Espacios Vectoriales

Definicin
Subespacios
Bases y dimensin
Coordenadas. Cambio de base
Operaciones entre subespacios vectoriales

Definicin
Un espacio vectorial es un conjunto V en el cual hay definida una operacin binaria interna,
llamada suma, con determinadas propiedades y una operacin binaria externa, llamada
producto por un escalar, que liga los elementos de V y los de un cuerpo K, usualmente los
nmeros reales o los complejos, y que tiene tambin determinadas propiedades.

5u , v , 3w

Independientemente del carcter verdadero o falso de las expresiones anteriores, el simple

enunciado de las mismas puede contener errores como el simbolizado con el disco
. No

es correcto escribir la expresin uv pues la operacin que liga dos elementos de V, la

operacin interna se simboliza por + , la simple yuxtaposicin de dos smbolos se reserva para
la operacin externa que liga un elemento de V con uno de K.

El smbolo
puesto junto a la expresin 5(u + v ) = 5u + 5v no significa, de momento, que
sta sea cierta, simplemente significa que est bien escrita. Otra cosa es que las propiedades
que deban verificar las operaciones interna y externa hagan que tal expresin sea cierta.

Formalmente deberamos escribir 0u = 0

pues la composicin de un escalar con un
vector no puede dar un escalar, no obstante es bastante corriente ver en la literatura esta

expresin aunque ms correcto sera escribir 0u = 0 .

Condiciones a cumplir por las operaciones

Operacin interna (suma)

1.
2.
3.
4.

Conmutativa: u + v = v + u ; u , v V



Asociativa: u + (v + w) = (u + v ) +
w
;

u
,v , w V

Existencia de elemento neutro: 0 tal que 0 + u = u u V

Existencia de elemento opuesto: u V v tal que u + v =0

El opuesto de u se simboliza : u

Operacin externa (producto por un escalar)

1. Asociativa a(bu
=
) (ab)u ; a, b K , u V

2. La unidad de K es el elemento neutro del producto: 1u= u ; u V

3. Propiedad distributiva del producto respecto a la suma de vectores

(u+v)= u+ v ; K , u , v V
4. Propiedad distributiva del producto respecto a la suma de escalares

( + )u= u+ u ; , K , u V

Ejemplos
Ejemplo1: El conjunto de los polinomios es espacio vectorial
Dados dos polinomios se define su suma como el polinomio cuyos coeficientes
son la suma de los coeficientes de monomios del mismo grado.

p1 = 4 x 3 + 2 x 2 7 x + 4 ; p 2 = 7 x5 3 x 2 3

p1 + p 2 = 7 x 5 + 4 x 3 x 2 7 x + 1
El producto de un polinomio por un nmero real se define como el polinomio
cuyos coeficientes se obtienen multiplicando los coeficientes del polinomio original
por dicho nmero.

p = 4 x3 + 2 x 2 7 x + 4

3 p = 12 x3 + 6 x 2 21x + 12

El conjunto P de los polinomios es espacio vectorial

Operacin interna (suma)

1.
2.
3.
4.

Conmutativa: u + v = v + u ; u , v P



Asociativa: u + (v + w) = (u + v ) +
w
;

u
,v , w P

Existencia de elemento neutro: 0 tal que 0 + u = u u P

Existencia de elemento opuesto: u P v tal que u + v =0

Operacin externa (producto por un escalar)

1. Asociativa a(bu
=
) (ab)u ; a, b R, u P

2. La unidad de R es el elemento neutro del producto: 1u= u ; u P

3. Propiedad distributiva del producto respecto a la suma de vectores

(u+v)= u+ v ; R, u , v P
4. Propiedad distributiva del producto respecto a la suma de escalares

( + )u= u+ u ; , R, u P

Ejemplo2: El conjunto de funciones reales de una variable real es espacio vectorial

Dadas dos funciones f y g se define la suma h = f+g como:

h(x) = f(x) + g(x)

El producto de una funcin f por un nmero real l se define

(lf )(x) = l[f(x)]

El conjunto F de funciones reales de una variable real es espacio

vectorial
Operacin interna (suma)

1.
2.
3.
4.

