Capı́tulo 6

Espacios Vectoriales

215
216 Prof. Fernando Salomón Merchán Gordillo

6.1. Espacios Vectoriales

Definición 6.1.1 (Espacio Vectorial o Espacio Lineal) Sean F un cuer-
po y V un conjunto no vacı́o con reglas de adición y multiplicación por
escalar que asignan a todo u, v ∈ V una suma u + v ∈ V y a todo u ∈ V ,
k ∈ F un producto ku ∈ V . Entonces V se llama un espacio vectorial sobre
F, y los elementos de V se llaman vectores si se cumplen los siguientes
axiomas:
FIEE-UNI 2021-1 Álgebra Lineal, BMA03M 217

A1. (u + v) + w = u + (v + w), ∀u, v, w ∈ V

A2. ∃!0 ∈ V / u + 0 = u, ∀u ∈ V

A3. ∀u ∈ V, ∃! − u ∈ V / u + (−u) = 0

A4. u + v = v + u, ∀u, v ∈ V

M1. k(u + v) = ku + kv, ∀u, v ∈ V, ∀k ∈ F

M2. (a + b)u = au + bu, ∀a, b ∈ F, ∀u ∈ V

M3. (ab)u = a(bu), ∀a, b ∈ F, ∀u ∈ V

M4. 1u = u, ∀u ∈ V

Definición 6.1.2 (Substracción en Espacios Vectoriales) Sea V un

espacio vectorial sobre el cuerpo F. Definimos

u − v = u + (−v), ∀u, v ∈ V
218 Prof. Fernando Salomón Merchán Gordillo

Teorema 6.1.3 (Propiedades de un Espacio Vectorial) Sea V un es-

pacio vectorial sobre un cuerpo F. Se cumplen (aquı́ O ∈ V ):
i) kO = O, ∀k ∈ F
ii) 0u = O, ∀u ∈ V, 0 ∈ F
iii) Si ku = O, con k ∈ F y u ∈ V, ⇒ k = 0 ó u = O
iv) Para todo escalar k ∈ F y todo vector u ∈ V , (−k)u = k(−u) = −ku.

Ejemplo 6.1.1 (El espacio Fn, con F cualquier cuerpo, por ejemplo R)
Sea
Fn = {x = [x1, . . . , xn]/ xi ∈ F, i = 1, 2, . . . , n}
junto a
x + y = [x1 + y1, . . . , xn + yn], ∀x, y ∈ Fn
cx = [cx1, . . . , cxn], ∀x ∈ Fn, ∀c ∈ F
Es fácil ver que Fn es un espacio vectorial. ⊳
FIEE-UNI 2021-1 Álgebra Lineal, BMA03M 219

Nota. Si F = R, se tiene el espacio Rn

Si F = C, se tiene el espacio Cn

Ejemplo 6.1.2 El espacio de matrices m × n, Fm×n , con F cualquier

cuerpo, m, n ∈ N.
Sea

Fm×n = {matrices m × n sobre el cuerpo F}

= {[aij ]m×n/ aij ∈ F, ∀i = 1, . . . , m, ∀n = 1, . . . , n}

con

A + B = [aij + bij ]m×n , ∀A, B ∈ Fm×n,

cA = [caij ]m×n, ∀A ∈ Fm×n, ∀c ∈ F ,

Se tiene que Fm×n es un espacio vectorial. ⊳

Nota Obsérvese que F1×n = Fn

220 Prof. Fernando Salomón Merchán Gordillo

Ejemplo 6.1.3 El espacio vectorial P(t). Sea P(t) el conjunto de todos los
polinomios de la forma p(t) = a0 + a1t + a2t2 + . . . + asts, con s = 1, 2, . . .,
donde los coeficientes ai pertenecen a un campo K. Entonces P(t) es un espacio
vectorial sobre K usando las siguientes operaciones.
(i) Adición vectorial: Aquı́ p(t) + q(t) en P(t) es la operación usual de
suma de polinomios.
(ii) Multiplicación por escalar: Aquı́ k p(t) en P(t) es la operación usual
de producto de un escalar k y un polinomio p(t).
El polinomio 0 es el vector cero en P(t). ⊳
Ejemplo 6.1.4 El espacio de los polinomios Pn(t). Sea Pn(t) el conjunto de
todos los polinomios p(t) sobre un campo K, donde el grado de p(t) es menor o
igual a n; esto es, p(t) = a0 +a1t+a2t2 +. . .+asts, donde s ≤ n. Entonces Pn(t)
es un espacio vectorial sobre K con respecto a las operaciones usuales de adición
de polinomios y de multiplicación de un polinomio por una constante (preci-
samente como en el espacio P(t) del ejemplo anterior). Incluimos el polinomio
cero 0 como un elemento de Pn(t), aún cuando su grado es indefinido. ⊳
FIEE-UNI 2021-1 Álgebra Lineal, BMA03M 221

