Espacios Vectoriales

Definición. Sea K un campo, un K-espacio vectorial es una terna (V, +, ∙) en donde V es un

conjunto cuyos elementos los llamaremos vectores , + es una función de V x V → V
(u, v) ↦ u+ v
(llamada suma vectorial) y ∙ es una función de K x V → V (llamada multiplicación escalar)
(c, u)↦ c∙u
Las cuales satisfacen los siguientes axiomas:
1) La suma vectorial es conmutativa.
2) La suma vectorial es asociativa.
3) Existe un vector en V llamado vector cero, denotado por 0, el cual satisface la siguiente
condición: v + 0 = v, ∀ v∈V
4) Para cada vector v∈V existe un vector en V llamado vector opuesto de v, denotado por –v.
Este vector satisface la siguiente condición: v + (-v) = 0.
5) Para cada c∈K y para cualesquiera u, v ∈V se verifica: c∙ (u+v) = c∙u+c∙v
6) Para cualesquiera c, d∈K y cada v ∈V se verifica: (c+ d)∙v = c∙v + d∙v
7) Para cualesquiera c, d∈K y cada v∈V se cumple que: (c∙d)∙v = c∙(d ∙ v )
8) Para cada v∈V se cumple que: 1∙v = v
Notación: Si (V, +, ∙ ) es un K espacio vectorial, simplemente escribiremos V es un
K espacio vectorial.
Teorema 1. En un K espacio vectorial V se verifica lo siguiente:

1) 0K∙v = 0V, ∀ v∈V

2) c∙0V = 0V, ∀ c∈K

3) Si c∙v = 0V entonces c= 0K o v = 0V

4) El vector cero es único.

5) Si v∈V entonces el vector opuesto de v es único.
6) (-c)∙v = c∙(-v) = -(c∙v), ∀ c ∈ K , ∀ v∈V.

Ejemplos Importantes de Espacios Vectoriales

1) Sea K un campo, definimos V = K.
V constituye un K- espacio vectorial con las operaciones de suma y multiplicación
definidas sobre el campo K.

2) Por el ejemplo anterior el campo de los números reales es un R espacio vectorial.

y el campo de los números complejos es un C- espacio vectorial.

Pero el campo de los números complejos también tiene estructura de R- espacio vectorial
con la suma de números complejos y con la multiplicación escalar:
c∙(a+bi) =c∙a + c∙b i, ∀ c∈R, ∀ a+bi∈C
3) Sean w un objeto arbitrario y K un campo, definimos V = {w}, definimos la suma
vectorial como sigue:
w+w=w
Y la multiplicación por escalar, como sigue:
Para cada c∈K, c∙w = w
V es un K espacio vectorial.
4) Sean m, n∈N y K un campo, definimos V = M m x n (K).
V es un K espacio vectorial con la suma de matrices y la multiplicación por escalares
estudiada al inicio del curso.
5) Sea K un campo, definimos V = K[x] el anillo de polinomios con coeficientes en K en la
indeterminada x.
V es un K espacio vectorial con las operaciones:
Suma de polinomios y multiplicación de un escalar por un polinomio.
6) Sean n un número entero positivo y K un campo, definimos:
V n = {f(x)∈K[x]: gr (f(x))≤ n} ∪ {0K[x]}
V n es un espacio vectorial con la suma de polinomios y multiplicación de escalares por polinomios.

7) Definición. Sean V y W K-espacios vectoriales, se dice que una función T: V → W es una

transformación lineal de V en W o una aplicación lineal de V en W si, T satisface las siguientes
condiciones:

a) T (v + w) = T (v) + T (w), ∀ v, w∈V.

b) T(c∙ v) = c∙ T (v), ∀ c∈K, ∀ v∈ V.

Ejercicio 1: Sean V y W K-espacios vectoriales, demuestre que una función T: V → W es una

transformación lineal de V en W si y sólo si T (c∙v + w) = c∙T (v) + T (w), ∀ v, w∈V y ∀ c∈K.

Ejercicio 2: Si S, T: V→W son transformaciones lineales y c∈K demuestre que las funciones:

S + T: V →W , c∙ S: V →W y 0: V → W

u↦ S (u)+T (u) u↦ c∙S (u) u ↦ 0W

Son transformaciones lineales de V en W.
Definición. Sean V y W K-espacios vectoriales, definimos:

L (V, W) = {T: V → W: T es transformación lineal de V en W}

Para cada S, T∈ L (V, W) y para cada c∈K, definimos:

S+ T: V → W y c ∙ S: V → W

v↦ S (v) + T (v) v ↦ c∙S (v)

L (V, W) es un K-espacio vectorial con estas operaciones.

