1

ESPACIOS VECTORIALES

2023-B
 Conceptos Concepto
preliminares
ESPACIO VECTORIAL Ejemplos básicos
Condiciones
2 ESCALAR Propiedades
VECTOR

SUBESPACIO VECTORIAL Concepto

Coordenadas Condiciones
DEPENDENCIA LINEAL S. V. PROPIO
COMBINACIÓN LINEAL INDEPENDENCIA LINEAL S. V. IMPROPIO

Resultados interesantes
BASE
SISTEMA GENERADOR
Dimensión de un espacio
COORDENADAS
Resultados interesantes vectorial
Resultados interesantes

Relación Dimensión de un
subespacio vectorial Rango de un sistema
de vectores
Aunque históricamente el primer trabajo de Álgebra Lineal consistió en
resolver sistemas de m ecuaciones lineales con n incógnitas,
comenzaremos este curso estudiando la estructura de espacio vectorial.
Los vectores libres del plano (del espacio) pueden sumarse unos con otros
(por la “ley del paralelogramo”) y multiplicarse por un número real:

Pero, ¿qué es un vector libre del plano?

Definimos como el conjunto de vectores con . Es
evidente que se puede pensar que cualquier punto en el plano es un vector
de (definición algebraica de vector), y viceversa. Sin embargo, para
muchas aplicaciones físicas (incluyendo las nociones de fuerza, velocidad,
aceleración y momento) es importante pensar en un vector no como un
punto sino como una entidad que tiene “longitud” y “dirección”.
 Tanto en Física como en Ingeniería
4 un vector se caracteriza por dos
magnitudes (longitud y dirección) y
se representa por un segmento recto
dirigido. Un vector en el plano puede
ubicarse en diferentes lugares. Sin
embargo, con independencia de
dónde esté situado, si la longitud y
dirección no varían se trata del
mismo vector.

El conjunto de los vectores libres del plano ( ) es sólo un ejemplo

entre los muchos ejemplos de objetos matemáticos que pueden sumarse
entre sí y multiplicarse por números reales, y que además satisfacen
unas mismas propiedades. Este ejemplo de los vectores libres del plano
(o el de los vectores libres del espacio) es importante porque su
representación geométrica ayuda a entender la definición general de
vector.
Algunos
5 ejemplos que podemos mencionar son:

 los propios números reales,

 los números complejos,
 los vectores en el plano,
 los vectores en el espacio,
 los polinomios de grado menor o igual que n,
 las funciones reales de variable real con dominio D,
 las funciones continuas en un intervalo,
 las funciones derivables en un punto,
 las funciones integrables en un intervalo,
 .....................................

Un vector puede ser un número, una n-tupla, un polinomio, una función

continua, etc.
Un poco de historia

El matemático alemán Grassmann es reconocido como el primero que

introdujo la idea de un espacio vectorial (aunque no lo llamó de esta manera,
sino sistema de números hipercomplejos) y de independencia lineal en 1844.
Desafortunadamente su trabajo era muy difícil de leer y no recibió la atención
que merecía.
Peano en su libro Calcolo geometrico (1898) acalaró el trabajo de Grassmann y
estableció los axiomas de espacio vectorial como los conocemos en la
actualidad. En este mismo libro introdujo las operaciones de conjuntos. Sus
notaciones ,  y  son las que todavía utilizamos, aunque no fueron
aceptadas de inmediato. La definición axiomática de Peano de un espacio
vectorial también tuvo muy poca influencia durante muchos años. Su
aceptación se produjo en 1918, después de que Hermann Weyl la repitiera en
su libro Space, time, matter, una introducción a la teoría de la relatividad
general de Einstein.
También podemos mencionar a William R. Hamilton, que durante los veinte
últimos años de su vida, dedicó la mayor parte de su creación matemática a
desarrollar la tería de un tipo especial de números, los cuaterniones. Con estos
trabajos cimentó la moderna noción de vector. Todavía hoy se utiliza la notación
i, j, k de Hamilton para los vectores de la base canónica en el espacio
tridimensional.
 ESTRUCTURA DE ESPACIO VECTORIAL
7REAL

Sean (cjto. números reales) y


operación interna en V

operación externa en V con


dominio de operadores

Definiremos cuando V es un espacio vectorial real

Como hemos visto, partimos de un conjunto no vacío V , cuyos
elementos
8 se denotan ..., y se denominan vectores y del cuerpo
conmutativo (estructura algebraica) de los números reales. En
general se puede trabajar con cualquier cuerpo conmutativo K y en
este curso surgirán algunos ejercicios con espacios vectoriales
complejos ( K= ).
La ley de composición interna se suele denotar con el símbolo de la
suma (  ) y se suele denominar suma de vectores. Es una
aplicación que a cada par de elementos de V les hace
corresponder el elemento, también de V, , denominado suma
de e .
La ley de composición externa con dominio de operadores (en
general, con dominio de operadores K) es una aplicación que
denominamos producto por un escalar y denotamos con el símbolo
del producto (  ) que a todo elemento de V y a todo elemento 
de (o K) hace corresponder el elemento .

OBSERVACIÓN.- ¿Es la suma de polinomios una ley de

composición interna sobre el conjunto de los polinomios de grado
exactamente 2?
 ESTRUCTURA DE ESPACIO VECTORIAL
9

1.- Para ( + ) (operación interna) se cumple:

2.- Para ( • ) (op. externa con dominio ) se cumple:

Los elementos de un espacio vectorial reciben el nombre genérico de
vectores y en general se utiliza la notación vectorial ( ,...) para
10
denotarlos. Esto no es obstáculo para que en algunos casos particulares
(polinomios, matrices, funciones,...) se utilice la notación propia en cada
caso.
Los axiomas 1 de la definición de espacio vectorial real se refieren a la
suma de vectores, los axiomas 2. c. y 2. d. se refieren exclusivamente a la
multiplicación por escalares (números reales) y las propiedades 2. a. y 2. b.
son las propiedades distributivas de una operación con respecto a otra.
A continuación presentamos varios ejemplos de espacios vectoriales. Para
comprobar que tienen estructura de espacio vectorial deberíamos ver que
se satisfacen los 8 axiomas de la definición con las operaciones suma y
producto por un escalar definidas. Este trabajo es muy sencillo y se basa
exclusivamente en propiedades de los números reales (no olvidar que
estamos trabajando, en principio, con espacios vectoriales reales). Dado
que también es una labor muy tediosa omitiremos las comprobaciones,
pero hay que insistir en que es absolutamente necesario comprobar los 8
axiomas.
 EJEMPLOS DE ESPACIOS VECTORIALES

-EJEMPLO 1.-

conjunto de los vectores libres del espacio

 ¿Cómo se suman dos vectores libres?

