5.

4 Independencia lineal
• Empezamos tratando de contestar la siguiente pregunta: ¿existe una
1 2
relación especial entre los vectores v1= y v2= ?...
2 4

• Por supuesto, se puede apreciar que v1 = 2 v1; o si se escribe esta ecuación

de otra manera,
2 v1 - v2 = 0

• En otras palabras, el vector cero se puede escribir como una combinación

no trivial de v1 y v2 (es decir, donde los coeficientes en la combinación
lineal no son ambos cero).
 1 −4 −5
• ¿Que tienen de especial los vectores v1= 2 , v2= 1 y v3= 8 ?
3 5 19

v3 = 3v1 + 2v2; reescribiendo esto se obtiene

3v1 + 2v2 -v3 =0;

• En cada caso, se dice que los vectores son linealmente dependientes. En

términos generales, se tiene la importante definición que a continuación se
presenta.
Definición 5.4.1
Dependencia e independencia lineal
• Sean v1, v2 , … , vn, n vectores en un espacio vectorial V. Entonces se
dice que los vectores son linealmente dependientes si existen n
escalares c1, c2, . . . , cn no todos cero tales que
c1v1 + c2v2 + … + cnvn = 0 (5.4.3)

• Si los vectores no son linealmente dependientes, se dice que son

linealmente independientes.
Teorema 5.4.1 Dependencia e independencia
lineal
• Dos vectores en un espacio vectorial son linealmente dependientes si y solo si uno de ellos es un
múltiplo escalar del otro.

Demostración
Primero suponga que v2=cv1 para algún escalar c ≠ 0. Entonces cv1-v2=0 y v1 y v2 son linealmente
dependientes. Por otro parte, suponga que v1 y v2 son linealmente dependientes.

Entonces existen constantes c1 y c2 al menos uno distinto de cero, tales que c1v1+c2v2=0. Si c1 ≠ 0,
entonces dividiendo entre c1 se obtiene v1+(c2/c1)v2=0, o sea,

𝑐
v1=( - 2)v2
𝑐1

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

EJEMPLO 5.4.1 Dos vectores linealmente
dependientes en ℝ4
2 2
• Los vectores v1= −1 y v2= −1 son linealmente dependientes ya que v2 = -3v1.
0 0
3 3

• EJEMPLO 5.4.2 Dos vectores linealmente dependientes en ℝ3

1 2
• Los vectores 2 y 5 con linealmente independientes; si no lo fueran, se tendría
4 −3
2 1 1
5 = c 2 = 2𝑐 Entonces 2 = c, 5 = 2c y -3 = 4c, lo cual es evidentemente imposible para
−3 4 4𝑐

cualquier numero c.
Teorema 5.4.2
Un conjunto de n vectores en ℝm es siempre linealmente dependiente si n > m.
Sean v1, v2, . . . , vn, n vectores en Rm e intentemos encontrar constantes c1, c2, . . . , cn no todos cero
tales que

c1v1 + c2v2 + . . . + cnvn = 0 (5.4.7)

𝑎11 𝑎21 𝑎1𝑛
𝑎 𝑎22 𝑎2𝑛
Sea v1= ⋮21 , v2= ⋮ , …, vn= ⋮ Entonces la ecuacion (5.4.7) se convierte en
𝑎𝑚1 𝑎𝑚2 𝑎𝑚𝑛
𝑎11c1 + 𝑎12c2 + ⋯ 𝑎1𝑛cn = 0
𝑎21c1 + 𝑎22c2 + ⋯ 𝑎2𝑛cn = 0
⋮ ⋮ ⋮ ⋮ ⋮ (5.4.8)
𝑎𝑚1c1 + 𝑎𝑚2c2 + ⋯𝑎𝑚𝑛cn =0

Pero el sistema (5.4.8) tiene un numero infinito de soluciones si n > m. De esta forma, existen
escalares c1, c2, . . . , cn no todos cero, que satisfacen (5.4.8) y, por lo tanto, los vectores v1, v2, . . . , vn
son linealmente dependientes.
Corolario 5.4.1
• Un conjunto de vectores linealmente independientes en ℝn contiene a lo
sumo n vectores.

