156 Espacios Vectoriales

Por otro lado, si al sustituir los valores de las variables x, y y z obtenemos un

valor distnto de cero, −x − y + z 6= 0, entonces el sistema será indeterminado, lo
cual implicará que el vector formado con estos valores, (x, y, z), no pertenecerá al
conjunto gen(U).
En conclusión , entonces, podemos afirmar que gen(U) 6= R3 , ya que existen vectores
de R3 que no pertenecen a gen(U), por ejemplo (1, 1, 1) ∈ / gen(U), ya que en este caso
−x − y + z = −1 − 1 + 1 = 1 6= 0. 

4.4 Bases y dimensión de un Espacio Vectorial

Todos los vectores de un espacio vectorial se pueden generar como combinación lineal
de ciertos vectores, denominados básicos, esto implica que para definir un espacio vectorial
podríamos únicamente dar los vectores básicos junto con las operaciones definidas dentro
de dicho espacio y automáticamente, con ayuda de los vectores básicos y las combinaciones
lineales d estos, se podrían regenerar a todos los demás vectores.
En esta sección definimos la base de un espacio vectorial, sus propiedades y la forma de
calcularlos.

4.4.1 Dependencia e Independencia Lineal

Definición 4.6 — Conjuntos linealmente dependientes e independientes.

Sea V un espacio vectorial sobre un campo F. Se dice que los vectores v1 , ..., vm ∈ V son
linealmente dependientes sobre F, o simplemente dependientes, si existen escalares
a1 , ..., am ∈ K, no todos 0, tales que

a1 v1 + a2 v2 + ... + am vm = 0V

En caso contrario se dice que los vectores son linealmente independientes sobre F, o
simplemente independientes.

 Ejemplo 4.26
Vamos a determinar si el conjunto de vectores

W = {(1, 1), (1, −1), (3, 4)}

es linealmente independiente en el espacio vectorial R2 .

Para resolver el ejemplo planteado necesitamos calcular el número de soluciones que
4.4 Bases y dimensión de un Espacio Vectorial 157

posee la combinación lineal:

a1 (1, 1) + a2 (1, −1) + a3 (3, 4) = (0, 0)

Sabemos que la ecuación anterior posee al menos una solución (denominada la

solución trivial) que consiste en sustituir cada uno de los escalares por el núero 0,
a1 = 0, a2 = 0, a3 = 0, por lo cual la pregunta a responder sería saber si existe alguna
otra solución (no trivial) a esta ecuación.
Desarrollando la combinación lineal tenemos que:

(a1 + a2 + 3a3 , a1 − a2 + 4a3 ) = (0, 0),

y se forma el sistema de ecuaciones lineales:

a1 + a2 + 3a3 = 0
a1 − a2 + 4a3 = 0

Para resolver el sistema, aplicamos el método de Gauss-Jordan a la matriz aumentada

del sistema:
! !
R
1 1 3 0 R2 −R1 →R2 1 1 3 0 − 22 →R2
−−−−−−→ −−− −−→ · · ·
1 −1 4 0 0 −2 1 0

! !
7
1 1 3 0 R1 −R2 →R1 1 0 2 0
··· → −−−−−−→
0 1 − 12 0 0 1 − 12 0

El resultado final del proceso de gauss-Jordan nos muestra que el sistema escalonado
reducido de las ecuaciones formadas en la combinación lineal, tienen dos ecuaciones y
tres incógnitas y queda de la forma:

c1 + 27 c3 = 0
c2 − 12 c3 = 0

y observamos que el sistema es indeterminado, ya que para hallar los valores de las
incógnitas tendremos una variable libre c3 , y las soluciones quedan:

c1 = − 27 c3
1
c2 = 2 c3
c3 = libre
158 Espacios Vectoriales

por lo tanto la combinación lineal

(a1 + a2 + 3a3 , a1 − a2 + 4a3 ) = (0, 0)

tiene infinitas soluciones y el conjunto de vectores es linealmente dependiente. 

