ÁLGEBRA Y GEOMETRÍA

ANALÍTICA

UNIDAD N° 8
Espacios Vectoriales

Docentes
 Ing. Micaela Mulassano
 Ing. Ana Gómez Primucci
 Ing. Luana Genero
 Ing. Victoria Ambrogio
Apunte teórico
ÁLGEBRA Y GEOMETRÍA ANALÍTICA

8. ESPACIOS VECTORIALES

8.1 Introducción

Estructura algebraica:

Dado un conjunto A cualquiera (finito o infinito), y una o más operaciones (+, . , etc) , se
denomina Estructura Algebraica al conjunto asociado a una, o más, de estas operaciones
donde, además, dichas operaciones deben cumplir una serie de propiedades o axiomas que
le dan, en definitiva, el carácter o la designación a la estructura. (Cuando decimos que el
conjunto está asociado a la/s operación/es significa que las operaciones son aplicables a los
elementos de dicho conjunto)

Simbólicamente, una forma de expresar una estructura algebraica puede ser:

(𝐴, +) , (𝐴,∗) , (𝐵, + , . ) , (𝐵,∗, #)

NOTA: Observamos que en el caso del Conjunto A está asociado sólo a una operación (+, o bien , *), mientras
que el conjunto B está asociado a dos operaciones (+ y . , o bien , * y #). Decimos en este caso que se trata de
una estructura de doble composición. Notamos también que las operaciones pueden ser concretas (+: suma ;
.: multiplicación) o bien puede tratarse de operaciones abstractas ( * , #).

Ley de Composición Interna (LCI)

Si A es un conjunto no vacío, una operación cualquiera * es una L.C.I. si al operar dos

elementos cualesquiera del conjunto A el resultado es un único elemento perteneciente al
mismo conjunto A.

Es decir a ε A y b ε A  (a * b) ε A

Ejemplo: si consideramos el conjunto de los Números Reales , las operaciones suma (+) y multiplicación ( . ) son
ejemplos de leyes de Composición Interna.

Observaciones: cuando la operación es una L.C.I, es posible decir que la operación es cerrada
para el conjunto A, o bien que la operación cumple con la ley de clausura.

En general, cuando trabajamos con estructuras algebraicas, las operaciones que intervienen
son Leyes de Composición Interna.
Así, lo que define a una Estructura Algebraica, son las propiedades matemáticas que verifica
una operación definida en un conjunto de elementos y, según sean las propiedades que
verifica la operación, se tendrán distintas estructuras algebraicas.

Ley de Composición Externa

Si consideramos dos Conjuntos A y O, no vacíos y donde, por lo general, al conjunto O se lo

denomina conjunto de operadores. Diremos que la operación “.” es una ley de composición

pág. 2
Apunte teórico
ÁLGEBRA Y GEOMETRÍA ANALÍTICA

externa en A si al operar un elemento de A con un elemento del conjunto de operadores O,

se obtiene un elemento de A.

Ejemplos de leyes de composición externa lo constituyen el producto de un número real por

un vector (de R2 , R3…Rn), o bien el producto de un número real por una matriz de R mxn.
En este caso, el conjunto A lo constituye el conjunto de vectores (o el conjunto de Matrices)
y es el conjunto donde se define la operación; mientras que el conjunto de Operadores está
constituido por el conjunto de los Números Reales. Así, ya hemos estudiado que
multiplicando un vector (o una matriz) por un escalar, obtenemos como resultado un vector
(o una matriz).

¿Por qué es importante el estudio de las estructuras algebraicas?

Hay conjuntos que siendo de diferente naturaleza matemática admiten igual

comportamiento algebraico, de modo que si responden a la misma estructura, sabemos que
ellos responden a ese comportamiento y su estudio puede enfocarse con el mismo criterio.
Así, cada estructura en particular se convierte en “modelo matemático” y ello permite la
utilización de los mismos parámetros. De igual modo, numerosos problemas reales se pueden
modelizar mediante diferentes estructuras algebraicas.

8.2 Espacios vectoriales

Se trata de una estructura algebraica que se define de la siguiente manera: sea V un conjunto
no vacío de objetos que se denominan vectores y sobre el cual están definidas dos
operaciones: una L.C.I denominada suma de vectores y una ley de composición externa
llamada producto de un escalar por un vector, donde los escalares son elementos de un campo
K.

NOTA: generalmente, en nuestro estudio, el campo K coincide con el campo de los Reales (aunque K también
coincide con los números complejos)

Simbólicamente: (𝑽 , +, . )

Así, (𝑉, + . ) tiene estructura de Espacio vectorial si, siendo u, v y w vectores cualesquiera del
conjunto V, y α y β escalares perteneciente al campo K, se cumplen los siguientes axiomas.

