Facultad de Ciencias Exactas, Ingenierı́a y Agrimensura

Escuela de Ciencias Exactas y Naturales

Departamento de Matemática

Algebra y Geometrı́a Analı́tica II

Año 2023

UNIDAD 4: Los espacios vectoriales Rn y Cn 1

1. Introducción.
Repasemos un poco algunos conceptos que hasta ahora hemos estudiado en Álgebra y Geometrı́a I:
Describimos analı́ticamente los conjuntos R2 y R3 como coordenadas de puntos en el plano y en
el espacio respectivamente. Ası́ es que R2 es el conjunto de pares ordenados de números reales
y R3 es el conjunto de ternas ordenadas de números reales. Hemos definido analı́ticamente dos
operaciones en R2 y R3 : un producto por escalar y una suma, y hemos estudiado sus propiedades.
Hemos definido también los conjuntos V2 y V3 de vectores en el plano y espacio respectivamente
en forma geométrica a partir de los conceptos de módulo, dirección y sentido. Hemos definido
geométricamente dos operaciones en V2 y V3 : un producto por escalar y una suma, y hemos
estudiado sus propiedades.
Hemos vinculado ambas formulaciones según las ideas de Descartes.
Como ya nos es usual, F denotará un cuerpo de números como R o C.
Es nuestro objetivo extender un poco las nociones dadas. En primer lugar estudiaremos el conjunto
Fn , y luego comparándolo con otros entes matemáticos ya conocidos, a saber Fn [x] (polinomios de
grado menor o igual a n en una variable con coeficientes en el cuerpo F y el polinomio nulo) y Fn×m
(matrices de tamaño m × n con coeficientes en el cuerpo F) seremos capaces de hacer una abstracción
de definiciones y propiedades, dando lugar a una formulación axiomática más general.
La construcción axiomática de lo que llamaremos espacios vectoriales se abordará más profundamente
en las diferentes carreras cuando se estudie Álgebra Lineal. Si bien parece algo muy lejano aún,
podemos asegurar que tenemos gran parte del camino recorrido, pues la piedra fundamental del Álgebra
Lineal ya es para nosotros conocida: los sistemas de ecuaciones lineales.

2. Los espacios Fn
2.1. Definiciones elementales
Definición 2.1. Sea n ∈ N un número natural. Consideramos el conjunto de n−uplas ordenadas de
escalares en el cuerpo F, a saber

Fn = {x = (x1 , . . . , xn ) : x1 , . . . , xn ∈ F},

con las operaciones

producto por escalar definida según: · : F × Fn −→ Fn tal que si α ∈ F y x = (x1 , . . . , xn ) ∈ Fn ,
entonces
α · x = (αx1 , . . . , αxn ) ∈ Fn ;
1
Notas de Cátedra basadas en ediciones anteriores de las mismas de las docentes Isolda Cardozo y Paola Tolomei.
Edición 2023 con modificaciones de Ma. Inés Lopez Pujato y Pablo Fekete.
 suma definida según: + : Fn ×Fn −→ Fn tal que si x = (x1 , . . . , xn ) ∈ Fn e y = (y1 , . . . , yn ) ∈ Fn ,
entonces
x + y = (x1 + y1 , . . . , xn + yn ) ∈ Fn .

Cuando F = R decimos que Rn es el espacio vectorial euclı́deo n−dimensional, y cuando F = C

decimos que Cn es el espacio vectorial complejo n−dimensional. Los elementos x de F son llamados
vectores n−dimensionales, o simplemente vectores.
Observación 2.2. Hemos utilizado en la definición la palabra dimensión. Volveremos a este vocablo
hacia el fin de la unidad, dándole un sentido matemático estricto.
Observación 2.3. Las operaciones suma y producto por escalar recién definidas se conocen como
usuales. En la práctica veremos ejemplos de otras operaciones también llamadas suma y producto por
escalar, pero definidas de otra manera.
Al definir un ente matemático una de las primeras cosas que debe decirse al respecto es qué entendemos
por noción de igualdad. Vale decir, cómo decidir si dos objetos de ese universo son iguales. En nuestro
caso, podemos decir lo siguiente:
Definición 2.4. Dos vectores x = (x1 , . . . , xn ) e y = (y1 , . . . , yn ) de Fn se dicen iguales si

x1 = y1 , . . . , xn = yn .

En el próximo párrafo haremos un estudio exhaustivo de las propiedades de estas operaciones. La lista
que se desprende será conocida como los 10 axiomas de espacio vectorial.

2.2. Los 10 axiomas de Espacio Vectorial

A1) Clausura de la suma de vectores: Al definir operaciones, como éstas son funciones, debemos ver
que están bien definidas. Esto significa, en nuestro caso, verificar que efectivamente la definición
que dimos para suma de vectores nos de como resultado otro vector. Tenemos que dados x =
(x1 , . . . , xn ) ∈ Fn e y = (y1 , . . . , yn ) ∈ Fn ,

x + y ∈ Fn .

Verificar esta afirmación implica probar pertenencia a un conjunto, en este caso será probar que
x + y es una n−upla de escalares en F. Por definición de suma de vectores, tenemos que

x + y = (x1 , . . . , xn ) + (y1 , . . . , yn ) = (x1 + y1 , . . . , xn + yn ),

y podemos afirmar que este es un elemento de Fn puesto que x1 + y1 , . . . , xn + yn ∈ F. Esta

última afirmación se debe a que la suma de escalares es cerrada.
Observemos que la suma de vectores se define a partir de la suma de escalares. Y ésta es la
clave. En este sentido seguiremos avanzando con las propiedades de las operaciones, la clave será
siempre aprovechar las propiedades que conocemos del cuerpo F.
El sentido de la palabra clausura es el de cierre, es decir, al operar en el conjunto quedamos en
él, no nos devuelve un elemento de otro conjunto sino de él mismo. Ası́, decimos por ejemplo
que la suma es cerrada.
A2) Asociatividad de la suma de vectores: Tenemos perfectamente comprendido cómo realizar una
suma de dos vectores. Pero si queremos sumar tres vectores, ¿cómo hacemos? Como sabemos
sumar dos, podemos elegir dos y sumarlos, luego como la suma es cerrada el resultado es otro
vector al cual le sumamos el tercero. Lo bueno es que no importa cuál par elijo sumar primero, el
resultado final será siempre el mismo. Esto se expresa simbólicamente como sigue: sean x, y, z ∈
Fn , entonces
x + y + z = (x + y) + z = x + (y + z).

