Tecnológico Nacional de México

Instituto Tecnológico de Puebla

1
Algebra Lineal
Equipo 6

Unidad 4
 2

ESPACIOS VECTORIALES

ESPACIO VECTORIAL
SUBESPACIO VECTORIAL
BASE Y DIMENSIÓN DE UN
ESPACIO VECTORIAL
Aunque históricamente el primer trabajo de Álgebra Lineal consistió en
3
resolver sistemas de m ecuaciones lineales con n incógnitas,
comenzaremos este curso estudiando la estructura de espacio vectorial.
Los vectores libres del plano (del espacio) pueden sumarse unos con otros
(por la “ley del paralelogramo”) y multiplicarse por un número real:

Pero, ¿qué es un vector libre del plano?

Definimos como el conjunto de vectores con .
Es evidente que se puede pensar que cualquier punto en el plano es un
vector de (definición algebraica de vector), y viceversa. Sin embargo,
para muchas aplicaciones físicas (incluyendo las nociones de fuerza,
velocidad, aceleración y momento) es importante pensar en un vector
no como un punto sino como una entidad que tiene “longitud” y
“dirección”.
 Tanto en Física como en Ingeniería
4 un vector se caracteriza por dos
magnitudes (longitud y dirección) y
se representa por un segmento recto
dirigido. Un vector en el plano puede
ubicarse en diferentes lugares. Sin
embargo, con independencia de
dónde esté situado, si la longitud y
dirección no varían se trata del
mismo vector.

El conjunto de los vectores libres del plano ( ) es sólo un ejemplo

entre los muchos ejemplos de objetos matemáticos que pueden sumarse
entre sí y multiplicarse por números reales, y que además satisfacen
unas mismas propiedades. Este ejemplo de los vectores libres del plano
(o el de los vectores libres del espacio) es importante porque su
representación geométrica ayuda a entender la definición general de
vector.
 5 Algunos ejemplos que podemos mencionar son:

 los propios números reales,

 los números complejos,
 los vectores en el plano,
 los vectores en el espacio,
 los polinomios de grado menor o igual que n,
 las funciones reales de variable real con dominio D,
 las funciones continuas en un intervalo,
 las funciones derivables en un punto,
 las funciones integrables en un intervalo,
 .....................................

Un vector puede ser un número, una n-tupla, un polinomio, una función

continua, etc.
 6
También hay magnitudes físicas de tipo vectorial con las mismas
propiedades: fuerzas, velocidades, aceleraciones,....
Cuando en varios conjuntos distintos aparecen estructuras similares, es
conveniente axiomatizar éstas y dar un nombre al ente resultante. Aunque
este primer tema tiene el inconveniente de trabajar en el mundo abstracto
de los espacios vectoriales arbitrarios, también presenta una gran ventaja.
La abstracción resulta ser matemáticamente eficiente en el sentido de que
ahora pueden demostrarse resultados generales cuya validez afecta a
todos los espacios vectoriales. Es decir, una vez que se establecen los
hechos sobre los espacios vectoriales en general, se pueden aplicar estos
hechos a todos los espacios vectoriales. De otro modo, habría que probar
cada hecho una y otra vez, para cada nuevo espacio vectorial que nos
encontráramos (y existen un sin fin de ellos).
 Un poco de historia
7
El matemático alemán Grassmann es reconocido como el primero que
introdujo la idea de un espacio vectorial (aunque no lo llamó de esta manera,
sino sistema de números hipercomplejos) y de independencia lineal en 1844.
Desafortunadamente su trabajo era muy difícil de leer y no recibió la atención
que merecía.
Peano en su libro Calcolo geometrico (1898) acalaró el trabajo de Grassmann y
estableció los axiomas de espacio vectorial como los conocemos en la
actualidad. En este mismo libro introdujo las operaciones de conjuntos. Sus
notaciones ,  y  son las que todavía utilizamos, aunque no fueron
aceptadas de inmediato. La definición axiomática de Peano de un espacio
vectorial también tuvo muy poca influencia durante muchos años. Su
aceptación se produjo en 1918, después de que Hermann Weyl la repitiera en
su libro Space, time, matter, una introducción a la teoría de la relatividad
general de Einstein.
También podemos mencionar a William R. Hamilton, que durante los veinte
últimos años de su vida, dedicó la mayor parte de su creación matemática a
desarrollar la tería de un tipo especial de números, los cuaterniones. Con estos
trabajos cimentó la moderna noción de vector. Todavía hoy se utiliza la notación
i, j, k de Hamilton para los vectores de la base canónica en el espacio
tridimensional.
 ESTRUCTURA DE ESPACIO VECTORIAL
8
REAL
Sean (cjto. números reales) y