 ¿Cómo se multiplica un vector por un número real?

 ¿Cuál es el vector nulo?

 -EJEMPLO 2.-

 ¿Cómo se suman dos vectores libres?

 ¿Cómo se multiplica un vector por un número real?

 ¿Cuál es el vector nulo?

-EJEMPLO 3.- Conjunto de los polinomios de grado menor o igual que n.
13

 ¿Cómo se suman dos polinomios?

(coeficiente a coeficiente)

 ¿Cómo se multiplica un polinomio por un número real?

(se multiplica cada coeficiente por el número real)

 ¿Cuál es el polinomio nulo?

-EJEMPLO 4.- Conjunto de las matrices reales de m filas y n columnas.

14

 ¿Cómo se suman dos matrices?

elemento a elemento

 ¿Cómo se multiplica una matriz por un número real?

se multiplica cada elemento de la matriz por el número real

-EJEMPLO 5.- Conjunto de las funciones reales de variable real con dominio .
15

 ¿Cómo se suman dos funciones?

 ¿Cómo se multiplica una función por un número real?

 ¿Cuál es la función nula?

 EJEMPLOS DE ESPACIOS VECTORIALES
suma:
16 producto por un escalar:

vector nulo: vector opuesto:

suma:
producto por un escalar:

vector nulo:
vector opuesto:
suma: producto por un escalar:

vector nulo: vector

opuesto:

suma:
producto por un escalar:

vector nulo: vector opuesto:

Propiedades.- Sea V un e. v. real:
1.-
17

2.-
Al multiplicar cualquier escalar por el
3.- vector nulo obtenemos el vector nulo.

4.- Al multiplicar cualquier vector por el escalar

0 obtenemos el vector nulo.
5.-
6.- Esta propiedad
no es tan obvia
como puede parecer.
7.-

8.-
 Espacio Vectorial
Para que (V, *, K, ) sea espacio vectorial se debe verificar que:
Si xV e yV y  es un escalar del cuerpo K

1) x  V , y  V x*yV Ley de cierre para * composición interna en V

2) x, y, z : x, y, z  V  (x * y) * z = x * (y * z) Asociativa para *

3) 0  V / x : x  V  x * 0 = 0 * x = x Existe Elemento Neutro para *

4) x  V, x´  V / x * x´ = x´ * x = 0 Existe Elemento Inverso para *

5) x, y : x, y  V  x * y = y * x Conmutativa para *

Hasta aquí se verificaron condiciones en V respecto de *,

que hacen de (V, *) un grupo abeliano

Ahora en las restantes condiciones analizaremos el comportamiento de las

operaciones * y  entre elementos de V y de K
6) x  V,   V xV Ley de cierre

7) x  V , ,   K :   (  x) = (  )  x Asociativa

8) x, y  V,   K :   (x * y) =   x *   y

 es distributiva con respecto a *

9) x  V, ,   K : ( * )  x =   x *   x

 es distributiva con respecto a *

10) x  V :  x  1 = 1  x = x El elemento neutro de  es el 1 de K

1 a) Determinar si (R2, , R, ) es un espacio vectorial con las operaciones suma y
producto escalar - vector definidos por :
a) (a, b)  (c, d) = (a + c, b + d)  (a, b) , (c, d)  R2
  k  (a, b) = (k · a, k · b)  
 k  R ,  (a, b)  R2

1)  (a, b) , (c, d)  R2 (a, b)  (c, d) = (a + c, b + d)  R2 L.C.I.

2) (a, b), (c, d), (e, f)  R2 : [(a, b)  (c, d)]  (e, f) = (a, b)  [(c, d)  (e, f)]

[(a, b)  (c, d)]  (e, f) = (a + c, b + d) + (e, f) = (a + c + e, b + d + f)

(a, b)  [(c, d)  (e, f)] = (a, b) + (c + e, d + f) = (a + c + e, b + d + f) Asociativa

3)  (e1, e2)  R2 / (a, b) : (a, b)  R2  (a, b)  (e1, e2) = (a + e1, b + e2) = (a, b)
Existe Elemento Neutro para 
4)  (a, b) : (a, b)  R2, (a´,b´)  R2 / (a  a´, b  b´) = (e1, e2)
Existe Elemento Inverso para 

5)  (a, b); (c, d) : (a, b); (c, d)  R2  (a, b)  (c, d) = (c, d)  (a, b)
Conmutativa para 
6) (a, b)  R2,   R   (a, b) = ( · a,  · b)  R2
Ley de cierre para  con un escalar

7)  a, b)  R2 , ,   R :   [  (a, b)] =  · [ ( · a,  · b)] =

( ·  · a,  ·  · b) = ( · ) · (a, b)
Asociativa para  con R2 y R
8) (a, b), (c, d)  R2,   R :   [(a, b)  (c, d)] =  · [(a + c, b + d)] =
[ · (a + c),  · (b + d)] = ( · a +  · c,  · b +  · d) = = ( · a, 
· b) + ( · c,  · d) = [ · (a, b)] + [ · (c, d)]

 Es distributivo con respecto de en R2 

9)  (a, b)  R2, ,   R : (  )  (a, b) = [( + ) · a, ( + ) · b] = [( · a +

 · a), ( · b +  · b)] = [( · a,  · b) + ( · a,  · b)] = [  (a, b)]  [  (a, b)]

 Es distributivo con respecto de * en K

10)  1  R2 /  (a, b) : (a, b)  R2  1  (a, b) = (1 · a, 1 · b) = (a, b)

Existe Elemento Neutro para 

Se verifican todas las condiciones Es Espacio Vectorial

1 b) Determinar si (R2, , R, ) es un espacio vectorial con las
operaciones  y  definidas por :
(a, b)  (c, d) = (a + c, b + d)  (a, b) , (c, d)  R k•
(a, b) = (a, a)    k  R   (a, b)  R2
La operación  definida en R2 es la misma que la del ejercicio anterior, por
tanto las primeras cinco condiciones se verifican, estudiaremos las restantes

6) (a, b)  R2,   R   (a, b) = (  a,   b) = (a, a)  R2

Ley de cierre para  con un escalar
7)  (a, b)  R2 , ,   R :   [  (a, b)] =   [(  a,   b)] =   (a, a) = (a, a)
(  )  (a, b) = [(  )  a, (  )  b] = (a, a)
Asociativa para  con R2 y R

