¿QUÉ ES UN SUBESPACIO VECTORIAL?

🔹 Definición Conceptual

Sea V K un espacio vectorial sobre un cuerpo K.

Un subconjunto S ⊂ V K es un subespacio vectorial si él mismo es un espacio vectorial
con las mismas operaciones de suma y producto por escalar definidas en V K .
Es decir: S hereda las operaciones de V y sigue cumpliendo todos los axiomas de
espacio vectorial.

🔹 Definición Simbólica
S es subespacio de V K ⟺ ( S ,+ ,⋅ ) es espacio vectorial

Se lee:“S es subespacio de V sobre K si y solo si S con las operaciones suma y

producto por escalar es un espacio vectorial”.

CONDICIÓN SUFICIENTE (CRITERIO PRÁCTICO)

Para evitar probar los 8 axiomas, usamos este criterio:
S es subespacio de V K si:

1) S ⊂ V K
Se lee: “S está contenido en V”.

2) S ≠ ∅
Se lee: “S es no vacío”. Significa que contiene al menos un vector. La condición de no
vacío no implica directamente que el vector nulo pertenezca al conjunto.
Sin embargo, si el conjunto es cerrado para el producto por escalar, al multiplicar cualquier
vector del conjunto por el escalar 0, obtenemos el vector nulo, lo cual demuestra que
necesariamente el vector nulo pertenece al conjunto.

Eso muestra comprensión profunda.

🧠 Resumen final conceptual
La estructura lógica es:
S ≠ ∅ ⇒ ∃u ∈ S ⇒ 0 ⋅u ∈ S ⇒ 0V ∈ S

3) Cerrado para la suma

∀ u , v ∈ S :u+ v ∈ S
Se lee: “Para todo u y v pertenecientes a S, la suma u más v pertenece a S”.
Significado: si sumo dos vectores de S, el resultado no sale de S.
 4) Cerrado para el producto por escalar
∀α ∈ K∧∀u∈S: α u∈S

Se lee: “Para todo escalar alfa en K y para todo vector u en S, alfa por u pertenece a
S”.
Significado: si multiplico un vector de S por un número del cuerpo, sigo dentro de S.

3️⃣ ¿CUÁNDO NO ES SUBESPACIO?

Un subconjunto NO es subespacio si:
 No contiene al vector nulo.
 No es cerrado para la suma.
 No es cerrado para el producto por escalar.
Ejemplo clásico:
2
S=\{ ( x , y ) ∈ R : y= x+1 \}
No es subespacio porque no contiene al vector nulo:
( 0 , 0) ∉ S

Ya falla una condición ⇒ no es subespacio.

4️⃣ NOTAS IMPORTANTES

🔹 Subespacios triviales
\{ 0V \} y V

Siempre son subespacios.

 \{ 0V \}se llama subespacio nulo.

 V se llama subespacio total.

🔹 Subespacios propios

Son aquellos distintos de: \{ 0V \} y V

5️⃣ DEMOSTRACIÓN DEL EJEMPLO 1 (RECTA EN R²)

Sea:
2
S=\{ ( x , y ) ∈ R : y=mx \}
Es una recta que pasa por el origen.

1) No vacío S ≠ ∅
Si tomo x=0, entonces:
y = m(0) = 0
Entonces:
(0,0) ∈ S
✔ Cumple.

2) Contención
Claramente S ⊂ R2 .

3) Cerrado para la suma

Sean:
u=( x 1 , m x 1 ) v=( x 2 , m x2 )

Sumamos :
u+ v=( x 1 + x 2 , m x 1 +m x 2 )

Factorizamos :

¿ ( x 1 + x 2 , m ( x1 + x 2 ) )

Sigue cumpliendo la condición.

✔ Pertenece a S.

4) Producto por escalar

α ( x1 , m x 1 )=( α x 1 , α m x 1 )

¿ ( α x1, m ( α x1))

Sigue verificando la ecuación.

✔ Pertenece a S.

Conclusión:
2
S≺R
Es subespacio.
Geométricamente: es una recta que pasa por el origen.

6️⃣ DEMOSTRACIÓN DEL EJEMPLO 2 (PLANO EN R³)

Sea:
 S=\{ ( x , y , z ) ∈ R3 : z =0 \}
Es el plano XY.

1) No vacío
( 0 , 0 , 0) ∈ S ✔

3) Cerrado para la suma

( x 1 , y 1 , 0 ) + ( x 2 , y 2 , 0 ) =( x 1+ x2 , y 1+ y 2 , 0 )
✔ Sigue teniendo z=0.

4) Producto por escalar

α ( x1 , y 1 , 0 )= ( α x 1 ,α y 1 , 0 )

✔ Sigue teniendo z=0.

Conclusión:
3
S≺R
Geométricamente: es un plano que pasa por el origen.

ÚLTIMA NOTA
“Los números reales no tienen subespacios propios”.
Porque si consideramos R como espacio vectorial sobre sí mismo:
Los únicos subconjuntos cerrados bajo suma y producto son:
\{ 0 \} y R
No existen otros subconjuntos que cumplan ambas propiedades.

🎯 CONCLUSIÓN PARA EXPOSICIÓN ORAL

Un subespacio vectorial es un subconjunto que:
 Contiene al vector nulo.
 Es cerrado para la suma.
 Es cerrado para el producto por escalar.
Y geométricamente en:

R → rectas que pasan por el origen.

2

 R → rectas o planos que pasan por el origen.
3


2) COMBINACIÓN LINEAL DE VECTORES

🔹 Definición Conceptual
Una combinación lineal es: Una suma finita de vectores multiplicados por escalares
del cuerpo K.
Es decir: Multiplicamos cada vector por un número (escalar) y luego sumamos los
resultados.