operación interna en V

 operación externa en
V con dominio de
operadores

Definiremos cuando V es un espacio vectorial real

Como hemos visto, partimos de un conjunto no vacío V , cuyos
elementos
9 se denotan ..., y se denominan vectores y del cuerpo
conmutativo (estructura algebraica) de los números reales. En
general se puede trabajar con cualquier cuerpo conmutativo K y en
este curso surgirán algunos ejercicios con espacios vectoriales
complejos ( K= ).
La ley de composición interna se suele denotar con el símbolo de la
suma (  ) y se suele denominar suma de vectores. Es una
aplicación que a cada par de elementos de V les hace
corresponder el elemento, también de V, , denominado suma
de e .
La ley de composición externa con dominio de operadores (en
general, con dominio de operadores K) es una aplicación que
denominamos producto por un escalar y denotamos con el símbolo
del producto (  ) que a todo elemento de V y a todo elemento 
de (o K) hace corresponder el elemento .

OBSERVACIÓN.- ¿Es la suma de polinomios una ley de

composición interna sobre el conjunto de los polinomios de grado
exactamente 2?
 ESTRUCTURA DE ESPACIO VECTORIAL
10

1.- Para ( + ) (operación interna) se cumple:

2.- Para ( • ) (op. externa con dominio ) se cumple:

Los elementos de un espacio vectorial reciben el nombre genérico de
vectores y en general se utiliza la notación vectorial ( ,...) para
11
denotarlos. Esto no es obstáculo para que en algunos casos particulares
(polinomios, matrices, funciones,...) se utilice la notación propia en cada
caso.
Los axiomas 1.- de la definición de espacio vectorial real se refieren a la
suma de vectores, los axiomas 2.- c.- y 2.- d.- se refieren exclusivamente a
la multiplicación por escalares (números reales) y las propiedades 2.- a.- y
2.- b.- son las propiedades distributivas de una operación con respecto a
otra.

A continuación presentamos varios ejemplos de espacios vectoriales. Para

comprobar que tienen estructura de espacio vectorial deberíamos ver que
se satisfacen los 8 axiomas de la definición con las operaciones suma y
producto por un escalar definidas. Este trabajo es muy sencillo y se basa
exclusivamente en propiedades de los números reales (no olvidar que
estamos trabajando, en principio, con espacios vectoriales reales). Dado
que también es una labor muy tediosa omitiremos las comprobaciones,
pero hay que insistir en que es absolutamente necesario comprobar los 8
axiomas.
 EJEMPLOS DE ESPACIOS VECTORIALES
12

-EJEMPLO 1.-
conjunto de los vectores libres del espacio
 ¿Cómo se suman dos vectores libres?

 ¿Cómo se multiplica un vector por un número real?

 ¿Cuál es el vector nulo?

 13 -EJEMPLO 2.-

 ¿Cómo se suman dos vectores libres?

 ¿Cómo se multiplica un vector por un número real?

 ¿Cuál es el vector nulo?

 -EJEMPLO 3.- Conjunto de los polinomios de grado
menor o igual que n.
14

 ¿Cómo se suman dos polinomios?

(coeficiente a coeficiente)

 ¿Cómo se multiplica un polinomio por un número real?

(se multiplica cada coeficiente por el número real)

 ¿Cuál es el polinomio nulo?

 -EJEMPLO 4.- Conjunto de las matrices reales de m
15
filas y n columnas.