2
 Probemos que la suma definida en Fn es cerrada: si x = (x1 , . . . , xn ), y = (y1 , . . . , yn ) y z =
(z1 , . . . , zn ), tenemos que
d
(x + y) + z =((x1 , . . . , xn ) + (y1 , . . . , yn )) + (z1 , . . . , zn ) = (x1 + y1 , . . . , xn + yn ) + (z1 , . . . , zn )
d a
=((x1 + y1 ) + z1 , . . . , (xn + yn ) + zn ) = (x1 + y1 + z1 , . . . , xn + yn + zn ),
d
x + (y + z) =(x1 , . . . , xn ) + ((y1 , . . . , yn ) + (z1 , . . . , zn )) = (x1 , . . . , xn ) + (y1 + z1 , . . . , yn + zn )
d a
=(x1 + (y1 + z1 ), . . . , xn + (yn + zn )) = (x1 + y1 + z1 , . . . , xn + yn + zn ),

donde las igualdades d se verifican por definición de suma de vectores y las igualdades a se
verifican por la asociatividad de la suma de escalares de F; de modo que ambas expresiones
resultan idénticas.
Observemos cómo el concepto de igualdad juega un rol importantı́simo en esta propiedad.
Un conjunto dotado de una operación asociativa se dice que es un semigrupo.
A3) Existencia de elemento neutro para la suma de vectores: Esta propiedad es clave, se trata de
que existe dentro del conjunto de vectores un vector destacado con la propiedad de no hacer
nada. Definimos tal vector destacado, como es habitual, a partir de las propiedades del cuerpo:
sabemos que 0 ∈ F es el neutro para la suma en F. Sea entonces el vector 0 = (0, . . . , 0) ∈ Fn ,
luego dado x ∈ Fn tenemos que
x + 0 = 0 + x = x.

Para probar la igualdad sólo hacen falta la definición de suma, el concepto de igualdad y la
existencia de elemento neutro en F. Sea entonces x = (x1 , . . . , xn ) ∈ Fn . Luego,
d ne
x + 0 =(x1 , . . . , xn ) + (0, . . . , 0) = (x1 + 0, . . . , xn + 0) = (x1 , . . . , xn ) = x,
d ne
0 + x =(0, . . . , 0) + (x1 , . . . , xn ) = (0 + x1 , . . . , 0 + xn ) = (x1 , . . . , xn ) = x,

donde las igualdades d se verifican por definición de la suma en Fn y las igualdades ne se verifican
por ser 0 ∈ F el neutro para la suma de escalares.
A4) Existencia de opuestos para la suma de vectores: Esta propiedad de existencia no destaca un
elemento entre los demás, sino que indica que para cada elemento existe uno que lo anula (que
al sumarlo con él nos da el elemento neutro). En efecto, la propiedad dice que dado un elemento
x ∈ Fn existe otro elemento u ∈ Fn tales que

x + u = u + x = 0.

La prueba sigue de tomar u = (−x1 , . . . , −xn ) donde −x1 , . . . , −xn ∈ F son los escalares opuestos
de los escalares x1 , . . . , xn , respectivamente, con respecto a la suma en F. En efecto,
d op
x + u =(x1 , . . . , xn ) + (−x1 , . . . , −xn ) = (x1 + (−x1 ), . . . , xn + (−xn )) = (0, . . . , 0) = 0,
d op
u + x =(−x1 , . . . , −xn ) + (x1 , . . . , xn ) = (−x1 + x1 , . . . , −xn + xn ) = (0, . . . , 0) = 0,

donde las igualdades d se verifican por definición de suma de vectores y las igualdades op se
verifican por la propiedad de existencia de opuestos en F.
Observemos que no es posible dar la propiedad de existencia de opuestos sin haber mencionado
antes la existencia de elemento neutro.
Observemos también que aún no hemos hablado de unicidad del opuesto, esta consecuencia
vendrá luego. Con lo cual no podemos aún utilizar la notación −x, aunque la prueba nos tiente
a hacerlo. En breve podremos.
Finalmente, todo semigrupo que tiene elemento neutro y para el cual existen opuestos se deno-
mina grupo.

3
A5) Conmutatividad de la suma de vectores: En las propiedades de existencia anteriores hemos
tenido que probar dos igualdades muy similares, una de cada lado. Esto lo hubiéramos evi-
tado si probábamos antes que la suma es conmutativa. Esta propiedad dice que dados x =
(x1 , . . . , xn ), y = (y1 , . . . , yn ) ∈ Fn se tiene que

x + y = y + x.

Veamos cómo se prueba:

d
x + y =(x1 , . . . , xn ) + (y1 , . . . , yn ) = (x1 + y1 , . . . , xn + yn )
c d
=(y1 + x1 , . . . , yn + xn ) = (y1 , . . . , yn ) + (x1 , . . . , xn ) = y + x,

donde las igualdades d se justifican por definición de suma de vectores y la desigualdad c se

justifica por la conmutatividad de la suma de escalares.
Un semigrupo tal que la operación es conmutativa se dice semigrupo conmutativo. Un grupo tal
que la operación es conmutativa de dice grupo abeliano.
Ahora enfocamos la atención sobre la otra operación definida en Fn , el producto por escalar.
A6) Clausura del producto por escalar: En este caso, en forma análoga a lo que sucedı́a con la suma de
vectores, lo primero que tenemos que ver es que el producto por escalar esté bien definido, o sea,
que el producto de un escalar por un vector nos de como resultado otro vector. Sean entonces
α ∈ F y x = (x1 , . . . , xn ) ∈ Fn . Como α, x1 , . . . , xn ∈ F (o sea, son escalares del cuerpo), tenemos
que αx1 , . . . , αxn ∈ F, de modo que (αx1 , . . . , αxn ) ∈ Fn , vale decir, α · x es un vector de Fn ,
con lo cual esta operación está bien definida.
Nuevamente, la operación producto por escalar se define a partir de la operación producto en el
cuerpo F y ésta es la clave de la demostración.
A7) Asociatividad del producto por escalar: Veamos que el producto por escalar también es asociativo:
sean α, β ∈ F y x = (x1 , . . . , xn ) ∈ Fn , entonces

(αβ) · x = α · (β · x).