A este K-espacio vectorial, lo llamaremos espacio vectorial de las transformaciones lineales de V

en W.

8) Definición. Sean K un campo y V un K-espacio vectorial, a las transformaciones lineales T: V → K

las llamaremos funcionales lineales.

Definición. Sean K un campo y V un K-espacio vectorial, por el ejemplo (6) sabemos que L (V, K) es
un K espacio vectorial. A este espacio vectorial, lo llamaremos espacio dual de V y lo denotaremos
con el símbolo V*.

Subespacios Vectoriales

Definición. Se dice que un subconjunto W de un K- espacio vectorial V es un subespacio vectorial

de V si, al restringir las operaciones de suma vectorial y multiplicación escalar a W, W constituye
un K – espacio vectorial.

Ejercicio 3: Si V es un K-espacio vectorial y W es un subespacio vectorial de V demuestre que:

a) 0W = 0V

b) Para cada u∈W: (-u) W = (-u) V

Teorema 2. Sean V un K-espacio vectorial y W un subconjunto de V.

W es subespacio vectorial de V si y sólo si W satisface las siguientes condiciones:

1) 0V ∈W.
2) Para cada c∈K y para cualesquiera u, v∈W: c∙ u + v∈W

Ejemplos Importantes de Subespacios Vectoriales

1) Si V es un K-espacio vectorial entonces, W1 = {0V} y W2= V son subespacios vectoriales de V, a

estos subespacios vectoriales se les llama subespacios triviales de V.

2) Definición. Sean V, W K-espacios vectoriales y T: V→W una transformación lineal, definimos:

a) El Núcleo de T, denotado por Nucl (T) como sigue: Nucl (T) = {u ∈V: T (u) = 0}

b) La Imagen de T, denotada por Im (T) como sigue: Im (T) = {T (u): u ∈V}

El Núcleo de T es subespacio vectorial de V y la imagen de T es subespacio vectorial de W.

3) Sean V un K-espacio vectorial, S un subconjunto de V y V* el espacio dual de V. Definimos el

anulador de S, denotado por S0 como sigue: S0 = {f: V→K: f (t)=0, ∀ t∈S}

S0 es subespacio vectorial de V*.

4) Si { W i }i∈ J es una colección de subespacios vectoriales de un K-espacio vectorial V entonces

¿ i∈ J W i también es un subespacio vectorial de V.

5) Sean V un K-espacio vectorial, S un subconjunto de V y C = {W: W es subespacio vectorial de V

con S⊆W} entonces ¿ W ∈C W es el subespacio vectorial más pequeño de V, que contiene a S.

Esto significa que si, U es un subespacio vectorial de V que contiene a S entonces ¿ W ∈C W ⊆U

Ejercicio 4: Si S = ∅ demuestre que ¿ W ∈C W = {0V}

6) Sean V un K-espacio vectorial y S un subconjunto no vacío de V.

Definimos <S> = {c1v1+ c2v2 +...+c n v n: n∈Z+, v1, v2,..., v n∈S; c1, c2,..., c n ∈K, ∀ i = 1,2,..., n}

<S> es un subespacio vectorial de V.

A este subespacio vectorial de V, lo llamaremos subespacio vectorial generado por S.

Ejercicio 5: Con la notación del ejercicio (5), demuestre que <S> =¿ W ∈C W

Definición. Si S = ∅ definimos <∅ > = {0V}

7) Si U1, U2,..., U r son subespacios vectoriales de un K-espacio vectorial V, definimos:

U1+ U2 +...+ U r = {v1 + v2 +...+ v r: vi ∈ U i, ∀ i =1,2,..., r}

U1+ U2 +...+ U r es un subespacio vectorial de V, a este subespacio vectorial lo llamaremos la suma

de U1, U2,..., U r.

8) Definición. Sean V un K-espacio vectorial y W1, W2,..., W r subespacios vectoriales de V, se dice

que V es suma directa de W1, W2,..., W r y escribimos V = W1⊕ W2⊕... ⊕W r si:
a) V = W1+ W2+...+ W r

b) Para cada j = 2, 3,..., r se cumple que: W j ∩(W1+ W2 +...+ W j – 1) = {0V}

Subconjuntos Linealmente Dependientes y Linealmente Independientes de un Espacio Vectorial

Definición. Sean V un K-espacio vectorial y S ⊆ V, decimos que S es un subconjunto:

a) Linealmente dependiente (l. d.) de V si, existen v 1, v2,..., v r∈ S y escalares (no todos cero) c1,
c2,..., c r tales que c1 v1+ c2 v2+... + c r v r = 0.

b) Linealmente independiente (l. i.) de V si, para todo subconjunto finito {v 1, v2,..., v r} de S el
suponer que existen escalares c1, c2,..., c r ∈K tales que c1 v1+ c2 v2+... + c r v r = 0 implica que:
c1= c2=...= c r = 0.