 ¿Cómo se suman dos matrices?

elemento a elemento

 ¿Cómo se multiplica una matriz por un número real?

se multiplica cada elemento de la matriz por el

número real
 16 -EJEMPLO 5.- Conjunto de las funciones reales de
variable real con dominio .

 ¿Cómo se suman dos funciones?

 ¿Cómo se multiplica una función por un número real?

 ¿Cuál es la función nula?

 EJEMPLOS DE ESPACIOS VECTORIALES
suma:
17 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:
producto por un escalar:

vector nulo: vector

opuesto:
Propiedades.- Sea V un e. v. real:
18 1.-

2.-
Al multiplicar cualquier escalar por el
3.- vector nulo obtenemos el vector nulo.

Al multiplicar cualquier vector por el escalar

4.- 0 obtenemos el vector nulo.

5.-
6.-
7.-

8.-
 19 COMBINACIONES LINEALES

Sea V un espacio vectorial real:

COMBINACIÓN LINEAL.-
es combinación lineal de
cuando tales que:
 COMENTARIOS.-
20
Dados los vectores y los escalares 1 , 2 ,..., n
(números reales), el vector definido por:

se llama combinación lineal de los vectores :

Algunas combinaciones lineales de los vectores son, por ejemplo:

El vector (2,1,1) de no es combinación lineal de los vectores (1,0,0) y

(1,1,0) de .
El polinomio x2+1 de no es combinación lineal de los polinomios x3+x–
1 , x+2 y 1 de .
Para comprobar si un vector es combinación lineal de m
vectores de se plantea la ecuación vectorial siguiente:
21

Utilizando las definiciones de las operaciones suma de vectores de y

producto de un vector de por un escalar realizamos la operación:

Teniendo en cuenta que dos vectores de son iguales si todas sus

componentes son iguales dos a dos, tenemos el siguiente sistema de n
ecuaciones lineales con m incógnitas :

Si el sistema es compatible determinado, entonces es combinación

lineal de los vectores
Si el sistema es incompatible, entonces NO es combinación lineal
de los vectores

El sistema nunca puede ser compatible indeterminado.

 22

En el espacio vectorial real de los polinomios reales de grado menor

o igual que n se procede del mismo modo que en el espacio vectorial
real . Tenemos que tener en cuenta que dos polinomios de grado
menor o igual que n son iguales si coinciden todos y cada uno de sus
coeficientes, incluido el término independiente. De este modo
tendremos un sistema de n+1 ecuaciones lineales con m incógnitas.
A continuación resolvemos un par de ejercicios en los que trabajamos
con el concepto de combinación lineal de vectores en los espacios
vectoriales introducidos en los ejemplos 2 y 3 de este capítulo: y
.
Destacar que es necesario conocer las definiciones de suma de
vectores (o polinomios) y producto de un vector (o polinomio) por un
escalar. Además tenemos que tener claro qué significa que dos
vectores de sean iguales (o que dos polinomios de sean
iguales).
 SUBESPACIOS VECTORIALES
23

Algunos subconjuntos de un espacio vectorial V son a su vez espacios

vectoriales con las operaciones definidas en V.
Estos subconjuntos se denominan subespacios vectoriales.

SUBESPACIO VECTORIAL.-
es un subespacio vectorial de V, si es espacio vectorial con
las operaciones definidas en V.

 Subespacios vectoriales impropios

 Subespacios vectoriales propios: cualquier subespacio vectorial
de V distinto de y V.

Antes de dar ejemplos de subespacios vectoriales, es conveniente dar dos resultados

que hacen relativamente sencillo determinar si un subconjunto S de V es
subespacio vectorial de V.
 Para demostrar que   S  V es subespacio vectorial de V, NO ES
NECESARIO comprobar los 8 axiomas de la definición de espacio
24 vectorial.

