ÁLGEBRA Y GEOMETRÍA ANALÍTICA

ESPACIO VECTORIAL

Definición de Espacio Vectorial:

La cuaterna (V; + ; R ; · ) , donde:

V es un conjunto no vacío llamado conjunto de vectores,
R es el conjunto de números reales, llamados también escalares,
+: suma de vectores, llamada operación interna,
.: producto de un vector por un escalar, llamada operación externa,
es un Espacio Vectorial si se verifican las diez propiedades enunciadas a
continuación para la suma vectorial y el producto de un vector por un escalar

Propiedades de la suma

1. Ley interna:
   
∀v1 , v 2 ∈V ⇒v1 + v 2 ∈V
2. La suma es asociativa:
        
∀v1 , v 2 , v 3 ∈V : (v1 + v 2 ) + v 3 = v1 + (v 2 + v 3 )
3. La suma es conmutativa:
     
∀v1 , v 2 ∈V ⇒v1 + v 2 = v 2 + v1

4. Existencia del vector nulo: o (neutro)
      
∃o ∈V /∀v ∈V : v  o  o  v = v

5. Existencia del elemento opuesto o simétrico:  v
    
 v  V  (v)  V / v  (v)  o

 el par (V;+) es Grupo Abeliano

Propiedades del producto de un vector por un escalar

1. Ley externa:
 
∀v1  V∧∀ λ ∈ R : v1 . λ ∈V
2. Distributividad del producto respecto a la suma de vectores:
     
∀v1 , v2 ∈V ∧∀ λ ∈ R ⇒ λ . (v1  v2 )  λ .v1  λ .v2
3. Distributividad del producto respecto a la suma de escalares:
   
∀v ∈V ∧∀λ1 , λ 2 ∈R ⇒v . (λ1 + λ 2 ) = v.λ1 + v.λ 2
4. Asociatividad
  
∀v ∈V ∧∀λ1 , λ 2 ∈R ⇒λ1. (λ 2 . v ) = (λ1. λ 2 ) . v
5. Elemento neutro

para el producto:
 
∀v ∈V , 1∈R :1.v = v

Observación: Cualquier conjunto V no vacío, que cumple con

estas diez propiedades enunciadas, se denomina Espacio vectorial y sus
elementos se llaman vectores.
Las matrices y los polinomios cumplen con estas propiedades, por lo tanto
tienen estructura de Espacio vectorial.

Prof. Carmen Graciela Del Valle Página 1

 ÁLGEBRA Y GEOMETRÍA ANALÍTICA

Ejemplos de Espacio Vectorial:

(R2 ; +; R; . ) , (R3 ; +; R; . ) , (R4 ; +; R; . ) , (M3 ; +; R; . ) , (P2 ; +; R; . )

Sugerencia: Consulta el texto Álgebra Lineal de Stanley Grossman (sexta

edición) Capítulo 4, para profundizar y ver más ejemplos.

Propiedades: Sea el Espacio Vectorial (V; +; R; . )

1) k R, V: k. =
2) V, 0 R : 0. = (vector nulo)
3) k R, V: (- k). = - (k. )

Subespacios de Espacios Vectoriales

Un subconjunto S de un Espacio Vectorial V es un subespacio si es un Espacio

Vectorial con las mismas operaciones definidas en V.

Definición: Un subconjunto no vacío S de un Espacio Vectorial se denomina

subespacio de V si S es un Espacio vectorial con las mismas operaciones de
suma y multiplicación por un escalar definidas en V.

El siguiente Teorema facilita la demostración de que un conjunto S es

subespacio de un determinado espacio vectorial V

Teorema:

Sea (V; +; R; . ) un espacio vectorial , el conjunto S es subespacio de V, si y

solo si, se verifican:
1) S es no vacío
2) S está incluido en V
3) S: S
4) k R, S: k. S

Observaciones:
1) Todo subespacio de un espacio vectorial contiene al vector nulo.
2) Si S no contiene al vector nulo, S no es un espacio vectorial.
Esta última observación es útil para demostrar que un subconjunto de un
espacio vectorial V no es subespacio de V.

