AL 2016

Espacios Vectoriales
Espacio vectorial
En Matemtica, los conjuntos tienen un particular inters debido a la naturaleza o a la aplicacin que se les da. Estas dos
caractersticas estn presentes en un tipo especial de conjunto utilizado para representar cantidades fsicas con
magnitud, direccin y sentido, y es conocido como espacio vectorial. A los elementos pertenecientes al espacio vectorial
se les conoce como vectores.

De manera bsica existen tres definiciones para un vector, todas encaminadas en un mbito diferente. As, el trmino
fsico es una cantidad con magnitud, direccin y sentido; en Geometra, el vector es un elemento director de un lugar
geomtrico en el plano o el espacio; finalmente, en lgebra, el vector es un elemento sobre el cual pueden aplicarse las
operaciones de suma y multiplicacin por un escalar. Este ltimo punto de vista ser el abordado de ahora en adelante:
el vector como elemento de un conjunto donde se definen dos operaciones.

Sean un campo, y un conjunto no vaco en los cuales se definen las operaciones

(, ) = + , , (suma de vectores)
(, ) = , , (multiplicacin de un vector por un escalar)

El conjunto es un espacio vectorial sobre el campo , si para todo vector , ,

y para todo escalar ,
se cumple que

1. +
2. + ( + ) = ( + ) +

3. + = +
4. + 0 = , donde 0 es el elemento neutro aditivo (vector nulo)
5. + () = 0 , donde es el inverso aditivo de
6.
7. () = ()
8. ( + ) = +
9. ( + ) = +
10. (1) = , donde 1 es la unidad del campo

Los diez axiomas anteriores establecen la estructura algebraica de espacio vectorial, y pueden aplicarse a cualquier
conjunto sobre cualquier campo, siempre y cuando se cumplan.

EJEMPLO 2.1. Algunos conjuntos trascendentes son espacios vectoriales sobre el campo real, complejo o incluso sobre
ambos:

Las matrices de orden .

Los nmeros complejos, y sus variantes .
Los nmeros reales, y sus variantes (slo campo real).
Los polinomios de grado menor o igual a .

1 Ing. Aldo Jimnez Arteaga

 AL 2016

Dentro de los conjuntos de elementos matemticos ms comunes pueden definirse operaciones de suma y
multiplicacin por un escalar diferentes a las tradicionales. Dichas operaciones modificadas tambin son vlidas para
verificar la estructura de espacio vectorial.

EJEMPLO 2.2. Sean el campo de los nmeros reales y el conjunto = {| > 0, } con las operaciones de suma y
multiplicacin por un escalar definidas como

+ = , ,

= , ,

Determina si dicho conjunto es un espacio vectorial.

Es sencillo comprobar cada uno de los axiomas, desarrollando cada uno y concluyendo si se llega o no a una igualdad.

Axioma 1. La multiplicacin en los nmeros reales positivos es cerrada, pues , + y por la primera regla de los
signos +.

Axioma 2.

( + ) + = + ( + )
+ = +
=

Axioma 3.

+ =+
=

Axioma 4.

+ =
= = 1

Es importante resaltar que el elemento neutro o vector nulo no siempre es cero; de manera general se denota como 0 ,
pero no quiere decir que ser, como tal, un elemento con ceros.

Axioma 5.

+ () = 1
=1
1
( 1 ) = 1 1 =

El conjunto no contiene al cero; todos los elementos tienen inverso.

Axioma 6. Un nmero real positivo elevado a cualquier potencia siempre es positivo. Por lo que .

Axioma 7.

() = ()

2 Ing. Aldo Jimnez Arteaga

 AL 2016

=

=
=

Axioma 8.

( + ) = +
+ = +
=
= +

Axioma 9.

( + ) = +
( + ) = +
() =
= ()

Axioma 10.

(1) =
1 =

Todos los axiomas se comprueban para el conjunto con las operaciones definidas; entonces, es un espacio
vectorial sobre el campo de los nmeros reales.

Un subconjunto especfico de un conjunto de entes matemticos comunes tambin puede ser espacio vectorial, si tiene
definidas las operaciones de suma y multiplicacin por un escalar y cumple con los diez axiomas.

EJEMPLO 2.3. Sean el campo de los nmeros complejos y el conjunto

= + = 1; , , ,

Determnese si es un espacio vectorial sobre con las operaciones de suma de matrices y multiplicacin por un
escalar usuales.

Antes de comenzar, se observa que existe una condicin que cada vector del conjunto debe cumplir. Por lo tanto, es
preferible sustituir esta condicin en el vector genrico, y despus comenzar con la comprobacin de los axiomas. El
conjunto reescrito es

= , , ,
1

Axioma 1. Dados los vectores
= , = se debe cumplir que
+ .
1 1

+ +
+ =
1 1 + 2

Al realizar el cambio de variable + = , + = y + = el vector suma es

3 Ing. Aldo Jimnez Arteaga
 AL 2016

+ = 2

Como el resultado presenta una forma diferente a la especificada en el conjunto, no se cumple el primer axioma del
espacio vectorial. Por lo tanto, el conjunto no es un espacio vectorial sobre el campo de los complejos.

Propiedades elementales de los espacios vectoriales

Al igual que los conjuntos numricos ordinarios donde se definen operaciones binarias, la estructura del espacio
vectorial posee propiedades que permiten establecer procedimientos algebraicos para plantear ecuaciones. Para el
espacio vectorial sobre campo , donde , , y , , 0 , se cumple:
, 0

+ =
+ =

= = cancelaciones
= =
(0) = 0
0 = 0 vector nulo

Si = 0, entonces = 0 = 0
() = () = () homogeneidad del signo negativo

Estas propiedades son vlidas nicamente sobre las operaciones de suma y multiplicacin por un escalar definidas en las
estructura de espacio vectorial.

Subespacios
En el ejemplo 1.3 se analiz un subconjunto del espacio vectorial de las matrices cuadradas de orden dos con elementos
complejos. En general, un espacio vectorial puede tener una infinidad de subconjuntos, los cuales pueden o no ser
espacios vectoriales por s mismos; para que se cumpla esta naturaleza es necesario que el subconjunto cumpla con los
diez axiomas del espacio vectorial. Este concepto se llama subespacio vectorial.

Sea un subconjunto de un espacio vectorial sobre un campo . es un subespacio vectorial de , si es un

espacio vectorial sobre el campo con las operaciones de suma y multiplicacin por un escalar definidas en .

El concepto especifica que el subespacio tiene todas las propiedades algebraicas del espacio vectorial; esto quiere decir
que no es necesario probar todos los diez axiomas requeridos para el espacio vectorial, ya que las propiedades son
heredadas del espacio padre al subespacio hijo. Un subconjunto es un subespacio vectorial de sobre el campo
, donde , y , si cumple

+

0

Con las operaciones cerradas se asegura que las dems propiedades se cumplen; con el vector nulo perteneciente al
subespacio se asegura el cumplimiento del axioma 4 y las propiedades algebraicas del espacio vectorial.

EJEMPLO 2.4. Verifquese si el conjunto

= ,

4 Ing. Aldo Jimnez Arteaga

 AL 2016

es un subespacio vectorial de las matrices cuadradas de orden dos con elementos reales.

