Definiciones : Espacio vectorial.

Espacio vectorial.
Sea V un conjunto no vacı́o y definamos sobre V dos operaciones: la suma y la multiplicación por un
escalar, sea F el cuerpo de escalares, es decir, F = R o F = C. Consideramos, ası́,

(V, +, ·, F ) .

Definición 1 (Espacio vectorial) Un espacio vectorial V es un conjunto de objetos, denomi-

nadores vectores, junto con dos operaciones denominadas suma y multiplicación por un escalar
que satisfacen los diez axiomas siguientes

1. Cerradura bajo la suma : Si x, y ∈ V , entonces x + y ∈ V .

2. Ley asociativa de la suma de vectores : Para todo x, y, z ∈ V , entonces

(x + y) + z = x + (y + z) .

3. Ley conmutativa de la suma : Si x, y ∈ V , entonces

x + y = y + x.

4. Existencia del elemento neutro para la suma : Existe un vector 0 ∈ V , tal que para todo
x ∈ V , se tiene que
x + 0 = 0 + x = x.

5. Existencia del elemento inverso aditivo : Si x ∈ V , existe un vector −x en V , tal que

x + −x = 0.

6. Cerradura bajo la multiplicación por un escalar : Si x ∈ V y α ∈ F , F cuerpo de

escalares, entonces αx ∈ V .

7. Primera ley distributiva : Si x, y ∈ V y α ∈ F , F cuerpo de escalares, entonces

α (x + y) = αx + αy.

8. Segunda ley distributiva : Si x ∈ V y α, β ∈ F , F cuerpo de escalares, entonces

(α + β) x = αx + βx.

9. Ley asociativa de la multiplicación por escalares : Si x ∈ V y α, β ∈ F , F cuerpo de

escalares, entonces
(αβ) x = α (βx) .

10. Para cada vector x ∈ V , entonces 1x = x.

Ejemplo 1 : Considere el conjunto de los números reales positivos, V = R+ = {x ∈ R / x > 0} y el

cuerpo de escalares F = R. Definimos sobre V las operaciones
 • Suma : Si a, b ∈ V , entonces a + b = ab, donde ab es la multiplicación ordinaria entre
números reales.
• Multiplicación por un escalar : Si a ∈ V y α ∈ F = R, entonces αa = aα .
Demuestre que (R+ , +, ·, R) es un espacio vectorial.
Demostración : Verificamos si (R+ , +, ·, R) satisface todas las condiciones de espacio vectorial.
1. Cerradura bajo la operación suma : Debemos verificar que si se suma dos elementos de V ,
obtenemos como resultado un elemento de V , es decir, si sumamos (de la manera como está
definida la suma) dos números reales positivos, obtenemos un número real positivo.

Sean a, b ∈ V = R+ , entonces
a + b = ab ∈ R+ . ←− se cumple

1.1. Propiedad conmutativa para la suma : Sean a, b ∈ V = R+ , entonces

a + b = ab = ba = b + a, ←− se cumple.

1.2. Propiedad asociativa para la suma : Sean a, b, c ∈ V = R+ , entonces

(a + b) + c = (ab) + c = (ab) c = a (bc) = a + (bc) = a + (b + c)
se cumple la propiedad.

1.3. Existencia del elemento neutro para la suma : Sea a ∈ V = R+ , existe un número
real positivo, denotado por 0, tal que
a + 0 = a,
en este caso particular, el elemento neutro es 1, es decir 0 = 1, ya que
a + 0 = a + 1 = a (1) = a.

1.4. Existencia del elemento opuesto para la suma : Sea a ∈ V = R+ , existe un número
real positivo, denotado por −a, tal que
a + (−a) = 0, donde 0 es el elemento neutro para la suma
1
en este caso particular, el elemento neutro es 1 y el elemento opuesto es −a = , ya que
a
 
1
a + (−a) = a (−a) = a = 1 = 0.
a

2. Cerradura bajo la operación multiplicación por un escalar : Debemos verificar que si se

multiplica un elemento de V , por un escalar α obtenemos como resultado un elemento de V ,
es decir, si multiplicamos un número real positivo por un escalar real, (de la manera como está
definida la multiplicación por un escalar), obtenemos un número real positivo.

Sean a ∈ V = R+ y α ∈ F = R, entonces
αa = aα ∈ R+ . ←− se cumple,
ya que, podemos distinguir tres casos
 (a) Si α > 0, entonces, es conocido que todo número real positivo elevado a una potencia
positiva, sigue siendo positivo.
(b) Si α = 0, entonces, (0) a = a0 = 1 > 0.
1
(c) Si α < 0, entonces, αa = aα = −α > 0, puesto que el cociente de términos positivo es
a
positivo.