En efecto,
d a
(αβ) · x =((αβ)x1 , . . . , (αβ)xn ) = (α(βx1 ), . . . , α(βxn ))
d d
=α · (βx1 , . . . , βxn ) = α · (β · (x1 , . . . , xn )) = α · (β · x),

donde las igualdades d se deducen de la definición de producto por escalar y la igualdad a de la

asociatividad del producto de escalares en F.
Las siguientes dos propiedades vinculan ambas operaciones.
A8) Distributiva del producto por escalar con respecto a la suma de escalares: Como es de esperar,
el producto por escalar se distribuye respecto a la suma de escalares. Esto significa que:
dados los escalares α, β ∈ F y el vector x = (x1 , . . . , xn ) ∈ Fn ,

(α + β) · x = α · x + β · x.

En efecto,
dp
(α + β) · x =(α + β) · (x1 , . . . , xn ) = ((α + β)x1 , . . . , (α + β)xn )
di ds
=(αx1 + βx1 , . . . , αxn + βxn ) = (αx1 , . . . , αxn ) + (βx1 , . . . , βxn )
dp
=α · (x1 , . . . , xn ) + β · (x1 , . . . , xn ) = α · x + β · x,

donde las igualdades dp siguen de la definición del producto por escalar, la igualdad di sigue de
la propiedad distributiva del producto de escalares respecto de la suma de escalares y la igualdad
ds sigue de la definición de suma de vectores.

4
 A9) Distributiva del producto por escalar con respecto a la suma de vectores Tenemos además que el
producto por escalar se distribuye respecto a la suma de vectores. Esto significa que dado un
escalar α ∈ F y dos vectores x = (x1 , . . . , xn ), y = (y1 , . . . , yn ) ∈ Fn ,

α · (x + y) = α · x + α · y.

En efecto,
ds
α · (x + y) =α · ((x1 , . . . , xn ) + (y1 , . . . , yn )) = α · (x1 + y1 , . . . , xn + yn )
dp di
=(α(x1 + y1 ), . . . , α(xn + yn )) = (αx1 + αy1 , . . . , αxn + αyn )
ds dp
=(αx1 , . . . , αxn ) + (αy1 , . . . , αyn ) = α · (x1 , . . . , xn ) + α · (y1 , . . . , yn ) = α · x + α · y,

donde las igualdades ds sigue de la definición de suma de vectores, las igualdades dp siguen de
la definición del producto por escalar y la igualdad di sigue de la propiedad distributiva del
producto de escalares respecto de la suma de escalares.
La última propiedad involucra el elemento identidad del producto de escalares.
A10) Unitariedad del producto por escalar: Es de esperar que haya un elemento destacado también
para el producto por escalar. Este elemento será la unidad del cuerpo, el elemento 1 ∈ F. Tenemos
que dado x = (x1 , . . . , xn ) ∈ Fn ,
1 · x = x.
La verificación es inmediata, por definición de producto por escalar y por ser 1 el neutro para el
producto de escalares:

1 · x = 1 · (x1 , . . . , xn ) = (1x1 , . . . , 1xn ) = (x1 , . . . , xn ) = x.

Antes de continuar, hagamos un resumen y listemos lo que llamaremos los 10 axiomas de espacio
vectorial. Consideramos un cuerpo F y un número natural n ∈ N. Tenemos definidas en el conjunto de
n−uplas Fn dos operaciones usuales, una llamada suma de vectores y la otra llamada producto por
escalares de F. Hemos probado que se verifican:
1. Clausura de la suma de vectores.
2. Asociatividad de la suma de vectores.
3. Existencia de elemento neutro para la suma de vectores.
4. Existencia de opuestos para la suma de vectores.
5. Conmutatividad de la suma de vectores.
6. Clausura del producto por escalar.
7. Asociatividad del producto por escalar.
8. Distributiva del producto por escalar con respecto a la suma de escalares.
9. Distributiva del producto por escalar con respecto a la suma de vectores.
10. Unitariedad del producto por escalar.
A modo de comentario, y sólo eso, dijimos que: un conjunto dotado de una operación que verifican
(1) y (2) se dice semigrupo. Un semigrupo que verfica además (3) y (4) se dice grupo y un grupo que
verifica (5) se dice grupo abeliano.

2.3. Propiedades y consecuencias inmediatas

A partir de estos 10 axiomas se pueden probar otras propiedades que se verifican utilizándolos. Ob-
servar que el orden en que probemos las propiedades es importante, pues las últimas se nutrirán de
las primeras.

5
Proposición 2.5. En Fn con las operaciones suma y producto por escalar usuales se verifican:
(a) El elemento neutro para la suma es único.
(b) Dado un vector x ∈ Fn , existe un único opuesto, que denotaremos −x.
(c) Dado un vector x ∈ Fn , se tiene que 0x = 0.
(d) Dado un escalar α ∈ F, se tiene que α0 = 0.
(e) Dado un vector x ∈ Fn , se tiene que (−1) · x = −x.
(f ) Dados un escalar α ∈ F y un vector x ∈ Fn que verifican que α · x = 0, se tiene que o bien α = 0
o bien x = 0 (sin excluı́r que ambas puedan ocurrir en simultáneo).

Demostración. (a) Para probar unicidad la técnica clásica es tomar dos elementos que verifiquen
la propiedad y ver que son iguales. Eso es lo que haremos: supongamos que existe otro vector
z ∈ Fn tal que para todo x ∈ Fn ,

x + z = z + x = x. (∗)

Entonces, en particular:
∗ 3
0 = 0 + z = z,
donde la igualdad ∗ es la antes nombrada, tomando 0 como el vector cualquiera x y la igualdad
3 se refiere al axioma correspondiente.
(b) Sea x = (x1 , . . . , xn ) ∈ Fn y sean z = (z1 , . . . , zn ), w = (w1 , . . . , wn ) ∈ Fn dos vectores opuestos
a x, es decir,

x + z = z + x = 0, (∗)
x + w = w + x = 0. (△)

Luego,
3 △ 2 ∗ 3
z = z + 0 = z + (x + w) = (z + x) + w = 0 + w = w.
Además, como ya sabemos que el vector y = (−x1 , . . . , −xn ) es opuesto, y acabamos de probar
que éste es único, podemos de ahora en más utilizar esta notación:

−x = (−x1 , . . . , −xn ).