 Ejemplo 4.27
Demostrar que el conjunto
( ! ! !)
1 −1 −1 1 0 1
U= , ,
0 1 0 1 1 1

es un conjunto de vectores linealmente independientes en el R−espacio vectorial de

matrices M2×2 (R).
Para realizar la demostración calculamos la combinación lineal de estos vectores
igualada al vector cero del espacio:
! ! ! !
1 −1 −1 1 0 1 0 0
c1 + c2 + c3 =
0 1 0 1 1 1 0 0

! ! ! !
c1 −c1 −c2 c2 0 c3 0 0
+ + =
0 c1 0 c2 c3 c3 0 0

! !
c1 − c2 −c1 + c2 + c3 0 0
=
c3 c1 + c2 + c3 0 0

Igualando cada una de las componentes de las matrices involucradas en la ecuación

anterior se forma el sistema de ecuaciones lineales:

c1 − c2 = 0
−c1 + c2 + c3 = 0
c3 = 0
c1 + c2 + c3 = 0
4.4 Bases y dimensión de un Espacio Vectorial 159

Aplicamos el método de Gauss a la matriz aumentada del sistema:

   
1 −1 0 0 1 −1 0 0
   
 −1 1 1 0  R1 +R2 →R2  0 0 1 0  R4 −R1 →R4
 −−−−−−→ 
 0 0 1 0  −−−−−−→ · · ·
 
 0 0 1 0 
   
1 1 1 0 1 1 1 0

   
1 −1 0 0 1 −1 0 0
   
 0 0 1 0 
 −−−−→  0
R ↔R 2 1 0  R4 −R3 →R4
2 4

··· → 
 0
− −−−−−→ · · ·
 0 1 0 
  0
 0 1 0 


0 2 1 0 0 0 1 0

 
1 −1 0 0
 
 0 2 1 0 
··· → 
 0

 0 1 0 

0 0 0 0

Y al resolver el sistema anterior encontramos que las únicas soluciones son c1 =

0, c2 = 0 y c3 = 0, con lo cual se comprueba que W es un conjunto de vectores lineal-
mente independientes. 

Teorema 4.9
Sea V un espacio vectorial y sean {v1 , v2 , ..., vn } ⊂ V, entonces:
Si 0V es uno de los vectores v1 , ..., vm , los vectores deben ser linealmente depen-
dientes.
Cualquier vector no nulo v es por sí solo linealmente independiente.
Si dos de los vectores son iguales, o si uno es un múltiplo escalar de otro, los
vectores son linealmente dependientes.
Si un conjunto S de vectores es linealmente independiente, necesariamente lo es
cualquier subconjunto de S.

 Ejemplo 4.28
En los siguientes conjuntos es fácil determinar si son linealmente independientes o
linealmente dependientes usando el teorema anterior.
 160 Espacios Vectoriales

El conjunto {(1, 0), (0, 1), (0, 0)} es linealmente dependiente ya que el tercer vector
es el neutro aditivo, 0V , del espacio vectorial R2 .
En el espacio vectorial R[x], el conjunto que sólo continene a un vector: U =
{3x2 − 5x + 2}, es linealmente independiente.
En el espacio vectorial de matrices M2×3 (R), los vectores del conjunto
( ! ! !)
1 0 −1 0 1 1 2 0 −2
U= , , ,
0 1 1 1 0 1 0 2 2

son linealmente dependientes, ya que el tercer vector es igual al producto del

primero por el escalar 2.
En el ejemplo 4.27 se demostró que el conjunto de vectores
( ! ! !)
1 −1 −1 1 0 1
U= , ,
0 1 0 1 1 1

son linealmente independientes, entonces de acuerdo con el teorema anterior

podemos afirmar que el conjunto de vectores:
( ! !)
−1 1 0 1
U1 = ,
0 1 1 1

también es linealmente independiente.



Teorema 4.10
Para un conjunto no vacío de vectores S = {u1 , u2 , ..., un } en un espacio V, las siguientes
afirmaciones son verdaderas
Si S contiene un subconjunto l. d, entonces S por sí mismo es l. d.
Si S es l. i. entonces cualquier subconjunto de S es l. i.

4.4.2 Bases de un Espacio Vectorial

Definición 4.7 — Base.