1- La operación adición es una L.C.I, es decir: si 𝑢 𝜀 𝑉 𝑦 𝑣 𝜀 𝑉  (𝑢 + 𝑣) 𝜀 𝑉

A1) Asociatividad: (𝑢 + 𝑣) + 𝑤 = 𝑢 + (𝑣 + 𝑤)

A2) Existencia de elemento neutro e: 𝑒/ 𝑢 + 𝑒 = 𝑒 + 𝑢 = 𝑢

A3) Existencia de elemento simétrico u´:  𝑢´ / 𝑢 + 𝑢´ = 𝑢´ + 𝑢 = 𝑒

pág. 3
Apunte teórico
ÁLGEBRA Y GEOMETRÍA ANALÍTICA

A4) Conmutatividad: 𝑢 + 𝑣 = 𝑣 + 𝑢

2- La operación multiplicación por un escalar es un ley de composición externa, es decir:

𝑢𝜀𝑉𝑦𝛼𝜀𝐾 𝛼𝑢𝜀𝑉

M1) 1º Ley de Distributividad: 𝛼 (𝑢 + 𝑣 ) = 𝛼 𝑢 + 𝛼 𝑣

M2) 2º Ley de Distributividad: (𝛼 + 𝛽) 𝑢 = 𝛼 𝑢 + 𝛽 𝑢

M3) Asociatividad p/ multiplicación escalar: 𝛼(𝛽 𝑢) = (𝛼𝛽)𝑢

M4) Identidad multiplicativa (o existencia de la unidad para la multiplicación escalar)

𝟏/ 𝟏𝑢 = 𝑢

Nota: el 1 no necesariamente es el número uno. También suele llamarse “elemento neutro para la multiplicación
escalar”

Observaciones: en nuestra asignatura en particular, nos abocaremos solamente al estudio de

los llamados “Espacios Vectoriales Reales”, donde los escalares sólo son números reales (es
decir el campo de los escalares K = R). No obstante, los mismos axiomas se verifican para los
llamados “Espacios vectoriales complejos”, donde los escalares son números complejos.

Ejemplo: verificar si las siguientes estructuras tienen carácter de Espacio Vectorial

1) V = R2 u = (x1, y1) v = (x2, y2) u y v ε R2

K=R αyβεR

Suma (+): (x1, y1) + (x2, y2) = (x1+ x2 , y1+y2)

Multiplicación por un escalar ( . ): α (x1, y1) = (αx1 , αy1)

2) V = Rmxn A = [aij] B = [bij] A y B ε Rmxn

K=R αyβεR

Suma (+): [aij] + [bij] = [ aij + bij]

Multiplicación por un escalar ( . ): α [aij] = [α aij]

3) V = R2 u = (x1, y1) v = (x2, y2) u y v ε R2

K=R αyβεR
Suma (+): (x1, y1) + (x2, y2) = (x1+ x2 ,0 )
Multiplicación por un escalar ( . ): α (x1, y1) = (αx1 , 0)

4) V = RR f(x) y g(x) ε RR (funciones)

K=R αyβεR

Suma (+): (f+g)(x) = f(x) + g(x)

Multiplicación por un escalar ( . ): (αf)(x) = α f(x)

pág. 4
Apunte teórico
ÁLGEBRA Y GEOMETRÍA ANALÍTICA

5) V= Pn (polinomios con variable x , de grado  n, con coeficientes reales) P1, P2

K=R αyβεR

f) V = R 2x2 1 α1 1 α2 ( Matrices en cuya diagonal

K=R A= B = principal los elementos son
β1 1 β2 1 el número 1)
6) V = R2 u = (x1, y1) v = (x2, y2) u y v ε R2
K=R αyβεR

Suma (+): (x1, y1) + (x2, y2) = (x1+ x2 , y1+y2)

Multiplicación por un escalar ( . ): α (x1, y1) = (α2x1 , α2y1)

Teorema: si la estructura (V, +, .) es un espacio vectorial real, entonces:

a) α0 = 0 α: escalar 0: vector nulo (vector cero = e)

b) 0.u = 0 0: escalar

c) Si αu = 0, entonces α = 0 o u = 0 (o ambas cosas a la vez)

d) (-1)u = -u para todo vector u que pertenece a V

Demostración: en clase demostraremos cada uno de los apartados anteriores.

8.3 Subespacios vectoriales

V
Si V es un espacio vectorial, entonces ciertos subconjuntos de V
H forman por sí mismos espacios vectoriales bajo las operaciones
suma y multiplicación por un escalar.

Un subconjunto H no vacío de un espacio vectorial (V, +, .) se denomina subespacio vectorial

si (H, + , . ) es un espacio vectorial con respecto a la suma y la multiplicación por un escalar.

En general se deben verificar los diez axiomas de los espacios vectoriales para demostrar que
el subconjunto H forma también un espacio vectorial con respecto a las operaciones ya
mencionadas. Sin embargo, si H es parte de un conjunto mayor V del que ya se sabe que es
un espacio vectorial, entonces no es necesario verificar ciertos axiomas para H porque se
“heredan”. Así, veremos en el siguiente teorema, cuáles son las condiciones que debe cumplir
un subconjunto de V para ser subespacio vectorial.
Teorema: un subconjunto no vacío H del espacio vectorial V es un subespacio de V si cumple
las dos condiciones siguientes:

pág. 5
Apunte teórico
ÁLGEBRA Y GEOMETRÍA ANALÍTICA

a) Si u y v son vectores de 𝐻  (𝑢 + 𝑣) 𝜀 𝐻
b) Si k es un escalar ε K, y u es un vector ε 𝐻  𝑘𝑢 𝜀 𝐻

Observamos, en definitiva, que las condiciones mencionadas se refieren a que la suma debe
ser una L.C.I. y la multiplicación por un escalar debe ser una Ley de composición externa.

Observaciones: también es frecuente enunciar estas propiedades diciendo que H es cerrado

para la suma y H es cerrado para la multiplicación por un escalar (ó multiplicación escalar).
O bien, que H cumple las dos reglas de cerradura.