6.2. Subespacios Vectoriales

Definición 6.2.1 (Subespacio) Sea W un subconjunto de un espacio
vectorial V sobre un cuerpo F. W se llama un subespacio de V si W es a su
vez un espacio vectorial sobre F con respecto a las operaciones de adición
de vectores y multiplicación por escalar en V .

Un criterio simple para identificar un subespacio es el siguiente:

Teorema 6.2.2 W es un subespacio de V si y solamente si

av + bw ∈ W, ∀a, b ∈ F, ∀v, w ∈ W

Teorema 6.2.3 La intersección de cualquier número de subespacios de un

espacio vectorial V es un subespacio de V .
222 Prof. Fernando Salomón Merchán Gordillo

Ejemplo

a) Si V es cualquier espacio vectorial, V es un subespacio de V ; el subconjun-

to que consta solo del vector nulo es un subespacio vectorial de V llamado
subespacio nulo de V .

b) En Fn, el conjunto de las n-uplas (x1, . . . , xn), con x1 = 0 es un subespacio,

pero el conjunto de las n-uplas con x1 = 1+x2 no es un subespacio (n ≥ 2).

c) El espacio de las funciones polinomios sobre el cuerpo F es un subespacio

del espacio de todas las funciones de F en F.

d) Las matrices simétricas forman un subespacio del espacio de las matrices

n × n sobre F. [A es simétrica si A = At].

e) El conjunto de todas las matrices hermı́ticas no es un subespacio del es-

pacio de todas las matrices n × n sobre C. [A es hermı́tica si A = A∗:
diagonal real].
Razón: iA no tiene diagonal real. ⊳
FIEE-UNI 2021-1 Álgebra Lineal, BMA03M 223

Ejemplo 6.2.1 Sea W = {f : f (7) = f (1)}, esto es, W está formado por
todas las funciones que asignan el mismo valor a 7 y a 1.
Veamos que W es subespacio de todas las funciones f : R → R:
Supongamos que f, g ∈ W , esto es, f (7) = f (1) y g(7) = g(1). Entonces,
∀a, b ∈ R,

(af + bg)(7) = af (7) + bg(7) = af (1) + bg(1)

= (af + bg)(1)

Ası́, af + bg ∈ W , y, por tanto, W es subespacio de V . ⊳

Ejemplo 6.2.2 Sea el sistema Ax = 0 sobre un cuerpo F, A ∈ M(m, n).

Veamos que el conjunto solución W es un subespacio del espacio vectorial
Fn:
Si u y v ∈ W , A(au + bv) = 0, ∀a, b ∈ F, ⇒ au + bv ∈ W . ⊳
224 Prof. Fernando Salomón Merchán Gordillo

Ejemplo 6.2.3 (Campos y subcampos.) Supóngase que el campo E es

una extensión del campo K; esto es, supóngase que E es un campo que contiene
a K como un subcampo. Entonces E puede ser visto como un espacio vectorial
sobre K usando las siguientes operaciones:
(i) Adición vectorial: Aquı́ u + v en E es la adición usual en E.
(ii) Multiplicación por escalar: Aquı́ ku en E, donde k ∈ K y u ∈ E, es
el producto usual de k y u como elementos de E.
Esto es, los ocho axiomas de espacio vectorial son satisfechos por E y su sub-
campo K con respecto a las dos operaciones anteriores. ⊳
FIEE-UNI 2021-1 Álgebra Lineal, BMA03M 225

6.3. Subespacios Generados

Definición 6.3.1 (Combinación Lineal) Sea V un espacio vectorial so-
bre un cuerpo F y sean v1, v2, . . . , vm ∈ V . Cualquier vector en V de la
forma
a1v1 + . . . + amvm, ai ∈ F, ∀i = 1, . . . , m
se llama una combinación lineal de v1, . . . , vm.