Vector nulo. Si = 0 y = 0, se tiene la matriz nula

0 0
=0
0 0

Por lo que se cumple la condicin necesaria, pero no suficiente.

Cerradura de la suma de vectores.

+ +
+ =
+

El subespacio indica que el elemento 22 es la multiplicacin de los elementos 11 y 12 dentro de la matriz

11 12
; por lo tanto, en el resultado de la suma se debe tener
21 22

( + )( + ) = + + +
+

Lo cual no es cierto, debido a la definicin del subconjunto. Por lo tanto, no se cumple la cerradura de la suma de
vectores, y en consecuencia no es un subespacio vectorial.

EJEMPLO 2.5. Sea el espacio vectorial de los polinomios de grado menor o igual a uno con coeficientes complejos sobre el
campo de los reales, y el subconjunto

= { + | }

donde es el conjugado de . Es un subespacio vectorial?

Vector nulo. Si = 0, entonces = 0, y se tiene

0 = 0 + 0

Por lo cual se cumple la propiedad.

Cerradura para la suma de vectores.

( + ) + + = ( + ) + +

Por propiedades del conjugado de un nmero complejo + =

+ , y entonces por el cambio de variable
+ =

( + ) + + = ( + ) +
( + )
= +

Por lo que la propiedad se cumple.

Cerradura para la multiplicacin por un escalar. Sea .

( + ) = +

5 Ing. Aldo Jimnez Arteaga

 AL 2016

Por propiedades del conjugado =

, se obtiene

+ = +

Por lo tanto, se cumple la propiedad. En consecuencia, el conjunto es un subespacio vectorial.

EJEMPLO 2.6. Dados los subespacios vectoriales

= {(, , )| + = 0; , , }, = {(, , )| + 2 = 0; , , }

verifquese si el conjunto es un subespacio.

Geomtricamente (vase figura 2.1), los subespacios y definen cada un plano; las restricciones son las ecuaciones
cartesianas para sendos planos.

: + = 0
: + 2 = 0

Figura 2.1. Planos y del ejemplo 2.6.

Entonces, la interseccin entre dos planos debe ser una recta. El primer paso ser obtener el subconjunto, el cual nace al
hacer cumplir las dos condiciones al mismo tiempo; es decir, se plantea un sistema de ecuaciones con las condiciones de
cada subespacio: + = 0 y + 2 = 0.

Al resolver el sistema de ecuaciones se llega a que el conjunto solucin es = {(, 3, 2)| }, que es el subespacio
buscado, pues son las restricciones que satisfacen tanto al subespacio como al subespacio .

Elemento neutro. Si = 0, se obtiene al vector (0,0,0). Se cumple la propiedad.

Cerradura para la suma de vectores. Si + = se obtiene

(, 3, 2) + (, 3, 2) = ( + , 3 + 3, 2 + 2)
= (, 3, 2)

La propiedad se cumple.

Cerradura para la multiplicacin por un escalar. Si = se obtiene

(, 3, 2) = (, 3, 2)
= (, 3, 2)

6 Ing. Aldo Jimnez Arteaga

 AL 2016

Se cumple la propiedad.

Por lo tanto, se concluye que el conjunto es un subespacio vectorial. La figura 2.2 muestra el subespacio
interseccin de manera geomtrica.

Figura 2.2. Recta interseccin (en rojo) entre los planos y del ejemplo 2.6.

La pertenencia del vector nulo en un subconjunto es una condicin necesaria, mas no es suficiente para cumplir con un
subespacio vectorial. A partir de este ejemplo, se observa que, geomtricamente, un subespacio representa a una recta
o un plano que atraviesan el origen.

Combinacin lineal
Una vez que se tienen los conceptos de espacio y subespacio vectorial, el estudio del lgebra Lineal se centra en los
elementos de estas estructuras: los vectores. Con estos elementos, y con las operaciones definidas en el espacio,
pueden realizarse combinaciones para obtener nuevos vectores.

EJEMPLO 2.7. Sea 3 el espacio vectorial de las matrices diagonales de orden tres con elementos reales sobre el campo
de los reales; y sean las matrices

1 3 1
= 2 , = 2 , = 2 3
1 1 1

Es posible obtener la matriz a partir de y , utilizando escalares y las operaciones de suma y multiplicacin por
un escalar. As, para 1 , 2 ,

1 3 1
1 2 + 2 2 = 2
1 1 1
1 3 1
(2) 2 + (1) 2 = 2
1 1 1
2 + 3 1
42 = 2
2 + 1 1

7 Ing. Aldo Jimnez Arteaga

 AL 2016

En este ejemplo, las matrices y se combinan con los escalares 1 y 2 para dar surgimiento a la matriz . Este
concepto se conoce como combinacin lineal.

Sea un espacio vectorial sobre un campo , donde , 1 , 2 , 3 , , y 1 , 2 , 3 , , . Una

combinacin lineal es la utilizacin sucesiva de la suma y la multiplicacin por un escalar para generar un vector del
espacio vectorial; es decir,

= 1 1 + 2 2 + 3 3 + +

Se dice entonces, que es una combinacin lineal de 1 , 2 , 3 , , .

EJEMPLO 2.8. Sean los polinomios () = 2 2 + 2, () = + y () = 2 + + 1. Determnese los escalares

, que permiten al vector () = (1 + ) + (1 + 2) ser combinacin lineal de los polinomios , y .

El problema indica que pueda realizarse una combinacin lineal; es decir,

1 (2 2 + 2) + 2 ( + ) + 3 ( 2 + + 1) = (1 + ) + (1 + 2)

En este caso, la parte izquierda de la ecuacin debe operarse para obtener la parte derecha; el procedimiento ms
adecuado ser realizar las multiplicaciones de cada vector por el respectivo escalar y despus reducir los trminos
semejantes.

(21 2 + 21 ) + (2 + 2 ) + (3 2 + 3 + 3 ) = (1 + ) + (1 + 2)
(21 + 3 ) 2 + (2 + 3 ) + (21 + 2 + 3 ) =

Por el concepto de igualdad en los polinomios se obtienen tres ecuaciones:

(21 + 3 ) 2 = 0 2

(2 + 3 ) = (1 + )

(21 + 2 + 3 ) = 1 + 2

Al reescribir estas ecuaciones, se tiene el siguiente sistema simultneo:

21 +3 = 0
2 +3 = 1+
21 +2 +3 = 1 + 2
1
De donde se obtiene fcilmente que 1 = , 2 = 1 y 3 = . De manera general, una combinacin lineal siempre
2
producir un sistema de ecuaciones lineales.

Dependencia lineal
El concepto de combinacin lineal incluye un contexto en el cual se dictamina cuando un vector dado es formado por
otros vectores; dicho en otras palabras, cuando un vector depende de otros para existir.

EJEMPLO 2.9. Dados los vectores = (1, 1, 2), = (1, 2, 3) y = (2, 3, 5). Se puede comprobar que el
tercer vector es la suma de los dos primeros; es decir, el tercer vector es dependiente de los primeros dos:

(1, 1, 2) + (1, 2, 3) = (2, 3, 5)

8 Ing. Aldo Jimnez Arteaga
 AL 2016

Esta relacin que puede establecerse con los vectores se conoce como dependencia lineal. La figura 2.3 muestra
geomtricamente la dependencia lineal (mtodo del paralelogramo).