Demostración: teniendo en cuenta los axiomas enunciados para un espacio vectorial, los
axiomas 1 y 2 (cerrado para la suma y cerrado para la multiplicación por un escalar) se
cumplen por Hipótesis.
Como los vectores en H también están en V, las leyes de asociatividad, conmutatividad,
distributividad y de la identidad multiplicativa también se cumplen.
Por otra parte, si un vector u ε H entonces el producto de este vector con cualquier escalar, y
en este caso particular el cero

0u = 0 (el escalar 0 por el vector u es igual al vector nulo 0)

Es decir que el vector nulo 0 o elemento neutro (que analíticamente designamos con la letra
e) pertenece a H.
Finalmente, (-1)u también pertenece a H y teniendo en cuenta que:

−𝑢 = (−1)𝑢 = 𝑢´ (elemento simétrico) también se encuentra dentro de H

Con esto, podemos observar, que no es necesario verificar los diez axiomas para determinar
si un subconjunto H es subespacio vectorial, sino verificar solamente las dos condiciones a) y
b) enunciadas en el teorema.

Además, la demostración anterior, también nos permite determinar que:

Todo subespacio no vacío de un espacio vectorial V contiene al elemento neutro e (o vector

nulo: 0)
Ejemplo: verificar si el subconjunto H, del espacio vectorial V, es subespacio vectorial

a) 𝑉 = 𝑅2 𝐻 = { (𝑥, 𝑦) / 𝑥 = 3𝑦 }

b) 𝑉 = 𝑅2 𝐻 = { (𝑥, 𝑦) / 𝑥 = 3𝑦 + 2}

c) 𝑉 = 𝑅3 𝐻 = { (𝑥, 𝑦, 𝑧) / 𝑥 − 2𝑦 + 𝑧 = 0 }

d) 𝑉 = 𝑅3 𝐻 = { (𝑥, 𝑦, 𝑧) / 𝑥 + 𝑦 = 1 }
e) 𝑉 = 𝑅2𝑥2
𝑎 1+𝑎
H = A ε 𝑅2𝑥2 / A = [ ]
0 0

pág. 6
Apunte teórico
ÁLGEBRA Y GEOMETRÍA ANALÍTICA

Observaciones: el subconjunto H en a) se corresponde con una recta que pasa por el origen
de coordenadas (y = 1/3 x); mientras que H en b) se trata de una recta que no pasa por el
origen de coordenadas.
Por otra parte, H en c) se corresponde con un plano que pasa por el origen de coordenadas,
mientras que en d) H es un plano que no pasa por el origen de coordenadas.

7.3.1 Subespacio trivial

Si V es un espacio vectorial cualquiera, el subconjunto {0} que consiste únicamente en el
vector nulo (elemento neutro) es un subespacio, ya que:

0+0=0 α0=0 para todo escalar α

Y recibe el nombre de subespacio trivial.

De igual modo, si consideramos un espacio vectorial V cualquiera, V también es un subespacio

de sí mismo, pues trivialmente cumple con los condiciones de subespacio. Así, podemos decir
que:

Todo espacio vectorial V es un subespacio de sí mismo.

Con lo expuesto anteriormente, observamos que todo Espacio Vectorial V contiene dos
subespacios triviales:

𝑯𝟏 = {𝟎} 𝒚 𝑯𝟐 = 𝑽

7.3.2 Subespacios propios

Se denominan subespacios propios de un Espacio Vectorial V a todos los subespacios que no
sean los dos triviales mencionados anteriormente.

7.3.3 Subespacios vectoriales de R2 y R3

R2 R3
Triviales  Vector nulo 0 = (0,0)  Vector nulo 0 = (0,0,0)
 R2  R3
Propios  Rectas que pasan por el  Rectas que pasan por el origen de
origen de coordenadas coordenadas
 Planos que pasan por el origen de
coordenadas

8.4 Combinación lineal

Si consideramos los vectores 𝑣1 , 𝑣2 , … 𝑣𝑛 , pertenecientes a un espacio vectorial 𝑉, se llama

combinación lineal a la expresión:

pág. 7
Apunte teórico
ÁLGEBRA Y GEOMETRÍA ANALÍTICA

𝜶𝟏 𝒗𝟏 + 𝜶𝟐 𝒗𝟐 + . . . + 𝜶𝒏 𝒗𝒏

siendo 𝛼1 , 𝛼2 , . . . 𝛼𝑛 escalares pertenecientes al campo de los reales.

Ejemplos:

o 𝑉 = 𝑅2 (-7, -1) es C.L. de (-2, 1) y (1, 1) ya que:

(-7, -1) = 2 (-2, 1) + (-3)(1, 1) α1 = 2 y α2 = -3

o 𝑉 = 𝑅3 (3, 5, 7) es C.L. de (1, 1, 1) y (1, 2, 3) ya que:

(3, 5, 7) = (1, 1, 1) + 2 (1, 2, 3) α1 = 1 y α2 = 2

−3 −1 −1 1 0 2
o 𝑉 = 𝑀2𝑥3 [2 9 ] 𝑒𝑠 𝐶𝐿 [ 0 1]+[ 1 3]
8 3 4 5 −2 −6

Para 𝛼1 = 3 𝑦 𝛼2 = 2 (verificar)

 Pn: todo polinomio se puede expresar como una combinación lineal de los monomios:
1, 𝑥, 𝑥 2 , 𝑥 3 , … . 𝑥 𝑛

8.5 Conjunto generador de un espacio vectorial:

Se dice que los vectores 𝑣1 , 𝑣2 , . . . 𝑣𝑛 en un espacio vectorial V, generan dicho espacio

vectorial si todo vector perteneciente a V puede expresarse como una combinación lineal de
ellos. Dicho de otra manera, para todo vector v ε V existen escalares 𝛼1 , 𝛼2 , . . . 𝛼𝑛 , tales que:

𝒗 = 𝜶𝟏 𝒗𝟏 + 𝜶𝟐 𝒗𝟐 + . . . + 𝜶𝒏 𝒗𝒏

 En R2 los versores 𝒊 = (𝟏, 𝟎) 𝑦 𝒋 = (𝟎, 𝟏) generan el espacio R2 ya que cualquier vector

del plano puede expresarse de la forma:

𝑣 = (𝑎, 𝑏) = 𝑎 𝒊 + 𝑏 𝒋

 En R3 los versores 𝒊 = (𝟏, 𝟎, 𝟎) , 𝒋 = (𝟎, 𝟏, 𝟎) 𝑦 𝒌 = (𝟎, 𝟎, 𝟏) generan el espacio R3

ya que cualquier vector puede expresarse de la forma:

𝑣 = (𝑎, 𝑏, 𝑐) = 𝑎𝒊 + 𝑏𝒋 + 𝑐𝒌

 En Pn los monomios 1, x, x2, x3,….xn generan el espacio vectorial Pn ya que un polinomio

pn puede expresarse como:

p n = a0 + a1 x + a 2 x 2 + a3 x 3 + . . . + a n x n

NOTA: observemos que para generar pn se necesitan (n+1) vectores (monomios).

pág. 8
Apunte teórico
ÁLGEBRA Y GEOMETRÍA ANALÍTICA

1 0 0 10 0 0 0 0
 En M2x2 , las matrices [ ] [ ][ ][ ]
0 0 0 0 1 0 0 1

generan el espacio de M2x2, ya que:

1 0 0 10 0 0 0 0
[𝑎 𝑏]
= 𝑎[ ] +𝑏 [ ]+𝑐[ ]+𝑑[ ]
𝑐 𝑑 0 0 0 0 1 0 0 1

En general, un conjunto dado de vectores { 𝑣1 , 𝑣2 , . . . , 𝑣𝑛 } en un espacio vectorial V, puede

generar, o no, dicho espacio vectorial:

 Si lo genera, todo vector que pertenece a V puede expresarse como la combinación lineal
𝑣 = 𝛼1 𝑣1 + 𝛼2 𝑣2 + . . . + 𝛼𝑛 𝑣𝑛

 Si no lo genera, algunos vectores se pueden expresar mediante tal combinación, mientras

que otros no. De este modo, los vectores dados no generan un espacio vectorial V, sino
que generan un subespacio vectorial de V.

¿Cómo se determina si un conjunto dado de vectores genera un espacio vectorial V, o si

genera un subespacio de V?

Se plantea la combinación lineal 𝛼1 𝑣1 + 𝛼2 𝑣2 + . . . + 𝛼𝑛 𝑣𝑛 = (𝑥, 𝑦, … )

Y se procede a determinar si existen los escalares α1, α2, . . . αn. mediante reducción de
matrices. Si la matriz reducida de los coeficientes se corresponde con la matriz identidad,
significa que efectivamente dichos escalares existen y los vectores dados generan el espacio
vectorial V.
En cambio, si al reducir la matriz se obtienen una o más filas nulas, eso indica que los vectores
no generan a V, sino a un subespacio de V, y esa (o esas) fila nula se denomina ecuación o
condición de compatibilidad y constituyen la expresión del subespacio generado.

NOTA: como en realidad se busca determinar la existencia de los escalares α, sin importar qué valor tienen los
mismos, al realizar la reducción solamente se tratan de obtener los ceros por debajo de la diagonal principal (es
decir, no es necesario reducir completamente la matriz), para poder determinar si existe o no una ecuación o
condición de compatibilidad.

Ejemplo: dados los siguientes conjuntos de vectores, determinar si generan el espacio

vectorial V o generan un subespacio vectorial.

a) V = R2 v1 = (1, 1) v2 = (-3, 2)

b) V = R2 v1 = (-4, 3) v2 = (12, -9)

c) V = R3 v1 = (1, -2, 3) v2 = (2, -2, 0) v3 = (0, 1, 7)

d) V = R3 v1 = (1, 1, 2) v2 = (1, 0, 1) v3 = (2, 1, 3)

pág. 9
Apunte teórico
ÁLGEBRA Y GEOMETRÍA ANALÍTICA

8.6 Independencia lineal

Dados n vectores 𝑣1 , 𝑣2 , . . . 𝑣𝑛 de un espacio vectorial V. Se dice que los vectores son:

 Linealmente Dependientes (LD): si existen escalares 𝛼1 , 𝛼2 , . . . 𝛼𝑛 , no todos nulos, tales

que:
𝜶𝟏 𝒗𝟏 + 𝜶𝟐 𝒗𝟐 + . . . + 𝜶𝒏 𝒗𝒏 = 𝟎

 Linealmente Independientes (LI): si en la expresión

𝜶𝟏 𝒗𝟏 + 𝜶𝟐 𝒗𝟐 + . . . + 𝜶𝒏 𝒗𝒏 = 𝟎

los escalares 𝛼1 , 𝛼2 , . . . 𝛼𝑛 son simultáneamente nulos. Es decir 𝜶𝟏 = 𝜶𝟐 = . . . = 𝜶𝒏 = 𝟎

7.6.1 Propiedades

 En un espacio vectorial V, un vector v es L.I. si dicho vector no es el vector nulo.

 Si el vector nulo pertenece a un conjunto de vectores {𝑣1 , 𝑣2 , 𝑣3 , … 𝑣𝑛 }, entonces dicho

conjunto de vectores es L.D.

