Espacios vectoriales

Los conjuntos 𝑹𝟐 y 𝑹𝟑 junto con las operaciones de suma de vectores y multiplicación por un
escalar se denominan espacios vectoriales. Se puede decir, de forma intuitiva, que un espacio
vectorial es un conjunto de objetos con dos operaciones que obedecen las reglas bien
definidas.

Definición 5.1.1

Espacio vectorial real

Un espacio vectorial real 𝑽 es un conjunto de objetos, denominados vectores, junto con dos
operaciones binarias llamadas suma y multiplicación por un escalar, y que satisfacen los diez
axiomas enumerados a continuación.

Notación.

Si 𝒙 y 𝒚 están en 𝑽 y si 𝜶 es un número real, entonces la suma se escribe como 𝒙 + 𝒚 y el

producto escalar de 𝜶 y 𝒙 como 𝜶𝒙.

* Espacio vectorial real. La palabra “real” significa que los escalares que se usan son números
reales.

Axiomas de un espacio vectorial

i) Si 𝒙 ∈ 𝑽 y 𝒚 ∈ 𝑽, entonces 𝒙 + 𝒚 ∈ 𝑽 (cerradura bajo la suma)

ii) Para todos 𝒙, 𝒚, 𝑦 𝒛 𝑒𝑛 𝑽, (𝒙 + 𝒚) + 𝒛 = 𝒙 + (𝒚 + 𝒛), (ley asociativa de la suma de

vectores).

iii) Existe un vector 𝟎 ∈ 𝑽 tal que para todo 𝒙 ∈ 𝑽, 𝒙 + 𝟎 = 𝟎 + 𝒙 = 𝒙 (el 𝟎 se llama vector
cero o identico aditivo)

iv) Si 𝒙 ∈ 𝑽, existe un vector −𝒙 ∈ 𝑽 tal que 𝒙 + (−𝒙) = 𝟎 (−𝒙) se llama inverso aditivo 𝒙

v) Si 𝒙, 𝒚 𝑒𝑠𝑡𝑎𝑛 𝑒𝑛 𝑽, entonces 𝒙 + 𝒚 = 𝒚 + 𝒙 (ley conmutativa de la suma de vectores)

vi) Si 𝒙 ∈ 𝑽 y 𝜶 ∈ 𝑹, enonces 𝜶𝒙 ∈ 𝑽 (cerradura bajo la multiplicación porescalar)

vii) Si 𝒙 𝑦 𝒚 𝒆𝒔𝒕𝒂𝒏 𝒆𝒏 𝑽, 𝑦 𝜶 ∈ 𝑹, 𝒆𝒏𝒕𝒐𝒏𝒄𝒆𝒔 𝜶(𝒙 + 𝒚) = 𝜶𝒙 + 𝜶𝒚 (primera ley distributiva)

viii) Si 𝒙 ∈ 𝑽, 𝑦 𝜶, 𝜷 ∈ 𝑹, 𝒆𝒏𝒕𝒐𝒏𝒄𝒆𝒔 (𝜶 + 𝜷)𝒙 = 𝜶𝒙 + 𝜷𝒙 (segunda ley distributiva)

ix) Si 𝒙 ∈ 𝑽, 𝑦 𝜶, 𝜷 ∈ 𝑹, 𝒆𝒏𝒕𝒐𝒏𝒄𝒆𝒔 𝜶(𝜷𝒙) = (𝜶𝜷)𝒙 + 𝜷𝒙 (ley asociativa de la multiplicación

por escalares)

x) Para acada vector 𝒙 ∈ 𝑽, 𝟏𝒙 = 𝒙

Los cinco primeros axiomas define un grupo conmutativo (abeliano) los axiomas vi) al x)
describen la interacción de los escalares y los vectores mediante la operación binaria de un
escalar y un vector.

Ejemplo 1:

𝑥1
𝑥2
𝑛
Sea 𝑉 = 𝑅 = 𝑥3 : 𝑥𝑗 ∈ 𝑅 𝑝𝑎𝑟𝑎 𝑗 = 1, 2, … 𝑛 . Cada vector en 𝑅 𝑛 es una matriz de 𝒏𝒙𝟏.
⋮
{(𝑥𝑛 ) }
Según la definición de suma de matrices, 𝒙 + 𝒚 es una matriz de 𝒏 𝒙 𝟏 si 𝒙 y 𝒚 son matrices
0 −𝑥1
0 −𝑥 2
de 𝑛 𝑥1. Haciendo 𝟎 = 0 𝑦 − 𝑥 = −𝑥3 se observa que los axiomas ii) a x) se obtienen
⋮ ⋮
(0) (−𝑥𝑛 )
de la definición de suma de vectores (matrices).

Ejemplo 2:

Espacio vectorial trivial Sea 𝑽 = {𝟎}. Es decir, 𝑉 consiste sólo en el número 𝟎. Como
0 + 0 = 1. 0 = 0 + (0 + 0) = (0 + 0) + 0 = 0, se ve que 𝑽 es un espacio vectorial. Con
frecuencia se le otorga el nombre de espacio vectorial trivial.

Ejemplo 3:

Conjunto que no es un espacio vectorial

Sea 𝑽 = {𝟏}. Es decir, 𝑉 consiste únicamente del número 1. Éste no es un espacio vectorial ya
que viola el axioma 𝑖) —el axioma de cerradura—. Para verlo con más claridad, basta con
observar que 𝟏 + 𝟏 = 𝟐 ∉ 𝑽. También viola otros axiomas; sin embargo, con sólo demostrar
que viola al menos uno de los diez axiomas queda probado que 𝑉 no es un espacio vectorial.

Ejemplo 4:

El conjunto de puntos en 𝑹𝟐 que se encuentran en una recta que pasa por el origen constituye
un espacio vectorial

Sea

𝑽 = {(𝒙, 𝒚): 𝒚 = 𝒎𝒙, 𝑑𝑜𝑛𝑑𝑒 𝒎 𝑒𝑠 𝑢𝑛 𝑛ú𝑚𝑒𝑟𝑜 𝑟𝑒𝑎𝑙 𝑓𝑖𝑗𝑜 𝑦 𝒙 𝑒𝑠 𝑢𝑛 𝑛ú𝑚𝑒𝑟𝑜 𝑟𝑒𝑎𝑙 𝑎𝑟𝑏𝑖𝑡𝑟𝑎𝑟𝑖𝑜}
Es decir, 𝑽 consiste en todos los puntos que están sobre la recta 𝒚 = 𝒎𝒙 que pasa por el
origen y tiene pendiente 𝒎. Para demostrar que 𝑽 es un espacio vectorial, se puede verificar
que se cumple cada uno de los axiomas. Observe que los vectores en 𝑹𝟐 se han escrito como
renglones en lugar de columnas, lo que en esencia es lo mismo

i) Suponga que 𝒙 = (𝒙𝟏 , 𝒚𝟏 )𝒚 𝒚 = (𝒙𝟐 , 𝒚𝟐 ) están en 𝑽. Entonces 𝑦1 = 𝑚𝑥1 , 𝑦2 = 𝑚𝑥2 ,

𝒚 𝒙 + 𝒚 = (𝒙𝟏 , 𝒚𝟏 ) + (𝒙𝟐 , 𝒚𝟐 ) = (𝒙𝟏 , 𝒎𝒙𝟏 ) + (𝒙𝟐 , 𝒎𝒙𝟐 )

= (𝒙𝟏 , +𝒙𝟐 , 𝒎𝒙𝟏 + 𝒎𝒙𝟐 ) = (𝒙𝟏 , +𝒙𝟐 , 𝒎(𝒙𝟏 , +𝒙𝟐 )) ∈ 𝑽

Por lo tanto se cumple el axioma 𝑖).

ii) Suponga que (𝒙, 𝒚) ∈ 𝑽. Entonces 𝒚 = 𝒎𝒙, 𝑦 − (𝒙, 𝒚) = −(𝒙, 𝒎𝒙) = (−𝒙, 𝒎(−𝒙)), de
manera que – (𝒙, 𝒚) también pertenece a 𝑽 𝒚

(𝒙, 𝒎𝒙) + (−𝒙, 𝒎(−𝒙)) = (𝒙 − 𝒙, 𝒎(𝒙 − 𝒙)) = (𝟎, 𝟎)

Todo vector en 𝑽 es un vector en 𝑹𝟐 y 𝑹𝟑 es un espacio vectorial, como se muestra en el

ejemplo 1. Como (𝟎, 𝟎) = 𝟎 está en 𝑽 (explique por qué), todas las demás propiedades se
deducen del ejemplo 1. Entonces 𝑽 es un espacio vectorial.

Ejemplo 5:

El conjunto de puntos en 𝑹𝟐 que se encuentran sobre una recta que no pasa por el origen no
constituye un espacio vectorial

Sea 𝑽 = {(𝒙, 𝒚): 𝒚 = 𝟐𝒙 + 𝟏, 𝒙 ∈ 𝑹}. Es decir, 𝑽 es el conjunto de puntos que están sobre la
recta 𝒚 = 𝟐𝒙 + 𝟏. 𝑽 No es un espacio vectorial porque no se cumple la cerradura bajo la
suma, como sucede en el ejemplo 3. Para ver esto, suponga que (𝒙𝟏 , 𝒚𝟏 ) 𝒚 (𝒙𝟐 , 𝒚𝟐 ) están en 𝑽.
Entonces,

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

Si el vector del lado derecho estuviera en V, se tendría

𝒚𝟏 + 𝒚𝟐 = 𝟐(𝒙𝟏 + 𝒙𝟐 ) + 𝟏 = 𝟐𝒙𝟏 + 𝟐𝒙𝟐 + 𝟏

Pero

𝒚𝟏 = 𝟐𝒙𝟏 + 𝟏 𝒚 𝒚𝟐 = 𝟐𝒙𝟐 + 𝟏

De manera que 𝒚𝟏 + 𝒚𝟐 = (𝟐𝒙𝟏 + 𝟏) + (𝟐𝒙𝟐 + 𝟏) = 𝟐𝒙𝟏 + 𝟐𝒙𝟐 + 𝟐

Por lo tanto, se concluye que (𝒙𝟏 + 𝒙𝟐 , 𝒚𝟏 + 𝒚𝟐 ) ∉ 𝑽 𝒔𝒊 (𝒙𝟏 , 𝒚𝟏 ) ∈ 𝑽 𝒚 (𝒙𝟐 , 𝒚𝟐 ) ∈ 𝑽

Por ejemplo, (𝟎, 𝟏) y (𝟑, 𝟕) están en 𝑽, pero (𝟎, 𝟏) + (𝟑, 𝟕) = (𝟑, 𝟖) no está en 𝑽 porque
𝟖 ≠ 𝟐 (𝟑) + 𝟏. Una forma más sencilla de comprobar que 𝑽 no es un espacio vectorial es
observar que 𝟎 = (𝟎, 𝟎) no se encuentra en 𝑽 porque 𝟎 = 𝟐(𝟎) + 𝟏. No es difícil demostrar
que el conjunto de puntos en 𝑹𝟐 que está sobre cualquier recta que no pasa por (𝟎, 𝟎) no
constituye un espacio vectorial.

Ejemplo 6:

El conjunto de puntos en 𝑹𝟑 que se encuentran en un plano que pasa por el origen constituye
un espacio vectorial

Sea 𝑽 = {(𝒙, 𝒚, 𝒛): 𝒂𝒙 + 𝒃𝒚 + 𝒄𝒛 = 𝟎}. Esto es, 𝑽 es el conjunto de puntos en 𝑹𝟑 que está en
el plano con vector normal (𝒂, 𝒃, 𝒄) y que pasa por el origen. Al igual que en el ejemplo 4, los
vectores se escriben como renglones en lugar de columnas. Suponga que (𝒙𝟏 , 𝒚𝟏 , 𝒛𝟏 ) y
(𝒙𝟐 , 𝒚𝟐 , 𝒛𝟐 ), están en 𝑽. Entonces

(𝒙𝟏 , 𝒚𝟏 , 𝒛𝟏 ) + (𝒙𝟐 , 𝒚𝟐 , 𝒛𝟐 ) = (𝒙𝟏 + 𝒙𝟐 , 𝒚𝟏 + 𝒚𝟐 , 𝒛𝟏 + 𝒛𝟏 ) ∈ 𝑽

Porque

𝒂(𝒙𝟏 + 𝒙𝟐 ) + 𝒃(𝒚𝟏 + 𝒚𝟐 ) + 𝒄(𝒛𝟏 + 𝒛𝟐 ) = (𝒂𝒙𝟏 + 𝒃𝒚𝟏 + 𝒄𝒛𝟏 ) + (𝒂𝒙𝟐 + 𝒃𝒚𝟐 + 𝒄𝒛𝟐 ) = 𝟎 + 𝟎 = 𝟎

Por lo tanto, el axioma 𝑖) se cumple. Los otros axiomas se verifican fácilmente. De este modo,
el conjunto de puntos que se encuentra en un plano en 𝑹𝟑 que pasa por el origen constituye
un espacio vectorial.

Ejemplo 7:

El espacio vectorial 𝑷𝒏

Sea 𝑽 = 𝑷𝒏 el conjunto de polinomios con coeficientes reales de grado menor o igual a 𝒏. Si

𝒑 ∈ 𝑷𝒏, entonces 𝒑(𝒙) = 𝒂𝒏 𝒙𝒏 + 𝒂𝒏−𝟏 𝒙𝒏−𝟏 + . . . +𝒂𝟏 𝒙𝟏 + 𝒂𝟎 donde cada 𝒂𝒊 es real. La suma
de 𝒑(𝒙) + 𝒒(𝒙) está definida de la manera usual: si

𝒒(𝒙) = 𝒃𝒏 𝒙𝒏 + 𝒃𝒏−𝟏 𝒙𝒏−𝟏 + . . . +𝒃𝟏 𝒙𝟏 + +𝒃𝟎

Entonces

𝒑(𝒙) + 𝒒(𝒙) = (𝒂𝒏 + 𝒃𝒏 )𝒙𝒏 + (𝒂𝒏−𝟏 + 𝒃𝒏−𝟏 )𝒙𝒏−𝟏 + . . . +(𝒂𝟏 + 𝒃𝟏 )𝒙𝟏 + (𝒂𝟎 + 𝒃𝟎 )

Es obvio que la suma de dos polinomios de grado menor o igual a 𝒏 es otro polinomio de grado
menor o igual a 𝒏, por lo que se cumple el axioma 𝑖). Las propiedades ii) y v) a x) son claras. Si
se define el polinomio 𝟎 = 𝟎𝒙𝒏 + 𝟎𝒙𝒏−𝟏 + . . . +𝟎𝒙𝟏 + 𝟎, entonces 𝟎 ∈ 𝑷𝒏 y el axioma iii) se
cumple. Por último, sea −𝒑(𝒙) = −𝒂𝒏 𝒙𝒏 − 𝒂𝒏−𝟏 𝒙𝒏−𝟏 − . . . −𝒂𝟏 𝒙𝟏 − 𝒂𝟎 ; se ve que el axioma
iv) se cumple, con lo que 𝑷𝒏 es un espacio vectorial real.
Ejemplo 8:

Los espacios vectoriales 𝑪[𝟎, 𝟏] 𝒚 𝑪[𝒂, 𝒃]

Sea 𝑽 = 𝑪[𝟎, 𝟏] el conjunto de funciones continuas de valores reales definidas en el intervalo

[𝟎, 𝟏]. Se define

( 𝒇 + 𝒈)𝒙 = 𝒇 (𝒙) + 𝒈(𝒙)𝒚 (𝜶𝒇 )(𝒙) = 𝜶[ 𝒇 (𝒙)]

Como la suma de funciones continuas es continua, el axioma 𝑖) se cumple y los otros axiomas
se verifican fácilmente con 𝟎 = 𝒍𝒂 𝒇𝒖𝒏𝒄𝒊ó𝒏 𝒄𝒆𝒓𝒐 𝒚 (−𝒇 )(𝒙) = −𝒇 (𝒙). Del mismo modo,
𝑪[𝒂, 𝒃], el conjunto de funciones de valores reales definidas y continuas en [𝒂, 𝒃], constituye
un espacio vectorial.

Ejemplo 9:

El espacio vectorial 𝑴𝒎𝒏 𝑺𝒊 𝑽 = 𝑴𝒎𝒏 denota el conjunto de matrices de 𝒎𝒙𝒏 con

componentes reales, entonces con la suma de matrices y multiplicación por un escalar usuales
se puede verificar que 𝑴𝒎𝒏 es un espacio vectorial cuyo neutro aditivo es la matriz de ceros
de dimensiones 𝒎𝒙𝒏.

Ejemplo 10:

Un conjunto de matrices invertibles puede no formar un espacio vectorial

Sea 𝑺𝟑 el conjunto de matrices invertibles de 𝟑𝒙𝟑. Se define la “suma” 𝑨 ⊕ 𝑩 por 𝑨 ⊕ 𝑩 =

𝑨𝑩. Si 𝑨 y 𝑩 son invertibles, entonces 𝑨𝑩 es invertible, de manera que el axioma i) se cumple.
El axioma ii) es sencillamente la ley asociativa para la multiplicación de matrices; los axiomas
iii) y iv) se satisfacen con 𝟎 = 𝑰𝟑 𝒚 − 𝑨 = 𝑨−𝟏 . Sin embargo, 𝑨𝑩 ≠ 𝑩𝑨 en general; entonces
el axioma v) no se cumple y por lo tanto 𝑺𝟑 no es un espacio vectorial.

