Tema 2

Espacios Vectoriales

1 Estructura de Espacio Vectorial

Definición 1.1 Una ley de composición interna sobre un conjunto A consiste en
una aplicación ∗ : A × A → A, (a, b) 7→ a ∗ b.

Ejemplos 1.2 La suma de números naturales + : N × N → N, (m, n) 7→ m + n

y el producto de números racionales · : Q × Q → Q, ( ab , dc ) 7→ ab · dc = a·c
b·d
, son
ejemplos de operaciones internas.
Sea P el conjunto de los números naturales pares, entonces + : P×P → P, (2a, 2b) 7→
2a + 2b = 2(a + b) es una operación interna. Sin embargo, si I es el conjunto
de los números naturales impares, entonces + : I × I → I no es una operación
interna ya que, por ejemplo, (3, 5) 7→ 3 + 5 = 8 ∈ / I.

Definición 1.3 Dados los conjuntos A y K, se llama ley de composición externa

de A con domino de operadores K a una aplicación · : K × A → A, (k, a) 7→ k · a

Ejemplos 1.4 Sea A = V2 = {vectores libres del plano} y K = R el conjunto

→ →
de los números reales, entonces · : R × A → A, (λ, v ) 7→ λ· v es una operación
externa sobre el conjunto de los vectores libres del plano.
Sea A el conjunto de las funciones reales de una variable real y K el conjunto
de los números reales, entonces · : R × A → A, (λ, f ) 7→ λ · f es una operación
externa sobre el conjunto de las funciones reales de una variable real f : R → R.

Propiedades 1.5 Una operación interna ∗ definida sobre un conjunto A se dice

que es:

1. ASOCIATIVA: si ∀a, b, c ∈ A, a ∗ (b ∗ c) = (a ∗ b) ∗ c
Ejemplos: + : N × N → N; · : Q × Q → Q son operaciones asociativas.

2. CONMUTATIVA: si ∀a, b ∈ A, a ∗ b = b ∗ a
Ejemplos: Las dos operaciones anteriores también son conmutativas.

3. ELEMENTO NEUTRO: Un elemento e ∈ A se dice que es el neutro

para una operación ∗ si ∀a ∈ A, a ∗ e = e ∗ a = a
Ejemplos: Para las operaciones anteriores, los elementos neutros respec-
tivos son e = 0 y e = 11

1
 4. ELEMENTO SIMÉTRICO: Si e ∈ A es el elemento neutro para una
operación ∗, se llama elemento simétrico de a ∈ A a todo elemento a′ ∈ A
tal que a ∗ a′ = a′ ∗ a = e.
Ejemplos: + sobre N no posee simétrico, ya que el simétrico de la suma es
el opuesto, pero el opuesto de un natural no es un número natural, es decir,
a + (−a) = (−a) + a = 0, pero para a ∈ N, (−a) ∈ / N.
Sin embargo, si + : Z × Z → Z, entonces la operación posee simétrico para
cada elemento.
El producto sobre Q posee simétrico. El simétrico de a
b
es su inverso b
a
,
pues ab · ab = ab · ab = 1.

5. DISTRIBUTIVA: Dos operaciones internas ∗ y ◦ sobre un conjunto A

se dice que son distributivas (◦ sobre ∗) si se verifica que

a ◦ (b ∗ c) = (a ◦ b) ∗ (a ◦ c)

(a ∗ b) ◦ c = (a ◦ c) ∗ (b ◦ c)

Ejemplo. El producto es distributivo con respecto a la suma en N.

Ejercicios 1.6

1. Demostrar que el elemento neutro para una operación es único.

2. Si ∗ es una operación asociativa, demostrar que si un elemento posee simétrico,

entonces éste es único.

Definición 1.7 Una estructura algebraica consiste en:

1. Un conjunto A.

2. Unas operaciones (internas o externas) sobre A.

3. Unas propiedades que satisfacen conjuntamente los elementos de A y las

operaciones definidas sobre A.

Se denota la estructura algebraica por (A, ∗, ◦, . . . ). El conjunto A se llama

conjunto soporte de la estructura.
A continuación se describen las estructuras algebraicas necesarias para el de-
sarrollo de este curso, proporcionando algunos ejemplos conocidos, que se pro-
pondarán como ejercicios para que el alumno compruebe que efectivamente se
cumplen las condiciones exigidas.