(c) Esta prueba la podemos hacer en particular para Fn utilizando sólo la definición de producto
por escalar, el axioma 3 y la unicidad dada en a. En efecto, si x = (x1 , . . . , xn ) ∈ Fn ,

0 · x = 0 · (x1 , . . . , xn ) = (0x1 , . . . , 0xn ) = (0, . . . , 0) = 0.

Sin embargo, con el fin de que esta prueba sea independiente de la definición especı́fica que
hemos dado de producto por escalar, trataremos de probarlo utilizando sólo los axiomas, y las
propiedades ya enunciadas y demostradas. Tenemos que,
ne 8
0 · x = (0 + 0) · x = 0 · x + 0 · x,

donde la igualdad ne se justifica al considerar al elemento 0 como neutro para la suma de escalares
y 8 indica el axioma 8 (distributiva del producto por escalar respecto de la suma de escalares).
Si nos quedamos con el primer y el último miembro de esta igualdad, a saber 0 · x = 0 · x + 0 · x
y le sumamos el opuesto de 0 · x resulta
2
0 · x + (−0 · x) = (0 · x + 0 · x) + (−0 · x) = 0 · x + (0 · x + (−0 · x)),

donde 2 indica la asociatividad de la suma, y utilizando ahora el axioma 4 sigue que

3
0 = 0 · x + 0 = 0 · x,

donde 3 indica el axioma 3.

6
 (d) La prueba es completamente análoga a la prueba de (c): Ejercicio.
(e) Nuevamente, trataremos de dar una prueba aplicando sólo los axiomas y propiedades previos
(abstraernos de la definición particular de las operaciones). En este caso la clave será el rol que
cumple un elemento opuesto.
Queremos ver que (−1) · x sea el opuesto del vector x. Por el axioma 4 y el axioma 5, bastará
con probar que x + (−1) · x = 0. En efecto,
10 8 op a
x + (−1) · x = 1 · x + (−1) · x = (1 + (−1)) · x = 0 · x = 0,

donde las igualdades indicadas con números refieren a los axiomas correspondientes, las letras
a las propiedades correspondientes, y op significa que estamos considerando la existencia de
opuestos para la suma de escalares.
(f) Supongamos que para α ∈ F y x ∈ Fn tenemos que α · x = 0. Si α = 0 no hay nada que probar.
Supongamos que α ̸= 0 y veamos que en tal caso debe ser x = 0. Tenemos que
 
1 1 1
x=1·x= α x = (α · x) = · 0 = 0.
α α α
Queda como ejercicio marcar en cada igualdad qué axioma o propiedad se esté utilizando.

Todo lo definido y probado hasta ahora deberı́a traer a la memoria algunas estructuras, algunos
patrones en común.

3. Los espacios Fn [x] y Fm×n

En esta sección haremos un recuerdo de algunas estructuras algebraicas conocidas.
Definición 3.1. Sea n ∈ N un número natural. Consideramos el conjunto de polinomios en una
variable x con coeficientes en el cuerpo F de grado a lo sumo n y el polinomio nulo, a saber

Fn [x] = {p(x) = a0 + a1 x + a2 x2 + · · · + an xn : a0 , . . . , an ∈ F},

con las operaciones

producto por escalar definida según: · : F × Fn [x] −→ Fn [x] tal que si α ∈ F y p(x) = a0 + a1 x +
a2 x2 + · · · + an xn ∈ Fn [x], entonces

α · p(x) = αa0 + αa1 x + αa2 x2 + · · · + αan xn ∈ Fn [x];

suma definida según: + : Fn [x] × Fn [x] −→ Fn [x] tal que si p(x) = a0 + a1 x + a2 x2 + · · · + an xn ∈

Fn [x] y q(x) = b0 + b1 x + b2 x2 + · · · + bn xn ∈ Fn [x], entonces

p(x) + q(x) = (a0 + b0 ) + (a1 + b1 )x + (a2 + b2 )x2 + · · · + (an + bn )xn ∈ Fn [x].

Ejercicio 3.2. Probar que los 10 axiomas de espacio vectorial listados pueden enunciarse y verificarse
para Fn [x].
Ejercicio 3.3. Probar que si se considera el conjunto de polinomios en una variable a coeficientes en
un cuerpo F de grado exactamente n para algún n ∈ N, entonces al intentar enunciar y demostrar los
10 axiomas no podemos hacerlo. ¿Por qué? (¡Justificar!). ¿Este conjunto es un espacio vectorial con
las operaciones de suma y producto por escalar usuales?
Ejercicio 3.4. Completar la siguiente definición:
Definición 3.5. Sean m, n ∈ N números naturales. Consideramos el conjunto de matrices de tamaño
m × n a coeficientes en el cuerpo F, Fm×n , con la suma de matrices y el producto por escalar definidos
en la Unidad 2, a saber:

7
 producto por escalar definida según:

suma definida según:

Ejercicio 3.6. Buscar y marcar en las notas de la Unidad 2 las pruebas de cada uno de los 10 axiomas
de espacio vectorial para Fm×n . Si faltase alguna, hacerla.