2.1. Primera propiedad distributiva para la multiplicación por un escalar : Sean a, b ∈

V = R+ y α ∈ F = R, entonces

α (a + b) = α (ab) = (ab)α = aα bα = aα + bα = αa + αb,

es decir,
α (a + b) = αa + αb,
se cumple.

2.2. Segunda propiedad distributiva para la multiplicación por un escalar : Sean a ∈

V = R+ y α, β ∈ F = R, entonces

(α + β) a = aα+β = aα aβ = aα + aβ = αa + βa,

es decir,
(α + β) a = αa + βa,
se cumple.

2.3. Propiedad asociativa para la multiplicación por un escalar : Sean a ∈ V = R+ y

α, β escalares en el cuerpo de escalares F = R, entonces

α
(αβ) a = aαβ = aβ = α aβ = α (βa) ,

es decir,
(αβ) a = α (βa) ,
se cumple.

2.4. Elemento unidad para la multipkicación por un escalar : Sea a ∈ V = R+ , existe

un escalar α en F = R, tal que
αa = a,
en este caso particular, α = 1, ya que

αa = (1) a = a1 = a.

Puesto que, (R+ , +, ·, R) cumple con todas las propiedades de espacio vectorial, concluimos que
(R+ , +, ·, R) es un espacio vectorial. F

Ejemplo 2 : Demuestre que el conjunto V = Mm×n (R) de todas las matrices de tamaño m × n
de coeficientes reales, con las operaciones ordinarias de suma y multiplicación por un escalar definidas
entre matrices y el cuerpo de escalares F = R, es un espacio vectorial.

Demostración : Verificamos si (Mm×n (R) , +, ·, R) satisface todas las condiciones de espacio

vectorial.
1. Cerradura bajo la operación suma : Debemos verificar que si se suma dos elementos de V ,
obtenemos como resultado un elemento de V , es decir, si sumamos (de la manera como está
definida la suma) dos matrices de tamaño m × n, obtenemos una matriz de tamaño m × n.

Sean A, B ∈ V = Mm×n (R) (R), tales que A = (aij )m×n y B = (bij )m×n , entonces

Am×n + Bm×n = (aij )m×n + (bij )m×n = (aij + bij )m×n = (A + B)m×n ∈ Mm×n . ←− se cumple

1.1. Propiedad conmutativa para la suma : Sean A, B ∈ V = Mm×n (R), tales que A =
(aij )m×n y B = (bij )m×n , entonces

A + B = (aij )m×n + (bij )m×n = (aij + bij )m×n = (bij + aij )m×n = (bij )m×n + (aij )m×n = B + A,

es decir,
A + B = B + A,
se cumple la propiedad.

1.2. Propiedad asociativa para la suma : Sean A, B, C ∈ V = Mm×n (R), tales que A =
(aij )m×n , B = (bij )m×n y C = (cij )m×n , entonces

(A + B) + C = (aij + bij ) + (cij ) = ((aij + bij ) + cij ) = (aij + (bij + cij ))

= (aij ) + (bij + cij ) = A + (B + C) ,

es decir,
(A + B) + C = A + (B + C) ,
se cumple la propiedad.

1.3. Existencia del elemento neutro para la suma : Sea A ∈ V = Mm×n (R), tal que
A = (aij )m×n , existe una matriz en Mm×n (R), denotada por 0, tal que

A + 0 = A,

en este caso particular, el elemento neutro es la matriz cero 0 = (0ij ), ya que

A + 0 = (aij ) + (0ij ) = (aij + 0ij ) = (aij ) = A.

1.4. Existencia del elemento opuesto para la suma : Sea A ∈ V = Mm×n (R), tal que
A = (aij )m×n , existe una matriz en Mm×n (R), denotada por −A, tal que

A + (−A) = 0, donde 0 es el elemento neutro para la suma

en este caso particular, el elemento opuesto es la matriz opuesta −A = (−aij ), ya que

A + (−A) = (aij ) + (−aij ) = (aij + (−aij )) = (aij − aij ) = (0ij ) = 0.

2. Cerradura bajo la operación multiplicación por un escalar : Debemos verificar que si se

multiplica un elemento de V , por un escalar α obtenemos como resultado un elemento de V ,
es decir, si multi-
 plicamos una matriz de tamaño m × n por un escalar real, (de la manera como está definida la
multiplicación por un escalar), obtenemos una matriz de tamaño m × n.