Figura 2.3. Dependencia lineal entre

(verde), (azul) y (rojo).

Sea un espacio vectorial sobre un campo , y sea el conjunto = {1 , 2 , 3 , , }. El conjunto es linealmente

dependiente, si existen escalares 1 , 2 , 3 , , no todos nulos, tales que

1 1 + 2 2 + 3 3 + + = 0 ()

Cuando los escalares 1 , 2 , 3 , , son todos nulos, el conjunto es linealmente independiente. A la ecuacin
() se le conoce como ecuacin de dependencia lineal.

Si la ecuacin de dependencia lineal se verifica con todos los escalares iguales a cero, entonces los vectores son
independientes; si existe al menos un escalar que no es nulo, entonces los vectores son dependientes. Es importante
considerar las siguientes notas de acuerdo con la dependencia lineal para reducir la definicin, y agilizar el anlisis de un
conjunto de vectores dado:

Si en el conjunto de los vectores {1 , 2 , 3 , , }, alguno de ellos es el vector nulo, entonces los vectores son
linealmente dependientes.
Cualquier vector no nulo es, por s solo, linealmente independiente, debido a que = 0 , 0 = 0.
Si dos vectores del conjunto {1 , 2 , 3 , , } son iguales, o uno es mltiplo escalar de otro, entonces el conjunto
es linealmente dependiente.
Un conjunto de vectores es linealmente dependiente, si al menos uno de ellos es una combinacin lineal de los
dems.
Si el conjunto {1 , 2 , 3 , , } es linealmente independiente, cualquier ordenacin del conjunto tambin lo ser.
Si el conjunto {1 , 2 , 3 , , } es linealmente independiente, cualquier subconjunto de l tambin lo ser; si en
conjunto es linealmente dependiente, existe al menos un subconjunto dependiente.

EJEMPLO 2.10. Determnese si el siguiente conjunto es linealmente dependiente o independiente:

3 1 1 1 0 0 0 2
, , ,
1 1 1 0 1 1 0 1

9 Ing. Aldo Jimnez Arteaga

 AL 2016

Es algo difcil verificar directamente si el conjunto es linealmente dependiente, por lo que se recurrir a la ecuacin de
dependencia lineal:

3 1 1 1 0 0 0 2 0 0
1 + 2 + 3 + 4 =
1 1 1 0 1 1 0 1 0 0

Se obtendr un sistema de ecuaciones lineales homogneo:

31 +2 = 0
1 +2 +24 = 0
1 +2 +3 = 0
1 +3 4 = 0

A partir de este momento se puede verificar la independencia lineal por medio de dos mtodos: el primero establece
resolver el sistema, y si la solucin es nicamente trivial, entonces el conjunto es independiente; el segundo mtodo
establece utilizar la matriz de coeficientes y verificar si es no-singular (que corresponde a un SEL compatible
determinado), habiendo independencia lineal si la matriz inversa existe.

Mtodo 1. Se escalona la matriz de coeficientes y se obtiene la solucin.

3 1 0 0 1 1 0 2 1 1 0 2 1 1 0 2
1 1 0 2 3 1 0 0 0 2 0 6 0 1 0 3
~ ~ ~ ~
1 1 1 0 1 1 1 0 0 0 1 2 0 0 1 2
1 0 1 1 1 0 1 1 0 1 1 1 0 1 1 1
1 1 0 2 1 1 0 2 1 0 0 1
0 1 0 3 0 1 0 3 0 1 0 3
~ ~ ~ ~
0 0 1 2 0 0 1 2 0 0 1 2
0 0 1 2 0 0 0 0 0 0 0 0

La solucin es el conjunto = {(4 , 34 , 24 , 4 )|4 }. Como la solucin no slo es trivial, entonces los vectores
son linealmente dependientes.

Mtodo 2. Se investigar si la matriz de coeficientes es no-singular; por medio del valor del determinante se investigar
la naturaleza de los vectores: si el determinante es cero, existe dependencia lineal; si el determinante es diferente de
cero, hay independencia lineal.

3 1 0 0 3 1 0 0
3 1 0
1 1 0 2 1 1 2 0
~ = 1 1 1 2 (5 5) = 0
1 1 1 0 1 1 1 0
1 1 1
1 0 1 1 1 0 1 1

Por lo tanto, el sistema no es compatible determinado. Se reitera, que el conjunto de matrices es linealmente
dependiente.

Ntese que la matriz de coeficientes, obtenida al aplicar la ecuacin de dependencia lineal al conjunto de matrices, est
formada por las componentes de los vectores dispuestas en forma de columna, siendo la primera columna el primer
vector, la segunda el segundo, y as sucesivamente. Es conveniente hacer hincapi que esta disposicin de elementos
permite formar ms rpidamente la matriz a la cual se le har la prueba de singularidad; en caso de que no sea una
matriz cuadrada, se puede hacer la inspeccin de la dependencia lineal por medio del escalonamiento de la matriz de
coeficientes transpuesta.

10 Ing. Aldo Jimnez Arteaga

 AL 2016

EJEMPLO 2.11. Sea el conjunto = {(, 1, , 0), (0, 2, 1, 1), (2, 5, 1, 1)}. Determnese el valor de para que
el conjunto sea linealmente dependiente.

Al recurrir a la ecuacin de dependencia lineal se obtiene

1 (, 1, , 0) + 2 (0, 2, 1, 1) + 3 (2, 5, 1, 1) = (0, 0, 0, 0)

Cuya matriz de coeficientes es una matriz de orden 4 3. En este caso, no ser de mucha utilidad resolver el sistema,
ya que estara en funcin de la variable ; adems, por ser una matriz rectangular no puede obtenerse un
determinante. Para determinar la dependencia lineal se recurrir a la matriz de coeficientes transpuesta:

1 0
0 2 1 1
2 5 1 1

Con esta matriz se realiza el proceso de escalonamiento, atendiendo que al ser tres vectores, uno de ellos deber ser
dependiente de los otros dos; es decir, se deben obtener dos reglones no-nulos de la matriz de coeficientes.
5 1 1
1 0 2 5 1 1 1
5 1 1
2 2 2 1 2 2 2
0 2 1 1 ~ 0 2 1 1 ~ 0 2 1 1 ~ 0 2 1 1 ~
2 5 1 1 1 0 1 0
5
0 1 2
1

1
2
2
5 1 1 5 1 1
1 2 2 2 1 2 2
2
~ 0 2 1 1 ~ 0 2
1 1
5 1 1 2 5
0 1 2 2
2 0 2 + 1 0 0

Del ltimo rengln se observa que todos sus elementos o son nulos o dependen de . Para que haya dependencia
lineal, ese ltimo rengln debe ser nulo (combinacin lineal de los otros dos renglones), por lo tanto:

5 1
2 + 1 = 0 = 2, =
2 2

Se puede verificar fcilmente que al sustituir estos valores en el conjunto se tiene que el tercer vector es una
combinacin lineal de los dos primeros; por lo tanto, hay dependencia lineal. Como ltima aclaracin, se puede notar
que los renglones de la matriz de coeficientes transpuesta estn formados por los vectores del conjunto ; es decir, los
vectores son las filas de una matriz, que al ser escalonada arrojarn un nmero determinado de renglones nulos
(demostrarn la dependencia o independencia lineal).