Ejercicio 6: Si el conjunto S de la definición anterior es un conjunto finito, más aún si S= {u 1,..., u r}

demuestre que S es un subconjunto:

a) Linealmente dependiente de V si, existen escalares (no todos cero) c 1,..., c r ∈K tales que:

c 1 u1+ c2 u2+... + c r u r = 0

b) Linealmente Independiente de V si, el suponer que existen escalares c 1,..., c r ∈K tales que:

c 1 u1+ ... + c r u r = 0 implica que c1= ...= c r = 0

Ejercicio 7. Si V es un K-espacio vectorial, demuestre que el conjunto vacío es un subconjunto l. i.

de V.

Ejercicio 8. Sean V un K-espacio vectorial y S un subconjunto de V tal que 0 V∈ S. Demuestre que S

es un subconjunto l. d de V.

Ejercicio 9: Sean V un K-espacio vectorial y S,T subconjuntos de V tales que S ⊆T.

1) Si T es linealmente independiente en V demuestre que S también es linealmente independiente

en V.

2) Si S es linealmente dependiente en V demuestre que T también es linealmente dependiente en

V.

Ejercicio 10:

a) En R3 el conjunto F = {(1, 2, 0), (2, 0, 3), (0, 1, 2)} es l. i ó l. d.?

b) En V = M m x n(K) el conjunto S = {A=[A i j] ∈V : A i j = 0 ∀ i=2 ,3 , … , m ; ∀ j=2 ,3 , … , n} es l. i. o

l. d.?

Definición. Sean V un K espacio vectorial y u1, u2,..., u r ∈ V, a los vectores en V de la forma:

c 1u 1+ c2u2+...+ c n u n en donde c1, c2,..., c r ∈ K , los llamaremos combinaciones lineales de los

vectores u1, u2,..., u r.
Teorema 3. Sean V un K-espacio vectorial y S = {u 1,..., u r}⊆V.

Se verifica lo siguiente: S es l. d. en V si y sólo si existe m∈{1,2,..., r} tal que u m∈ < {u1,..., u m -1}>

Demostración: Supongamos que S es un subconjunto l. d. en V entonces existen escalares

c1, c2,..., c r ∈ K no todos cero tales que c 1u 1+ c2u2+...+ c r u r = 0.

Sea m = Máx {i∈ {1,2 , … , r } : ci ≠ 0} tenemos:

um= ( c1 c ) ( c1 c )
m
1 u 1+
m
2 u2+...+ ( c1 c )
m
m−1 u m-1∈ < {u1,..., u m -1 }>

Recíprocamente, suponga que existe m∈{1,2,..., r} tal que u m∈ < {u1,..., u m -1}> entonces existen
escalares c1, c2,..., c r ∈ K tales que u m= c 1u 1+ c2u2+...+ c m - 1 u m – 1

Es decir: c 1u 1+ c2u2+...+ c m - 1 u m – 1 + u m + 0 um+1 +...+ 0 u r = 0

Lo cual implica que S = {u1,..., u r} es l. d. en V.

Observación: Si en la demostración anterior m = 1 resulta que c 1u1 = 0 con c1≠ 0

consecuentemente u1= 0V

Ejercicio 11: Sean V un K-espacio vectorial y S = {u 1,..., u r}⊆V. Demuestre que existe T⊆S
linealmente independiente en V tal que <T> = <S>.

Ejercicio 12: Sean V un K-espacio vectorial y S = {u1,..., u r}⊆V. Si F es un subconjunto linealmente

independiente en < S > entonces demuestre que se cumple lo siguiente:

a) F es finito.

b) La cantidad de elementos de F es ≤ r.

Definición. Sea V un K-espacio vectorial, decimos que V es finitamente generado si, existe un
subconjunto finito S de V tal que V = < S >.

Ejemplos:

1) K n es un K-espacio vectorial finitamente generado por el conjunto formado por los vectores
canónicos e1, e2,..., en.

2) K[x] es un K-espacio vectorial que no es finitamente generado.

Definición. Sea V un K-espacio vectorial, una base de V es un subconjunto S de V que satisface las
siguientes condiciones:

1) V = <S>

2) S es l. i. en V

Observación. El conjunto S que aparece en la definición anterior, no necesariamente es finito.

