ESPACIOS VECTORIALES

INTRODUCCION:
La idea de vector est tomada de la Fsica, donde sirven para representar
magnitudes vectoriales como fuerzas, velocidades o aceleraciones. Para ello
se emplean vectores de dos componentes en el plano, de tres componentes en
el espacio.
Se supone conocida la representacin grfica y manejo de los vectores de 2 y
3 .
En matemticas, tratamos de abstraer las propiedades que caracterizan a los
vectores para extenderlas tambin a otro tipo de objetos diferentes de los
vectores de la Fsica.
Esencialmente, el comportamiento que caracteriza a los vectores es el
siguiente:
Podemos sumar dos vectores y obtenemos otro vector.
Podemos multiplicar un vector por un nmero (escalar) y
obtenemos otro vector.
Adems estas operaciones cumplen ciertas propiedades, que observamos en
los vectores de 2 y 3 :
En lo sucesivo, utilizamos habitualmente la siguiente notacin: u, v, w (u otras
letras latinas) para vector, mientras que las letras griegas designaran
escalares.
Propiedades de la suma de vectores:
Asociativa: (u + v) + w = u + (v + w)
Conmutativa: v+u = u+v
Para cada vector v existe un elemento neutro, -v, que sumado con el da
0.
Propiedades del producto de un vector por un escalar:
Asociativas: () = ()
Distributivas:

Respecto de la suma de escalares: ( + ) = +

Respecto de la suma de vectores: ( + ) = +

Existe un elemento unidad: el escalar 1, tal que 1.v = v para cualquier

vector v.
 Definicin: Espacio Vectorial.
Cualquier conjunto que posea unas operaciones suma y producto por
escalares, cumpliendo todas las propiedades anteriores, diremos que es un
espacio vectorial. Los elementos de tal conjunto se llamaran vectores (aunque
pueda tratarse de objetos diferentes a los vectores de Fsica).
Diremos que el espacio vectorial es real o complejo, segn sean los escalares.
Otras propiedades de los espacios vectoriales pueden deducirse de las
anteriores propiedades bsicas. Por ejemplo:
Si v = 0 (: escalar, v: vector) entonces o bien es = 0 o bien es v = 0.
Ejemplos de espacios vectoriales:
1) El espacio , formado por los vectores de n componentes (x1, x2, x3,.,xn) es
un espacio vectorial real, en el que se pueden sumar vectores y multiplicar
por un escalar (real) de la forma habitual.
Se pueden comprobar que se cumplen las propiedades requeridas para ambas
operaciones.
El vector cero no es un espacio vectorial complejo, pues no podemos
multiplicar por escalares complejos (si lo hacemos, el resultado no se
mantendr dentro de )

2) Consideremos el conjunto P2 de los polinomios de grado < 2 con

coeficientes reales:

P2 = { x 2 + bx + c a, b, c }
Es un espacio vectorial real, pues podemos sumar dos elementos de P 2;
tambin podemos multiplicar un elemento de P2 por un escalar real y
obtenemos otro elemento de P2. Vemoslo:
Suma:
2
(x2 + bx + c) + (x + b x + c ) = ( + ) 2 + ( + ) + ( + );
que pertenece a P2.
Producto por un escalar real: , (x 2 + bx + c) = x 2 + bx + c
que pertenece a P2.
Se puede comprobar que se cumplen las propiedades requeridas. El valor 0 es
el polinomio cero: 0 + 0x + 0c
No es un espacio vectorial complejo, pues al multiplicar por un escalar
complejo el resultado podr ser un polinomio complejo que no pertenece a P 2.
3) Consideremos el conjunto G de los polinomios de grado 3 (exactamente 3)
con coeficientes reales. No es un espacio vectorial (real ni complejo), pues al
sumar dos elementos de G, no est garantizado que el resultado este en G. En
efecto, consideremos los polinomios:

P = x3 + x2 + x + 1 , Q = x 3 + x 2 + x + 1
Pertenecen a G, pues su grado es 3. Pero su suma es P+Q =2x 2 + 2x + 2
que no pertenece a G (su grado no es 3).

4) Consideremos el conjunto M2x2 (tambin denotado por M2) de las matrices

2x2 con trminos reales:

a c
M2x2 = [(( )) : , , ,
b d
Es un espacio vectorial real, pues podemos sumar dos matrices de M2x2, y
multiplicar una matriz de M2x2 por un escalar real obteniendo otra matriz de
M2x2. Se puede comprobar que se cumplen las propiedades. El vector 0 es, en
este caso, la matriz con todos sus trminos nulos.
No es un espacio vectorial complejo.