Sean A ∈ V = Mm×n (R), tal que A = (aij )m×n y α ∈ F = R, entonces

αA = α (aij )m×n = (αaij )m×n = (αA)m×n ∈ Mm×n (R) . ←− se cumple,

ya que, al multiplicar una matriz de tamaño m × n por un escalar, se obtiene una matriz del
mismo tamaño.

2.1. Primera propiedad distributiva para la multiplicación por un escalar :

Sean A, B ∈ V = Mm×n (R), tales que A = (aij )m×n , B = (bij )m×n y α ∈ F = R, entonces

α (A + B) = α (aij + bij ) = (α (aij + bij )) = (αaij + αbij ) = (αaij ) + (αbij ) = αA + αB,

es decir,
α (A + B) = αA + αB,
se cumple la propiedad.

2.2. Segunda propiedad distributiva para la multiplicación por un escalar :

Sean A ∈ V = Mm×n (R), tal que A = (aij )m×n y α, β ∈ F = R, entonces

(α + β) A = (α + β) (aij ) = ((α + β) aij ) = (αaij + βaij ) = (αaij ) + (βaij ) = αA + βA,

es decir,
(α + β) A = αA + βA,
se cumple la propiedad.

2.3. Propiedad asociativa para la multiplicación por un escalar : Sean A ∈ V = Mm×n (R),
tal que A = (aij )m×n y α, β escalares en el cuerpo de escalares F = R, entonces

(αβ) A = (αβ) (aij ) = (αβ (aij )) = (α (βaij )) = α (βaij ) = α (βA) ,

es decir,
(αβ) A = α (βA) ,
se cumple la propiedad.

2.4. Elemento unidad para la multipkicación por un escalar : Sea A ∈ V = Mm×n (R),
tal que A = (aij )m×n , existe un escalar α en F = R, tal que

αA = A,

en este caso particular, α = 1, ya que

αA = (1) (aij ) = ((1) aij ) = (aij ) = A.

Se cumplen todas las propiedades de espacio vectorial, concluimos que (Mm×n (R) , +, ·, R) es un
espacio vectorial. F
Ejemplo 3 : Sea el espacio vectorial V = R+ = {x ∈ R / x > 0} con las operaciones:

• Suma : Si a, b ∈ V , entonces a + b, es la suma usual entre números reales.

• Multiplicación por un escalar : Si a ∈ V y α ∈ R, entonces αa = aα .

¿Es (V, +, ·, R) un espacio vectorial?

Solución : El elemento neutro para la suma usual es el cero, pero cero no pertenece a V , por lo
tanto (V, +, ·, R) NO es un espacio vectorial. F

Ejemplo 4 : Sea V el espacio vectorial real de todas las funciones f de R en R, con las operaciones
usuales de suma y multiplicación por un escalar real definidas en las funciones reales. Sea

W = f : R −→ R / f x2 = f 2 (x) .


¿Es W un subespacio vectorial de V ?.

Solución : NO, ya que no es cerrado bajo la suma: Sean f, g ∈ W , entonces

(f + g) x2 = f x2 + g x2 = f 2 (x) + g 2 (x) = f 2 + g 2 (x) 6= (f + g)2 (x) .

Teorema 1 : Sea V un espacio vectorial. Entonces

1. α0 = 0, para todo escalar α ∈ F , donde F es el cuerpo de escalares.

2. Si αx = 0, entonces α = 0 o x = 0 (o ambos).

3. (−1) x = −x, para todo x ∈ V .

Subespacio vectorial.
Definición 2 (Subespacio vectorial) : Sea H un subconjunto no vacı́o de un espacio vectorial V
y suponga que H es en sı́ un espacio vectorial bajo las mismas operaciones de suma y multiplicación
por un escalar definidas en V . Entonces se dice que H es un subespacio de V .

Teorema 2 : Un subconjunto no vacı́o H de un espacio vectorial V es un subespacio de V si se

cumple las dos reglas de cerradura.

1. Si x ∈ H y y ∈ H, entonces x + y ∈ H.

2. Si x ∈ H, entonces αx ∈ H, para todo escalar α ∈ F , donde F es el cuerpo de escalares.

T
Teorema 3 : Sean H1 y H2 dos subespacios de un espacio vectorial V . Entonces H1 H2 es un
subespacio de V .
Conjunto generador.
Definición 3 (Combinación lineal) : Sean v 1 , v 2 , . . . , v n vectores en un espacio vectorial V . En-
tonces cualquier vector de la forma

α1 v 1 + α2 v 2 + · · · + αn v n

donde α1 , α2 , . . . , αn son escalares en el cuerpo de escalares F , se denomina una combinación lineal

de v 1 , v 2 , . . . , v n .