Conjunto generador de un espacio vectorial

La combinacin lineal es una herramienta muy poderosa dentro de los espacios vectoriales; permite generar un vector a
partir de otro, o bien de un conjunto pequeo de vectores. Con esta propiedad, se pude formular la siguiente pregunta:
es probable que a partir de un conjunto de vectores se genere todo un espacio vectorial? La respuesta es s. Existen
conjuntos de vectores que permiten generar todo el espacio vectorial al utilizar la infinidad de elementos del campo
sobre el cual se define el espacio.

Sea un espacio vectorial sobre , y sea

= {1 , 2 , 3 , , }
11 Ing. Aldo Jimnez Arteaga
 AL 2016

un conjunto de vectores de . Se dice que es generador de si para todo vector existen escalares
1 , 2 , 3 , , tales que

= 1 1 + 2 2 + 3 3 + +

Es decir, si cualquier vector puede expresarse como una combinacin lineal de los elementos de , entonces
es un conjunto generador. Este concepto no especifica que cualquier conjunto pueda generar un espacio vectorial; es
necesario que se cumpla una condicin especfica: el sistema de ecuaciones planteado durante la combinacin lineal
debe ser compatible; en caso contrario, el conjunto no es generador.

Otra idea importante es el hecho que un conjunto por s mismo es generador, no de un espacio vectorial pero s de un
subespacio. Entonces, tambin es posible extender el concepto de conjunto generador a los subespacios vectoriales.

EJEMPLO 2.12. Se desea verificar si los conjuntos

1 = {(2, 0, 0), (0, 1, 2), (0, 0, 1), (0, 1, 1)}, 2 = {(1, 1, 0), (0, 0, 1), (2, 2, 2)}

Generan al espacio vectorial 3 .

Para el conjunto 1 se establece una combinacin lineal igualada al vector genrico del espacio

1 (2, 0, 0) + 2 (0, 1, 2) + 3 (0, 0, 1) + 4 (0, 1, 1) = (, , )

donde el sistema de ecuaciones planteado es

21 =
2 +4 =
22 3 4 =

Aplicando el mtodo de Gauss se obtiene que

2 0 0 0 2 0 0 0
0 1 0 1 ~ 0 1 0 1
0 2 1 1 0 0 1 3 2

donde se verifica que el sistema de ecuaciones lineales es compatible, y en consecuencia el conjunto 1 si es

generador del espacio vectorial de ternas reales ordenadas.

El mismo examen se realiza al conjunto 2 , del cual se obtiene la siguiente combinacin lineal:

1 (1, 1, 0) + 2 (0, 0, 1) + 3 (2, 2, 2) = (, , )

donde se obtiene el sistema de ecuaciones lineales

1 23 =
1 23 =
2 +23 =

cuya matriz de coeficientes, ayudar a verificar si el conjunto es generador:

12 Ing. Aldo Jimnez Arteaga

 AL 2016

1 0 2 1 0 2
1 0 2 ~ 0 0 0
0 1 2 0 1 2

La segunda ecuacin resulta ser degenerada, por lo tanto, el sistema es incompatible; en conclusin, el conjunto 2 no
genera al espacio vectorial 3 .

EJEMPLO 2.13. Cul es el subespacio vectorial generado por el conjunto ?

= { 2 2 + 1, 2 + 1}

En primera instancia se recurre a la combinacin lineal

1 ( 2 2 + 1) + 2 ( 2 + 1) = 2 + +

donde se obtienen el sistema de ecuaciones

1 2 =
21 +2 =
1 2 =

el cual genera la siguiente matriz de coeficientes

1 1 1 1
2 1 ~ 0 1 2
1 1 0 0

El ltimo rengln es ecuacin degenerada; por ello es necesario establecer una condicin para que el sistema de
ecuaciones sea compatible, y el conjunto genere un subespacio; la condicin es = 0 para forzar un rengln
completo de ceros en la matriz de coeficientes equivalente.

Con esa condicin, se establece que el subespacio generado por es

() = { 2 + + | = 0; , , }
= { 2 + + |, }

Este tipo de planteamientos permite establecer las condiciones que debe cumplir un subespacio vectorial. Si en la matriz
se hubiesen obtenido dos o ms ecuaciones degeneradas, el trmino independiente en cada una de ellas debe igualarse
a cero para forzar a la compatibilidad; en dicho escenario, esas igualdades a cero sern las condiciones que debe cumplir
el subespacio generado.

Base y dimensin de un espacio vectorial

Los conjuntos generadores pueden ser linealmente dependientes o independientes. No existe restriccin alguna sobre la
naturaleza que deba poseer un conjunto generador, slo debe enfocarse en generar un espacio vectorial. Sin embargo,
los conjuntos que presentan independencia lineal tienen propiedades especficas dentro de los espacios vectoriales, las
cuales les confieren una importancia enorme debido al gran nmero de aplicaciones dentro de la Matemtica, la
Ingeniera y muchas otras ramas del conocimiento humano.

Con base en la dependencia lineal, un conjunto generador puede clasificarse como generador, si es linealmente
dependiente o independiente, o como base, si es estrictamente independiente.
13 Ing. Aldo Jimnez Arteaga
 AL 2016

Sea = 1 , 2 , 3 , , un conjunto finito de vectores de un espacio vectorial sobre un campo . El conjunto

es una base de si

1. es un conjunto generador de .
2. es linealmente independiente.

Las bases poseen las siguientes propiedades:

Un conjunto linealmente independiente siempre ser una base del espacio vectorial que genera.
Un espacio vectorial puede tener una infinidad de bases.
Todas las bases de un espacio vectorial tienen el mismo nmero de vectores.
La base es un conjunto ordenado; la base 1 , 2 , 3 , , no es la misma que la base , , 3 , 2 , 1 , aunque
ambas contengan los mismos elementos.

EJEMPLO 2.14. Cul de los siguientes conjuntos es una base del espacio vectorial dado?

a. 1 = {2 + 2, + 1}, si 1 = { + |, }

1 0 0 1 0 0
b. 2 = , , , si 2 = , ,
0 0 1 0 0 1

Para el conjunto 1 se construye la matriz de coeficientes para verificar si existe independencia lineal, por medio del
determinante.

2 1 2 1
= 2 2
2 1 2 1

Lo cual implica que existe dependencia lineal en el conjunto, y por lo tanto no es una base del espacio vectorial 1 .

El conjunto 2 no posee una matriz de coeficientes cuadrada, por lo que se escalonar su transpuesta para verificar si
existe independencia lineal.