Sean v1 , v2 , v3 , ..., vn vectores diferentes del vector cero, de un F-espacio vectorial V.
Diremos que el conjunto {v1 , v2 , v3 , ..., vn } forma una base de V, si cumple las siguientes
condiciones:
Los vectores v1 , v2 , v3 , ..., vn son linealmente independientes.
Los vectores forman un conjunto de generadores del espacio vectorial V.
4.4 Bases y dimensión de un Espacio Vectorial 161

 Ejemplo 4.29
Sean u = (−1, 2) y v = (3, 5). Demuestre que {u, v} constituye una base del R−espacio
vectorial R2 .
Solución

Primero demostraremos que u y v son linealmente independientes.

Supongamos que existen dos escalares c1 y c2 tales que:

c1 (−1, 2) + c2 (3, 5) = (0, 0),

⇒ (−c1 + 3c2 , 2c1 + 5c2 ) = (0, 0)).

Igualando las coordenadas de ambos vectores se forma el sistema de ecuaciones lineales:

−c1 + 3c2 = 0
2c1 + 5c2 = 0

y al resolver el sistema encontramos que las únicas soluciones son c1 = 0 y c2 = 0. Por

lo tanto los vectores son linealmente independientes.

Ahora probaremos que {u, v} generan a R2 .

En este caso se debe demostrar que para cualquier vector w en R2 ,existen α y β tales
que:
w = αu + β v
Como estamos tomando w ∈ R2 , entonces sabemos que w es de la forma w = (x, y),
con lo cual:
w = αu + β v
⇒ (x, y) = α(−1, 2) + β (3, 5)
⇒ (x, y) = (−α, 2α) + (3β , 5β )
⇒ (x, y) = (−α + 3β , 2α + 5β )
y se forma el sistema de ecuaciones lineales:

−α + 3β = x
2α + 5β = y

Del sistema de ecuaciones anterior se debe despejar tanto α como β en tréminos de

x e y para determinar la existencia (o inexistencia) de soluciones y saber si el conjunto
de vectores es generador (si existe solución) o no lo es (en caso de que las soluciones no
existan).
162 Espacios Vectoriales

Aplicamos reducción gaussiana a la matriz aumentada del sistema:

! !
−1 3 x 2R1 +R2 →R2 −1 3 x −R →R1
−−−−−−−→ −−−1−−→ ···
2 5 y 0 11 2x + y

! !
1 −3 −x 1
11 R2 →R2 1 −3 −x R +3R →R
1
··· → −−−−−→ (2x+y) −− −−−2−−→
1
···
0 11 2x + y 0 1 11

!
−5x+3y
1 0 11
··· → (2x+y)
0 1 11

Por lo anterior, dado cualquier vector w = (x, y) en R2 siempre es posible expresarlo

como combinación lineal de los vectores u y v, utilizando los escalares:
−5x + 3y 2x + y
α= y β= ,
11 11
es decir:
−5x + 3y 2x + y
(x, y) = (−1, 2) + (3, 5)
11 11
con lo cual, los vectors u y v sí son generadores de R2 . En conclusión el conjunto {u, v}
forma una base del espacio vectorial R2 . 

El proceso para demostrar que un conjunto de vectores forma una base de un espacio
vectorial, consiste en realizar dos pruebas sobre el conjunto: se debe demostrar que los
vectores son linealmente independientes y también se debe demostrar que los vectores
son generadores del espacio vectorial correspondiente. Este proceso puede resultar un
poco complicado, sin embargo existen ciertas bases para las cuales esta demostración
es relativamente sencilla. A continuación se ejemplifican algunas bases de los espacios
vectoriales tradicionalmente conocidos:

 Ejemplo 4.30
Los siguientes conjuntos son bases de los respectivos espacios vectoriales:
Una base para el R−espacio vectorial R2 esta dado por el conjunto de vectores:

{(1, 0), (0, 1)}.

