Unidad Completa

•
© Asturias Corporación Universitaria

1
Índice
1 Nomenclatura .................................................................................................................................................................. 3
2 Espacios numéricos: R 2, R 3, R n ............................................................................................................................ 3
2.1 Conjunto de R 2 .................................................................................................................................................. 3
2.2 Conjunto de R 3 .................................................................................................................................................. 5
2.3 Conjunto de Rn .................................................................................................................................................. 7
Nota Técnica preparada por Asturias Corporación Universitaria. Su difusión, reproducción o uso total o parcial
para cualquier otro propósito queda prohibida. Todos los derechos reservados.
Objetivos
En esta lectura vamos a estudiar la noción de espacio vectorial, así como los conceptos que
de dicha noción se derivan.
1 Nomenclatura
A lo largo de esta lectura nos referiremos a los conjuntos de números reales por R de
forma que la nomenclatura para los siguientes conjuntos será:
R2
R3
Rn
2 Espacios numéricos: R 2, R3, Rn

Antes de dar la definición abstracta de espacio vectorial vamos a estudiar dos ejemplos R 2 y
R3 para de esta forma comprender mejor la definición y estructura de un espacio vectorial.
2.1 Conjunto de R 2
El conjunto de R2 = R x R está formado por todos los pares (x,y) de números reales.
Por ejemplo:
En el ejemplo vemos pares de (x,y) de R2 −1
números reales que forman un conjunto o (2, )
espacio vectorial de R2 3
(√2, −4)
(0,0)
(𝑥, 𝑦)
Dos pares (x,y) y (x’,y’) son iguales si se verifica que:
x=x’
y=y’
En este conjunto se definen la suma y el producto por números reales del siguiente modo:
Suma: (x,y)+(x’,y’) = (x+x’,y+y’)
Producto por números reales: si consideramos k un número real entonces: k(x,y)=(kx,ky).
Estas dos operaciones suma (+) y producto (.) verifican las siguientes propiedades:
1. Asociativa
[(𝐱, 𝐲) + (𝒙′ , 𝒚′)] + (𝒙′′ , 𝒚′′) = (𝒙, 𝒚) + [(𝐱′, 𝐲′) + (𝒙′′ , 𝒚′′)]
La propiedad asociativa de la suma nos dice que si tenemos tres pares de números en este
caso en R2, es lo mismo sumar los dos primeros pares de números [(x, y) + (𝑥 ′ , 𝑦′)] y luego
el tercero (𝑥 ′′ , 𝑦′′) que sumar el segundo y tercer par de números [(x′, y′) + (𝑥′′ , 𝑦′′)] y luego
el primero (𝑥, 𝑦)
[(2,3) + (−1,2)] + (0, −2) = (1,5) + (0, −2) = (1,3)
Es lo mismo que:
(2,3) + [(−1,2) + (0, −2)] = (2,3) + (−1,0) = (1,3)
2. Conmutativa
(𝒙, 𝒚) + (𝒙′, 𝒚′) = (𝒙′, 𝒚′) + (𝒙, 𝒚)
La propiedad conmutativa de la suma o de orden de la suma dice que el orden de los

sumandos no altera el resultado.
(1,5) + (0, −2) = (1,3) y es lo mismo que sumar (0, −2) + (1,5) = (1,3)
3. Elemento neutro
(𝒙, 𝒚) + (𝟎, 𝟎) = (𝒙, 𝒚)
El elemento neutro es el par (0,0) ya que al realizar la suma el resultado sigue siendo (x,y)
4. Elemento opuesto (elemento simétrico)
Todo elemento (x,y) de R2 posee un opuesto (-x,-y) ya que
(𝒙, 𝒚) + (−𝒙, −𝒚) = (𝟎, 𝟎)
5. Propiedad distributiva
𝒌[(𝐱, 𝐲) + (𝒙′ , 𝒚′)] = 𝒌(𝒙, 𝒚) + 𝒌(𝒙′, 𝒚′)
Esto quiere decir que siendo k un numero real (un escalar), la suma de dos pares
(x,y) ,(x’y’) multiplicados por el escalar k es lo mismo que la suma de cada uno de
los pares multiplicados por k.
3[(1,2) + (1,1)] = 3(2,3) = (6,9)
Es lo mismo que realizar la siguiente operación:
3(1,2) + 3(1,1) = (3,6) + (3,3) = (6,9)
6. Propiedad 6
(𝐤 + 𝐡) ∙ (𝒙, 𝒚) = 𝒌(𝒙, 𝒚) + 𝒉(𝒙, 𝒚)
Veamos un ejemplo para k=2,h=3 y (x,y)=(2,1)
(2 + 3) ∙ (2,1) = (10,5)
2(2,1) + 3(2,1) = (4,2) + (6,3) = (10,5)
7. Propiedad 7
𝐤[𝒉(𝐱, 𝐲)] = (𝒌𝒉) ∙ (𝒙, 𝒚)
Veamos un ejemplo para k=2,h=3 y (x,y)=(2,1)
𝑘[ℎ(x, y)] = 2[3(2,1)] = 2(6,3) = (12,6)
(𝑘ℎ) ∙ (𝑥, 𝑦) = (6) ∙ (2,1) = (12,6)
8. Elemento unidad
𝟏(𝒙, 𝒚) = (𝒙, 𝒚)
Donde 1 es el elemento unidad de los números reales.
2.2 Conjunto de R 3
De forma análoga podemos aplicar todo lo aprendido en el apartado anterior para el resto
de conjuntos, R3, R4…Rn
El conjunto R3=R x R x R está formado por todas las ternas (x,y,z) de números reales:
En el ejemplo vemos pares de (x,y,z) de
números reales que forman un conjunto o
R3
espacio vectorial de R3 (2,1 − 3)
(√2, −4,1)
(0,0,0)
(𝑥, 𝑦, 𝑧)
Dos ternas (x,y,z) y (x’,y’,z’) son iguales si se verifica que:
x=x’
y=y’
z=z’
En este conjunto se definen la suma y el producto por números reales del siguiente modo:
Suma: (x,y,z)+(x’,y’,z’) = (x+x’,y+y’,z+z’)
Producto por números reales: si consideramos k un número real entonces: k(x,y,z)=(kx,ky,kz).
Al igual que para el conjunto de R2, estas dos operaciones suma (+) y producto (.) verifican
las siguientes propiedades:
1. Asociativa
[(𝐱, 𝐲, 𝐳) + (𝒙′ , 𝒚′ , 𝒛′)] + (𝒙′′ , 𝒚′′ , 𝒛′′) = (𝒙, 𝒚, 𝒛) + [(𝐱 ′ , 𝐲 ′ , 𝐳′) + (𝒙′ ′ , 𝒚′′ , 𝒛′′)]
2. Conmutativa
(𝒙, 𝒚, 𝒛) + (𝒙′ , 𝒚′ , 𝒛′) = (𝒙′ , 𝒚′ , 𝒛′) + (𝒙, 𝒚, 𝒛′)
3. Elemento neutro
(𝒙, 𝒚, 𝒛) + (𝟎, 𝟎, 𝒛) = (𝒙, 𝒚, 𝒛)
El elemento neutro es el par (0,0,0) ya que al realizar la suma el resultado sigue siendo
(x,y,z)
Todo elemento (x,y,z) de R3 posee un opuesto (-x,-y,-z) ya que
(𝒙, 𝒚, 𝒛) + (−𝒙, −𝒚, −𝒛) = (𝟎, 𝟎, 𝟎)
𝒌[(𝐱, 𝐲, 𝐳) + (𝒙′ , 𝒚′ , 𝒛′)] = 𝒌(𝒙, 𝒚, 𝒛) + 𝒌(𝒙′ , 𝒚′ , 𝒛′)
6. Propiedad 6
(𝐤 + 𝐡) ∙ (𝒙, 𝒚, 𝒛) = 𝒌(𝒙, 𝒚, 𝒛) + 𝒉(𝒙, 𝒚, 𝒛)
7. Propiedad 7
𝐤[𝒉(𝐱, 𝐲, 𝐳)] = (𝒌𝒉) ∙ (𝒙, 𝒚, 𝒛)
8. Elemento unidad
𝟏(𝒙, 𝒚, 𝒛) = (𝒙, 𝒚, 𝒛)
2.3 Conjunto de Rn
El conjunto Rn=R x R x…x R está formado por todas las n-plas1 ordenadas (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) de
En el ejemplo vemos pares de (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 ) números reales:
de números reales que forman un conjunto
o espacio vectorial de Rn
Rn
(2,1, … , −3)
(√2, −4, … ,1)
(0,0, … ,0)
(𝑥1 , 𝑥2 , … , 𝑥𝑛 )
Dos n-plas (𝑥1 , 𝑥2 , … , 𝑥𝑛 ), (𝑥′1 , 𝑥′2 , … , 𝑥′𝑛 ) son iguales si se verifica
𝑥1 = 𝑥′1
𝑥2 = 𝑥 ′ 2
𝑥𝑛 = 𝑥 ′ 𝑛
En este conjunto se definen la suma y el producto por números reales de la misma forma
que hemos visto para los casos anteriores:
Suma: (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) + (𝑥′1 , 𝑥′2 , … , 𝑥′𝑛 ) = (𝑥1 + 𝑥′1 , 𝑥2 + 𝑥′2 , … , 𝑥𝑛 + 𝑥′𝑛 )
Producto por números reales: si consideramos k un número real entonces: k (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) =