8
 4. Espacios vectoriales
A esta altura deberı́amos habernos dado cuenta ya de que estamos siempre haciendo las mismas cuentas. Veamos cómo todo se repite:
Fn Fn [x]  Fm×n  V
αa11 . . . αa1n
 .. .. .. 
producto por escalar (αx1 , . . . , αxn ) αa0 + αa1 x + · · · + αan xn  . . .  α·v
 αam1 . . . αamn 
a11 + b11 . . . a1n + b1n
 .. .. .. 
suma (x1 + y1 , . . . , xn + yn ) (a0 + b0 ) + (a1 + b1 )x · · · + (an + bn )xn  . . .  v+w
am1 + bm1 . . . amn + bmn
Clausura + ✓ ✓ ✓ v+w ∈V
Asociatividad + ✓ ✓ ✓ (v + w) + u = v + (w + u)
∃0 ✓ ✓ ✓ v+0=0+v =v
∃−v ✓ ✓ ✓ v + (−v) = (−v) + v = 0
Conmutatividad + ✓ ✓ ✓ v+w =w+v
Clausura · ✓ ✓ ✓ α·v ∈V

9
Asociatividad . ✓ ✓ ✓ (αβ) · v = α · (β · v)
Distributiva · cra +F ✓ ✓ ✓ (α + β) · v = α · v + β · v
Distributiva · cra + ✓ ✓ ✓ α · (v + w) = α · v + α · w
Unitariedad ✓ ✓ ✓ 1·v =v
A modo de comentario, puesto que cuando estudiemos álgebra Lineal lo veremos con más detenimiento,
damos la definición rigurosa de espacio vectorial.
Definición 4.1. Sea F un cuerpo de escalares. Sea un conjunto V dotado de dos operaciones, una
llamada suma, denotada por el sı́mbolo +, que a un par de elementos v y w de V les asigna un elemento
que denotamos v + w, y otra llamada producto por escalar denotada por el sı́mbolo · que a un escalar
α ∈ F y un elemento v ∈ V le asigna un elemento que denotamos α · v. Diremos que la terna (V, +, ·)
es un F−espacio vectorial si se verifican los siguientes axiomas:
A1) Clausura de la suma de vectores: si v, w ∈ V entonces v + w ∈ V .
A2) Asociatividad de la suma de vectores: si v, w, u ∈ V entonces (v + w) + u = v + (w + u).
A3) Existencia de elemento neutro para la suma de vectores: existe e ∈ V tal que v + e = e + v = v.
A4) Existencia de opuestos para la suma de vectores: dado v ∈ V existe w ∈ V tal que v + w =
w + v = e.
A5) Conmutatividad de la suma de vectores: si v, w ∈ V , entonces v + w = w + v.
A6) Clausura del producto por escalar: si α ∈ F y v ∈ V entonces α · v ∈ V .
A7) Asociatividad del producto por escalar: si α, β ∈ F y v ∈ V entonces (αβ) · v = α · (β · v).
A8) Distributiva del producto por escalar con respecto a la suma de escalares: si α, β ∈ F y v ∈ V
entonces (α + β) · v = α · v + β · v.
A9) Distributiva del producto por escalar con respecto a la suma de vectores: si α ∈ F y v, w ∈ V
entonces α · (v + w) = α · v + α · w.
A10) Unitariedad del producto por escalar: si v ∈ V , entonces 1 · v = v.
A los elementos v de un espacio vectorial V se los denomina vectores.
Observación 4.2. Es claro que Fn , Fn [x] y Fm×n son espacios vectoriales sobre el cuerpo F. Indepen-
dientemente de la naturaleza de los elementos de un espacio vectorial V , éstos se llaman vectores,
Ası́ sean polinomios como es el caso cuando V = Fn [x] o matrices cuando V = Fm×n o vectores x
de Fn . Siempre que el espacio esté claro, sabremos de qué naturaleza serán los vectores con los que
trabajemos.
Observación 4.3. Ası́ como nos hemos quedado con las operaciones de suma y de producto por escalar,
en cada uno de los espacios Fn , Fn [x] y Fm×n podemos dar algún concepto de producto y deducir sus
propiedades. Las estructuras algebraicas que ası́ surgen serán estudiadas más adelante en las respectivas
carreras.
En la sección final volvemos a estudiar Fn .

5. Bases y dimensión en Fn
Definición 5.1. Dados los vectores x1 , x2 , . . . , xs de Fn y los escalares α1 , α2 , . . . , αs de F, decimos
que el vector α1 · x1 + α2 · x2 + · · · + αs · xs de Fn es una combinación lineal de x1 , x2 , . . . , xs .
En R2 existe un par de versores destacados: i y j. Nos interesa particularmente la siguiente propiedad:
cualquier vector x en R2 puede escribirse de manera única como combinación lineal de i y j, esto
significa que existen únicos escalares x1 y x2 tales que
x = x1 i + x2 j.
Recordemos además que i y j son ortogonales. En tal caso decimos que {i, j} es la base canúnica de R2 .
Si fijamos coordenadas, tenemos que i = (1, 0) y j = (0, 1), luego el vector x se escribe en coordenadas
como x = x1 i + x2 j = (x1 , x2 ).
En forma análoga, en R3 la base canúnica es {i, j, k}, tenemos que dado x ∈ R3 existen únicos escalares
x1 , x2 , x3 tales que x se escribe como combinación lineal de i, j, k:
x = x1 i + x2 j + x3 k.

10
En coordenadas esto se traduce en x = (x1 , x2 , x3 ) puesto que i = (1, 0, 0), j = (0, 1, 0) y k = (0, 0, 1).
Extender estos resultados a Fn no representa mayor complicación: consideramos los vectores e1 =
(1, 0, . . . ), e2 = (0, 1, . . . , 0), . . . , en = (0, 0, . . . , 1) ∈ Fn . Luego un vector x = (x1 , x2 , . . . , xn ) se escribe
(y de forma única, ¡justificar!) como la combinación lineal

x = x1 e1 + x2 e2 + · · · + xn en .

El conjunto {e1 , e2 , . . . , en } se denomina base canúnica de Fn .

Las bases canúnicas son de gran utilidad, pero no siempre contamos con ellas. Veremos una definición
de base un poco más general, y retomaremos el concepto de dimensión, ahora sı́, de forma más rigurosa.
Para esto, nos quedamos con dos propiedades que nos iteresan de las bases canúnicas: que todo vector
se escriba como combinación lineal de los elementos de la base, y que esta combinación lineal sea única.