5) Consideremos el conjunto MC de las matrices 2x3 con trminos

complejos:
Es un espacio vectorial real, pues podemos sumar dos matrices de MC
obteniendo otra matriz de MC,
Tambin es un espacio vectorial complejo, pues podemos multiplicar una
matriz de MC por un escalar complejo obteniendo otra matriz MC.

6) Consideremos el conjunto ME de las matrices 3x2 con trminos enteros.

Podemos sumar dos matices de ME y obtenemos otro elemento de ME:

con a, a,b,b,c,c,d,d enteros,

En efecto, si tomamos: ( ), ( )

= + + tambin tiene trminos enteros,

( )+ ( ) ( ),
+ +
luego pertenece a ME.
 Sin embargo ME no es un espacio vectorial real, pues al multiplicar un
elemento de ME por un escalar real no est garantizado que el resultado
permanezca dentro de ME. Si el escalar es por ejemplo el nmero real 1.25, el
resultado ya no es un matriz con trminos enteros (es un sub-espacio).
Por similar razn tampoco es un espacio vectorial complejo.

7) Sea Mmxn el conjunto de las matrices de orden mxn.

Mmxn = {A = (aij): aij , i=1, 2,, m; j=1, 2,, n}

Con las operaciones

Mmxn x Mmxn Mmxn

(A , B) A+B = (aij+ Bij)

x Mmxn Mmxn
( , B) .A = (.aij)
Es un espacio vectorial sobre .

En efecto:

(i) Sean A,B Mmxn

A+B = (aij + bij) ; i = 1,2,.,m ; j = 1,2,.,n
= (cij)
= c Mmxn

Luego A+B Mmxn

(ii) Sean A,B,C Mmxn

A+B+C = (aij + bij) + cij ; i = 1,2,.,m ; j = 1,2,.,n
= ((aij + bij) + cij)
= (aij + (bij + cij))
= (aij) + (bij + cij)

Luego (A+B) + C = A + (B+C)

(iii) Sea A Mmxn ,! 0 Mmxn ,0 = (bij) , con bij = 0 , i,j

A+0 = (aij + bij)

= (aij + 0)
= (aij)
=A

Luego A+0=A

(iv) A Mmxn ,! (-A) Mmxn ,donde -A = (-aij) tal que

A+(-A) = (aij - aij)
= (0ij)
=0

Luego A+(-A) = 0

(v) Sean A,B Mmxn

A+B = (aij + bij)

= (bij + aij)
=B+A

Luego A+B = B+A

(vi) Sea A Mmxn y sea

A = (aij) = P Mmxn
= (bij + aij)
A Mmxn

(vii) Sea A Mmxn y sean ,

( + ).A = (( + ).aij)
= (.aij + .bij)
= (.aij) + (.bij)
= .A + .A
Luego ( + ).A = .A + .A
 (viii) Sean A,B Mmxn y :

. (A + B) = (aij + bij)
= ((aij + bij))
= (.aij) + (.bij)
= .A + .A

Luego .(A+B) = .A + .B

(ix) Sean , y sea A Mmxn

. (A) = (aij)
= ((aij))
= (().aij)
= ()(aij)
= ()(A)
Luego . (A) = ()(A)

(x) A Mmxn 1 tal que

1.A = (1.aij)
= (aij)
=A

Luego 1.A = A

Por tanto Mmxn es un espacio vectorial sobre

8) El conjunto C de los nmeros complejos se puede considerar como un

espacio vectorial real. En efecto, se pueden sumar dos nmeros complejos
obtenindose otro nmero complejo; y se pueden multiplicar un complejo por
un escalar real, obtenindose otro complejo. Es decir,
Suma: (a+bi) + (c+di) =(a+c) + (b+di), que es otro nmero complejo.

Producto por un escalar real: , (a + bi ) = a + bi que es otro

nmero complejo.
La suma y el producto por un escalar cumplen todas las propiedades
requeridas.
 Ntese que aqu los complejos funcionan como vectores (elementos del
espacio vectorial C) y los reales como escalares.
Observar adems, que en este contexto, el conjunto de los nmeros complejos
se comportan igual que el espacio vectorial 2 , con la parte real en el eje de
abscisas y la parte imaginaria en el eje de coordenadas.