Ejemplos de subespacios:

Subespacios triviales: Considerando el espacio vectorial (V, +, R, . ),

podemos apreciar que existen dos subespacios llamados triviales porque no es
necesario demostrar este hecho, ellos son:

 S= V, V es subespacio de si mismo

Prof. Carmen Graciela Del Valle Página 2

 ÁLGEBRA Y GEOMETRÍA ANALÍTICA

 S= { }, que es el conjunto cuyo único elemento es el vector nulo.

Otros subespacios :

 S= { (x,y) R2 / y= 2x } es subespacio de ( R2 , +, R, . )

 S= { A M2 / A es una matriz diagonal} es subespacio de ( M2 , +, R, .)

Actividad 1: Probar que los dos últimos conjuntos S son subespacio del
espacio vectorial respectivo.

Combinación lineal de vectores

Recordemos que un vector de R3 se puede escribir así: = a +b + c

Podemos decir entonces que el vector es combinación lineal de los vectores
, y .

En forma genérica:
   
Si A= v1 ; v2 ; v3 ;...; vn es un conjunto de vectores del espacio vectorial
(V;+;R;) y α1; α2; α3;…;αn son números reales, entonces cualquier vector de la
forma:
   
1v1   2 v2   3 v3  ...   n vn
se denomina combinación lineal de dicho conjunto de vectores.
   
La combinación lineal 1v1   2v2  3v3  ...   nvn
n
 
se puede expresar así:  v /   R  v  A
i 1
i i i i

Gráficamente:

 
V v3

 
v1 v2

α1 .v1

Ejemplos:
 En R2, el vector: (-3,11) es combinación lineal de los vectores:
(2,1); (-1,3) y (2,0)
Lo comprobamos: (-3,11) = 2. (2,1) + 3. (-1,3) + (-2). (2,0)
 2 3 3
 
 En M ; la matriz
2x3
 12 5 4  es combinación lineal de

Prof. Carmen Graciela Del Valle Página 3

 ÁLGEBRA Y GEOMETRÍA ANALÍTICA

1 0 3  0 1  1
   
 0 1 2 y 4 1 0 

 2 3 3 1 0 3  0 1  1
. Lo comprobamos:    = 2.  + 3. 
12 5 4  0 1 2 4 1 0 

 Podemos decir que el polinomio P(x) = 5x2 + 3x -4 es combinación lineal

de los monomios x2 , x y x0

 ¿El vector V = ( 1 , - 2 , - 5 ) es combinación lineal de
 
v1 = (1, 1,1) y v 2 = (1, 2,3)?
  
Solución: para que V sea combinación lineal de v1 y v 2 deben existir
escalares
  
α1 y α2 / α1 v1 +α2 v 2 = V  α1 (1, 1,1) + α2 (1, 2,3) = (1, - 2,- 5) 
(α1, α1, α1) + (α2, 2α2, 3α2) = (1, - 2, - 5)

Sumando ternas:
(α1+α2, α1+2α2, α1+3α2) = (1, - 2,- 5)

Igualando las ternas, obtenemos un Sistema de ecuaciones lineales:

α1  α 2  1

α1  2α 2  2
α  3α  5
 1 2

α1  α 2  1  α1  1  α 2 
  1  α 2  2  2α 2  α 2  3
α1  2α 2  2  α1  2  2α 2 
α1 + 3α2 = - 5  α1= -5 - 3α2
 α1 = - 5 - 3.(-3)  α1 = 4

 V  4v 1  3v 2

(1, - 2,- 5) = 4 (1, 1,1) + ( - 3) (1, 2,3)

  
Luego V puede expresarse como combinación lineal de v1 y v 2
Como vemos, el Sistema de ecuaciones lineales resultó ser compatible
determinado, por lo que la combinación lineal es única.

Actividad 2: Si el Sistema de ecuaciones lineales resulta ser compatible

indeterminado, ¿Cómo será la combinación lineal? Y Si el Sistema de
ecuaciones lineales resultante es incompatible?