(𝑘𝑥1 , 𝑘𝑥2 , … , 𝑘𝑥𝑛 )
Al igual que para el conjunto de R2 y R3 estas dos operaciones suma (+) y producto (.)
verifican las siguientes propiedades:
1. Asociativa
[(𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 ) + (𝒙′𝟏 , 𝒙′ 𝟐 , … , 𝒙′ 𝒏 )] + (𝒙′ 𝟏 , 𝒙′ 𝟐 , … , 𝒙′ 𝒏 )
= (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 ) + [(𝒙′𝟏 , 𝒙′𝟐 , … , 𝒙′𝒏 ) + (𝒙′′𝟏 , 𝒙′′𝟐 , … , 𝒙′′𝒏 )]
2. Conmutativa
(𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 ) + (𝒙′ 𝟏 , 𝒙′ 𝟐 , … , 𝒙′ 𝒏 ) = (𝒙′ 𝟏 , 𝒙′ 𝟐 , … , 𝒙′ 𝒏 ) + (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 )
1 n-plas es un término muy usado en álgebra para indicar en un conjunto de Rn el número de coordenadas que posee
el vector.
3. Elemento neutro
(𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 ) + (𝟎, 𝟎, … , 𝟎) = (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 )
El elemento neutro es el par (0,0,…,0) ya que al realizar la suma el resultado sigue

siendo (𝑥1 , 𝑥2 , … , 𝑥𝑛 )
Todo elemento (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) de Rn posee un opuesto (−𝑥1 , −𝑥2 , … , −𝑥𝑛 ) ya que:
(𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 ) + (−𝒙𝟏 , −𝒙𝟐 , … , −𝒙𝒏 ) = (𝟎, 𝟎, … , 𝟎)
𝒌[(𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 ) + (𝒙′ 𝟏 , 𝒙′ 𝟐 , … , 𝒙′ 𝒏 )] = 𝒌(𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 ) + 𝒌(𝒙′𝟏 , 𝒙′ 𝟐 , … , 𝒙′ 𝒏 )
6. Propiedad 6
(𝐤 + 𝐡) ∙ (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 ) = 𝒌(𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 ) + 𝒉(𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 )
7. Propiedad 7
𝐤[𝒉(𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 )] = (𝒌𝒉) ∙ (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 )
8. Elemento unidad
𝟏(𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 ) = (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 )
•

1
Índice
1 Nomenclatura y Terminología............................................................................................................................. 3
2 Espacios Vectoriales .................................................................................................................................................. 3
2.1 Definición de espacio vectorial ............................................................................................................ 3
2.2 Definición de subespacio vectorial .................................................................................................... 4
2.3 Definición general de Subespacio Vectorial ............................................................................... 5
3 Combinación lineal de vectores ........................................................................................................................ 6
3.1 Ejemplos resueltos de combinaciones lineales ....................................................................... 6
4 Dependencia e independencia lineal de vectores............................................................................... 8
4.1 Vectores linealmente independientes o sistema libre ........................................................ 8
4.2 Vectores linealmente dependientes ................................................................................................ 9
4.3 Ejemplos resueltos de dependencia lineal ................................................................................. 9
Objetivos
En esta lectura vamos a estudiar la noción de espacio vectorial, así como los conceptos que
de dicha noción se derivan. A su vez trataremos de asentar los conceptos por medio de
ejercicios prácticos, que nos ayudarán a asimilar lo aprendido.
1 Nomenclatura y Terminología
Conjuntos de números reales = por R
Espacios vectoriales= E
⃗𝒆 , ⃗𝒆′ = 𝒆, 𝒆′ ∈ 𝑬 Son dos vectores pertenecientes el espacio vectorial E
(E,+,∙) Terna, Espacio vectorial con dos operaciones suma y producto
∀ =para todo
∈ =perteneciente
∃= Existe
/ = tal que
∗ = ley de composición interna
∆= ley de composición interna
2 Espacios Vectoriales
En el tema anterior vimos que en los conjuntos numéricos R2, R3,..., Rn, las operaciones de
suma y producto por números reales cumplen unas determinadas propiedades, denotando
al conjunto de una cierta estructura, que recibe el nombre de espacio vectorial.
2.1 Definición de espacio vectorial
Si entendiste, en el tema anterior, los conjuntos de R2, R3, Rn, y las propiedades que se
derivan a partir de las operaciones de suma y producto, te resultará más fácil comprender la
definición general de espacio vectorial.
Un espacio vectorial sobre un cuerpo k es una terna (E,+,∙) formada por un conjunto E y dos
operaciones +, ∙ , suma y producto por escalares (números reales) que verifican las
siguientes propiedades:
a. Propiedades para la ley de combinación interna "Suma"
(E,+) :∀𝒆, 𝒆′ ∈ 𝑬 (e,e' son dos vectores del espacio vectorial E) se verifica que:
1. Asociativa
𝒆 + (𝒆′ + 𝒆′′ ) = (𝒆 + 𝒆′ ) + 𝒆′′
2. Elemento neutro:
0 ∈ 𝑬 𝑡𝑎𝑙 𝑞𝑢𝑒 ∀𝒆 ∈ 𝑒𝑠 𝒆 + 𝟎 = 𝟎 + 𝒆 = 𝒆
3. Elemento simétrico (opuesto)
𝑒 ′ ∈ 𝑬 tal que 𝒆 + 𝒆′ = 𝒆′ + 𝒆 = 𝟎
4. Conmutativa:
𝒆 + 𝒆′ = 𝒆′ + 𝒆
b. Propiedades para la ley de combinación interna "producto"
(E, ∙ ) :∀𝒆, 𝒆′ ∈ 𝑬, ∀𝝀, 𝝁 ∈ 𝒌, se verifica que:
1. 𝜆(𝒆 + 𝒆′ ) = 𝜆𝒆 + 𝜆𝒆′
2. (𝜆 + µ)𝒆 = 𝜆𝒆 + µ𝒆
3. 𝜆(µ ∙ 𝒆) = (𝜆 ∙ µ)𝒆
4. 1∙𝒆=𝒆
Vamos a realizar unas observaciones a esta definición.
1. La suma de vectores es una operación interna en E y por verificar las 4 primeras

propiedades, el par (E,+) es un grupo abeliano.
2. La diferencia de dos vectores e y e’ se representa por e-e’, y se define como la

suma de e con respecto a al opuesto de e’; es decir:
e - e’ = e + (-e’)
3. La operación producto de vectores por números reales se llama también

operación externa.
2.2 Definición de subespacio vectorial
Antes de generalizar la definición de subespacio vectorial vamos a explicar que es un

subespacio vectorial considerando un espacio vectorial real R3.
Consideramos el espacio vectorial R3 y el subconjunto W formado por los vectores cuya

tercera componente es nula, es decir:
𝑾 = {(𝑥, 𝑦, 0) 𝑡𝑎𝑙 𝑞𝑢𝑒 𝑥, 𝑦 ∈ 𝑹}
W verifica las siguientes condiciones:
1. Es un subconjunto no vacio de R3, ya que, al menos el vector nulo pertenece a W.
2. La suma de dos vectores cualesquiera de W es otro vector de W.
3. El producto de un número real cualquiera por un vector de W es otro vector de W

W Subespacio vectorial de R3
R3
W
1 (3,5,0)
(2,5, )
3
1
(−√3, , 0)
(√2, −1,7) 7
(0,0,0) (0,0,0)
⋮ ⋮
(𝑥, 𝑦, 𝑧) (𝑥, 𝑦, 0)
⋮ ⋮
Así pues, el conjunto W es un espacio vectorial con las operaciones incluidas por R3, por
eso se dice que W es un subespacio vectorial de R3.
2.3 Definición general de Subespacio Vectorial
Sea E un espacio vectorial. Un Subconjunto E’⊆ E (E’, subconjunto vectorial contenido en E)

se dice que es un subespacio vectorial contenido en E cuando:
∀ 𝒆, 𝒆′ ∈ 𝑬′ , 𝑦 ∀ 𝜆 ∈ 𝑘 𝑠𝑒 𝑣𝑒𝑟𝑖𝑓𝑖𝑐𝑎 𝑞𝑢𝑒:
𝒆 + 𝒆′ ∈ 𝑬′ , (1)
𝜆𝒆 ∈ 𝑬′ , (2)
• LEMA:
E’⊆ E es un subespacio vectorial de E precisamente si
∀ 𝜆, µ ∈ 𝑘, 𝑦 ∀ 𝒆, 𝒆′ ∈ 𝑬′ 𝑠𝑒 𝑣𝑒𝑟𝑖𝑓𝑖𝑐𝑎 𝑞𝑢𝑒:
𝜆𝒆 + µ𝒆′ ∈ 𝑬′
(Este lema se encuentra demostrado en el anexo de teoremas y demostraciones)

• OBSERVACIÓN
𝟎 ∈ 𝐸 ′ 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑠𝑢𝑏𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝐄’ ⊆ 𝐄
Esto quiere decir que siendo E un espacio vectorial real se dice que E’ es un subespacio
vectorial de E si se verifica que
1. E’ es un subconjunto no vacio de E
La suma de dos vectores cualesquiera de E’ es otro vector de E’ (1).
2. El producto de un número real cualquiera por un vector de E’ es otro vector de E’
(2).
A partir de la definición de subespacio vectorial, se deduce de forma inmediata que todo

espacio vectorial E admite, al menos, dos subespacios vectoriales: el subespacio formado
únicamente por el vector nulo y el propio espacio E. A estos subespacios se les llama
triviales o impropios y a todos los demás, si existen, se les llama subespacios propios.
3 Combinación Lineal de Vectores

Un vector ⃗𝒆 de un espacio vectorial E es combinación lineal de los vectores de ⃗𝒆1, ⃗𝒆2, ⃗𝒆3 ,…, ⃗𝒆n
de E si puede expresarse de la siguiente forma:
⃗ 𝟏 + 𝜆2 ∙ 𝒆
𝑒 = 𝜆1 ∙ 𝒆 ⃗ 𝟐 + 𝜆3 ∙ 𝒆
⃗ 𝟑 + ⋯ + 𝜆𝑛 ∙ 𝒆
⃗𝒏
Con 𝜆𝑖 ∈ 𝑘, ∀𝑖 = 1,2,3 … , n es decir 𝜆1 , 𝜆2 , 𝜆3 , … , 𝜆𝑛 son números reales.
Y se puede expresar de la siguiente forma:

𝑛
∑ 𝜆𝑖 ∙ 𝑒𝑖 𝜆𝑖 ∈ 𝑘, ∀𝑖 = 1,2,3 … , n
𝑖=1
Así pues para formar una combinación lineal de vectores se utilizan las dos operaciones
lineales de vectores:
• Suma de vectores
• Producto de vectores por un número real
Evidentemente, como consecuencia de la definición se verifica:
1. Todo vector es combinación lineal de sí mismo 𝑒 = 1 ∙ 𝑒
2. El vector ⃗0 es combinación lineal de cualquier conjunto de vectores:
⃗0 = 0 ∙ 𝑒1 + 0 ∙ 𝑒2 + ⋯ + 0 ∙ 𝑒𝑛
3.1 Ejemplos resueltos de combinaciones lineales
Ejercicio 1
Calcular el vector dado por la siguiente combinación lineal:
3(2,3,4) - 5(1,0,-1) + 5(-1,-1,3)
Solución:
Para obtener el vector dado por esta combinación lineal de vectores, solo hay que realizar
las operaciones suma y producto que se indican, si multiplicamos cada vector por el escalar
obtenemos:
(6,9,12) – (5,0,-5) + (-5,-5,15)
Para obtener el vector final realizamos la operación suma (que se puede presentar con valor
negativo), luego el vector final es:
(-4,4,32)
Ejercicio 2
Averiguar si el vector 𝒖
⃗ =(2,2,2) es combinación lineal de 𝒗
⃗ =(1,1,1)
Solución:
El vector 𝒖
⃗ sí es combinación lineal de 𝒗
⃗ puesto que
⃗ = 2𝒗
𝒖 ⃗
Ejercicio 3
Expresar (3,4) como combinación lineal de los vectores (1,0) y (0,1)
Solución:
La combinación lineal es (3,4) = 3(1,0) + 4(0,1)
Ejercicio 4
Dado el siguiente espacio vectorial, formado por los vectores ⃗𝒆𝟏 = (𝟏, 𝟑), ⃗𝒆𝟐 = (𝟑, 𝟒)
comprueba que el vector ⃗𝒆𝟑 (7,11) se puede expresar como combinación lineal de los otros
2 vectores.
Solución
Expresamos
(𝟕, 𝟏𝟏) = 𝝀(𝟏, 𝟑) + 𝜷(𝟑, 𝟒)
Si igualamos por componentes podemos expresar la ecuación anterior en forma de sistema

de ecuaciones lineales
7 = 𝜆 + 3𝛽
{
11 = 3𝜆 + 4𝛽
Resolvemos el sistema por reducción. Aplicamos los criterios de equivalencia de producto

en la primera ecuación, multiplicándola por 3 y obteniendo un sistema equivalente.
21 = 3𝜆 + 9𝛽
{
11 = 3𝜆 + 4𝛽
Resolvemos por reducción, restamos 1ª ecuación menos 2ª ecuación.

21 = 3𝜆 + 9𝛽
−11 = −3𝜆 − 4𝛽
10 = 5𝛽
β=2
Sustituyendo β = 2 en una de las dos ecuaciones obtenemos el valor de 𝜆.
21 = 3𝜆 + 9 ∗ 2
𝜆=1
Ejercicio 5
Determinar el valor de y para que el vector (1,y,5)∈R3, pertenezca al subespacio vectorial E

formado por los vectores (1,2,3),(1,1,1)
Solución:
Para que el vector (1,y,5) pertenezca al E={(1,2,3),(1,1,1)} si y solo si (1,y,5) ha de poder

escribirse como combinación lineal del los vectores de E, es decir, si existen αyβ ∈ R tales
que:
(1,y,5)= α (1,2,3)+ β (1,1,1)
Resolviendo el sistema tenemos que:
1= α+ β
y= 2α + β
5= 3α + β
Si resolvemos el sistema tenemos que
α = 1- β
5= 3(1- β) + β luego β=-1 y α=2
y= 3
El valor de x para que (1,y,5) pertenezca a E={(1,2,3),(1,1,1)} es y=3
4 Dependencia e Independencia Lineal de Vectores

Un conjunto de vectores es linealmente dependiente si uno cualquiera de ellos se puede
expresar como combinación lineal de los restantes.
En caso contrario se dice que son linealmente independientes, es decir, cuando ninguno de
los vectores que forman el conjunto se puede expresar como combinación lineal de los
vectores restantes.
A continuación veremos la forma general de expresar la definición de vectores linealmente

dependientes e independientes
4.1 Vectores linealmente independientes o sistema libre
Un conjunto de vectores {𝑒1 , … , 𝑒𝑛 } es un conjunto linealmente independiente o un sistema

libre cuando se verifica que:
𝑛
∑ 𝜆𝑖 𝑒𝑖 = 0 ↔ 𝜆𝑖 = 0 ∀ 𝑖 = 1 ,…,𝑛
𝑖=1
Explicación: el conjunto de vectores es linealmente independiente cuando el sumatorio de

𝜆𝑖 𝑒𝑖 para todo i que adquiere un valor desde 1 hasta n es igual a cero si y solo si 𝜆𝑖 =0.
Si se dan estas condiciones entonces tendremos al menos un vector 0 y como ya hemos

explicado, el vector 0, se puede expresar como combinación lineal de cualquier conjunto
de vectores.
Nota: se tiene que cumplir la doble condicional si y solo si que en numerosas ocasiones la
podemos ver representada con la siguiente simbología ↔, ≡, ⇔
4.2 Vectores linealmente dependientes
Un conjunto de vectores {𝑒1 , … , 𝑒𝑛 } es un conjunto linealmente dependiente cuando existe

una combinación lineal tal que:
𝑛
∑ 𝜆𝑖 𝑒𝑖 = 0 𝑐𝑜𝑛 𝜆𝑖 ≠ 0 𝑝𝑎𝑟𝑎 𝑎𝑙𝑔ú𝑛 𝑖

𝑖=1
Explicación: los vectores {𝑒1 , … , 𝑒𝑛 } son linealmente dependientes si cualquiera que sea la
combinación lineal de la forma:
𝜆1 𝑒1 + 𝜆2 𝑒2 + ⋯ + 𝜆𝑛 𝑒𝑛 = 0 con algún 𝜆𝑖 ≠ 0
4.3 Ejemplos resueltos de dependencia lineal
Tres formas de resolver un problema de dependencia lineal:
• Aplicando la definición de dependencia lineal
• Poniendo un vector como combinación lineal de los restantes.
• Resolviendo el determinante que forman los vectores.
Ejercicio 1
Estudia la dependencia lineal del conjunto de vectores {(𝟒, 𝟏𝟐), (𝟐, 𝟔)}
1º Forma: Aplicando la definición de dependencia lineal.
En este caso vemos claramente que los vectores son linealmente dependientes puesto que
uno el doble del otro, sin embargo vamos a desarrollar la forma de proceder para aprender
a resolver este tipo de ejercicios:
Una forma de resolver este ejercicio es aplicando la definición de dependencia lineal, así
pues tenemos:
(0,0, ) = 𝜆1 (4,12) + 𝜆2 (2,6)
Igualamos por componentes y obtenemos un sistema de ecuaciones
0 = 4𝜆1 + 2𝜆2
0 = 12𝜆1 + 6𝜆2
Resolviendo el sistema:
𝜆2 = −2𝜆1
0 = 4𝜆1 + 2(−2𝜆1 )
Dando valores a 𝜆2 = −2𝜆1 vemos que se cumplen las ecuaciones
Por ejemplo si 𝜆1 = 1 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝜆2 = −2
0 = 4 + 2(−2) = 0
0 = 12 + 6(−2) = 0
Así pues por la definición de dependencia e independencia lineal vemos que cumple lo
siguiente:
∑𝑛𝑖=1 𝜆𝑖 𝑒𝑖 = 0 𝑐𝑜𝑛 𝜆𝑖 ≠ 0 𝑝𝑎𝑟𝑎 𝑎𝑙𝑔ú𝑛 𝑖 y por tanto los vectores son linealmente
dependientes.
2º Poniendo uno de los vectores como combinación lineal de los restantes
Otra forma de resolver este tipo de problemas es poniendo un vector como combinación
lineal del resto:
(4,12) = 𝜆1 (2,6)
Si igualamos cada término a término (es decir componente por componente) obtenemos un
sistema que se resuelve de forma directa.
𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒 𝑥: 4 = 2𝜆1 → 𝑜𝑏𝑡𝑒𝑛𝑒𝑚𝑜𝑠 𝜆1 = 2
𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒 𝑦: 12 = 6𝜆1 → 𝑜𝑏𝑡𝑒𝑛𝑒𝑚𝑜𝑠 𝜆1 = 2
Resolviendo cualquiera de las dos ecuaciones obtenemos un valor
𝜆1 = 2 ≠ 0
Luego los vectores son linealmente dependientes y 2 es la constante de proporcionalidad.