1 0 0 0 1 0 0 0
0 1 1 0 ~ 0 1 1 0
0 0 0 1 0 0 0 1

Como la matriz ya est en forma escalonada, y no existen renglones de ceros, se comprueba que el conjunto es
linealmente independiente. Para saber si es un conjunto generador, se utilizar la combinacin lineal

1 0 0 1 0 0
1 + 2 + 3 =
0 0 1 0 0 1

Cuya matriz de coeficientes ampliada asociada es

1 0 0 1 0 0 1 0 0
0 1 0 0 1 0 0 1 0
~ ~
0 1 0 0 0 0 0 0 0 1
0 0 1 0 0 1 0 0 0 0

Como no existen ecuaciones degeneradas en la matriz de coeficientes escalonada, significa que el conjunto es generador
del espacio vectorial; en consecuencia, se concluye que el conjunto 2 es una base del espacio vectorial 2 .

14 Ing. Aldo Jimnez Arteaga

 AL 2016

Es este ejemplo puede observarse que existe una relacin entre la base 2 y el espacio vectorial al cual genera: la base,
adems de ser conjunto generador linealmente independiente, tiene tres elementos, el mismo nmero de variables
libres (, , ) del espacio vectorial 2 . Esta relacin se conoce como dimensin del espacio vectorial.

Dado un espacio vectorial , se llama dimensin de al nmero de vectores de todas sus bases y se denota como

dim =

Si las bases son conjuntos finitos, entonces a se le conoce como espacio vectorial de dimensin finita; en caso
contrario, es un espacio vectorial de dimensin infinita. Por definicin, si = {0 }, entonces dim = 0.

EJEMPLO 2.15. Obtngase la dimensin y una base del conjunto solucin del sistema de ecuaciones lineales homogneo
dado.

2 +3 = 0
2 6 +7 = 0
2 +5 = 0

Para resolver el problema, se debe obtener el conjunto solucin del sistema.

0 2 3 1 2 5 1 2 5 1 2 5 1 0 8
3 3
2 6 7 ~ 0 2 3 ~ 0 2 3 ~ 0 1 2 ~ 0 1 2
1 2 5 2 6 7 0 2 3 0 0 0 0 0 0

Por lo tanto, el conjunto solucin es

3
= 8, ,
2

La manera ms sencilla para obtener una base a partir de un espacio vectorial conocido es darle valores a las variables
libres del espacio; se debe tener especial cuidado en que dichos valores no generen un conjunto linealmente
dependiente. Si se toma = 2, se obtiene la base

= {(16, 3, 2)}

Como la base tiene un solo elemento, se concluye que dim = 1.

EJEMPLO 2.16. Obtngase la dimensin y una base de los espacios vectoriales

3 = { 3 + 2 + + |, , , }

3 = { 3 + 2 + + | + = 0; , , , }

Debe ponerse especial atencin en que ambos espacios son diferentes, ya que 3 presenta una condicin que todos
sus polinomios deben cumplir.

Los valores ms fciles son 1 y 0, por lo que la base tendr: para el primer vector = 1 y las dems ceros, para el
segundo = 1 y las dems ceros, y as sucesivamente. En este ejemplo, la base para 3 ser

= { 3 , 2 , , 1}

15 Ing. Aldo Jimnez Arteaga

 AL 2016

Este tipo de base se conocen como base natural o base estndar; en los espacios vectoriales y se llama base
cannica. Como la base tiene cuatro elementos dim 3 = 4, que coincide con el nmero de variables libres del espacio
vectorial.

Para el caso de 3 es necesario sustituir la condicin y dar valores al vector genrico.

3 = { 3 + 2 + + | + = 0; , , , }
= { 3 + 2 + + |, , }

Para este espacio, al dar los valores = 2 para un vector, = 1 al siguiente y = 3 al ltimo una base es

= {2 3 + 2 2 , , 3}

La base tiene tres elementos, lo que implica que dim 3 = 3. Utilizando el razonamiento del espacio 3 , se puede
observar que la dimensin es igual al nmero de variables libres menos el nmero de restricciones.

En este ejemplo puede verse que 3 es un subespacio de 3 , y que la dim 3 < dim 3 ; adems, con ayuda de las dos
bases se puede inferir que el nmero de elementos de un conjunto linealmente independiente no es mayor que la
dimensin del espacio vectorial. Estas dos ideas son importantes, ya que permiten establecer un orden y una
pertenencia en los espacios y subespacios vectoriales. De manera puntual:

Sea un espacio vectorial tal que dim = . Si {1 , 2 , 3 , , } es un conjunto de vectores linealmente

independientes en , entonces .
Sea un subespacio de un espacio vectorial de dimensin finita . Entonces, tiene dimensin finita y
dim dim .

Coordenadas de un vector respecto a una base ordenada

Debido a la propiedad de una base para generar un espacio vectorial, significa que cada vector del espacio vectorial
puede representarse como una combinacin lineal de los elementos de la base. De dicha combinacin lineal se conocen
los vectores que intervienen, mas no los escalares; stos se obtienen, como se ha visto, a partir de un sistema de
ecuaciones lineales planteado por la combinacin; es decir, los escalares que hacen factible la combinacin lineal son la
solucin de un SEL compatible determinado, y se les conoce como coordenadas.

Este concepto permite ubicar a cualquier vector dentro del espacio vectorial, donde la referencia ser una base
determinada que puede o no ser estndar.

Sea un espacio vectorial de dimensin finita, un vector y una base

= 1 , 2 , ,

El vector puede expresarse como una combinacin lineal de la base :

= 1 1 + 2 2 + +

A los escalares 1 , 2 , 3 , , se les conoce como coordenadas de en la base . Como la base es un conjunto
ordenado, las coordenadas tambin son ordenadas; por lo tanto, se les puede representar como un vector de . Es
decir,

16 Ing. Aldo Jimnez Arteaga

 AL 2016

1
2
[ ] =

Dicho vector es conocido como vector de coordenadas de en la base .

EJEMPLO 2.17. Sea la base = {(1, 1, 0), (0, 1, 1), (1, 0, 1)}. Cul es el vector de coordenadas de = (1, 2, 3) en la
base ?

Se plantea la siguiente combinacin lineal:

(1, 2, 3) = 1 (1, 1, 0) + 2 (0, 1, 1) + 3 (1, 0, 1)

De donde se obtiene le sistema de ecuaciones lineales

1 +3 = 1
1 +2 = 2
2 +3 = 3

Cuya solucin es = {(0, 2, 1)}. Si se sustituyen en la combinacin lineal

(1, 2, 3) = (0)(1, 1, 0) + (2)(0, 1, 1) + (1)(1, 0, 1)

= (0, 0, 0) + (0, 2, 2) + (1, 0, 1)
= (1, 2, 3)

0
Y el vector de coordenadas buscado es [] = 2 . En la figura 2.4 se observa la ubicacin del vector en el sistema
1
de referencia formado por los elementos de la base . sa es la representacin geomtrica del vector de coordenadas.

2(0, 1, 1)

1(1, 0, 1)

0(1, 1, 0)

Figura 2.4. Los vectores (1, 1, 0), (0, 1, 1) y (1, 0, 1) forman un sistema de referencia, y permiten la ubicacin del vector (negro).