Actividad 3: Averiguar si el vector V = (1, 2, 5) es combinación lineal de
 
v1 = (1, 0,1) y v 2 = (1, 2,-3).

Actividad 4: Averiguar si el vector V = (2, 3) es combinación lineal de
  
v1 = (1,1) , v 2 = (1,2) y v3 = (1,-2)

Prof. Carmen Graciela Del Valle Página 4

 ÁLGEBRA Y GEOMETRÍA ANALÍTICA

Sugerencia: Consulta el texto Álgebra Lineal de Stanley Grossman (sexta

edición) pág. 299, para profundizar y ver más ejemplos.

Dependencia e independencia lineal

    
Si A  v1 ; v 2 ; v 3 ;...; v n  es un conjunto de vectores, entonces la
combinación lineal (c.l.):
    
1v1   2 v2   3 v3  ...   n vn  0
tiene al menos una solución:
α1  0 α 2  0 α  0 ... α n  0

Si esta solución es única, entonces se dice que A es un conjunto
linealmente independiente (l.i.).

Si existen otras soluciones, se dice que A es linealmente
dependiente(l.d.).

Gráficamente:
  
 2v1  3v 2  V
V    
 la c. l. 2v1  3v2  (1)V  0
v1   
 v1 ; v 2 y V son l. d.

v2
Cualquiera de estos vectores es combinación lineal de los restantes, es decir
podemos obtener el vector nulo sin que los coeficientes de la combinación
lineal sean nulos.

Definición:
     
Dado un conjunto A  v1 ; v 2 ; v 3 ;...; v n  se dice que A es un conjunto
linealmente dependiente si existen números reales α1 ; α 2 ; α 3 ;...; α n no todos
    
nulos tales que 1v1   2 v2   3 v3  ...   n vn  0

Teorema: dos vectores de un Espacio Vectorial son linealmente dependientes

si y solo si uno de ellos es múltiplo escalar del otro.

Ejemplos:
 
 Los vectores: v1  (2,1,0,3) y v 2  (6,3,0,9) pertenecientes a R4, son
 
linealmente dependientes porque: v2  3v1 o lo que es lo mismo decir que
  
v2  3v1  o
2
 Los vectores (- 2;4) y (1, - 2) pertenecientes a R son linealmente
dependientes
Lo comprobamos: α1 (  α 2   (0,0)

Prof. Carmen Graciela Del Valle Página 5

 ÁLGEBRA Y GEOMETRÍA ANALÍTICA

 (α1 α1   α 2 α 2   (0,0) , esta igualdad nos conduce a un Sistema de

ecuaciones Homogéneo

 α1  α 2  0  α 2  2α1

α1  α 2  0  α 2  2α1

El sistema se transforma en una sola ecuación, es un sistema de ecuaciones

Homogéneo indeterminado (con infinitas soluciones), significa que entre esas
infinitas soluciones existirán escalares no nulos que verifiquen la combinación
lineal expresada al comienzo.

 1  k , k  R

 2  2k

Como son vectores de R2, podemos representarlos gráficamente y comprobar

que son vectores con la misma dirección
y


v1

-x x

v2

-y   
Actividad 5: Averiguar si los vectores v1 = (1,1) , v 2 = (1,2) y v3 = (1,-2) son
l.d.

Independencia lineal

En el plano R 2 es posible ver en forma gráfica que dados dos vectores y

con direcciones distintas, no es posible encontrar un escalar tal que se
pueda expresar uno de ellos como múltiplo del otro, es decir no existe un
escalar α tal que = α.

Prof. Carmen Graciela Del Valle Página 6

 ÁLGEBRA Y GEOMETRÍA ANALÍTICA

De igual forma se puede decir que no existe α tal que:

- α. = (Vector nulo)


v2


v1
  
La igualdad 1v1   2 v2  0 solamente se verifica si α1 = α2 = 0, es decir cuando
los coeficientes de la combinación lineal del vector nulo son todos nulos, en
este caso decimos que los vectores son linealmente independientes.