Ejemplo 11:

Un conjunto de puntos en un semiplano puede no formar un espacio vectorial

Sea 𝑽 = {(𝒙, 𝒚): 𝒚 ≥ 𝟎}. 𝑽 Consiste en los puntos en 𝑹𝟐 en el semiplano superior (los
primeros dos cuadrantes). Si 𝒚𝟏 ≥ 𝟎 𝒚 𝒚𝟐 ≥ 𝟎, entonces 𝒚𝟏 + 𝒚𝟐 ≥ 𝟎; así,

Si (𝒙𝟏 , 𝒚𝟏 ) ∈ 𝑽 𝒚 (𝒙𝟐 , 𝒚𝟐 ) ∈ 𝑽, entonces (𝒙𝟏 + 𝒙𝟐 , 𝒚𝟏 + 𝒚𝟐 ) ∈ 𝑽. Sin embargo, 𝑽 no es un

espacio vectorial ya que el vector (𝟏, 𝟏), por ejemplo, no tiene un inverso en 𝑽 porque
(−𝟏, −𝟏) ∉ 𝑽. Más aún, el axioma vi) falla, ya que si (𝒙, 𝒚)𝜶𝑽, entonces 𝜶 (𝒙, 𝒚)𝜶 𝑽 𝒔𝒊 𝜶 < 𝟎.
Ejemplo 12:

El espacio 𝑪𝒏

Sea 𝑽 = 𝑪𝒏 = {(𝒄𝟏 , 𝒄𝟐 , . . . , 𝒄𝒏 ); 𝒄𝒊 𝒆𝒔 𝒖𝒏 𝒏ú𝒎𝒆𝒓𝒐 𝒄𝒐𝒎𝒑𝒍𝒆𝒋𝒐 𝒑𝒂𝒓𝒂 𝒊 = 𝟏, 𝟐, . . . , 𝒏} y el

conjunto de escalares es el conjunto de números complejos. No es difícil verificar que 𝑪𝒏
también es un espacio vectorial.

Como lo sugieren estos ejemplos, existen diferentes tipos de espacios vectoriales y muchas
clases de conjuntos que no son espacios vectoriales. Antes de terminar esta sección, se
demostrarán algunos resultados sobre los espacios vectoriales.

Teorema 1:

Sea 𝑽 un espacio vectorial. Entonces:

i) 𝜶𝟎 = 𝟎 𝒑𝒂𝒓𝒂 𝒕𝒐𝒅𝒐 𝒆𝒔𝒄𝒂𝒍𝒂𝒓 𝜶

ii) 𝟎. 𝒙 = 𝟎, 𝒑𝒂𝒓𝒂 𝒕𝒐𝒅𝒐 𝒙 ∈ 𝑽
iii) Si 𝜶𝒙 = 𝟎, 𝒆𝒏𝒕𝒐𝒏𝒄𝒆𝒔 𝜶 = 0 𝒐 𝒙 = 𝟎 (𝒐 𝒂𝒎𝒃𝒐𝒔)
iv) (−𝟏)𝒙 = −𝒙 𝒑𝒂𝒓𝒂 𝒕𝒐𝒅𝒐 𝒙 ∈ 𝑽

Demostración

Por el axioma iii) 𝟎 + 𝟎 = 𝟎;

Y del axioma vii), 𝜶𝟎 = 𝜶(𝟎 + 𝟎) = 𝜶𝟎 + 𝜶𝟎

Sumando −𝜶𝟎 en los dos lados de la expresión anterior y usando la ley asociativa (axioma ii),
se obtiene

𝜶 𝟎 + (−𝜶𝟎) = [𝜶 𝟎 + 𝜶𝟎] + (−𝜶𝟎)

𝟎 = 𝜶𝟎 + [𝜶𝟎 + (𝜶𝟎)]
𝟎 = 𝜶𝟎 + 𝟎
𝟎 = 𝜶𝟎

ii) Se usa, esencialmente, la misma prueba que en la parte i). Se comienza con 𝟎 + 𝟎 = 𝟎 y se
usa el axioma vii) para ver que

𝟎𝒙 = (𝟎 + 𝟎)𝒙 = 𝟎𝒙 + 𝟎𝒙

𝒐 𝟎𝒙 + (−𝟎𝒙) = 𝟎𝒙 + [𝟎𝒙 + (−𝟎𝒙)]

𝒐 𝟎 = 𝟎𝒙 + 𝟎 = 𝟎𝒙.
 1
iii) Sea 𝜶𝒙 = 𝟎. 𝑺𝒊 𝜶 ≠ 𝟎, se multiplican ambos lados de la ecuación por para obtener
𝛼
𝟏 𝟏 𝒍
( ) (𝜶𝒙) = ( ) 𝟎 = 𝟎 [por la parte i)]. Pero ( ) (𝜶𝒙) = 𝟏𝒙 = 𝒙 (por el axioma ix), de
𝜶 𝜶 𝜶
manera que 𝒙 = 𝟎.

iv) Primero se usa el hecho de que 𝟏 + (−𝟏) = 𝟎. Después, usando la parte ii), se obtiene

𝟎 = 𝟎𝒙 = [𝟏 + (−𝟏)]𝒙 = 𝟏𝒙 + (– 𝟏)𝒙 = 𝒙 + (−𝟏)𝒙

Se suma −𝒙 en ambos lados para obtener

−𝒙 = 𝟎 + (−𝒙) = 𝒙 + (−𝟏)𝒙 + (−𝒙) = 𝒙 + (−𝒙) + (−𝟏)𝒙 = 𝟎 + (−𝟏)𝒙 = (−𝟏)𝒙

De este modo −𝒙 = (−𝟏)𝒙. Observe que el orden de la suma en la ecuación anterior se pudo
invertir utilizando la ley conmutativa.

Observación.

La parte iii) del teorema 1 no es tan obvia como parece. Existen situaciones conocidas en las
que 𝒙𝒚 = 𝟎 no implica que 𝒙 o 𝒚 sean cero. Como ejemplo, se tiene la multiplicación de
𝟎 𝟏 𝟎 −𝟐
matrices de 𝟐𝒙𝟐, 𝒔𝒊 𝑨 = ( )𝒚 𝑩 = ( ), en donde ni 𝑨 ni 𝑩 son cero y, como se
𝟎 𝟎 𝟎 𝟎
puede verificar 𝑨𝑩 = 𝟎, el resultado del producto de estas matrices es la matriz cero.

AUTOEVALUACIÓN
De las siguientes afirmaciones, indique si son falsas o verdaderas:
𝑥
1) El conjunto de vectores (𝑦) en 𝑹𝟐 con 𝒚 = −𝟑𝒙 es un espacio vectorial real.

𝒙
Para demostrar que (𝒚) = (𝒙, 𝒚) es un espacio vectorial, se puede verificar que se cumple
cada uno de los axiomas. Observe que el vector en 𝑹𝟐 se han escrito como renglones en lugar
de columnas.

i) Suponga que 𝒖 = (𝒙𝟏 , 𝒚𝟏 ), 𝒗 = (𝒙𝟐 , 𝒚𝟐 ) están en 𝑽. Entonces 𝑦1 = 𝑚𝑥2 , 𝑦2 = 𝑚𝑥2 ,

𝒚 𝒖 + 𝒗 = (𝒙𝟏 , 𝒚𝟏 ) + (𝒙𝟐 , 𝒚𝟐 ) = (𝒙𝟏 , 𝒎𝒙𝟏 ) + (𝒙𝟐 , 𝒎𝒙𝟐 )

= (𝒙𝟏 , +𝒙𝟐 , 𝒎𝒙𝟏 + 𝒎𝒙𝟐 ) = (𝒙𝟏 , +𝒙𝟐 , 𝒎(𝒙𝟏 , +𝒙𝟐 )) ∈ 𝑽

Por lo tanto se cumple el axioma 𝑖).

ii) Suponga que (𝒙, 𝒚) ∈ 𝑽. Entonces 𝒚 = 𝒎𝒙, 𝑦, −(𝒙, 𝒚) = −(𝒙, 𝒎𝒙) = (−𝒙, 𝒎(−𝒙)), de
manera que – (𝒙, 𝒚) también pertenece a 𝑽 𝑦

(𝒙, 𝒎𝒙) + (−𝒙, 𝒎(−𝒙)) = (𝒙 − 𝒙, 𝒎(𝒙 − 𝒙)) = (𝟎, 𝟎)

(Verdadero)
 𝒙
2) El conjunto de vectores (𝒚) = (𝒙, 𝒚)𝒆𝒏 𝑹𝟐 con 𝒚 = −𝟑𝒙 + 𝟏 es un espacio vectorial real.

i) Suponga que 𝒖 = (𝒙𝟏 , 𝒚𝟏 ), 𝒗 = (𝒙𝟐 , 𝒚𝟐 ) están en 𝑽.

Entonces 𝑦1 = −3𝑥2 + 1, 𝑦2 = −3𝑥2 + 1,

𝒚 𝒖 + 𝒗 = (𝒙𝟏 , 𝒚𝟏 ) + (𝒙𝟐 , 𝒚𝟐 ) = (𝒙𝟏 , −𝟑𝒙𝟏 + 𝟏) + (𝒙𝟐 , −𝟑𝒙𝟐 + 𝟏)

= (𝒙𝟏 , +𝒙𝟐 , (−𝟑𝒙𝟏 + 𝟏) + (𝟑𝒙𝟐 + 𝟏)) = (𝒙𝟏 , +𝒙𝟐 , −𝟑(𝒙𝟏 , +𝒙𝟐 ) + 2) ∉ 𝑽

Por lo tanto no se cumple el axioma 𝑖).

ii) Suponga que (𝒙, 𝒚) ∈ 𝑽. Entonces 𝒖 = (𝟏, −𝟐), 𝒚, 𝒖 = (𝟐, −𝟓)

𝒖 + 𝒗 = (𝟏, −𝟐) + (𝟐, −𝟓) = (𝟏 + 𝟐, −𝟐 + (−𝟓))

𝒖 + 𝒗 = (𝟑, −𝟕) ∉ 𝑽

(Falso)

3) El conjunto de matrices invertibles de 𝟓𝒙𝟓 forma un espacio vectorial (con “+” definido
como en la suma de matrices ordinaria).

Un conjunto de matrices invertibles de 𝟓𝒙𝟓 puede no formar un espacio vectorial

Sea 𝑺𝟓 el conjunto de matrices invertibles de 𝟓𝒙𝟓. Se define la “suma” 𝑨 ⊕ 𝑩 por 𝑨 ⊕ 𝑩 =

𝑨𝑩. Si 𝑨 y 𝑩 son invertibles, entonces 𝑨𝑩 es invertible, de manera que el axioma i) se cumple.
El axioma ii) es sencillamente la ley asociativa para la multiplicación de matrices; los axiomas
iii) y iv) se satisfacen con 𝟎 = 𝑰𝟓 𝒚 − 𝑨 = 𝑨−𝟏 . Sin embargo, 𝑨𝑩 ≠ 𝑩𝑨 en general; entonces
el axioma v) no se cumple y por lo tanto 𝑺𝟓 no es un espacio vectorial.

4) El conjunto de múltiplos constantes de la matriz idéntica de 𝟐𝒙𝟐 es un espacio vectorial

(con “+” definido como en 3).

La matriz 𝟎 (cero) es el escalar 0 (cero) correspondiente a la matriz identidad

Si dos múltiplos de ésta matriz se suman, dará como resultado, un múltiplo de ésta misma
matriz identidad.

1 0 2 0 𝜋 0 −𝑙𝑜𝑔5 0
( ), ( ), ( ), (√3 0 ), ( )
0 1 0 2 0 𝜋 0 √3 0 −𝑙𝑜𝑔5

2 0 −𝑙𝑜𝑔5 0 2 − 𝑙𝑜𝑔5 0
( )+( )=( )
0 2 0 −𝑙𝑜𝑔5 0 2 − 𝑙𝑜𝑔5

5) El conjunto de matrices idénticas de 𝒏𝒙𝒏 para 𝒏 = 𝟐, 𝟑, 𝟒, . .. es un espacio vectorial (con

“+” definido como en 3).

Sea 𝑺𝒏 el conjunto de matrices invertibles de 𝒏𝒙𝒏. Se define la “suma” 𝑨 ⊕ 𝑩 por 𝑨 ⊕ 𝑩 =

𝑨𝑩. Si 𝑨 y 𝑩 son invertibles, entonces 𝑨𝑩 es invertible, de manera que el axioma i) se cumple.
El axioma ii) es sencillamente la ley asociativa para la multiplicación de matrices; los axiomas
iii) y iv) se satisfacen con 𝟎 = 𝑰𝒏 𝒚 − 𝑨 = 𝑨−𝟏 . Sin embargo, 𝑨𝑩 ≠ 𝑩𝑨 en general; entonces
el axioma v) no se cumple y por lo tanto 𝑺𝒏 no es un espacio vectorial.

𝑥
6) El conjunto de vectores ( ) = (𝑥, 𝑦, 𝑧) en 𝑹𝟑 con 𝟐𝒙 − 𝒚 + 𝟏𝟐𝒛 = 𝟎 es un espacio
𝑦
𝑧
vectorial

Se puede verificar que se cumple cada uno de los axiomas. Observe que el vector en 𝑹𝟑 se han
escrito como renglones en lugar de columnas.

Entonces es un subespacio vectorial de V si H es un espacio vectorial bajo las operaciones de

suma y multiplicación por escalar definidas en V. Se puede decir que un subespacio vectorial H
hereda las operaciones del espacio vectorial
𝑥
7) El conjunto de vectores (𝑦) = (𝑥, 𝑦, 𝑧) en 𝑹𝟑 con 𝟐𝒙 − 𝟐𝒚 − 𝟏𝟐𝒛 = 𝟏 es un espacio
𝑧
vectorial real.

𝟏 𝟏 𝟏 𝟏
Si 𝒖 = (𝟎, −𝟏, )𝒚 𝒗 = (𝟏, 𝟎, ), entonces 𝒖 + 𝒗 = (𝟎, −𝟏, ) + (𝟏, 𝟎, )
𝟏𝟐 𝟏𝟐 𝟏𝟐 𝟏𝟐

𝟏 𝟏 𝟏
𝒖 + 𝒗 = (𝟎 + 𝟏, −𝟏 + 𝟎, + ), 𝒖 + 𝒗 = (𝟏, 𝟏, ) ∉ 𝑽
𝟏𝟐 𝟏𝟐 𝟔

(Falso)

8) El conjunto de polinomios de grado 3 es un espacio vectorial real (con “+” definido como la
suma de polinomios ordinaria)

Sea 𝑽 = 𝑷𝟑 el conjunto de polinomios con coeficientes reales de grado menor o igual a 𝟑. Si

𝒑 ∈ 𝑷𝟑, entonces 𝒑(𝒙) = 𝒂𝟑 𝒙𝟑 + 𝒂𝟐 𝒙𝟐 + 𝒂𝟏 𝒙𝟏 + 𝒂𝟎 donde cada 𝒂𝒊 es real. La suma de
𝒑(𝒙) + 𝒒(𝒙) está definida de la manera usual: si

𝒒(𝒙) = 𝒃𝟑 𝒙𝟑 + 𝒃𝟐 𝒙𝟐 + 𝒃𝟏 𝒙𝟏 𝒃𝟎

Entonces

𝒑(𝒙) + 𝒒(𝒙) = (𝒂𝟑 + 𝒃𝟑 )𝒙𝟑 + (𝒂𝟐 + 𝒃𝟐 )𝒙𝟐 + (𝒂𝟏 + 𝒃𝟏 )𝒙𝟏 + (𝒂𝟎 + 𝒃𝟎 )

Es obvio que la suma de dos polinomios de grado menor o igual a 𝒏 = 𝟑 es otro polinomio de
grado menor o igual a 𝒏 = 𝟑, por lo que se cumple el axioma 𝑖). Las propiedades ii) y v) a x)
son claras. Si se define el polinomio 𝟎 = 𝟎𝒙𝟑 + 𝟎𝒙𝟐 + 𝟎𝒙𝟏 + 𝟎, entonces 𝟎 ∈ 𝑷𝟑 y el axioma
iii) se cumple. Por último, sea −𝒑(𝒙) = −𝟎𝒙𝒏 − 𝟎𝒙𝟐 . −𝒂𝟏 𝒙𝟏 − 𝒂𝟎 ; se ve que el axioma iv) se
cumple, con lo que 𝑷𝟑 es un espacio vectorial real.
Subespacios vectoriales
Del ejemplo 5, se sabe que 𝑹𝟐 = {(𝒙, 𝒚): 𝒙 ∈ 𝑹 𝒚 𝒚 ∈ 𝑹} es un espacio vectorial. En el
ejemplo 4 se vio que 𝑽 = {(𝒙, 𝒚): 𝒚 = 𝒎𝒙} también es un espacio vectorial. Adicionalmente,
es evidente que 𝑽 ⊂ 𝑹𝟐 . Esto es, 𝑹𝟐 tiene un subconjunto que también es un espacio
vectorial. De hecho, todos los espacios vectoriales tienen subconjuntos que también son
espacios vectoriales.

Definición

Subespacios vectoriales Se dice que 𝑯 es un subespacio vectorial de 𝑽 si 𝐻 es un subconjunto

no vacío de 𝑽, y 𝑯 es un espacio vectorial, junto con las operaciones de suma entre vectores y
multiplicación por un escalar definidas para 𝑽.

(Se puede decir que el subespacio 𝑯 hereda las operaciones del espacio vectorial “padre” 𝑽.
Existen múltiples ejemplos de subespacios en este capítulo; sin embargo, en primer lugar, se
demostrará un resultado que hace relativamente sencillo determinar si un subconjunto de 𝑽
es en realidad un subespacio de 𝑽)

Teorema 1

Subespacio vectorial

Un subconjunto no vacío 𝑯 de un espacio vectorial 𝑽 es un subespacio de 𝑽 si se cumplen las

dos reglas de cerradura:

Reglas de cerradura para ver si un subconjunto no vacío es un subespacio

i) Si 𝒙 ∈ 𝑯 𝒚 𝒚 ∈ 𝑯, entonces 𝒙 + 𝒚 ∈ 𝑯.
ii) Si 𝒙 ∈ 𝑯, entonces 𝜶𝒙 ∈ 𝑯 para todo 𝜶

Demostración

Es obvio que si 𝑯 es un espacio vectorial, entonces:

Las dos reglas de cerradura deben cumplirse.

De lo contrario, para demostrar que 𝑯 es un espacio vectorial, debe demostrarse que los
axiomas i) a x) se cumplen bajo las operaciones de suma de vectores y multiplicación por un
escalar definidas en 𝑽.

Las dos operaciones de cerradura [axiomas i) clausura y iv) conmutativa] se cumplen por
hipótesis.