En el espacio vectorial R3 una base consiste en los vectores:

{(1, 0, 0), (0, 1, 0), (0, 0, 1)}

En general el espacio vectorial Rn (con n ∈ N), tiene una base en el conjunto de la

4.4 Bases y dimensión de un Espacio Vectorial 163

forma:

{(1, 0, 0, . . . , 0), (0, 1, 0, . . . , 0), (0, 0, 1, . . . ), · · · , (0, 0, 0, . . . , 1)}

donde cada vector vi tiene n componentes y todas son cero excepto la componente
en la posición i que vale 1.
Una base para el espacio vectorial R[x] está dada por el conjunto infinito de la
forma:
{1, x, x2 , x3 , · · · , xn , · · · }
En el espacio vectorial de las matrices M2×2 (R), una base está conformada por los
vectores: ( ! ! ! ! )
1 0 0 1 0 0 0 0
, , , ,
0 0 0 0 1 0 0 1


Nota Las bases dadas en el ejemplo anterior se denominan frecuentemente como bases
canónicas de sus respectivos espacios vectoriales.

Si S es un conjunto de vectores que forman una base para un espacio vectorial V,

entonces los elementos de S son linealmente independientes, lo cual implica que cualquier
subconjunto de este conjunto también deberá contener vectores linealmente independientes.

Teorema 4.11
Si V es un espacio vectorial y S es una base de V entonces:
Cualquier subconjunto de S es linealmente independiente.
Cualquier subconjunto de S no es generador de V.
Cualquier conjunto que contenga a S será linealmente dependiente. y generador.

Nota Una base también se puede definir como un conjunto maximal de vectores l. i.,
en el sentido de que cualquier conjunto de vectores independientes no puede tener
más elementos que los que hay en S, sin importar cuales ean estos vectores. En otras
palabras, si sabemos que una base S de un espacio vectorial V está conformada por n
vectores, entonces no pueden existir conjuntos de vectores linealmente independientes
con más de n elementos.
Las bases también se definen como conjuntos minimales de vectores generadores,
lo cual quiere decir que una base siempre contendrá el menor número posible de
vectores que son generadores de un espacio vectorial. Esto quiere decir que si una base
S, de un espacio vectorial V, tiene n elementos, entonces ningún conjunto con menos
de n vectores podrá conformar un conjunto de generadores de ese espacio vectorial.

Los subespacios vectoriales se definieron como espacios vectoriales contenidos en otros

espacios vectoriales, por ello sería natural pensar también en la existencia de bases para
164 Espacios Vectoriales

estos subespacios. A continuación mostramos un ejemplo de una base para un subespacio

vectorial.

 Ejemplo 4.31
Encontrar una base para el conjunto de vectores que se encuentran en el plano definido
por:
P = {(x, y, z)| 2x − y + 3z = 0}
conformado por coordenadas en el espacio vectorial R3 .
En el ejemplo 4.17 ya demostramos que este conjunto efectivamente forma un
subespacio vectorial, ahora encontraremos una base para éste.
La condición 2x − y + 3z = 0 representa una ecuación con tres incógnitas, que para
resolverse necesita emplear dos variables artificiales: y y z, con lo cual entonces las
soluciones de la ecuación están dadas por
t − 3r
x= , y = t, z = r,
2
donde t y r son valores cualesquiera (variables libres). Entonces podemos definir al
conjunto P como:

P = {(x, y, z)| 2x − y + 3z = 0}
= {(x, y, z)| x = t−3r , y = t, z = r, ∧ r, t ∈ R}
 t−3r
2
= 2 ,t, r | r, t ∈ R

El vector ((t − 3r)/2,t, r) se puede descomponer como una suma de dos vectores
(t/2,t, 0) y (−3r/2, 0, r) y entonces:

P = {((t − 3r)/2,t, r)| r, t ∈ R}

= {(t/2,t, 0) + (−3r/2, 0, r)| t, r ∈ R}
= {t(1/2, 1, 0) + r(−3/2, 0, 1)| t, r ∈ R}

Ahora bien, la expresión t(1/2, 1, 0) + r(−3/2, 0, 1) representa las combinaciones

lineales de los vectores (1/2, 1, 0) y (−3/2, 0, 1), con lo cual entonces:

P = {t(1/2, 1, 0) + r(−3/2, 0, 1)| t, r ∈ R}

= gen({(1/2, 1, 0), (−3/2, 0, 1)}),

esto quiere decir que los vectores (1/2, 1, 0) y (−3/2, 0, 1) son generadores de P. Enton-
ces, para hallar la base del conjunto P sólo nos falta verificar que estos dos vectores sean
linealmente independientes.
4.4 Bases y dimensión de un Espacio Vectorial 165

Calculamos la combinación lineal de estos vectores y la igualamos a cero para

determinar el número de soluciones que tendrá esta ecuación:

c1 (1/2, 1, 0) + c2 (−3/2, 0, 1) = (0, 0, 0)

⇒ ((c1 − 3c2 )/2, c1 , c2 ) = 0

y al resolver el sistema de ecuaciones asociado obtenemos que c1 = 0, c2 = 0, lo cual

demuestra que los vectores (1/2, 1, 0)y (−3/2, 0, 1) son linealmente independientes.
Por lo tanto, una base para el conjunto P está dada por el conjunto de vectores:

{(1/2, 1, 0), (−3/2, 0, 1)}.

Supongamos que U = {v1 , v2 , . . . .vn } es una base para el espacio vectorial V y que
w ∈ V, entonces como U forma un conjunto de vectores generadores de V, deberían existir
al menos un conjunto de escalares {c1 , c2 , ..., cn } tales que:

w = c1 v1 + c2 v2 + ... + cn vn

Ahora supongamos que {d1 , d2 , ..., dn } forma otro conjunto de escalares tales que

w = d1 v1 + d2 v2 + ... + dn vn ,

entonces

w − w = (c1 v1 + c2 v2 + ... + cn vn ) − (d1 v1 + d2 v2 + ... + dn vn )

⇒ 0V = (c1 − d1 )v1 + (c2 − d2 )v2 + ... + (cn − dn )vn

y como los vectores v1 , v2 , ..., vn forman una base, entonces son linealmente independientes,
lo cual implica que la única forma en que la combinación lineal

(c1 − d1 )v1 + (c2 − d2 )v2 + ... + (cn − dn )vn

nos da como resultado al vector 0V es cuando sus coeficientes son todos 0, esto implica
entonces que:
c1 − d1 = 0, c2 − d2 = 0, · · · , cn − dn = 0
o bien:
c1 = d1 , c2 = d2 , ··· , cn = dn .
Esta argumentación es una prueba para el siguiente teorema.
 166 Espacios Vectoriales

Teorema 4.12
Si {v1 , v2 , ..., vn } es una base para un espacio vectorialV y si w ∈ V, entonces existe
un conjunto único de escalares c1 , c2 , ..., cn tales que

w = c1 v1 + c2 v2 + ... + cn vn .

4.4.3 Dimensión de un Espacio Vectorial

Definición 4.8 — Dimensión de un Espacio Vectorial.

La dimensión de un espacio vectorial V se define como:
dim(V ) = número de vectores en cualquier base de V.
= número de vectores en cualquier conjunto minimal
de vectores generadores de V.
= número de vectores en cualquier conjunto maximal de vectores l.i.

 Ejemplo 4.32
Continuando con el ejemplo 4.30, podemos dar las dimensiones de los espacios vectoria-
les tradicionalmente conocidos:
dim(R2 ) = 2.
dim(R3 ) = 3.
dim(Rn ) = n, siempre que n ∈ N.
dim(M2×2 (R)) = 4.
dim(R[x]) = ∞.


Teorema 4.13
Supongamos que V es un espacio vectorial de dimensión finita, y que W forma un
subespacio vectorial de V, entonces:
dim(W ) ≤ dim(V ).
Si dim(W ) = dim(V ), entonces W = V.

Para concluir esta sección resumimos algunas propiedades básicas de las bases:
La base de un espacio vectorial V no es única.
Todas las bases de V tienen exactamente el mismo número de elementos.
Cualquier conjunto de vectores de un espacio vectorial V de dimensión n que contenga
n + 1 vectores es linealmente dependiente.
Si un conjunto de vectores de un espacio vectorial V de dimensión n tiene n vectores
linealmente independientes, entonces es una base de V.