 Dos vectores en un espacio vectorial V son L.D. sí, y sólo sí, uno de ellos es múltiplo escalar
del otro.

 Un conjunto de vectores {𝑣1 , 𝑣2 , 𝑣3 , … 𝑣𝑛 } es L.D sí, y sólo sí, algún vector de dicho
conjunto es combinación lineal de los vectores restantes.

 Un conjunto de vectores {𝑣1 , 𝑣2 , 𝑣3 , … 𝑣𝑛 } es L.I. sí, y sólo sí, ningún vector perteneciente
a dicho conjunto es combinación lineal de los vectores restantes.

 Si el conjunto de vectores {𝑣1 , 𝑣2 , 𝑣3 , … 𝑣𝑛 } es L.I., entonces todo subconjunto no vacío

del conjunto mencionado, es también L.I.

 Si el conjunto de vectores {𝑣1 , 𝑣2 , 𝑣3 , … 𝑣𝑛 } es L.I, entonces toda combinación lineal es

única.

Ejemplo: teniendo en cuenta las propiedades anteriores, determinar si los siguientes

conjuntos son L.I o L. D. Justificar
1) V = R3 A = { (1, -2, 6) }  A es ……
2) V = R2 B = { (2, -3) , (0, 0) }
3) V = R4 C = { (1, -2, 5, 2) , (-2, 4, -1, -4) }
4) V = R3 D = { (-1, 2, 0) , (3, 1, -4) , (2, 3, -4) }
5) V = R3 E = { (1, -2, 3) , (2, 0, -1) , (3, 2, -1) }

pág. 10
Apunte teórico
ÁLGEBRA Y GEOMETRÍA ANALÍTICA

6) V = R3 F = { (1, -2, 3) , (3, 2, -1) }

7) V = R2 G = { (-4, -8) , (1, -4), (2, 0) } es L.D. (-4, -8) = α1 (1, -4) + α2 (2, 0)
¿cuál es el valor de α1 y α2?

7.6.2 Interpretación geométrica de la dependencia lineal en R2 y R3

 Dos vectores v1 y v2 forman un conjunto L.D. sí, y sólo sí, uno de los vectores es múltiplo
escalar del otro.

Así: α1v 1 + α2 v2 = 0 donde α1 y α2 no son simultáneamente nulos.

De modo que esta ecuación se puede escribir: v1 = (-α2/ α1) v2 ó v2 = (-α1/ α2) v1

Deducimos que: dos vectores en R2 o en R3 son Linealmente Dependientes sí, y sólo sí, están
sobre la misma recta que pasa por el origen de coordenadas.

 Si v1, v2 y v3 son tres vectores en R3, el conjunto de esos tres vectores { v1 , v2 , v3 } es L. D.

sí, y sólo sí, al menos uno de los vectores es combinación lineal de los dos restantes; o
bien, sí y sólo sí, uno de los vectores está en el subespacio generado por los dos restantes.
Pero este subespacio generado por dos vectores cualesquiera en R3 es una recta que pasa
por el origen, o un plano que pasa por el origen, o el propio vector nulo (ε R 3).

En todo caso se concluye que el subespacio generado por dos vectores en R3 siempre está en
un plano que pasa por el origen de coordenadas.

También podemos expresarlo de la siguiente manera: Tres vectores en R3 son L.D. sí y sólo sí
son coplanares.

Teorema:

Un conjunto de n vectores en Rm siempre es Linealmente Dependiente si n > m

Demostración: si expresamos cada uno de los n vectores según sus componentes:

v1 = (v11 , v12 , . . ., v1m)

v2 = (v21 , v22 , . . ., v2m)
v3 = (v31 , v32 , . . ., v3m)
.
.
.
vn = (vn1 , vn2 , . . ., vnm)

Y consideramos la ecuación α1v 1 + α2 v2 + . . . + αn vn = 0

y se expresa dicha ecuación en términos de las componentes:

pág. 11
Apunte teórico
ÁLGEBRA Y GEOMETRÍA ANALÍTICA

α1 v11 + α2 v21 + . . .+ αn vn1 = 0

α1 v12 + α2 v22 + . . .+ αn vn2 = 0
α1 v13 + α2 v23 + . . .+ αn vn3 = 0
.
.
α1 v1m + α2 v2m + . . .+ αn vnm = 0

Vemos que este es un Sistema de Ecuaciones Lineales Homogéneo, de m ecuaciones con n

incógnitas: α1, α2, . . . , αn. Y si suponemos que n > m, de acuerdo a lo ya estudiado, este
sistema tiene soluciones no triviales (tiene un número infinito de soluciones). Por lo tanto,
existen escalares no simultáneamente nulos que satisfacen el sistema planteado y los vectores
v1, v2, …,vn son Linealmente Dependientes.

Corolario: todo conjunto de vectores Linealmente Independientes en Rn contiene a lo sumo

n vectores.