Como los vectores en 𝑯 son también vectores en 𝑉, las identidades asociativa, conmutativa,
distributiva y multiplicativa [axiomas ii), v), vii), viii), ix) y x)] se cumplen.

Sea 𝒙 ∈ 𝑯. Entonces 𝟎𝒙 ∈ 𝑯 por hipótesis ii).

Pero por el teorema 1, (parte ii) 𝟎𝒙 = 𝟎. De este modo, 𝟎 ∈ 𝑯 y se cumple el axioma iii). Por
último, por la parte ii), (−𝟏)𝒙 ∈ 𝑯 para todo 𝒙 ∈ 𝑯.
Por el teorema 1 (parte iv) −𝒙 = (−𝟏)𝒙 ∈ 𝑯, de manera que se cumple el axioma iv) y la
prueba queda completa.

Este teorema demuestra que para probar si 𝑯 es o no un subespacio de 𝑉, es suficiente

verificar que:

𝒙 + 𝒚, 𝑦 𝜶𝒙 𝒆𝒔𝒕á𝒏 𝒆𝒏 𝑯 𝒄𝒖𝒂𝒏𝒅𝒐 𝒙 𝑦 𝒚 𝒆𝒔𝒕á𝒏 𝒆𝒏 𝑯 𝑦 𝜶 𝒆𝒔 𝒖𝒏 𝒆𝒔𝒄𝒂𝒍𝒂𝒓

La prueba anterior contiene un hecho que por su importancia merece ser mencionado de
forma explícita:

𝑻𝒐𝒅𝒐 𝒔𝒖𝒃𝒆𝒔𝒑𝒂𝒄𝒊𝒐 𝒅𝒆 𝒖𝒏 𝒆𝒔𝒑𝒂𝒄𝒊𝒐 𝒗𝒆𝒄𝒕𝒐𝒓𝒊𝒂𝒍 𝑽 𝒄𝒐𝒏𝒕𝒊𝒆𝒏𝒆 𝒂𝒍 𝟎

Este hecho con frecuencia facilitará la averiguación de si un subconjunto de 𝑽 en particular no

es un subespacio de 𝑽. Es decir, si un subconjunto no contiene al 𝟎, entonces no es un
subespacio. Note que el vector cero en 𝑯, un subespacio de 𝑽, es el mismo que el vector cero
en 𝑽. A continuación se mostrarán algunos ejemplos de subespacios.

Ejemplo 1)

El subespacio trivial

Para cualquier espacio vectorial 𝑽, el subconjunto {𝟎} que consiste en el vector cero es
únicamente un subespacio ya que 𝟎 + 𝟎 = 𝟎 y 𝜶𝟎 = 𝟎 para todo número real 𝜶 [parte i) del
teorema 1]. Esto se denomina subespacio trivial.

Ejemplo 2)

Un espacio vectorial es un subespacio en sí mismo

Para cada espacio vectorial 𝑽, 𝑽 es un subespacio de sí mismo.

Los primeros dos ejemplos muestran que todo espacio vectorial 𝑉 contiene dos subespacios,
{𝟎} y 𝑽 (que coinciden si 𝑽 = {𝟎}). Es más interesante encontrar otros subespacios.

Los subespacios distintos a {𝟎} y 𝑽 se denominan subespacios propios.

Ejemplo 3)

Un subespacio propio de 𝑹𝟐

Sea 𝑯 = {(𝒙, 𝒚): 𝒚 = 𝒎𝒙} (vea el ejemplo 4). Entonces, como ya se dijo, 𝑯 es un subespacio
de 𝑹𝟐 . Luego se verá que si 𝑯 es cualquier subespacio propio de 𝑹𝟐 , entonces 𝑯 consiste en
el conjunto de puntos que se encuentran sobre una recta que pasa por el origen; es decir, un
conjunto de puntos que se encuentra sobre una recta que pasa por el origen es el único tipo
de subespacio propio de R2 .

Ejemplo 4)

Un subespacio propio de 𝑹𝟑

Sea 𝑯 = {(𝒙, 𝒚, 𝒛): 𝒙 = 𝒂𝒕, 𝒚 = 𝒃𝒕 𝒚 𝒛 = 𝒄𝒕; 𝒂, 𝒃, 𝒄, 𝒕 𝒓𝒆𝒂𝒍𝒆𝒔}. Entonces 𝑯 consiste en los

vectores en 𝑹𝟑 que se encuentran sobre una recta que pasa por el origen. Para ver que 𝑯 es
un subespacio de 𝑹𝟑 , sea 𝒙 = (𝒂𝒕𝟏 , 𝒃𝒕𝟏 , 𝒄𝒕𝟏 ) ∈ 𝑯 𝒚 𝒚 = (𝒂𝒕𝟐 , 𝒃𝒕𝟐 , 𝒄𝒕𝟐 ) ∈ 𝑯.

Entonces:

𝒙 + 𝒚 = (𝒂(𝒕𝟏 + 𝒕𝟐 ), 𝒃(𝒕𝟏 + 𝒕𝟐 ), 𝒄(𝒕𝟏 + 𝒕𝟐 )) ∈ 𝑯

𝜶𝒙 = (𝒂(𝜶𝒕𝟏 ), 𝒃(𝜶𝒕𝟐 ), 𝒄(𝜶𝒕𝟐 )) ∈ 𝑯

Así, 𝑯 es un subespacio de𝑹𝟑 .

Ejemplo 5)

Otro subespacio propio de 𝑹𝟑

Sea 𝝅 = {(𝒙, 𝒚, 𝒛): 𝒂𝒙 + 𝒃𝒚 + 𝒄𝒛 = 𝟎; 𝒂, 𝒃, 𝒄 𝒓𝒆𝒂𝒍𝒆𝒔}. Entonces, como se vio en el ejemplo 6

de espacios vectoriales, 𝝅 es un espacio vectorial; así, 𝝅 es un subespacio de 𝑹𝟑 . En la sección
futura se demostrará que los conjuntos de vectores que se encuentran sobre rectas y planos
que pasan por el origen son los únicos subespacios propios de 𝑹𝟑 .

Antes de analizar más ejemplos, es importante observar que no todo espacio vectorial tiene
subespacios propios.

Ejemplo 6)

𝑹 No tiene subespacios propios

Sea 𝑯 un subespacio de 𝑹. 𝑺𝒊 𝑯 ≠ {𝟎}, entonces 𝑯 contiene un número real 𝒂 diferente de

cero.

Por el axioma vi),

𝟏
𝟏 = ( ) 𝜶 ∈ 𝑯 𝒚 𝜷𝟏 = 𝜷 ∈ 𝑯
𝜶

Para todo número real 𝜷. Así, si 𝑯 no es el subespacio trivial, entonces 𝑯 = 𝑹. Es decir, 𝑹 no

tiene subespacios propios.
Ejemplo 7)

Algunos subespacios propios de 𝑷𝒏

Si 𝑷𝒏 denota el espacio vectorial de polinomios de grado menor o igual a 𝒏 (ejemplo 7, y si

𝟎 ≤ 𝒎 < 𝒏, entonces 𝑷𝒎 es un subespacio propio de 𝑷𝒏 como se verifica fácilmente.

Ejemplo 8)

Un subespacio propio de 𝑴𝒎𝒏

Sea 𝑴𝒎𝒏 el espacio vectorial de matrices de 𝒎𝒙𝒏 con componentes reales y sea 𝑯 = {𝑨 ∈
𝑴𝒎𝒏 : 𝒂𝟏𝟏 = 𝟎}. Por la definición de suma de matrices y multiplicación por un escalar, es
obvio que los dos axiomas de cerradura se cumplen de manera que 𝑯 es un subespacio.

Ejemplo 9)

Un subconjunto que no es un subespacio propio de 𝑴𝒎𝒏

Sea 𝑽 = 𝑴𝒏𝒏 (𝒍𝒂𝒔 𝒎𝒂𝒕𝒓𝒊𝒄𝒆𝒔 𝒅𝒆 𝒏𝒙𝒏) y sea 𝑯 = {𝑨 ∈ 𝑴𝒏𝒏 : 𝑨 𝒆𝒔 𝒊𝒏𝒗𝒆𝒓𝒕𝒊𝒃𝒍𝒆}. Entonces 𝑯

no es un subespacio ya que la matriz cero de 𝒏𝒙𝒏 no está en 𝑯.

Ejemplo 10)

Un subespacio propio de 𝑪[𝟎, 𝟏]

𝑷𝒏 [𝟎, 𝟏] ⊂ 𝑪[𝟎, 𝟏] (vea el ejemplo 8) porque todo polinomio es continuo y 𝑷𝒏 es un espacio

vectorial para todo entero 𝒏 de manera que cada 𝑷𝒏 [𝟎, 𝟏] es un subespacio de 𝑪[𝟎, 𝟏].

Ejemplo 11)

𝑪𝟏 [𝟎, 𝟏] Es un subespacio propio de 𝑪[𝟎, 𝟏]

Sea 𝑪𝟏 [𝟎, 𝟏] el conjunto de funciones con primeras derivadas continuas definidas en [𝟎, 𝟏].
Como toda función diferenciable es continua, se tiene 𝑪𝟏 [𝟎, 𝟏] ⊂ 𝑪[𝟎, 𝟏]. Puesto que la suma
de dos funciones diferenciables es diferenciable y un múltiplo constante de una función
diferenciable es diferenciable, se ve que 𝑪𝟏 [𝟎, 𝟏] es un subespacio de 𝑪[𝟎, 𝟏]. Se trata de un
subespacio propio porque no toda función continua es diferenciable.
Ejemplo 12)

Otro subespacio propio de 𝑪[𝟎, 𝟏]

Si 𝒇 ∈ 𝑪 [𝟎, 𝟏], entonces

𝟏
∫ 𝒇(𝒙)𝒅𝒙
𝟎

Existe.

Sea
𝟏
𝑯 = {𝒇 ∈ 𝑪[𝟎, 𝟏]: ∫ 𝒇(𝒙)𝒅𝒙 = 𝟎}
𝟎

Si 𝒇 ∈ 𝑯𝒚 𝒈 ∈ 𝑯, entonces
𝟏 𝟏 𝟏
∫ [𝒇(𝒙) + 𝒈(𝒙)]𝒅𝒙 = ∫ 𝒇(𝒙)𝒅𝒙 + ∫ 𝒈(𝒙)𝒅𝒙 = 𝟎 + 𝟎 = 𝟎
𝟎 𝟎 𝟎

𝒚
𝟏 𝟏
∫ 𝜶𝒇(𝒙)𝒅𝒙 = 𝜶 ∫ 𝒇(𝒙)𝒅𝒙 = 𝟎
𝟎 𝟎

Así 𝒇 + 𝒈 y 𝜶𝒇 están en 𝑯 para todo número real 𝜶. Esto muestra que 𝑯 es un subespacio
propio de 𝑪[𝟎, 𝟏]. Como lo ilustran los últimos tres ejemplos, un espacio vectorial puede tener
un número grande y variado de subespacios propios.

Antes de terminar esta sección, se demostrará un hecho interesante sobre subespacios.

Teorema .2

Sea 𝑯𝟏 y 𝑯𝟐 dos subespacios de un espacio vectorial 𝑽. Entonces 𝑯𝟏 ∩ 𝑯𝟐 es un subespacio

de 𝑽.

Demostración

Observe que 𝑯𝟏 ∩ 𝑯𝟐 es no vacío porque contiene al 𝟎. Sea 𝒙𝟏 ∈ (𝑯𝟏 ∩ 𝑯𝟐 ) y 𝒙𝟐 ∈

(𝑯𝟏 ∩ 𝑯𝟐 ), Entonces como 𝑯𝟏 𝒚 𝑯𝟐 son subespacios,

𝒙𝟏 + 𝒙𝟐 ∈ 𝑯𝟏 , y 𝒙𝟏 + 𝒙𝟐 ∈ 𝑯𝟏 .

Esto significa que 𝒙𝟏 + 𝒙𝟐 ∈ 𝑯𝟏 ∩ 𝑯𝟐 . De manera similar 𝜶𝒙𝟏 ∈ (𝑯𝟏 ∩ 𝑯𝟐 ).

Por lo tanto, se cumplen los dos axiomas de cerradura y 𝑯𝟏 ∩ 𝑯𝟐 es un subespacio.

Ejemplo 13)

La intersección de dos subespacios de 𝑹𝟑 es un subespacio

En 𝑹𝟑 sea 𝑯𝟏 = {(𝒙, 𝒚, 𝒛): 𝟐𝒙 − 𝒚 − 𝒛 = 𝟎} y 𝑯𝟐 = {(𝒙, 𝒚, 𝒛): 𝒙 + 𝟐𝒚 + 𝟑𝒛 = 𝟎}. Entonces

𝑯𝟏 y 𝑯𝟐 consisten en vectores que se encuentran sobre planos que pasan por el origen y son,
según el ejemplo 5, subespacios de 𝑹𝟑 . 𝑯𝟏 y 𝑯𝟐 es la intersección de los dos planos que se
calculan como a continuación:

En el ejemplo 4.5.9 de la sección 4.5:

𝟐𝒙 − 𝒚 − 𝒛 = 𝟎 𝒙 + 𝟐𝒚 + 𝟑𝒛 = 𝟎
→
𝒙 + 𝟐𝒚 + 𝟑𝒛 = 𝟎 𝟐𝒙 − 𝒚 − 𝒛 = 𝟎

Reduciendo renglones se tiene:

1 2 3 0 1 2 3 0 1 2 3 0 1 0 1/5 0
( )→( )→( )→( )
2 −1 −1 0 0 −5 −7 0 0 1 7/5 0 0 1 7/5 0
𝟏 𝟕
Entonces: 𝒙 = − 𝒛, 𝒚 = − 𝒛,
𝟓 𝟓

𝟏 𝟕
De este modo, todas las soluciones al sistema homogéneo están dadas por (− 𝒛 − 𝒛 𝑧)
𝟓 𝟓

𝟏
Haciendo 𝒛 = 𝒕, se obtienen las ecuaciones paramétricas de la recta 𝑳 en 𝑹𝟑 : 𝑥 = − 𝒕, 𝒚 =
𝟓
𝟕
− 𝒕, 𝒛 = 𝒕 . Como se observó en el ejemplo 4, el conjunto de vectores sobre 𝑳 constituye un
𝟓
subespacio de 𝑹𝟑 .

Observación.

No es necesariamente cierto que si 𝑯𝟏 y 𝑯𝟐 son subespacios de 𝑽, 𝑯𝟏 ∪ 𝑯𝟐 es un subespacio

de 𝑽 (puede o no serlo). Por ejemplo, 𝑯𝟏 = {(𝒙, 𝒚): 𝒚 = 𝟐𝒙} y {(𝒙, 𝒚): 𝒚 = 𝟑𝒙} son
subespacios de 𝑹𝟐 , pero 𝑯𝟏 ∪ 𝑯𝟐 no es un subespacio. Para ver esto, observe que (𝟏, 𝟐) ∈ 𝑯𝟏
y (𝟏, 𝟑) ∈ 𝑯𝟐 , de manera que tanto (𝟏, 𝟐) como (𝟏, 𝟑) están en 𝑯𝟏 ∪ 𝑯𝟐 . Pero (𝟏, 𝟐) +
(𝟏, 𝟑) = (𝟐, 𝟓) ∉ 𝑯𝟏 ∪ 𝑯𝟐 porque (𝟐, 𝟓) ∉ 𝑯𝟏 y (𝟐, 𝟓) ∉ 𝑯𝟐 . Así, 𝑯𝟏 ∪ 𝑯𝟐 no es cerrado
bajo la suma y por lo tanto no es un subespacio.

