ACADEMIA ADOS

ESPACIOS VECTORIALES
VARIEDADES LINEALES
APLICACIONES ENTRE ESPACIOS VECTORIALES
TEOREMA DE ISOMORFIA

1. INTRODUCCIÓN.
2. ESPACIOS VECTORIALES.
2.1. DEFINICIÓN Y PROPIEDADES.
2.2. SUBESPACIOS VECTORIALES.
3. COMBINACIONES LINEALES. DEPENDENCIA LINEAL. BASES
3.1. COMBINACIONES LINEALES.
3.2. DEPENDENCIA LINEAL
3.3. SISTEMA DE GENERADORES.
3.4. BASES.
4. APLICACIONES LINEALES ENTRE ESPACIOS VECTORIALES.
4.1. DEFINICIÓN Y PROPIEDADES
4.2. NUCLEO E IMAGEN DE UNA APLICACIÓN LINEAL.
4.3. ESPACIO COCIENTE.
5. TEOREMAS DE ISOMORFÍA.
TEMA 12. ESPACIOS VECTORIALES 2

1. INTRODUCCIÓN.

Este tema es un tema puente dentro del bloque de Álgebra del temario de oposiciones. Después del
estudio de todos los conjuntos numéricos, que acaba en el tema 9, tenemos la recapitulación histórica
en el 10, y dos temas dedicados al Álgebra abstracta: el 11, sobre conjuntos, relaciones y estructuras
algebraicas, y el 12, que es su continuación lógica, dedicado al estudio de los espacios vectoriales y las
aplicaciones lineales. Como decíamos al principio, este será el nexo de unión con los temas posteriores
dedicados a la resolución de ecuaciones y sistemas de ecuaciones.

Atendiendo al título del tema, tenemos en realidad dos partes, espacios vectoriales y aplicaciones
lineales, que se dividen cada una en dos. La primera, en cuestiones generales sobre espacios
vectoriales y luego variedades o subespacios. La segunda se divide en cuestiones generales sobre
aplicaciones lineales, y culmina el tema con los teoremas de isomorfía. En consecuencia, hemos
estructurado el tema en estos cuatro apartados, del 2 al 5.

Los conocimientos previos para desarrollarlo vienen de los temas dedicados al campo numérico, 1, 4,
5, 6, y 9, y el precedente, 11, sobre estructuras algebraicas. A su vez, este tema se relaciona con los
siguientes, sobre resolución de ecuaciones y sistemas en el terreno del Álgebra, siendo además la
estructura de espacio vectorial un concepto cave en la Geometría moderna, y en el Análisis por su
relación con la idea de función lineal.

Un antecedente del cálculo vectorial se encuentra en la teoría de proporciones de los griegos, detallada
en Los Elementos de Euclides, con un enfoque muy geométrico. En efecto, si consideramos la medida
de una magnitud como una proporción entre dos números enteros, podemos dotar al conjunto de
medidas de magnitudes de la operación suma, con lo que tendremos un grupo abeliano. Si añadimos
la operación externa producto por un número real, tendremos un espacio vectorial real. Naturalmente,
hay que hacer dos salvedades importantes: que los griegos no tenían la noción de número real, ni la
de número negativo.

Otro antecedente más próximo del cálculo vectorial se encuentra en las leyes de composición de
fuerzas y velocidades, conocidas en Mecánica en el siglo XVII. La primera definición de espacio vectorial
aparece mucho más tarde; es en el siglo XIX con la obra de Hamilton. Este retraso se debe a que los
siglos XVII y XVIII son de oro para el cálculo infinitesimal y la geometría analítica; los amplios horizontes
que entonces tenía el cálculo infinitesimal hacen que las matemáticas olviden durante el siglo XVII y
XVIII la meditación sobre las leyes de composición.

La definición de espacio vectorial de Hamilton tiene carácter geométrico. La definición axiomática de

espacio vectorial viene con Peano, ya en el siglo XX.

2. CONCEPTO DE ESPACIO VECTORIAL.

2.1 DEFINICIÓN Y PROPIEDADES.

Se llama espacio vectorial a la terna: (( V,+), (K,+,·),*) donde:

1º (V,+) es un grupo abeliano. (Sus elementos se llaman vectores).