Teorema 6.3.2 Sea S un subconjunto no vacı́o de V . El conjunto de todas

las combinaciones lineales de vectores en S, denotado por span (S) es un
subespacio de V que contiene a S. Además, si W es otro subespacio de V
que contiene a S, entonces span (S) ⊂ W .

span (S) es el menor subespacio de V que contiene a S y se llama el subes-

pacio generado por S.
Por conveniencia, definimos span (φ) = {0}.
226 Prof. Fernando Salomón Merchán Gordillo

Ejercicio 6.3.1 Determinar si v = [3, 9, −4, −2] es una combinación lineal

de los vectores u1 = [1, −2, 0, 3], u2 = [2, 3, 0, −1] y u3 = [2, −1, 2, 1], es
decir, si pertenece al espacio generado por los ui.

Solución De

[3, 9, −4, −2] = x[1, −2, 0, 3] + y[2, 3, 0, −1] + z[2, −1, 2, 1]

= [x + 2y + 2z, −2x + 3y − z, 2z, 3x − y + z]

Resolviendo el sistema:

x = 1, y = 3, z = −2 (Verificar), ⇒ v = u1 + 3u2 − 2u3 .

Luego, v es combinación lineal de u1, u2, u3. Si el sistema no hubiera tenido

solución, v no habrı́a sido una combinación lineal de u1, u2, u3. ⊳
FIEE-UNI 2021-1 Álgebra Lineal, BMA03M 227

6.3.1. Espacio Fila de Una Matriz

Sea la matriz A m × n sobre un cuerpo F:
   
a11 a12 . . . a1n f1
A =  a21  =  ..  = [c1| . . . |cn]
am1 am2 . . . amn fm
Definición 6.3.3
span-fila(A) = span (f1, . . . , fm): espacio fila de A
span-columna(A) = span (c1, . . . , cn) : espacio columna de A

Observación Sea el sistema Ax = b. Este sistema es equivalente a

       
a11 a12 a1n b1
x1  ..  + x2  ..  + . . . + xn  ..  =  .. 
am1 am2 amn bm
Ası́, el sistema Ax = b tiene una solución si y solo si el vector columna b es una
combinación lineal de las columnas de A, esto es, pertenece al espacio columna
de A.
228 Prof. Fernando Salomón Merchán Gordillo

Teorema 6.3.4 Las matrices equivalentes por filas tienen el mismo espa-
cio fila.

Teorema 6.3.5 Dos matrices en la forma canónica por filas tienen el mis-
mo espacio fila si y solamente si tienen las mismas filas no nulas.

Por tanto, toda matriz es equivalente por filas a una única matriz canónica
por filas llamada su forma canónica por filas.
FIEE-UNI 2021-1 Álgebra Lineal, BMA03M 229

6.3.2. Sumas y Sumas Directas

Sean U y W dos subespacios de un espacio vectorial V .
Definición 6.3.6 U + W = {u + w/ u ∈ U, w ∈ W }
Se puede ver que si u + w y u′ + w ′ pertenecen a U + W , con u, u′ ∈ U , y
w, w ′ ∈ W , entonces, ∀α, β ∈ R

α(u + w) + β(u′ + w ′) = (αu + βu′) + (αw + βw ′) ∈ U + W

Esto prueba el siguiente teorema.

Teorema 6.3.7 La suma U + W de los subespacios U y W de V también

es un subespacio de V .
230 Prof. Fernando Salomón Merchán Gordillo

Definición 6.3.8 (Suma Directa) Se dice que el espacio vectorial V es

suma directa de sus subespacios U y W , denotado esto por

V = U ⊕ W,

si todo vector v ∈ V puede escribirse de una y solamente una manera como

v = u + w, donde u ∈ U y w ∈ W.

Teorema 6.3.9 El espacio vectorial V es suma directa de sus subespacios

U y W si y solamente si

i) V = U + W, y ii) U ∩ W = {0}.
FIEE-UNI 2021-1 Álgebra Lineal, BMA03M 231

La noción de suma directa se deja extender como sigue:

Definición 6.3.10 (Suma directa general) . Se dice que V es la suma

directa de sus subespacios W1, W2, . . . , Wr , lo que se denota como

V = W1 ⊕ W2 ⊕ . . . ⊕ Wr

si todo vector v ∈ V puede escribirse de una única manera como

v = w1 + w2 + . . . + wr ,

donde w1 ∈ W1, w2 ∈ W2, . . . , wr ∈ Wr .