🔹 Notación Simbólica Completa

Sea:
A=\{ v 1 , v 2 , … , v n \}⊂ V K

donde :
•V K es un espacio vectorial sobre el cuerpo K

• vi ∈ V K

• αi ∈ K

Una combinaciónlineal es :
n
u=∑ α i vi =α 1 v 1 + α 2 v 2 +⋯+α n v n / α i ∈ K ∧ v i ∈V K
i=1

Se lee: “u es igual a la suma desde i igual 1 hasta n de alfa sub i por v sub i”.

🔹 Segunda Definición (Equivalente)

n
u ∈V K es combinación lineal de A si y solo si ∃ α 1 , … , α n ∈ K tales que u=∑ α i v i
i=1

Se lee: “Existe una n-upla de escalares en K tal que u puede escribirse como suma
ponderada de los vectores de A”.

COMBINACIÓN LINEAL TRIVIAL

🔹 Definición
Si :α 1=α 2=⋯=α n =0 ∈ K

Entonces :0V =0 v 1 +0 v 2 +⋯+0 v n

Se llama combinación lineal trivial.
Produce siempre el vector nulo.

COMBINACIÓN LINEAL IDÉNTICA

🔹 Definición Formal
Combinación Lineal Idéntica si ocurre que tienen los mismos términos no triviales.

{
n n
i v i ∀ i=1 , 2 , … ,n
∑ αi v i=∑ βi v i ⟺ αi . v i=β
αi ≠ 0 ∧ β i ≠ 0
i=1 i=1

Significa que coinciden término a término.

🧠 EJEMPLOS CON MATRICES Y POLINOMIOS

🔵 I) COMBINACIÓN LINEAL

✅ Ejemplo 1: Matrices
Espacio vectorial:
V =M 2 × 2 ( R )

Sean:

A= ( 10 01) B=( 01 10)

Tomemos :
α 1=2 , α 2=−3

Entonces :
u=2 A−3 B
Calculamos :

2 A= (20 02)−3 B=(−30 −30 )

Sumamos :

u= (−32 −3
2 )
✔ Es combinación lineal.

✅ Ejemplo 2: Polinomios
Espacio:
V =P 2 ( R )

Sea :
2
p1 ( x ) =1 p2 ( x )=x p3 ( x )=x
Tomemos :
α 1=3 , α 2=−1 , α 3=2

u ( x )=3 ( 1 )−1 ( x )+ 2 ( x 2 ) =3−x +2 x2

✔ Es combinación lineal.

🔵 II) COMBINACIÓN LINEAL TRIVIAL

✅ Ejemplo 1: Matrices

0 A+0 B= (00 00)

✅ Ejemplo 2: Polinomios

0 ( 1 ) +0 ( x ) +0 ( x 2 )=0

Es el polinomio nulo.

🔵 III) COMBINACIÓN LINEAL IDÉNTICA

✅ Ejemplo 1: Polinomios
2 2
2(1)+3( x )+ 4 (x )=2(1)+3(x )+4 (x )
Aquí :
α i=β i

✔ Idéntica.

✅ Ejemplo 2: Matrices (NO idéntica)

2 A +3 B ≠ 3 A +2 B
Aunque eventualmente el resultado pudiera coincidir en algún caso particular,
no son idénticas porque:
2 ≠3
🎓 ESQUEMA ORAL PARA TRIBUNAL
Podés decir:
Sea A una familia finita de vectores de un espacio vectorial sobre un cuerpo K.
Una combinación lineal es toda suma finita de vectores multiplicados por escalares
del cuerpo.
Se expresa simbólicamente como suma desde i igual 1 hasta n de alfa sub i por v sub
i.
Si todos los escalares son cero, se obtiene la combinación lineal trivial que produce
el vector nulo.
Dos combinaciones son idénticas cuando coinciden término a término en sus
coeficientes.

¿QUÉ ES EL CONJUNTO DE COMBINACIONES LINEALES?

🔹 Definición Conceptual

Dado un conjunto de vectores A ⊂ V K , el conjunto de combinaciones lineales de A es:

El conjunto formado por todos los vectores que pueden escribirse como combinación
lineal de los vectores de A.
Este conjunto también se llama:
🔹 Subespacio generado por A
🔹 Espacio generado por A

🔹 Notación Simbólica Completa

Si:
A=\{ v 1 , … , v n \}

Entonces :

{ }
n
A= u ∈ V K :u=∑ α i v i , α i ∈ K A ⊂ A ⊂V K
i=1

Se lee: “El conjunto A barra es el conjunto de todos los vectores u pertenecientes a

V_K tales que u puede escribirse como suma de alfa sub i por v sub i”.

🔹 Significado de cada símbolo

 A → conjunto generado por A

2️⃣ ¿QUÉ ES (x,y,z)?

(x,y,z)
Es la notación de un vector en R3 .
Significa:
 x → primera componente
 y → segunda componente
 z → tercera componente
Se usa porque cualquier vector de R3 puede representarse así.
Cuando buscamos el conjunto generado, usamos coordenadas generales para
describir todos los posibles vectores.

3️⃣ EXPLICACIÓN DETALLADA DEL EJEMPLO

Sea:
A=\{ ( 1 , 0 ,1 ) , ( 0 , 1 ,1 ) \}
Tomamos una combinaciónlineal general :
α (1 , 0 , 1 ) + β ( 0 , 1 ,1 )
Multiplicamos :
( α ,0 ,α ) + ( 0 , β , β )
Sumamos :
¿
Ahoraigualamos con :(x , y , z)
Entonces :
x=α
y=β
z=α + β
Reemplazando :
z=x + y
Conclusión :
3
A=\{ ( x , y , z ) ∈ R : z=x+ y \}
Por ejemplo, el vector (1,2,3) es combinación lineal de los vectores (1,0,1) y (0,1,1)
pues:
(1,2,3)=1(1,0,1)+2(0,1,1)
Es un plano que pasa por el origen.