La ley de composición interna + : V V  V

(u,v)  u+v
TEMA 12. ESPACIOS VECTORIALES 3

se llama suma o adición de vectores y por ser grupo abeliano cumple:

- Propiedad asociativa: (u+v)+w= u+(v+w)  u,v,w V

- Existencia de elemento neutro uV  0V ; u+0=0+u

- Existencia de elemento opuesto:  uV  -u ; u+(-u)=0=(-u)+u

- Propiedad conmutativa:  u,v V u+v=v+u

2º (K,+,·) es un cuerpo, sus elementos se llaman escalares y los representamos por letras griegas ,....
+ y · representan la suma y multiplicación de escalares.

3º * es una ley de composición externa *: K  V V

(, x)   x

Este producto debe cumplir las siguientes propiedades:

1- Distributiva respecto a la suma de vectores:

(x+y)= x+y K x,yV

2- Distributiva respecto a la adición de escalares:

(+)x= x + x ,K xV

3- Asociativa mixta

(u)= ( · )u  ,K uV

4- La unidad de K es el neutro para la ley de composición externa:

1u=u uV

En el caso K=R tenemos (V,+,·R) espacio vectorial real ,que es el que más se utiliza en los niveles de
enseñanza Secundaria, será pues, el que utilicemos , además de trabajar con espacios vectoriales
finitos.

DEFINICIÓN.

Se llama diferencia de dos vectores u y v y se representa por u-v a la suma de u con el opuesto de v,
es decir, u-v = u+(-v).

PROPIEDADES.

1) u+v=u+w  v=w  u,v,w V

2) 0.u= 0  uV

3) .0=0   K
TEMA 12. ESPACIOS VECTORIALES 4

4) .u=0 =0 ó u=0

5) (-).u = -(.u)=.(-u)

(-).(-u)= .u K uV

6) , K u0, uV si .u=.u  =

7)  0K u,vV si .u=.v  u=v

EJEMPLOS.

1. EL ESPACIO VECTORIAL R2.

Sea el conjunto formado por todos los pares ordenados de números reales con la ley de composición
interna + , definida por: (x,y)+(z.,r)= (x+y,z+r)

* La ley de composición externa de R en R2 : * (x,y)= (x,y)

Entonces (( R2,+), (R,+,·),) es un espacio vectorial.

Sean (1,0)=e1 (0,1)=e2; Entonces un vector cualquiera se puede expresar: u=x.e1+y.e2; siendo la pareja
de vectores anterior la base canónica del espacio vectorial considerado., x ,y son las componentes del
vector u respecto a la base canónica.

2. P1(X) : CONJUNTO DE POLINOMIOS EN UNA INDETERMINADA (X), COEFICIENTES REALES Y GRADO

MENOR O IGUAL QUE KR.

(P1(x),+), (R,+,·), ) donde  representa el producto de polinomios , es un espacio vectorial real.

2.2 SUBESPACIOS VECTORIALES.

DEFINICIÓN.

Sea (V,+, ·K) un espacio vectorial y S un subconjunto de V (SV, S). S es subespacio vectorial de V si
(S,+,·K) es espacio vectorial , es decir, es espacio vectorial sobre el mismo cuerpo y con las mismas leyes
de composición que V (leyes inducidas).

Es evidente que, para todo espacio vectorial V, tanto V como (0) son subespacios de V llamados
triviales.

TEOREMA DE CARACTERIZACIÓN.

Sea SV S. S es subespacio vectorial de V  1)  u,v S u+v S

2)K (K=R), uS ·uS.

DEMOSTRACIÓN.

() S subespacio vectorial: Entonces se cumple 1) y 2) ya que las operaciones + y · son cerradas en S.
TEMA 12. ESPACIOS VECTORIALES 5

() u,v S por la propiedad 2) (-1)·v= -vS y entonces por 1) u+(-v)=u-vS. Luego (S,+) es un
subgrupo abeliano de (V,+) y, por tanto, cumple las 4 propiedades para la ley de composición interna.