EJEMPLO 2.18. Sea la base = {1 , 2 } del espacio vectorial

= + ,

17 Ing. Aldo Jimnez Arteaga

 AL 2016

3 5 4 7 1 2
y sean las matrices 1 = , 2 = . Si se sabe que [1 ] = y [2 ] = , determnese
5 2 7 3 2 3
los vectores de la base .

Por el concepto de vector de coordenadas, se sabe que cada vector se puede representar como combinacin lineal
de los vectores de la base , y se obtiene un sistema de ecuaciones matriciales con dos incgnitas

1 = 1 +22 (1)
2 = 21 32 (2)

Al multiplicar la ecuacin (1) por dos y sumndola a la ecuacin (2) se obtiene

21 + 2 = 42 32
3 5 4 7
2 + = 2
5 2 7 3
6 10 4 7
+ =
10 4 7 3
2 3
=
3 1

Al sustituir este vector en la ecuacin (1) se obtiene

1 = 1 + 22
3 5 2 3
= 1 + 2
5 2 3 1
2 3 3 5
2 = 1
3 1 5 2
4 6 3 5
=
6 2 5 2
1 1
=
1 0

Por lo tanto, la base buscada es

1 1 2 3
= ,
1 0 3 1

Este ejercicio ejemplifica que para cada vector existe uno y slo un vector de coordenadas referido a una y slo
una base.

Matriz de transicin
En vista que una base puede generar cualquier vector del espacio vectorial, y que dicho espacio puede tener una
infinidad de bases, cabe la posibilidad de preguntarse: es posible que una base genere a otra base? La respuesta es s;
como los vectores de una base son parte del espacio vectorial, significa que los elementos de otra base diferente
pueden generar a la primera sin ninguna restriccin.

Sean las bases del espacio vectorial

= {1 , 2 , 3 , , }, = 1 , 2 , 3 , ,

Los vectores de la base pueden expresarse como combinacin lineal de los elementos de la base ; es decir,

18 Ing. Aldo Jimnez Arteaga

 AL 2016

1 = 11 1 + 21 2 + 31 3 + + 1
2 = 12 1 + 22 2 + 32 3 + + 2
3 = 13 1 + 23 2 + 33 3 + + 3

= 1 1 + 2 2 + 3 3 + +

Si estos vectores de coordenadas se ordenan por columnas en una matriz, el arreglo obtenido ser:

11 12 1
21 22 2
=
1 2
= ([1 ] [2 ] [ ] )

Esta matriz se conoce como matriz de transicin de la base a la base .

La siguiente pregunta a plantearse es: para qu sirve esta matriz? La respuesta surge a partir de la posibilidad para
generar vectores con diferentes bases.

Sea . A partir de las bases definidas con anterioridad se puede establecer

= 1 1 + 2 2 + 3 3 + +

= 1 1 + 2 2 + 3 3 + +

La matriz de transicin tambin es conocida como matriz de cambio de base, ya que tiene la propiedad de obtener
vectores de coordenadas referido a una base , a partir del vector de coordenadas referido a la base ; es decir,

[ ] = [ ]

Ntese que la notacin permite establecer el orden en el cual se establece el cambio de una base a la otra.

Las propiedades de la matriz de cambio de base son:

Siempre es cuadrada.
Es no-singular (tiene inversa).
1
La matriz = .
Siempre estar formada por escalares.

Este tipo de matrices permiten a un vector cambiar de una base a otra, sin necesidad de realizar combinaciones lineales
ni sistemas de ecuaciones.

EJEMPLO 2.19. Sean el vector = 2 2 + 3, y las bases

= { 2 + , + 1, 2 + 1}

= { 2 , , 1}

Encuntrese [ ] utilizando la matriz de transicin de la base a la base .

19 Ing. Aldo Jimnez Arteaga

 AL 2016

Para obtener la matriz de transicin pedida, los elementos de la base deben expresarse como combinacin lineal de
la base .

1 1
2 = 1 ( 2 + ) + 2 ( + 1) + 3 ( 2 + 1) [ 2 ] = 1
2
1
1 1
= 1 ( 2 + ) + 2 ( + 1) + 3 ( 2 + 1) [] = 1
2
1
1 1
1 = 1 ( 2 + ) + 2 ( + 1) + 3 ( 2 + 1) [1] = 1
2
1

Por lo tanto, la matriz de transicin de la base a la base es

1 1 1 1
= 1 1 1
2
1 1 1

Para encontrar el vector de coordenadas pedido, se calcula el vector de coordenadas [ ] .

2
2 2 + 3 = 1 ( 2 ) + 2 () + 3 (1) [2 2 + 3] = 1
3

y por las propiedades de la matriz de transicin

[ ] = [ ]
1 1 1 1 2
= 1 1 1 1
2
1 1 1 3
1 2 1 3 1 2
= 2 1 + 3 0
2 2
2+1+3 6
1
Por lo tanto, el vector de coordenadas es [ ] = 0 .
3
+ 2
EJEMPLO 2.20. Sean el espacio vectorial = , ; = 1 sobre el campo de los reales, las
4
bases

1 + 2 0 0 1
= , , = {1 , 2 }
0 4 1 + 0
1 0
y la matriz de transicin = 1 1.
2 2

4
a. Encuntrese [ ] si se sabe que [ ] = 7 .
2
b. El vector .
c. Los vectores de la base .

20 Ing. Aldo Jimnez Arteaga

 AL 2016

Este problema considera varios puntos, en los cuales se utiliza la matriz de transicin dada.

a. Se sabe que la matriz de transicin permite encontrar vectores de coordenadas al aplicar

[ ] = [ ]

Pero, adems se sabe que ( )1 = . Por lo tanto, premultiplicando a ambos lados por esta matriz se obtiene

( )1 [ ] = ( )1 [ ]
( )1 [ ] = [ ]
[ ] =

Para resolver este punto, se debe obtener la inversa de la matriz de transicin proporcionada en el ejemplo.

1 0 1 1 0
= 1 1 =
2 2 1 2

y finalmente se calcula:

1 0 4 4 + 0 4
7 = [ ] =
1 2 2 47 3

b. Este inciso se resuelve utilizando la base y el vector de coordenadas encontrado en el inciso anterior.

= 1 1 + 2 2
1 + 2 0 0 1
= 4 3
0 4 1 + 0
4 8 0 0 3
= +
0 16 3 3 0
4 8 3
=
3 3 16

c. Para encontrar cada uno de los vectores de la base se utiliza la matriz de transicin calculada en el primer inciso,
debido a que dicha matriz se obtiene por

= ([1 ] [2 ] )

Por lo tanto, se calcula

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

y la base buscada es

21 Ing. Aldo Jimnez Arteaga

 AL 2016

1 + 2 1 0 2
= ,
1 4 2 2 0

Se puede verificar que la relacin entre dos bases de un mismo espacio vectorial se da por medio de la matriz de
transicin; adems, no importa qu base se utilice, siempre podr generar cualquier vector del espacio vectorial.

Espacio rengln, espacio columna y rango de una matriz

En temas anteriores se ha visto que es posible acomodar los vectores de un conjunto como renglones de una matriz, y
as verificar su independencia lineal. Este procedimiento permite generar un espacio vectorial a partir de los renglones
de una matriz dada; en este caso, los vectores pertenecern a un espacio vectorial .

