2.

Espacios vectoriales de dimensión finita

2.1. La estructura de espacio vectorial

Definición

Decimos que un conjunto V, a cuyos elementos llamaremos vectores, es un espacio

vectorial real si dispone de dos operaciones: suma (+) y producto por un escalar que
satisfacen las siguientes propiedades:

1. ( u + v ) + w = u + ( v + w)
2. u + v = v + u
3. u + 0 = u (Vector nulo)
4. Para cada vector u existe un vector −u , tal que u + ( −u ) = 0 . (Vector opuesto)
5. λ ( u + v ) = λ u + λ v
6. ( λ + μ ) u = λu + μu
7. λ ( μu ) = ( λμ ) u
8. 1u = u

A partir de estas ocho propiedades se deduce que:

• 0u = 0
• λ0 = 0
• λu = 0 ⇒ λ = 0 o u = 0
• λu = μu y u ≠ 0 ⇒ λ = μ
• λu = λ v y λ ≠ 0 ⇒ u = v
• ( −λ ) u = λ ( −u ) = − ( λu )
• La resta de vectores se define como: x − y = x + ( − y )

Combinación lineal

Se dice que un vector v es combinación lineal, o depende linealmente de los vectores

u1 , u2 ,… , un si existen unos escalares λ1 , λ2 ,… , λn tales que:

v = λ1u1 + λ2u2 + + λnun

La dependencia lineal es transitiva, es decir, en la relación anterior, cualquier ui

(siempre que λi ≠ 0 ) depende linealmente de los demás y de v .
Dependencia e independencia lineal

Se dice que un conjunto de vectores u1 , u2 ,… , un son linealmente independientes si:

λ1u1 + λ2u2 + + λn un = 0 ⇒ λ1 = λ2 = = λn = 0

Esto es equivalente a decir que ninguno de los vectores ui depende linealmente de los
otros.

Se dice que un conjunto de vectores u1 , u2 ,… , un son linealmente dependientes si

existen algunos escalares λ1 , λ2 ,… , λn no todos nulos, tales que:

λ1u1 + λ2u2 + + λn un = 0

Esto es equivalente a decir que alguno de los vectores ui es combinación lineal de los
demás.

Ejemplos de espacios vectoriales

2 3 n
• Conjuntos de componentes reales: , ,
• Matrices: M m×n
• Polinomios de grado n: Pn ( ) , Polinomios: P ( )
• Funciones continuas: C( )

2.2. Espacios vectoriales de dimensión finita

Dimensión de un espacio vectorial

Llamamos dimensión de un espacio vectorial al máximo número de vectores

linealmente independientes que podemos encontrar.

Si este número existe decimos que se trata de un espacio vectorial de dimensión finita,
si no existe, entonces es de dimensión infinita. Lo representamos como:

dim V=n ó dim(V)=n

Bases de un espacio vectorial. Coordenadas.

Dado un espacio vectorial de dimensión n, llamamos base del espacio vectorial a

cualquier sistema de n vectores linealmente independientes.

Si B = {a1 , … , an } es una base de V, todo vector u de V se puede obtener como

combinación lineal de los vectores de B:

u = u1a1 + u2 a2 + + un an

A los coeficientes (que son números reales) u1 , u2 , un se les llama coordenadas del
vector u con respecto a la base B, y son únicas, es decir, para cada vector solo se puede
expresar mediante una única combinación lineal de los vectores de una base.

2.3. Cambio de base en un espacio vectorial

Tenemos dos bases, B1 y B2 de un espacio vectorial de dimensión n:

B1 = {a1 , a2 ,… , an } {
B2 = b1 , b2 ,… , bn }
Los vectores de la nueva base se pueden obtener en función de los de la antigua
mediante las ecuaciones del cambio de base:

b1 = p11 a1 + p21 a2 + + pn1 an

b2 = p12 a1 + p22 a2 + + pn 2 an

bn = p1n a1 + p2 n a2 + + pnn an

Dado un vector x , tendremos sus coordenadas con respecto a las bases B1

X = ( x1 , x2 ,… , xn ) y B2 : X ′ = ( x1′, x2′ ,… , xn′ ) , es decir:

x = x1a1 + x2 a2 + + xn an = x1′b1 + x2′ b2 + + xn′ bn

Sustituyendo las ecuaciones de la base B2 con respecto a B1:

x = x1a1 + + xn an = x1′b1 + + xn′ bn = x1′ ( p11a1 + p21a2 + + pn1an )1 + + xn′ ( p1n a1 + pnn an )

x = x1a1 + + xn an = ( p11 x1′ + p12 x2′ + + pn1 xn′ )1 a1 + + ( pn1 x1′ + pnn xn′ ) an

Identificando término a término:

 ⎧ x1 = p11 x1′ + p12 x2′ + + pn1 xn′ ⎧ x1 ⎫ ⎛ p11 p12 p1n ⎞ ⎧ x1′ ⎫
⎪ ⎪x ⎪ ⎜ p ⎟
p2 n ⎟ ⎪⎪ x2′ ⎪⎪
⎪ x2 = p21 x1′ + p22 x2′ + + p21 xn′ ⎪ ⎪ p22
o matricialmente: ⎨ 2 ⎬ = ⎜ 21
⎨
⎪ ⎪ ⎜⎜ ⎟ ⎨⎪ ⎬⎪
⎪ ⎟
⎪⎩ xn = pn1 x1′ + pn 2 x2′ + + pnn xn′ ⎩⎪ xn ⎪⎭ ⎝ pn1 pn1 pnn ⎠ ⎩⎪ xn′ ⎪⎭

A esta matriz P se la llama matriz del cambio de base y sus columnas son las ecuaciones
del cambio de base.

Es decir, podemos obtener las coordenadas con respecto a una base a partir de las
coordenadas con respecto a la otra mediante:

X = PX ′ o al revés: X ′ = P −1 X

2.4. Isomorfismo entre espacios vectoriales

Dado un espacio vectorial V de dimensión n, podemos representar cada vector en

función de sus coordenadas con respecto a una base. Estas coordenadas son un conjunto
de n números reales.

Podemos establecer una correspondencia biunívoca entre las n coordenadas de los

vectores de V con respecto a una base y el espacio vectorial Rn de vectores de n
componentes reales.

Esta correspondencia además es compatible (se dice que es lineal) con las operaciones
suma y producto por un escalar. Este tipo de correspondencia se llama un isomorfismo.

Este isomorfismo entre espacios vectoriales significa, en la práctica, que prescindiendo

de la naturaleza concreta de los vectores de V, y salvo cuestiones de notación, no hay
nada que diferencie a los vectores de V de los de Rn, de modo que desde el punto de
vista del algebra pueden considerarse una misma cosa.