1
También podría ser que es la constante de proporcionalidad que nos permite pasar del
2
segundo vector al primero, es decir si hubiéramos planteado el problema de esta otra
forma:
(2,6) = 𝜆1 (4,12)
3º Forma: Resolviendo el determinante que forman los vectores.
Otra forma para resolver este tipo de ejercicios es resolviendo el determinante que forman
los vectores.
• Si el determinante es distinto de cero, los vectores serán linealmente

independientes.
• Si el determinante es igual a cero entonces los vectores serán linealmente

dependientes.
2 6
| | = 2 ∗ 12 − 6 ∗ 4 = 0
4 12
Luego los vectores son linealmente dependientes.
Ejercicio 2
Estudiar la dependencia lineal del conjunto de vectores:
{(𝟏, 𝟐), (𝟑, 𝟒)}
Planteamos el problema de la misma forma que el anterior.
1º Forma: Aplicando la definición de dependencia – independencia lineal
(0,0) = 𝜆(1,2) + 𝛽(3,4)
Montamos el sistema
0 = 𝜆 + 3𝛽
0 = 2𝜆 + 4𝛽
Resolvemos el sistema
𝜆 = −3𝛽 𝑠𝑢𝑠𝑡𝑖𝑡𝑢𝑖𝑚𝑜𝑠 𝑒𝑛 𝑙𝑎 2º 𝑒𝑐𝑢𝑎𝑐𝑖ó𝑛
0 = −6𝛽 + 4𝛽 → 0 = 𝛽 𝑦 0 = 𝜆
Se cumple que: ∑𝑛𝑖=1 𝜆𝑖 𝑒𝑖 = 0 ↔ 𝜆𝑖 = 0 ∀ 𝑖 = 1 ,…,𝑛
Luego podemos decir que los vectores son linealmente independientes puesto que
cumplen con la definición de Independencia lineal.
2º Forma: Poniendo uno de los vectores como combinación lineal del resto de vectores que
forman el espacio vectorial
(1,2) = 𝜆1 (3,4)
1
𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒 𝑥: 1 = 3𝜆1 → 𝑜𝑏𝑡𝑒𝑛𝑒𝑚𝑜𝑠 𝜆1 =
3
1
𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒 𝑦: 2 = 4𝜆1 → 𝑜𝑏𝑡𝑒𝑛𝑒𝑚𝑜𝑠 𝜆1 =
2
Como vemos hay una incongruencia pues 𝜆1 no puede tomar dos valores, esto significa que
no se puede verificar que exista ningún número real distinto de 0 que verifique (1,2) =
𝜆1 (3,4) luego los vectores son linealmente independientes.
3º Forma: Resolviendo el determinante que forman los vectores del espacio vectorial.
1 2
𝑑𝑒𝑡 = | | = 1 ∗ 4 − 3 ∗ 2 = 4 − 6 = −2
3 4
Podemos observar que el determinante es distinto de 0 de forma que los vectores son
linealmente independientes.
Ejercicio 3
Estudiar la dependencia lineal del conjunto de vectores:
{(𝟑, 𝟑, 𝟐), (𝟏, 𝟏, −𝟏), (𝟐, 𝟐, 𝟑)}
1º Forma: aplicando la definición de dependencia – independencia lineal.
(𝟎, 𝟎, 𝟎) = 𝜆(𝟑, 𝟑, 𝟐) + 𝛃(𝟏, 𝟏, −𝟏) + 𝛂(𝟐, 𝟐, 𝟑)
Montamos el sistema de ecuaciones:
𝟎 = 𝟑 𝜆 + 𝛃 + 𝟐𝛂
𝟎 = 𝟑 𝜆 + 𝛃 + 𝟐𝛂
𝟎 = 𝟐 𝜆 − 𝛃 + 𝟑𝛂
Vemos que las dos primeras ecuaciones son iguales. (Con este dato podemos hacernos una
idea de cómo van a ser los vectores)
Resolvemos el sistema.
0 = 2 𝜆 − β + 3α → β = 2 𝜆 + 3α
Sustituimos en una de las otras ecuaciones
0 = 2 𝜆 + β + 3α → 0 = 3 𝜆 + 2 𝜆 + 3α + 2α = 5 𝜆 + 5α
Luego 𝜆 = −α
Dada esta igualdad si sustituimos en β = 2 𝜆 + 3α que habíamos despejado al principio del

ejercicio obtenemos lo siguiente.
β = 2 (−α) + 3α = α
Luego β = α
Como podemos observar las 3 constantes dependen las unas de las otras. En este caso se
cumple que
𝑛

𝑖=1
Y los vectores son linealmente dependientes. Vamos a verlo de una forma más clara dando
valores distintos de cero a las constantes 𝜆, β y α
Por ejemplo si 𝜆 = 2 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 α = −2 y comoβ = α
β = −2
𝟎 = 𝟑 𝜆 + 𝛃 + 𝟐𝛂 → 𝟎 = 𝟔 − 𝟐 − 𝟒 = 𝟎
𝟎 = 𝟑 𝜆 + 𝛃 + 𝟐𝛂 → 𝟎 = 𝟔 − 𝟐 − 𝟒 = 𝟎
𝟎 = 𝟐 𝜆 − 𝛃 + 𝟑𝛂 → 𝟎 = 𝟒 − (−)𝟐 − 𝟔 = 𝟎
Queda demostrado que se cumple la definición de dependencia lineal.

𝑛

𝑖=1
2º Forma: Expresamos uno de los vectores como combinación lineal del resto.
(𝟑, 𝟑, 𝟐) = 𝜆1 (𝟏, 𝟏, −𝟏) + 𝜆2 (𝟐, 𝟐, 𝟑)
Montamos el sistema de ecuaciones igualando componente a componente:
𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒 𝑥: 3 = 𝜆1 + 2𝜆2
𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒 𝑦: 3 = 𝜆1 + 2𝜆2
𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒 𝑧: 2 = 𝜆1 + 3𝜆2
Tenemos un sistema de 3 ecuaciones y 2 incógnitas, su solución es directa, si restamos a la

primera (o segunda) expresión la tercera (cambiamos de signo a la tercera ecuación
entonces:
3 = 𝜆1 + 2𝜆2
−2 = −𝜆1 − 3𝜆2
Luego despejando 𝜆2
1= 0+ 1𝜆2 → 𝝀𝟐 = 𝟏
Sustituyendo 𝜆2 en una de las dos ecuaciones y despejando 𝜆1 obtenemos:
3 = 𝜆1 + 2 ∙ 1 → 𝝀𝟏 = 𝟏
Como podemos ver no existe ningún 𝜆𝑖 = 0 por lo tanto los vectores son linealmente
dependientes.
3º Forma: Resolviendo el determinante que forman los vectores:

𝟑 𝟑 𝟐
𝒅𝒆𝒕 = |𝟏 𝟏 −𝟏| =
𝟐 𝟐 𝟑
𝟏 −𝟏 𝟑 𝟐 𝟑 𝟐
= 𝟑| | − 𝟏| |+ 𝟐| | = 𝟑(𝟓) − 𝟏(𝟓) + 𝟐(−𝟓) = 𝟏𝟓 − 𝟓 − 𝟏𝟎 = 𝟎
𝟐 𝟑 𝟐 𝟑 𝟏 −𝟏
Como el determinante es igual a cero entonces los vectores son linealmente dependientes.
Ejercicio 4
Demostrar la dependencia lineal del siguiente conjunto de vectores.
{(𝟏, 𝟎, 𝟎), (𝟎, 𝟏, 𝟎), (𝟎, 𝟎, 𝟏)}
Expresamos uno de los vectores como combinación lineal del resto.
(𝟏, 𝟎, 𝟎) = 𝜆1 (𝟎, 𝟏, 𝟎) + 𝜆2 (𝟎, 𝟎, 𝟏)
Montamos el sistema de ecuaciones igualando componente a componente:
𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒 𝑥: 1 = 0
𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒 𝑦: 0 = 𝜆1
𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒 𝑧: 0 = 𝜆2
Salta a la vista que hay una incoherencia puesto que 1 no puede ser igual a cero, con lo cual
los vectores son linealmente independientes.
Ejercicio 5
¿Son los vectores (1,2,3) y (1,1,1) combinación lineal de la familia de vectores

𝑺〈(𝟏, 𝟎, 𝟏), (𝟎, 𝟐, 𝟐)〉?
Solución
Primero vemos si el primer vector es combinación lineal de 𝑺〈(𝟏, 𝟎, 𝟏), (𝟎, 𝟐, 𝟐)〉
(𝟏, 𝟐, 𝟑) = 𝜆1 (𝟏, 𝟎, 𝟏) + 𝜆2 (𝟎, 𝟐, 𝟐)
Igualamos por componentes y determinamos 𝜆1 𝑦 𝜆2
𝟏 = 𝝀𝟏
𝟐 = 2𝜆2 → 𝝀𝟐 = 𝟏
𝟑 = 𝜆1 + 2𝜆2 = 1 + 2 ∙ 1 = 3
Luego (1,2,3) puede escribirse como combinación lineal de 𝑺〈(𝟏, 𝟎, 𝟏), (𝟎, 𝟐, 𝟐)〉
A continuación comprobamos si el segundo vector es combinación lineal de

𝑺〈(𝟏, 𝟎, 𝟏), (𝟎, 𝟐, 𝟐)〉
𝟏 = 𝜆1
𝟏
𝟏 = 𝟐𝜆2 → 𝝀𝟐 =
𝟐
𝟏
𝟏 = 𝜆1 + 𝟐𝜆2 = 𝟏 + 𝟐 =𝟐≠𝟏
𝟐
Para los valores de 𝜆1 𝑦 𝜆2 obtenidos no se verifican las tres ecuaciones es decir no existe
ningún 𝜆𝑖 que cumpla con las tres ecuaciones con los cual este vector no se puede poner
como combinación lineal del conjunto 𝑺〈(𝟏, 𝟎, 𝟏), (𝟎, 𝟐, 𝟐)〉.
•

1
Índice
1 Nomenclatura y Terminología............................................................................................................................. 3
2 ¿Qué es un sistema generador? ........................................................................................................................ 3
3 Base de un Espacio Vectorial .............................................................................................................................. 4
4 Dimensión de un Espacio Vectorial ................................................................................................................. 6
5 Conceptos Necesarios .............................................................................................................................................. 7
5.1 Ecuaciones paramétricas .......................................................................................................................... 7
5.2 Ecuaciones implícitas .................................................................................................................................. 7
5.3 Obtención de ecuaciones paramétricas y ecuaciones implícitas. .............................. 7
6 Ejemplos Resueltos .................................................................................................................................................... 8
7 Ejercicios Aplicados al Mundo laboral ........................................................................................................ 12
Objetivos
En esta lectura ampliaremos los conocimientos adquiridos sobre Espacios Vectoriales,
estudiaremos como determinar la base y dimensión de un espacio vectorial.
1 Nomenclatura y Terminología
∀ =para todo
∈ =perteneciente
∃= Existe
/ = tal que
2 ¿Qué es un Sistema Generador?