Conmutativa: f + g = g + f ; f , g F
Asociativa: f + ( g + h) = ( f + g ) + h ; f , g , h F
Existencia de elemento neutro: 0 tal que 0 + f = f f F

Existencia de elemento opuesto: f F g tal que f + g =0

g ( x) = f ( x) x R

Operacin externa (producto por un escalar)

1. Asociativa a(bu
=
) (ab)u ; a, b R, u P

2. La unidad de R es el elemento neutro del producto: 1u= u ; u P

3. Propiedad distributiva del producto respecto a la suma de vectores

(u+v)= u+ v ; R, u , v P
4. Propiedad distributiva del producto respecto a la suma de escalares

( + )u= u+ u ; , R, u P

Ejemplo 3: Puntos del plano.

Dados dos puntos P, Q de un plano. Definimos su suma como el punto medio del
segmento que los une.
P + Q = R ( R = punto medio del segmento PQ )

Dado un punto P del plano se define el producto por el nmero real como el
punto Q situado en la recta OQ ( O = origen de coordenadas ) a distancia veces
la distancia del punto P a O

El conjunto P de los puntos del plano con las operaciones antes

definidas NO es espacio vectorial
Operacin externa (producto por un escalar)
1. Asociativa: a(bP) = (ab)P ; a,b R ; P P
2. La unidad de R es el elemento neutro del producto: 1P = P ;

P P

3. Propiedad distributiva del producto respecto a la suma de vectores

(P + Q ) = P + Q
4. Propiedad distributiva del producto respecto a la suma de escalares
(+)P = P + P

El conjunto P de los puntos del plano con las operaciones antes

definidas SI es espacio vectorial
Operacin interna (suma)

1. Conmutativa: P + Q = Q + P ; P, Q

2. Asociativa: P + (Q + R) = ( P + Q) + R ; P, Q, R
3. Existencia de elemento neutro: 0 tal que 0 + P = P P
El elemento neutro es el origen de coordenadas

4. Existencia de elemento opuesto: P Q tal que P + Q =

0
El elemento opuesto del punto P es el punto simtrico respecto al origen

Operacin externa (producto por un escalar)

1. Asociativa: a(bP) = (ab)P ; a,b R ; P P
2. La unidad de R es el elemento neutro del producto: 1P = P ;

P P

3. Propiedad distributiva del producto respecto a la suma de vectores

(P + Q ) = P + Q
4. Propiedad distributiva del producto respecto a la suma de escalares
(+)P = P + P

Las propiedades que hemos exigido para las operaciones interna y externa en espacios
vectoriales hace que se verifiquen y sean ciertas las proposiciones ms o menos intuitivas que
estamos acostumbrados a ver: Sacar factor comn, quitar parntesis, el producto por cero es
cero, .... En puro rigor habra que dar una demostracin exacta de tales proposiciones pero una
vez hecho esto la validez en cualquier ejemplo de espacio vectorial est garantizada.
A modo de ejemplo vamos a demostrar algunas proposiciones.

Algunas propiedades de espacios vectoriales

u V , 0u =0

0u + u= 0u + 1u= (0 + 1)u
= 1u= u

0u =
0

La demostracin que sigue no es vlida

0u= (1 1)u = 1u + (1)u = u + (u ) = 0

(1)u =u , u V

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

0=
u 0 (1)u =u

Sea K , u V entonces u = 0 = 0 u=0

.....

Obsrvese que la invalidez de demostracin antes reseada se debe a que se ha hecho uso de

la afirmacin (1)u =
u que no es enunciado directo de las propiedades de las operaciones
interna y externa.

Volvemos a escribir una galera de afirmaciones en las que utilizamos los smbolos
indicar validez formal y real,
real pero escritura formal vlida.

para indicar invalidez formal y

para

para indicar invalidez

El concepto de espacio vectorial proporciona, como todos los conceptos de estructuras

matemticas, una gran economa de pensamiento a la hora de operar dentro de una
estructura siguiendo reglas ms o menos mecnicas que nos aseguran la validez de los
resultados obtenidos al operar sin tener en cuenta la naturaleza intrnseca de los operandos.