8) (a, b), (c, d)  R2,   R :   [(a, b)  (c, d)] =   [(a + c, b + d)] =

[  (a + c),   (b + d)] = (a + c, a + c) =[  (a, b)    (c,
d)] = (a, a) + (c, c) = (a + c, a + c)
 Es distributivo con respecto de * en R 2
9)  (a, b)  R2, ,   R : (  )  (a, b) = [( + )  a, ( + )  b] = (a, a) (
* )  (a, b) = [  (a, b)] + [  (a, b)] = (a,a) + (a,a) = (a + a, a + a )
Pero (a, a)  (a + a, a + a) No se verifica esta condición

 NO Es distributivo con respecto de * en R

NO Es Espacio Vectorial
 1 c) Determinar si (R2, , R, ) es un espacio vectorial con las
operaciones suma y producto escalar - vector definidos por :

(a, b)  (c, d) = ((a + c)/2, (b + d)/2)  (a, b) , (c, d)  R2

k • (a, b) = (k · a, k · b)  k  R   (a, b)  R2

1)  (a, b) , (c, d)  R2
a c b d
(a , b ) * (c , d )  ( , )  R2 L.C.I.
2 2

2) (a, b), (c, d), (e, f)  R2 : [(a, b) * (c, d)] * (e, f) = (a, b) * [(c, d) * (e, f)]
a c b d
[(a , b ) * (c , d )] * (e , f )  ( , ) * (e , f ) 
2 2
a c b d
e f
( 2 , 2 )  ( a  c  2e , b  d  2f )
2 2 4 4
c  e d f
(a , b ) * [(c , d ) * (e , f ]  (a , b ) * ( , )
2 2
c e d f
a b
( 2 , 2 )  ( 2a  c  e , 2b  d  f )
pero 2 2 4 4
a  c  2e b  d  2f 2a  c  e 2b  d  f
( , )  ( , )
4 4 4 4
* NO Es Asociativa en R2

NO Es Espacio Vectorial
 COMBINACIONES LINEALES

Sea V un espacio vectorial real:

COMBINACIÓN LINEAL.-
es combinación lineal de
cuando tales que:
COMENTARIOS.-

Dados los vectores y los escalares 1 , 2 ,..., n

(números reales), el vector definido por:

se llama combinación lineal de los vectores :

Algunas combinaciones lineales de los vectores son, por ejemplo:

El vector (2,1,1) de no es combinación lineal de los vectores (1,0,0) y

(1,1,0) de .
El polinomio x2+1 de no es combinación lineal de los polinomios x3+x–
1 , x+2 y 1 de .
Para comprobar si un vector es combinación lineal de m
vectores de se plantea la ecuación vectorial siguiente:

Utilizando las definiciones de las operaciones suma de vectores de y

producto de un vector de por un escalar realizamos la operación:

Teniendo en cuenta que dos vectores de son iguales si todas sus

componentes son iguales dos a dos, tenemos el siguiente sistema de n
ecuaciones lineales con m incógnitas :

Si el sistema es compatible determinado, entonces es combinación

lineal de los vectores
Si el sistema es incompatible, entonces NO es combinación lineal
de los vectores

El sistema nunca puede ser compatible indeterminado.

 27

SUGERENCIA.- Utilizar las técnicas de resolución de sistemas de

ecuaciones lineales conocidas (método de Gauss), que explicaremos
con detalle en el Tema 5 de este curso.
 SUBESPACIOS VECTORIALES

Algunos subconjuntos de un espacio vectorial V son a su vez espacios

vectoriales con las operaciones definidas en V.
Estos subconjuntos se denominan subespacios vectoriales.

SUBESPACIO VECTORIAL.-

es un subespacio vectorial de V, si es espacio vectorial con

las operaciones definidas en V.

 Subespacios vectoriales impropios

 Subespacios vectoriales propios: cualquier subespacio vectorial
de V distinto de y V.

Antes de dar ejemplos de subespacios vectoriales, es conveniente dar dos resultados

que hacen relativamente sencillo determinar si un subconjunto S de V es
subespacio vectorial de V.
 Para demostrar que , S, V es subespacio vectorial de V, NO ES
NECESARIO comprobar los 8 axiomas de la definición de espacio
29
vectorial.
• Un subconjunto S no vacío de V es s.v. de V si y sólo si cumple:

• Un subconjunto S no vacío de V es s.v. de V si y sólo si cumple:

Para demostrar que S , V es subespacio vectorial de V, basta con

comprobar que es un subconjunto no vacío (pues todo espacio vectorial
ha de contener al menos el vector nulo, luego es conveniente comprobar
que el vector nulo es un vector de S) y que S es cerrado bajo las
operaciones suma de vectores y producto por un escalar. El resto de las
propiedades son “heredadas” por S. Esto es lo que significan las dos
caracterizaciones de subespacio vectorial que acabamos de enunciar.
 En la práctica, para demostrar que
S NO es s. v. de V

o
Basta con comprobar
o una de estas tres cosas

Presentaremos a continuación algunos ejemplos de conjuntos con dos

operaciones (suma y producto por un escalar) que no tienen estructura de
espacio vectorial. Para demostrar que un conjunto no es espacio vectorial es
suficiente comprobar que no satisface alguno de los ocho axiomas de la
definición, pero basta con comprobar una de las tres condiciones arriba
mencionadas.
El conjunto de todos los números enteros con las operaciones normales de
suma y producto por un escalar no tiene estructura de espacio vectorial, ya
que el producto no es una operación cerrada.
-EJEMPLO 1.- El conjunto de los números enteros no tiene estructura de espacio
vectorial con las operaciones habituales de suma y producto por un escalar real.

0.51 = 0.5

escalar entero no entero

-EJEMPLO 2.- El conjunto de los polinomios de grado exactamente 2 no tiene
estructura de espacio vectorial.

El conjunto de los polinomios de grado exactamente 2 no tiene estructura

de espacio vectorial, ya que la suma no es una operación cerrada.
p(x) = x2 son polinomios de grado 2, pero su suma es un
polinomio de primer grado
q(x) = -x2+x+1
p(x) + q(x) = x+1
 INTERSECCIÓN DE SUBESPACIOS VECTORIALES.-
Si S , T son subespacios vectoriales de V, entonces:

1. S  T es subespacio vectorial de V.
2. S  T es el mayor de todos los subespacios vectoriales
de V incluidos en S y T.

La unión de subespacios vectoriales de V

no es necesariamente un subespacio vectorial de V.