• Un subconjunto S no vacío de V es s.v. de V si y sólo si

cumple:

• Un subconjunto S no vacío de V es s.v. de V si y sólo si

cumple:

Para demostrar que S  V es subespacio vectorial de V, basta con

comprobar que es un subconjunto no vacío (pues todo espacio vectorial
ha de contener al menos el vector nulo, luego es conveniente comprobar
que el vector nulo es un vector de S) y que S es cerrado bajo las
operaciones suma de vectores y producto por un escalar. El resto de las
propiedades son “heredadas” por S. Esto es lo que significan las dos
caracterizaciones de subespacio vectorial que acabamos de enunciar.
 -EJEMPLO 1.- El conjunto de los números enteros
no tiene estructura de espacio vectorial con las
25
operaciones habituales de suma y producto por un
escalar real.
El conjunto de todos los números enteros con las operaciones normales de
suma y producto por un escalar no tiene estructura de espacio vectorial, ya
que el producto no es una operación cerrada.
0.51 = 0.5
escalar entero no entero

-EJEMPLO 2.- El conjunto de los polinomios de grado

exactamente 2 no tiene estructura de espacio vectorial.
El conjunto de los polinomios de grado exactamente 2 no tiene estructura
de espacio vectorial, ya que la suma no es una operación cerrada.
son polinomios de grado 2, pero su suma es un
p(x) = x2 polinomio de primer grado

q(x) = -x2+x+1 p(x) + q(x) = x+1

Fundamentos Matemáticosde la Ingeniería
 INTERSECCIÓN DE SUBESPACIOS VECTORIALES.-
26 Si S , T son subespacios vectoriales de V, entonces:

1. S  T es subespacio vectorial de V.
2. S  T es el mayor de todos los subespacios vectoriales
de V incluidos en S y T.

La unión de subespacios vectoriales de V

no es necesariamente un subespacio vectorial de V.

En el siguiente apartado veremos una manera de encontrar y construir

subespacios de un espacio vectorial V. Este método nos será de gran
utilidad para demostrar, sin emplear las caracterizaciones de subespacio
vectorial del apartado anterior, que un subconjunto no vacío de un
espacio vectorial V es un subespacio vectorial de V.
Fundamentos Matemáticosde la Ingeniería
 DEPENDENCIA E INDEPENDENCIA LINEAL
27

En el estudio del Álgebra Lineal, una de las ideas centrales es la

de dependencia o independencia lineal entre vectores.

Podemos plantearnos la siguiente pregunta. ¿Existe una

relación especial entre los vectores y ?

, o escrito de otro modo:

Es decir, el vector nulo se puede escribir como una

combinación no trivial de y . En este caso se dice que
los vectores son linealmente dependientes. En general, se
tienen las siguientes definiciones:
Fundamentos Matemáticosde la Ingeniería
 28 SISTEMA LIBRE. SISTEMA LIGADO.-
es un sistema libre (o son
vectores linealmente independientes) si:

es un sistema ligado (o son

vectores linealmente dependientes) si:

A continuación enunciamos algunas propiedades de los

sistemas libres y ligados que nos pueden resultar útiles más
adelante.
Fundamentos Matemáticosde la Ingeniería
 PROPIEDADES.-
29

Fundamentos Matemáticosde la Ingeniería

 Las propiedades siguientes son resultados que se demuestran de forma
30 inmediata a partir de los conceptos de sistema libre de vectores y
sistema ligado de vectores.

1. Todos los vectores de un sistema libre son no nulos.

2. Si un sistema de vectores contiene al vector nulo, entonces
es un sistema ligado.
3. sistema libre sii
4. Un sistema de dos vectores es un sistema ligado si y sólo si
uno de los vectores es “múltiplo” del otro.
5. Si a un sistema ligado se le añaden nuevos vectores, resulta
otro sistema ligado.
6. Todo subconjunto de un sistema libre es un sistema libre.
Fundamentos Matemáticosde la Ingeniería
31
Para comprobar si una familia de vectores es linealmente
dependiente o linealmente independiente vamos a utilizar, en
muchos casos, el concepto de rango de una matriz.
Hablaremos de rango de una matriz en un tema posterior, pero
como es un concepto que muchos alumnos ya conocen,
conviene decir que, en general, resulta más cómodo y más
sencillo estudiar la dependencia o independencia lineal de
una familia de vectores utilizando el concepto de rango de una
matriz.
A partir del momento en el que definimos el concepto de
rango de una matriz resolveremos ejercicios de sistemas
libres y ligados utilizando la idea del rango de una matriz.