🧠 DOS EJEMPLOS ADICIONALES

🔵 EJEMPLO 1 (Matrices)
Espacio:
M 2 ×2 ( R )

Sea :

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

Combinación general :

α (10 00)+ β (00 10)=( α0 β0)

Entonces :

{( )
A= x y : x , y ∈ R
0 0 }
Es un subespacio de matrices.

🔵 EJEMPLO 2 (Polinomios)
Espacio:
P2 ( R )

Sea :
A=\{ 1 , x \}
Combinación general :
α (1 )+ β ( x )=α + βx
Entonces :
A=\{ a+bx : a , b ∈ R \}
Es el subespacio de polinomios de grado menor o igual a 1.

🎓 CONCLUSIÓN PARA EXPOSICIÓN ORAL

Podés decir:
Sea A un subconjunto no vacío de un espacio vectorial V K .
El conjunto de combinaciones lineales de A es el conjunto de todos los vectores que
pueden escribirse como suma finita de escalares por vectores de A.
Simbólicamente se denota A barra y se define como el conjunto de todos los u
pertenecientes a V_K tales que u es igual a la suma desde i igual uno hasta n de alfa
sub i por v sub i.
En R³, representamos un vector como (x,y,z), y al igualarlo con la combinación lineal
obtenemos las ecuaciones que describen el subespacio generado.
🔹 ¿QUÉ ES EL SUBESPACIO GENERADO?
Dado un conjunto de vectores A ⊂ V K , el subespacio generado por A es:
El conjunto de todos los vectores que pueden escribirse como combinación lineal de
los vectores de A.
Se denota:
A o también span ( A)

📐 TEOREMA FUNDAMENTAL
Sea:
V K espacio vectorial

A ⊂V K

Entonces:

{ }
n
A= u ∈ V K :u=∑ α i v i , α i ∈ K
i=1

es un subespacio de V K

📐 DEMOSTRACIÓN COMPLETA

1️⃣ No vacío
Sabemos que:
0V =0 v1 +0 v 2+ ⋯+ 0 v n

Por lo tanto :
0V ∈ A

Entonces :
A≠∅

2️⃣ Contención
Por definición:
n
u=∑ α i vi
i=1

Cada v i ∈ V K

Como V es cerrado para suma y producto por escalar :

u ∈V K
Entonces :
A ⊂V K

3️⃣ Cerradura para la suma

Sean:
n
u=∑ ai v i
i=1

n
v=∑ b i vi
i=1

Sumamos :
u+ v=∑ ai v i+ ∑ bi v i

Agrupamos:
¿ ∑ ( ai+ bi ) v i

Comoai ai +b i ∈ K ,

entonces :
u+ v ∈ A

4️⃣ Cerradura por producto escalar

Sea:
u=∑ bi v i

Multiplicamos por β ∈ K :
βu=β ∑ b i v i=∑ ( β bi ) v i

Como β bi ∈ K ,

βu∈ A

✅ CONCLUSIÓN FINAL
A ≺V K

Es decir: El conjunto de todas las combinaciones lineales de A es un subespacio

vectorial.
Además: A es un conjunto generador de ese subespacio.

📚 DEFINICIÓN FORMAL FINAL

 Sea A ⊂ V K , A ≠ ∅ .

Se llama SubespacioGenerado por A al conjunto :

{∑ }
n
A= α i v i :α i ∈ K
i=1

🧠 EJEMPLO 1 (EN R3)

Sea:
A=\{ ( 1 , 0 , 0 ) , ( 0 ,1 , 0 ) \}

Combinación general:
α (1 , 0 , 0 ) + β ( 0 ,1 , 0 )= ( α , β , 0 )

Entonces:
A=\{ ( x , y , 0 ) : x , y ∈ R \}

Es el plano XY.

🧠 EJEMPLO 2 (POLINOMIOS)
Espacio:
P2 ( R )

Sea:
A=\{ 1 , x \}
Combinación general:
α (1 )+ β ( x )=α + β x

Entonces:
A=\{ a+bx : a , b ∈ R \}
Es el subespacio de polinomios de grado ≤ 1.

🎓 FRASE PARA TRIBUNAL

Podés decir:
El subespacio generado por un conjunto A es el conjunto de todas las combinaciones
lineales de los vectores de A.
Este conjunto es subespacio porque contiene al vector nulo, es cerrado para la suma
y para el producto por escalares.
Además, es el menor subespacio que contiene a A.
SISTEMA DE GENERADORES (SG)
📌 Definición Conceptual

Sea V K un espacio vectorial sobre el cuerpo K, y sea A ⊂ V K , con A ≠ ∅ .

Diremos que:
A es un Sistema Generador (SG) de V K
si y solo si el conjunto de todas las combinaciones lineales de vectores de A coincide
con todo el espacio V K .

Es decir: con los vectores de A puedo construir cualquier vector de V K mediante

combinaciones lineales.

🔷 2) DEFINICIÓN SIMBÓLICA
Sea:

{∑ | }
n
A= αi v i v i ∈ A , αi ∈ K , n ∈ N
I=1

📖 Se lee:
"A barra es el conjunto de todas las combinaciones lineales finitas de vectores de A
con coeficientes en K."