En el siguiente apartado veremos una manera de encontrar y construir

subespacios de un espacio vectorial V. Este método nos será de gran
utilidad para demostrar, sin emplear las caracterizaciones de subespacio
vectorial del apartado anterior, que un subconjunto no vacío de un
espacio vectorial V es un subespacio vectorial de V.
 Subespacios
Dado un espacio vectorial (V, *, K, )

y el conjunto no vacío S  V S es un sub conjunto del conjunto V

Si S es un espacio vectorial sobre el mismo cuerpo K

y con las mismas leyes de composición interna que en V

(S, *, K, ) es un subespacio de (V, *, K, ) ó S es subespacio de V

Escribimos de otra manera : Si (S, *, K, ) es un

subespacio de (V, *, K, )
Si 1) S 
2) x  S  y  S  x + y  S (S, *) es un sub grupo
de (V, *)
3)   R  x  S   x  S

entonces el elemento neutro pertenece a S

 2 a) Si A = { (x, y)  R2 / x = y } Representamos gráficamente
Para analizar si A es subespacio, verificamos
x y=x y que se cumplan las tres condiciones suficientes
para que un conjunto sea subespacio.
2 2=2 2
Pero previamente verificamos que el vector
4 4=4 4 nulo pertenezca al conjunto A

Efectivamente (0,0)  A 1) A  

2) Si u  ( a , b ) con u  A  a  b
v  ( c,d ) con v  A  c  d
u v  ( a, b )  ( c,d )  ( a  c, b  d )
pero a  c  b  d  u v  A cerrada para la suma

3) Si  R  u  ( a,b) A
  u    ( a , b )  ( a , b )

pero a  b   u A cerrada para el producto

por un escalar
A es sub espacio de R2
 2 b) B = { (x, y) / y = 2 } Representamos gráficamente

x y=2 y Antes de analizar si es subespacio verificamos

si el vector nulo pertenece al conjunto B
2 2 2
Pero (0,0)  B B NO es sub espacio de R2
4 2 2
-6 2 2 2 c) C = { (x, y) / y + x = 3 }

x y = -x + 3 y
2 -2+3 1

6 -6+3 -3

Pero (0,0)  C C NO es sub espacio de R2

 para representar gráficamente, haciendo
2 d) D= { (x, y) / x = y / 2 } pasajes de términos, busco la forma y = f(x)

y y  2x
x  Ahora puedo confeccionar tabla de
2 valores y representar gráficamente
x y = 2x y
El nulo (0,0)  D porque 0 = 2  0
2 22 4 1) D  
4 42 8 2) Si u  (a , b )
con u  A  b  2a
v  (c , d ) con v  D  d  2c
u  v  (a , b )  (c , d )  (a  c , b  d )
(a  c , b  d )  (a  c ,2a  2c )  (a  c ,2  (a  c ))
luego b  d  2(a  c )  u  v  D cerrada para la suma
3) Si   R  u  (a , b )  D

u  D  b  2a  u  (a ,2a )
¿ podés hacer la interpretación
pero   u    (a ,2a )  (a ,  2a )  (a , b )
geométrica del producto ?
b   2a
cerrada para el producto por un escalar
D es sub espacio de R2
 2 e) E = { (1, 0, 0); (0, 1, 0); (0, 0, 1); (1, 2, 3); (1, 3, -1); (-2, 1,
4); (-3, -2, 5); (1, -1, 1); (2, -2, -3) }

Este conjunto tiene vectores de tres Trazamos un par de ejes

componentes, que se representan ortogonales x-y en el plano (como si
gráficamente en el espacio. fuera en el piso de una habitación
y a este par de ejes le incorporamos el eje z,
perpendicular al plano determinado por x-y en el
origen de coordenadas (0,0)
Al punto (1,0,0) le corresponde x = 1; y = 0 y z = 0
Al punto (0,1,0) le corresponde x = 0 ; y = 1; y z = 0
Al punto (0,0,1) le corresponde x = 0 ; y = 0; y z = 1
Al punto (1,2,3) le corresponde x = 1; y = 2 y z = 3
Al punto (1,3,-1) le corresponde x = 1; y = 3 y z = -1
Al punto (-2,1,4) le corresponde x = -2; y = 1 y z = 4
Al punto (-3,-2,5) le corresponde x = -3; y = -2 y z = 5
Al punto (1,-1,1) le corresponde x = 1; y = -1 y z=1
Al punto (2,-2,-3) le corresponde x = 2; y = -2 y z = -3
El vector nulo (0,0,0)  E
E NO es sub espacio de R2
 2 f) F = { (x, y, z) / z = 0 } Este conjunto tiene vectores de tres
componentes, que se representan
gráficamente en el espacio.
Pertenecen al conjunto
vectores como: (2, 1, 0); (-1, 2, 0); (6, -1, 0)
también el vector nulo (0,0,0)  F
al ser siempre la última componente 0 (z = 0)
Todos los vectores del conjunto F están en el plano x, y
cualquier punto del plano x, y  F

1) F   se verifica

2) u  ( a , b ,0 ) v  ( c , d ,0 )

u  v  ( a , b ,0 )  ( c , d , 0 )
u  v  ( a  c , b  d ,0  0 )  ( a  c , b  d ,0 )  F

3) u  ( a , b ,0 )
  u    ( a , b , 0 )  (   a ,   b ,   0 )  ( a ,  b , 0 )
si  = 2 (puede tomar
2  u  2  ( a , b ,0 )  ( 2  a ,2  b ,2  0 )  ( 2a ,2b ,0 )  F
cualquier otro valor)
F ES sub espacio de R2
 2 g) { (x, y, z) / y = 1 } Este conjunto tiene vectores de tres
componentes, que se representan
gráficamente en el espacio.
Pertenecen al conjunto
vectores como: (2, 1, 0); (-1, 1, 0); (6, 1, 0)
y cualquier otro vector que verifique y= 1
(no importa cuál sea x ó z)
pero el vector nulo (0,0,0)  F
F NO es sub espacio de R3

2 h) { (x, y, z) / x + y = 1 }

representamos la
recta x + y = 1
Cualquier par de valores de x e y
que verifiquen esa ecuación, con
cualquier valor de z pertenece al Pero (0,0,0)  H
conjunto de vectores

por ejemplo H NO es sub espacio de R3

(1,0,6); (-1,2,3); etc
 2 i) { (x, y, z) / x = 0, y = 0 } Este conjunto tiene vectores de tres
componentes, que se representan
gráficamente en el espacio.
Pertenecen al conjunto
vectores como: (0, 0, 4); (0, 0, 6); (0, 0, -2)
también el vector nulo (0,0,0)  I
al ser siempre las dos primeras componentes 0