Veamos que también se cumplen las propiedades de la multiplicación por números reales.

* ,R uS (+).u=.u+.u

En efecto,  ,R : +R y uS por 2) (+).uS

Como R y uS  .uS

R y uS  .uS

Entonces aplicando la propiedad 1) .u+.u S

Pero como en : (+).u= .u+.u , entonces también se verifica en S Análogamente se prueban las
demás propiedades:

.(u+v)=.u+.v R u,vS

(.v)= (.).u ,R uS

1.u =u uS Así, este teorema nos proporciona un método sencillo para averiguar si un
subconjunto de un espacio vectorial es subespacio vectorial, pues basta con probar las condiciones 1)
y 2).

TEOREMA.

Sea SV, S S es subespacio vectorial   ,R u,vS .u+.vS

DEMOSTRACIÓN.

() S Subespacio vectorial, entonces por el teorema anterior 2).uS y .vS, y aplicando de nuevo
el teorema anterior 1) .u+.vS.

() Tomamos ==1  u+vS

=0  .uS , entonces aplicando el teorema de caracterización S es subespacio de V , pues, se

cumplen 1) y 2).

OPERACIONES CON SUBESPACIOS.

1. INTERSECCIÓN DE SUBESPACIOS.

DEFINICIÓN.

Dados los subespacios S1 y S2 de V (sobre K=R), llamaremos intersección de S1 y S2, y lo

representaremos por S1∩S2, al conjunto de los vectores de V que pertenecen a S1 y a S2.

S1∩S2= ( uV / uS1 y uS2)

TEMA 12. ESPACIOS VECTORIALES 6

Esta definición puede generalizarse para más de dos subespacios.

DEFINICIÓN.

Dada una familia de subespacios (Si) iI de (V,+,·R) , llamaremos intersección de dicha familia al
conjunto ∩Si, iI, formado por los elementos de V que pertenecen a todos los subespacios Si.

∩Si, iI = {uV ; uSi iI }

Se demuestra fácilmente que la ∩Si, iI es subespacio vectorial de V ; basta con aplicar el teorema de
caracterización.

2. UNIÓN DE SUBESPACIOS.

DEFINICIÓN

Dados dos subespacios S1 y S2 de (V,+,·R) llamaremos unión de S1 y S2 y lo representaremos por S1 

S2, al conjunto de elementos de V que pertenecen a S1 ó a S2.

S1  S2 = { uV; u S1 ó uS2}

Pudiéndose generalizar la anterior definición:

Dada una familia de subespacios (Si)iI de (V,+,·R), se llama unión de dicha familia al conjunto:

Si; iI = { uV ; iI tal que uSi } En general, la unión de subespacios de V no es un subespacio de
V.

Veámoslo con un ejemplo.

Sea el espacio vectorial sobre R de todos los polinomios con una indeterminada, R(x).

Sea A = {(x+1).P(x) / P(x)R(x)}

Sea B = {(x+2).P(x) / P(x)R(x)}

Es inmediato comprobar que A y B son subespacios vectoriales de R(x).

Consideramos el polinomio (x + 1) + (x + 2) = 2x + 3  A  B y 2x + 3 es suma de dos elementos de A 

B, luego éste no es espacio vectorial.

3. SUMA DE SUBESPACIOS.

DEFINICIÓN.

Dados dos subespacios S1 y S2 de (V,+,·R), llamaremos suma de S1 y S2, y lo representaremos por S1 +

S2, al conjunto de vectores de V que se puede expresar como suma de dos vectores, uno de S1 y otro
de S2.

S1+S2= (uV; u=x+y xS1 yS2 )

TEMA 12. ESPACIOS VECTORIALES 7

Se puede demostrar, aplicando el teorema de caracterización, que la suma de dos subespacios de

V, es un subespacio de V. Podemos generalizar la suma de subespacios:

DEFINICIÓN

Llamaremos suma de los subespacios S1,S2........Sn de (V,+,·R) al conjunto:

Si; iI = (uV; u=xi; iI xiSi iI) Se demuestra Si;iI es un subespacio de V (análogamente al
de dos, o por inducción ya que hemos visto que para dos se cumple).