📌 Sistema Generador
A es SG de V K ⟺ A=V K

📖 Se lee: A es sistema generador de V K si y solo si A barra es igual a V K .

🔷 3) EXPRESIONES EQUIVALENTES

Dado V K , A ⊂ V K , y A :
LAS SIGUIENTES EXPRESIONES SON EQUIVALENTES:
1️⃣ A es un generador de A
Significa que:
n
∀ u ∈ A , u=∑ α i v i , v i ∈ A
i=1

2️⃣ A es el subespacio generado por A

Significa que:
A ≺V K
(Es subespacio vectorial de V K )

3️⃣ A genera a A
Es simplemente otra forma verbal equivalente.

4️⃣ Todo vector de A es combinación lineal de vectores de A

n
u ∈ A ⇒ u=∑ α i v i
i=1

🔷 4) TEOREMA FUNDAMENTAL
Sea V K espacio vectorial y A ⊂ V K , A ≠∅

Entonces:
A ≺V K

Es decir: El conjunto de todas las combinaciones lineales de A es un subespacio

vectorial de VKV_KVK.

🔷 5) DEMOSTRACIÓN COMPLETA
Para probar que A es subespacio debemos verificar:

① No vacío
Debemos probar que:
A≠∅
Como:
0V =0 ⋅ v 1+0 ⋅ v 2+ …+0 ⋅ v n y 0 ∈ K ,

entonces:
0V ∈ A

✔ Se cumple.

② Inclusión
A ⊂V K

Es inmediata porque las combinaciones lineales de vectores de V K siguen

perteneciendo a V K .
✔ Se cumple.
③ Cerrado para la suma
Sean:
n
u=∑ α i vi ∈ A
i=1

n
w=∑ β i v i ∈ A
i=1

Entonces:
n n
u+ w=∑ α i v i + ∑ β i v i
i =1 i=1

n
¿ ∑ ( αi + β i ) v i
i=1

Como α i + β i ∈ K ,

u+ w ∈ A
✔ Se cumple.

④ Cerrado para producto por escalar

Sea:
λ∈ K
n
u=∑ α i vi

Entonces:
i=1

n
λu=λ ∑ α i v i
i=1

n
¿ ∑ ( λ αi ) v i
i=1

Como λ α i ∈ K ,

λu∈ A
✔ Se cumple.

🔷 CONCLUSIÓN
A<V K
El conjunto generado por A es el menor subespacio que contiene a A.

🔷 6) EJEMPLO 1 (Subespacio propio)

Sea:
3
A=\{ ( 1 , 0 ,1 ) , ( 0 , 1 ,1 ) \}⊂ R
Combinación lineal general:
α (1 , 0 , 1 ) + β ( 0 , 1 ,1 )=( α , β , α + β )

Entonces:

A=\{ ( x , y , z ) ∈ R3 ∣ z=x + y \}

✔ Es subespacio
Verificamos:
 Contiene al cero → sí.
 Cerrado suma → demostrado.
 Cerrado producto escalar → demostrado.
Por lo tanto:
3
A< R
Pero:
3
A≠ R
Entonces: A NO es sistema generador de R3

🔷 7) EJEMPLO 2 (Sistema Generador)

Sea:
A=\{ ( 1 , 0 , 0 ) , ( 0 ,1 , 0 ) , ( 0 ,0 ,1 ) \}

Sea:
( x , y , z )∈ R3

Entonces:
( x , y , z )=x (1 , 0 , 0 ) + y ( 0 , 1, 0 )+ z ( 0 , 0 ,1 )
Por lo tanto:
3
A=R
Entonces:
3
A es SG de R
🔷 8) CASO DONDE NO GENERA
Sea:
A=\{ ( 1 , 0 , 0 ) \}

Entonces:
A=\{ ( x , 0 ,0 ) \}

Es una recta.
✔ Es subespacio
✖ No es igual a R3

No es SG de R3

🔷 9) CUANDO DOS SUBESPACIOS SON IGUALES

Dos subespacios W 1 y W 2 son iguales si:

W 1 ⊂ W 2 y W 2⊂ W 1

Por ejemplo:
Si: A=\{ ( 1 , 0 ) , ( 0 ,1 ) \} y B=\{ ( 1 ,1 ) , ( 1 ,−1 ) \}

Ambos generan R2.

Entonces:
2
A=B=R
Son subespacios iguales.

🔷 10) CONCLUSIÓN FINAL GENERAL

Todo conjunto A ⊂ V K genera un subespacio.

Ese subespacio es el menor que contiene a A.
✔

Si A=V K , entonces A es Sistema Generador.

✔

Todo espacio vectorial tiene al menos un generador: el propio V K .

✔
✔

FRASE FINAL DE CIERRE (MUY IMPORTANTE EN TRIBUNAL)

Puedes cerrar diciendo:
“El subespacio generado por A es el menor subespacio de V K que contiene a A.
Si coincide con todo el espacio, entonces A es un Sistema Generador.”