9) El conjunto de las funciones continuas definidas en : Se pueden sumar dos

funciones, y se pueden multiplicar una funcin por un escalar real.

Por ejemplo, las funciones ( ) = x 2 y ( ) = log() pueden

sumarse y resulta otra funcin ( ) = x 2 + log().

La funcin ( ) = log() puede multiplicarse por el escalar y resulta la

funcin ( ) = log().

Si sumamos dos funciones continuas, el resultado es otra funcin continua. Si

multiplicamos una funcin continua por un escalar, el resultado es otra funcin
continua.
Las operaciones cumplen las propiedades requeridas. El vector 0 es la funcin
constante 0.
Por tanto se trata de un espacio vectorial real.
Hay mucho otros espacios vectoriales. Gracias a esto, las propiedades que
encontremos para espacios vectoriales en general, las podemos aplicar a
matrices, polinomios, funciones...
Observacin:

En algunos espacios vectoriales reales, distintos de , pueden hacerse un

paralelismo o identificacin con , para un n adecuado.

Por ejemplo, ya hemos visto como el espacio vectorial real C de los nmeros
complejos puede identificarse con 2 , correspondiendo el nmero complejo
a + b al vector (a,b).
Veamos como el espacio P2 = [polinomios de grado < 2] puede identificarse
con 3 : cada polinomio ax 2 + bx + c correspondera al vector (a,b,c) de 3 .

Lo mismo ocurre con el espacio de matrices M2x2 , que se identifica con 4 ,

correspondiendo a la matriz ( ), el vector (a,b,c,d).

En todos los casos las operaciones de suma y producto por escalar se pueden
trasladar paralelamente del espacio considerado a en lugar de otros
espacios.
 SUBESPACIOS VECTORIALES
Dado un espacio vectorial V, podemos considerar una parte S del que funcione
como un espacio vectorial ms pequeo, incluido V.
Como V es un espacio vectorial, posee unas operaciones (suma, producto por
un escalar) que en particular se pueden efectuar en S.
Solo necesitaremos que, al efectuarlas, su resultado quede dentro de S.

Definicin: Sub espacio.

Dado un espacio vectorial V, se dice que un subconjunto S de V es un Sub
espacio vectorial si contiene a 0, y al efectuar las operaciones de suma y
producto por escalar entre vectores de S, el resultado permanece en S . 0(se
puede decir que S es cerrado para las operaciones suma y producto por
escalar).
Es decir:

0S
Si v,w S entonces v + w S.
Si v S y es un escalar, entonces v S.

Ya no hace falta comprobar que se cumplan las propiedades asociativa,

conmutativa, etc. puesto que sabemos que se cumplen en V, y por tanto
tambin en S (se dice que S hereda las operaciones en V).
Por supuesto si para V utilizamos escalares reales, tambin para S; si para V
utilizamos complejos, tambin para S.
Ejemplos de subespacios:
1) La recta x = y es un Subespacio. Est formado por los vectores de la forma
(a,a) 2
Contiene el vector (0,0).
Adems, es cerrado para la suma y producto por escalar:
Suma (a,a) + (b,b) = (a+b , a+b) que tambin es un elemento de la recta.
Producto por un escalar: , (, ) = (a, a) que tambin es un
elemento de la recta.

2) El plano XY es un Subespacio de . Esta est formado por los vectores de la

forma (x,y,0) 3
Contiene el vector (0,0,0).
 Adems es cerrado para la suma y producto por escalar:
Suma: (x,y,0) + (x,y,0) = (x+x , y+y , 0) que tambin es un elemento
del plano.
Producto por un escalar: , (x, y, 0) = (x, y, o) que tambin es
un elemento del plano.

Podemos decir que este plano es como pero incluido en .

3) Es un Subespacio de el conjunto de los vectores de la forma

(a,1) 2 ?
No, puesto que no contiene (0,0).
O tambin: porque no se puede sumar dentro de este conjunto, por ejemplo
(a,1) + (b,1) = (a+b,2) que no pertenece al conjunto.

4) En el espacio P2 = [polinomios de grado < 2], el conjunto de los polinomios de

grado < 1 forma un subespacio. En efecto, contiene al polinomio cero, y
podemos sumar y multiplicar por un escalar sin salir del conjunto:

Suma: (ax+b) + (ax+b) = (a+a)x + (b+b) que tambin es un polinomio

de grado < 1.
Producto por un escalar: , (ax, b) = ax + b que tambin es
un polinomio de grado < 1.