4. SUMA DIRECTA.

DEFINICIÓN

Dados dos subespacios disjuntos S1 y S2 de (V,+,·R) a la suma se le llama suma directa y lo denotamos
por: S=S1 S2.

S=S1  S2  S=S1+S2 y S1∩S2=()

DEFINICIÓN

Dados los subespacios S1,.......Sn disjuntos dos a dos, su suma se llama directa y se representa por
S=S1S2..........Sn

S=S1..........Sn  S=S1+.........+Sn

Si∩Sj=() ij.

3. COMBINACIONES LINEALES. DEPENDENCIA LINEAL. BASES.

3.1 COMBINACIONES LINEALES.

DEFINICIÓN.

Sea H=(u1,.....un) un conjunto finito de vectores de un espacio vectorial V. Se llama combinación lineal
de ellos a cualquier expresión de la forma: 1u1+........nun, iR 1  i  n.

A H se le llama familia o sistema de vectores de V.

PROPIEDADES.

1. El vector cero es combinación lineal de cualquier sistema de vectores. Basta

con tomar todos los escalares iguales a 0.
2. Cualquier vector v, es combinación lineal de sí mismo: v=1·v, por lo tanto es
combinación lineal de cualquier sistema de vectores en el que esté incluido. Basta
con tomar todos los escalares iguales a 0, excepto el que le corresponde a v, que
será 1.
3. Si un vector w es COMBINACIÓN LINEAL. de un sistema de vectores vi
i=1,2,,,,,,n; y a su vez cada vi es COMBINACIÓN LINEAL. de otro sistema de vectores
TEMA 12. ESPACIOS VECTORIALES 8

uj j=1,2......m; entonces w es COMBINACIÓN LINEAL del sistema de vectores uj

j=1,2....m.
4. Sea L(H) el conjunto de todas las combinaciones lineales de una familia de
vectores H=(u1,.......un) de V. Se cumple que L(H) es un subespacio vectorial de V,
llamado variedad lineal o subespacio engendrado por el conjunto H. Esto se
demuestra sin más que ir utilizando reiteradamente la definición de combinación
lineal de un sistema de vectores. El subespacio L(H) se expresa también como <H>
o como <u1, .... , un>.

3.2 DEPENDENCIA LINEAL.

DEFINICIÓN 1.

H=(u1,.....un) conjunto de vectores , se dice que son linealmente dependientes, o que H es ligado, si 
1......n no todos nulos tal que: 1u1+.........+nun=0

DEFINICIÓN 2.

H=(u1,.....un) conjunto o sistema de vectores, es linealmente dependiente , si al menos uno de ellos se

puede expresar como combinación lineal del resto.

Es fácil ver que ambas definiciones son equivalentes:

Sea 1u1+.........+nun=0 con i  0. Entonces iui = -1u1 - 2u2 - ··· - i-1ui-1 - i+1ui+1 - ···· - nun. La
implicación contraria es evidente.

DEFINICIÓN.

Un conjunto de vectores H=(u1,.....un) se dice que son linealmente independientes, o que H es libre,
si dada la COMBINACIÓN LINEAL. 1u1+......+nun=0 i=0 i.

PROPOSICIÓN.

Si un vector es COMBINACIÓN LINEAL. de una familia de vectores linealmente independiente, entonces

dicha COMBINACIÓN LINEAL. es única.

DEMOSTRACIÓN.

Sea H=(u1,.....un) una familia de vectores linealmente independientes, y sea v = 1u1+......+nun =

1u1+2u2+···+ nun un vector combinación lineal suya que se puede expresar de dos modos distintos.
Entonces, (1-1)u1+····+(n- n)un = 0.

Por ser H libre se cumplirá que 1-1 = 2- 2 = ··· = n-n = 0, con lo que tendremos que los escalares
de las dos combinaciones lineales son los mismos.

PROPIEDADES.