INDEPENDENCIA LINEAL DE VECTORES

Un conjunto de vectores es linealmente independiente si ninguno de sus vectores
puede escribirse como combinación lineal de los otros.
Equivalente:
La única manera de obtener el vector nulo como combinación lineal es usando todos
los coeficientes iguales a cero.
DEFINICIÓN FORMAL COMPLETA
Sea
A=\{ v 1 , … , v n \}⊂ V K
n
A es L.I. ⟺ ∑ α i v i=0V ⇒ α 1=α 2=…=α n=0
i=1

🔷 CONTRARRECÍPROCO
Condicional original:
P ⇒Q
Contrarrecíproco:
¬Q ⇒ ¬ P
Aplicado aquí:
Si existe al menos un coeficiente distinto de cero,
∃i :α i ≠ 0

entonces la combinación no puede dar cero:

n

∑ αi v i ≠ 0V
Es totalmente equivalente a la definición original.
i=1

🔷 EJEMPLO 1 — VECTORES EN ℝ² (INDEPENDIENTES)

Sea:
A = \{(1,0),(0,1)\}
Planteamos:
α (1 , 0 ) + β ( 0 ,1 )=( 0 , 0 )
( α , β )= ( 0 ,0 )
Luego:
α =0 y β=0
✔ Única solución trivial
Entonces:
A es L.I.
🔷 EJEMPLO 2 — VECTORES DEPENDIENTES
Sea:
A=\{ ( 1 , 2 ) , ( 2 , 4 ) \}

Planteamos:
α (1 , 2 ) + β ( 2 , 4 )=( 0 ,0 )

Sistema:
α +2 β=0
2 α + 4 β=0
La segunda ecuación es múltiplo de la primera.
Solución:
α =−2 β
Tomamos β=1
α =−2
No trivial.
Entonces:
A es L.D. (Linealmente Dependiente)

🔷 EJEMPLO 3 — MATRICES

En M 2 x 2 ( K )

Sea:

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

Planteamos:
α A 1+ β A2=0

( α0 β0 )=(00 00)
Entonces:
α =0 , β=0
✔ L.I.

Caso dependiente:

{( ) ( )}
A= 1 0 , 2 0
0 0 0 0
Claramente:
A2=2 A1

Entonces es L.D.

🔷 EJEMPLO 4 — FUNCIONES
EnC ( R )
Sea :
A=\{ 1 , x \}
Planteamos:
α (1 )+ β ( x )=0
α + βx=0 ∀ x
Para que se cumpla para todo x:
β=0
α =0
✔ L.I.

Caso dependiente:
A=\{ x , 2 x \}
α x + β ( 2 x )=0
( α +2 β ) x=0
Entonces:
α +2 β=0
Soluciones no triviales.
✔ L.D.

🔷 CARACTERIZACIÓN IMPORTANTE
Un conjunto es linealmente dependiente si:
∃vj∈ A

tal que
v j=∑ α i v i
i≠ j

Es decir: uno de los vectores se escribe como combinación de los otros.

🔷 FRASE DE CIERRE PARA TRIBUNAL
Puedes cerrar diciendo:
“La independencia lineal garantiza unicidad de representación del vector nulo.
Si aparece una combinación no trivial que produce el vector cero, el conjunto es
linealmente dependiente.”

🔷 PROPIEDADES DE CONJUNTOS LINEALMENTE DEPENDIENTES

🔹 PROPIEDAD 1
Enunciado simbólico
A es L.D.⟺ ∃ v j ∈ A tal que v j =∑ α i v i
i≠ j

Explicación conceptual
Un conjunto es dependiente si uno de sus vectores puede escribirse como
combinación lineal de los demás.

Demostración
Supongamos que A es L.D.
Entonces:
n

∑ αi v i=0V
i=1

con algúnα j ≠0.

Despejamos:
α j v j=−∑ α i v i
i≠ j

−1
v j= ∑α v
α j i≠j i i

✔ Queda demostrado.

Ejemplo
A=\{ ( 2 , 0 ) , ( 1, 1 ) , ( 3 ,1 ) \}
( 3 , 1 )=( 2 , 0 ) + ( 1 ,1 )
✔ Dependiente.

🔹 PROPIEDAD 2
Enunciado
 0V ∈ A ⇒ A es L.D.

Demostración
Sea v j =0V

Tomamos:
1 ⋅0V +0 v 1+ …+0 v n=0V

Coeficiente no nulo.
✔ Existe combinación no trivial.

Ejemplo
A=\{ ( 1 , 0 ) , ( 0 , 0 ) \}

✔ Dependiente.

🔹 PROPIEDAD 3
A es L.D.⟺ ∃ B ⊂ A , B ≠ A , B ≠ ∅ tal que B=A

Explicación
Si un vector depende de los otros, puede eliminarse sin cambiar el subespacio
generado.

Ejemplo
A=\{ ( 2 , 0 ) , ( 1, 1 ) , ( 3 ,1 ) \}
B=\{ ( 2 ,0 ) , ( 1 , 1 ) \}
B= A
✔ Dependiente.

🔹 PROPIEDAD 4
Si:
B⊂ A y B es L . D . , entonces : A es L.D.
Demostración
La combinación no trivial en B sigue siendo válida en A.

🔷 PROPIEDADES DE CONJUNTOS LINEALMENTE INDEPENDIENTES

🔹 PROPIEDAD 1'
A es L.I. ⟺ ningún v j ∈ A es combinación de los restantes

Es el contrarrecíproco de Propiedad 1.

🔹 PROPIEDAD 2'
A es L.I. ⇒ 0V ∉ A

Porque si estuviera, sería L.D.

🔹 PROPIEDAD 3'
A es L.I. ⟺ no existe subconjunto propio que genere el mismo subespacio

🔹 PROPIEDAD 4'
A es L.I. ⇒ ∀ B ⊂ A , B es L.I.
Demostración
Si un subconjunto fuera dependiente, entonces A también lo sería.

🔷 EJEMPLOS EN MATRICES

En M 2 x 2 ( K )

Dependiente:

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

Independiente:

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

🔷 EJEMPLOS EN FUNCIONES

En C ( R )
Dependiente:
\{ x , 2 x \}
Independiente:
\{ 1, x \}

🔷 CONCLUSIÓN GENERAL PARA TRIBUNAL

Puedes cerrar diciendo:
“Las propiedades muestran que la dependencia lineal implica redundancia en la
generación del subespacio.
La independencia lineal garantiza minimalidad en los generadores.”