Los vectores {𝑒1 , … , 𝑒𝑛 } son un sistema de generadores de E cuando E=〈𝑒1 , … , 𝑒𝑛 〉, es decir,
cuando todo vector e ∈ E puede escribirse como una combinación lineal de dichos
vectores.
𝑛
𝑒 = ∑ 𝜆𝑖 𝑒𝑖
𝑖=1
Y un conjunto de vectores {𝑒1 , … , 𝑒𝑛 } es una base de E cuando es un conjunto linealmente

independiente y generador.
Ejemplo:
Sea 𝒆 = {𝑒⃗1 = (1,0,0), 𝑒⃗2 = (0,1,0), 𝑒⃗3 = (0,0,1)} un conjunto de vectores pertenecientes al
espacio vectorial E, de R3 y dado un vector
⃗⃗ = (𝑢1 , 𝑢2 , 𝑢3 ), perteneciente al espacio vectorial E vamos a comprobar que el conjunto e

𝑢
es un sistema generador de R3 (SG R3).
Primero ponemos el vector ⃗⃗ = (𝑢1 , 𝑢2 , 𝑢3 ) como combinación lineal del conjunto de

𝑢
vectores e.
(𝑢1 , 𝑢2 , 𝑢3 ) = 𝜆1 (1,0,0) + 𝜆2 (0,1,0) + 𝜆3 (0,0,1)
Montamos el sistema de ecuaciones igualando término a término.
𝑢1 = 𝜆1 + 0𝜆2 + 0𝜆3 𝑙𝑢𝑒𝑔𝑜 𝑢1 = 𝜆1
{ 𝑢2 = 0𝜆1 + 𝜆2 + 0𝜆3 𝑙𝑢𝑒𝑔𝑜 𝑢2 = 𝜆2
𝑢3 = 0𝜆1 + 0𝜆2 + 𝜆3 𝑙𝑢𝑒𝑔𝑜 𝑢3 = 𝜆3
El conjunto de vectores es un sistema generador.
⃗⃗ = (𝑢1 , 𝑢2 , 𝑢3 )= (𝜆1 , 𝜆2 , 𝜆3 )
𝑢
3 Base de un Espacio Vectorial

Definición: Base.
Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho

espacio o subespacio, que sea a la vez linealmente independiente.
Sea un E un espacio vectorial y B un subconjunto de vectores de E se dice que B es una

base de E si se verifican las siguientes condiciones:
1. Todos los vectores que forman el conjunto B, son linealmente independientes. Es

decir B es linealmente independiente.
2. Cualquier vector del espacio vectorial puede escribirse como combinación lineal
de los elementos de la base B. Es decir, B es un sistema generador de E.
Propiedades de las bases.
1. Una base de S es un sistema generador minimal de S (lo más pequeño posible).
2. Además es un conjunto independiente maximal dentro de S (lo más grande

posible).
3. Una base de S permite expresar todos los vectores de S como combinación lineal
de ella, de manera única para cada vector
Ejemplo
En el espacio R2 el conjunto de vectores B = (1,0), (0,1), es un base puesto que:
• es un sistema generador,
• los vectores son linealmente independientes.
Nota:
1. Todo espacio vectorial real E, finitamente engendrado posee al menos una base.
2. Todas las bases de un mismo espacio vectorial tienen el mismo número de

elementos, por el teorema de la base.1
Ejercicio Resuelto
1 Sean n = {e1 , e2 , … , en } y s = {u1 , u2 , … , un } dos bases de un espacio vectorial E, n=s
Dada la base no canónica (1,0,0),(1,1,0),(0,2,-3) de R3 demostrar si es una base de R3
Solución
Primero estudiamos la dependencia lineal de los vectores, una forma rápida de hacerlo es
viendo que el determinante de la matriz que forman los vectores es distinto de y la otra
forma es la que hemos realizado hasta ahora:
1. Estudio de la dependencia lineal: ponemos uno de los vectores como combinación

lineal de los otros dos.
(1,0,0) = 𝜆1 (1,1,0) + 𝜆2 (0,2, −3)
2. Determinamos los valores de las constantes de proporcionalidad 𝜆1 𝑦 𝜆2 para ello

igualamos por componentes y resolvemos el sistema.
1 = 𝜆1
1
0 = 𝜆1 + 2 𝜆2 → 𝜆2 = −
2
0 = −3 𝜆2 → 𝜆2 = 0
Como vemos hay una incongruencia puesto que 𝜆2 no puede tomar dos valores a la
vez, esto quiere decir que no existe ningún número real que satisfaga las igualdades. Y
por tanto los vectores son linealmente independientes.
¿Es sistema generador?
Para comprobar que es un sistema generador vamos a ver que cualquier vector (a,b,c)
se puede expresar como combinación lineal de ellos, así pues tenemos que buscar un
𝜆1 , 𝜆2 𝑦 𝜆3 que satisfagan:
(𝑎, 𝑏, 𝑐) = 𝜆1 (1,0,0) + 𝜆2 (1,1,0) + 𝜆3 (0,2, −3)
De tal forma que si igualamos por componentes obtenemos el siguiente sistema, que
es compatible determinado
𝑎 = 𝜆1 + 𝜆2
𝑏 = 𝜆2 + 2𝜆3
𝑐 = −3 𝜆3
Como conclusión podemos decir que la base
𝐵 = 〈(1,0,0), (1,1,0), (0,2, −3) 〉
Es una base de R3
Ejercicio Resuelto 2
Estudiar si los vectores 𝑎⃗ = (1, −1,0), 𝑏⃗⃗ = (2,1,2), 𝑐⃗ = (0,1,3), 𝑑⃗ = (1,1,1) son un sistema
generador de ℝ3 , ¿y una base de ℝ3 ?
𝑎⃗ = (1, −1,0), 𝑏⃗⃗ = (2,1,2), 𝑐⃗ = (0,1,3), 𝑑⃗ = (1,1,1)
Vemos si es un sistema generador R3
Para comprobar que son un sistema generador de R3 basta con comprobar que tres de los
cuatro vectores son linealmente independientes, esto se ve fácilmente si lo expresamos de
forma matricial y buscamos un determinante 3 x 3 no nulo
1 2 0 1 1 2 0
𝐴 = (−1 1 1 1) ⇒ |−1 1 1| ≠ 0 ⇒ 𝑟𝑔𝐴 = 3
0 2 3 1 0 2 3
También podemos estudiar la independencia lineal de los tres vectores como hemos hecho
hasta ahora, poniendo uno de ellos como combinación lineal de los otros dos, obteniendo
las constantes de proporcionalidad y observando que no existe ningún número real 𝝀𝒊
(constantes de proporcionalidad) que verifique las ecuaciones obtenidas.
Conclusión del ejercicio
Como conclusión a este ejercicio, podemos decir que los 4 vectores a,b,c,d son un sistema
generador de R3 ya que 3 de los 4 vectores son linealmente independientes, pero los
vectores a,b,c,d nunca formarán una base de R3 debido a su dependencia lineal.
4 Dimensión de un Espacio Vectorial

Sea E un espacio vectorial finitamente engendrado; se llama dimensión de un espacio E al
número de elementos que tiene una cualquiera de sus bases.
A la dimensión del espacio E la designamos por dim(E) o bien dim E
Veamos un ejemplo sencillo:
El espacio vectorial de R2 tiene como base canónica:
B = (1,0),(0,1)
Como podemos observar esta base contiene 2 elementos luego la dimensión de R2, dim R2
=2
El espacio vectorial de R3 tiene como base canónica:
B = (1,0,0),(0,1,0),(0,0,1)
Como podemos observar esta base contiene 3 elementos luego la dimensión de R3, dim R3
=3
El espacio vectorial de Rn tiene como base canónica:
B = (1,0,…,0),(0,1,…,0),…,(0,0,…,1)
Como podemos observar esta base contiene n elementos luego la dimensión de Rn, dim Rn
=n
• Teorema y definición: Dimensión.
Todas las bases de un mismo espacio o subespacio tienen el mismo número de vectores.
Se llama dimensión de dicho espacio o subespacio.
Por tanto, la dimensión es el máximo número de vectores independientes que podemos

tener en el espacio o subespacio vectorial. En otras palabras, es el máximo rango que
puede tener un espacio vectorial o también se dice que es el rango de cualquier sistema
generador de dicho espacio.
• Propiedades de la dimensión.
- Significado físico de la dimensión: el espacio tiene dimensión 3, los planos

dimensión 2, las rectas dimensión 1, el punto dimensión 0. El subespacio {0} es
el único de dimensión 0.
n
- La dimensión de un subespacio en ℜ , coincide con número de parámetros
libres en su forma paramétrica. (1 parámetro=recta, 2 parámetros= plano...)
- Si S y T son subespacios y S está contenido en T, entonces dim S .≤ dim T