Todos los vectores del conjunto I están contenidos

en el eje z

1) I   se verifica

2) u  ( 0,0, a ) v  (0,0, b )

u  v  ( 0,0, a )  ( 0,0, b )
u  v  ( 0  0,0  0, a  b )  ( 0,0, a  b )  I
3) u  ( 0,0, a )
  u    ( 0,0, a )  (   0,   0,   a )  ( 0,0, a )

I ES sub espacio de R2
 Combinación Lineal
Una combinación lineal del conjunto de vectores A = {v 1 v2 v3 . . . vn }

Es cualquier vector v = 1  v1 + 2  v2 + 3  v3 . . . n  vn con todos los i  K

Por ejemplo: dado el conjunto de vectores A = {v1 v2 v3 } donde

v1= (3,-1); v2 = (-4,6); v3 = (1, 2) Si 1 = 3 2 = -2 3 = -1
El vector v = 1v1 + 2v2 + 3v3 = 3  (3,-1) + (-2)  (-4,6) + (-1)  (1,2) =

v = (9,-3) + (8,-12) + (-1,-2) = (9 + 8 - 1; - 3 – 12 - 2) = (16; - 17) es combinación

lineal de A
Si hay alguna combinación lineal no trivial de los vectores del conjunto A, cuyo
resultado es el vector nulo, decimos que A es linealmente dependiente
Para saber si el conjunto A de nuestro ejemplo es L.D. Debemos plantear :
(0, 0) = 1  (3,-1) + 2  (-4,6) + 3  (1,2) = (31, -11) + (-42, 26) + (31,2) =

= (31 -42 + 3; -1 + 62 + 23)  31  42  3  0


 1  62  23  0

Sistema de dos ecuaciones con tres incógnitas

  31  42  3  0 (1) Lo resolvemos
Al sistema de ecuaciones  por sustitución
 1  62  23  0 (2)

De (1) 3  42  31 (3) Reemplazo 3 en (2) y tengo

 1  62  2( 42  31 )  0  1  62  82  61  0  7 1  142  0

7 1 1
Ponemos 2 en función de 1 2  2 
14 2

Ponemos 3 en función de 1, reemplazando 2  1 en (3)
2

3  4 1  31  21  31  3   1
2
Así es posible afirmar que para cualquier 1  0 ; 2 y 3 son también distintos de 0
Si 1 = 1 ; 2 = 1/2 y 3 = -1 v = 1v1 + 2v2 + 3v3 =
Con estos escalares es posible 1 con 1  0
v  1  ( 3,1 )  ( 4,6)  ( 1 )  ( 1,2) 
establecer una combinación lineal 2 2  0 y
v  ( 3, 1 )  ( 2,3)  ( 1, 2)  ( 3  2  1, 1  3  2 )  ( 0,0 ) 3  0

El vector nulo es combinación lineal de los vectores del conjunto A

Luego, los vectores de A son Linealmente Dependientes

 3 a) Para verificar si el vector (-1, 2, -1) es combinación lineal de

u  ( 2, 1, 1) v  ( 2, 1, 1 ) w  ( 1, 1, 0 )

Vamos a averiguar si es posible componer (-1, 2, -1) a partir de la

suma de los vectores u ; v; w
a  u  b v  c  w  ( 1,2, 1 ) Previamente multiplicados por escalares

2  ( 2, 1, 1 )  3  ( 2, 1, 1 )  1  ( 1, 1, 0 )  ( 1,2,1) a=2 b = 3 y c =1

( 4, 2, 2)  ( 6, 3, 3)  ( 1, 1, 0 )  ( 4  6  1; 2  3  1; 2  3  0 )  ( 1,2, 1 )

( 1,2, 1 ) Es combinación lineal de u v w

3 b) Para expresar u  ( 0, 4 ) v  ( 2, 4 ) como combinación lineal de i  ( 1,0 ) j  ( 0,1 )

escribimos u  1 i   2 j ( 0, 4 )  1 ( 1,0 )  2( 0,1 )  ( 1 ,0 )  ( 0, 2 )

 (1  0,0  2 )  (1 , 2 ) 1  0 2  4 u  0 i  4  j

v  1 i  2 j ( 2, 4 )  1( 1,0 )  2( 0,1 )  ( 1 ,0 )  ( 0, 2 )

 ( 1  0,0  2 )  ( 1 , 2 ) 1  2 2  4 v  2  i  4  j
SUBESPACIO VECTORIAL ENGENDRADO
POR UNA PARTE FINITA DE UN E. V.
Sea V un espacio vectorial real.
Sea G un conjunto (no vacío) de vectores de V:

Definimos como el conjunto formado por todas las combinaciones

lineales de los vectores:
-Ejemplos.-
45
SUBESPACIO VECTORIAL ENGENDRADO POR UNA COLECCIÓN
FINITA DE VECTORES DE V.-

En un mismo subespacio vectorial es posible encontrar

distintos sistemas de generadores


¿Cómo encontrar distintos sistemas de generadores
de un subespacio vectorial?

¿Cómo demostrar que S es s.v. de V?

-EJEMPLO- Demostrar que
48
 Algoritmo para hallar una base del subespacio vectorial engendrado por una
49 familia G de vectores

Sea . Para hallar una base del subespacio

vectorial podemos proceder del modo siguiente:
1.- Formar la matriz A de r filas y n columnas con los vectores
de G como filas.
2.- Realizar operaciones elementales de fila hasta llegar a una
matriz B escalonada y equivalente a la matriz A.
3.- Las filas no nulas de B constituyen una base del subespacio
engendrado por G.
 DEPENDENCIA E INDEPENDENCIA LINEAL

En el estudio del Álgebra Lineal, una de las ideas centrales es la

de dependencia o independencia lineal entre vectores.

Podemos plantearnos la siguiente pregunta. ¿Existe una

relación especial entre los vectores y ?

, o escrito de otro modo:

Es decir, el vector nulo se puede escribir como una combinación no trivial de

y . En este caso se dice que los vectores son linealmente dependientes. En
general, se tienen las siguientes definiciones:
SISTEMA LIBRE. SISTEMA LIGADO.-

es un sistema libre (o son vectores

linealmente independientes) si:

es un sistema ligado (o son

vectores linealmente dependientes) si:

A continuación enunciamos algunas propiedades de los

sistemas libres y ligados que nos pueden resultar útiles más
adelante.
PROPIEDADES.-
52
Las propiedades siguientes son resultados que se demuestran de forma
inmediata
53 a partir de los conceptos de sistema libre de vectores y sistema
ligado de vectores.

