y 
 1  

1 − 1 0 | x 
⎯⎯⎯⎯⎯→  0 1
F3 →( −5) F2 + F3
1 | −x+ z 

0 0 0 | 3x + y − 5 z 

Entonces para que el sistema tenga solución, debe cumplirse que 3x + y – 5z = 0

→ gen (1, 2,1), (−1,3,0),(0,5,1) = ( x, y, z ) : 3x + y − 5 z = 0

Observación:
Las siguientes igualdades son obvias:

R 2 = gen ((1,0), (0,1))

R 3 = gen ((1,0,0), (0,1,0),(0,0,1))

Por tanto, podemos afirmar que los vectores canónicos de R2 y R3 son conjuntos generadores de dichos espacios
vectoriales, respectivamente.

4. DEPENDENCIA E INDENPENDENCIA LINEAL DE VECTORES EN Rn – BASES PARA Rn

Definición 4.1:
Los vectores ⃗⃗⃗⃗
𝑣1 , ⃗⃗⃗⃗
𝑣2 , … , ⃗⃗⃗⃗
𝑣𝑘 son linealmente dependientes (LD) si existen escalares reales α1 , α2 , … , αk , no todos
nulos, tales que:

α1 ⃗⃗⃗⃗
𝑣1 + α2 ⃗⃗⃗⃗
𝑣2 + ⋯ +αk ⃗⃗⃗⃗
𝑣𝑘 = 𝐎.

Ahora bien, si la igualdad anterior se verifica únicamente cuando α1 = α2 = ⋯ = αk = 0, entonces se dice que
los vectores ⃗⃗⃗⃗
𝑣1 , ⃗⃗⃗⃗
𝑣2 , … , ⃗⃗⃗⃗
𝑣𝑘 son linealmente independientes (LI).

16
Ejemplo 4.1:
𝑣1 = (1,2,3), ⃗⃗⃗⃗
Determinar si los vectores ⃗⃗⃗⃗ 𝑣3 = (8,6,10) son LI o LD en R 3 .
𝑣2 = (−2,1,1) y ⃗⃗⃗⃗

Solución:
En primer lugar planteamos la siguiente igualdad:

α (1,2,3) + β ( −2,1,1) + λ (8,6,10) = (0,0,0 ) . . . I 

Sabemos que la igualdad anterior es válida para α = β = λ = 0, es decir, para la combinación lineal trivial. Por
tanto, solo resta determinar si dicha combinación lineal trivial es única. Veamos:

α (1,2,3) + β ( −2,1,1) + λ (8,6,10) = (0,0,0)

 ( α − 2β + 8λ, 2α + β + 6λ , 3α + β + 10λ ) = (0,0,0)
Esto nos lleva al siguiente sistema:
α − 2β + 8λ = 0

2α + β + 6λ = 0
3α + β + 10λ = 0


Ahora bien, al estudiar este sistema tenemos que el mismo el compatible indeterminado, por lo cual posee
infinitas soluciones. Una de ellas es la siguiente: α = 4, β = −2,λ = −1. Como la solución trivial no es única,
entonces quiere decir que la igualdad  I  se cumple también para otros escalares reales, no necesariamente todos
nulos. Luego por la definición 4.1 se tiene que el conjunto dado es LD en R 3 .

Ejemplo 4.2:
𝑣1 = (3, −2,2), ⃗⃗⃗⃗
Verificar que los vectores ⃗⃗⃗⃗ 𝑣3 = (1,0,5) son LI en R 3 .
𝑣2 = (3, −1,4) y ⃗⃗⃗⃗

Solución:
En primer lugar planteamos la siguiente igualdad:

α ( 3, −2,2) + β ( 3, −1,4 ) + λ (1,0,5) = (0,0,0 )

Esto nos conduce al siguiente sistema:
3α + 3β + λ = 0

−2α − β =0
2α + 4β + 5λ = 0


Es fácil ver que el sistema anterior es compatible determinado, por lo cual, su única solución es α = β = λ = 0.
Luego por la definición 4.1 se tiene que los vectores dados so LI en R 3 .

17
Observación
1. En Rn todo conjunto de vectores LI posee a lo sumo n vectores.
2. En Rn todo conjunto con más de n vectores es LD.
3. En Rn todo conjunto que contenga al vector nulo es LD.
4. Si un conjunto S de vectores en Rn es LD, entonces cualquier vector de S se puede escribir como CL de los
restantes vectores de dicho conjunto.

Definición 4.2:
Un conjunto finito de vectores B = {𝑣
⃗⃗⃗⃗1 , ⃗⃗⃗⃗ 𝑣𝑛 } en Rn es una BASE para Rn si B es LI y si B es un conjunto
𝑣2 , … , ⃗⃗⃗⃗
generador de Rn. Es decir:

B es LI
B es una base para Rn ↔ {
Rn = gen(B)

Ejemplo 4.3:

➢ El conjunto {𝑖, 𝑗} es una base para R2.

➢ El conjunto {𝑖, 𝑗,
⃗ 𝑘⃗ } es una base para R3.

Las bases anteriores se conocen como bases canónicas de R2 y R3, respectivamente.

En el caso particular de Rn se puede demostrar el siguiente resultado:

Teorema 4.1:
Todo conjunto B de n vectores LI en Rn es una base para Rn.
Todo conjunto B de n vectores que sea un conjunto generador de Rn es una base de Rn

18
Ejemplo 4.4:

Verificar que el conjunto de vectores B = {(3, −2,2), (3, −1,4), (1,0,5)} es una base para R 3 .

Solución:
𝑣1 = (3, −2,2), ⃗⃗⃗⃗
En el ejemplo 4.2 se verificó que los vectores ⃗⃗⃗⃗ 𝑣3 = (1,0,5) son LI en R3.
𝑣2 = (3, −1,4) y ⃗⃗⃗⃗
Como B está conformado por tres vectores, entonces por el teorema 4.1 se tiene que B es una base para R3.

Ejemplo 4.5:

 
Sea B = (1,0,1,0) , ( −1,0,1,0) , ( 0,1,0,1) , ( 0, −1,0,1) un subconjunto de R . Es fácil verificar que B es LI. Dado
4

que B está conformado por 4 vectores, entonces por el teorema.4.1 se concluye que B es una base de R 4 .

Teorema 4.2
En Rn, si una base B pose n vectores, entonces todas las demás bases también tendrán n vectores.

Definición 4.3
Se define la dimensión de del espacio vectorial Rn como el número n de vectores conformado por cualquier base
de dicho espacio, lo cual escribiremos como dim(Rn ) = n.

Observación:
Dado que dim(Rn ) = n es igual a un número finito (precisamente la cantidad de vectores de cualquier base para
Rn, se dice que Rn es un espacio vectorial de dimensión finita)

----------------------------------

Notas basadas en:

[1] SYDSAETER, K. & HAMMOND, P. & CARVAJAL, A. (2012) Matemáticas para el análisis económico. 2ª. ed. Madrid, Pearson.

[2] ARYA, J.; LARDNER, R. 1992. Matemáticas aplicadas a la administración y a la economía México, Prentice-Hall.

[3] BUDNICK, F. 1990. Matemáticas aplicadas para administración, economía y ciencias sociales. México, McGraw-Hill.

[4] GROSSMAN, S. 1996. Álgebra lineal. 5ta ed. México, McGraw-Hill

19