Fundamentos Matemáticosde la Ingeniería

 32
BASES Y DIMENSIÓN DE UN
ESPACIO VECTORIAL
En este apartado presentaremos el concepto fundamental de una base de un
espacio vectorial. Como veremos, una base es un conjunto generador
“eficiente” que no contiene vectores innecesarios. De hecho, se puede
construir una base a partir de un conjunto generador desechando algunos
vectores innecesarios. Además, conocer una base de un espacio vectorial es
muy útil para comprender el espacio y sus propiedades.

BASE DE UN ESPACIO VECTORIAL.-

es una base del e.v. real V si:
B s. libre
B s. generador de V
Fundamentos Matemáticosde la Ingeniería
33 -EJEMPLOS DE BASES.-

-EJEMPLO 1.-

base canónica

-EJEMPLO 2.-

base canónica

Fundamentos Matemáticosde la Ingeniería

 EXISTENCIA DE BASES.-
34
Todo e.v. V engendrado por un sistema de generadores finito
tiene al menos una base.
Todas las bases del e.v. V poseen el mismo número de
elementos. Entonces:
DIMENSIÓN DE UN ESPACIO VECTORIAL.-
El número de elementos que posee una base cualquiera de un
e.v. V , recibe el nombre de dimensión del e.v. V (dim V).

Esta información resulta muy útil

como se verá posteriormente

Fundamentos Matemáticosde la Ingeniería

Dos perspectivas de una base
Cuando se usa el teorema de la reducción de un conjunto generador, la
35
eliminación de vectores de un conjunto generador debe terminar cuando el
conjunto generador resulta linealmente independiente. Si se elimina otro vector,
no será combinación lineal de los vectores restantes y por lo tanto el conjunto
resultante ya no generará el mismo espacio vectorial V.
Una base también es un conjunto linealmente independiente que es lo más
grande posible. Si B es una base de V y si B se agranda con un vector,
digamos , de V, entonces el nuevo conjunto ya no puede ser linealmente
independiente, porque B genera V y es por lo tanto una combinación
lineal de los vectores de B.

Ejemplo.- Los siguientes tres conjuntos de muestran cómo un conjunto

linealmente independiente de dos vectores de puede agrandarse para
formar una base de y cómo un agrandamiento adicional destruye la
independencia lineal del conjunto. Este mismo ejemplo lo podemos ver desde
otra perspectiva: Un conjunto generador de formado por 4 vectores puede
encogerse para dar una base, pero una contracción adicional destruye la
propiedad de ser generador.

Fundamentos Matemáticosde la Ingeniería

36 COORDENADAS DE UN VECTOR

Sea V e.v. real con base de V.

únicos tales que:

A los escalares (únicos) se les

llama coordenadas del vector en la base B.

Hallar las coordenadas del vector

• en la base canónica de
• en la base de
Fundamentos Matemáticosde la Ingeniería
37
DIMENSIÓN DE UN SUBESPACIO VECTORIAL

Sea S s.v. de V y

B base de S si

: número de elementos de una base de S

Si dim V = n, y S es un s.v. de V, entonces:

Fundamentos Matemáticosde la Ingeniería

 RANGO DE UN SISTEMA DE VECTORES
38 Sea V espacio vectorial real y F una colección de
vectores de V.
Se llama rango de F ( r ( F ) ) al número máximo de
vectores linealmente independientes de F.
Volveremos a estudiar el concepto de rango de una familia de vectores dentro del
marco de la teoría de matrices. Esto nos permitirá desarrollar métodos más
eficientes para calcular el rango de una familia de vectores y también para hallar
una base de un subespacio vectorial generado por una familia de vectores.

Si F es un subconjunto del e.v. V que consta de m vectores y dim V = n