INTERPRETACION GEOMETRICA DE LA INDEPENCIA LINEAL

📚 DESARROLLO TEÓRICO COMPLETO

I) DEFINICIÓN ALGEBRAICA DE INDEPENDENCIA LINEAL

Sea un espacio vectorial V K
Un conjunto \{ v 1 , … , v n \}⊂ V K es linealmente independiente ( L . I . ) si:

α 1 v 1+ α 2 v 2 +…+ α n v n =0V ⇒ α 1=α 2=…=α n=0

Se lee: Si una combinación lineal es el vector nulo, entonces todos los coeficientes
son cero.
Si existe una combinación no trivial que da cero → es linealmente dependiente (L.D.).

II) INTERPRETACIÓN GEOMÉTRICA EN R2

📌 CASO 1 — Dos vectores dependientes
En los dos primeros gráficos:
Los vectores v 1 y v 2 están sobre la misma recta que pasa por el origen.
Geométricamente:
v 2=λ v 1

para algún λ ∈ R .
Esto significa que uno es múltiplo escalar del otro.
Entonces:
v 2−λ v 1=0

Hay combinación lineal no trivial.

Por lo tanto → Linealmente Dependientes.

📌 CASO 2 — Dos vectores independientes

En el tercer gráfico:
Los vectores no están en la misma recta.
No existe λ ∈ R tal que:
v 2=λ v 1

Entonces:
α v 1 + β v 2=0 ⇒α =β=0

Por lo tanto → Linealmente Independientes.

III) INTERPRETACIÓN GEOMÉTRICA EN R3

📌 CASO 1 — Tres vectores dependientes (primer gráfico inferior)

Los tres vectores están en el mismo plano.
Entonces uno puede escribirse como combinación lineal de los otros dos:
v 3=α v 1+ β v 2

Luego:
α v 1 + β v 2−v 3=0

Existe combinación no trivial.

→ Linealmente Dependientes.

📌 CASO 2 — Otro caso dependiente

Uno de los vectores está dentro del plano generado por los otros dos.
También:
v 3 ∈ Gen \{ v 1 , v 2 \}

→ Dependientes.

📌 CASO 3 — Tres vectores independientes

No están en el mismo plano.
Geométricamente forman un paralelepípedo tridimensional.
Algebraicamente:
α 1 v 1+ α 2 v 2 +α 3 v 3=0 ⇒ α 1=α 2=α 3=0

→ Independientes.

IV) DEMOSTRACIÓN ALGEBRAICA DEL RESULTADO EN R2

Sean:
 v 1= ( a , b ) , v 2= ( c , d )

Son dependientes si el determinante:

|ba dc|=ad−bc=0
Si el determinante es cero → están en la misma recta.
Si no es cero → son independientes.

V) DEMOSTRACIÓN ALGEBRAICA EN R3
Sean tres vectores:
v1 , v2 , v3

Son independientes si el determinante:

det ( v 1 , v 2 , v 3 ) ≠ 0

Ese determinante representa el volumen del paralelepípedo.

Si el volumen es cero → están en el mismo plano.

VI) EXPLICACIÓN DEL TEXTO FINAL

El texto dice que:
Un conjunto dependiente tiene vectores “redundantes”.
¿Qué significa?
Que existe un vector que puede escribirse como combinación de otros:
v k =∑ α i v i
i≠k

Entonces puede eliminarse sin cambiar el subespacio generado.

Es decir:
Gen ( A ) =Gen ( A−\{ v k \} )

Por eso se busca un conjunto generador “económico”:

Un conjunto generador mínimo.
Eso es precisamente una base.

VII) RESUMEN PARA EXPOSICIÓN EN PIZARRÓN

En R2 : En R3 :
✔ Independientes ⇔ no están en la ✔ Independientes ⇔ no están en el
misma recta mismo plano
✔ Dependientes ⇔ uno es múltiplo del ✔ Dependientes ⇔ uno es combinación
otro de los otros

VIII) FRASE FINAL PARA DEFENSA

La interpretación geométrica de la independencia lineal traduce la condición
algebraica de inexistencia de combinaciones lineales no triviales en condiciones
espaciales: no colinealidad en R2 y no coplanaridad en R3. Esto conecta la estructura
algebraica con la geometría del espacio.

BASE DE UN ESPACIO VECTORIAL

Sea V K un espacio vectorial y sea B un subconjunto de V K y B≠ϕ.

Diremos que B es una base de V K si y solo si B es Generador de V K y B es

Linealmente Independiente.
Una base es un conjunto de vectores que cumple dos condiciones fundamentales:
1️⃣ Genera todo el espacio vectorial.
2️⃣ No tiene vectores redundantes (es linealmente independiente).
En otras palabras:
DEFINICIÓN DE BASE
Un conjunto B es Base de V K si cumple simultáneamente:
1. Es Generador
2. Es Linealmente Independiente
🔷 DEFINICIÓN FORMAL COMPLETA
Sea:
B=\{ v 1 , … , v n \} ⊂ V K ∧ B≠ ∅

Entonces:

{
B=V K
B es Base de V K ⟺ n

∑ α i vi =0V ⇒ αi=0 ∀ i osea es L . I .

i=1

🔷 EJEMPLO 1 — BASE DE ℝ²
Sea:
B=\{ ( 2 ,0 ) , ( 1 , 1 ) \}
1️⃣ Generador

Sea ( x , y ) ∈ R 2

(x,y)=x(2,0)+y(1,1)
(x,y)=(2α+β,β)
Sistema:

{2 αβ=+ β=x
y

Sustituimos:
2 α + y=x
x− y
α=
2
Existe solución para todo (x,y).
Conclusión:
2
B=R

2️⃣ Independencia
(0,0) = α(2,0) + β (1,1)
(0,0) = (2α+β, β)
Sistema:

{2 αβ=0
+ β=0

Sustituimos:
β=0 → 2 α =0 →α =0
✔ L.I.