Definición:
     
Dado un conjunto A  v1 ; v 2 ; v 3 ;...; v n  se dice que A es un conjunto
linealmente independiente si la combinación lineal. 
   
1v1   2 v2   3 v3  ...   n vn  0
Se verifica únicamente cuando α1  α 2  α 3  ...  α n  0


Ejemplo: Verificar que el conjunto A  (1,0,0); (0,1,0); (0,0,1) es linealmente
independiente.
α1(1,0,0) + α2(0,1,0) + α3(0,0,1) = (0,0,0)
 (α1, 0,0) + (0, α2, 0) + (0, 0, α3) = (0, 0,0)
 (α1, α2, α3) = (0,0,0)

Por igualdad de ternas obtenemos un Sistema de ecuaciones Homogéneo

α1  0 
 
α 2  0  α1  α 2  α 3  0 A es linealmente independiente
α 3  0 
Podemos ver que si el Sistema de ecuaciones Homogéneo es determinado
(solo admite la solución trivial) los vectores son l.i.

Actividad 6: Averiguar si los siguientes conjuntos de vectores son l.d. o l.i..

a) {(1,2,3);(0,1,4);(2,0,4)}
b)
c) { x2 +4x; 3x+1; 2x-5}

Sistema de generadores de un Espacio Vectorial

    
Un conjunto de vectores A  v1 ; v 2 ; v 3 ;...; v n  es un sistema de

generadores (o conjunto generador) de un Espacio Vectorial V si A  V y
   
cada vector en V es una combinación lineal de v1 ; v 2 ; v 3 ;...; v n .

Simbólicamente:

Prof. Carmen Graciela Del Valle Página 7

 ÁLGEBRA Y GEOMETRÍA ANALÍTICA

   n
  
A es S.G. de V   v  V : v   α i vi , v i  A ,  i  R
i 1
Ejemplos:  
1) Los vectores i  (1,0) y j  (0,1) generan R2.
  
2) Los vectores i  (1 ,0,0) , j  (0 ,1,0) y  (0,0,1) generan R3.
k
a b  1 0 0 1  0 0 0 0
3) Como    a.  + b.  + c.  + d . 
c d   0 0  0 0 1 0 0 1

1 0 0 1 0 0 0 0
Observamos que:   ;   ;   y   generan a M22.
0 0 0 0 1 0 0 1

4) ¿Dos vectores de R3 generan a R3 ? Por ejemplo:¿El conjunto

A={ (1, 2, 3) ; (1, 0, 1) es generador de R3 ? Averígualo!

5) El conjunto {(1,0),(0,1),(1,1)} es generador de R2 ?

Si (a,b) es cualquier vector de R2 deben existir escalares
α1 , α 2 , α 3 / α1 (1,0)  α 2 (0,1)  α 3 (1,1)  (a , b)
 (α1 ,0)  (0, α 2 )  (α 3 , α 3 )  (a , b)
α1  α 3  a  α1  a  α 3
 ;
α 2  α 3  b  α 2  b  α 3
α1  a  k
haciendo : α 3  k  
α 2  b  k

Esto nos dice que el conjunto {(1,0),(0,1),(1,1)} es generador de R2.

Observemos que si el Sistema de ecuaciones obtenido es Compatible, el
conjunto de vectores considerado es generador del espacio vectorial.

Actividad 7: Averiguar si los siguientes conjuntos son generadores del

espacio vectorial respectivo.
a) {(1,2,3);(0,1,4);(2,0,4)} de R3
b) de M2 (R)
2
c) { x +4x; 3x+1; 2x-5} de P2

Base de un espacio vectorial

    
Si un conjunto A  v1 ; v 2 ; v 3 ;...; v n  es un conjunto de vectores del
espacio vectorial (V; +; R; ·) siendo este un sistema de generadores y un
conjunto linealmente independiente, este conjunto es una base de dicho
espacio vectorial.