• Teorema 5.4.3
𝑎11 𝑎12 ⋯ 𝑎1𝑛
𝑎 𝑎22 ⋯ 𝑎2𝑛
• Sea A= ⋮21 ⋮ ⋮ ⋮ Entonces las columnas de A consideradas
𝑎𝑚1 𝑎𝑚2 ⋯𝑎𝑚𝑛
como vectores son linealmente dependientes si y solo si el sistema (5.4.8),
que se puede escribir como Ac = 0, tiene soluciones no triviales.
Teorema 5.4.7
Cualquier conjunto de n vectores linealmente independiente en ℝn genera a ℝn.
𝑎11 𝑎21 𝑎1𝑛
𝑎 𝑎 𝑎
Sea v1= ⋮21 , v2= ⋮22 , …, vn= ⋮2𝑛 vectores linealmente independientes y sea
𝑎𝑚1 𝑎𝑚2 𝑎𝑚𝑛
𝑥1
𝑥2
v= ⋮ un vector en ℝn. Debemos demostrar que existen escalares c1, c2, . . . , cn
tales𝑥que
𝑛

v = c1v1 + c2v2 + . . . + cnvn

Es decir
𝑥1 𝑎11 𝑎21 𝑎1𝑛
𝑥2 𝑎21 𝑎22 𝑎2𝑛
⋮ = c 1 ⋮ + c 2 ⋮ + …, +c n ⋮ (5.4.11)
𝑥𝑛 𝑎𝑚1 𝑎𝑚2 𝑎𝑚𝑛
En (5.4.11) se multiplican componentes, se igualan y se suman para obtener un sistema de n ecuaciones con n
incognitas c1, c2, . . . , cn:

𝑎11c1 + 𝑎12c2 + ⋯ 𝑎1𝑛cn = 𝑥1

𝑎21c1 + 𝑎22c2 + ⋯ 𝑎2𝑛cn = 𝑥2
⋮ ⋮ ⋮ ⋮ ⋮ (5.4.12)
𝑎𝑚1c1 + 𝑎𝑚2c2 + ⋯𝑎𝑚𝑛cn =𝑥𝑛

Se puede escribir (5.4.12) como Ac = v, donde

𝑎11 𝑎12 ⋯ 𝑎1𝑛 𝑐1
𝑎 𝑎22 ⋯ 𝑎2𝑛 𝑐2
A= ⋮21 ⋮ ⋮ ⋮ y c= ⋮ Pero det A ≠ 0 ya que las columnas de A son linealmente independientes.
𝑎𝑚1 𝑎𝑚2 ⋯𝑎𝑚𝑛 𝑐𝑛

De manera que el sistema (5.4.12) tiene una solución única c por el teorema 5.4.6 y el teorema queda
demostrado.
EJEMPLO 5.4.3 Determinación de la dependencia o
independencia lineal de tres vectores en ℝ3
1 2 0
Determine si los vectores −2 , −2 𝑦 1 son linealmente dependientes o independientes.
3 0 7
1 2 0 0
Solución Suponga que c1 −2 , +c2 −2 + c3 1 = 0 = 0 .Entonces multiplicando
3 0 7 0

y sumando se obtiene

𝑐1 + 2𝑐2 0
−2𝑐1 − 2𝑐2 + 𝑐3 = 0 . Esto lleva al sistema homogéneo de tres ecuaciones con tres
3𝑐1 + 7𝑐3 0

incógnitas 𝑐1, 𝑐2 y 𝑐3 :
 𝑐1 + 2𝑐2 =0
−2𝑐1 − 2𝑐2 + 𝑐3 = 0 (5.4.4)
3𝑐1 + 7𝑐3 = 0

• De este modo, los vectores serán linealmente dependientes si y solo si el

sistema (5.4.4) tiene soluciones no triviales. Se escribe el sistema (5.4.4)
usando una matriz aumentada y después se reduce por renglones. La
forma escalonada reducida por renglones de