Sea una matriz de orden . Al conjunto de todas las combinaciones lineales que pueden formarse con los
renglones de se le conoce como espacio rengln de la matriz , y est denotado como

() = {1 , 2 , 3 , , }

donde es un rengln de .

Como la matriz tiene columnas, sus renglones son un conjunto generador de un subespacio vectorial . Sin
embargo, posiblemente el conjunto sea linealmente dependiente; para verificar dicha naturaleza se puede aplicar el
mtodo de Gauss para obtener renglones de ceros. Los renglones no-nulos obtenidos al escalonar la matriz formarn
una base del espacio rengln. Cabe destacar que si la matriz se lleva a forma cannica escalonada, entonces los
renglones linealmente independientes sern la base natural del espacio rengln.

Cuando una matriz se escalona por medio de transformaciones elementales entre renglones, se dice que la matriz
resultante es equivalente a la matriz original; las matrices equivalentes poseen el mismo espacio rengln.

EJEMPLO 2.21. Sea la matriz

1 2 0 3
1 1 1 4
= 1 0 2 5
2 4 0 6
3 4 2 11

Cul es su espacio rengln?

Para obtener () se debe escalonar la matriz para obtener una base, y con ella generar el espacio.

1 2 0 3 1 2 0 3 1 2 0 3 1 2 0 3
1 1 1 4 0 1 1 1 0 1 1 1 0 1 1 1
1 0 2 5 ~ 0 2 2 2 ~ 0 1 1 1 ~ 0 0 0 0
2 4 0 6 1 2 0 3 0 0 0 0 0 0 0 0
3 4 2 11 0 2 2 2 0 1 1 1 0 0 0 0

Despus de aplicar el mtodo de Gauss se obtiene una matriz con dos vectores linealmente independientes y tres
renglones nulos; en este momento se tiene una de las bases del espacio rengln, pero es conveniente llevar a la matriz a
su forma cannica escalonada.

22 Ing. Aldo Jimnez Arteaga

 AL 2016

1 2 0 3 1 0 2 5
0 1 1 1 0 1 1 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

La base natural del espacio es

() = {(1, 0, 2, 5), (0, 1, 1, 1)}

Por lo tanto, el espacio rengln se genera con la combinacin lineal

(1, 0, 2, 5) + (0, 1, 1, 1) = (, , 2 , 5 + )

y, finalmente,

() = {(, , 2 , 5 + )|, }

Si los renglones de una matriz son capaces de generar un espacio vectorial, significa que las columnas tambin poseen
esa propiedad; este escenario define al llamado espacio columna.

Sea una matriz de orden . Al conjunto de todas las combinaciones lineales que pueden formarse con las
columnas de se le conoce como espacio columna de la matriz , y est denotado como

() = {1 , 2 , 3 , , }

donde es una columna de .

La matriz tiene renglones, eso significa que el espacio generado es un subespacio de . Debido a la analoga que
puede hacerse con respecto al manejo de renglones de una matriz, sus columnas pueden estudiarse de la misma
manera, aplicndoles las mismas reglas de transformaciones elementales; la diferencia radica que en lugar de manejar
arreglos horizontales, se manejarn arreglos verticales. Para mayor comodidad, es aconsejable manejar las columnas en
forma de renglones; es decir, trabajar con la transpuesta de la matriz original, debido a que las columnas se
intercambian con los renglones y viceversa.

EJEMPLO 2.22. Sea la matriz

1 2 0 1 1
2 3 3 2 2
=
3 4 2 3 11
4 5 1 0 12

Determnese su espacio columna.

El espacio () se obtiene al hacer una combinacin lineal con los elementos todas las columnas linealmente
independientes de la matriz; por lo tanto, primero debe transponerse la matriz para aplicar el mtodo de Gauss hasta
obtener la matriz cannica escalonada.

23 Ing. Aldo Jimnez Arteaga

 AL 2016

1 2 3 4 1 2 3 4 1 2 3 4
2 3 4 5 0 1 2 3 0 1 2 3
= 0 3 2 1 ~ 0 3 2 1 ~ 0 0 8 8 ~
1 2 3 0 0 4 0 4 0 0 8 8
1 2 11 12 0 0 8 8 0 0 8 8

1 2 3 4 1 2 3 4 1 2 0 1 1 0 0 1
0 1 2 3 0 1 2 3 0 1 0 1 0 1 0 1
~ 0 0 1 1 ~ 0 0 1 1 ~ 0 0 1 1 ~ 0 0 1 1
0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0
0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0

Por lo que la base natural del espacio columna es

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

que generan al espacio

() = {(, , , + + )|, , }

Entre los espacios columna y rengln de una misma matriz se presentan ciertas particularidades; dicha naturaleza es
independiente del orden de la matriz. Sea una matriz de orden ; en forma general, se cumple que

() ().
dim () = dim ().
La dimensin del espacio generado (rengln o columna) por una matriz se conoce como rango, denotado por
() = dim () dim ().

Otra forma de definir el rango es el nmero mximo de renglones linealmente independientes que contiene la matriz
analizada.

Una particularidad importante se presenta en las matrices cuadradas. Sea una matriz no-singular de orden ; las
propiedades de la matriz son:

() = .
~ .
1 .
det 0.
Sus renglones son linealmente independientes.
Sus columnas son linealmente independientes.

Si es la matriz de coeficientes de un SEL, entonces dicho sistema es compatible determinado.

Estas propiedades justifican el hecho de que la independencia lineal entre renglones (o columnas) permite generar una
matriz no-singular, que est directamente relacionada con los SEL compatibles determinados.

EJEMPLO 2.23. Obtngase el espacio rengln, espacio columna, una base de cada espacio y el rango de la matriz
siguiente:

24 Ing. Aldo Jimnez Arteaga

 AL 2016

3 1 5 9
= 1 1 3 3
2 0 2 6

Para el espacio rengln:

3 1 5 9 1 1 3 3 1 1 3 3 1 1 3 3
1 1 3 3 ~ 3 1 5 9 ~ 0 2 4 0 ~ 0 2 4 0 ~
2 0 2 6 2 0 2 6 0 2 4 0 0 0 0 0
1 1 3 3 1 0 1 3
~ 0 1 2 0 ~ 0 1 2 0
0 0 0 0 0 0 0 0

de donde se obtiene

() = {(, , + 2, 3)|, }

() = {(1, 0, 1, 3), (0, 1, 2, 0)}

dim () = 2

Para el espacio columna:

3 1 2 1 1 0 1 1 0 1 1 0
1 1 0 3 1 2 3 1 2 0 2 2
~ ~ ~ ~
5 3 2 5 3 2 5 3 2 0 2 2
9 3 6 9 3 6 9 3 6 0 6 6

1 1 0 1 0 1
0 1 1 0 1 1
~ ~
0 0 0 0 0 0
0 0 0 0 0 0

por lo que se obtiene

() = {(, , )|, }

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

dim () = 2

Finalmente, se comprueba que dim () = dim () 2; por lo tanto, el rango de la matriz dada es () = 2.