Prof. Carmen Graciela Del Valle Página 8

 ÁLGEBRA Y GEOMETRÍA ANALÍTICA

Definición:
   
Un conjunto de vectores v1 ; v 2 ; v 3 ;...; v n  es una base de un espacio
vectorial V si:
i) v 1 ; v 2 ; v 3 ;...; v n  es linealmente independiente.
ii) v 1 ; v 2 ; v 3 ;...; v n  genera a V.
La diferencia entre sistema de generadores y base es que una base no tiene
vectores superfluos, tiene sólo los necesarios para poder representar a los
demás vectores del espacio.
Para determinar si un conjunto de vectores es base de un espacio vectorial,
debemos comprobar que se cumplan las dos condiciones dadas en la
definición: deben ser l.i. y generador del espacio vectorial.

Actividad 8: Considera los conjuntos de la actividad anterior y determina si son

base.

Base canónica: La determinan los vectores fundamentales o versores que son

los vectores unidad sobre los ejes coordenados y con igual sentido que los ejes
positivos.
z
0 1
x (0,0,1)
R
(0,1,0)
R _ recta _ base unidimensional y

y (1,0,0) R3
x

(0,1)
x
R3 _ espacio _ base tridimensional
(1,0)
R2

R2 _ plano _ base bidimensional

Ejemplos: en (R2; +; R; ·)

A  (1,0); (0,1); (1,1) es un Sistema Generador de R2 pero no es linealmente
independiente  no es base.

B  (1,0); (0,1) es un Sistema Generador de R2 y es linealmente independiente
 es base. Es la base canónica de R2

C  (1,0) no es un Sistema Generador de R2  no es base de R2, aunque es
linealmente independiente

Prof. Carmen Graciela Del Valle Página 9

 ÁLGEBRA Y GEOMETRÍA ANALÍTICA

Sean:
1 0 0 1 0 0 0 0
M1 =   ; M2 =   ; M3 =   ; M4 =   el conjunto de matrices
0 0 0 0 1 0 0 1

cuadradas S  M1 ; M 2 ; M 3 ; M 4  es una base del espacio vectorial M22.
Para comprobar que S genera a M22, consideremos una matriz arbitraria
a b
  expresamos:
c d
a b 1 0 0 1 0 0 0 0
  = a   + b   + c   + d  
c d 0 0 0 0 1 0 0 1
para verificar que es linealmente independiente esta combinación lineal
igualamos:
1 0 0 1 0 0 0 0 0 0
a   + b   + c   + d   =  
0 0 0 0 1 0 0 1 0 0
en consecuencia:
a b 0 0
  =  
 c d  0 0
Por lo tanto: a = b = c = d = 0 y en consecuencia S es linealmente
independiente.
   
Nota: para indicar que v1 ; v 2 ; v 3 ;...; v n  es una base del Espacio Vectorial
(V ; + ; R; ·) utilizaremos el símbolo v.

Dimensión

El número de vectores de una base de un Espacio Vectorial se conoce

como la dimensión del espacio.
Si la dimensión del espacio es “p” se dice que el espacio es “p”
dimensional.
Cuando un espacio vectorial tiene una base que consiste en un número
finito de vectores, entonces el espacio es de dimensión finita.

Teorema
Un espacio Vectorial tiene dimensión finita k  k es el máximo número
de vectores en un conjunto linealmente independiente.

Definición
La dimensión de un Espacio Vectorial es el número cardinal de
cualquiera de sus bases.
Si el vector V consiste sólo en el vector nulo, diremos que su dimensión
es 0.
Ejemplos:
1_ (C2 ; + ; R ; ·) tiene dimensión 4 y c  1,0; 0,1; i,0; 0, i . Constituye la
base canónica.
2_ (Rn ; + ; R ; ·) tiene dimensión n y
e  1,0,...,0; 0,1,...,0; 0,0,1,...,0;...; 0,0,...,1.Constituye la base canónica.