7.6.3 Soluciones de un Sistema de Ecuaciones Lineales Homogéneo

 Si consideramos un S.E.L.H, entonces A será la matriz de los coeficientes:

𝑎11 𝑎12 … 𝑎1𝑛
𝑎21 𝑎22 … 𝑎2𝑛
𝐴=[ … … … … ]
𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛

Entonces las columnas de A, consideradas como vectores, son L.D. sí, y sólo sí, el S.E.L.H, que
puede escribirse como 𝑨 𝜶 = 𝟎 tiene soluciones que no son triviales.
Se considera:
𝛼 = ( 𝛼1 , 𝛼2 , . . . 𝛼𝑛 )

Ejemplo: x1 + 2x2 – x3 + 2x4 = 0

3x1 + 7x2 + x3 + 4x4 = 0

1 2 -1 2 0 reduciendo por filas 1 0 -9 6 0

3 7 1 4 0 0 1 4 -2 0

La solución se puede expresar como C.L. de los vectores :

x3 (9, -4, 1, 0 ) + x4 (-6, 2, 0, 1)

De este modo, los vectores (9, -4, 1, 0 ) , (-6, 2, 0, 1) son L. I.

Concluimos entonces, que todas las soluciones del Sistema dado pueden expresarse en
términos de dos vectores solución linealmente independientes.

pág. 12
Apunte teórico
ÁLGEBRA Y GEOMETRÍA ANALÍTICA

 Si v1, v2, . . . , vn son vectores en Rn y A es la matriz de orden n x n cuyas columnas son los
vectores dados. Entonces v1, v2, . . . , vn son L.I. sí, y sólo sí, la única solución del sistema
homogéneo A x = 0 es la solución trivial.

7.6.4 Matriz de orden n x n

Si A es una matriz de n x n . Entonces el | A| ≠ 0 sí, y sólo sí, las columnas de A son L.I.
Esto nos permite expresar que cada uno de los enunciados que se dan a continuación son
equivalentes:

o A es invertible
o La única solución del Sistema homogéneo Ax = 0 es la solución trivial (x= 0)
o El sistema Ax = b tiene una solución que es única para cada n-vector b
o A es equivalente por filas a la matriz Identidad In de n x n
o Las columnas y las filas de A son L.I.

8.7 Bases y Dimensión

Un conjunto de vectores {v1, v2, . . . ,vn } es un base del Espacio Vectorial V si:

 {v1, v2, . . . ,vn } es un conjunto Linealmente Independiente

 {v1, v2, . . . ,vn } generan el espacio vectorial V.

Así, hemos visto que:

o {(1, 0) , (0, 1) } es L.I. y genera R2

o { (1, 0, 0) , (0, 1, 0) , (0, 0, 1) } es L.I. y genera R3

Por lo tanto:

Todo conjunto n de vectores linealmente independientes en Rn es una base de Rn

Así, en Rn los vectores

e1 = (1,0 ,0, . . . ,0) , e2 = (0,1 ,0, . . .0) , e3 = (0,0 ,1 , . . . ,0) , . . . ,e n = (0, 0, 0 ,…,1)

{ e1 , e2, e3 , . . ., en } es una base para Rn

Estas bases reciben el nombre de Base Estándar o Base canónica

¿Porqué es importante es importante conocer una base de un Espacio Vectorial?: la razón

fundamental es que, si conocemos una base de un espacio vectorial, todo vector de ese
espacio vectorial puede ser expresado a partir de esa base de manera única, tal como lo
afirma el siguiente teorema:

pág. 13
Apunte teórico
ÁLGEBRA Y GEOMETRÍA ANALÍTICA

Teorema:

Si {v1, v2, . . . ,vn } es una base de V y si un vector v ε V, entonces existe un único conjunto de
escalares α1, α2, . . . , αn tales que:
v = α1v 1 + α2 v2 + . . . + αn vn

NOTA: observemos que para cada base en particular existe una manera única de expresar un vector v en
particular. O, dicho de otra manera, los escalares α 1, α2, . . . , αn son únicos para cada base dada y para cada
vector v.

Teorema:

Si {u1, u2, . . . ,un } y {v1, v2, . . . ,vn } son bases del espacio vectorial V, entonces ambas tienen
la misma cantidad de vectores

Ejemplo: las bases de R2 contienen 2 vectores, mientras que las bases de R3 contienen 3 vectores.

7.7.1 Dimensión:

Se dice que un espacio vectorial V (diferente de 0) es de dimensión finita si contiene un

conjunto finito de vectores {v1, v2, . . . ,vn } que forma una base. Esto indica que la dimensión
del espacio vectorial V es el numero de vectores que tiene cualquiera de las bases de V. Caso
contrario se dice que V es un espacio vectorial de dimensión infinita.
Si V = {0} (espacio vectorial cero) se dice que V es de dimensión cero.

Observemos que: si la dimensión de un espacio vectorial V es igual a n, entonces en todo

subconjunto linealmente independiente de m vectores se cumplirá que m < n.

NOTA: en la página siguiente se adjunta una tabla donde pueden observarse las bases
estándar (o canónicas) de los distintos espacios vectoriales y la dimensión de los mismos.

7.7.2 Bases y dimensión de un subespacio vectorial H

Análogamente a lo visto acerca de bases y dimensión para un espacio vectorial V, si H es un

subespacio vectorial, entonces todo conjunto de vectores linealmente independientes que
generan ese subespacio constituirá una base para H, y la dimensión estará dada por la
cantidad de vectores que constituyan esa base.