Además, si se da la igualdad, dim S = dim T, entonces ambos espacios han de
coincidir.
- El rango de una familia de vectores, es igual a la dimensión del subespacio

que generan.
- Es decir: si v1,v2,. . . vn generan un cierto subespacio S, y si el rango de dicho

conjunto es r, entonces dim S = r.
5 Conceptos Necesarios
5.1 Ecuaciones paramétricas
En matemáticas, una ecuación paramétrica permite representar una o varias curvas o

superficies en el plano o en el espacio, mediante valores arbitrarios o mediante una
constante, llamada parámetro, en lugar de mediante una variable independiente de cuyos
valores se desprenden los de la variable dependiente.
5.2 Ecuaciones implícitas
Una ecuación y(x) se llama implícita cuando está definida de la forma F(x, y) = 0.
5.3 Obtención de ecuaciones paramétricas y ecuaciones implícitas.
Para entender cómo se obtienen las ecuaciones paramétricas e implícitas vamos a ver un
ejemplo:
Sean los vectores (1,0,1) y (1,1,1) que forman una base del espacio vectorial E:
Para obtener las ecuaciones paramétricas ponemos los vectores como combinación lineal.
(𝑥, 𝑦, 𝑧) = 𝜆(1,0,1) + µ(1,1,1)
Igualamos componente a componente:

𝑥 =𝜆+µ
𝑦=µ
{ → 𝑒𝑠𝑡𝑎𝑠 𝑠𝑜𝑛 𝑙𝑎𝑠 𝑒𝑐𝑢𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑝𝑎𝑟𝑎𝑚é𝑡𝑟𝑖𝑐𝑎𝑠
𝑧 =𝜆+µ
Las ecuaciones implícitas las obtenemos en este caso a partir de las ecuaciones
paramétricas, vemos que 𝑦 = µ
Sustituimos el valor de 𝑦 = µ en la tercera ecuación por ejemplo
𝑧 =𝜆+𝑦
En esta ecuación despejamos 𝜆
𝜆 =𝑧−𝑦
y finalmente sustituimos los valores en la primera ecuación
𝑥 = 𝜆+µ →𝑥 =𝑧−𝑦+𝑦
𝑥 =𝑧 →𝑥−𝑧 =0
La forma de expresar la ecuación implícita es
𝑥−𝑧 =0
6 Ejemplos Resueltos
Ejercicio 1
Consideremos el espacio vectorial E engendrado por un vector e = (1,2,3) dar una base y
hallar su dimensión.
Solución:
Como el vector e es linealmente independiente por ser no nulo es decir distinto de cero, y a
demás es sistema generador, pues es un dato que te proporcionamos en el enunciado,
entonces la base de E está formada por:
B={(1,2,3)} y en consecuencia la dimensión dim(E) = 1
Ejercicio 2
Sea 𝑴𝟐 un espacio vectorial de las matrices cuadradas de orden dos y considerando el
siguiente subespacio:
𝒙 𝒚
𝑽={ } ∈ 𝑴𝟐 (ℝ): 𝒚 𝒔𝒊𝒆𝒏𝒅𝒐 𝒙 = 𝝀, 𝒚 = −𝝀, 𝒛 = µ, 𝒕 = −µ
𝒛 𝒕
Obtener la dimensión bases y ecuaciones de V.
Solución:
1º En el enunciado nos dan las ecuaciones paramétricas:

𝑥 = 𝜆,
𝑦 = −𝜆
{ 𝑧=µ
𝑡 = −µ
2º Por medio de las ecuaciones paramétricas obtenemos las ecuaciones implícitas:
𝑥 = −𝑦 𝑥+𝑦=0
{ 𝑧 = −𝑡 𝑒𝑠𝑡𝑜 𝑠𝑒 𝑝𝑢𝑒𝑑𝑒 𝑒𝑥𝑝𝑟𝑒𝑠𝑎𝑟 𝑐𝑜𝑚𝑜 { 𝑧 + 𝑡 = 0 → 𝐸. 𝑖𝑚𝑝𝑙í𝑐𝑖𝑡𝑎𝑠
3º Por medio de las ecuaciones paramétricas podemos obtener la base

𝑥 = 𝜆,
𝑦 = −𝜆
{ 𝑧 = µ → (𝜆, −𝜆, 0,0) + 𝜇(0,0,1, −1)
𝑡 = −µ
Si sacamos factor común a 𝜆 𝑦 𝜇
𝜆(1, −1, ,0,0) + 𝜇(0,0,1, −1)
Luego la base de V es B=〈(1, −1, ,0,0), (0,0,1, −1)〉
Otra forma de obtener la base es por medio de las ecuaciones implícitas. Una vez que
tenemos las ecuaciones implícitas, calculamos la base:
De la primera ecuación 𝑥 = −𝑦 obtenemos el primer vector: (x,y,z,t)
Como hemos puesto las componentes en función de x se ve claramente que la

componente x es x que la componente y =-x y que z=t=0
(𝑥 , 𝑦 , 𝑧 , 𝑡)
(𝑥 , −𝑥 , 0 , 0)
Luego el primer vector que obtenemos es:
( 1 , −1 , 0 , 0)
De la Segunda ecuación 𝑧 = −𝑡 obtenemos el segundo vector: (x,y,z,t)
Como hemos puesto las componentes en función de z se ve claramente que la

componente z es z que la componente t =-z y que x=y=0
(𝑥 , 𝑦 , 𝑧 , 𝑡)
(0 , 0 , 𝑧 , −𝑧)
Luego el segundo vector que obtenemos es:
( 0 , 0 , 1 , −1)
B=〈(1, −1, ,0,0), (0,0,1, −1)〉
4º Ya tenemos una posible base B=〈(1, −1, ,0,0), (0,0,1, −1)〉 ahora tenemos que comprobar
si es base o no y calcular su dimensión.
Para comprobar si es una base tenemos que comprobar si los vectores que forman la base
son linealmente independientes, esto lo podemos hacer siguiendo el proceso para estudiar
la dependencia lineal de vectores que se explicó en temas anteriores, o de una forma más
rápida resolviendo el determinante de la matriz que formas los vectores.
1 −1 0 0
( )
0 0 1 −1
Cómo solo hay dos parámetros, buscamos un determinante 2x2

1 −1 0 0 −1 0
( )→| | = −1 ≠ 0
0 0 1 −1 0 1
El rango de la matriz es 2 Rg=2 los vectores son linealmente independientes con lo cual
forman base.
B=〈(1, −1, ,0,0), (0,0,1, −1)〉
Podemos observar que la dimensión de la base es 2 dim(B)= 2 porque está compuesta por
dos vectores.
Ejercicio 3
Sea 𝑴𝟐 un espacio vectorial de las matrices cuadradas de orden dos y considerando el

siguiente subespacio:
𝟏 𝟎 𝟏 𝟏
𝑾 = {( ),( )} ∈ 𝑴𝟐 (ℝ)
𝟎 −𝟏 𝟏 𝟏
Obtener la dimensión bases y ecuaciones de w.
En este caso nos dan dos vectores (1,0,0,1), (1,1,1,1)
1º Comprobamos si estos vectores forman una base de W, para ello vemos si son
linealmente independientes, (o bien por medio de la definición de dependencia lineal, o
bien buscando un determinante no nulo)
Buscamos un determinante distinto de cero;

1 0 0 −1 1 0
( )→| |=1≠0
1 1 1 1 1 1
Tenemos dos parámetros (vectores) y podemos resolver un determinante 2x2 distinto de

cero luego el rango de la matriz es Rg=2 y los vectores son linealmente independientes.
Forman base
La base de w es
B=〈(𝟏, 𝟎, 𝟎, −𝟏), (𝟏, 𝟏, 𝟏, 𝟏)〉
La dimensión de la base es:
dim(B) =2
2º Determinamos las ecuaciones paramétricas, para ello expresamos los vectores como
combinación lineal:
(𝑥, 𝑦, 𝑧, 𝑡) = 𝜆(1,0,0, −1) + 𝜇(1,1,1,1)
Igualamos por componentes:

𝑥 =𝜆+µ
𝑦=µ
Ecuaciones paramétricas { 𝑧=µ
𝑡 = −𝜆 + µ
3º Obtenemos las ecuaciones implícitas a partir de las paramétricas
De la primera ecuación despejamos 𝜆 y sustituimos el valor de 𝑦 = µ
𝑥 =𝜆+µ→𝜆 =𝑥−𝑦
De la de la segunda y tercera ecuación deducimos que
𝑦 =𝑧 →𝑦−𝑧 =0
y en la cuarta ecuación sustituimos los valores obtenidos de 𝜆, µ
𝑡 = −(𝑥 − 𝑦 ) + 𝑦 = −𝑥 + 2𝑦 → 𝑥 − 2𝑦 + 𝑡 = 0
Ecuaciones implícitas
𝑦−𝑧 =0
𝑥 − 2𝑦 + 𝑡 = 0
7 Ejercicios Aplicados al Mundo Laboral

Un banco gestiona tres carteras A, B, y C, cuyo capital se distribuye en acciones de tres
compañías P Q y R en la proporción que indica la siguiente tabla:.
Compañías
A B C
P 1 2 1
Q 3 1 2
r 4 3 3
El banco desea ampliar capital de sus tres carteras. Comprueba que los incrementos
(∆𝑃, ∆𝑄, ∆𝑅) de la inversión del banco en cada compañía que pueden distribuirse entre
las cuatro carteras sin crear excedentes es un subespacio de R 3, calcula su dimensión.
Solución:
Un ∆𝐴 en el capital de la cartera A requiere que el banco compre o venda acciones por

una cuantía de
(1∆𝐴, 3∆𝐴, 4∆𝐴) 𝑠𝑎𝑐𝑎𝑚𝑜𝑠 𝑓𝑎𝑐𝑡𝑜𝑟 𝑐𝑜𝑚ú𝑛 𝑎 ∆𝐴 𝑙𝑢𝑒𝑔𝑜 ∆𝐴(1,3,4)
Lo mismo sucede con los∆𝐵𝑦 ∆𝐶
(2∆𝐵, 1∆𝐵, 3∆𝐵) = ∆𝐵(2,1,3)
(1∆𝐶, 2∆𝐶, 3∆𝐶) = ∆𝐶(1,2,3)
Un incremento arbitrario de las tres carteras (∆𝐴, ∆𝐵, ∆𝐶) requeriría una compra ( o venta)
de acciones dada por el vector:
(∆𝑃, ∆𝑄, ∆𝑅) = ∆𝐴(1,3,4) + ∆𝐵(2,1,3) + ∆𝐶(1,2,3)
Por consiguiente los incrementos factibles forman el espacio vectorial
𝑊 = 〈(1,3,4), (2,1,3), (1,2,3)〉
Tenemos un sistema generador de W. Debemos estudiar si hay dependencia lineal de

vectores para en tal caso eliminarlos. En este caso lo vamos hacer estudiando el rango
de la matriz que forman los vectores
1 3 4
𝑀 = ( 2 1 3)
1 2 3
Vamos a estudiar el rango de la matriz, para ello resolvemos el determinante.