Escribimos una expresin como 0u = 0 sin plantearnos la naturaleza de u si hemos

comprobado previamente que pertenece a un espacio vectorial. Da lo mismo que u sea una
fuerza, un polinomio o una matriz. Podemos operar mecnicamente siempre que previamente
hayamos comprobado que se cumplen las 8 condiciones que convierten un conjunto con dos
operaciones en espacio vectorial.
Cuando se trabaja con un subconjunto de un espacio vectorial es natural preguntarse si es a su
vez espacio vectorial pues una respuesta afirmativa hara que las operaciones fuesen
mecnicas. Adems el hecho de ser subconjunto de un espacio vectorial hace que abriguemos
la esperanza de que la comprobacin de su naturaleza como espacio vectorial sea ms simple y
que no estemos obligados a verificar que se cumplen las 8 condiciones de la definicin.
Surge as el concepto de subespacio vectorial

Definicin (Subespacio Vectorial)

Sea V un espacio vectorial sobre el cuerpo K. Se dice que un subconjunto S de K con las
operaciones inducidas por V es subespacio vectorial si S es a su vez espacio vectorial.

Teorema
Un subconjunto S de un espacio vectorial V es subespacio vectorial si y slo si la suma
de cualquier par de elementos de S est en S y el producto por cualquier escalar de cada
elemento de S tambin est en S
Demostracin

Si S V es espacio vectorial

u, v S ; K

u + v S , u S

que toda combinacin lineal de elementos de S

Supongamos
pertenece a S
Operacin interna(suma)


1. Conmutativa: u + v = v + u ; u , v S



2. Asociativa: u + (v + w) = (u + v ) + w ; u , v , w S

3. Existencia de elemento neutro: 0 S tal que 0 +
u = u u S

4. Existencia
opuesto:

S
tal
que
u
u S deelemento
u S
u + (u ) S , 0 S + v =0
Operacin externa (producto por un escalar)

1. Asociativa a(bu
=
) (ab)u ; a, b K , u S

2. La unidad de K es el elemento neutro del producto: 1u= u ; u S

3. Propiedad distributiva del producto respecto a la suma de vectores

(u+v)= u+ v ; K , u , v S
4. Propiedad distributiva del producto respecto a la suma de escalares

( + )u= u+ u ; , K , u S
Independientemente de la nula dificultad de la demostracin anterior, observemos la
importancia del teorema: Basta comprobar que las operaciones interna y externa son cerradas
en un subconjunto S del espacio vectorial V para afirmar que S es a su vez espacio vectorial.
Con este teorema no habra sido necesario comprobar que el conjunto de polinomios satisface
las 8 condiciones que lo hacen espacio vectorial (ejemplo 1), bastara saber que las funciones
tienen estructura de espacio vectorial (ejemplo 2) y que la suma de dos polinomios es un
polinomio y el producto de un polinomio por un escalar es tambin un polinomio.

Ejemplos

El conjunto F de funciones reales de variable real es espacio vectorial

El conjunto de polinomios de coeficientes reales P es subconjunto no vaco de F
La suma de dos polinomios es un polinomio
El producto de un polinomio por un nmero real es un polinomio
El conjunto P es espacio vectorial sobre el cuerpo de los nmeros reales

El conjunto P de puntos del plano con las operaciones descritas en el ejemplo 4 es

espacio vectorial
El subconjunto D de puntos del crculo de centro el origen y radio unidad es un
subconjunto no vaco de P
Dado cualquier punto Q de D podemos encontrar un nmero real tal que Q est
fuera de D
D es espacio vectorial ???

El espacio vectorial de las n-uplas de nmeros reales

Definicin
Se llama n-upla de nmeros reales a un conjunto ordenado de n nmeros reales. Se
representa como n nmeros reales encerrados entre parntesis, separados por comas y
ordenados segn marque el orden de la n-upla. El conjunto de n-uplas de nmeros reales se
representa como Rn ; ( a1 , a2 ,....., an ) R n
Galera
(2, 7, 3) R 3

2, 7, 3 R 3
2, 7, 3 R

(2, 7, 3) R 4

( a , b, c , d ) R 4

{ a , b, c , d } R 4
{ a , b, c , d } R

=
a (2, 7,3,3) R 4 El segundo elemento de a es 7

=
a (2, 7,3,3) R 4
=
a2 7

= Correcto

= No es correcto pues incluso est mal escrito

= No es cierta la expresin pero si es correcta la sintaxis

El conjunto R n de la n-uplas de nmeros reales con las operaciones definidas antes, es un

espacio vectorial.