Ejemplo: hallar una base para el siguiente subespacio vectorial de R3

a) 𝐻1 = { (𝑥, 𝑦 , 𝑧) 𝜀 𝑅3 / 2𝑥 – 𝑦 + 𝑧 = 0}

x + y– z = 0
b) 𝐻2 = { (𝑥, 𝑦 , 𝑧) 𝜀 𝑅3 / { }
x − 3y + 3z = 0

pág. 14
Apunte teórico
ÁLGEBRA Y GEOMETRÍA ANALÍTICA

Espacio Base Estándar Dimensión

vectorial
R2 { (1, 0) , (0, 1) } 2
R3 { (1, 0, 0) , (0, 1, 0) , (0, 0, 1) } 3
R4 { (1, 0, 0, 0) , (0, 1, 0, 0) , (0, 0, 1, 0) } 4
Rn {(1, 0, 0,. . . ,0) , (0, 1, 0, . . . , 0) , . . . , (0, 0, 0, . . . ,1) } n
P1 {x,1} 2
P2 {x2, x , 1 } 3
P3 {x3, x2, x, 1 } 4
P4 {x4, x3, x2, x, 1 } 5
Pn {xn, xn-1, xn-2, . . . , , x2, x, 1 } n+1

R2x2 1 0 0 10 0 0 0 0 4 (2x2)
{[ ] [ ][ ][ ]}
0 0 0 0 1 0 0 1
R2x3 {[1 0 0] [0 1 0] [0 0 1] [0 0 0] [0 0 0] [0 0 0] } 6 (2x3)
0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 1

111 012 … 01𝑛 011 012 … 01𝑛 mxn

0 022 … 02𝑛 0 022 … 02𝑛
Rmxn {[ 21 ] … [ 21 ]}
… … … … … … … …
0𝑚1 0𝑚2 … 0𝑚𝑛 0𝑚1 0𝑚2 … 1𝑚𝑛

8.8 Vector de Coordenadas -Cambio de base

Ya hemos trabajado anteriormente con la base estándar en cada uno de los espacios
vectoriales (R2, R3,..etc). Por lo general se utilizan estas bases debido a que es relativamente
fácil trabajar con ellas. Sin embargo, existen otras bases que en ciertos casos resultan más
convenientes y, hay un número infinito de bases para elegir.
Veremos entonces, cuál es el procedimiento para efectuar el cambio de una base a otra, y
esto es posible hacerlo mediante el uso de una matriz de transición que, más adelante,
veremos cómo se obtiene.

 Vector de coordenadas:

Si B1 = {v1, v2, …vn} es una base para un espacio vectorial V, entonces todo vector v que
pertenece a V se puede expresar de la forma:
v = α1v 1 + α2 v2 + . . . + αn vn
entonces los escalares α1 , α2, …, αn constituyen el vector de coordenadas de v, relativo a la
base B1 y se expresa como vector columna de la siguiente manera:

pág. 15
Apunte teórico
ÁLGEBRA Y GEOMETRÍA ANALÍTICA

𝑎1 𝑎1
𝑎2 𝑎2
[ … ] 𝑑𝑒 𝑚𝑜𝑑𝑜 𝑞𝑢𝑒[𝑉 ]𝐵1 = [ … ]
𝑎3 𝑎3

Si V = R2 y trabajamos con la base estándar B = {(1, 0) , (0, 1)}, para cualquier vector v = (x, y),
el vector de coordenadas será:

𝑥
[𝑉 ] = [𝑦]
ya que : α1 = x y α2 = y

Lo mismo ocurre si trabajamos con los espacios vectoriales R3, …,Rn . (Inclusive si se trata de
polinomios o matrices)

Ejemplo:
1) expresar el vector v ε R2 , v = (-2, 5) a) en la base canónica
b) en la base B2 = ( (1, 1) , (2, 0) )

2) expresar el vector v ε R3 , v = (2, -5, 1) a) en la base canónica

b) en la base B2 =((1,0,-1), (1,1,2), (0,0,1))

Los escalares de este vector v ε V, pueden estar expresados analíticamente, de modo tal que
alcanzan a todos los vectores de dicho espacio vectorial, y se reemplazan luego las variables
x, y, …. por las componentes de cada vector en particular.

Observaciones: es posible advertir que los escalares del vector de coordenadas dependen del
orden en que aparecen escritos los vectores que constituyen la base, por eso decimos que se
trata de una base ordenada y la forma de expresarla ya no es con llaves { …}, sino que se
utilizan paréntesis ( …)

NOTA: observemos que de ahora en adelante las bases van a estar expresadas de esta manera (de igual modo
ocurre en los dos ejemplos dados con anterioridad.

Ejemplo: hallar el vector de coordenadas (x, y) ε R 2 en términos de la base B1

B1 = ((2, -1) , (1, 1))

 Matriz de cambio de base:

Cuando se cambia la base para un espacio vectorial V, de una base dada B a una nueva base
B´, los vectores de coordenadas en cada una de las bases están relacionados mediante:
[ v ] B = P [ v ]B´

P se denomina matriz de transición de B hacia B´

pág. 16
Apunte teórico
ÁLGEBRA Y GEOMETRÍA ANALÍTICA

Para obtener la matriz de transición de B´ hacia B se trabaja con P-1

Modo de hallar la matriz de transición de una base B´a una base B

Un modo sencillo para hallar la matriz de una base B´ a una base B es expresar cada vector de
la base B´ como combinación lineal de los vectores de la base B. Los escalares obtenidos en
cada paso constituyen los vectores columna de la matriz de transición de B´a B.
Para obtener la matriz de B a B´se busca la matriz inversa.

8.9 Bases ortonormales

Hemos estudiado que n vectores linealmente independientes en R n constituyen una base. De

este modo, la base mas utilizada es la Base Estándar (BE) o base canónica.

Así, si BE = { e1, e2, …, en }

los vectores e1,…,en cumplen dos propiedades:

 ei . ej = 0 si i ≠ j

 ei . ej = 1

Conjunto ortonormal en Rn

Un conjunto de vectores BO = { u1, u2, …,un } se llama conjunto ortonormal si:

 ui . uj = 0 si i ≠ j

 ui . ui = 1

Observamos que si solamente se cumple la primera propiedad el conjunto es ortogonal.