2
1. GRUPO: Un grupo es una estructura algebraica formada por un conjunto
G y una operación interna ∗ que es asociativa, posee elemento neutro y
cada elemento posee simétrico.
Cuando además la operación ∗ es conmutativa, se dice que (G, ∗) es un
grupo conmutativo o abeliano.
Ejemplos: (Z, +), (Q, +), (Q∗ , ·) donde Q∗ = Q − {0}.

2. ANILLO: Un anillo es una estructura algebraica formada por un conjunto

A junto con dos operaciones internas + y · que verifican:

(a) (A, +) es un grupo abeliano

(b) · es asociativa
(c) · es distributivo con respecto a +

Si además · posee elemento neutro, habitualmente llamado 1, entonces el

anillo se llama unitario.
Si · es conmutativo, entonces (A, +, ·) se llama anillo conmutativo.
Si · es conmutativo y posee elemento neutro, entonces se llama anillo con-
mutativo unitario.
Ejemplos: (Z, +, ·), (Q, +, ·), (R, +, ·)

3. CUERPO: Un cuerpo es una estructura algebraica formada por un con-

junto K y dos operaciones internas + y · que verifican:

(a) (K, +) es un grupo abeliano

(b) (K∗ , ·) es un grupo, siendo K∗ = K − {0}
(c) · es distributivo con respecto a +

Si (K∗ , ·) es un grupo abeliano, entonces (K, +, ·) es un cuerpo conmutativo.

Ejemplos: (Q, +, ·), (R, +, ·)

4. ESPACIO VECTORIAL: Es una estructura algebraica formada por un

conjunto V dotado de una operación interna + y de un operación externa
· con dominio de operadores un cuerpo K tal que

(a) (V, +) es un grupo abeliano

(b) · : K × V → V satisface las siguientes propiedades
→ → → → → →
i. λ · ( u + v ) = λ· u +λ· v , λ ∈ K; u, v ∈ V
→ → → →
ii. (λ + µ)· u = λ· u +µ· u, λ, µ ∈ K; u∈ V
→ → →
iii. λ · (µ· u) = (λ · µ)· u, λ, µ ∈ K; u∈ V

3
 → → →
iv. 1· u = u, ∀ u∈ V (1 unidad de K)
Los elementos del espacio vectorial V reciben el nombre de vectores y se deno-
→
tarán por u y los elementos del cuerpo K se llaman escalares y se denotarán por
λ, µ, α, β, . . . .
Si (V, +, ·) es un espacio vectorial, se acostumbra a decir abreviadamente que V
es un K-espacio vectorial o un espacio vectorial sobre el cuerpo K, obviando las
operaciones.
Ejemplos 1.8
1. El espacio vectorial 0 está formado por un conjunto V que contiene un único
→
elemento, V = { 0 }, con las operaciones
→ → →
0 + 0=0
→ →
λ· 0 = 0 , ∀λ ∈ K
K puede ser un cuerpo arbitrario.
2. El conjunto Rn = R × R × · · · × R = {(x1 , x2 , . . . , xn ) | xi ∈ R, i =
1, 2, . . . , n}, producto cartesiano n veces de R, es un espacio vectorial con
respecto a las operaciones
(x1 , x2 , . . . , xn ) + (y1 , y2 , . . . , yn ) = (x1 + y1 , x2 + y2 , . . . , xn + yn )
λ · (x1 , x2 , . . . , xn ) = (λ · x1 , λ · x2 , . . . , λ · xn )
Se deja como ejercicio verificar los axiomas de espacio vectorial para los
casos particulares R2 y R3 .
3. R[x] = {p(x) = a0 + a1 x + a2 x2 + · · · + an xn + · · · | ai ∈ R, ∀i}
Se deja como ejercicio verificar los axiomas de espacio vectorial para el
caso particular de los polinomios de segundo grado con coeficientes reales
R2 [x] = {p(x) = a0 + a1 x + a2 x2 | ai ∈ R, i = 0, 1, 2}. Las operaciones
son las usuales de suma de polinomios y producto de un polinomio por un
escalar, es decir,
p(x)+q(x) = (a0 +a1 x+a2 x2 )+(b0 +b1 x+b2 x2 ) = (a0 +b0 )+(a1 +b1 )x+(a2 +b2 )x2
λ · p(x) = λ · (a0 + a1 x + a2 x2 ) = λa0 + λa1 x + λa2 x2
4. Sean V y W dos K-espacios vectoriales con respecto a las operaciones + y
·K . Sobre el conjunto V × W se definen las operaciones
(v1 , w1 ) + (v2 , w2 ) = (v1 + w1 , v2 + w2 )
λ · (v1 , w1 ) = (λv1 , λw1 )
Se deja como ejercicio verificar que (V × W, +, ·) es un K-espacio vectorial.