AUTOEVALUACIÓN
De las siguientes aseveraciones, evalúe si son falsas o verdaderas.
𝑥
i) Conjunto de vectores de la forma (𝑦) es un subespacio de 𝑹𝟑 . (F)
1

Debemos demostrar que los vectores son cerrados para la suma y producto por escalar

Sea
𝑯 𝑢𝑛 𝑠𝑢𝑏𝑒𝑠𝑜𝑝𝑎𝑐𝑖𝑜 𝑐𝑜𝑛 𝑙𝑜𝑠 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝒖 𝑦 𝒗 𝑑𝑒 𝑙𝑎 𝑓𝑜𝑟𝑚𝑎
𝒙 𝒛
𝒖 = (𝒚) 𝒚 𝒖 = (𝒘) , 𝒄𝒐𝒏 𝒙, 𝒚, 𝒛, 𝒘, 𝟏 ∈ 𝑹,
𝟏 𝟏
𝒙 𝒛 𝒙+𝒛 𝒙+𝒛
𝒚 𝒘
𝒖+𝒗 = ( )+ ( ), 𝒖+𝒗= (𝒚 + 𝒘) = (𝒚 + 𝒘 ) ,
𝟏 𝟏 𝟏+𝟏 𝟐
𝒙+𝒛
(𝒚 + 𝒘) ∉ 𝑯
𝟐
𝑥
ii) El conjunto de vectores de la forma (0) es un subespacio de 𝑹𝟑 .(V)
𝑧

Debemos demostrar que los vectores son cerrados para la suma y producto por escalar

Sea

𝑯 𝑢𝑛 𝑠𝑢𝑏𝑒𝑠𝑜𝑝𝑎𝑐𝑖𝑜 𝑐𝑜𝑛 𝑙𝑜𝑠 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝒖 𝑦 𝒗 𝑑𝑒 𝑙𝑎 𝑓𝑜𝑟𝑚𝑎

𝒙 𝒚
𝒖 = (𝟎) 𝒚 𝒗 = ( 𝟎 ) , 𝒄𝒐𝒏 𝒙, 𝒚, 𝒛, 𝒘, 𝟎 ∈ 𝑹
𝒛 𝒘
𝒙 𝒚 𝒙+𝒚 𝒙+𝒚
𝒖 + 𝒗 = ( 𝟎) + ( 𝟎 ) , 𝒖 + 𝒗 = (𝟎 + 𝟎) = ( 𝟎 )
𝒛 𝒘 𝒛+𝒘 𝒛+𝒘
𝒙+𝒛
( 𝟎 )∈𝑯
𝒛+𝒘

Sea
𝒙 𝒙 𝜶𝒙
𝜶 ∈ 𝑹, 𝒚 𝒖 = (𝟎) ∈ 𝑯, 𝒆𝒏𝒕𝒐𝒄𝒏𝒄𝒆𝒔 𝜶𝒖 = 𝜶 (𝟎) , 𝜶𝒖 = ( 𝟎 )
𝒛 𝒛 𝜶𝒛
𝜶𝒙
(𝟎)∈𝑯
𝜶𝒛

iii) El conjunto de matrices diagonales de 𝟑𝒙𝟑 es un subespacio de 𝑴𝟑𝟑 . (V)

Debemos demostrar que los vectores son cerrados para la suma y producto por escalar

Sea

𝑯 𝑢𝑛 𝑠𝑢𝑏𝑒𝑠𝑜𝑝𝑎𝑐𝑖𝑜 𝑐𝑜𝑛 𝑙𝑜𝑠 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝒖 𝑦 𝒗 𝑑𝑒 𝑙𝑎 𝑓𝑜𝑟𝑚𝑎

𝒙 𝟎 𝟎 𝒘 𝟎 𝟎
𝒖 = (𝟎 𝒚 𝟎) 𝒚 𝒖 = ( 𝟎 𝒂 𝟎) , 𝒄𝒐𝒏 𝒙, 𝒚, 𝒛, 𝒘, 𝒂, 𝒃 ∈ 𝑹
𝟎 𝟎 𝒛 𝟎 𝟎 𝒃
 𝒙 𝟎 𝟎 𝒘 𝟎 𝟎 𝒙+𝒘 𝟎 𝟎
𝒖 + 𝒗 = (𝟎 𝒚 𝟎 ) + ( 𝟎 𝒂 𝟎) , 𝒖+𝒗 =( 𝟎 𝒚+𝒂 𝟎 )
𝟎 𝟎 𝒛 𝟎 𝟎 𝒃 𝟎 𝟎 𝒛+𝒃
𝒙+𝒘 𝟎 𝟎
𝒖+𝒗 =( 𝟎 𝒚+𝒂 𝟎 )∈𝑯
𝟎 𝟎 𝒛+𝒃

Sea

𝒙 𝟎 𝟎 𝒙 𝟎 𝟎 𝜶𝒙 𝟎 𝟎
𝜶 ∈ 𝑹, 𝒚 𝒖 = (𝟎 𝒚 𝟎) ∈ 𝑯, 𝒆𝒏𝒕𝒐𝒄𝒏𝒄𝒆𝒔 𝜶𝒖 = 𝜶 (𝟎 𝒚 𝟎) , 𝜶𝒖 = ( 𝟎 𝜶𝒚 𝟎)
𝟎 𝟎 𝒛 𝟎 𝟎 𝒛 𝟎 𝟎 𝜶𝒛
𝜶𝒙 𝟎 𝟎
( 𝟎 𝜶𝒚 𝟎)∈𝑯
𝟎 𝟎 𝜶𝒛

iv) El conjunto de matrices triangulares superiores de 𝟑𝒙𝟑 es un subespacio de 𝑴𝟑𝟑 . (V)

Debemos demostrar que los vectores son cerrados para la suma y producto por escalar

Sea

𝑯 𝑢𝑛 𝑠𝑢𝑏𝑒𝑠𝑜𝑝𝑎𝑐𝑖𝑜 𝑐𝑜𝑛 𝑙𝑜𝑠 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝒖 𝑦 𝒗 𝑑𝑒 𝑙𝑎 𝑓𝑜𝑟𝑚𝑎

𝒂𝟏𝟏 𝒂𝟏𝟐 𝒂𝟏𝟑 𝒃𝟏𝟏 𝒃𝟏𝟐 𝒃𝟏𝟑

𝒖=( 𝟎 𝒂𝟐𝟐 𝒂𝟐𝟑 ) 𝒚 𝒗 = ( 𝟎 𝒃𝟐𝟐 𝒃𝟐𝟑 ) , 𝒄𝒐𝒏 𝒂𝒊𝒋 ∈ 𝑹, 𝒂𝒊𝒋 = 𝟎 𝒔𝒊 𝒊 > 𝒋
𝟎 𝟎 𝒂𝟑𝟑 𝟎 𝟎 𝒃𝟑𝟑

𝒂𝟏𝟏 𝒂𝟏𝟐 𝒂𝟏𝟑 𝒃𝟏𝟏 𝒃𝟏𝟐 𝒂𝟏𝟑

𝒖+𝒗 =( 𝟎 𝒂𝟐𝟐 𝒂𝟐𝟑 ) + ( 𝟎 𝒃𝟐𝟐 𝒃𝟐𝟑 ),
𝟎 𝟎 𝒂𝟑𝟑 𝟎 𝟎 𝒃𝟑𝟑

𝒂𝟏𝟏 + 𝒃𝟏𝟏 𝒂𝟏𝟐 + 𝒃𝟏𝟐 𝒂𝟏𝟑 + 𝒂𝟏𝟑

𝒖+𝒗 =( 𝟎 𝒂𝟐𝟐 + 𝒃𝟐𝟐 𝒂𝟐𝟑 + 𝒃𝟐𝟑 )
𝟎 𝟎 𝒂𝟑𝟑 + 𝒃𝟑𝟑

𝒂𝟏𝟏 + 𝒃𝟏𝟏 𝒂𝟏𝟐 + 𝒃𝟏𝟐 𝒂𝟏𝟑 + 𝒂𝟏𝟑

𝒖+𝒗= ( 𝟎 𝒂𝟐𝟐 + 𝒃𝟐𝟐 𝒂𝟐𝟑 + 𝒃𝟐𝟑 ) ∈ 𝑯
𝟎 𝟎 𝒂𝟑𝟑 + 𝒃𝟑𝟑

Sea
𝒂𝟏𝟏 𝒂𝟏𝟐 𝒂𝟏𝟑 𝒂𝟏𝟏 𝒂𝟏𝟐 𝒂𝟏𝟑
𝜶 ∈ 𝑹, 𝒚 𝒖 = ( 𝟎 𝒂𝟐𝟐 𝒂𝟐𝟑 ) ∈ 𝑯, 𝒆𝒏𝒕𝒐𝒄𝒏𝒄𝒆𝒔 𝜶𝒖 = 𝜶 ( 𝟎 𝒂𝟐𝟐 𝒂𝟐𝟑 ),
𝟎 𝟎 𝒂𝟑𝟑 𝟎 𝟎 𝒂𝟑𝟑
𝜶𝒂𝟏𝟏 𝜶𝒂𝟏𝟐 𝜶𝒂𝟏𝟑
𝜶𝒖 = ( 𝟎 𝜶𝒂𝟐𝟐 𝜶𝒂𝟐𝟑 )
𝟎 𝟎 𝜶𝒂𝟑𝟑
 𝜶𝒂𝟏𝟏 𝜶𝒂𝟏𝟐 𝜶𝒂𝟏𝟑
( 𝟎 𝜶𝒂𝟐𝟐 𝜶𝒂𝟐𝟑 ) ∈ 𝑯
𝟎 𝟎 𝜶𝒂𝟑𝟑

v) El conjunto de matrices triangulares de 𝟑𝒙𝟑 es un subespacio de 𝑴𝟑𝟑 . (F)

Debemos demostrar que los vectores son cerrados para la suma y producto por escalar

Sea

𝑯 𝑢𝑛 𝑠𝑢𝑏𝑒𝑠𝑜𝑝𝑎𝑐𝑖𝑜 𝑐𝑜𝑛 𝑙𝑜𝑠 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝒖 𝑦 𝒗 𝑑𝑒 𝑙𝑎 𝑓𝑜𝑟𝑚𝑎

𝒂𝟏𝟏 𝒂𝟏𝟐 𝒂𝟏𝟑
𝒖=( 𝟎 𝒂𝟐𝟐 𝒂𝟐𝟑 ) 𝒄𝒐𝒏 𝒂𝒊𝒋 ∈ 𝑹, 𝒂𝒊𝒋 = 𝟎 𝒔𝒊 𝒊 > 𝒋
𝟎 𝟎 𝒂𝟑𝟑

𝒃𝟏𝟏 𝟎 𝟎
𝒚 𝒗 = (𝒃𝟐𝟏 𝒃𝟐𝟐 𝟎 ) , 𝒄𝒐𝒏 𝒂𝒊𝒋 ∈ 𝑹, 𝒂𝒊𝒋 = 𝟎 𝒔𝒊 𝒊 < 𝒋
𝒃𝟑𝟏 𝒃𝟑𝟐 𝒃𝟑𝟑

𝒂𝟏𝟏 𝒂𝟏𝟐 𝒂𝟏𝟑 𝒃𝟏𝟏 𝟎 𝟎

𝒖+𝒗=( 𝟎 𝒂𝟐𝟐 𝒂𝟐𝟑 ) + (𝒃𝟐𝟏 𝒃𝟐𝟐 𝟎 ),
𝟎 𝟎 𝒂𝟑𝟑 𝒃𝟑𝟏 𝒃𝟑𝟐 𝒃𝟑𝟑

𝒂𝟏𝟏 + 𝒃𝟏𝟏 𝒂𝟏𝟐 𝒂𝟏𝟑

𝒖 + 𝒗 = ( 𝒃𝟐𝟏 𝒂𝟐𝟐 + 𝒃𝟐𝟐 𝒂𝟐𝟑 + 𝒃𝟐𝟑 )
𝒃𝟑𝟏 𝒃𝟑𝟐 𝒂𝟑𝟑 + 𝒃𝟑𝟑

𝒂𝟏𝟏 + 𝒃𝟏𝟏 𝒂𝟏𝟐 𝒂𝟏𝟑

𝒖 + 𝒗 = ( 𝒃𝟐𝟏 𝒂𝟐𝟐 + 𝒃𝟐𝟐 𝒂𝟐𝟑 ) ∉ 𝑯
𝒃𝟑𝟏 𝒃𝟑𝟐 𝒂𝟑𝟑 + 𝒃𝟑𝟑

𝟎 𝟎
vi) Sea 𝑯 un subespacio de 𝑴𝟐𝟐 . Entonces ( ) 𝒅ebe estar en 𝑯. (V)
𝟎 𝟎
𝟎 𝟎
Debemos demostrar que𝑴𝟐𝟐 de la forma ( ) son cerrados para la suma y producto por
𝟎 𝟎
escalar

Sea

𝟎 𝟎 𝟎 𝟎 𝟎 𝟎 𝟎 𝟎
( ) ∈ 𝑯, 𝒆𝒏𝒕𝒐𝒏𝒄𝒆𝒔: ( )+( )=( )
𝟎 𝟎 𝟎 𝟎 𝟎 𝟎 𝟎 𝟎
𝟎 𝟎 𝟎 𝟎
𝟏. ( )=( )
𝟎 𝟎 𝟎 𝟎
𝟎 𝟎 𝟎 𝟎 𝟎 𝟎 𝟎 𝟎 𝟎 𝟎 𝟎 𝟎
( ) + [( )+( )] = [( )+( )] + ( )
𝟎 𝟎 𝟎 𝟎 𝟎 𝟎 𝟎 𝟎 𝟎 𝟎 𝟎 𝟎

Sea
 𝟎 𝟎 𝟎 𝟎
𝜶 ∈ 𝑹, 𝒚 𝒖 = ( ) ∈ 𝑯, 𝒆𝒏𝒕𝒐𝒄𝒏𝒄𝒆𝒔 𝜶𝒖 = 𝜶 ( ),
𝟎 𝟎 𝟎 𝟎
𝜶𝟎 𝜶𝟎 𝟎 𝟎
𝜶𝒖 = ( )=( )
𝜶𝟎 𝜶𝟎 𝟎 𝟎
𝟎 𝟎
( )∈𝑯
𝟎 𝟎

𝒙 𝒙
vii) Sea 𝑯 = {(𝒚) : 𝟐𝒙 + 𝟑𝒚 − 𝒛 = 𝟎} 𝒚 𝑲 = {(𝒚) : 𝒙 − 𝟑𝒚 + 𝒛 = 𝟎} . Entonces 𝑯 ∪ 𝑲 es
𝒛 𝒛
𝟑
un subespacio de 𝑹 . (F)
𝒙
Se sabe que 𝑯 = {(𝒚) : 𝟐𝒙 + 𝟑𝒚 − 𝒛 = 𝟎}es un subespacio y
𝒛
𝒙
𝑲 = {(𝒚) : 𝒙 − 𝟑𝒚 + 𝒛 = 𝟎} También es un subespacio porque cumple con las propiedades
𝒛
de cerradura de la suma y producto por escalar y tiene el elemento neutro como el inverso
aditivo

Pero 𝑯 ∪ 𝑲no es subespacio se 𝑹𝟑 por:

𝒙 𝟏 𝒙 𝟏
(𝒚) = (𝟏) ∈ 𝑯 𝒚 (𝒚) = (𝟏) ∈ 𝑲
𝒛 𝟓 𝒛 𝟐
𝒙 𝒙 𝟏 𝟏 𝟏+𝟏 𝟐
(𝒚) + (𝒚) = (𝟏) + (𝟏) = (𝟏 + 𝟏) = (𝟐)
𝒛 𝒛 𝟓 𝟐 𝟓+𝟐 𝟕
𝟐 𝟐
(𝟐) ∉ 𝑯, ( 𝟐) ∉ 𝑲
𝟕 𝟕
𝒙
𝑯 = {(𝒚) : 𝟐𝒙 + 𝟑𝒚 − 𝒛 = 𝟎, 𝟐(𝟐) + 𝟑(𝟐) − 𝟕 ≠ 𝟎}
𝒛
𝒙
𝑲 = {(𝒚) : 𝒙 − 𝟑𝒚 + 𝒛 = 𝟎, (𝟐) − 𝟑(𝟐) + 𝟕 ≠ 𝟎}
𝒛

viii) Si 𝑯 y 𝑲 son los subconjuntos del problema 𝑉𝐼𝐼, entonces 𝑯 ∩ 𝑲 es un subespacio de 𝑹𝟑 .

(V)
𝒙 𝒙
𝑯 = {(𝒚) : 𝟐𝒙 + 𝟑𝒚 − 𝒛 = 𝟎} 𝒚 𝑲 = {(𝒚) : 𝒙 − 𝟑𝒚 + 𝒛 = 𝟎}
𝒛 𝒛

Entonces 𝑯 y 𝑲 consisten en vectores que se encuentran sobre planos que pasan por el origen
y son, subespacios de 𝑹𝟑 . 𝑯 y 𝑲 es la intersección de los dos planos que se calculan como
sigue:
 𝟐𝒙 + 𝟑𝒚 − 𝒛 = 𝟎 𝒙 − 𝟑𝒚 + 𝒛 = 𝟎
→
𝒙 − 𝟑𝒚 + 𝒛 = 𝟎 𝟐𝒙 + 𝟑𝒚 − 𝒛 = 𝟎

Reduciendo renglones se tiene:

1 −3 1 0 1 −3 1 0 1 2 3 0 1 0 11/3 0
( )→( )→( )→( )
2 3 −1 0 0 9 −3 0 0 1 −1/3 0 0 1 −1/3 0

Entonces:

𝟏𝟏 𝟏
𝒙=− 𝒛, 𝒚= 𝒛, 𝒛=𝒛
𝟑 𝟑
𝟏𝟏 𝟏
De este modo, todas las soluciones al sistema homogéneo están dadas por (− 𝒛 𝒛 𝑧)
𝟑 𝟑

𝟏𝟏
Haciendo 𝒛 = 𝒕, se obtienen las ecuaciones paramétricas de la recta 𝑳 en 𝑹𝟑 : 𝑥 = − 𝒕, 𝒚=
𝟑
𝟏
𝒕, 𝒛 = 𝒕 . Como se observó en el ejemplo 4, el conjunto de vectores sobre 𝑳 constituye un
𝟑
subespacio de 𝑹𝟑 .

ix) El conjunto de polinomios de grado 𝟐 es un subespacio de 𝑷𝟑 (F)

El espacio vectorial 𝑷𝟐

Sea 𝑽 = 𝑷𝟐 el conjunto de polinomios con coeficientes reales de grado menor o igual a 𝒏 = 𝟐.

Si 𝒑 ∈ 𝑷𝟐 , entonces 𝒑(𝒙) = 𝒂𝟐 𝒙𝟐 + 𝒂𝟏 𝒙𝟏 + 𝒂𝟎 donde cada 𝒂𝒊 es real. La suma de 𝒑(𝒙) +
𝒒(𝒙) está definida de la manera usual: si

𝒒(𝒙) = 𝒃𝟐 𝒙𝟐 + 𝒃𝟏 𝒙𝟏 + 𝒃𝟎

Entonces

𝒑(𝒙) + 𝒒(𝒙) = (𝒂𝟐 + 𝒃𝟐 )𝒙𝟐 + (𝒂𝟏 + 𝒃𝟏 )𝒙𝟏 + (𝒂𝟎 + 𝒃𝟎 )

Es obvio que la suma de dos polinomios de grado menor o igual a 𝒏 = 𝟐 es otro polinomio de
grado menor o igual a 𝒏 = 𝟐, por lo que se cumple el axioma 𝑖). Las propiedades ii) y v) a x)
son claras. Si se define el polinomio 𝟎 = 𝟎𝒙𝟐 + 𝟎𝒙𝟏 + 𝟎, entonces 𝟎 ∈ 𝑷𝟐 y el axioma iii) se
cumple. Por último, sea −𝒑(𝒙) = −𝒂𝟐 𝒙𝟐 − 𝒂𝟏 𝒙𝟏 − 𝒂𝟎 ; se ve que el axioma iv) se cumple, con
lo que 𝑷𝟐 es un espacio vectorial real en 𝑹𝟐 . Es subespacio de sí mismo
 Ejercicios 5.1

5. El conjunto de matrices diagonales de 𝒏𝒙 𝒏 bajo la multiplicación (es decir, 𝑨 ⊕ 𝑩 = 𝑨𝑩).

Solución:

Sea 𝑺𝒏 el conjunto de matrices diagonal de 𝒏𝒙𝒏 con 𝒂𝒊𝒋𝒂 = 𝟎, 𝒔𝒊 𝒊 ≠ 𝒋. Se define la “suma”

𝑨 ⊕ 𝑩 por 𝑨 ⊕ 𝑩 = 𝑨𝑩. Si 𝑨 y 𝑩 son invertibles, entonces 𝑨𝑩 es invertible,

De manera que el axioma i) se cumple.