Recordemos algunos conceptos acerca de operaciones entre vectores, que vimos en R 2 y R3,
y que también son válidas para R n.

Si u, v y w son vectores de Rn y α es un número real, entonces:

o u.v=v.u
o (u + v) . w = u . w + v . w
o u . (v + w ) = u . v + u . w
o (αu) . v = α (u . v)
o u . (αv) = α (u .v)

o Modulo o Norma de un vector: esta definición que se considera muy útil, indica que si v
ε Rn entonces el módulo (norma o longitud) está dado por la expresión:

pág. 17
Apunte teórico
ÁLGEBRA Y GEOMETRÍA ANALÍTICA

│v│= √ v . v
Es decir: si v = (x1, x2,…xn) entonces: v . v = x12 + x22 + … + xn2

Quiere decir que: v . v ≥ 0

O bien v . v = 0 sí y solo sí v = 0

Observemos que este concepto coincide con lo visto con anterioridad cuando estudiamos
vectores en R2 y R3

Módulo de un vector en R2: v = (x , y) │v │= √ x2 + y2

que es la definición ordinaria del módulo de un vector en el plano

Módulo de un vector en R3: v = (x , y, z) │v │= √ x2 + y2 + z2

Módulo de un vector en Rn: Ejemplo: v= (1, -2, 3, -1, 4) ε R5 │v │= √ 1 + 4 + 9 + 1 + 16 = √ 31

De este modo, volvemos a definir conjunto ortonormal:

Un conjunto de vectores es ortonormal si un par cualquiera de ellos es ortogonal y si cada

uno de los vectores tiene módulo o longitud igual a 1.

Observaciones: las bases estándar (o canónicas) en Rn son bases ortonormales.

Teorema: si B = ( v1, v2, …,vn) es un conjunto ortogonal de vectores no nulos, entonces B es

L.I.

7.9.1 Proceso de ortonormalización de Gram-Schmidt

Toda base en Rn se puede transformar en una base ortonormal y esto se realiza mediante el
Proceso de Gram Schmidt, que también es posible aplicar a bases de subespacios vectoriales:

Dada una base B ε Rn B = (v1, v2, …,vn) obtendremos una BO = (u1, u2, ..un) de la siguiente
manera:

 Paso 1: u1 = v1 (el vector u1 tiene módulo igual a la unidad)

│v1│
 Paso 2: se calcula v´2 = v2 – (v2 . u1) u1 y luego se determina │v´2│

 Paso 3: u2 = v´2
│v`2│

pág. 18
Apunte teórico
ÁLGEBRA Y GEOMETRÍA ANALÍTICA

 Paso 4: se calcula v´3 = v3 – (v3 . u1) u1 – (v3 . u2) u2 y se determina │v´3│

 Paso 5: u3 = v´3
│v´3│

Y así sucesivamente, hasta llegar a un

NOTA: observemos que los pasos descriptos hasta el paso 5, comprenden bases de R3, o bien bases de un
subespacio (de dimensión hasta 3) de R4 , R5…etc.

Espacios con Producto Interno

Hemos estudiado cómo multiplicando dos vectores en Rn obtenemos un escalar. A ese

producto escalar se le llama producto interno. Vemos entonces que, si trabajamos en Rn, el
producto interno entre dos vectores es un escalar real (sin embargo, es posible, que en otros
espacios, el escalar sea complejo).

El espacio vectorial V recibe el nombre de espacio con producto interno, si para todo par de
vectores u y v pertenecientes a V, existe un único escalar, denominado producto interno de u
y v , de modo tal que su u, v y w son vectores de V y α ε K se cumplen las siguientes propiedades:

o (v,v) ≥ 0 Propiedad de positividad

o (v,v) = 0 sí y sólo sí v= 0
o (u, v+w) = (u,v) + (u,w) Propiedad de aditividad
o (u+v, w) = (u,w) + (v,w) ´´ ´´
o (αu, v) = α (u,v) Propiedad de homogeneidad
o (u, αv) = α (u,v) ´´ ´´

NOTA: también es posible definir un producto interno sobre un espacio vectorial V como la
función f: VxV  R que asigna a cada par ordenado de vectores u y v, un número real y que
cumple con las propiedades enunciadas.

Ejemplo: en V = R3 : encontrar (u,v) siendo u = (1, -1, 3) y v = (2, -1, 4)

Observemos que: si V es un espacio con producto interno, u y v están en V, se cumple:

 u y v son ortogonales si (u,v) = 0

 el módulo de v está dado por : │v│= √ (u,u)

Teorema: todo conjunto finito, linealmente independiente, en un espacio con producto

interno puede transformarse en un conjunto ortonormal mediante el proceso de Gram-
Schmidt. En particular, todo espacio de dimensión finita con producto interno, tiene una base
ortonormal.

Importancia de las bases ortonormales: la importancia de conocer una base ortonormal de

un espacio con producto interior radica en que es muy sencillo determinar las coordenadas
de cualquier vector del espacio a partir de una base ortonormal.

pág. 19
Apunte teórico
ÁLGEBRA Y GEOMETRÍA ANALÍTICA

Ejemplo: dada la base ortonormal BO = { (√2/2, √2/2), (-√2/2, √2/2) }. Encontrar las
coordenadas del vector v = (2,4) relativas a la BO.

pág. 20