4
 5. Sea V2 el conjunto de los vectores libres del plano. Este conjunto tiene
estructura de espacio vectorial con respecto a la suma de vectores dada por
la regla del paralelogramo y el producto de un vector por un escalar.
Se deja como ejercicio verificar los axiomas.

Propiedades 1.9 En todo K-espacio vectorial V se verifican las siguientes propiedades:

→ →
1. 0· u= 0
→ →
2. λ· 0 = 0
→ → → →
3. λ· u= 0 ⇒ λ = 0 o u= 0
→ → → →
4. λ· u= µ· u, u̸= 0 ⇒ λ = µ
→ → → → →
5. λ· u= λ· v , λ ̸= 0 ⇒ u= v
→ → →
6. (−λ)· u= λ · (− u) = −(λ· u)
→ →
para todo λ, µ ∈ K y para todo u, v ∈ V .

Demostración:
→ → → → → →
1. 0 u= (0 + 0) u= 0 u +0 u ⇒ 0 u= 0
→ → → → → →
2. λ u= λ( u +0) = λ u +λ 0 ⇒ λ 0 = 0
→ → → → → →
3. Si λ ̸= 0, entonces ∃λ−1 | λ−1 (λ u) = λ−1 0 ⇒ (λ−1 λ) u= 0 ⇒ 1· u= 0
→ →
⇒ u= 0
→ → → → →
4. λ u −µ u= 0 ⇒ (λ − µ) u= 0 ⇒ λ − µ = 0 ⇒ λ = µ
→ → → → → → → → → → →
5. λ u −λ v = 0 ⇒ λ( u − v ) = 0 ⇒ u − v = 0 ⇒ u= v
→ → → → →
6. (−λ) u +λ u= (−λ + λ) u= 0 u= 0

2 Subespacios Vectoriales
Definición 2.1 Sea (V, +, ·) un K-espacio vectorial. Un subconjunto U de V
se dice que es un subespacio vectorial de V cuando (U, +, ·) es un K-espacio
vectorial.

5
Esto significa que + es una operación interna sobre U y · es una operación externa
sobre U con dominio de operadores el cuerpo K, es decir,

+:U ×U →U ·:K×U →U
→ → → → → →
(u1 , u2 ) 7→u1 + u2 (λ, u) 7→ λ· u

Teorema 2.2 (de caracterización de los subespacios vectoriales)

Una parte no vacı́a U de un espacio vectorial V es un subespacio vectorial suyo
→ → → →
si, y solo si, ∀ u1 , u2 ∈ U ; ∀α, β ∈ K; α· u1 +β· u2 ∈ U

Ejemplos 2.3
→
1. 0 = { 0 } y V son subespacios vectoriales de V .

2. Sabemos que R4 es un R-espacio vectorial. El subconjunto U = {(x1 , x2 , x3 , 0) |

xi ∈ R} es un subespacio vectorial. Se deja como ejercicio.

3. Sabemos que R3 es un R-espacio vectorial. El subconjunto U = {(x1 , x2 , x3 ) |

x1 + x2 + x3 = 1} no es un subespacio vectorial ya que no contiene al vector
→
0.
−
→
4. El subconjunto U = {(x1 , x2 ) | x21 + x2 = 0} contiene a 0 y sin embargo no
es un subespacio vectorial.

5. Sabemos que R5 es un R-espacio vectorial. ¿El subconjunto U = {(x1 , x2 , x3 , x4 , x5 ) |

x1 + x2 + x3 = x4 + x5 } es un subespacio vectorial?. Se deja como ejercicio.
→
Nota: El vector 0 siempre pertenece a cualquier subespacio ya que (U, +) es un
grupo abeliano y por lo tanto contiene al neutro para la suma.

3 Combinación lineal. Dependencia e indepen-

dencia lineal
→ → →
Definición 3.1 Dado un conjunto finito de vectores H = {u1 , u2 , . . . , un } de un
espacio vectorial V , se llama combinación lineal de los vectores del conjunto H a
todo vector de V cuya expresión es de la forma
→ → →
α1 · u1 +α2 · u2 + · · · + αn · un

con α1 , α2 , . . . , αn ∈ K. El conjunto H también se llama sistema de vectores.

Propiedades 3.2
→
1. El vector 0 es combinación lineal de cualquier sistema de vectores.