Hemos establecido R n como espacio vectorial. Los conceptos de base y dimensin que
pasamos a definir lo van a configurar como el nico tipo de espacios vectoriales. De hecho
veremos que la forma de trabajar en un futuro ser traducir los vectores a tratar a su versin
n-upla, hacer todas las operaciones en R n y volver con los resultados al espacio de partida.

Bases y dimensin de un espacio vectorial

Definicin
Sea V un espacio vectorial sobre el cuerpo K y v1, v2,,vm un conjunto de vectores de V.
Se dice que son linealmente independientes si la nica combinacin lineal con coeficientes
escalares de K que da como resultado el vector 0 es la que tiene todos los coeficientes 0.
v1, v2,,vm

V ; , , ., K tal que
1

v1+ 2 v2+ ..+ m vm=0 1=2= .=m =0

Otros nombres
Si v1, v2,,vm son linealmente independientes, el sistema {v1, v2,,vm } se llama
sistema libre. En otro caso se llama sistema ligado
Ejemplo 1
En el espacio vectorial de las ternas de nmeros reales, los vectores (2,3,5) , (1,2,3),
(7,12,19) constituyen un sistema ligado.
Pues (7,12,19)=2(2,3,5)+3(1,2,3) y as (7,12,19)-2(2,3,5)-3(1,2,3)=(0,0,0)
Es decir la combinacin lineal de coeficientes 1,-2,-3 proporciona el vector nulo.
Teorema
Un sistema es ligado si y slo si puede ponerse uno de su vectores como combinacin lineal
de los dems

Ejemplo 2
En el espacio vectorial de las ternas de nmeros reales estudiar la independencia de
los vectores (1,3,5) , (2,0,-1) , (1,-1,0)
Escribimos una combinacin lineal genrica de stos y la igualamos a cero
a(1,3,5) + b(2,0,-1) + c(1,-1,0) = (0,0,0)
Obtenemos pues que debe ser
a + 2b + c = 0
3a
-c =0
5a b
=0
Esto es, a,b,c son soluciones del sistema anterior y as a = b = c = 0

Estudiar la independencia de un sistema de vectores en Rn es determinar si un sistema

homogneo de ecuaciones tiene como nica solucin la solucin trivial

Coordenadas
Fijada un base, estableceremos una correspondencia vectores <-> n-uplas que permitir
operar con comodidad con los vectores del espacio vectorial igual que cuando operamos con
nmeros.

Por ltimo definiremos en este apartado las operaciones ms usuales entre los subespacios
vectoriales de un espacio vectorial

Cuando dos subespacios disjuntos se suman se dice que la suma es directa

II

Aplicaciones lineales
Ncleo e Imagen
Clasificacin de homomorfismos
Vectores fijos y libres
Espacios vectoriales Eucldeos
Productos escalar y vectorial

Las aplicaciones entre dos espacios vectoriales que respetan las operaciones propias de la
estructura de espacio vectorial, suma y producto por un escalar, reciben el nombre de
Aplicaciones Lineales u Homomorfismos.

Fijadas bases en los espacios vectoriales origen y destino, podemos manejar un

homomorfismo como una operacin dada mediante un sencillo clculo matricial.

Los conjuntos Ncleo e Imagen antes definidos tienen estructura de espacio vectorial.

Los subespacios ncleo e imagen 'descomponen' un espacio vectorial de la misma forma que
R3 se descompone en plano horizontal (plano xy) y recta vertical (eje z).

En Fsica estamos habituados a identificar una fuerza con un vector pero en ese caso no slo
importa su tamao y direccin sino tambin su punto de aplicacin. Este hecho da lugar a
diferenciar los conceptos de vectores fijos y libres respondiendo slo estos ltimos a la
estructura matemtica de Espacio Vectorial.

La regla del paralelogramo hace que para sumar dos vectores haya que trasladarlos hasta que
tengan el mismo origen por los cual esta regla no define una operacin en el conjunto de
vectores fijos.