5.1. Independencia lineal

Independencia lineal en Fn
Definición 5.2. Sean los vectores x1 , . . . , xr ∈ Fn . Decimos que estos vectores son linealmente inde-
pendientes (LI) si la ecuación vectorial α1 · x1 + · · · + αr · xr = 0 tiene sólo la solución trivial, a saber,
α1 , . . . , αr = 0. En caso contrario, decimos que son linealmente dependientes (LD).
Ejemplo 5.3. Tratemos de deducir si los vectores x = (−1, 3) y y = (2, 1) son linealmente inde-
pendientes o linealmente dependientes. Para esto, planteamos una combinación lineal de x e y y la
igualamos al vector nulo:

α · x + β · y = 0,
(−α, 3α) + (2β, β) = (0, 0),
(−α + 2β, 3α + β) = (0, 0),

de donde sigue el sistema homogéneo de dos ecuaciones con dos incógnitas


−α + 2β = 0,
3α + β = 0,

cuya matriz aumentada es  

−1 2 0
,
3 1 0
y su forma de escalón reducida es  
1 0 0
,
0 1 0
vale decir, el sistema tiene sólo la solución trivial. Otra forma, dado que el sistema es homogéneo y
cuadrado, podrá haber sido calcular el determinante de la matriz asociada, en este caso −7, que es no
nulo y arribarı́amos a la misma conclusión. Pero como no siempre el sistema resultante es cuadrado,
optamos por seguir el camino más general.
Tres vectores x, y, z en R2 siempre serán linealmente dependientes. Esto quiere decir que la ecuación
vectorial α · x + β · y + γ · z = 0 tiene más soluciones que la trivial. En efecto, siguiendo el procedimiento
anterior, arribamos a un sistema de dos ecuaciones con tres incógnitas, y un tal sistema siempre tiene
variables libres (¡justificar!). Veamos un ejemplo que podrá ilustrar un poco esto último:
Ejemplo 5.4. Tratemos de deducir si los vectores x = (−1, 3), y = (2, 1) y z = (1, −1) son linealmente
independientes o linealmente dependientes. Para esto, planteamos una combinación lineal de x, y y z
y la igualamos al vector nulo:

α · x + β · y + γ · z = 0,
(−α, 3α) + (2β, β) + (γ, −γ) = (0, 0),
(−α + 2β + γ, 3α + β − γ) = (0, 0),

11
de donde sigue el sistema homogéneo de dos ecuaciones con tres incógnitas

−α + 2β + γ = 0,
3α + β − γ = 0,
cuya matriz aumentada es  
−1 2 1 0
,
3 1 −1 0
y su forma de escalón reducida es  
1 0 0 0
,
0 1 0 0
de donde concluimos que hay una variable libre y por lo tanto el sistema es compatible indeterminado
(tiene soluciones no triviales y por ende los vectores dados son LD).
Tres o más de tres vectores en R2 son siempre linealmente dependientes. El punto de quiebre está en
la cantidad 2, que no es casual: 2 es la dimensión del espacio R2 , como veremos más adelante.
Ejemplo 5.5. Sean los vectores x = (1, 1, −2), y = (2, 5, −1) y z = (0, 1, 1) de R3 . Veamos si son LI
o LD. Para esto planteamos la combinación lineal de ellos y la igualamos al vector nulo,
α · x + β · y + γ · z =0,
α · (1, 1, −2) + β · (2, 5, −1) + γ · (0, 1, 1) =(0, 0, 0),

de donde deducimos un sistema homogéneo de tres ecuaciones lineales con tres incógnitas:

 α + β − 2γ = 0,
2α + 5β + γ = 0,
β + γ = 0,


cuya matriz asociada es  

1 2 0
1 5 1 ,
−2 −1 1
y del proceso de eliminación de Gauss obtenemos la siguiente matriz equivalente por filas:
 
1 2 0
0 1 1
3 .
0 0 0
De aquı́ sigue que el sistema tiene infintas soluciones, con lo cual existen infinitas combinaciones
lineales de x, y y z que dan el vector nulo, o sea, los vectores son LD.
Ejemplo 5.6. Sean los vectores x = (1, 2, 3), y = (0, 1, 2) y z = (−2, 0, 1) de R3 . Veamos si son LI o
LD. Para esto planteamos la combinación lineal de ellos y la igualamos al vector nulo,
α · x + β · y + γ · z =0,
α · (1, 2, 3) + β · (0, 1, 2) + γ · (−2, 1, 0) =(0, 0, 0),

de donde deducimos un sistema homogéneo de tres ecuaciones lineales con tres incógnitas:

 α − 3γ = 0,
2α + β = 0,
3α + 2β + γ = 0,


cuya matriz asociada es  

1 0 −2
2 1 0  ,
3 2 1
y que resulta equivalente por filas a la matriz identidad I3 , de aquı́ sigue que el sistema tiene una
única solución (la trivial), con lo cual la única combinación lineal de x, y y z que da el vector nulo es
la trivial, o sea, los vectores son LI.

12
Ejercicio 5.7. Sean los vectores x = (2, 2, 3), y = (6, −1, 2) , z = (2, −1, 0) y w = (0, 0, 3) de R3 .
Decidir si son LI o LD y justificar adecuadamente.
Ejemplo 5.8. Sean los vectores x = (2, 1, 0, 1), y = (3, 0, 2, 1) y z = (1, 0, 2, 0) de R4 . Veamos si son
LI o LD. Para esto planteamos la combinación lineal de ellos y la igualamos al vector nulo,

α · x + β · y + γ · z =0,
α · (2, 1, 0, 1) + β · (3, 0, 2, 1) + γ · (1, 0, 2, 0) =(0, 0, 0, 0),

de donde deducimos un sistema de cuatro ecuaciones lineales con tres incógnitas:



 2α + 3β + γ = 0,
α = 0,


 2β + 2γ = 0,
α+β =0


cuya matriz asociada es  

2 3 1
1 0 0
 ,
0 1 2
1 1 0
y que resulta equivalente por filas a la matriz
 
1 0 0
0 1 0
 ,
0 0 1
0 0 0

de aquı́ sigue que el sistema tiene una única solución (la trivial), con lo cual la única combinación
lineal de x, y y z que da el vector nulo es la trivial, o sea, los vectores son LI.
Ejemplo 5.9. Sean los vectores x = (−1, 2, 1, 0), y = (4, 0, −2, 2) y z = (1, 2, 0, 1) de C4 . Veamos si
son LI o LD. Para esto planteamos la combinación lineal de ellos y la igualamos al vector nulo,

α · x + β · y + γ · z =0,
α · (−1, 2, 1, 0) + β · (4, 0, −2, 2) + γ · (1, 2, 0, 1) =(0, 0, 0, 0),

de donde deducimos un sistema de cuatro ecuaciones lineales con tres incógnitas:



 −α + 4β + γ = 0,
2α + 2γ = 0,


 α − 2β = 0,
2β + γ = 0


cuya matriz asociada es  

−1 4 1
2 0 2
 1 −2 0 ,
 

0 2 1
y que resulta equivalente por filas a la matriz
 
1 0 1
0
 1 21 
,
0 0 0
0 0 0
de aquı́ sigue que el sistema tiene infinitas soluciones, con lo cual hay infinitas combinaciones lineales
de x, y y z que dan el vector nulo, o sea, los vectores son LD.