El espacio vectorial de las funciones reales de variable real

Dentro del tema se ha tomado en varios ejemplos conjuntos de polinomios que representan espacios vectoriales.
Dentro de la matemtica existen dos enfoques para los polinomios: el algebraico, que maneja a estas expresiones como
sumas de potencias de una variable; y el analtico, que utiliza en concepto de funcin para definirles. Con estos dos
enfoques se puede afirmar que el espacio de las funciones polinmicas es un espacio vectorial. La anterior afirmacin
pretende inducir una visin del conjunto de las funciones reales de variable real como vectores; es decir, las funciones
pertenecen a un espacio vectorial.

25 Ing. Aldo Jimnez Arteaga

 AL 2016

Considerando al conjunto () de todas las funciones reales de variable real, donde la suma de dos funciones y la
multiplicacin por un escalar se definen como:

() + () = ( + )() , ()

[()] = ()() (),

Entonces, el conjunto () es un espacio vectorial sobre el campo de los reales.

En este espacio vectorial se tiene que el vector nulo es la funcin () = 0, o simplemente 0; mientras que el inverso
aditivo para una funcin () es ().

Debido a que el espacio de funciones puede ser generado por un conjunto infinito de funciones, se establece que ()
es un espacio vectorial de dimensin infinita.

Subespacios de dimensin finita

A diferencia de la dimensin del espacio vectorial, algunos subespacios que pueden generarse dentro de l tienen
dimensin finita.

EJEMPLO 2.24. Sea el conjunto

= {sin , cos , 1}

Dicho conjunto generar conjuntos de funciones que contengan funciones seno, coseno y escalares, pero no podr
generar funciones, por ejemplo exponenciales.

Si se estudia la independencia lineal del conjunto se observar que los tres elementos son linealmente independientes
entre s, lo que indica que dicho conjunto es una base; al ser un conjunto de esta naturaleza significa que su espacio
generado es de dimensin 3, una dimensin finita.

A los diversos subespacios de () se les conoce como espacios funcionales; algunos representantes de estos
conjuntos son:

El conjunto de los polinomios de grado menor o igual a , donde es una constante.

El conjunto de las funciones definidas en un intervalo.
El conjunto de las funciones derivables en un punto.
El conjunto de las funciones integrables en un intervalo.
El conjunto de las soluciones de la ecuacin diferencial

2
+ + = 0
2

Dependencia lineal de funciones

Para determinar si dos funciones son linealmente independientes se deben considerar dos cosas: la ecuacin de
dependencia lineal, que dar la conclusin del anlisis; y el intervalo de estudio. Es importante determinar en qu
intervalo se analizar la dependencia lineal de funciones, ya que en varias ocasiones las funciones pueden estar
definidas en un intervalo y en otro no.

26 Ing. Aldo Jimnez Arteaga

 AL 2016

Para verificar la independencia lineal se pueden establecer ciertas inducciones con base en el comportamiento de las
funciones y la ecuacin de dependencia lineal. Sean y dos funciones reales de variable real; y son
linealmente dependientes si,

son proporcionales entre s.

puede plantearse una identidad entre ellas.

Si estas condiciones no se cumplen, existe independencia lineal.

EJEMPLO 2.25. Determnese si el conjunto {, } es linealmente dependiente en el intervalo (, ).

Este intervalo se considerar desde cero (sin incluir) hasta el infinito. Para analizar el conjunto, se utilizar la ecuacin de
dependencia lineal.

+ = 0

Ninguna de las funciones es el vector nulo, y no puede establecerse una identidad o una constante de proporcionalidad
entre ambas. En conclusin, el conjunto dado es linealmente independiente.

EJEMPLO 2.26. Determnese la naturaleza del conjunto

{ sin2 , 2 cos2 , 2}

Este conjunto es linealmente dependiente, ya que puede plantearse una identidad trigonomtrica con las tres funciones:

( sin2 ) + (2 cos2 ) = 2
()(sin2 ) + (2)(cos2 ) =

Tomando la identidad sin2 + cos 2 = 1, se simplifica

()(sin2 ) + (2)(cos2 ) = 2

(sin2 ) + ()(cos2 ) = 1
2

Eso significa que = 1 y = 1. Finalmente, la combinacin lineal se construye con los escalares = 2 y = 1:
2

(2)( sin2 ) + (1)(2 cos2 ) = 2

(2 sin2 ) + (2 cos2 ) =
2(sin2 + cos2 ) =
2(1) =

Por lo tanto, el conjunto es linealmente dependiente.

Criterio del wronskiano

Sea al conjunto () = {1 , 2 , 3 , , } de funciones derivables 1 veces en un intervalo dado. Al plantear la
ecuacin de dependencia lineal se obtendr

1 1 + 2 2 + 3 3 + + = 0

Al derivarla sucesivamente hasta obtener la ( 1)-sima derivada se obtiene le sistema de ecuaciones lineales:

27 Ing. Aldo Jimnez Arteaga

 AL 2016

1 1 + 2 2 + 3 3 + + = 0
1 1 + 2 2 + 3 3 + + = 0
1 1 + 2 2 + 3 3 + + = 0

1 11 + 2 21 + 3 31 + + 1 = 0

Debido a que los escalares son incgnitas, se puede establecer el siguiente determinante utilizando a las funciones como
la matriz de coeficientes:

1 2
1 2
=

1 1 1
1 2

Este determinante es conocido como wronskiano, y en lgebra Lineal se utiliza para determinar la dependencia de un
conjunto de funciones para un intervalo dado. El criterio implica las siguientes dos reglas:

Si 0, entonces las funciones son linealmente independientes en el intervalo dado.

Si = 0, el criterio no decide completamente, ya que existen dos posibilidades:
a. si el wronskiano es uniformemente cero a lo largo del intervalo, las funciones son dependientes.
b. si el wronskiano no es cero para algn punto del intervalo, las funciones son independientes.

EJEMPLO 2.27. Sea el conjunto

{ , , 1}

Para determinar si es linealmente independiente en el intervalo (, ) se tiene que

1
= 1 0
0 0
=

El determinante es diferente de 0, porque la funcin exponencial nunca podr tomar valores iguales a 0,
independientemente del valor de . En conclusin, el conjunto es linealmente independiente.

EJEMPLO 2.28. Determnese la naturaleza del conjunto , || en toda la recta real.

La segunda funcin puede expresarse como

, <0
|| =
, 0

Se obtendran dos wronkianos. Para el intervalo (, 0)

1 =

= ( )( ) ( )( )
= 0 + 0
=2

28 Ing. Aldo Jimnez Arteaga

 AL 2016

Por lo tanto, las funciones son linealmente independientes, en esta parte del intervalo. Con lo que respecta al intervalo
[0, ):

1 =

= ( )( ) ( )( )
= 2 2
=0

En esta parte del intervalo las funciones son dependientes. Sin embargo, como se especific en el criterio del
Wronskiano, al existir al menos un punto donde las funciones son linealmente independientes, entonces existe la
independencia lineal en el conjunto.

En el ejemplo anterior, si se tomase intervalos independientes se tendra en uno independencia y en otro dependencia;
es decir, para el conjunto { , } las funciones son independientes; en cambio, el conjunto { , } es
dependiente.

29 Ing. Aldo Jimnez Arteaga