Si llamamos vector a toda la clase formada por un vector fijo y todas sus traslaciones paralelas,
desaparece la objecin anterior.

III

Operaciones con homomorfismos

Cambio de base en aplicaciones lineales

Composicin de aplicaciones lineales

Teorema
Sean U, V, W espacios vectoriales sobre el mismo cuerpo K y sean
f: U ---> V, g: V ---> W aplicaciones lineales. Entonces la aplicacin
composicin h = g o f : U ---> W es aplicacin lineal.

Demostracin
Basta probar que la imagen de una combinacin lineal es la combinacin
lineal de las imgenes con los mismos coeficientes.

Teorema
Sean V1, V2, V3 espacios vectoriales sobre el mismo cuerpo y sean
f: V1---> V2, g: V2 ---> V3 aplicaciones lineales. Sean B1, B2, B3 bases
respectivas de V1, V2, V3 y Tf , Tg las matrices de las transformaciones f, g
en tales bases. Entonces h=g o f : V1 ---> V3 tiene como matriz en las bases
B1, B3 , Th = Tg .Tf

Th = Tg .Tf
Obsrvese como en el producto de matrices, el nmero de columnas del
primer factor es igual al de filas del segundo.

Aplicacin inversa de un isomorfismo

Teorema
Sean U, V dos espacios vectoriales sobre el mismo cuerpo y h: U ---> V un isomorfismo.
Entonces la aplicacin inversa de h es tambin una aplicacin lineal.
Demostracin
Tenemos que obtener el valor de la imagen por h-1 de una combinacin lineal

h 1 (1u1 + 2u2 + ..... + nun ) =

??

Deseamos que el resultado sea el vector =

v 1h 1 (u1 ) + 2 h 1 (u2 ) + ..... + n h 1 (un )

Pero h[1h 1 (u1 ) + 2 h 1 (u2 ) + ..... + n h 1 (un )] = 1u1 + 2u2 + ..... + nun
Y como la imagen de cada vector es nica

Teorema
Sean U, V dos espacios vectoriales sobre el mismo cuerpo y h: U ---> V un isomorfismo.
Sean BU y BV bases respectivas de U, V y T la matriz de h en tales bases. Entonces la aplicacin
inversa de h en las bases BV y BU tiene como matriz la matriz inversa de T.

T T
uv
Tvu .Tuv = I

Tvu =
T 1

Cambio de base en aplicaciones lineales

Teorema
Sean U, V dos espacios vectoriales sobre el mismo cuerpo y h: U ---> V una aplicacin
lineal. Sean B1u y B1v bases respectivas de U, V y T1 la matriz de h en tales bases. Sean B2u y B2v
bases respectivas de U, V y T2 la matriz de h en tales bases. Llamemos Cu , Cv a las matrices de
cambio de base B1u a B2u y B1v a B2v .Entonces se tiene
T2 = Cv . T1 . C u-1

Teorema
Sean U, V dos espacios vectoriales sobre el mismo cuerpo y h: U ---> V una aplicacin
lineal. Sean B1u y B1v bases respectivas de U, V y T1 la matriz de h en tales bases. Sean B2u y B2v
bases respectivas de U, V y T2 la matriz de h en tales bases. Llamemos Cu , Cv a las matrices de
cambio de base B1u a B2u y B1v a B2v .Entonces se tiene
T2 = Cv-1 . T1 . C u

El dibujo siguiente expresa grficamente el producto de matrices en el cambio de base

En el diagrama que sigue podemos ver grficamente cmo independencia de caminos para ir de U a V
es una expresin del teorema de cambio de base.

IV

Diagonalizacin de endomorfismos

Sea f: V ---> V un endomorfismo, B una base de V y T la matriz de la transformacin f

en B. Existe una base de forma que la matriz de f en ella sea diagonal?. Si es as
(diremos entonces que f es diagonalizable) , Cmo encontrarla?
Teorema
Un endomorfismo f es diagonalizable s y slo si existe una base de vectores
que se transforman en paralelamente a s mismos, esto es,

=
i 1.. n i K

f (e=
i ei
i)

Por ltimo enunciamos, sin demostracin, dos teoremas de gran importancia