13
Ejemplo 5.10. 1. El conjunto S = {0} es un conjunto LD de Fn .
2. El conjunto {i, j} es un conjunto LI de R2 .
3. El conjunto {i, j, k} es un conjunto LI de R3 .
4. El conjunto {e1 , . . . , en } es un conjunto LI de Fn .
Ejercicio 5.11. Pruebe que en Fn el vector nulo es siempre LD.
Ejercicio 5.12. Pruebe que todo conjunto de vectores de Fn que contenga al vector nulo es LD.
Ejercicio 5.13. Pruebe que n + 1 vectores en Fn son LD.

5.2. Generación
Definición 5.14. Decimos que un conjunto de vectores S = {x1 , x2 , . . . , xs } de Fn es un conjunto
generador de Fn si todo vector x ∈ Fn se puede escribir como combinación lineal de los vectores de S.
Esto es, si existen escalares α1 , α2 , . . . , αs tales que x = α1 x1 + . . . αs xs .
Ejemplo 5.15. 1. El conjunto S = {0} no es un conjunto generador de Fn .
2. El conjunto {i, j} es un conjunto generador de R2 .
3. El conjunto {i, j, k} es un conjunto generador de R3 .
4. El conjunto {e1 , . . . , en } es un conjunto generador de Fn .
Ejemplo 5.16. 1. Sea x ∈ R2 un vector no nulo. El conjunto S = {x} no es un conjunto generador
2
de R . En efecto, si fuera generador, tendrı́amos que un vector y = (y1 , y2 ) se puede escribir
como combinación lineal de x: existirá α ∈ R tal que y = α · x. Esto no es cierto si y no es
paralelo a x.
2. Sean los vectores x = (2, 1), y = (−1, 0) y z = (1, 1). Veamos si estos vectores generan R2 . Para
esto, consideremos un vector cualquiera w = (w1 , w2 ). Nos preguntamos si existen escalares
α, β, γ ∈ R tales que la combinación lineal de x, y y z de como resultado el vector w. Hagamos
este planteo:

α · x + β · y + γ · z = w,
α · (2, 1) + β · (−1, 0) + γ · (1, 1) =(w1 , w2 ),

y esta igualdad vectorial se traduce en el sistema de dos ecuaciones con tres incógnitas

2α − β + γ = w1 ,
α + γ = w2 ,

luego nos interesa saber si el sistema tiene solución, cualquiera sean los valores de w1 y w2 . Por
esto es importante considerar la matriz ampliada del sistema:
 
2 −1 1 w1
,
1 0 1 w2

cuya forma de escalón reducida es

 
1 0 1 w2
,
0 1 1 2w2 − w1

de donde deducimos que el sistema es compatible para todo par w1 , w2 , y concluimos ası́ que los
vectores x, y y z generan R2 .
3. Sean los vectores x = (2, 1), y = (4, 2) y z = (1, 21 ). Veamos si estos vectores generan R2 . Para
esto, consideremos un vector cualquiera w = (w1 , w2 ). Nos preguntamos si existen escalares

14
 α, β, γ ∈ R tales que la combinación lineal de x, y y z de como resultado el vector w. Hagamos
este planteo:

α · x + β · y + γ · z = w,
1
α · (2, 1) + β · (4, 2) + γ · (1, ) =(w1 , w2 ),
2
y esta igualdad vectorial se traduce en el sistema de dos ecuaciones con tres incógnitas

2α + 4β + γ = w1 ,
α + 2β + 21 γ = w2 ,

luego nos interesa saber si el sistema tiene solución, cualquiera sean los valores de w1 y w2 . Por
esto es importante considerar la matriz ampliada del sistema:
 
2 4 1 w1
,
1 2 21 w2

cuya forma de escalón reducida es

 
2 4 1 w1
,
0 0 0 w2 − 12 w1

de donde deducimos que el sistema es incompatible para todo par w1 , w2 que verifique que
4w2 − 2w1 ̸= 0, y concluimos ası́ que los vectores x, y y z no generan R2 . Para ver esto,
simplemente demos un ejemplo. El vector w = (3, 1) no puede ser generado pues la matriz que
obtendrı́amos será
1 2 12 32
 
,
0 0 0 1
que tiene un uno principal en la última columna, con lo cual el sistema es incompatible.
Observación 5.17. Deducimos de los ejemplos que para que un conjunto genere R2 debe tener al menos
dos vectores, pero no todo conjunto de dos o más vectores es generador. De vuelta, en R2 el número
2 es importante. ¿qué pasará en R3 ? ¿cuál será la cantidad mı́nima de vectores que necesitamos para
generar R3 ?
Ejemplo 5.18. 1. A esta altura estamos casi convencidos que un vector en R3 no alcanza para
generar todo R3 , y con dos tampoco (¡ejercicio!). Con tres podemos encontrar un conjunto
generador (¿cuál?). Pero no todo conjunto de tres vectores es generador. En efecto, consideremos
los vectores del ejemplo 5.7: x = (1, 1, −2), y = (2, 5, −1) y z = (0, 1, 1) de R3 . Veamos que no
generan R3 . Para esto debemos tomar una combinación lineal de ellos y ver si ası́ podemos
formar cualquier vector de R3 . Planteamos esto: supongamos que w = (w1 , w2 , w3 ) es un vector
cualquiera, luego