El axioma ii) es sencillamente la ley asociativa para la multiplicación de matrices;

Los axiomas iii) y iv) se satisfacen con 𝟎 = 𝑰𝒏 𝒚 − 𝑨 = 𝑨−𝟏 . Como 𝑨𝑩 ≠ 𝑩𝑨 en general;

entonces el axioma iv) no se cumple y por lo tanto las matrices diagonal 𝑺𝒏 no es un espacio
vectorial.

7. Los vectores en el plano que está en el primer cuadrante.

Sea (𝑥, 𝑦) ∈ 𝑅 2 𝑐𝑜𝑛 𝑥 ≥ 0, 𝑦 𝑦 ≥ 0, cumple con la propiedad conmutativa y distributiva, pero

no existe el elemento inverso tal que:

(𝑥, 𝑦) + (𝑥1 , 𝑦1 ) = (0, 0)

Ya que 𝑥 ≥ 0, 𝑦 𝑦 ≥ 0, no es un espacio vectorial

9. El conjunto de polinomios de grado 4 bajo las operaciones del ejemplo 7.

Sea 𝑽 = 𝑷𝟒 el conjunto de polinomios con coeficientes reales de grado menor o igual a 𝒏 = 𝟒.

Si 𝒑 ∈ 𝑷𝟒, entonces 𝒑(𝒙) = 𝒂𝟒 𝒙𝟒 + 𝒂𝟑 𝒙𝟑 + 𝒂𝟐 𝒙𝟐 + 𝒂𝟏 𝒙𝟏 + 𝒂𝟎 donde cada 𝒂𝒊 es real. La
suma de 𝒑(𝒙) + 𝒒(𝒙) está definida de la manera usual: si

𝒒(𝒙) = 𝒃𝟒 𝒙𝟒 + 𝒃𝟑 𝒙𝟑 + 𝒃𝟐 𝒙𝟐 + 𝒃𝟏 𝒙𝟏 + +𝒃𝟎

Entonces

𝒑(𝒙) + 𝒒(𝒙) = (𝒂𝟒 + 𝒃𝟒 )𝒙𝟒 + (𝒂𝟑 + 𝒃𝟑 )𝒙𝟑 + (𝒂𝟐 + 𝒃𝟐 )𝒙𝟐 + (𝒂𝟏 + 𝒃𝟏 )𝒙𝟏 + (𝒂𝟎 + 𝒃𝟎 )

Es obvio que la suma de dos polinomios de grado menor o igual a 𝒏 = 𝟒 es otro polinomio de
grado menor o igual a 𝒏 = 𝟒, por lo que se cumple el axioma 𝑖). Las propiedades ii) y v) a x)
son claras.

Si se define el polinomio 𝟎 = 𝟎𝒙𝟒 + 𝟎𝒙𝟑 + . 𝟎𝒙𝟐 + 𝟎𝒙𝟏 + 𝟎, entonces 𝟎 ∈ 𝑷𝟒 y el axioma iii)

se cumple. Por último, sea −𝒑(𝒙) = −𝒂𝟒 𝒙𝟒 − 𝒂𝟑 𝒙𝟑 − 𝒂𝟐 𝒙𝟐 − 𝒂𝟏 𝒙𝟏 − 𝒂𝟎 ; se ve que el
axioma iv) se cumple, con lo que 𝑷𝟒 es un espacio vectorial real. Si no se define 𝟎 y −𝒑(𝒙) no
es un subespacio vectorial

Ejercicios 5,2

5. 𝑽 = 𝑹𝟑 ; 𝑯 = 𝒆𝒍 𝒑𝒍𝒂𝒏𝒐 𝒙𝒚
 𝒙
Como 𝑯 = 𝒆𝒍 𝒑𝒍𝒂𝒏𝒐 𝒙𝒚 se define por 𝑯 = (𝒚) , 𝒙, 𝒚, 𝟎 ∈ 𝑹,
𝟎

𝑯 𝑢𝑛 𝑠𝑢𝑏𝑒𝑠𝑜𝑝𝑎𝑐𝑖𝑜 𝑐𝑜𝑛 𝑙𝑜𝑠 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝒖 𝑦 𝒗 𝑑𝑒 𝑙𝑎 𝑓𝑜𝑟𝑚𝑎

𝒙 𝒛
𝒖 = (𝒚) 𝒚 𝒖 = (𝒘) , 𝒄𝒐𝒏 𝒙, 𝒚, 𝒛, 𝒘, 𝟎 ∈ 𝑹
𝟎 𝟎
𝒙 𝒛 𝒙+𝒛 𝒙+𝒛
𝒖 + 𝒗 = (𝒚) + (𝒘) , 𝒖 + 𝒗 = (𝒚 + 𝒘) = (𝒚 + 𝒘)
𝟎 𝟎 𝟎+𝟎 𝟎
𝒙+𝒛
(𝒚 + 𝒘) ∈ 𝑯
𝟎

Sea
𝒙 𝒙 𝜶𝒙
𝜶 ∈ 𝑹, 𝒚 𝒖 = (𝒚) ∈ 𝑯, 𝒆𝒏𝒕𝒐𝒄𝒏𝒄𝒆𝒔 𝜶𝒖 = 𝜶 (𝒚) , 𝜶𝒖 = (𝜶𝒚)
𝟎 𝟎 𝟎
𝜶𝒙
(𝜶𝒚) ∈ 𝑯
𝟎
𝟎
Y (𝟎) ∈ 𝑯, 𝑯 𝒆𝒔 𝒔𝒖𝒃𝒆𝒔𝒑𝒂𝒄𝒊𝒐 𝒗𝒆𝒄𝒕𝒐𝒓𝒊𝒂𝒍
𝟎

6. 𝑽 = 𝑹𝟐 ; 𝑯 = {𝒙𝟐 + 𝒚𝟐 ≤ 𝟏}

Corresponde a todos los puntos del plano dentro de la circunferencia de radio menor o igual a
1, en donde existe el elemento (𝟎, 𝟎) ∈ 𝑯, a cada

(𝒙, 𝒚), 𝒍𝒆 𝒄𝒐𝒓𝒓𝒆𝒔𝒑𝒐𝒏 𝒅𝒆 𝒖𝒏 𝒆𝒍𝒆𝒎𝒏𝒕𝒐 (−𝒙, −𝒚)

De manera que:

(𝒙, 𝒚) + (−𝒙, −𝒚) = (𝟎, 𝟎) ∈ 𝑯

Para todo 𝜶 ∈ 𝑹, 𝜶(𝒙, 𝒚) = (𝜶𝒙, 𝜶𝒚) ∈ 𝑯

7. 𝑽 = 𝑹𝟐 ; 𝑯 = {(𝒙, 𝒚): 𝒙𝟐 + 𝒚𝟑 < 𝟏}

𝒙𝟏 𝒙𝟐 𝒙𝟏 𝒙𝟐
Sea 𝒖 = (𝒚 ) , 𝒚 𝒖 = (𝒚 ), 𝒙𝟐𝟏 + 𝒚𝟑𝟏 < 𝟏 𝒚 𝒙𝟐𝟐 + 𝒚𝟑𝟐 < 𝟏, 𝒆𝒏𝒕𝒐𝒏𝒄𝒆𝒔 𝒖 + 𝒗 = (𝒚 ) + (𝒚 )
𝟏 𝟐 𝟏 𝟐

𝒙 +𝒙
𝒖 + 𝒗 = (𝒚𝟏 + 𝒚𝟐 )
𝟏 𝟐
 (𝒙𝟏 + 𝒙𝟐 )𝟐 + (𝒚𝟏 + 𝒚𝟐 )𝟑 < 𝟏

(𝒙𝟐𝟏 + 𝟐𝒙𝟏 𝒙𝟐 + 𝒙𝟐𝟐 ) + (𝒚𝟑𝟏 + 𝟐𝒚𝟐𝟏 𝒚𝟐 + 𝟐𝒚𝟏 𝒚𝟐𝟐 + 𝒚𝟑𝟐 ) < 𝟏

𝒙𝟐𝟏 + 𝟐𝒙𝟏 𝒙𝟐 + 𝒙𝟐𝟐 + 𝒚𝟑𝟏 + 𝟐𝒚𝟐𝟏 𝒚𝟐 + 𝟐𝒚𝟏 𝒚𝟐𝟐 + 𝒚𝟑𝟐 < 𝟏

(𝒙𝟐𝟏 + 𝒚𝟑𝟏 ) + (𝒙𝟐𝟐 + 𝒚𝟑𝟐 ) + 𝟐𝒙𝟏 𝒙𝟐 + 𝟐𝒚𝟐𝟏 𝒚𝟐 + 𝟐𝒚𝟏 𝒚𝟐𝟐 < 𝟏

(𝒙𝟐𝟏 + 𝒚𝟑𝟏 ) + (𝒙𝟐𝟐 + 𝒚𝟑𝟐 ) + 𝟐[𝒙𝟏 𝒙𝟐 + 𝒚𝟏 𝒚𝟐 (𝒚𝟏 + 𝒚𝟐 )] < 𝟏

𝑯 = 𝒏𝒐 𝒆𝒔 𝒖𝒏 𝒆𝒔𝒑𝒂𝒄𝒊𝒐 𝒗𝒆𝒄𝒕𝒐𝒓𝒊𝒂𝒍

Independencia lineal
En el estudio del álgebra lineal, una de las ideas centrales es la de dependencia o
independencia lineal de los vectores. En esta sección se define el significado de independencia
lineal y se muestra su relación con la teoría de sistemas homogéneos de ecuaciones y
determinantes. Empezamos tratando de contestar la siguiente pregunta: ¿existe una relación
𝟏 𝟐
especial entre los vectores 𝒗𝟏 = ( ) y 𝒗𝟐 = ( ) ? Por supuesto, se puede apreciar que
𝟐 𝟒
𝒗𝟐 = 𝟐𝒗𝟏 ; o si se escribe esta ecuación de otra manera, 𝟐𝒗𝟏 − 𝒗𝟐 = 𝟎,

𝟐𝒗𝟏 + (−𝟏)𝒗𝟐 = 𝟎, 𝜶𝒗𝟏 + 𝜷𝒗𝟐 = 𝟎, 𝜶 = 𝟐, 𝜷 = −𝟏

En otras palabras, el vector cero se puede escribir como una combinación no trivial de 𝒗𝟏 y 𝒗𝟐
(es decir, donde los coeficientes en la combinación lineal no son ambos cero). ¿Qué tienen de
especial los vectores:

𝟏 −𝟒 −𝟓
𝒗𝟏 = (𝟐) , 𝒗𝟐 = ( 𝟏 ) 𝒚 𝒗𝟑 = ( 𝟖 ) ?
𝟑 𝟓 𝟏𝟗

La respuesta a esta pregunta es más difícil a simple vista. Sin embargo, es sencillo verificar que
𝒗𝟑 = 𝟑𝒗𝟏 + 𝟐𝒗𝟐 ; reescribiendo esto se obtiene:

𝟑𝒗𝟏 + 𝟐𝒗𝟐 −𝒗𝟑 = 𝟎

𝒄𝟏 𝒗𝟏 + 𝒄𝟐 𝒗𝟐 +𝒄𝟑 𝒗𝟑 = 𝟎, 𝒄𝟏 = 𝟑, 𝒄𝟐 = 𝟐, 𝒄𝟑 = −𝟏

Se ha escrito el vector cero como una combinación lineal de 𝒗𝟏 , 𝒗𝟐 y 𝒗𝟑 . Parece que los dos
vectores en la ecuación sombreada y los tres vectores en la ecuación también sombreada
tienen una relación más cercana que un par arbitrario de dos vectores o una terna arbitraria
de tres vectores. En cada caso, se dice que los vectores son linealmente dependientes. En
términos generales, se tiene la importante definición que a continuación se presenta.

Definición
Dependencia e independencia lineal

Sean 𝒗𝟏 , 𝒗𝟐 , … , 𝒗𝒏, 𝒏 vectores en un espacio vectorial 𝑽. Entonces se dice que los vectores son
linealmente dependientes si existen 𝒏 escalares 𝒄𝟏 , 𝒄𝟐 , . . . , 𝒄𝒏 no todos cero tales que
 𝒄𝟏 𝒗𝟏 + 𝒄𝟐 𝒗𝟐 + ⋯ + 𝒄𝒏 𝒗𝒏 = 𝟎

Si los vectores no son linealmente dependientes, se dice que son linealmente independientes.

Para decirlo de otra forma, 𝒗𝟏 , 𝒗𝟐 , … , 𝒗𝒏 son linealmente independientes si la ecuación

𝒄𝟏 𝒗𝟏 + 𝒄𝟐 𝒗𝟐 + ⋯ + 𝒄𝒏 𝒗𝒏 = 𝟎

Se cumple únicamente para 𝒄𝟏 = 𝒄𝟐 = ⋯ = 𝒄𝒏 = 𝟎. Son linealmente dependientes si el vector

cero en 𝑽 se puede expresar como una combinación lineal de 𝒗𝟏 , 𝒗𝟐 , … , 𝒗𝒏 con coeficientes no
todos iguales a cero. ¿Cómo se determina si un conjunto de vectores es linealmente
dependiente o independiente? El caso de dos vectores es sencillo.

Teorema 1

Dependencia e independencia lineal

Dos vectores en un espacio vectorial son linealmente dependientes si y sólo si uno de ellos es
un múltiplo escalar del otro.

Demostración
Primero suponga que 𝒗𝟐 = 𝒄𝒗𝟏 para algún escalar 𝒄 ≠ 𝟎. Entonces 𝒄𝒗𝟏 − 𝒗𝟐 = 𝟎 y 𝒗𝟏 y
𝒗𝟐 son linealmente dependientes. Por otro parte, suponga que 𝒗𝟏 y 𝒗𝟐 son linealmente
dependientes. Entonces existen constantes 𝒄𝟏 y 𝒄𝟐 al menos uno distinto de cero, tales que

𝒄
𝒄𝟏 + 𝒄𝟐 = 𝟎. Si 𝒄𝟏 ≠ 𝟎, entonces dividiendo entre 𝒄𝟏 se obtiene 𝒗𝟏 + ( 𝟐 ) 𝒗𝟐 = 𝟎, o sea,
𝒄𝟏

𝒄𝟐
𝒗𝟏 = (− )𝒗
𝒄𝟏 𝟐

Es decir, 𝒗𝟏 es un múltiplo escalar de 𝒗𝟐 . Si 𝒄𝟏 = 𝟎, entonces 𝒄𝟐 ≠ 𝟎 y, por lo tanto,

𝒗𝟐 = 𝟎 = 𝟎𝒗𝟏

Ejemplo 1

Dos vectores linealmente dependientes en 𝑹𝟒

𝟐 𝟔
Los vectores 𝒗𝟏 = ( ) 𝒚 𝒗𝟏 = (𝟑) son linealmente dependientes ya que 𝒗𝟐 = −𝟑𝒗𝟏
−𝟏
𝟎 𝟎
𝟑 𝟗

𝟑𝒗𝟏 + 𝒗𝟐 = 𝟎

Ejemplo 2

Dos vectores linealmente dependientes en 𝑹𝟑

1 2
Los vectores (2) 𝑦 ( 5 ) son linealmente independientes; si no lo fueran, se tendría:
4 −3
 𝟐 𝟏 𝑐
2𝑐
( 𝟓 ) = 𝒄 (𝟐) = ( ) . Entonces 𝟐 = 𝒄, 𝟓 = 𝟐𝒄 𝒚 − 𝟑 = 𝟒𝒄, lo cual es evidentemente
−𝟑 𝟒 4𝑐
imposible para cualquier número 𝒄.

Ejemplo 3

Determinación de la dependencia o independencia lineal de tres vectores en 𝑹𝟑

1 2 0
Determine si los vectores (−2) , (−2) 𝑦 (1) son linealmente dependientes o
3 0 7
independientes.

Suponga que:

𝟏 𝟐 𝟎 𝟎
𝒄𝟏 (−𝟐) + 𝒄𝟐 (−𝟐) + 𝒄𝟑 (𝟏) = 𝟎 = (𝟎)
𝟑 𝟎 𝟕 𝟎

Entonces multiplicando y sumando se obtiene:

𝒄𝟏 + 𝟐𝒄𝟐 + 𝟎 = 𝟎
−𝟐𝒄𝟏 − 𝟐𝒄𝟐 + 𝒄𝟑 = 𝟎
𝟑𝒄𝟏 + 𝟎 + 𝟕𝒄𝟑 = 𝟎

Esto lleva al sistema homogéneo de tres ecuaciones con tres incógnitas 𝒄𝟏, 𝒄𝟐 , 𝒄𝟑 :

1 2 0 0 1 2 0 0 1 2 0 0 1 2 0 0
(−2 −2 1 0) → (0 2 1 0) → (0 2 1 0 ) → (0 2 1 0)
3 0 7 0 0 −6 7 0 0 0 13 0 0 0 1 0
1 2 0 0 1 2 0 0 1 0 0 0
(0 2 0 0) → (0 2 0 0) → (0 1 0 0)
0 0 1 0 0 0 1 0 0 0 1 0

El resultado es:

𝒄𝟏 = 𝟎, 𝒄𝟐 = 𝟎, 𝒄𝟑 = 𝟎

No tiene soluciones no triviales y los vectores dados son linealmente independientes

Ejemplo 4

Determinación de la dependencia lineal de tres vectores en 𝑹𝟑

1 3 11
Determine si los vectores (−3) , (0) 𝑦 (−6) son linealmente dependientes o
0 4 12
independientes.