1. Todos los vectores de un sistema libre son no nulos.

2. Si un sistema de vectores contiene al vector nulo, entonces
es un sistema ligado.
3. sistema libre sii
4. Un sistema de dos vectores es un sistema ligado si y sólo si
uno de los vectores es “múltiplo” del otro.
5. Si a un sistema ligado se le añaden nuevos vectores, resulta
otro sistema ligado.
6. Todo subconjunto de un sistema libre es un sistema libre.
 PRUEBAS PARA LA DEPENDENCIA LINEAL
54

La consecuencia 3.- nos permite decir cuando un conjunto

formado por un único vector de un espacio vectorial V es un
sistema libre y cuando es un sistema ligado.
Del mismo modo, la consecuencia 4.- es una condición
necesaria y suficiente para que una familia formada por dos
vectores de un espacio vectorial V sea linealmente dependiente.
Cuando disponemos de una colección de más de dos vectores
tendremos que recurrir necesariamente, en principio, a la
definición para demostrar que se trata de un sistema libre o un
sistema ligado.
55
Para comprobar si una familia de vectores es linealmente
dependiente o linealmente independiente vamos a utilizar, en
muchos casos, el concepto de rango de una matriz.
Hablaremos de rango de una matriz en un tema posterior, pero
como es un concepto que muchos alumnos ya conocen,
conviene decir que, en general, resulta más cómodo y más
sencillo estudiar la dependencia o independencia lineal de
una familia de vectores utilizando el concepto de rango de una
matriz.
A partir del momento en el que definimos el concepto de
rango de una matriz resolveremos ejercicios de sistemas
libres y ligados utilizando la idea del rango de una matriz.
 56
BASES Y DIMENSIÓN DE UN
ESPACIO VECTORIAL
En este apartado presentaremos el concepto fundamental de una base de un
espacio vectorial. Como veremos, una base es un conjunto generador
“eficiente” que no contiene vectores innecesarios. De hecho, se puede
construir una base a partir de un conjunto generador desechando algunos
vectores innecesarios. Además, conocer una base de un espacio vectorial es
muy útil para comprender el espacio y sus propiedades.

BASE DE UN ESPACIO VECTORIAL.-

es una base del e.v. real V si:

B s. libre
B s. generador de V
-EJEMPLOS
57 DE BASES.-

-EJEMPLO 1.-

base canónica

-EJEMPLO 2.-

base canónica
EXISTENCIA DE BASES.-
58
Todo e.v. V engendrado por un sistema de generadores finito tiene al menos una
base.

Todas las bases del e.v. V poseen el mismo número de elementos. Entonces:

DIMENSIÓN DE UN ESPACIO VECTORIAL.-

El número de elementos que posee una base cualquiera de un e.v. V , recibe el
nombre de dimensión del e.v. V (dim V).

Esta información resulta muy útil

como se verá posteriormente
 -CONSECUENCIAS.-
Si59V es un e.v. con dim V = n, entonces:

En un espacio vectorial de dimensión n no puede haber más de n vectores linealmente independientes

n vectores l.i. de un e.v. V de dimensión n constituyen una base de V

Un s.g. de n vectores de un e.v. V de dimensión n constituye una base de V

Dos perspectivas de una base
Cuando se usa el teorema de la reducción de un conjunto generador, la
60
eliminación de vectores de un conjunto generador debe terminar cuando el
conjunto generador resulta linealmente independiente. Si se elimina otro vector,
no será combinación lineal de los vectores restantes y por lo tanto el conjunto
resultante ya no generará el mismo espacio vectorial V.
Una base también es un conjunto linealmente independiente que es lo más
grande posible. Si B es una base de V y si B se agranda con un vector,
digamos , de V, entonces el nuevo conjunto ya no puede ser linealmente
independiente, porque B genera V y es por lo tanto una combinación
lineal de los vectores de B.

Ejemplo.- Los siguientes tres conjuntos de muestran cómo un conjunto

linealmente independiente de dos vectores de puede agrandarse para
formar una base de y cómo un agrandamiento adicional destruye la
independencia lineal del conjunto. Este mismo ejemplo lo podemos ver desde
otra perspectiva: Un conjunto generador de formado por 4 vectores puede
encogerse para dar una base, pero una contracción adicional destruye la
propiedad de ser generador.
Cuando se conoce la dimensión de un espacio o subespacio vectorial, la búsqueda
de una base se simplifica con el resultado que damos a continuación, que dice que
61
si un conjunto tiene el número correcto de elementos, entonces basta con
demostrar que el conjunto es linealmente independiente o bien que genera el
espacio. El teorema es de importancia crítica en numerosos problemas de
aplicaciones (que tienen que ver con ecuaciones diferenciales o en diferencias, por
ejemplo) donde la independencia lineal es mucho más fácil de comprobar que la
propiedad de generar.

Según la consecuencia 3.-, conocida la dimensión de un e.v. V ( ,

), ¿cómo encontrar una base B de V?:
COORDENADAS DE UN VECTOR
62

Sea V e.v. real con base de V.

únicos tales que:

A los escalares (únicos) se les llama coordenadas

del vector en la base B.

Hallar las coordenadas del vector

• en la base canónica de
• en la base de
DIMENSIÓN DE UN SUBESPACIO VECTORIAL
63

Sea S s.v. de V y

B base de S si

: número de elementos de una base de S

Si dim V = n, y S es un s.v. de V, entonces:

 ¿Cómo encontrar una base B de un subespacio vectorial S?
64
B = G es s.g. de S
Hay que demostrar que B = G es s. libre

¿Cómo encontrar una base B de un espacio vectorial V?

Para encontrar una base de , basta con hallar n vectores l.i. de

, pues

Para hallar una base de , basta con hallar n + 1 polinomios l.i. de

, pues
 RANGO DE UN SISTEMA DE VECTORES
Sea
65 V espacio vectorial real y F una colección de vectores de V.

Se llama rango de F o (r(F)) al número máximo de

vectores linealmente independientes de F.
Volveremos a estudiar el concepto de rango de una familia de vectores dentro del marco
de la teoría de matrices. Esto nos permitirá desarrollar métodos más eficientes para
calcular el rango de una familia de vectores y también para hallar una base de un
subespacio vectorial generado por una familia de vectores.