5) En M2, el conjunto de las matrices simtricas ( ) es un subespacio.

Contiene a la matriz nula, y es cerrado para las operaciones

= + + que tambin es una

Suma: ( )+( ) ( )
+ +
matriz simtrica.

Producto por escalar: , ( ) =( ) que tambin es

una matriz simtrica.

6) Geomtricamente, los subespacios vectoriales de y son rectas, planos, y

solo uno de ellas es un punto, el (0).
Las curvas o las superficies curvas no son subespacios; tampoco las figuras
geomtricas finitas, como crculos o polgonos en el plano, esferas o poliedros
en el espacio.
7) En todo espacio vectorial existen el subespacio cero, formado solamente por el
vector (0), y el subespacio total, formado por todos los vectores del espacio .0

Descripcin de los sub espacio de .

Los subespacios de n pueden describirse de dos formas: implcita y
paramtrica.
Forma implcita: Mediante ecuaciones. Los vectores que verifiquen las
ecuaciones son los que pertenecen al subespacio.

Forma paramtrica: Mediante una expresin por parmetros, los cuales

al tomar distintos valores producen todos los vectores del subespacio.

Para pasar de una a otra forma:

De la forma implcita a la paramtrica: Basta considerar las ecuaciones

implcitas como un sistema, y resolverlos. La solucin general del
sistema (que podr depender de parmetros) es la expresin
paramtrica.

De la forma paramtrica a la implcita: Podemos decir, aunque no es un

mtodo riguroso, que se trata de describir mediante ecuaciones como
es el vector genrico del subespacio.

Ejemplos:

1) En 2, la recta bisectriz del primer cuadrante puede describirse en

implcitas como (y=x), y paramtricas como [ (, ): ]

2) En 3, dado el subespacio en paramtricas [ (, , ): , ] , su

forma implcita es la ecuacin [z = x-y] .

3) En 3, dado el subespacio en paramtricas [ (, , 3) : ] , para

describirlo en forma implcita necesitamos dos ecuaciones:

y=x
z = 3x
x+z =0
x+2y+z = 0
 4) Consideremos el subespacio de 3 dado en implcita por
Cul es su forma paramtrica? Para ello resolvemos el sistema, que es
compatible indeterminado. La solucin depende de un parmetro y es
[ (-, 0, ) ].
5) El subespacio cero y el subespacio total constituyen un caso especial.
Por ejemplo en 3 :

El subespacio [(0,0,0)] tiene como ecuaciones implcitas

Su forma paramtrica es (0,0,0): no hay parmetros, pues como

se trata de un solo punto, no se puede variar nada.

x=0
y=0
z=0

Por el contrario el subespacio total 3 tiene como forma

paramtrica [ (, , ) : , , 3 ] (tres parmetros variando
libremente, pues no hay ninguna limitacin). Ecuaciones implcitas
no tiene ninguna, pues no hay restriccin alguna que imponer.

Relacin entre la forma implcita y paramtricas.

Si S es un subespacio de n, la forma implcita y paramtrica de S satisface en

general la siguiente relacin:

N de ecuaciones implcitas + N de parmetros = n.

Sin embargo para que esto sea cierto debe cumplirse que las ecuaciones
implcitas sean independientes entre s, es decir, que ninguna sea combinacin
lineal de otras. Esto significa que, considerando las ecuaciones como un
sistema, no sobre ninguna ecuacin: es decir, que la matriz de coeficientes
tenga rango igual al nmero de ecuaciones.

Tambin los parmetros deben ser independientes entre s

(Esto ser ms fcil de comprobar ms adelante, en el punto Bases y

dimensiones, pues el nmero de parmetros independientes es igual a la
dimensin del sub espacio).
Inclusin de sub espacios.

Dados los sub espacios A y B, puede ocurrir que uno est incluido en otro (una
recta dentro de un plano, por ejemplo).

Se dice que A esta contenido o incluido en B (y se denota A B) si todos los

elementos de A estn tambin en B.

En cualquier espacio vectorial V, el sub espacio [ ] est contenido en todos los

dems sub espacios; mientras que todos ellos estn contenidos en total V.0

Veamos como reconocer si un sub espacio est incluido en otro:

En forma implcita: si las ecuaciones de B estn incluidas en las de A

entonces A B. (Cuantas ms ecuaciones implcitas, ms pequeo es
el subespacio).

