UNSa Sede Regional Oran

TEU - TUP
• Un espacio vectorial (o espacio lineal) es el objeto básico
de estudio del álgebra lineal.
• A los elementos de los espacios vectoriales se les llama 
vectores (aunque no siempre tienen al forma de los
vectores con los que estamos familiarizados)
• Sobre los vectores pueden realizarse dos operaciones: la
multiplicación por escalares y la adición (una asociación
entre un par de objetos).
• Estas dos operaciones se tienen que ceñir a un conjunto
de axiomas.
• Sea V un conjunto no vacío de objetos llamados vectores.
Supongamos que en V hay definida una operación suma, que
denotaremos por +, y una operación producto por un escalar( de un
cuerpo K) que denotaremos por ·. Diremos que (V, K,+, ·) es un
espacio vectorial real (o simplemente un espacio vectorial) si se
verifican las siguientes axiomas:
• ∀ u, v, w ∈ V y ∀ h, k ∈ K .
A1:Propiedad asociativa (+): (u + v) + w = u + (v + w).
A2. Propiedad conmutativa: u + v = v + u.
A3. Existencia de elemento neutro: ∃ 0 ∈ V | 0 + v = v+0=v.
A4. Existencia de elemento opuesto: ∀ v ∈ V ∃ -v ∈ V | v + (-v) = 0
• M1 Propiedad distributiva I: h · (u + v) = h · u + h · v,
• M2. Propiedad distributiva II: (h + h) · v = h · v + k · v
• M3. Propiedad asociativa (·): h · (k · v) = (hk) · v.
• M4 . Elemento unidad: 1 · v = v, ∀ v ∈ V

Cabe aclarar algunos detalles de la definición anterior: •

Cuando no haya lugar a confusión con respecto a las
operaciones consideradas, denotaremos el espacio
vectorial simplemente por V .
• Observemos que no debemos confundir el vector
neutro 0 y el escalar 0.
 EJEMPLOS DE ESPACIOS VECTORIALES
suma:
producto por un escalar:

vector nulo: vector

opuesto:
suma:
producto por un escalar:

vector nulo:
vector
opuesto:
suma: producto por un escalar:

vector nulo: vector

opuesto:

suma:
F(x) producto por un escalar:

vector nulo: vector

opuesto:
6
Dado un espacio vectorial V, podemos considerar una parte S de él que
funcione como un espacio vectorial “más pequeño”, incluido en V. Como
V es un espacio vectorial, posee unas operaciones (suma, producto por
un escalar) que en particular se pueden efectuar en S. Sólo necesitaremos
que, al efectuarlas, su resultado quede dentro de S.

Dado un espacio vectorial (V .K,+,.)y sea S un subconjunto de V , si S es

también un espacio vectorial con las mismas operaciones que V, S es
llamado subespacio de V.

Observaciones: Si V es un espacio vectorial, {0} y V son subespacios

vectoriales, llamados subespacios vectoriales triviales.

Teorema: Sea S un subconjunto no vacío del espacio vectorial V,

S es sub-espacio satisface los axiomas de cerradura.
• De la forma implícita a la paramétrica: Basta considerar las
ecuaciones implícitas como un sistema, y resolverlo. La
solución general del sistema (que podrá depender de
parámetros) es la expresión paramétrica.
• De la forma paramétrica a la implícita: Podemos decir,
aunque no es un método riguroso, que se trata de “describir”
mediante ecuaciones cómo es el vector genérico del
subespacio. Ayudará el conocer qué número de ecuaciones es
necesario (lo que se verá más adelante).
•La forma más sencilla (aunque no la única) de calcular S∩T es
utilizar la expresión implícita de S y de T. Como buscamos los
vectores que verifiquen a la vez ambas condiciones, podremos
describir S∩T considerando conjuntamente las ecuaciones
implícitas de S y las de T (formando un sistema con todas ellas).
Este sistema, si es “sencillo”, puede considerarse ya como la
forma implícita de S∩T. En todo caso, resolviendo este sistema
obtenemos la forma paramétrica de S∩T.
•Es decir hay que Resolver un sistema con todas las
ecuaciones implícitas de cada Subespacio
• Dado un conjunto finito de vectores S={v1, . . . , vr} de un
espacio vectorial V, el conjunto de todas las posibles
combinaciones lineales de ellos se llama subespacio generado
(o engendrado) por v1, . . . , vr . Se dice también que dichos
vectores son un sistema generador del subespacio (o del
espacio, en su caso).
• Se denota G=L(S) y se lee G es el subespacio generado por los
vectores de S.
• Observación. Notar que, dado un conjunto de vectores, el
conjunto de todas sus combinaciones lineales es efectivamente
un subespacio.
• Geométricamente, dos vectores son independientes si no tienen
la misma dirección (con sentidos idénticos u opuestos). Esta
definición supone que el vector nulo tiene todas las direcciones
(por ello no es independiente con otro vector cualquiera),en
otras palabras estos debe generar un area.
• Tres vectores son independientes si y solo si no están
contenidos en el mismo plano vectorial, o sea si ninguno de
ellos es una combinación lineal de los otros dos (en cuyo caso
estaría en el plano generado por estos vectores) en otras
palabras estos debe generar un volumen.
• Dos vectores forman un conjunto linealmente dependiente si y
sólo si uno de los vectores es múltiplo escalar del otro. En R2 y
en R3 dos vectores son Linealmente dependientes si están
sobre la recta que pasa por el origen.

• Dados tres vectores en R3, entonces el conjunto que forman es

linealmente dependiente si y sólo si los tres vectores están en el
mismo plano que pasa por el origen, cuando los vectores se
colocan con los puntos iniciales en el origen.
• Se llama Base de un espacio vectorial ( o subespacio) vectorial
a un sistema generador de dicho espacio o subespacio, que sea
a la vez linealmente independiente.
Propiedades de la Base
1)Una base de S es un sistema generador minimal de S ( lo más
pequeño posible)
2)Además es un conjunto independiente y maximal dentro de S (
lo más grande posible)
3)Una base de S permite expresar todos los vectores de S como
combinación lineal de ella, de manera única para cada vector.
• Sean S y T dos subespacios de un espacio vectorial V de
dimensión finita, las dimensiones de S, T, S + T y S ∩ T están
relacionadas mediante la siguiente fórmula de Grassmann:

• dim(S + T) + dim(S ∩ T) = dim(S) + dim(T)

Que es equivalente a
• dim(S + T) = dim(S) + dim(T) - dim(S ∩ T)

• Si La suma es directa
• dim(S + T) = dim(S) + dim(T)
• Las operaciones elementales sobre los renglones o filas de una
Matriz A, no cambian el EF(A). Las filas distintas de cero de la
matriz escalonada forman una base para el EF(A)
• Lo mismo ocurre con las columnas de A . Las columnas
distintas de cero de la matriz transpuesta de A escalonada
forman una base para el EC(A)
• Los espacios fila y columna son distintos sin embargo tienen la
misma dimensión. Recordar que la dimensión del espacio es el
número de vectores de la base.
• Dado un sistema de m ecuaciones lineales con n incógnitas

E1 : a11 x1  a12 x2  ...  a1n xn  b1

E2 : a21x1  a22 x2  ...  a21n xn  b2
E3 : a31x1  a32 x2  ...  a3n xn  b3
.     
Em : am1x1  am 2 x2  ...  amn xn  bm
.
• En forma matricial
• A.X=B