6
 →
2. Un vector u es combinación lineal de si mismo y cualquier vector de un
sistema H es combinación lineal del sistema. En efecto,
→ → → →
ui = 0· u1 + · · · + 1· ui + · · · + 0· un
→ → → →
3. Si w es combinación lineal de un sistema de vectores H = {u1 , u2 , . . . , un } y
→ → → →
cada ui es combinación lineal de un sistema de vectores J = {v1 , v2 , . . . , vn },
→
entonces w es combinación lineal de los vectores del sistema J.

→ ∑
p
→ → ∑
n
→ ∑
n ∑p
→
ui = αi vi ; w= βi ui = βi ( αj vj )
i=1 i=1 i=1 j=1

→
Definición 3.3 En un espacio vectorial V se dice que un vector u depende lin-
→ → → →
ealmente de un sistema de vectores H = {u1 , u2 , . . . , un } si u se puede escribir
como combinación lineal de los vectores de ese sistema.
→ → →
Teorema 3.4 El conjunto ⟨H⟩ = ⟨{u1 , u2 , . . . , un }⟩ formado por todas las combi-
→ → →
naciones lineales de los vectores del sistema H = {u1 , u2 , . . . , un }es un subespacio
vectorial de V .

Demostración: Se deja como ejercicio.

Definición 3.5 Este subespacio se llama subespacio generado o engendrado por

→ → → → →
el sistema de vectores H = {u1 , u2 , . . . , un }. El sistema de vectores H = {u1 , u2
→
, . . . , un } se llama sistema generador del subespacio.
→ → → →
Corolario 3.6 u depende linealmente del sistema de vectores {u1 , u2 , . . . , un } si,
→ → → →
y solo si, u∈ ⟨{u1 , u2 , . . . , un }⟩.

Demostración: Es un ejercicio inmediato.

→ → → → →
Definición 3.7 Dos sistemas de vectores S = {u1 , u2 , . . . , un } y T = {v1 , v2
→
, . . . , vm } se dice que son equivalentes si engendran el mismo subespacio, es decir,

⟨S⟩ = ⟨T ⟩

Propiedades 3.8
→
1. El vector 0 depende linealmente de cualquier sistema de vectores.
→ → → →
2. Si un vector u depende linealmente de un sistema {u1 , u2 , . . . , un } y cada
→ → → → →
vector ui depende linealmente de un sistema {v1 , v2 , . . . , vm }, entonces u
→ → →
depende linealmente de {v1 , v2 , . . . , vm }.

7
 3. Dos sistemas de vectores son equivalentes si, y solo si, todo vector de un
sistema es combinación lineal de los vectores del otro y viceversa.

Definición 3.9 En un espacio vectorial V se dice que un sistema de vectores

→ → →
{u1 , u2 , . . . , un } es libre o de vectores linealmente independientes si cualquier com-
binación lineal nula tiene todos sus escalares nulos, es decir,
→ → → →
α1 u1 +α2 u2 + · · · + αn un = 0 ⇒ α1 = α2 = · · · = αn = 0

Ejemplos 3.10 En R3 el sistema de vectores {(1, 0, 0), (0, 1, 0)} es libre puesto
que
α · (1, 0, 0) + β · (0, 1, 0) = (0, 0, 0) ⇒ α = β = 0
→
Proposición 3.11 Si un vector u es combinación lineal de un sistema libre de
→ → →
vectores {u1 , u2 , . . . , un }, entonces dicha combinación lineal es única.
→
Demostración: Supongamos que u admite dos combinaciones lineales con re-
→ → →
specto al sistema de vectores {u1 , u2 , . . . , un }. Tenemos que demostrar que los
escalares de ambas combinaciones lineales son iguales.
→ → → →
α1 u1 +α2 u2 + · · · + αn un = 0
→ → → →
β1 u1 +β2 u2 + · · · + βn un = 0
Restando ambas combinaciones, se tiene que
→ → → →
(α1 − β1 ) u1 +(α2 − β2 ) u2 + · · · + (αn − βn ) un = 0

Por ser el sistema de vectores libre se tiene que α1 − β1 = 0; α2 − β2 = 0; · · · =

αn − βn = 0 = 0
→ → →
Definición 3.12 Un sistema de vectores {u1 , u2 , . . . , un } de un espacio vectorial
V se dice que es ligado o de vectores linealmente dependientes cuando existen
combinaciones lineales nulas con algún escalar no nulo, es decir, existe
→ → → →
α1 u1 +α2 u2 + · · · + αn un = 0

en la que algún αi ̸= 0

Ejemplos 3.13 En el espacio vectorial R3 , el sistema de vectores {(1, 0, 0), (0, 1, 0),
(0, 0, 1), (1, 1, 1)} es ligado puesto que

2 · (1, 0, 0) + 2 · (0, 1, 0) + 2 · (0, 0, 1) − 2 · (1, 1, 1) = (0, 0, 0)

→ → →
Proposición 3.14 Un sistema de vectores {u1 , u2 , . . . , un } es ligado si, y solo
si, al menos uno de los vectores del sistema se puede expresar como combinación
lineal del resto, es decir, depende linealmente del resto.