En forma paramtrica: para ver si A B, tendremos que ver si todo

vector genrico de A, est en B, por ejemplo en la expresin paramtrica
( + , + , 0), que en 3 corresponde a la forma implcita [ x=y , z=0
], no se cumple la relacin anterior: 2+2 3. Esto ocurre porque los dos
parmetros no son independientes. En realidad puede sustituirse +
por un solo parmetro y as tendramos (, , 0) y ya se cumple 2+1 = 3.

Ejemplo:

En 3 , sean los siguientes subespacios dados en implcitas:

A: y=0 B: y=0
z=0
Tenemos que A B, pues todo vector que satisface la ecuacin
de B, y=0.

En 3, sean los siguientes subespacios dados en paramtricas:

A: { (,0,0): }
Tenemos que A B, pues todo vector de la forma (,0,0)
tambin es de la forma (,0,), tomando = 0
Ambos ejemplos son lo mismo, pues se trata del eje X contenido en el plano
XZ.
Operaciones con subespacios:

A partir de dos sub espacios podemos construir otro efectuado las operaciones
de suma o interseccin de sub espacios.

1. Interseccin de sub espacios:

La interseccin, indicada por el smbolo , puede aplicarse a conjuntos

cualquiera, no solo a espacios vectoriales. Consiste en encontrar los
elementos comunes a dos conjuntos.

Por ejemplo, la interseccin de dos planos en 3 podr ser una recta.

Notar que dados dos sub espacio cualesquiera, siempre hay vectores
comunes a ambos (al menos el, que est en todos los sub espacios).

Teorema:

La interseccin de sub espacios es un sub espacio.

En efecto, es posible sumar vectores dentro de S T , pues por ser

S y T subespacios, la suma debe permanecer dentro de S y dentro de
T, y por tanto dentro de S T. Lo mismo para el producto por escalares.

Calculo de la interseccin.

La forma ms sencilla (aunque no la nica) de calcular S T es utilizar

la expresin implcita de S y de T.

Como buscamos los vectores que verifiquen a la vez ambas

condiciones, podremos describir S T considerando conjuntamente las
ecuaciones implcitas de S y las de T (formando un sistema con todas
ellas).

Este sistema, si es sencillo, puede considerarse ya como la forma

paramtrica de S T.

EJEMPLOS:

Sean en los subespacios S = plano XY , T = plano XZ. 3

Sus ecuaciones implcitas son: S = {z=0}, T = {z=0}
Uniendo ambas tenemos que es la expresin implcita de S T.
z=y=0
Se trata por lo tanto del eje X, {( ,0,0)} en paramtricas.
 Sean en los subespacios dados por las ecuaciones implcitas 4

+ =0 2 + 3 = 0
U= V=
+ =0 + =0

Uniendo todas las ecuaciones resulta un sistema cuya solucin es

(0,0,0)

Por tanto U W = {(0,0,0)}

2. Suma de sub espacios:

Dados dos sub espacios S,T se define el sub espacio suma como:
S+T= {u+v : uS, vT}
Es decir, aquellos vectores que podamos construir sumando un vector
de S y uno de T.

Teorema:

La suma de sub espacios es un sub espacio.

Calculo del sub espacio suma:

Al contrario que la interseccin, la suma S+T se calcula ms fcilmente

usando la forma paramtrica de S y de T. Esto nos permite formar un
vector genrico de cada uno de los subespacios y sumarlos,
obtenindose una expresin paramtrica de S+T.

No obstante la forma paramtrica as obtenida puede tener parmetros

no independientes.

Ms adelante, en el punto Sistemas generadores se dar otro mtodo

para calcular el subespacio suma.

Ejemplo:

Considerando los subespacios en dados en paramtricas por 3

H={(, +, +y) : , , y }

Observacin:

La interseccin de S T es un subespacio ms pequeo que S y que

T (est contenido en S y tambin en T).
 Por el contrario la suma S + T es un subespacio ms grande que S y
que T, pues contiene a ambos.

De hecho S T es la mayor subespacio contenido en ambos, y S + T

es el menor subespacio que contiene a ambos.

DEPENDENCIA E INDEPENDENCIA LINEAL

COMBINACIN LINEAL:

Sea V un espacio vectorial sobre un cuerpo K. dados R vectores 1, . .