1 3 4
𝐷𝑒𝑡𝑀 = |2 1 3| = 3 + 16 + 9 − (4 + 18 + 6) = 28 − 28 = 3 = 0
1 2 3
Luego el Rango de la matriz es 2.
Así pues 𝑊 = 〈(1,3,4), (2,1,3), (1,2,3)〉, estos vectores forman no forman base y la
dimensión de W es 2.
Ejercicio 2
Una empresa fabrica dos artículos A y B a partir de dos materias primas P y Q. Cada
unidad de producto requiere las cantidades que indica la siguiente taba.
Materias Primas Artículos
A B
P 2 3
Q 1 2
La empresa dispone de un stock de 21 unidades de P y 13 unidades de Q.
a) Demostrar que los vectores (2,1) y (3,2) forman una base de R 2

b) Obtén el valor de (λ, β) que permiten que el vector (21,13) forme parte del
espacio vectorial formado por (2,1) y (3,2) y que nos indican el número de
unidades que podemos fabricar de cada producto para que no existan
excedentes.
Solución
Para estudiar si los vectores (2,1) y (3,2) forman base, estudiamos su dependencia lineal
2 1
| |= 2∗2−3∗1 =1 ≠ 0
3 2
Como los vectores son linealmente independientes podemos concluir que son una
base.
Las coordenadas de (21, 13) en dicha base son los escalares (λ, β) que cumplen:
(21,13) = λ(2,1) + β(3,2)
Es decir vamos a comprobar que poniendo el vector de stock como combinación lineal
de del espacio vectorial que forman los vectores de materias primas, forma parte de
dicho espacio vectorial y podremos determinar los valores de los escalares (λ, β) que
nos indicarán el valor de del número de artículos que podemos fabricar.
(21,13) = λ(2,1) + β(3,2)
Igualando por componentes, expresamos los datos en forma de un sistema de

ecuaciones
2λ + 3β = 21
{
λ + 2β = 13
Podemos resolver el sistema por reducción. Aplicamos a la segunda ecuación el criterio

de equivalencia del producto y la multiplicamos por2 y a continuación hacemos 1ª
ecuación -2ª ecuación.
2λ + 3β = 21
−2λ − 4β = −26
−β = −5
β=5
Si sustituimos el valor de β = 5 en una de las ecuaciones obtenemos el valor de λ.
2λ + 3 ∗ 5 = 21
21 − 15
λ= =3
2
Luego vemos que con su stock, la empresa puede fabricar 3 unidades de A y 5

unidades de B y esta es la única opción con la que no existen excedentes.
•

1
Índice
1 Introducción: Estructuras Algebraicas. Nomenclatura y terminología ................................... 3

2 Grupos .................................................................................................................................................................................. 3
3 Anillos y Cuerpos .......................................................................................................................................................... 4
4 Resumen de Algunas Estructuras Algebraicas ....................................................................................... 5
5 Introducción: Espacios Vectoriales. Nomenclatura ............................................................................. 6
6 Subespacios Vectoriales ......................................................................................................................................... 6
6.1 Lema: E'⊆E es un subespacio vectorial de E ............................................................................. 6
6.2 Teorema: El subconjunto 𝑬𝟏 + 𝑬𝟐 es un subespacio vectorial de E. ........................ 6
6.3 Teorema: 𝑬𝟏 ∩ 𝑬𝟐 es un subespacio vectorial de E .............................................................. 7
1 Introducción: Estructuras Algebraicas. Nomenclatura y
terminología
∀ =para todo
∈ =perteneciente
∃= Existe
/ = tal que
2 Grupos
Un conjunto E, distinto del vacío, es un grupo si tiene definida una ley interna ∗ , que puede
ser (+) o (∙) que cumple las siguientes propiedades:
1. Asociativa
𝑎 ∗ (𝑏 ∗ 𝑐) = (𝑎 ∗ 𝑏) ∗ 𝑐, ∀𝑎, 𝑏, 𝑐 ∈ 𝑬
2. Existe un elemento neutro (e)
𝑎 ∗ 𝑒 = 𝑒 ∗ 𝑎 = 𝑎, ∀𝑎 ∈ 𝑬
3. Todo elemento tiene su simétrico (a’)
∀𝑎 ∈ 𝑬, ∃𝒂′ /𝒂 ∗ 𝒂′ = 𝒂′ ∗ 𝒂 = 𝒆
• Si además cumple la propiedad conmutativa se le llama grupo conmutativo o

grupo abeliano.
• Si la ley ∗ es la suma (+) el elemento neutro se le suele denotar por 0
𝑎(+)𝑒 = 𝑒(+)𝑎 = 𝑎 ∀𝑎 ∈ 𝑬 𝑠𝑖𝑒𝑛𝑑𝑜 𝑒 = 0
• Si la ley ∗ es el producto (∙) el elemento neutro se suele denotar por 1 y al simétrico

por a-1 (inverso)
𝑎(∙)𝑒 = 𝑒(∙)𝑎 = 𝑎 ∀𝑎 ∈ 𝑬 𝑠𝑖𝑒𝑛𝑑𝑜 𝑒 = 1
∀𝑎 ∈ 𝑬, ∃𝒂′ / 𝒂 ∗ 𝒂′ = 𝒂′ ∗ 𝒂 = 𝒆 𝑠𝑖𝑒𝑛𝑑𝑜 𝒂′ = 𝒂−𝟏
3 Anillos y Cuerpos
Un Anillo, A, es un conjunto con dos leyes de composición interna ∗, ∆, tal que respecto de
la primera tiene una estructura de grupo abeliano y respecto de la segunda es asociativa y
distributiva respecto de la primera:
𝑎∆(𝑏 ∗ 𝑐) = (𝑎∆𝑏) ∗ (𝑎∆𝑐)
Si la primera operación es la suma (+) y la segunda el producto (∙) se escribirá:
𝑎 ∙ (𝑏 + 𝑐) = (𝑎 ∙ 𝑏) + (𝑎 ∙ 𝑐)
Si la primera operación es conmutativa, el anillo se llama conmutativo, y si la tiene elemento

neutro, se llama unitario.
Un cuerpo, K, es una anillo unitario (A, ∗,∆, ) en el que todo elemento distinto de 0 tiene
inverso. Si la segunda operación es conmutativa, el cuerpo es conmutativo.
4 Resumen de Algunas Estructuras Algebraicas
ESTRUCTURA ALGEBRAICA PROPIEDADES Y

OPERACIONES (+) ( ∙ )
Asociativa (+):
grupo
Semi-
a + (b+c) = (a+b)+c
Elemento neutro (+):
a + e =e + a =a
Elemento simétrico (+):
Grupo
Grupo abeliano
a + a’ = a’ + a = e
Conmutativa (+):
a+b=b+a
Asociativa ( ∙ ):
a ∙ (b ∙ c) = (a ∙ b) ∙ c
( ∙ ) Distributiva ( + ):
Anillo
a ∙ (b + c) = (a ∙ b) + (a ∙ c)
Anillo unitario
Elemento neutro ( ∙ ):
a∙1=1 ∙a = a
Cuerpo conmutativo
Elemento simétrico ( ∙ ):
Cuerpo
a ∙ a-1 = a-1 ∙ a =1
Conmutativa ( ∙ ):
a ∙b = b ∙a
5 Introducción: Espacios Vectoriales. Nomenclatura
∀ =para todo
∈ =perteneciente
∃= Existe
/ = tal que
⊆ = subconjunto contenido, ejemplo: A⊆B A es un subconjunto contenido en B
⊇ = Superconjunto que contiene, ejemplo B⊇A B es un superconjunto que contiene a A
⊊= Subconjunto propio, ejemplo A⊊B A es un subconjunto propio de B (contenido en B)