8
 → → → →
Demostración: ”⇒” Si α1 u1 +α2 u2 + · · · + αn un = 0 con αi ̸= 0, entonces
→ → → → → → →
αi ui = −α1 u1 − · · · − αi−1 ui−1 −αi+1 ui+1 − · · · − αn un , por lo que ui = − αα1i u1
αi−1 → → αn →
−··· − αi
ui−1 − ααi+1
i
u i+1 − . . . αi
un
→ → → → → →
”⇐” Si ui = α1 u1 + · · · + αi−1 ui−1 +αi+1 ui+1 + · · · + αn un , entonces α1 u1
→ → → → →
+··· + αi−1 ui−1 −1· ui +αi+1 ui+1 + · · · + αn un = 0 , siendo αi = −1.

Propiedades 3.15
→ →
1. Todo vector u̸= 0 forma un sistema libre.
→
2. El vector 0 forma un sistema ligado.
→ → → →
3. Si 0 ∈ {u1 , u2 , . . . , un }, entonces el sistema es ligado.
→ → →
4. Si {u1 , u2 , . . . , un } es un sistema de vectores linealmente dependiente, en-
→ → → → → →
tonces cualquier sistema de la forma {u1 , u2 , . . . , un , v1 , v2 , . . . , up } es ligado.
→ → → →
5. Si {u1 , u2 , . . . , up , . . . , un } es un sistema de vectores linealmente independi-
→ → →
ente, entonces cualquier subconjunto {u1 , u2 , . . . , up } también es linealmente
independiente.

4 Espacios Vectoriales de Dimensión Finita

En algunos espacios vectoriales ocurre que un sistema finito de vectores cons-
tituye un sistema generador de todo el espacio, es decir, cualquier vector del
espacio vectorial se puede escribir como combinación lineal de ese sistema finito
de vectores.

Ejemplos 4.1 R2 = ⟨{(1, 0), (0, 1)}⟩ pues cualquier vector (x, y) se puede es-
cribir (x, y) = x · (1, 0) + y · (0, 1)

Definición 4.2 Un espacio vectorial V se dice que es de tipo finito si admite un

sistema generador finito.

Sin embargo no todos los espacios vectoriales son de tipo finito. Por ejemplo el
espacio vectorial R[x] de las funciones polinómicas en la variable x con coeficientes
reales, p(x) = a0 + a1 x + a2 x2 + · · · + an xn + . . . , no posee un sistema generador
finito. El sistema generador canónico es {1, x, x2 , . . . , xn , . . . } que obviamente no
está constituido por un número finito de polinomios.
Por otra parte, si V es un espacio vectorial de tipo finito, el sistema generador
no es necesariamente único, ni tampoco está formado por el mismo número de
vectores.

9
Ejemplos 4.3
R2 = ⟨{(2, 1), (−1, 0)}⟩; (x, y) = y · (2, 1) + (2y − x) · (−1, 0)
R2 = ⟨ (−1, 0), (0, 1), (1, 1)}⟩; (x, y) = 2x · (−1, 0) + y−3x
2
· (0, 2) + 3x(1, 1)

Veremos a continuación que son de especial interés, por las propiedades que
poseen, para un espacio vectorial de tipo finito, aquellos sistemas de generadores
que son linealmente independientes.

Definición 4.4 En un espacio vectorial V , se dice que un sistema de vectores

→ → →
B = {e1 , e2 , . . . , en } es una base si es un sistema de generadores linealmente
independiente.
→ → → →
Esto significa que V = ⟨B⟩ = ⟨{e1 , e2 , . . . , en }⟩, por lo que cualquier vector x∈ V
se puede expresar como combinación lineal de ese sistema de vectores

→ → → → ∑
n
→
x= x1 · e 1 +x2 · e2 +··· + xn · en = xi · e i
i=1

pero, además, al ser el sistema de vectores B linealmente independiente, dicha

combinación lineal es única. Estos únicos escalares x1 , x2 , . . . , xn que forman la
→
combinación lineal respecto de la base B se llaman coordenadas del vector x
respecto a la base B.
Fijada una base B de un espacio vectorial V , se puede establecer la aplicación
biyectiva
V −→ Kn
→ ∑
n
→
x= xi · ei 7→ (x1 , x2 , . . . , xn )
i=1

Ejercicios 4.5 Verificar que la citada aplicación es biyectiva.