V, llamamos Combinacin lineal de estos vectores a cualquier expresin de
la forma:

1 1, + 2 2, +. . . ,

Donde 1 , 2 +. . . K y se llaman coeficientes de la combinacin lineal.

Sea V un espacio vectorial. Diremos que un vector (V) depende linealmente de

un conjunto de vectores {1, , 2, , } si V se puede escribir como
combinacin lineal de 1, , 2, , }

Ejemplo:

1. Como (3,5,4) = 2(1,2,1) + (1,1,2), se dice que el vector (3,5,4)

depende de los vectores (1,2,1) ; (1,1,2) ; porque resulta de una
combinacin lineal de estos.

DEPENDENCIA E INDEPENDENCIA LINEAL DE VECTORES

Sea V un espacio vectorial sobre un cuerpo K. Diremos que un sistema
(Conjunto) de vectores S = {1, , 2, 3, , , } V es linealmente dependiente,
si existen r escalares 1 , 2, 3,.. K no todos los, tales que:

1 1, + 2 2, +. . . , = 0
En caso contrario, es decir, si la nica forma de escribir el vector 0 como
combinacin lineal de estos vectores es tomando 1 = 2= 3 = = 0,
diremos que el sistema S es linealmente dependiente o libre.
 Ejemplo:

Los vectores (1, 2) y (2,5) de 2 son linealmente independientes, pues existen

dos escalares 1 y 2 tales que: 1 (1,2) + 2 (2,5) = (0,0) esto implica que
formamos el sistema de ecuaciones:
1 + 2 2 =0
2 1 + 5 2 =0
Que se verifica para 1 =0 y 2 =0

Propiedades:
1. Cualquier conjunto de vectores que contenga el vector nulo ser linealmente
dependiente.

Demostracin:

Sea: S el conjunto de vectores {1, , 2, , 3, , . . , , y 1, =0; sean los coeficientes

de una combinacin lineal de estos vectores 1 , 2 , 3 , K y 1 1 =p0;
2 = 3 == =0

(p) 1, + (0) 2, +.(0) = p(0) + 0 + 0..+0=0

Por ser p coeficiente de la combinacin lineal y distinto de cero que tiene por
resultado el vector nulo queda demostrado que los vectores son linealmente
dependientes,

2. Cualquier vector nulo (v) es por si solo linealmente independiente:

Demostracin:

Sea: 1 .v=0; como v0; entonces: 1 =0

3. Si dos de los vectores 1, , 2, , 3, , , , , son iguales o si uno es mltiplo

escalar de otro digamos 1, =K 2 , los vectores son linealmente dependientes.

Demostracin:

1, - 2 + (0) 3, ,,(0) , =0
 Dado que el coeficiente de 1, es diferente de cero; el conjunto de vectores es
linealmente dependientes.

4. Dos vectores 1, , 2, son linealmente dependientes si y solo si uno de ellos es

mltiplo de la otra.

Demostracin:

Sea: 1, =K2, entonces tenemos que:

1, - K2, =0

El coeficiente del vector (1, ) es diferente de cero, con lo cual queda

demostrado la dependencia de estos vectores.

5. Si el conjunto {1, , 2, 3, , . . , , } es linealmente independiente, cualquier

reordenacin de los vectores {1, , 2, 3, , . . , , } Y 1, una reordenacin
particular de este conjunto; 1, ={, , 1, 2, , . . , 2, , 1, } ; notamos que 1,
es igual a S y por lo tanto tambin linealmente independiente.

6. Si un conjunto S de vectores es linealmente independiente, necesariamente lo

es cualquier subconjunto de S, alternativamente, si S contiene un subconjunto
linealmente dependiente, S es linealmente dependiente.

Ejemplo:

En 4 el conjunto de vectores {(1,2,4,5), (0,2,0,1), (0,0,3,1), ( 0,0,0,4)} es

linealmente independiente. Esto se debe a que {(1,2,4,5), (0,2,0,1), (0,0,0,4)} o
{(0,0,3,1), ( 0,0,0,4)}, son subconjuntos del conjunto de vectores dados y al ser
este linealmente independiente, entonces sus subconjuntos tambin lo son.

7. Un conjunto de n de vectores en es linealmente independiente si al formar

una matriz cuadrada con estos vectores y calcular su determinante, este es
diferente de cero, en caso contrario los vectores sern linealmente
dependientes.