La ecuación
 𝟏 𝟑 𝟏𝟏 𝟎
𝒄𝟏 (−𝟑) + 𝒄𝟐 (𝟎) + 𝒄𝟑 (−𝟔) = (𝟎)
𝟎 𝟒 𝟏𝟐 𝟎

Conduce al sistema homogéneo

𝒄𝟏 𝟑𝒄𝟐 𝟏𝟏𝒄𝟑 𝟎
−𝟑𝒄𝟏 𝟎 −𝟔𝒄𝟑 𝟎
𝟎 𝟒𝒄𝟐 𝟏𝟐𝒄𝟑 𝟎

Escribiendo el sistema (5.5.5) en la forma de matriz aumentada y reduciendo por renglones, se

obtiene

𝟏 𝟑 𝟏𝟏 𝟎 𝟏 𝟑 𝟏𝟏 𝟎 𝟏 𝟑 𝟏𝟏 𝟎
(−𝟑 𝟎 −𝟔 𝟎) → (𝟎 𝟗 𝟐𝟕 𝟎) → (𝟎 𝟏 𝟑 𝟎)
𝟎 𝟒 𝟏𝟐 𝟎 𝟎 𝟒 𝟏𝟐 𝟎 𝟎 𝟒 𝟏𝟐 𝟎
𝟏 𝟑 𝟏𝟏 𝟎 𝟏 𝟎 𝟐 𝟎
(𝟎 𝟏 𝟑 𝟎 ) → (𝟎 𝟏 𝟑 𝟎),
𝟎 𝟎 𝟎 𝟎 𝟎 𝟎 𝟎 𝟎

Nos podemos detener aquí ya que la teoría de la sección l.4 muestra que el sistema (5.5.5)
tiene un número infinito de soluciones. Por ejemplo, la última matriz aumentada se lee

𝒄𝟏 + 𝟐𝒄𝟑 = 𝟎, 𝒄𝟐 + 𝟑𝒄𝟑 = 𝟎,

Se hace 𝒄𝟑 = 𝟏, se tiene 𝒄𝟐 = −𝟑, 𝒚 𝒄𝟏 = −𝟐 de manera que puede verificarse:

𝟏 𝟑 𝟏𝟏 𝟎 𝟏 𝟑 𝟏𝟏 𝟎
𝒄𝟏 (−𝟑) + 𝒄𝟐 (𝟎) + 𝒄𝟑 (−𝟔) = (𝟎), (−𝟐) (−𝟑) + (−𝟑) (𝟎) + (𝟏) (−𝟔) = (𝟎)
𝟎 𝟒 𝟏𝟐 𝟎 𝟎 𝟒 𝟏𝟐 𝟎

Y los vectores son linealmente independientes

Ejemplo 5

Cuatro vectores en 𝑹𝟑 que son linealmente dependientes

Los vectores:

2 4 18 2
(−3) , ( 7 ) , (−11) 𝑦 (−7)
4 −6 4 3

Son linealmente dependientes ya que constituyen un conjunto de cuatro vectores de tres

elementos.

Ejemplo 6

Soluciones a un sistema homogéneo escritas como combinaciones lineales de vectores

solución linealmente independientes
Considere el sistema homogéneo

𝑥1 + 2𝑥2 − 𝑥3 + 2𝑥4 = 0, 3𝑥1 + 7𝑥2 + 𝑥3 + 4𝑥4 = 0

Haciendo una reducción de renglones

𝑥1 + 2𝑥2 − 𝑥3 + 2𝑥4 = 0

3𝑥1 + 7𝑥2 + 𝑥3 + 4𝑥4 = 0

𝟏 𝟐 −𝟏 𝟐 𝟎 𝟏 𝟐 −𝟏 𝟐 𝟎
( )→( )
𝟑 𝟕 𝟏 𝟒 𝟎 𝟎 𝟏 𝟒 −𝟐 𝟎
𝟏 𝟎 −𝟗 𝟔 𝟎
→( ),
𝟎 𝟏 𝟒 −𝟐 𝟎

El último sistema es:

𝑥1 + 0𝑥2 − 9𝑥3 + 6𝑥4 = 0

0𝑥1 + 1𝑥2 + 4𝑥3 − 2𝑥4 = 0

Se ve que este sistema tiene un número infinito de soluciones, que se escriben como una
combinación lineal de los vectores columna:

𝑥1 9𝑥3 − 6𝑥4 9 −6
𝑥2 −4𝑥3 + 2𝑥4
(𝑥 ) = ( 𝑥3 ) = 𝑥3 (−4) + 𝑥4 ( 2 )
3 1 0
𝑥4 𝑥4 0 1

9 −6
Observe que (−4) y ( 2 ) son soluciones linealmente independientes para el sistema,
1 0
0 1
porque ninguno de los dos es múltiplo del otro.

Como 𝒙𝟑 y 𝒙𝟒 son números reales arbitrarios, se ve que el conjunto de soluciones al sistema es

un subespacio de 𝑹𝟒 generado por estos dos vectores solución linealmente independientes.

Ejercicio 7

Tres vectores en 𝑹𝟑 generan 𝑹𝟑 si su determinante es diferente de cero

2 1 3
Los vectores (𝟐, −𝟏, 𝟒), (𝟏, 𝟎, 𝟐) 𝒚 (𝟑, −𝟏, 𝟓) generan 𝑹𝟑 porque |−1 0 −1| = −1 ≠ 0 y,
4 2 5
por lo tanto, son independientes.
 Ejercicios 5.4

Determine si el conjunto de vectores dado es linealmente dependiente o independiente.

9. Sean los vectores

1 0 1
(0) , (1), (1)
1 1 0

Son linealmente independientes?

1 0 1
𝛼 (0) + 𝛽 (1) + 𝛾 (1) = 0
1 1 0
𝛼+𝛾 =0 1 0 1 0 1 0 1 0
{𝛽 + 𝛾 = 0 , (0 1 1 0) → (0 1 1 0)
𝛼+𝛽 = 0 1 1 0 0 0 1 −1 0

1 0 1 0 1 0 1 0
(0 1 1 0 ) → (0 1 1 0) , 𝛾 = 0,
0 0 −2 0 0 0 1 0
𝛽 + 𝛾 = 0, 𝛽 = 0, 𝛼 ∓ 𝛽 + 𝛾 = 0, 𝛼 = 0

Los vectores son linealmente independientes

11. Sean los vectores

8 −11 12
(−7) , (−12), (−3)
8 −7 7
8 −11 12
𝛼 (−7) + 𝛽 (−12) + 𝛾 (−3) = 0
8 −7 7
8𝛼 − 11𝛽 + 12𝛾 = 0 8 −11 12 0 8 −11 12 0
{−7𝛼 − 12𝛽 − 3𝛾 = 0 , (−7 −12 −3 0) → (0 −173 60 0 )
8𝛼 − 7𝛽 + 7𝛾 = 0 8 −7 7 0 0 4 −5 0

8 −11 12 0 8 −11 12 0
(0 4 −5 0 ) → ( 0 4 −5 0 ) , 𝛾 = 0,
0 −173 60 0 0 0 625 0
4𝛽 − 5𝛾 = 0, 𝛽 = 0, 8𝛼 − 11𝛽 + 12𝛾 = 0, 𝛼 = 0

Los vectores son linealmente independientes

13. Sean los vectores

−3 7 1
( 4 ), (−1), (1)
2 3 8
Son linealmente independientes?

−3 7 1
𝛼 ( 4 ) + 𝛽 (−1) + 𝛾 (1) = 0
2 3 8
−3𝛼 + 7𝛽 + 𝛾 = 0 −3 7 1 0 2 3 8 0
{ 4𝛼 − 𝛽 + 𝛾 = 0 , (4 −1 1 0) → ( 4 −1 1 0)
2𝛼 + 3𝛽 + 8𝛾 = 0 2 3 8 0 −3 7 1 0

2 3 8 0 2 3 8 0
(0 −7 −15 0) → ( 0 −7 −15 0) , 𝛾 = 0, − 7𝛽 − 15𝛾 = 0,
0 23 26 0 0 0 163 0

𝛽 = 0, 𝛼 ∓ 𝛽 + 𝛾 = 0, 𝛼 = 0

Los vectores son linealmente independientes

31. ¿Para qué valor(es) de 𝜶 serán linealmente dependientes los vectores

1 2 3
(2) , (−1), (𝛼 )
3 4 4

Son linealmente independientes?

1 2 3
𝑚 (2) + 𝑛 (−1) + 𝑝 (𝛼 ) = 0
3 4 4
𝑚 + 2𝑛 + 3𝑝 = 0 1 2 3 0 1 2 3 0
{ 2𝑚 − 𝑛 + 𝛼𝑝 = 0 (2 −1 𝛼 0) → (0 −5 𝛼 − 6 0)
3𝑚 + 4𝑛 + 4𝑝 = 0 3 4 4 0 0 −2 −5 0

1 2 3 0
(0 −5 𝛼 − 6 0 ), (−2𝛼 − 13)𝑝 = 0, 𝑝 = 0, − 2𝛼 − 13 = 0
0 0 −2𝛼 − 13 0
13
−2𝛼 = 13, 𝛼=−
2

43. Escriba las soluciones a los sistemas homogéneos dados en términos de uno o más
vectores linealmente independientes.

𝑥1 + 𝑥2 + 𝑥3 = 0, 𝑥1 − 𝑥2 − 𝑥3 = 0

𝑥1 + 𝑥2 + 𝑥3 = 𝑢, 𝑥1 − 𝑥2 − 𝑥3 = 𝑣

1 1 1 0 1 1 1 0 1 1 1 0
( )→( )→( )
1 −1 −1 0 0 −2 −2 0 0 1 1 0
1 0 0 0
→( )
0 1 1 0

El sistema homogéneo queda:

𝑥1 + 0 + 0 = 0,
 0 + 𝑥2 + 𝑥3 = 0

Se ve que este sistema tiene un número infinito de soluciones, que se escriben como una
combinación lineal de los vectores columna:

𝑥1 0 0
(𝑥2 ) = (−𝑥3 ) = 𝑥3 (−1)
𝑥3 𝑥3 1

45. Escriba las soluciones a los sistemas homogéneos dados en términos de uno o más
vectores linealmente independientes.

𝑥1 + 3𝑥2 − 4𝑥3 = 0, 𝑥1 − 4𝑥3 = 0

𝑥1 + 3𝑥2 − 4𝑥3 = 0

𝑥1 + 0 − 4𝑥3 = 0

1 3 −4 0 1 3 −4 0 1 3 −4 0 1 0 −4 0
( )→( )→( )→( )
1 0 −4 0 0 −3 0 0 0 1 0 0 0 1 0 0

El sistema homogéneo queda:

𝑥1 + 0 − 4𝑥3 = 0,

0 + 𝑥2 + 0 = 0

Se ve que este sistema tiene un número infinito de soluciones, que se escriben como una
combinación lineal de los vectores columna:

𝑥1 4𝑥3 4
(𝑥2 ) = ( 0 ) = 𝑥3 (0)
𝑥3 𝑥3 1

Bases y dimensión
Se ha visto que en 𝑹𝟐 conviene escribir vectores como una combinación lineal de los vectores
1 0 0
𝟏 𝟎 𝟑
𝒊 = ( ) y 𝒋 = ( ) y. En 𝑹 se escribieron los vectores en términos de (0) , (1) 𝑦 (0).
𝟎 𝟏
0 0 1
Ahora se generalizará esta idea.

Definición:

Base
Un conjunto finito de vectores {𝒗𝟏 , 𝒗𝟐 , . . . , 𝒗𝒏 } es una base para un espacio vectorial V si:

i) {𝒗𝟏 , 𝒗𝟐 , . . . , 𝒗𝒏 } es linealmente independiente.

ii) {𝒗𝟏 , 𝒗𝟐 , . . . , 𝒗𝒏 } genera a 𝑽.

Todo conjunto de 𝒏 vectores linealmente independiente en 𝑹𝒏 es una base en 𝑹𝒏 .

En 𝑹𝒏 se define

1 0 0 0
0 1 0 0
𝒆𝟏 = 0 , 𝒆𝟏 = 0 , 𝒆𝟏 = 1 , … , 𝒆𝟏 = 0
⋮ ⋮ ⋮ ⋮
0
( ) 0
( ) 0
( ) 1
( )

Puesto que los vectores 𝒆𝒊 son las columnas de una matriz identidad (que tiene determinante
1), {𝒆𝟏 , 𝒆𝟐 , . . . 𝒆𝒏 } es un conjunto linealmente independiente y, por lo tanto, constituye una
base en 𝑹𝒏 . Esta base especial se denomina base canónica en 𝑹𝒏 . Ahora se encontrarán bases
para algunos otros espacios.

Ejemplo 1

Base canónica para 𝑷𝒏

Los polinomios 𝟏, 𝒙, 𝒙𝟐 𝒚 𝒙𝟑 son linealmente independientes en 𝑷𝟑 ; estos polinomios generan

𝑷𝟑 . Así, { 𝟏, 𝒙, 𝒙𝟐 𝒚 𝒙𝟑 } es una base para 𝑷𝟑 . En general, los monomios {𝟏, 𝒙, 𝒙𝟐 , 𝒙𝟑 , … , 𝒙𝒏 }
constituyen una base para 𝑷𝒏 . Ésta se denomina la base canónica para 𝑷𝒏 .

Ejemplo 2

Base canónica para 𝑴𝟐𝟐

1 0 0 1 0 0 0 0
Se tiene que: ( ),( ),( )𝑦 ( ) generan a 𝑴𝟐𝟐 . Si:
0 0 0 0 1 0 0 1
𝑐1 𝑐2 1 0 0 1 0 0 0 0 0 0
(𝑐 𝑐4 ) = 𝑐1 (0 0) + 𝑐2 (0 0) + 𝑐3 (1 0) + 𝑐4 (1 0) = (0 )
3 0

Entonces es evidente que 𝒄𝟏 = 𝒄𝟐 = 𝒄𝟑 = 𝒄𝟒 = 𝟎𝟏. Así, estas cuatro matrices son linealmente
independientes y forman una base para 𝑴𝟐𝟐 , lo que se denomina base canónica para 𝑴𝟐𝟐 .

Ejemplo 3

Una base para un subespacio de 𝑹𝟑

Encuentre una base para el conjunto de vectores que se encuentra en el plano:

𝒙
𝝅 = {(𝒚) : 𝟐𝒙 − 𝒚 + 𝟑𝒛 = 𝟎}
𝒛
En el ejemplo se observó que 𝝅 es un espacio vectorial. Para encontrar una base, primero se
𝒙
observa que si 𝒙 𝒚 𝒛 se escogen arbitrariamente y si(𝒚) ∈ 𝜋, entonces 𝒚 = 𝟐𝒙 + 𝟑𝒛. Así, los
𝒛
vectores en 𝝅 tienen la forma:

𝒙 𝒙 𝟎 𝟏 𝟎
(𝟐𝒙 + 𝟑𝒛) = (𝟐𝒙) + (𝟑𝒛) = 𝒙 (𝟐) + 𝒛 (𝟐)
𝒛 𝟎 𝒛 𝟎 𝟏
𝟏 𝟎
Lo cual muestra que (𝟐)y (𝟐) generan a 𝝅. Como es evidente que estos dos vectores son
𝟎 𝟏
linealmente independientes.

Si {𝒗𝟏 , 𝒗𝟐 , . . . , 𝒗𝒏 } es una base para 𝑽, entonces cualquier otro vector 𝒗 ∈ 𝑽 se puede escribir
como 𝒗 = 𝒄𝟏 𝒗𝟏 + 𝒄𝟐 𝒗𝟐 + . . . + 𝒄𝒏 𝒗𝒏 . ¿Puede escribirse de otra manera como una
combinación lineal de los vectores 𝒗𝒊 ? La respuesta es no (vea la observación que sigue a la
demostración del teorema 5.4.7 de la página 338, para el caso V 5 Rn ).

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

Demostración

Existe cuando menos un conjunto de dichos escalares porque {𝒗𝟏 , 𝒗 , . . . , 𝒗𝒏 } genera a 𝑽.

𝟐

Suponga entonces que 𝒗 se puede escribir de dos maneras como una combinación lineal de los
vectores de la base. Es decir, suponga que:

𝒗 = 𝒄𝟏 𝒗𝟏 + 𝒄𝟐 𝒗𝟐 + . . . + 𝒄𝒏 𝒗𝒏 , 𝒚

𝒗 = 𝒅𝟏 𝒗𝟏 + 𝒅𝟐 𝒗𝟐 + . . . + 𝒅𝒏 𝒗𝒏

Entonces, restando se obtiene la ecuación

𝒗 = 𝒄𝟏 𝒗𝟏 + 𝒄𝟐 𝒗𝟐 + . . . + 𝒄𝒏 𝒗𝒏 , 𝒚

−𝒗 = −𝒅𝟏 𝒗𝟏 − 𝒅𝟐 𝒗𝟐 − . . . − 𝒅𝒏 𝒗𝒏

𝒗 − 𝒗 = (𝒄𝟏 − 𝒅𝟏 )𝒗𝟏 + (𝒄𝟐 − 𝒅𝟐 )𝒗𝟐 + ⋯ + (𝒄𝒏 − 𝒅𝒏 )𝒗𝒏

Pero como los 𝒗𝒊 son linealmente independientes, esta ecuación se cumple si y sólo si

𝒄𝟏 − 𝒅𝟏 = 𝒄𝟐 − 𝒅𝟐 = ⋯ = 𝒄𝒏 − 𝒅𝒏 = 𝟎

Así,

𝒄𝟏 = 𝒅𝟏 , 𝒄𝟐 = 𝒅𝟐 , … , 𝒄𝒏 = 𝒅𝒏 , 𝒚

El teorema queda demostrado.

  Se ha visto que un espacio vectorial tiene múltiples bases.
 Una pregunta surge de manera natural:
 ¿contienen todas las bases el mismo número de vectores?
 En 𝑹𝟑 la respuesta es: por supuesto, sí. Para ver esto, se observa que cualesquiera tres
vectores linealmente independientes en 𝑹𝟑 forman una base.
 Pero menos vectores no pueden formar una base ya que, el espacio generado por dos
vectores linealmente independientes en 𝑹𝟑 es un plano —y un plano no es todo 𝑹𝟑 —.
 De manera similar, un conjunto de cuatro vectores o más en 𝑹𝟑 no puede ser
linealmente independiente, pues si los tres primeros vectores en el conjunto son
linealmente independientes, entonces forman una base; por lo tanto, todos los demás
vectores en el conjunto se pueden expresar como una combinación lineal de los
primeros tres.
 Entonces, todas las bases en 𝑹𝟑 contienen tres vectores. El siguiente teorema nos
indica que la respuesta a la pregunta anterior es sí para todos los espacios vectoriales.