α · x + β · y + γ · z =w,
α · (1, 1, −2) + β · (2, 5, −1) + γ · (0, 1, 1) =(w1 , w2 , w3 ),

de donde deducimos un sistema de tres ecuaciones lineales con tres incógnitas:


 α + β − 2γ = w1 ,
2α + 5β + γ = w2 ,
β + γ = w3 ,


cuya matriz ampliada es  

1 2 0 w1
1 5 1 w2  ,
−2 −1 1 w3

15
 y del proceso de eliminación de Gauss obtenemos la siguiente matriz equivalente por filas:
 
1 2 0 w1
0 1 1 w2 −w1 .
3 3
0 0 0 w3 − w2 + 3w1
La última columna de este sistema tiene un uno principal si w3 − w2 + 3w1 ̸= 0, luego existe
algún vector que no puede ser escrito como combinación lineal de x, y y z, por lo tanto estos
tres vectores no pueden generar R3 .
2. Si consideramos los vectores del ejemplo 5.8, x = (1, 2, 3), y = (0, 1, 2) y z = (−2, 0, 1) de R3 ,
podemos ver que forman un conjunto generador. Para esto planteamos la combinación lineal de
ellos y la igualamos a un vector cualquiera w = (w1 , w2 , w3 ). El objetivo es ver que el sistema
de ecuaciones que se deduce es siempre compatible, sin importar la elección de w:
α · x + β · y + γ · z =w,
α · (1, 2, 3) + β · (0, 1, 2) + γ · (−2, 1, 0) =(w1 , w2 , w3 ),

de donde deducimos un sistema de tres ecuaciones lineales con tres incógnitas:


 α − 3γ = w1 ,
2α + β = w2 ,
3α + 2β + γ = w3 ,


cuya matriz ampliada es  

1 0 −2 w1
 2 1 0 w2  ,
3 2 1 w3
que resulta equivalente por filas a la matriz
 
1 0 −2 w1
0 1 4 w2 − 2w1 ,
0 0 1 −w3 + 2w2 − w1
que no tiene un uno principal en la última columna, con lo cual el sistema asociado es siempre
compatible. Luego los vectores x, y, z generan R3 .
3. Sean los vectores x1 = (1, 2, −1, 3, 4), x2 = (0, 1, 3, −2, 3), x3 = (0, 0, 2, −1, 5), x4 = (0, 0, 0, 2, 3).
¿Es posible generar R5 con estos vectores? La intuición nos dice que no, pero hagamos las
cuentas. Queremos ver si la ecuación vectorial α1 · x1 + α2 · x2 + α3 · x3 + α4 · x4 = w tiene solución
para cualquier w = (w1 , w2 , w3 , w4 , w5 ) ∈ R5 . Esta ecuación vectorial se traduce en el siguiente
sistema de 5 ecuaciones con 4 incógnitas:


 α 1 = w1 ,
2α1 + α2 = w2 ,



−α1 + 3α2 + 2α3 = w3 ,
3α1 − 2α2 − α3 + 2α4 = w4 ,




4α1 + 3α2 + 5α3 − 3α4 = w5 ,


cuya matriz ampliada es  

1 0 0 0 w1
2 1 0 0 w2 
 
−1 3 2 0 w3 
 ,
 3 −2 −1 2 w4 
4 3 5 −3 w5
que es equivalente por filas a la matriz
 
1 0 0 0 w1
0 1 0 0 w2 − 2w1 
1
 
2 (w3 − 3w2 + 7w1 )
0 0 1 0 ,
 1

4 (2w4 + w3 + w2 − 7w1 )
0 0 0 1 
1
0 0 0 0 4 (w5 + 10w4 − 5w3 + 23w2 − 97w1 )

16
 que tiene un uno principal en la última columna si w1 , w2 , w3 , w4 , w5 verifican que w5 + 10w4 −
5w3 + 23w2 − 97w1 ̸= 0. Por lo tanto el sistema no es compatible para todo w ∈ R5 . Es decir, no
nos alcanza con 4 vectores para generar R5 .
4. Esto ocurre en general: en Fn podemos encontrar un conjunto generador de n vectores, e intuı́mos
que con menos no alcanza. La prueba sigue de tomar el sistema correspondiente y ver que el
sistema resultante no siempre es compatible. Ejercicio: plantear esto y resolverlo.

5.3. Bases y dimensión

Estamos en condiciones de dar la definición de base:
Definición 5.19. Un conjunto de vectores de Fn se dice que es una base del mismo, si es linealmente
independiente y es un conjunto generador.
Ejercicio 5.20. Probar que las bases canúnicas en R2 , en R3 y en Fn mencionadas al principio de la
sección son efectivamente bases.
Ejemplo 5.21. 1. Sea el conjunto β = {x = (1, 2, 3), y = (0, 1, 2), z = (−2, 0, 1)} de vectores de
R3 . Afirmamos que β es una base. En efecto, es LI pues en el ejemplo 5.7 lo hemos probado. Y
es un conjunto generador de R3 , pues ası́ lo hemos probado en el ejemplo 5.18, item 2.
2. Sea el conjunto σ = {x = (−1, 3), y = (2, 1), z = (1, −1)} de vectores de R2 . Este conjunto NO
es base, pues hemos visto en el ejemplo 5.4 que es LD.
3. Sea el conjunto σ = {x1 = (1, 2, −1, 3, 4), x2 = (0, 1, 3, −2, 3), x3 = (0, 0, 2, −1, 5), x4 = (0, 0, 0, 2, 3)}
de R5 . Este conjunto NO es base, pues hemos visto en el ejemplo 5.20.3 que NO es un conjunto
generador.
Observación 5.22. Sea un conjunto β = {x1 , . . . , xs } de vectores de Fn que es una base. Como los
vectores x1 , . . . , xs deben ser LI, y el máximo de vectores LI que hay en Fn es n, debe ser s ≤ n. Como
además los vectores deben generar Fn , el mı́nimo de vectores necesarios es n, luego s ≥ n. Deducimos
que s = n, luego toda base de Fn debe tener exactamente n vectores.
Definición 5.23. La dimensión del espacio vectorial Fn es el cardinal de sus bases, es decir, n.

17