Ejemplo:

Los vectores (1, 2,3), (0, 0,2), (2, 4,0) son linealmente independientes o
dependientes?
 Formamos matriz con los vectores:

1 2 3
( (0 0 2))
2 4 0
Observamos que las columnas uno y dos son proporcionales por lo tanto el
determinante de esta matriz es cero; con lo que podemos afirmar que los
vectores son linealmente dependientes.

BASES
En esta seccin se contina el estudio de los conjuntos generadores.
En particular, se consideran conjuntos generadores (en un espacio vectorial)
que sean linealmente independientes y que generen todo el espacio. Este tipo
de conjuntos forman una base del espacio vectorial.

Definicin de Base: Se llama base de un espacio (o subespacio) vectorial

a un sistema generador de dicho espacio o subespacio, que sea a la vez
linealmente independiente.

Un conjunto S= {1 ,2 , 3 ,, } de vectores es una base de V si

todo vector v V puede escribirse de la forma nica como combinacin lineal
de sus vectores.

Se dice que un espacio vectorial V es dimensin finita n o que es

n-dimensional, escrito.

dimV = n

Propiedades de las bases:

1. Una base de S es un sistema generador nominal de S (lo ms pequeo

posible).
2. Adems es un conjunto independiente mxima dentro de S (lo ms grande
posible).

3. Una base de S permite expresar todos los vectores de S combinacin lineal de

ella; de manera nica para cada vector.

Ejemplos de bases:

1. La base cannica de: (1, 0,0), (1, 1,0), (0, 2, -3).

Son linealmente independiente por que un determinante no nulo.

Son sistema generador de R porque cualquier vector (a, b, c) se puede poner

como combinacin lineal de ellos. En efecto, de (a, b, c), buscamos , , que
satisfaga
(a, b, c) = (1, 0,0) + (1, 1,0) + (0, 2,-3)
Se obtiene un sistema:
+ =a
+ 2 = b
-3 = c
En las incgnitas , , , que es compatible determinado para cualquier a, b, c.

2. (1, 2,3), 4, 5,6), (7, 8,9) en R, no forman base por que no son linealmente
independientes (su determinante es nulo).

3. Base de un subespacio. En R, consideremos el subespacio S= plano XY.

Veamos que los vectores (3, 2,0); (1,-1,0) forma base de S.

Son linealmente independientes, porque uno no es mltiplo de otro.

(a,b,0) = (3,2,0) + (1,-1,0) 3 + = a

2 = b S.C.D. para cualquier a, b

DIMENSIONES
Definicin de Dimensin: Todas las bases de un mismo espacio o
subespacio tienen el mismo nmero de vectores.
Se llama dimensin de dicho espacio o subespacio.
Por tanto, la dimensin es el mximo nmero de vectores independientes que
podemos tener en el espacio o subespacio. En otras palabras, es el mximo
rango que puede tener un conjunto de vectores de dicho espacio.

La dimensin de un espacio vectorial V es el nmero de vectores en la base V.

Si este nmero es finito, entonces V es un espacio vectorial de dimensin finita.
De otra manera, V se llama espacio vector (1, 2, 4,5), (0, 2, 0,1) ial de
dimensin finita. Si V = {0}, entonces V es de dimensin cero.

Ejemplos:
1. R tiene dimensiones n, pues tiene una base de n elementos (por
ejemplo: La cannica).

1 0 0 1
2. 22 , tiene una dimensin 4. Una base de 22 es: [ ], [ ],
0 0 0 0
0 0 0 0
[ ], [ ]
1 0 0 1

3. 2 = {polinomios de grado 2 con coeficientes reales} tiene dimensin 3.

Una base de 2 es por ejemplo, la formada por los tres polinomios
siguientes:

1 + 0x + 0x, 0 + x + 0x, 0 + 0x + x (es decir, los polinomios 1, x, x).

Otra base 1 + 2x + 3x, 4 + x, 3 x 5x

4. La base normal de (caso particular)

Demuestre que el siguiente conjunto es una base de R3

S = {(1, 0,0); (0, 1,0); (0, 0,1)}

Solucin:

Se aprecia que S es linealmente independiente porque la ecuacin

vectorial:

1 (1, 0,0) + 2 (0, 1,0) + 3 (0, 0,1) = (0, 0,0) tiene por solucin
solamente la trivial, 1 = 2 = 3 = 0, por consiguiente S es una base de
R3 .
 La base S se denomina base normal de R3 . Este resultado puede
generalizarse al espacio n-dimensional. Es decir, los vectores:

1 = (1, 0,0.0)

2 = (0, 1,0,0)

..