1 2 0 |0 1 0 0 |0
−2 −2 1 |0 es 0 1 0 |0 .
3 0 7 |0 0 0 1 |0

Este ultimo sistema de ecuaciones se lee c1 = 0, c2 = 0, c3 = 0. Por lo tanto,

(5.4.4) no tiene soluciones no triviales y los vectores dados son linealmente
independientes.
EJEMPLO 5.4.4 Determinación de la dependencia
lineal de tres vectores en ℝ3
1 3 11
• Determine si los vectores −3 , 0 y −6 son linealmente dependientes o independientes
0 4 12
1 3 11 0
Solución La ecuación c1 −3 + c2 0 + c3 −6 = 0 conduce al
0 4 12 0
𝑐1 + 3𝑐2 + 11𝑐3 0
sistema homogéneo −3𝑐1 − 6𝑐3 = 0 (5.5.5)
4𝑐2 + 12𝑐3 0

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

obtiene

c3 = 1, se tiene c2 = -3 y c1 = -2, de manera que, como puede verificarse,

EJEMPLO 5.4.8 Tres matrices linealmente
independientes en M23
1 0 2 −1 1 4 −1 0 1
• En M23, sean A1= , A2 = y A3 =
3 1 −1 2 3 0 1 2 1

Determine si A1, A2 y A3 son linealmente dependientes o independientes.

Solución Suponga que c1A1 + c2A2 + c3A3 = 0. Entonces

0 0 0 1 0 2 −1 1 4 −1 0 1
• =c1 + c2 + c3
0 0 0 3 1 −1 2 3 0 1 2 1

Esto nos proporciona un sistema homogéneo de seis ecuaciones con tres incógnitas, c1, c2 y
c3, en el cual resulta bastante sencillo verificar que la única solución es c1 = c2 = c3 = 0. De
este modo, las tres matrices son linealmente independientes.
5.5 Bases y dimensión
Se ha visto que en ℝ2 conviene escribir vectores como una
combinación lineal de los vectores
1 0
•𝑖= 𝑦𝑗= En ℝ3 se escribieron los vectores en términos de
0 1

1 0 0
• 0 , 1 y 0 . Ahora se generalizara esta idea.
0 0 1
Definición 5.5.1 Base
• Un conjunto finito de vectores {v1, v2, . . . , vn} es una base para un espacio vectorial V si
• i) {v1, v2, . . . , vn} es linealmente independiente.
• ii) {v1, v2, . . . , vn} genera a V.

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

• En ℝn se define:
1 0 0 1
0 1 0 0
e1= 0 , e2= 0 , e3= 1 , …. , en= 0
⋮ ⋮ ⋮ ⋮
0 0 0 1

Puesto que los vectores ei son las columnas de una matriz identidad (que tiene determinante 1), {e1,
e2, . . . en} es un conjunto linealmente independiente y, por lo tanto, constituye una base en ℝn. Esta
base especial se denomina base canónica en ℝn. Ahora se encontraran bases para algunos otros
espacios.
EJEMPLO 5.5.2 Base canónica para M22
En el ejemplo 5.3.6 se vio que

1 0 0 1 0 0 0 0
, , 𝑦 generan a M22.
0 0 0 0 1 0 0 1

𝑐1 𝑐2 1 0 0 1 0 0 0 0 0 0
Si =𝑐1 + 𝑐2 + 𝑐3 + 𝑐4 = ,
𝑐3 𝑐4 0 0 0 0 1 0 0 1 0 0

entonces es evidente que c1=c2=c3=c4=0. Así, estas cuatro matrices son

linealmente independientes y forman una base para M22, lo que se
denomina base canónica para M22.
EJEMPLO 5.5.3 Una base para un subespacio de ℝ3

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

𝑥
𝜋 = 𝑦 : 2x − y + 3z = 0
𝑧
• Solución En el ejemplo 5.2.6 se observo que p es un espacio vectorial. Para encontrar una base, primero se
observa que si x y z se escogen
𝑥
arbitrariamente y si 𝑦 ∈ 𝜋, entonces y = 2x + 3z. Así, los vectores en 𝜋 tienen la forma
𝑧
𝑥 𝑥 0 1 0 1 0
• 2𝑥 + 3𝑧 = 2𝑥 + 3𝑧 = 𝑥 2 + 𝑧 3 lo cual muestra que 2 y 3 Como es evidente que
𝑧 0 𝑧 0 1 0 1

estos dos vectores son linealmente independientes (porque uno no es múltiplo del otro), forman una base
para 𝜋.
Si v1, v2, . . . , vn es una base para V, entonces cualquier otro vector v ∈
V se puede escribir como v = c1 v1 + c2 v2 + . . . + cnvn.