Ejemplos:

1) B = {e1, e2,..., en} es una base de K n.

2) B = {1, x, x2, x3,...} es una base de K[x].

Teorema 4. Si V es un K-espacio vectorial finitamente generado entonces existe una base para V.

Demostración: Sea S = {u1,..., u r} un subconjunto de V tal que V = <S>

Por el ejercicio 11 sabemos que existe T ⊆ S que satisface las siguientes condiciones:

a) T es l. i en V

b) <T> = <S> = V

Es decir, T es una base de V.

Teorema 5. Sea V un K- espacio vectorial finitamente generado. Si B = {u 1,..., u r} y C = {w1,..., w t}

son bases de V entonces r = t.

Demostración:

Como C ⊆ V = < {u1,..., u r}> y C es l. i. en V, por el ejercicio 12 (b) tenemos que t ≤ r

Por otra parte B ⊆ V = < {w1,..., w t}> y B es l. i. en V, por el ejercicio 12(b) tenemos que r ≤ t

Por lo tanto, r = t.

Observación. Si V es un K-espacio vectorial que no es finitamente generado, se puede demostrar

que existe un subconjunto B de V tal que B es base de V, además si B y C son bases de V también
se verifica que Card (B) = Card (C).

Definición. Si V es un K espacio vectorial, definimos la dimensión de V, denotada por dim (V) como
sigue: dim (V) = Card (B) en donde B es una base de V.

Ejercicio 13. Sea V = K n, demuestre que f∈V* si y sólo si existen escalares c1, c2,..., c n∈K tales que:

f (x1, x2,..., x n) = c1x1+ c2x2+...+ c n x n, ∀ (x1, x2,..., x n) ∈K n

Teorema 6. (Extensión de un subconjunto l.i. de un espacio vectorial a una base)

Sean V un K-espacio vectorial de dimensión n y S = {u 1,..., u m} un subconjunto l.i. de V entonces S

se puede extender a una base de V.

Demostración:

Por hipótesis V tiene dimensión n entonces existe un subconjunto B l.i de V con n elementos y que
genera a V.

Por el ejercicio 12 tenemos que m≤ n.

Si <S> = V entonces S es una base de V y por el Teorema 5 tendríamos m=n.

Supongamos ahora que S no genera a V.

Sea w1∈V \ <S>.

Definimos B1 = S ∪{w1}.

Si B1 es l. d. en V entonces por el Teorema 3 existe un vector en B 1 que se escribe como

combinación lineal de los vectores que le preceden.

Observe que este vector no puede ser w1, pues esto implicaría que w1∈<S>.

Así pues, el vector en cuestión debe ser un elemento de S, pero esto implicaría que S es l.d. en V.
lo cual es imposible.

Consecuentemente B1 es l. i. en V.

Si <B1> = V entonces B1 es una base de V.

Si B1 no genera a V volvemos a aplicar el procedimiento anterior a lo más n-m veces en total (esto
lo garantiza el ejercicio 12).

Por lo tanto B n - m= {u1,..., u m, w1,..., w n - m} es una base de V.

Ejercicio 14: Sean V = R3 y S = {(1, 1, 1)} extienda S a una base de V.

Teorema 7. Si V es un K-espacio vectorial finitamente generado entonces todo subespacio

vectorial W de V satisface las siguientes condiciones:

1) W es finitamente generado.

2) dim (W)≤ dim (V)

Ejercicio 15. Sean V un K-espacio vectorial de dimensión finita. Si U y W son subespacios

vectoriales de V tales que:

1) U ⊆W

2) dim (U) = dim (W)

Demuestre que U = W.

Ejercicio 16. Si V es un K-espacio vectorial, B = {u1,..., u m} es una base de V y w es un elemento

arbitrario de V demuestre que existen escalares únicos c 1,..., cm ∈K (que dependen de w) tales
que:

w = c 1 u1+...+ cm u m

A los escalares c1,..., cm ∈K los llamaremos coordenadas de w con respecto a la base B.

Definición. Sea V un K-espacio vectorial de dimensión finita, una base ordenada de V es una
sucesión finita de vectores en V que satisface las siguientes condiciones:

1) El conjunto B formado por los vectores de la base ordenada es l.i. en V.

2) <B> = V.
Observación: Si la sucesión u1,..., u m es una base ordenada de un K-espacio vectorial V, entonces
denotaremos a esta base con el símbolo {u 1,..., u m} asumiendo que existe un orden especificado
en los elementos de la base.