= (0,0,...1)

Forman una base de R denominada base normal de R .

Propiedades de la dimensin:

1. El espacio tiene dimensiones 1, el punto dimensin 0. El subespacio {0} es el

nico de dimensin 0

2. La dimensin de subespacio en R , coincide con el nmero de parmetros en

su forma paramtrica. (1parametro = recta, 2parametros = plano)

3. Si S y T son subespacios y S est contenida en T, entonces dimS dimT.

Adems, si se da la igualdad, dimS = dimT, entonces ambos espacios han de
coincidir.
El rango de una familia de vectores, es igual a la dimensin del subespacio que
generan. Es decir: si 1, 2, 3,.., generan un cierto subespacio S, y si el
rango de dicho conjunto es r, entonces dim S=r.
(Si un conjunto de vectores tiene rango 2, entonces genera un plano, etc.)
Ejemplo:
En R3 , sea S el subespacio generador por: (1, 0,2); (0,-1,-2); (3, 3,3); (2,
2,0).
Observamos que el rango de este conjunto es igual al rango de la matriz
que forman, por filas o por columnas es 3. As por la propiedad 4,
tenemos que dim S = 3. Pero como estamos en R3 , por la propiedad 3
ha de ser S = R3 .
TEOREMA:
Sea S un espacio o subespacio de dimensin m, entonces:
Si tenemos m vectores linealmente independientes. En S, tambin sern
sistema generador de S.
Si tenemos m vectores que generan S, tambin sern linealmente
independientes.
Por tanto, si tenemos un conjunto formado por tantos vectores como indica la
dimensin, dichos vectores sern a la vez linealmente independientes y
sistema generador o bien ninguna de las dos cosas.
As pues, para probar que son base, bastara probar solamente una de las dos
cosas: que son linealmente independientes, o que son sistema generador.
Esto solamente se puede aplicar cuando conocemos la dimensin del espacio
y cuando tenemos tantos vectores como indica la dimensin.

Expresar en forma implcita el subespacio S = {(, , 3-5)} de R3 .

1 Forma: Veamos primero cuantas ecuaciones implcitas son necesarias. La

forma paramtrica tiene dos parmetros libres.
Entonces, n ecuaciones + n parmetros libres (es decir, dim S) = 3 (en R3 )
1+2=3

Hace falta, por tanto, 1 ecuacin implcita. Trataremos de buscar una relacin
entre las coordenadas x, y, z del vector genrico (, , 3-5)
Observamos que la tercera coordenada es tres veces la primera menos cinco
veces la segunda. As. La relacin es z = 3x 5y. Esta es la forma implcita.
(Nota: las ecuaciones implcitas nunca pueden tener trmino independiente,
pues, siempre ha de satisfacerlas el vector cero).

2 Forma: Obtenemos una base de S.

(, , 3, 5) = (1,0,3) + (0,1,-5) sistema generador (1,0,3),(0,1,5).

1 0
Y son linealmente independientes: rg 0 1 = 2, luego son base.
3 5

(Por tanto dim S=2)

Ahora, un vector (x, y, z) de R3 pertenecer a S si es combinacin lineal de
(1, 0,3); (0, 1,-5):

Por tanto si al aadirlo a ellos, el rango no aumento y sigue siendo 2.

1 0
Debe ser rang 0 1 = 2. Escalonamos esta matriz para ver su rango.
3 5

(Notar que el hecho de que sus trminos sean incognitos no impide en absoluto
efectuar operaciones elementales en las filas, como en cualquier matriz
numrica).

1 0 1 0 1 0
[0 1 ] [0 1 ] [0 1 ]
3 5 3 5 0 0 3 + 5

Las dos primeras filas de la matriz son no nulas, as que el rango es 2 cuando
la tercera fila sea nula, es decir, cuando z-3x+5y=0. Esta es la forma implcita
buscada. Notar que es la misma que se obtuvo en la 1 forma.

1 0
Otra variante de esta 2 Forma: Como la matriz [0 1 ] es cuadrada,
3 5
podemos tambin hallar su determinante, que resulta ser z-3x+5y. Cuando el
determinante sea nulo el rango de la matriz es 2.

Se obtiene as tambin la misma ecuacin implcita.