pero distinto de B es decir A ≠B
6 Subespacios Vectoriales
6.1 Lema: E'⊆E es un subespacio vectorial de E
E'⊆E es un subespacio vectorial de E si se cumple que ∀𝜆, µ ∈ 𝑘 y ∀𝑒, 𝑒′ ∈ 𝐸′ se verifica:
𝜆𝑒 + µ𝑒′ ∈ 𝐸′
Demostración
Por la definición de subespacio vectorial se verifica que si e, e' pertenecen a E' entonces:
𝜆𝑒 ∈ 𝐸 ′ ∀𝜆 ∈ 𝑘
{ → 𝜆𝑒 + µ𝑒′ ∈ 𝐸′
µ𝑒′ ∈ 𝐸 ′ ∀µ ∈ 𝑘
Recíprocamente si 𝜆𝑒 + µ𝑒′ ∈ 𝐸′ ∀𝜆, µ ∈ 𝑘
𝜆 = 1 , µ = 1 → 𝑒 + 𝑒 ′ , ∈ 𝐸′
haciendo {
µ = 0 → 𝜆𝑒 ∈ 𝐸 ′
Con lo que se concluye.
6.2 Teorema: El subconjunto 𝑬𝟏 + 𝑬𝟐 es un subespacio vectorial de E.
Demostración:
Solo tenemos que ver que 𝑒, 𝑒 ′ ∈ 𝐸1 + 𝐸2 , entonces
𝜆𝑒 + µ𝑒 ′ ∈ 𝐸1 + 𝐸2 ∀𝜆µ ∈ 𝑘
Como 𝑒, 𝑒 ′ ∈ 𝐸1 + 𝐸2 por la definición de suma de subespacios
𝑒 = 𝑒1 + 𝑒2 𝑐𝑜𝑛 𝑒1 ∈ 𝐸1 𝑦 𝑒2 ∈ 𝐸2
𝑒′ = 𝑒′1 + 𝑒′2 𝑐𝑜𝑛 𝑒′1 ∈ 𝐸′1 𝑦 𝑒′2 ∈ 𝐸′2
y como 𝐸′1 es un subespacio vectorial es 𝜆𝑒1 + µ𝑒′1 ∈ 𝐸1
y como 𝐸′2 es un subespacio vectorial es 𝜆𝑒2 + µ𝑒′2 ∈ 𝐸2
Sumando se tiene que:
𝜆𝑒1 + µ𝑒′1 + 𝜆𝑒2 + µ𝑒′2 ∈ 𝐸1 + 𝐸2
Si reagrupamos términos y sacando factor común a 𝜆 y µ
𝜆(𝑒1 + 𝑒2 ) + µ(𝑒′1 + 𝑒′2 ) ∈ 𝐸1 + 𝐸2
Y como
𝑒 = 𝑒1 + 𝑒2
𝑒′ = 𝑒′1 + 𝑒′2
Obtenemos
𝜆(𝑒) + µ(𝑒′) ∈ 𝐸1 + 𝐸2
6.3 Teorema: 𝑬𝟏 ∩ 𝑬𝟐 es un subespacio vectorial de E
Basta ver que si 𝑒, 𝑒 ′ ∈ 𝐸1 ∩ 𝐸2 entonces
𝜆𝑒 + µ𝑒 ′ ∈ 𝐸1 ∩ 𝐸2 ∀ 𝜆, µ ∈ 𝑘
Ahora bien, supongamos que 𝑒, 𝑒 ′ ∈ 𝐸1 ∩ 𝐸2 por la definición de intersección:

𝑒, 𝑒 ′ ∈ 𝐸1 ∀ 𝜆, µ ∈ 𝑘
{
𝑒, 𝑒 ′ ∈ 𝐸2 ∀ 𝜆, µ ∈ 𝑘
Por la definición de subespacio vectorial

𝜆𝑒 + µ𝑒 ′ ∈ 𝐸1 ∀ 𝜆, µ ∈ 𝑘
{
𝜆𝑒 + µ𝑒 ′ ∈ 𝐸2 ∀ 𝜆, µ ∈ 𝑘
Y de nuevo por la definición de intersección
𝜆𝑒 + µ𝑒 ′ ∈ 𝐸1 ∩ 𝐸2 ∀ 𝜆, µ ∈ 𝑘

Unidad Completa

Cargado por

Copyright:

Formatos disponibles

Unidad Completa

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Unidad Completa

Cargado por

Copyright:

Formatos disponibles

•

© Asturias Corporación Universitaria

2 Espacios numéricos: R 2, R3, Rn

Dos pares (x,y) y (x’,y’) son iguales si se verifica que:

Suma: (x,y)+(x’,y’) = (x+x’,y+y’)

Producto por números reales: si consideramos k un número real entonces: k(x,y)=(kx,ky).

[(2,3) + (−1,2)] + (0, −2) = (1,5) + (0, −2) = (1,3)

(2,3) + [(−1,2) + (0, −2)] = (2,3) + (−1,0) = (1,3)

(𝒙, 𝒚) + (𝒙′, 𝒚′) = (𝒙′, 𝒚′) + (𝒙, 𝒚)

La propiedad conmutativa de la suma o de orden de la suma dice que el orden de los

(𝒙, 𝒚) + (𝟎, 𝟎) = (𝒙, 𝒚)

4. Elemento opuesto (elemento simétrico)

Todo elemento (x,y) de R2 posee un opuesto (-x,-y) ya que

(𝒙, 𝒚) + (−𝒙, −𝒚) = (𝟎, 𝟎)

𝒌[(𝐱, 𝐲) + (𝒙′ , 𝒚′)] = 𝒌(𝒙, 𝒚) + 𝒌(𝒙′, 𝒚′)

3[(1,2) + (1,1)] = 3(2,3) = (6,9)

3(1,2) + 3(1,1) = (3,6) + (3,3) = (6,9)

(𝐤 + 𝐡) ∙ (𝒙, 𝒚) = 𝒌(𝒙, 𝒚) + 𝒉(𝒙, 𝒚)

Veamos un ejemplo para k=2,h=3 y (x,y)=(2,1)

2(2,1) + 3(2,1) = (4,2) + (6,3) = (10,5)

𝐤[𝒉(𝐱, 𝐲)] = (𝒌𝒉) ∙ (𝒙, 𝒚)

Veamos un ejemplo para k=2,h=3 y (x,y)=(2,1)

𝑘[ℎ(x, y)] = 2[3(2,1)] = 2(6,3) = (12,6)

(𝑘ℎ) ∙ (𝑥, 𝑦) = (6) ∙ (2,1) = (12,6)

Donde 1 es el elemento unidad de los números reales.

Dos ternas (x,y,z) y (x’,y’,z’) son iguales si se verifica que:

Suma: (x,y,z)+(x’,y’,z’) = (x+x’,y+y’,z+z’)

Producto por números reales: si consideramos k un número real entonces: k(x,y,z)=(kx,ky,kz).

(𝒙, 𝒚, 𝒛) + (𝒙′ , 𝒚′ , 𝒛′) = (𝒙′ , 𝒚′ , 𝒛′) + (𝒙, 𝒚, 𝒛′)

(𝒙, 𝒚, 𝒛) + (𝟎, 𝟎, 𝒛) = (𝒙, 𝒚, 𝒛)

4. Elemento opuesto (elemento simétrico)

Todo elemento (x,y,z) de R3 posee un opuesto (-x,-y,-z) ya que

(𝒙, 𝒚, 𝒛) + (−𝒙, −𝒚, −𝒛) = (𝟎, 𝟎, 𝟎)

𝒌[(𝐱, 𝐲, 𝐳) + (𝒙′ , 𝒚′ , 𝒛′)] = 𝒌(𝒙, 𝒚, 𝒛) + 𝒌(𝒙′ , 𝒚′ , 𝒛′)

(𝐤 + 𝐡) ∙ (𝒙, 𝒚, 𝒛) = 𝒌(𝒙, 𝒚, 𝒛) + 𝒉(𝒙, 𝒚, 𝒛)

𝐤[𝒉(𝐱, 𝐲, 𝐳)] = (𝒌𝒉) ∙ (𝒙, 𝒚, 𝒛)

Donde 1 es el elemento unidad de los números reales.

(√2, −4, … ,1)

Dos n-plas (𝑥1 , 𝑥2 , … , 𝑥𝑛 ), (𝑥′1 , 𝑥′2 , … , 𝑥′𝑛 ) son iguales si se verifica

Suma: (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) + (𝑥′1 , 𝑥′2 , … , 𝑥′𝑛 ) = (𝑥1 + 𝑥′1 , 𝑥2 + 𝑥′2 , … , 𝑥𝑛 + 𝑥′𝑛 )

Producto por números reales: si consideramos k un número real entonces: k (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) =

[(𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 ) + (𝒙′𝟏 , 𝒙′ 𝟐 , … , 𝒙′ 𝒏 )] + (𝒙′ 𝟏 , 𝒙′ 𝟐 , … , 𝒙′ 𝒏 )

= (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 ) + [(𝒙′𝟏 , 𝒙′𝟐 , … , 𝒙′𝒏 ) + (𝒙′′𝟏 , 𝒙′′𝟐 , … , 𝒙′′𝒏 )]

(𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 ) + (𝒙′ 𝟏 , 𝒙′ 𝟐 , … , 𝒙′ 𝒏 ) = (𝒙′ 𝟏 , 𝒙′ 𝟐 , … , 𝒙′ 𝒏 ) + (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 )

(𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 ) + (𝟎, 𝟎, … , 𝟎) = (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 )

El elemento neutro es el par (0,0,…,0) ya que al realizar la suma el resultado sigue

4. Elemento opuesto (elemento simétrico)

Todo elemento (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) de Rn posee un opuesto (−𝑥1 , −𝑥2 , … , −𝑥𝑛 ) ya que:

(𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 ) + (−𝒙𝟏 , −𝒙𝟐 , … , −𝒙𝒏 ) = (𝟎, 𝟎, … , 𝟎)

𝒌[(𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 ) + (𝒙′ 𝟏 , 𝒙′ 𝟐 , … , 𝒙′ 𝒏 )] = 𝒌(𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 ) + 𝒌(𝒙′𝟏 , 𝒙′ 𝟐 , … , 𝒙′ 𝒏 )

(𝐤 + 𝐡) ∙ (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 ) = 𝒌(𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 ) + 𝒉(𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 )

𝐤[𝒉(𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 )] = (𝒌𝒉) ∙ (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 )

Donde 1 es el elemento unidad de los números reales.

© Asturias Corporación Universitaria

⃗𝒆 , ⃗𝒆′ = 𝒆, 𝒆′ ∈ 𝑬 Son dos vectores pertenecientes el espacio vectorial E

(E,+,∙) Terna, Espacio vectorial con dos operaciones suma y producto

∗ = ley de composición interna

∆= ley de composición interna

2.1 Definición de espacio vectorial