Conclusión:
2
B es base de R

🔷 EJEMPLO 02 — BASE CANÓNICA

Sea:
E=\{ E 1 , … , En \}

11️⃣Independencia
 n

∑ α i Ei=( 0 , … , 0 )
i=1

Se obtiene:

( α 1 ,… ,α n )= ( 0 , … ,0 )
Luego:
α i=0 ∀ i

22️⃣Generador
Sea:
v=( a 1 , … , an )

Entonces:
v=a1 E1 +…+ an E n

CONCLUSIÓN
E es base
Se llama Base Canónica.
🔷 EJEMPLO 3 — BASE EN MATRICES

En M 2 x 2 ( K )

Sea:

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

Generador
Sea:

A= ( ac bd)
Entonces:
A=a E11 + b E 12+ c E21 +d E22

Luego:
B=M 2 x 2

Independencia
Si:
α E 11 + β E 12+ γ E21 +δ E22=0

Entonces:
α =β=γ =δ=0
✔ L.I.
Conclusión:
B es base.

🔷 EJEMPLO 4 — BASE EN FUNCIONES

En el espacio de polinomios de grado ≤ 2:
P2 ( K )

Sea:
2
B=\{ 1 , x , x \}

Generador
Sea:
2
p ( x )=a+ bx+ c x
Entonces:

p ( x )=a ( 1 ) +b ( x ) +c ( x 2)

Independencia
2
α + β x +γ x =0
Para todo x.
Implica:
α =β=γ =0
✔ L.I.
Conclusión:

\{ 1, x , x \} es base de P2 ( K ) .
2

TEOREMA (UNICIDAD)
SiB=\{ v 1 , … , v n \} es base de V K , entonces :
 v=α 1 v 1+ …+α n v n

es única.
(DEMOSTRACIÓN COMPLETA)
Supongamos:
v=α 1 v 1+ …+α n v n

y también:
v=β 1 v 1+ …+ β n v n

Restamos :
0=( α 1−β 1 ) v 1+ …+ ( α n−β n ) v n

Como es L. I . :
α i−β i=0

α i=β i

Queda probado que la representación es única.

Una base es:
 Un conjunto mínimo que genera todo el espacio
 Un sistema de referencia
 Permite coordenadas únicas
🔷 CONSECUENCIAS IMPORTANTES
1️⃣ Toda base tiene la misma cantidad de elementos → dimensión.
2️⃣ Si un conjunto es L.I. y tiene la misma cantidad de vectores que la dimensión, es
base.
3️⃣ Si un conjunto es generador y tiene la misma cantidad que la dimensión, es base.

🔷 FRASE FINAL PARA TRIBUNAL

Puedes cerrar diciendo:
“Una base es un conjunto generador minimal que permite expresar de manera única
cada vector del espacio.
La base sintetiza la estructura algebraica del espacio vectorial y determina su
dimensión.”

DIMENSIÓN FINITA
Un espacio vectorial V K es de dimensión finita si existe un conjunto finito de
vectores:
B=\{ v 1 , v 2 , … , v n \} ⊂V K
tal que B es base de V K .

📌 DEFINICIÓN SIMBÓLICA COMPLETA

V K es de dimensión finita ⟺ ∃ B=\{ v 1 , … , v n \} ⊂ V K

con:

{B es linealmente
B=V
independiente
K

II) DEFINICIÓN DE DIMENSIÓN

Si V K es de dimensión finita y:
B=\{ v 1 , … , v n \}

es una base, entonces:

dim V K =n

Se lee: “La dimensión de V sobre K es n”.

III) CASO ESPECIAL: ESPACIO NULO

V K =\{ 0V \}

Tiene como única base el conjunto vacío:

B=∅
Por definición:
dim V K =0

IV) TEOREMA FUNDAMENTAL

📌 Teorema (Invariancia del Número de Elementos de una Base)

Si V K es de dimensión finita, entonces:

Todas las bases de V K tienen la misma cantidad de elementos.

🔎 DEMOSTRACIÓN COMPLETA
Supongamos que existen dos bases:
Como B es Como C es
base: base:
B=\{ v 1 , … , v n \}

 Es L.I.  Es L.I.
 Genera V  Genera
C=\{ w1 , … , wm \}

V
Teorema auxiliar:
En un espacio de dimensión n, todo conjunto linealmente independiente tiene a lo
sumo n elementos.
Entonces:
m ≤n
Intercambiando roles :
n≤m
Por lo tanto :
n=m
Queda demostrado que la dimensión está bien definida.

V) EJEMPLOS COMPLETAMENTE DEMOSTRADOS

1️⃣ R
2

Base canónica:
\{ ( 1, 0 ) , ( 0 , 1 ) \}

Independencia:
α (1 , 0 ) + β ( 0 ,1 )=( 0 , 0 )
( α , β )= ( 0 ,0 )
α =β=0
Generador:
( x , y ) =x ( 1 , 0 ) + y ( 0 ,1 )

Conclusión:
2
dim R =2

2️⃣ R3

Base canónica:
\{ ( 1, 0 , 0 ) , ( 0 ,1 , 0 ) , ( 0 , 0 ,1 ) \}

Análogamente:
( x , y , z )=x (1 , 0 , 0 ) + y ( 0 , 1, 0 )+ z ( 0 , 0 ,1 )
Conclusión:
3
dim R =3

3️⃣ R
2 x3
Matrices:

( ad b c
e f )
Tiene 6 entradas independientes.
Base canónica:
E11 , E12 , E 13 , E21 , E 22 , E23

Son 6 matrices con un 1 y resto 0.