Si F es un subconjunto del e.v. V que consta de m vectores y dim V = n

 Sistema de Generadores
Si un conjunto de vectores A, de un espacio vectorial (V, *, K, )

es tal que cualquier vector del espacio vectorial puede expresarse como
combinación lineal de los vectores del conjunto A
Se dice que A es un Sistema de Generadores de V

En la práctica, dado un conjunto de vectores A = { v 1 v2 v3 . . . vn }

Se busca escribir cualquier vector de V, como combinación lineal de los vectores de A

Base
Un conjunto de vectores A es Base de un Espacio Vectorial si:
Los vectores de A son linealmente independientes

A es un sistema de Generadores de V

Recuerde que los vectores son linealmente independientes, si al establecer

una combinación lineal, la única forma de obtener el vector nulo, es que todos
los escalares de la combinación lineal sean nulos
4 a) Para saber si A = { (1, 2) ; (-2, 1) } es base de R 2,

Averiguamos si (1, 2) y (-2, 1) son linealmente dependientes, haciendo

1 (1, 2) + 2 (-2, 1) = (0, 0) (1, 2 1) + (-2 2, 2) = (0, 0)

1  22  0
(1 -2 2 , 2 1 + 2) = (0, 0) entonces: 
21  2  0
Por ser un sistema de ecuaciones homogéneo, si el determinante principal
es distinto de 0, el conjunto de vectores es L.I. ya que 1 = 2 =0.
Pero si el determinante principal es igual a 0, el conjunto de vectores es
L.D. ya que al ser el sistema homogéneo admitirá múltiples soluciones.
1 2
  ( 1  4)  5 A es linealmente independiente
2 1

Investigamos la existencia de escalares reales 1 y 2 , que permitan escribir

cualquier vector como combinación lineal de los vectores del conjunto A
Entonces proponemos un vector cualquiera (x, y)  R2 y escribimos :

( x , y )  1( 1,2 )  2( 2,1 ) ( x , y )  ( 1 ,21 )  ( 22 , 2 )

( x , y )  ( 1  22 ,21  2 )
 ( x , y )  ( 1  22 ,21  2 ) Si dos vectores son iguales,
sus componentes son iguales
1  22  x
 Resolvemos el sistema, aplicando el método de los
21  2  y determinantes donde 1 y 2 son las incógnitas

1 2 x 2
  ( 1  1  2  ( 2 ))  ( 1  4 )  5  1   ( x  1  ( 2 )  y )  x  2y
2 1 y 1

1 x
Con los valores  2   ( 1  y  2  x )   2x  y
hallados de 2 y

planteamos 5  1  x  2y  3  2x  y

 1 x  2y  2  2x  y Vemos que para cada

1   2   vector (x, y), existirán
 5  5
valores de 1 y 2
A es un Sistema de Generadores de R2
x  2y 3  21  2x  y  23  1
Por ejemplo si v = ( 3, 1 ) 1    1  2    1
5 5 5 5
luego 1  ( 1,2)  2  ( 2,1 )  1  ( 1,2 )  ( 1)  ( 2,1)  ( 1,2 )  ( 2, 1 )  ( 3, 1 )

A es una Base de R2
4 b) Para saber si B = { (1, 2) ; (2, 4) } es base de R2,

Averiguamos si (1, 2) y (2, 4) son linealmente dependientes, haciendo

1 (1, 2) + 2 (2, 4) = (0, 0) (1, 2 1) + (2 2, 4 2) = (0, 0)

 1  22  0
(1 + 2 2 , 2 1 + 4 2) = (0, 0) entonces: 
21  42  0

Por ser un sistema de ecuaciones homogéneo, si el determinante principal

es distinto de 0, el conjunto de vectores es L.I. ya que 1 = 2 =0.
Pero si el determinante principal es igual a 0, el conjunto de vectores es
L.D. ya que al ser el sistema homogéneo admitirá múltiples soluciones.

1 2
  ( 4  4)  0 B es linealmente dependiente
2 4

B NO es Base
4 c) Para saber si C = { (1, 3) ; (1/2, -4) ; (17/5, 8) } es base de R 2,

verificamos si (1, 3) ; (1/2, -4) y (17/5, 8) son linealmente dependientes,

1 (1, 3) + 2 (1/2, -4) + 3 (17/5, 8) = (0, 0)

Tenemos así un sistema
1 17 homogéneo de dos ecuaciones
( 1 , 31 )  ( 2 ,  42 )  (  , 83 )  ( 0, 0 )
2 5 3 con tres incógnitas
1 17  1 17
( 1  2   , 31  42  83 )  ( 0, 0 )  1   2   0 (1)
2 5 3  2 5 3
( 2)
42  83  31  42  83  0
De (2) 1  Reemplazando en (1)
3
4 8 1 17 11 11 6
2  3   2   0 2  3  0  2   3
3 3 2 5 3 6 15 15 1  0
4( 6)  8  15
De manera que: si 3 = 15 ; 2 = - 6 1   48 2  0
3

( 48)( 1,3)  ( 6)(

1
, 4 )  15(
17
,8)  ( 48,144 )  ( 3,24 )  ( 51,120 ) 
3  0
2 5
( 48  3  51, 144  24  120 )  ( 0,0 ) Los vectores de C son L.D.

C NO es una Base de R2
4 d) Para saber si D = { (0, 0) ; (2, 1) } es una Base de R 2

Planteamos la siguiente expresión para averiguar si

los vectores de A son linealmente dependientes

a  (0,0)  b  (2,1)  (0,0) entonces

(a  0, a  0)  (b  2, b  1)  (0,0) (0,0)  (2b, b )  (0,0)

para a 0 b 0 Los vectores del conjunto A son

linealmente dependientes

cualquier conjunto de vectores al que pertenece el vector nulo,

es linealmente dependiente

A NO es una Base de R2
 Coordenadas de un vector
Si A   v 1 ;v 2  es una base de R 2
Cada vector de R2 puede expresarse
como una combinación lineal de A