Definición 4 (Conjunto generador) : Se dice que los vectores v 1 , v 2 , . . . , v n de un espacio vectorial

V generan a V si todo vector en V se puede escribir como una combinación lineal de los mismos.
Es decir, para todo vector v ∈ V , existen escalares α1 , α2 , . . . , αn en el cuerpo de escalares F , tales
que
v = α1 v 1 + α2 v 2 + · · · + αn v n

Definición 5 (Espacio generado) : Sean v 1 , v 2 , . . . , v k , k vectores de un espacio vectorial V .

El espacio generado por {v 1 , v 2 , . . . , v k } es el conjunto de todas las combinaciones lineales de
v 1 , v 2 , . . . , v k . Es decir
 
..
gen [v 1 , v 2 , . . . , v k ] = v ∈ V / v = α1 v 1 + α2 v 2 + . + αk v k ,

donde α1 , α2 , . . . , αk son escalares del cuerpo de escalares F .

Teorema 4 : Si v 1 , v 2 , . . . , v k son vectores de un espacio vectorial V , entonces gen [v 1 , v 2 , . . . , v k ]

es un subespacio de V .

Teorema 5 : Si v 1 , v 2 , . . . , v n , v n+1 vectores de un espacio vectorial V . Si v 1 , v 2 , . . . , v n generan

a V , entonces v 1 , v 2 , . . . , v n , v n+1 también genera a V . Es decir, si se agregan uno o más vectores a
un conjunto generador se obtiene otro conjunto generador.

Dependencia e independencia lineal.

Definición 6 (Dependencia e independencia lineal) : Sean v 1 , v 2 , . . . , v n , n vectores de un es-
pacio vectorial V . Entonces se dice que los vectores son linealmente dependientes si existen n
escalares α1 , α2 , . . . , αn , no todos cero, tales que

α1 v 1 + α2 v 2 + · · · + αn v n = 0.

Si los vectores no son linealmente dependientes, se dice que son linealmente independientes.

Teorema 6 : Dos vectores en un espacio vectorial son linealmente dependientes si y sólo si uno de ellos
es múltiplo escalar del otro.
Teorema 7 : Sean v 1 , v 2 , . . . , v n , n vectores de un espacio vectorial Rn y sea A una matriz
cuadrada de orden N , cuyas columnas son v 1 , v 2 , . . . , v n . Entonces v 1 , v 2 , . . . , v n , son linealmente
independiente si y sólo si la única solución al sistema homogéneo Ax = 0 es la solución trivial x = 0.

Teorema 8 : Sea A una matriz cuadrada de orden n. Entonces |A| 6= 0 si y sólo si las columnas
de A son linealmente independientes.

Teorema 9 : Cualquier conjunto de n vectores linealmente independientes en Rn genera a Rn .

Base y dimensión de un espacio vectorial.

Definición 7 (Base) : Un conjunto finito de vectores {v 1 , v 2 , . . . , v n } es una base para un espacio
vectorial V si se cumplen
1. {v 1 , v 2 , . . . , v n } es linealmente independiente.

2. {v 1 , v 2 , . . . , v n } genera a V .

Teorema 10 : Si {v 1 , v 2 , . . . , v n } es una base para V y si v ∈ V , entonces existe un conjunto

único de escalares α1 , α2 , . . . , αn en el cuerpo de escalares, tales que

v = α1 v 1 + α2 v 2 + · · · + αn v n

Teorema 11 : Si {u1 , u2 , . . . , un } y {v 1 , v 2 , . . . , v m } son bases en un espacio vectorial V , entonces

m = n, es decir, cualesquiera dos bases en un espaci vectorial V tienen el mismo número de vectores.

Definición 8 (Dimensión) : Si el espacio vectorial V tiene una base con un número finito de vectores,
entonces la dimensión de V es el número 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.

Teorema 12 : Suponga que dimV = n. Si u1 , u2 , . . . , un es un conjunto de m vectores linealmente

independientes en V , entonces m ≤ n.

Teorema 13 : Sea H un subespacio de un espacio vectorial de dimensión finita V . Entonces H

tiene dimensión finita y
dimH ≤ dimV.

Teorema 14 : Cualquier conjunto de n vectores linealmente independientes en un espacio vectorial

V de dimensión n constituyen una base para V .