→
La n-upla (x1 , x2 , . . . , xn ) asociada de forma única al vector x respecto de la
→
base B, recibe el nombre de sistema de coordenadas del vector x. Los vectores
→ → → →
x1 · e1 , x2 · e2 , . . . , xn · en se llaman componentes del vector x respecto a la base
B.

Ejemplos 4.6 Es inmediato comprobar que en R2 el sistema de vectores B =

→ →
{e1 = (1, 0), e2 = (0, 1)} forma una base. Cualquier vector (x, y) de R2 se puede
escribir en función de esta base como (x, y) = x · (1, 0) + y · (0, 1). Ası́ pues,
(x, y) son las coordenadas del vector respecto de la base y x · (1, 0), y · (0, 1) son
sus componentes.

Si se considera otra base de V , evidentemente cambian las combinaciones lineales

y la aplicación biyectiva V → Kn y, en consecuencia, las coordenadas y las
componentes del cada vector.

10
Ejemplos 4.7 Comprobar que el sistema de vectores B ′ = {(1, 2), (−2, 0)} forma
una base de R2 .

y y − 2x y y − 2x
(x, y) = · (1, 2) + · (−2, 0) V → R2 ; (x, y) 7→ ( , )
2 4 2 4
En el ejemplo anterior se vió que B = {(1, 0), (0, 1)} forma una base de R2 .
Entonces se tiene que

(x, y) = x · (1, 0) + y · (0, 1) V → R2 ; (x, y) 7→ (x, y)

Las bases de los espacios vectoriales de tipo finito tienen dos propiedades muy
importantes que nos van a permitir caracterizarlas (estas propiedades también se
pueden extender a espacios vectoriales que no sean de tipo finito).

Teorema 4.8 (de existencia de bases)

→
Todo espacio vectorial V ̸= 0 de tipo finito posee al menos una base.

Teorema 4.9 (de la dimensión)

En un espacio vectorial V de tipo finito todas las bases están formadas por el
mismo número de vectores.

De los dos teoremas precedentes se deduce que todo espacio vectorial no trivial V
de tipo finito posee al menos una base y que todas las bases de V están formadas
por el mismo número de vectores. A este número fijo de vectores que poseen
todas las bases de V se le llama dimensión del espacio vectorial V .
→
El espacio vectorial 0 es de tipo finito, pero no posee ninguna base, por lo tanto
se conviene que su dimensión sea 0, para que la definición de dimensión sea
consistente.

Ejemplos 4.10 Los siguientes sistemas de vectores forman bases de R3 . La

comprobación se deja como ejercicio.

B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}

B ′ = {(1, 1, 2), (0, 1, 2), (0, 0, 1)}

B ′′ = {(−2, 1, 3), (4, 0, 2), (−5, 0, 3)}

Como puede observarse, todas las bases de R3 están formadas por 3 vectores ,
por lo que dim R3 = 3.

Ejercicios 4.11 1. Verificar que dim Rn = n.

2. Verificar que dim R2 [x] = 3, siendo R2 [x] el espacio vectorial de los poli-
nomios de segundo grado en la variable x con coeficientes reales.