ya que los vectores de A son linealmente Precisamente por ser A una

independientes y sistema de generadores base de R2

Entonces: si v  R2 existen y son únicos los escalares a y b  R

Tal que: v = a · v 1 + b · v2 Donde a y b se llaman

coordenadas del vector v
respecto de la base A

DIMENSION DE UN SUBESPACIO VECTORIAL

Es el cardinal (número de vectores) de cualquiera de sus bases

Por ejemplo B = { (x,y) / x = y } B es subespacio de R2

Son bases de B { (1, 1) } ; { (2, 2) }

La Dimensión de B es 1
(nº de vectores en cada base de B)
 5) Dados los vectores u  ( 1 2 ; 2) v  ( 3, 1 ) de R2 :
5 a)   Verificar que el conjunto A  { u ; v } es una base de R2
verificamos si (1/2 , 2) y (3, 1) son linealmente dependientes,
Tenemos así un sistema
1 (1/2, 2) + 2 (3, 1) = (0, 0) Base
homogéneo de dos ecuaciones
con dos incógnitas
1 Coordenadas
( , 21 )  ( 32 , 2 )  ( 0, 0 )
2 1
 1  32  0 (1)
 2
( 1  32 , 21  2 )  ( 0, 0 )  21  2  0
( 2)
2
1 1
De (2) 2  21 Reemplazando en (1)   3( 21 )  0   61  0
2 1 2 1
11 1  0  2  2  0 2  0
  0 Reemplazando en (2)
2 1
Los vectores son Linealmente Independientes
Investigamos la existencia de escalares reales 1 y 2 , que permitan escribir
cualquier vector como combinación lineal de los vectores del conjunto V
y escribimos : 1 (1/2, 2) + 2 (3, 1) = (x, y)
1 1
( x,y ) ( 1 ,21 )  ( 32 , 2 )  ( 1  32 ,21  2 )
2 2
 1 Si dos vectores son iguales,
( x,y ) (   32 ,21  2 )
2 1 sus componentes son iguales
1
 1  32  x Resolvemos el sistema, aplicando el método de los
2 Base
 21  2  y determinantes donde 1 y 2 son las incógnitas
Coordenadas
1
3 1 1 11 x 3

2
 (  1  2  3)  (  6 )    1   ( x  1  3  y )  x  3y
2 1 2 2 2 y 1
1
x 1 1
Con los valores  1 
2
 (  y  2  x )   2x  y Podemos ver que para
hallados de 2 y 2 2 cada vector (x, y),
11 1 existirán valores de 1
planteamos   1  x  3y   2  2x  y
2 2 y 2

x  3y
 1 ( 2 )( x  3y ) 2x 3y V es un Sistema
1     
 11 11 11 11 de Generadores

2 de R2
1  4x  y
  2x  y 4 1
2  2  2  2  x y
 11 11 11 2 V es una Base de R2
 
2 2
5 b) Para hallar las coordenadas del vector w  ( 4, 6)

En la base A = { u; v } donde u = ( ½ ; 2 ) ; v = ( 3, 1 )

Planteamos la siguiente expresión: w  a  u  b v que resulta Coordenadas

( 4,6)  a  ( 1 ,2)  b  (3,1) ( 4,6)  (a ,2a )  (3b, b )  (a  3b,2a  b )

2 2 2
A partir de esta expresión por la igualdad de los pares ordenados,
planteamos un sistema de dos ecuuaciones con dos incógnitas
a  3b  4
( 4,6)  (a  3b ,2a  b )  (1)
Si b = -2
2 2
 2a  b  6 (2)
a  8  6( 2)  8  12
De (1)
a 4
a
 4  3b a  2  (4  3b ) a  8  6b
2
Reemplazo a en (2) 2( 8  6b )  b  6  16  12b  b  6

 16  11b  6  11b  6  16  11b  22 b  2

6) a) dimensión de { (x, y) / x = y }

Si representamos gráficamente el conjunto, obtenemos una

recta (ver ejercicio 2a) donde

( x, y )  S  ( x, y ) = ( y, y )

Si y = 1 ( 1, 1 )  S

Con { (1, 1) } puedo generar cualquier otro

vector que esté contenido en la recta x = y
con multiplicar el vector por un escalar
estableciendo una combinación lineal

v  ( x , y )    ( 1,1 )

{ (1,1) } es una base de { (x, y) / x = y }

{ (2,2) } también es base de { (x, y) / x = y } Cantidad de vectores de

Dim (1) cualquier base del subespacio

Te queda comprobar que con esas bases (y con cualquier otra

base que vos propongas) se puede genera cualquier vector que
esté contenido en la recta y = x
6) b) dimensión de { (x, y) / x = y / 2 }

Si representamos gráficamente el conjunto, obtenemos una

recta (ver ejercicio 2d) donde:
( x, y )  S  ( x, y ) = ( x, 2x )

Si x = 1 ( 1, 2 )  S
Con { (1, 2) } puedo generar cualquier otro
vector que esté contenido en la recta x = y /2
con multiplicar el vector por un escalar

estableciendo una combinación lineal

v  ( x , y )    ( 1,2)

{ (1, 2) } es una base de { (x, y) / x = y / 2 }

{ (3, 6) } es una base de { (x, y) / x = y / 2 }
Cantidad de vectores de
Dim (1) cualquier base del subespacio
Te queda comprobar que con esas bases (y con cualquier otra
base que vos propongas) se puede generar cualquier vector que
esté contenido en la recta y = 2 x
6) c) La dimensión de { (x, y, z) / z = 0 }
Si representamos gráficamente el conjunto, obtenemos una
recta (ver ejercicio 2f)
( x, y, z )  S  ( x, y, z ) = ( x, y, 0 )

Si x = 1  y=4 ( 1, 4, 0 )  S
Con { (1, 4, 0) } NO puedo generar cualquier
otro vector que esté contenido en el plano x,y
Necesito otro vector, por ejemplo
Si x = 6  y = 3 ( 6, 3, 0 )  S
Con { (1, 4, 0); (6, 3, 0) } puedo generar cualquier
otro vector que esté contenido en el plano x,y

estableciendo una combinación lineal

v  ( x , y ,0 )    ( 1, 4,0 )  ( 6,3,0 )
Cantidad de vectores de
{ (1, 4, 0); (6, 3, 0) } es una base de { (x, y, z) / z = 0 } cualquier base del
subespacio
{ (3, 6, 0); (-1, 2, 0) } también es es una base de { (x, y) / x = y / 2 }
Dim (2)
Te queda comprobar que con esas bases (y con cualquier otra
base que vos propongas) se puede generar cualquier vector que
esté contenido en el plano (x, y, 0)
 6) d) La dimensión de { (x, y, z) / x = 0, y = 0 }

Si representamos gráficamente el conjunto, obtenemos una

recta (ver ejercicio 2i)

( x, y, z )  S  ( x, y, z ) = ( 0, 0, z )

Si z = 1 ( 0, 0, 1 )  S
Con { (0, 0, 1) } puedo generar cualquier otro
vector que esté contenido sobre el eje z

estableciendo una combinación lineal

v  ( 0,0, z )    ( 0,0,1 )

{ (0, 0, 1) } es una base de { (x, y, z) / x = 0, y = 0 }

{ (0, 0, 3) } también es es una base de { (x, y, z) / x = 0, y = 0 }

Cantidad de vectores de
Dim (1)
cualquier base del subespacio

Te queda comprobar que con esas bases (y con cualquier otra

base que vos propongas) se puede generar cualquier vector que
esté contenido en la recta (0, 0, z)