Prof. Carmen Graciela Del Valle Página 10

 ÁLGEBRA Y GEOMETRÍA ANALÍTICA

3_ (R2 ; + ; R ; ·) tiene dimensión 2 y e  1,0; 0,1. Constituye la base

canónica.
4_ (R3 ; + ; R ; ·) tiene dimensión 3 y e  1,0,0; 0,1,0; 0,0,1.Constituye la
base canónica de R3.

Coordenadas de un vector

Sea V un Espacio Vectorial

  
El conjunto B = {v1 , v 2 ,..., v n } es una base de dicho espacio vectorial.

Todo vector se puede expresar en forma única como combinación lineal de los
vectores de la base B, es decir existen escalares únicos
   
x1 , x 2 ,..., x n / v = x1v1 + x 2 v 2 + ... + x n v n

Estos escalares se denominan coordenadas del vector v respecto de la base
B.
 x1 
x 
Se indica vB   
 2


 
x n 

Cambio de base

Sea V un espacio vectorial de dimensión ‘n’

  
B1 = {v1 , v 2 ,..., v n } base de V
  
B2 = {u1 , u 2 ,..., u n } base de V

Sea x  V

Como B1 es base de V:
 x1 
x 
x  x 1 v1  x 2 v 2    x n v n ⇒x B1
   
  2

 
x n 
Como B2 es base de V:
 y1 
y 
x  y1u 1  y 2 u 2    y n u n ⇒x B2
   
  2

 
y n 

Prof. Carmen Graciela Del Valle Página 11

 ÁLGEBRA Y GEOMETRÍA ANALÍTICA

Podemos representar la situación descripta mediante el siguiente diagrama:

 
¿Qué relación existe entre las coordenadas de x en B1 y las coordenadas de x
en B2?
Además, podemos ver que cada vector de B1 es combinación lineal de los
vectores de B2
 p11 
p 
v1  p11u 1  p 21u 2    p n1u n ⇒v1 B2   21 
    
  
 
 p n1 
 p12 
p 
v 2  p12u 1  p 22 u 2    p n 2 u n ⇒v 2 B2   22 
    
  
 
p n 2 

 p1n 
p 
v n  p1n u 1  p 2 n u 2    p nn u n ⇒v n B2
    
  2n 
  
 
 p nn 

Al expresar cada vector de B1 en función de los vectores de la base B2

 p11   p12   p1n   p11 p12  p1n   x 1 
p  p  p  p p 22  p 2 n   x 2 
x B2  x1
  21 
 x2  22 
 xn  2n 
  21

               
        
 p n1  p n 2   p nn   p n1 p n 2  p nn   x n 

P
P se llama: matriz de transición de la base B1 a la base B2, ó matriz de paso de
B1 a B2 ó matriz de cambio de base.
Cada columna de P corresponde a las coordenadas de los vectores de B1 en la
base B2

Prof. Carmen Graciela Del Valle Página 12

 ÁLGEBRA Y GEOMETRÍA ANALÍTICA

P es cuadrada y sus columnas son las coordenadas de los vectores de la base

B1 en la base B2, dichas coordenadas son únicas para cada vector.

Teorema: Sea P la matriz de transición de B1 a B2 , entonces P-1 es la matriz de

transición de B2 a B1 .
Demostración:
Sea Q la matriz de transición de B2 a B1  (1)

Pero
Sustituyendo en(1) :  

Para profundizar estos temas y ejercitar consulta la siguiente bibliografía

existente en la Biblioteca de la facultad:

 Álgebra Lineal – Stanley I. Grossman- Editorial Mc Graw Hill.

 Nociones de Geometría Analítica y Álgebra Lineal – Ana María Kozak
y otros- Editorial Mc Graw Hill.
 Álgebra Lineal – Harvey Gerber – Grupo Editorial Iberoamérica
 Álgebra Lineal una Introducción Moderna - Poole, David –Editorial
Thomson.

Otro libro muy interesante para consultar:

Álgebra Lineal – Ron Larson y David F. Falvo – Editorial CENGAGE Learning.

Sitio para investigar:

http://hgm.shibanazihuatanejo.com/AL/index.html

Prof. Carmen Graciela Del Valle Página 13