Teorema
Si {𝒖𝟏 , 𝒖𝟐 , . . . , 𝒖𝒎 } y {𝒗𝟏 , 𝒗𝟐 , . . . , 𝒗𝒏 } son bases en un espacio vectorial 𝑽, entonces 𝒎 = 𝒏; es
decir, cualesquiera dos bases en un espacio vectorial 𝑽 tienen el mismo número de vectores.

Definición

Dimensión
Si el espacio vectorial 𝑽 tiene una base con un número finito de elementos, entonces la
dimensión de 𝑽 es el número de vectores en todas las bases y 𝑽 se denomina espacio vectorial
de dimensión finita. De otra manera, 𝑽 se denomina espacio vectorial de dimensión infinita.
Si 𝑽 = {𝟎}, entonces se dice que 𝑽 tiene dimensión cero.

Notación. La dimensión 𝑽 se denota por 𝒅𝒊𝒎 𝑽 = 𝒅𝒊𝒎 (𝑽)

Observación.

 No se ha demostrado que todo espacio vectorial tiene una base.

 Si 𝑽 tiene una base finita, entonces 𝑽 es de dimensión finita.
 De otra manera, 𝑽 tiene dimensión infinita.
 Por lo tanto, con el fin de demostrar que V tiene dimensión infinita, sólo es necesario
demostrar que V no tiene una base finita, lo que se puede hacer probando que V
contiene un número infinito de vectores linealmente independientes
 (vea el ejemplo 5.5.7).

Ejemplo 1)

La dimensión de 𝑹𝒏
Como 𝒏 vectores linealmente independientes en 𝑹𝒏 constituyen una base, se observa que

𝒅𝒊𝒎 𝑹𝒏 = 𝒏

Ejemplo 2)

La dimensión de 𝑃𝑛

Para el ejemplo:

Lo polinomios 1, 𝑥, 𝑥 2 𝑦 𝑥 3 son linealmente independientes en 𝑷𝟑 ; estos polinomios generan

𝑷𝟑 . Así, {1, 𝑥, 𝑥 2 𝑦 𝑥 3 } es una base de 𝑷𝟑 , en general los monomios {1, 𝑥, 𝑥 2 , 𝑥 3 , … , 𝑥 𝑛 }
constituyen una base para 𝑷𝒏 , ésta base se denomina la base canónica 𝑷𝒏

Y el problema:

𝑥1 + 𝑥2 + 𝑥3 − 𝑥4 − 𝑥5 = 0
−2𝑥1 + 3𝑥2 − 𝑥3 + 4𝑥4 − 6𝑥5 = 0
1 1 1 −1 −1 0 1 1 1 −1 −1 0
( )→( )
−2 3 −1 4 −6 0 0 5 1 2 −8 0

1 1 1 −1 −1 0 1 0 4/5 −7/5 3/5 0

→( −8/5 0 ) → (0 )
0 1 1/5 2/5 1 1/5 2/5 −8/5 0

4 7 3 4 7 3
𝑥1 + 𝑥3 − 𝑥4 + 𝑥5 = 0. 𝑥1 = − 𝑥3 + 𝑥4 − 𝑥5
5 5 5 5 5 5
1 2 8 1 2 8
𝑥2 + 𝑥3 + 𝑥4 − 𝑥5 = 0, 𝑥2 = − 𝑥3 − 𝑥4 + 𝑥5 = 0
5 5 5 5 5 5

Como el sistema tiene infinitas soluciones:

4 7 3
𝑥1 − −
5 5 5
𝑥2 1 2 8
𝑥3 = 𝑥3 −
5 + 𝑥4 −5 + 𝑥5 5
𝑥4 1 0 0
(𝑥5 ) 0 1 0
( 0 ) ( 0) ( 1 )

La solución del sistema homogéneo para 𝑥3 , 𝑥4, , 𝑥5 arbitrarios en términos de uno o más
vectores linealmente independientes.

Los polinomios constituyen una base en 𝑷𝒏 . Entonces 𝒅𝒊𝒎 𝑷𝒏 = 𝒏 + 𝟏.

Ejemplo 3)
La dimensión de 𝑴𝒎𝒏

En 𝑴𝒎𝒏 , sea 𝑨𝒊𝒋 la matriz de 𝒎 𝒙𝒏 con un uno en la posición 𝒊𝒋 y cero en otra parte. Es
sencillo demostrar que las matrices 𝑨𝒊𝒋 para 𝒊 = 𝟏, 𝟐, . . . , 𝒎 y 𝒋 = 𝟏, 𝟐, . . . , 𝒏 forman una base
para 𝑴𝒎𝒏 . Así 𝒅𝒊𝒎𝑴𝒎𝒏 = 𝒎𝒏.

Ejemplo 4)

𝑷 Tiene dimensión infinita,

Ningún conjunto finito de polinomios generan a 𝑷 Sea 𝑷 el espacio vectorial de polinomios.

Entonces ningún conjunto finito de polinomios genera a 𝑷. Para ver esto, suponga que
𝒑𝟏 , 𝒑𝟐 , . . . , 𝒑𝒎 son polinomios. Sea 𝒑𝒌 el polinomio de mayor grado en este conjunto y sea
𝑵 = 𝒈𝒓𝒂𝒅𝒐(𝒑𝒌). Entonces el polinomio 𝒑(𝒙) = 𝒙𝑵+𝟏 no se puede escribir como una
combinación lineal de 𝒑𝟏 , 𝒑𝟐 , . . . , 𝒑𝒎 . Por ejemplo, si 𝑵 = 𝟑, entonces 𝒙𝟒 ≠ 𝒄𝟎 + 𝒄𝟏 𝒙 +
𝒄𝟐 𝒙𝟐 + 𝒄𝟑 𝒙𝟑 para cualesquiera escalares 𝒄𝟎 , 𝒄𝟏, , 𝒄𝟐 𝒚 𝒄𝟑 .

Se observó que ningún conjunto finito de polinomios genera a 𝑷. Entonces 𝑷 no tiene una
base finita y, por lo tanto, es un espacio vectorial de dimensión infinita.

Existe un gran número de teoremas sobre la dimensión de un espacio vectorial.

Teorema
Suponga que 𝒅𝒊𝒎 𝑽 = 𝒏. 𝑺𝒊 𝒖𝟏 , 𝒖𝟐 , . . . , 𝒖𝒎 es un conjunto de 𝒎 vectores linealmente
independientes en 𝑽, entonces 𝒎 ≪ 𝒏.

Demostración
Sea 𝒗𝟏 , 𝒗𝟐 , . . . , 𝒗𝒏 una base para 𝑽. Si 𝒎 > 𝒏, entonces, se pueden encontrar constantes
𝒄𝟏 , 𝒄𝟐 , . . . , 𝒄𝒎 no todas cero, tales que la ecuación 𝒄𝟏 𝒖𝟏 + 𝒄𝟐 𝒖𝟐 + . . . + 𝒄𝒎 𝒖𝒎 = 𝟎 se satisface
satisface. Esto contradice la independencia lineal de los vectores 𝒖𝒊 . Así, 𝒎 ≤ 𝒏.

Teorema
Sea H un subespacio de un espacio vectorial de dimensión finita 𝑽. Entonces 𝑯 tiene
dimensión finita y

𝒅𝒊𝒎 𝑯 = 𝒅𝒊𝒎 𝑽

Demostración
Sea 𝒅𝒊𝒎 𝑽 = 𝒏. Cualquier conjunto de vectores linealmente independientes en 𝑯 es también
linealmente independiente en 𝑽. Cualquier conjunto linealmente independiente en 𝑯 puede
contener a lo más 𝒏 vectores. Si 𝑯 = {𝟎}, entonces 𝒅𝒊𝒎 𝑯 = 𝟎. Si 𝒅𝒊𝒎 𝑯 ≠ 𝟎}, sea 𝒗𝟏 ≠ 𝟎
un vector en 𝑯 y 𝑯𝟏 = 𝒈𝒆𝒏 {𝒗𝟏 }. Si 𝑯𝟏 = 𝑯, 𝒅𝒊𝒎 𝑯 = 𝟏 y la prueba queda completa.

De lo contrario, elija a 𝒗𝟐 ∈ 𝑯 tal que 𝒗𝟐 ∉ 𝑯𝟏 y sea 𝑯𝟐 = 𝒈𝒆𝒏 {𝒗𝟏 , 𝒗𝟐 }, y así sucesivamente.

Continuamos hasta encontrar vectores linealmente independientes 𝒗𝟏 , 𝒗𝟐 , . . . , 𝒗k tales que
𝑯 = 𝒈𝒆𝒏 {𝒗𝟏 , 𝒗𝟐 , . . . , 𝒗k }. El proceso tiene que terminar porque se pueden encontrar a lo más
𝒏 vectores linealmente independientes en 𝑯. Entonces 𝑯 = 𝒌 ≤ 𝒏

Ejemplo 5)

𝑪[𝟎, 𝟏] 𝒚 𝑪𝟏 [𝟎, 𝟏] Tienen dimensión infinita

Sea 𝑷[𝟎, 𝟏] el conjunto de polinomios definido en el intervalo [𝟎, 𝟏].

Entonces 𝑷[𝟎, 𝟏] ⊂ 𝑪[𝟎, 𝟏]. Si la dimensión de 𝑪[𝟎, 𝟏] fuera finita, entonces 𝑷[𝟎, 𝟏] también
tendría dimensión finita.

Pero según no es así. Por lo tanto, 𝑪[𝟎, 𝟏] tiene dimensión infinita. De manera similar, como
𝑷[𝟎, 𝟏] ⊂ 𝑪𝟏 [𝟎, 𝟏] (ya que todo polinomio es diferenciable), también se tiene que la
dimensión de 𝑪𝟏 [𝟎, 𝟏] es infinita.

En términos generales,

Cualquier espacio vectorial que contiene un subespacio de dimensión infinita es de dimensión

infinita.

Ejercicio 6)

Los subespacios de 𝑹𝟑

Se puede usar el teorema 5.5.4 para encontrar todos los subespacios de R3 .

Sea 𝑯 un subespacio de 𝑹𝟑 . Existen cuatro posibilidades:

𝑯 = {𝟎}, 𝒅𝒊𝒎 𝑯 = 𝟏, 𝒅𝒊𝒎 𝑯 = 𝟐 𝒚 𝒅𝒊𝒎 𝑯 = 𝟑.

Si 𝒅𝒊𝒎 𝑯 = 𝟑, entonces 𝑯 contiene una base de tres vectores linealmente independientes

𝒗𝟏 , 𝒗𝟐 , 𝒗𝟑 𝒆𝒏 𝑹𝟑 . Pero entonces 𝒗𝟏 , 𝒗𝟐 , 𝒗𝟑 también forman una base para 𝑹𝟑 , y así,

𝑯 = 𝒈𝒆𝒏 {𝒗𝟏 , 𝒗𝟐 , 𝒗𝟑 } = 𝑹𝟑

Por lo tanto, la única manera de obtener un subespacio propio de 𝑹𝟑 es teniendo

𝒅𝒊𝒎 𝑯 = 𝟏 𝒐 𝒅𝒊𝒎 𝑯 = 𝟐

Si 𝒅𝒊𝒎 𝑯 = 𝟏, entonces 𝑯 tiene una base que consiste en un vector 𝒗 = (𝒂, 𝒃, 𝒄). Sea
𝒙 𝒆𝒏 𝑯. Entonces 𝒙 = 𝒕(𝒂, 𝒃, 𝒄) para algún número real 𝒕

[𝒑𝒖𝒆𝒔𝒕𝒐 𝒒𝒖𝒆 (𝒂, 𝒃, 𝒄) 𝒈𝒆𝒏𝒆𝒓𝒂 𝒂 𝑯].

Si 𝒙 = (𝒙, 𝒚, 𝒛), esto significa que 𝒙 = 𝒂𝒕, 𝒚 = 𝒃𝒕, 𝒛 = 𝒄𝒕.

Pero ésta es la ecuación de una recta en 𝑹𝟑 que pasa por el origen con la dirección del vector
(𝒂, 𝒃, 𝒄).

Ahora, suponga que 𝒅𝒊𝒎 𝑯 = 𝟐 y sea 𝒗𝟏 = (𝒂𝟏 , 𝒃𝟏 , 𝒄𝟏 ) y 𝒗𝟐 = (𝒂𝟐 , 𝒃𝟐 , 𝒄𝟐 ) una base para 𝑯.
Si 𝒙 = (𝒙, 𝒚, 𝒛) ∈ 𝑯, entonces existen números reales 𝒔 y 𝒕 tales que
𝒙 = 𝒔𝒗𝟏 + 𝒕𝒗𝟐 𝒐 (𝒙, 𝒚, 𝒛) = 𝒔(𝒂𝟏 , 𝒃𝟏 , 𝒄𝟏 ) + 𝒕(𝒂𝟐 , 𝒃𝟐 , 𝒄𝟐 ). Entonces

𝑥 = 𝑠𝒂𝟏 + 𝒕𝒂𝟐
𝑦 = 𝑠𝒃𝟏 + 𝒕𝒃𝟐
𝑧 = 𝑠𝒄𝟏 + 𝒕𝒄𝟐

Sea 𝒗𝟑 = (𝜶, 𝜷, 𝜸) = 𝒗𝟏 × 𝒗𝟐 . Entonces, se tiene 𝒗𝟑 ⊙ 𝒗𝟏 = 𝟎 𝒚 𝒗𝟑 ⊙ 𝒗𝟐 = 𝟎. Ahora

calculamos:

𝜶𝒙 + 𝜷𝒚 + 𝜸𝒛 = 𝜶(𝑠𝒂𝟏 + 𝒕𝒂𝟐 ) + 𝜷(𝑠𝒃𝟏 + 𝒕𝒃𝟐 ) + 𝜸(𝑠𝒄𝟏 + 𝒕𝒄𝟐 )

𝜶𝒙 + 𝜷𝒚 + 𝜸𝒛 = 𝒔(𝜶𝒂𝟏 + 𝜷𝒃𝟏 + 𝜸𝒄𝟏 ) + 𝒕(𝜶𝒂𝟐 + 𝜷𝒃𝟐 + 𝜸𝒄𝟐 )

𝜶𝒙 + 𝜷𝒚 + 𝜸𝒛 = 𝒔(𝒗𝟑 ⊙ 𝒗𝟏 ) + 𝒕(𝒗𝟑 ⊙ 𝒗𝟐 )

Así, si (𝒙, 𝒚, 𝒛) ∈ 𝑯, entonces 𝜶𝒙 + 𝜷𝒚 + 𝜸𝒛 = 𝟎, lo que muestra que 𝑯 es un plano que pasa

por el origen con vector normal 𝒗𝟑 = 𝒗𝟏 × 𝒗𝟐 . Por lo tanto, se ha demostrado que

Los únicos subespacios propios de 𝑹𝟑 son los conjuntos de vectores que se encuentran en una
recta o un plano que pasa por el origen.

Ejemplo 7)

Una base para el espacio de solución de un sistema homogéneo

Encuentre una base (y la dimensión) para el espacio de solución 𝑺 del sistema homogéneo

𝒙 + 𝟐𝒚 − 𝒛 = 𝟎
𝟐𝒙 − 𝒚 + 𝟑𝒛 = 𝟎

Aquí:

𝟏 𝟐 −𝟏
𝑨=( )
𝟐 −𝟏 𝟑

Como 𝑨 es una matriz de 𝟐 × 𝟑, 𝑺 es un subespacio de 𝑹𝟑 . Reduciendo por renglones, se

encuentra, sucesivamente,

𝟏 𝟐 −𝟏 𝟎 𝟏 𝟐 −𝟏 𝟎 𝟏 𝟐 −𝟏 𝟎 𝟏 𝟎 𝟏 𝟎
𝑨=( )→( )→( )→( )
𝟐 −𝟏 𝟑 𝟎 𝟎 −𝟓 𝟓 𝟎 𝟎 𝟏 −𝟏 𝟎 𝟎 𝟏 −𝟏 𝟎

Entonces 𝒚 = 𝒛 y 𝒙 = −𝒛, de manera que todas las soluciones son de la forma

𝒙 −𝒛
(𝒚) = ( 𝒛 )
𝒛 𝒛
 −1
Así, ( 1 ) es una base para 𝑺 y 𝒅𝒊𝒎 𝑺 = 𝟏. Observe que 𝑺 es el conjunto de vectores que se
1
encuentran en la recta 𝒙 = −𝒕, 𝒚 = 𝒕, 𝒛 = 𝒕

Ejemplo 8)

Una base para el espacio de solución de un sistema homogéneo

Encuentre una base para el espacio de solución 𝑺 del sistema

2𝑥 − 𝑦 + 3𝑧 = 0
4𝑥 − 2𝑦 + 6𝑧 = 0
−6𝑥 + 3𝑦 − 9𝑧 = 0

Reduciendo renglones se obtiene

2 −1 3 0 2 −1 3 0
(4 −2 6 0 ) → (0 0 0 0)
−6 3 −9 0 0 0 0 0

Lo que da una sola ecuación: 𝟐𝒙 − 𝒚 + 𝟑𝒛 = 𝟎. 𝑺 Es un plano,

𝟐𝒙 − 𝒚 + 𝟑𝒛 = 𝟎, 𝟐𝒙 + 𝟑𝒛 = 𝒚

𝒙 𝟏 𝟎
(𝟐𝒙 + 𝟑𝒛) = 𝒙 (𝟐) + 𝒛 (𝟑)
𝒛 𝟎 𝟏
𝟏 𝟎
Lo cual muestra que (𝟐) 𝒚 (𝟑) generan a 𝑺. Como es evidente que estos dos vectores son
𝟎 𝟏
linealmente independientes (porque uno no es múltiplo del otro), son una base está dada por:

𝟏 𝟎
(𝟐)y (𝟑) y 𝒅𝒊𝒎 𝑺 = 𝟐.
𝟎 𝟏

AUTOEVALUACIÓN
Indique cuáles de los siguientes enunciados son verdaderos.

i) Cualesquiera tres vectores en 𝑹𝟑 forman una base para 𝑹𝟑 . (𝐹𝑎𝑙𝑠𝑜)

Si los vectores son 𝑳. 𝑰.

ii) Cualesquiera tres vectores linealmente independientes en 𝑹𝟑 forman una base para 𝑹𝟑
. (𝑉𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑜)

si son vectores 𝑳. 𝑰.

iii) Una base en un espacio vectorial es única. (𝐹𝑎𝑙𝑠𝑜)

Es un conjunto de vectores generadores, es un subespacio.

iv) Sea 𝑯 un subespacio propio de 𝑹𝟒 . Es posible encontrar cuatro vectores linealmente

independientes en 𝑯. (𝐹𝑎𝑙𝑠𝑜)

se puede encontrar algunos vectores linealmente independientes

𝒙
v) Sea 𝑯 = {(𝒚) ; 𝟐𝒙 + 𝟏𝟏𝒚 − 𝟏𝟕𝒛 = 𝟎} . Entonces 𝒅𝒊𝒎 𝑯 = 𝟐. (𝑉𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑜)
𝒛
𝟏𝟕 𝟐
𝟐𝒙 + 𝟏𝟏𝒚 − 𝟏𝟕𝒛 = 𝟎, 𝒚= 𝒛− 𝒙
𝟏𝟏 𝟏𝟏
𝒙 𝒙 𝟎 𝟏 𝟎
𝟏𝟕 𝟐 𝟐 𝟏𝟕 𝟐 𝟏𝟕
( 𝒛− 𝒙) = ( − 𝒙) + ( 𝒛) = 𝒙 (− ) + 𝒛 ( )
𝟏𝟏 𝟏𝟏 𝟏𝟏 𝟏𝟏 𝟏𝟏 𝟏𝟏
𝒛 𝟎 𝒛 𝟎 𝟏
𝒙
𝟏𝟕 𝟐 𝟏𝟏 𝟎
( 𝒛− 𝒙) = 𝒙 (−𝟐) + 𝒛 (𝟏𝟕)
𝟏𝟏 𝟏𝟏 𝟎 𝟏𝟏
𝒛
𝟏𝟏 𝟎
Los vectores (−𝟐) , (𝟏𝟕) son linealmente independientes
𝟎 𝟏𝟏

Como existen dos vectores linealmente independientes, 𝒅𝒊𝒎 𝑯 = 𝟐

vi) Sea {𝒗𝟏 , 𝒗𝟐 , . . . , 𝒗𝒏 } una base para el espacio vectorial 𝑽. Entonces no es posible encontrar
un vector 𝒗 ∈ 𝑽 tal que 𝒖 ∉ 𝒈𝒆𝒏 {𝒗𝟏 , 𝒗𝟐 , . . . , 𝒗𝒏 }. (𝑉𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑜)

El conjunto de los vectores generadores contiene a todos los vectores linealmente

independientes.

𝟐 𝟎 𝟎 𝟑 𝟎 𝟎 𝟎 𝟎
vii) ( ),( ),( )𝒚( )es una base para 𝑴𝟐𝟐 . (𝑉𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑜)
𝟎 𝟎 𝟎 𝟎 −𝟕 𝟎 𝟎 𝟏𝟐
2 0 0 3 0 0 0 0
Se tiene que: ( ),( ),( ) 𝑦 ( ) generan a 𝑴𝟐𝟐 . Si:
0 0 0 0 −7 0 0 12
𝑐1 𝑐2 2 0 0 3 0 0 0 0 0 0
(𝑐 𝑐4 ) = 𝑐1 (0 0) + 𝑐2 (0 0) + 𝑐3 (−7 0) + 𝑐4 (0 12) = (0 0)
3

Entonces es evidente que:

2𝑐1 = 0, 3𝑐2 = 0, − 7𝑐3 = 0, 12𝑐4 = 0

De manera que: 𝒄𝟏 = 𝒄𝟐 = 𝒄𝟑 = 𝒄𝟒 = 𝟎. Así, estas cuatro matrices son linealmente

independientes y forman una base para 𝑴𝟐𝟐 , lo que se denomina base canónica para 𝑴𝟐𝟐 .

(Página 358) ejercicios (7, 9, 15, 20 y 27).

Determine si el conjunto dado es una base para el espacio vectorial a que se refiere.
7) en 𝑷𝟐 : 𝟏𝟎 − 𝒙 − 𝟏𝟎𝒙𝟐 , −𝟐𝟑 + 𝟏𝟒𝒙 + 𝟓𝟑𝒙𝟐 , −𝟏 + 𝟒𝒙 + 𝟏𝟏𝒙𝟐

Debemos demostrar que el conjunto es linealmente independiente y que genere a 𝑷𝟐

𝒄𝟏 (𝟏𝟎 − 𝒙 − 𝟏𝟎𝒙𝟐 ) + 𝒄𝟐 (−𝟐𝟑 + 𝟏𝟒𝒙 + 𝟓𝟑𝒙𝟐 ) + 𝒄𝟑 (−𝟏 + 𝟒𝒙 + 𝟏𝟏𝒙𝟐 ) = 𝟎

(𝟏𝟎𝒄𝟏 − 𝒙𝒄𝟏 − 𝟏𝟎𝒙𝟐 𝒄𝟏 ) + (−𝟐𝟑𝒄𝟐 + 𝟏𝟒𝒙𝒄𝟐 + 𝟓𝟑𝒙𝟐 𝒄𝟐 ) + (−𝟏𝒄𝟑 + 𝟒𝒙𝒄𝟑 + 𝟏𝟏𝒙𝟐 𝒄𝟑 ) = 𝟎

𝟏𝟎𝒄𝟏 − 𝟐𝟑𝒄𝟐 − 𝒄𝟑 − 𝒙𝒄𝟏 + 𝟏𝟒𝒙𝒄𝟐 + 𝟒𝒙𝒄𝟑 − 𝟏𝟎𝒙𝟐 𝒄𝟏 + 𝟓𝟑𝒙𝟐 𝒄𝟐 + 𝟏𝟏𝒙𝟐 𝒄𝟑 = 𝟎

𝟏𝟎𝒄𝟏 − 𝟐𝟑𝒄𝟐 − 𝒄𝟑 = 𝟎

−𝒙𝒄𝟏 + 𝟏𝟒𝒙𝒄𝟐 + 𝟒𝒙𝒄𝟑 = 𝟎𝒙

−𝟏𝟎𝒙𝟐 𝒄𝟏 + 𝟓𝟑𝒙𝟐 𝒄𝟐 + 𝟏𝟏𝒙𝟐 𝒄𝟑 = 𝟎𝒙𝟐

𝟐𝟑𝒄𝟐 + 𝒄𝟑
𝒄𝟏 =
𝟏𝟎

+𝟏𝟒𝒄𝟐 + 𝟒𝒄𝟑 = 𝒄𝟏

𝟓𝟑𝒄𝟐 + 𝟏𝟏𝒄𝟑
= 𝒄𝟏
𝟏𝟎

Como 𝒄𝟏 tiene distintos valores lo cual no es correcto entonces el conjunto de polinomios de

grado menor o igual a dos no es una base.

9. Determine si el conjunto dado es una base para el espacio vectorial a que se refiere.

𝟑 𝟏 𝟑 𝟐 −𝟓 𝟏 𝟎 𝟏
En 𝑴𝟐𝟐 : ( ),( ),( ),( )
𝟎 𝟎 𝟎 𝟎 𝟎 𝟔 𝟎 −𝟕

Debemos demostrar que el conjunto es linealmente independiente y que genere a 𝑴𝟐𝟐

𝟑 𝟏 𝟑 𝟐 −𝟓 𝟏 𝟎 𝟏 𝟎 𝟎
𝒄𝟏 ( ) + 𝒄𝟐 ( ) + 𝒄𝟑 ( ) + 𝒄𝟒 ( )=( )
𝟎 𝟎 𝟎 𝟎 𝟎 𝟔 𝟎 −𝟕 𝟎 𝟎
𝟑𝒄𝟏 + 𝟑𝒄𝟐 − 𝟓𝒄𝟑 = 𝟎
𝒄𝟏 + 𝟐𝒄𝟐 + 𝒄𝟑 + 𝒄𝟒 = 𝟎
𝟎𝒄𝟑 = 𝟎
−𝟕𝒄𝟒 = 𝟎

Del sistema homogéneo se desprende que:

𝒄𝟑 = 𝟎, 𝒄𝟒 = 𝟎, 𝒄𝟏 = −𝟐𝒄𝟐 , 𝒄𝟏 = −𝒄𝟐

Como 𝒄𝟏 𝒚 𝒄𝟐 tiene diferente valor, el conjunto de matrices 2X2 no es una base

15. Encuentre una base para 𝑹𝟑 para el conjunto de vectores en el plano 𝟑𝒙 − 𝟐𝒚 + 𝟓𝒛 = 𝟎

𝒙
Sea {(𝒚) ∈ 𝑹𝟑 , 𝟑𝒙 − 𝟐𝒚 + 𝟓𝒛 = 𝟎}
𝒛
Sea el vector 𝟑𝒙 − 𝟐𝒚 + 𝟓𝒛 = 𝟎 se tiene que:

𝟐 𝟓
𝟑𝒙 = 𝟐𝒚 − 𝟓𝒛, 𝒙= 𝒚− 𝒛
𝟑 𝟑

𝟐 𝟓 𝟐 𝟓
𝒙 𝒚− 𝒛 𝒚 𝒛 𝟐/𝟑 𝟓/𝟑
(𝒚) = (𝟑 𝟑 ) = (𝟑 ) + (𝟑 ) = 𝒚 ( 𝟏 ) + 𝒛 ( 𝟎 )
𝒚 𝒚 𝟎
𝒛 𝟎 𝟏
𝒛 𝟎 𝒛

𝒙 𝟐 𝟓
𝒚− 𝒛 𝟐 𝟓
(𝒚) = (𝟑 𝟑 ) = 𝒚 ( 𝟑 ) + 𝒛 ( 𝟎)
𝒚
𝒛 𝟎 𝟑
𝒛
𝟐 𝟓
Los vectores base son: (𝟑) , (𝟎), la dimensión es 2 𝒅𝒊𝒎𝑽 = 𝟐
𝟎 𝟑

20. en 𝑹𝟒 sea 𝑯 = {(𝒙, 𝒚, 𝒛, 𝒘): 𝒂𝒙 + 𝒃𝒚 + 𝒄𝒛 + 𝒅𝒘 = 𝟎}, 𝒅𝒐𝒏𝒅𝒆 𝒂, 𝒃, 𝒄 𝒚 𝒅 ≠ 𝟎.

a) Demuestre que 𝑯 es un subespacio de 𝑹𝟒

Para que 𝑯 sea un suespacio de 𝑹𝟒 debe cumplir que:

i) Si 𝒎 = (𝒙𝟏 , 𝒚𝟏 , 𝒛𝟏 , 𝒘𝟏 ) ∈ 𝑯 y 𝒏 = (𝒙𝟐 , 𝒚𝟐 , 𝒛𝟐 , 𝒘𝟐 ) ∈ 𝑯, entonces 𝒎 + 𝒏 ∈ 𝑯.

ii) Si 𝒎 = (𝒙𝟏 , 𝒚𝟏 , 𝒛𝟏 , 𝒘𝟏 ) ∈ 𝑯, entonces 𝜶𝒎 ∈ 𝑯 para todo escalar 𝜶

Primero:

Si 𝒎 = (𝒙𝟏 , 𝒚𝟏 , 𝒛𝟏 , 𝒘𝟏 ) ∈ 𝑯 y 𝒏 = (𝒙𝟐 , 𝒚𝟐 , 𝒛𝟐 , 𝒘𝟐 ) ∈ 𝑯, entonces 𝒎 + 𝒏 ∈ 𝑯.

(𝒙𝟏 , 𝒚𝟏 , 𝒛𝟏 , 𝒘𝟏 ) + (𝒙𝟐 , 𝒚𝟐 , 𝒛𝟐 , 𝒘𝟐 ) = (𝒙𝟏 + 𝒙𝟐 , 𝒚𝟏 + 𝒚𝟐 , 𝒛𝟏 + 𝒛𝟐 , 𝒘𝟏 + 𝒘𝟐 ) ∈ 𝑯

Porque:

𝒂(𝒙𝟏 + 𝒙𝟐 ) + 𝒃(𝒚𝟏 + 𝒚𝟐 ) + 𝒄(𝒛𝟏 + 𝒛𝟐 ) + 𝒅(𝒘𝟏 + 𝒘𝟐 ) = 𝟎

(𝒂𝒙𝟏 + 𝒂𝒙𝟐 ) + (𝒃𝒚𝟏 + 𝒃𝒚𝟐 ) + (𝒄𝒛𝟏 + 𝒃𝒛𝟐 ) + (𝒅𝒘𝟏 + 𝒃𝒘𝟐 ) = 𝟎

𝒂𝒙𝟏 + 𝒂𝒙𝟐 + 𝒃𝒚𝟏 + 𝒃𝒚𝟐 + 𝒄𝒛𝟏 + 𝒃𝒛𝟐 + 𝒅𝒘𝟏 + 𝒃𝒘𝟐 = 𝟎

(𝒂𝒙𝟏 + 𝒃𝒚𝟏 + 𝒄𝒛𝟏 + 𝒅𝒘𝟏 ) + (𝒂𝒙𝟐 + 𝒃𝒚𝟐 + 𝒄𝒛𝟐 + 𝒅𝒘𝟐 ) = 𝟎

𝟎+𝟎 =𝟎

Segundo:

Si 𝒎 = (𝒙𝟏 , 𝒚𝟏 , 𝒛𝟏 , 𝒘𝟏 ) ∈ 𝑯, entonces 𝜶𝒎 ∈ 𝑯 para todo escalar 𝜶

(𝒙𝟏 , 𝒚𝟏 , 𝒛𝟏 , 𝒘𝟏 ) ∈ 𝑯 𝒚 𝜶 ∈ 𝑹, 𝜶(𝒙𝟏 , 𝒚𝟏 , 𝒛𝟏 , 𝒘𝟏 ) = (𝜶𝒙𝟏 , 𝜶𝒚𝟏 , 𝜶𝒛𝟏 , 𝜶𝒘𝟏 )

𝜶𝒙𝟏 + 𝜶𝒚𝟏 + 𝜶𝒛𝟏 + 𝜶𝒘𝟏 = (𝜶𝒂𝒙𝟏 + 𝜶𝒃𝒚𝟏 + 𝜶𝒄𝒛𝟏 + 𝜶𝒅𝒘𝟏 )

(𝜶𝒂𝒙𝟏 + 𝜶𝒃𝒚𝟏 + 𝜶𝒄𝒛𝟏 + 𝜶𝒅𝒘𝟏 ) = 𝜶(𝒂𝒙𝟏 + 𝒃𝒚𝟏 + 𝒄𝒛𝟏 + 𝒅𝒘𝟏 ) = 𝜶𝟎 = 𝟎

b) Encuentre una base para 𝑯

Sea el vector: 𝒂𝒙 + 𝒃𝒚 + 𝒄𝒛 + 𝒅𝒘 = 𝟎, se tiene:

𝒂 𝒄 𝒅
𝒚= − 𝒙− 𝒛− 𝒘
𝒃 𝒃 𝒃

𝒙 𝟏 𝟎 𝟎
𝒙 𝒂 𝒂 𝒄 𝒅
𝒚 − 𝒙 − − −
(𝒛) = ( 𝒃 ) = 𝒙 𝒃 + 𝒛 𝒃 + 𝒘 𝒃
𝒛 𝟎 𝟏 𝟎
𝒘 𝒘 ( 𝟎 ) ( 𝟎 ) ( 𝟏 )

𝒙 𝒙
𝒂 𝒃 𝟎 𝟎
𝒚 − 𝒙
( 𝒛 ) = ( 𝒃 ) = 𝒙 (−𝒂) + 𝒛 (−𝒄) + 𝒘 (−𝒅)
𝒛 𝟎 𝒃 𝟎
𝒘 𝒘 𝟎 𝟎 𝒃

𝒃 𝟎 𝟎
−𝒂 −𝒄 −𝒅
Los vectores ( ) , ( ) , ( ), linealmente independientes forman la base de 𝑯
𝟎 𝒃 𝟎
𝟎 𝟎 𝒃

c) ¿Cuánto vale 𝒅𝒊𝒎𝑯

la dimensión de 𝑯 es: 𝒅𝒊𝒎𝑯 = 𝟑:

27. Encuentre una base para el espacio de solución del sistema homogéneo dado.

−𝑥1 + 3𝑥2 − 12𝑥3 − 5𝑥4 = 0

7𝑥1 − 3𝑥2 + 𝑥3 − 9𝑥4 = 0

La matriz del sistema homogéneo es:

−1 3 −12 −5 0 1 −3 12 5 0 1 −3 12 5 0
( )→( )→( )
7 −3 1 −9 0 7 −3 1 −9 0 0 18 −83 −44 0
1 −3 12 5 0 1 0 −11/6 −7/3 0
→( )→( )
0 1 −83/18 −44/18 0 0 1 −83/18 −44/18 0

1 0 −11/6 −7/3 0
( )
0 1 −83/18 −22/9 0

11 7
𝑥1 = 𝑥3 + 𝑥4 = 0
6 3
83 22
𝑥2 = 𝑥3 + 𝑥 =0
18 9 4
 11 7
𝑥1 6 3
𝑥2 83 22
(𝑥 ) = 𝑥3 + 𝑥3
3 18 9
𝑥4 1 0
(0) (1)

𝑥1 33 21
𝑥2
(𝑥 ) = 𝑥3 ( ) + 𝑥3 (22)
83
3 18 0
𝑥4 0 9

La base del sistema homogéneo está dada por los vectores:

𝟑𝟑 𝟐𝟏
( ) , (𝟐𝟐)
𝟖𝟑
𝟏𝟖 𝟎
𝟎 𝟗