Toda matriz se escribe:
A=a E11 + b E 12+ c E13 +d E21+ e E22 + f E 23

Conclusión:
2 x3
dim R =6

4️⃣
3
PR (x )

Espacio de polinomios de grado ≤ 3:

3 2 3
P R ( x )=\{ a 0+ a1 x+ a2 x +a 3 x \}

Base canónica:
\{1,x,x^2,x^3\}
Independencia:
2 3
α 0 +α 1 x +α 2 x + α 3 x =0

Polinomio nulo ⇒ todos coeficientes 0.

Generador:
Todo polinomio se escribe como combinación.
Conclusión:
3
dim P R ( x ) =4

VI) INTERPRETACIÓN GEOMÉTRICA

Dimensión indica:
 Número de grados de libertad.
 Número mínimo de vectores necesarios para generar el espacio.
 Número de coordenadas necesarias para describir un vector.

VII) PROPIEDADES IMPORTANTES

Si dim V K =n:
 1. Todo conjunto con más de n vectores es L.D.
2. Todo conjunto L.I. tiene ≤ n vectores.
3. Todo conjunto generador tiene ≥ n vectores.

VIII) RESUMEN PARA PIZARRÓN

Definición:
V K dimensión finita ⟺∃ base finita

Dimensión :
dim V K =cantidad de vectores de una base

Teorema :
Todas las bases tienen igual cardinal
Casos :
2
dim R =2
3
dim R =3
2 x3
dim R =6
3
dim P R ( x ) =4

✅ EJEMPLO 1
Conjunto que es generador, es linealmente independiente, por lo tanto es base y
tiene dimensión definida.
Trabajaremos en el espacio vectorial:
2
V =R

🔹 Sea el conjunto
B = \{(1,2), (3,1)\}

1️⃣ Verificamos si es Linealmente Independiente

Definición:
Un conjunto \{ v 1 , v 2 \} es L. I . si:

α 1 v 1+ α 2 v 2= ( 0 ,0 ) ⇒ α 1=α 2=0

Planteamos:
α (1 , 2 ) + β ( 3 , 1 )= ( 0 ,0 )
Desarrollamos:
( α +3 β , 2 α + β )= ( 0 , 0 )

Sistema:

{α2 +3α + β=0

β=0

Resolución
De la segunda:
β=−2 α
Sustituimos enla primera :
α +3 (−2 α ) =0
α −6 α=0
−5 α =0
α =0
Entonces :
β=0

✔ Conclusión
El conjunto es Linealmente Independiente.

2️⃣ Verificamos si es Generador

Sea un vector cualquiera:
( x , y ) ∈ R2
Buscamos:
( x , y ) =α ( 1 , 2 )+ β ( 3 , 1 )
Desarrollamos :
( x , y ) =( α + 3 β , 2 α + β )
Sistema:

{2αα+3+ β=
β=x
y

Resolución
De la primera:
α =x−3 β
Sustituimos enla segunda :
2 ( x−3 β )+ β= y
2 x−6 β+ β= y
2 x−5 β= y
2x−y
β=
5
Entonces :

α =x−3 ( 2 x−5 y )
Existe solución para todo( x , y )

✔ Conclusión
El conjunto es Generador.

🎯 CONCLUSIÓN FINAL DEL EJEMPLO 1

Como:
 Es L.I.
 Es Generador
Entonces:
2
B es Base de R
Como tiene 2 vectores:
2
di m R =2

❌ EJEMPLO 2
Conjunto que NO es base (no cumple independencia)
Trabajamos en: V =R 3

🔹 Sea
A=\{ ( 1 , 0 , 0 ) , ( 0 ,1 , 0 ) , (1 , 1 , 0 ) \}

1️⃣ Verificamos independencia

Observamos:
(1,1,0)=(1,0,0)+(0,1,0)
Por lo tanto uno es combinación lineal de los otros.
Formalmente:
α (1 , 0 , 0 ) + β ( 0 ,1 , 0 ) + γ ( 1 ,1 , 0 )= ( 0 ,0 , 0 )

Desarrollamos:
( α +γ , β +γ , 0 )=( 0 , 0 , 0 )
Sistema:

{αβ++ γγ =0
=0

Tiene infinitas soluciones:

γ =t , α =−t , β=−t
No es la única trivial.

✔ Conclusión
El conjunto es Linealmente Dependiente.

2️⃣ ¿Es Generador de R3?

Observamos que todos los vectores tienen tercera componente 0.

Por lo tanto nunca podrán generar vectores del tipo:
(0,0,1)
Entonces:
A=\{ ( x , y , 0 ) \}
3
Es un plano dentro de R .

✔ Conclusión final del Ejemplo 2

 Es L.D.
 No es generador de R3
 No es base
El subespacio que genera tiene dimensión 2.
Porque:
\{ ( 1, 0 , 0 ) , ( 0 ,1 , 0 ) \}

sí es base de ese plano.

📌 RESUMEN PARA DEFENSA ORAL

Ejemplo 1
 Independiente
Generador
✔

Base
✔

Dimensión = 2
✔
✔

Ejemplo 2
Dependiente
No generador
✘

No base
✘

Subespacio generado dimensión 2

✘
✔