11
Propiedades 4.12
→ → →
1. Si V es un espacio vectorial de tipo finito y {v1 , v2 , . . . , vp } es un sistema
→ →
libre de vectores de V , siempre es posible encontrar vectores vp+1 , . . . , vn de
→ → → → →
forma que el sistema de vectores {v1 , v2 , . . . , vp , vp+1 , . . . , vn } sea una base,
es decir, el sistema libre inicial se puede completar hasta obtener una base.
→ → →
Demostración: Si {v1 , v2 , . . . , vp } además de ser un sistema libre fuese un
sistema generador, entonces serı́a una base. Si no fuese un sistema gener-
→
ador, entonces habrı́a un vector vp+1 en V que no dependerı́a linealmente
→ → → →
de los anteriores. Por lo tanto el sistema {v1 , v2 , . . . , vp , vp+1 } serı́a libre.
Si el nuevo sistema obtenido es un sistema generador, obtendrı́amos una
base; en caso contrario, se repitirı́a el razonamiento.
Repitiendo sucesivamente el proceso se llegará a obtener una base, pues de
no ser ası́ el proceso se prolongarı́a indefinidamente, lo que significa que V
no es de tipo finito.
2. Si dim V = n, entonces todo sistema con más de n vectores es ligado.
→ → → →
Demostración: En efecto, pues si hubiese un sistema {v1 , v2 , . . . , vn , vn+1
→
, . . . , vp } que fuese libre, entonces por la propiedad 1 se obtendrı́a una base
con más de n vectores, con lo que dim V ≥ n.
3. Si dim V = n, entonces todo sistema generador de V tiene al menos n
vectores.
→ → →
Demostración: En efecto, si hubiese un sistema generador {v1 , v2 , . . . , vk },
con k < n, entonces si es libre, es una base. En caso contrario, es decir, si
es ligado, uno de los vectores depende linealmente del sistema, por lo que
puede eliminarse del sistema generador. Después de realizar esta operación
se obtendrı́a un sistema con k − 1 vectores. Repitiendo el razonamiento,
siempre se encontrarı́a una base con menos de n vectores, por lo que dim
V < n.
4. Si U es un subespacio vectorial propio de un espacio vectorial de tipo finito
V , entonces dim U < dim V .
→ → →
5. Sea dim V = n. Un sistema de n vectores B = {e1 , e2 , . . . , en } es una
base de V si, y sólo si, o bien B es linealmente independiente o bien es un
sistema generador.
Demostración: Si B es libre, entonces es base, puesto que si no fuese un
sistema generador, entonces B se podrı́a completar hasta obtener una base,
con lo que dim V > n.
Si B es un sistema generador, entonces también es libre ya que si fuese
ligado se podrı́an suprimir los vectores linealmente dependientes del sistema
generador, lo que contradice a la propiedad 3.

12
 → → →
Definición 4.13 Se llama rango de un sistema de vectores {v1 , v2 , . . . , vn }, y se
→ → →
denota por rang {v1 , v2 , . . . , vn }, al mayor número de vectores linealmente inde-
pendientes del sistema.

Se deduce inmediatamente de la definición que

→ → → → → →
rang{v1 , v2 , . . . , vn } = dim⟨{v1 , v2 , . . . , vn }⟩

Propiedades 4.14
→ → → → → →
1. {v1 , v2 , . . . , vn } es un sistema libre si, y sólo si, rang {v1 , v2 , . . . , vn } = n.
→ → →
2. Sea dim V = n. Un sistema B = {v1 , v2 , . . . , vn } es base si, y sólo si,
→ → →
rang{v1 , v2 , . . . , vn } = n.

13
 Ejercicios
1. Se considera el conjunto X = {e, a, b, c} y la ley de composición interna
sobre X definida por la siguiente tabla:

∗ e a b c
e e a b c
a a e c b
b b c e a
c c b a e

¿Qué estructura algebraica tiene (X, ∗)?.

2. (a) Se define en R2 la suma usual y la operación

µ · (x, y) = (µ + µ.x − 1, µ + µ.y − 1)

para µ ∈ R. Discutir si la operación es o no externa y si R2 con ambas

operaciones tiene estructura de espacio vectorial.
(b) Sea la terna (R, +, 3), donde + representa la suma usual de números
reales y 3 el producto externo 3 : R × R → R definido por λ3µ =
1
2
.λ.µ. Comprobar si (R, +, 3) tiene estructura de espacio vectorial
real.

3. La operación x ∗ y = x.y + 1 en Z cumple:

(a) Es asociativa.
(b) Existe elemento neutro.
(c) Es conmutativa.

4. Siendo (R2 , +) un grupo conmutativo, definimos la siguiente operación pro-

ducto por escalares:

◦ : R × R2 → R2 , λ ◦ (x1 , x2 ) = (λ.x1 , x2 )

¿Es (R2 , +, ◦) un espacio vectorial?.

5. Analizar si los siguientes sistemas de vectores de R3 son libres o ligados:

a) H = {(1, 2, 1), (2, 1, 0), (−3, 2, 0)}
b) K = {(1, 1, 1), (0, 1, 1), (2, 3, 3)}

6. Para que el sistema vectores {(1, 2, 1, 0), (a, 2, 0, 1), (1, 1, 2, b)} sea libre,
¿qué valores han de tomar los parámetros a y b?.

14
 7. Decir si:
a) (5, 2, −3) ∈ ⟨{(1, 1, −1), (2, −1, 0)}⟩.
b) (−1, 2, 1) ∈ ⟨{(1, 1, −1), (2, −1, 0), (3, 0, −1)}⟩.