¿Puede escribirse de otra manera como una combinación lineal de los

vectores vi? La respuesta es no

Teorema 5.5.1
Si {v1, v2, . . . , vn } es una base para V y si v ∈ V, entonces existe un
conjunto único de escalares c1, c2, . . . , cn tales que v = c1v1 + c2v2 + . . .
+ cnvn.
Definición 5.5.2 Dimensión
• Si el espacio vectorial V tiene una base con un numero finito de
elementos, entonces la dimensión de V es el numero de vectores en
todas las bases y V se denomina espacio vectorial de dimensión
finita. De otra manera, V se denomina espacio vectorial de
dimensión infinita. Si V = {0}, entonces se dice que V tiene dimensión
cero.

• Notación. La dimensión V se denota por dim V.

EJEMPLO 5.5.4 La dimensión de ℝn
Como n vectores linealmente independientes en ℝn constituyen una base, se observa que

dim ℝn = n

EJEMPLO 5.5.5 La dimensión de Pn

Para el ejemplo 5.5.1 y el problema 5.4.47,, los polinomios {1, x, x2, . . . , xn} constituyen una base en
Pn. Entonces dim Pn = n + 1.

EJEMPLO 5.5.6 La dimensión de Mmn

En Mmn, sea Aij la matriz de m x n con un uno en la posición ij y cero en otra parte. Es sencillo
demostrar que las matrices Aij para i = 1, 2, . . . , m y j = 1, 2, . . . , n forman una base para Mmn. Así,
dim Mmn = mn.
EJEMPLO 5.5.7 P tiene dimensión infinita
• En el ejemplo 5.3.7 se observo que ningún conjunto finito de polinomios genera a
P. Entonces P no tiene una base finita y, por lo tanto, es un espacio vectorial de
dimensión infinita.
Existe un gran numero de teoremas sobre la dimensión de un espacio vectorial.

Teorema 5.5.3
Suponga que dim V = n. Si u1, u2, . . . , um es un conjunto de m vectores linealmente
independientes en V, entonces m ≤ n.

Teorema 5.5.4
Sea H un subespacio de un espacio vectorial de dimensión finita V. Entonces H
tiene dimension finita y

dim H ≤ dim V
EJEMPLO 5.5.10 Espacios de solución y espacio nulo
Sea A una matriz de m x n y sea S={x P ℝn: Ax=0}. Sean x1 ∈ S y x2 ∈ S;
entonces A(x1+x2)=Ax1+Ax2=0+0=0 y A(𝛼x1)= 𝛼(Ax1)= 𝛼0 = 0, de manera
que S es un subespacio de ℝn y dim S ≤ n. S se denomina espacio de
solución del sistema homogéneo Ax=0. También se denomina espacio
nulo de la matriz A.
EJEMPLO 5.5.11 Una base para el espacio de
solución de un sistema homogéneo
Encuentre una base (y la dimensión) para el espacio de solución S del sistema homogéneo
𝑥 + 2𝑦 − 𝑧 = 0
2𝑥 − 𝑦 + 3𝑥 =0
1 2 −1
Solución Aquí A = . Como A es una matriz de 2 x 3, S es un subespacio de ℝ3.
2 −1 3
Reduciendo por renglones, se encuentra, sucesivamente,

1 2 −1|0 1 2 −1|0 1 2 −1|0 1 0 1 |0

2 −1 3 |0 0 −5 5 |0 0 1 −1|0 0 1 −1|0
−𝑧 −1
Entonces y = z y x = -z, de manera que todas las soluciones son de la forma 𝑧 . Así 1 es una
𝑧 1
base para S y dim S = 1. Observe que S es el conjunto de vectores que se encuentran en la recta x = -
t, y = t, z = t.
EJEMPLO 5.5.12 Una base para el espacio de
solución de un sistema homogéneo
Encuentre una base para el espacio de solución S del sistema

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

Solución Reduciendo renglones se obtiene

2 −1 3 |0 2 −1 3 |0
4 −2 6 |0 0 0 0 |0 lo que da una sola ecuación: 2x - y + 3z = 0.
−6 3 −9 |0 0 0 0 |0
1 0
S es un plano y, por el ejemplo 5.5.3, una base esta dada por 2 y 3 y dim S = 2.
0 1