8. En el espacio vectorial R3 sobre R, determinar el valor de x para que el vec-

tor (−1, 2, x) pertenezca subespacio engendrado por los vectores (4, −2, 2)
y (1, 0, 3).

9. Determinar el valor de k para que

(1, k, 1, k 2 ) ∈ ⟨{(1, 0, 1, 0), (0, 2, 0, 2), (3, 2, 3, 2)}⟩

10. Decir si el sistema de vectores {(2, 1, 1), (1, 2, 1), (1, 1, 2)} genera el espacio
vectorial R3 . Lo mismo para el sistema {(1, −1, 0), (0, 6, 2), (1, 5, 2)}.

11. Buscar un sistema de generadores para el subespacio de R3 de ecuaciones

paramétricas 
 x = α + β − 3γ
y =α+β

z = −β − γ

12. Calcular las coordenadas del vector (3, 2, −3) respecto de la base

{(−1, 1, 2), (1, −2, 3), (1, 1, 2)}.

13. La expresión de un vector con respecto a la base canónica de R4 es (2, 5, −1, 1).
Obtener su expresión con respecto a la base {(1, 1, 0, 0), (0, 0, 1, 1), (1, 0, 0, 1),
(0, 1, 0, 1)}.
→ → →
14. Sea B = {v1 , v2 , v3 } una base de R3 . ¿Qué se puede decir del sistema de
→ → → → → → → → → → →
vectores B ′ = {u1 , u2 , u3 }, siendo u1 = 3 v1 +2 v2 + v3 ;u2 = 4 v1 + v2 + v3 ;
→ → → →
u3 = 2 v1 − v2 + v3 ?.
→
Si el vector v tiene coordenadas (1, 2, 3) respecto a la base B, ¿cuáles serán
sus coordenadas respecto a la base B’ ?.

15. Sean B = {−→e1 , −

→
e2 , −
→
e3 } y B ′ = {2−
→
e1 + 3−
→
e2 , −
→
e1 + −
→
e3 , −
→
e1 − −
→
e2 + −
→
e3 } dos bases
−
→
de un espacio vectorial real. Sea u el vector cuyas coordenadas respecto a
la base B son (1, 2, 3). Determinar las coordenadas de − →
u con respecto a la
′
base B .

16. Determinar los valores de a y b para que los siguientes vectores de R4 sean
linealmente dependientes:

(1, 2, 1, 0), (a, 2, 0, 1), (1, 1, 2, b).

15
 x+y−z−t=0
17. Calcular la dimensión del subespacio V = {(x, y, z, t) ∈ R4 | }.
x−z =0
18. En un espacio vectorial E de dimensión 3, indicar cuáles de las siguientes
afirmaciones son correctas, justificando la respuesta:
a) Todo sistema de vectores que contiene al vector nulo es ligado.
b) Si el sistema {−
→
u1 , −
→
u2 } es libre, entonces el sistema {−
→
u1 , −
→
u2 , −
→
u1 + −
→
u2 } es
ligado.
c) Si a un sistema libre de dos vectores se le añade un vector, siempre resulta
un sistema ligado. Si se añaden 2 vectores, entonces el sistema resultante
también es ligado.
d) Si B = {− →
u1 , −
→
u2 , −
→
u3 } es una base de E, entonces B ′ = {− →u1 − −
→
u2 , −
→
u2 −
−
→
u ,−→
u −− →
u } también lo es.
3 3 1

19. Hallar una base del subespacio vectorial V = {(x, y, z, t) ∈ R4 | x+y+z+t =

0; x − z = 0; x − t = 0}. Determinar las coordenadas del vector (1, 1, 1, 1)
respecto de la base calculada.

20. Hallar la dimensión base del subespacio vectorial H =< {(1, 0, 1, 0), (1, 1, 0, 1),
(−1, −1, 2, 3), (1, 5, −4, 5)} >. Calcular las coordenadas del vector (−1, −8, 7, −7)
respecto de la base encontrada.
x + y + 2z = 0
21. Hallar una base del subespacio vectorial H = {(x, y, z, t) ∈ R4 | }.
−x − y + 3t = 0
Calcular las coordenadas del vector (2, 4, −3, 2) respecto de la base encon-
trada. Escribir 3 vectores pertenecientes a este subespacio.

22. Sea M el subespacio vectorial de R3 generado por el sistema de vectores

{(1, −2, 1), (3, −6, 3), (0, 1, 2), (3, −5, 5)}. Determinar su dimensión y hallar
las coordenadas de los vectores (7, −12, 11), (4, −7, 5) con respecto a la base
obtenida.

16