1. Todo vector distinto del vector nulo es linealmente independiente.

2. El vector cero es linealmente dependiente.
3. Sea H un conjunto de vectores que contiene al vector cero, entonces H es
linealmente dependiente.
TEMA 12. ESPACIOS VECTORIALES 9

4. Todo subconjunto S de un conjunto de vectores H, siendo H libre, también es

libre.
5. Dado S subconjunto del conjunto de vectores H, si S es ligado, entonces H también
es ligado.
6. Un conjunto finito y ordenado de vectores que no contiene el vector nulo es
linealmente dependiente. sí y solo sí , algún vector es COMBINACIÓN LINEAL. de
los precedentes.

3.3 SISTEMA DE GENERADORES.

DEFINICIÓN.

Un conjunto G de vectores de un espacio vectorial V es sistema generador, cuando cualquier otro

vector de V se puede expresar como COMBINACIÓN LINEAL. de los vectores de G. Se expresa entonces
como V = <G>

TEOREMA.

Si un conjunto G=(u1,......un) es un sistema de generadores linealmente dependiente de un espacio

vectorial V, entonces existe un vector ujG tal que G-{uj } es también sistema de generadores de V.

DEMOSTRACIÓN.

G sistema de generadoresuV u=iui i=1,2.....n

Por ser G linealmente dependiente algún vector de G es COMBINACIÓN LINEAL. del resto, supongamos
que uj es ese vector, uj=iui i=1,2,...n ij, por tanto:

n n n n n

u=juj + iui =jiui + iui =(ji + y) ui =iui.

ij ij ij ij ij

Luego G-{uj} es sistema de generadores de V.

3.4 BASE.

DEFINICIÓN.

Dado un conjunto B = (u1,.....un) de vectores de V, diremos que B es una base del espacio vectorial V,
sí y solo sí, B es un conjunto linealmente independiente y sistema de generadores de V.

DEFINICIÓN.

Un espacio vectorial se llama finito cuando posee un sistema finito de generadores.

TEOREMA.

Todo espacio vectorial finito posee una base finita.

TEMA 12. ESPACIOS VECTORIALES 10

DEMOSTRACIÓN.

En efecto: Sea V un espacio vectorial finito y H = (u1,....un) un sistema de generadores de V con ui  0

i = 1,2....n

Si u1,.....un son linealmente independiente, entonces, H es una base de V y el teorema queda

demostrado.

En caso contrario 1u1+........+nun=0 con no todos los y nulos. Supongamos que n0. Multiplicando
la igualdad anterior por n-1

n-1 1u1+........+n-1nun=0 un=  n-1 1u1............n-1n-1un-1

Pero uV (u1,......un) es sistema generador u= 1u1+......nun. y sustituyendo

u= 1u1+....... n(-n-11u1...........- n-1n-1un-1)=

( 1-NN-11)u1+.......(n-1- nn-1n-1)un-1.

Luego H1=(u1,.......un-1) es también sistema de generadores de V

Supongamos demostrado que Hj=(u1,.....un-j) es sistema de generadores de V. Si fuese linealmente

independiente, entonces seria base y ya estaría probado el teorema; sino, procediendo del mismo
modo, obtendríamos un sistema de generadores con un vector menos. Por consiguiente, repitiendo el
proceso a lo sumo n-1 veces obtendríamos una base.

PROPOSICIÓN.

Si B=(v1,......vn) es una base del espacio vectorial V, entonces cada vector xV puede expresarse de
forma única como COMBINACIÓN LINEAL de los elementos de la base.

En efecto xB=v1,...vnx=1v1+........+nvn

La unicidad de la expresión está ya demostrada aplicando una proposición anterior, por ser la base un
sistema libre de vectores.

Así: x=1v1+...+nvn, expresión única; i son las componentes (O coordenadas) del vector x respecto a
la base V.

TEOREMA DE EXTENSIÓN A UNA BASE.

Si B=u1,......un es una base de V y H=v1,....vm es un conjunto linealmente independiente, pero no

sistema de generadores de V, existen vectores vm+1,vm+2,. vm+p tales que el conjunto
v1,......vm,.......vm+p es una base de V

DEMOSTRACIÓN.

Supongamos que B∩H= y consideremos el conjunto A=HB=(v1,v2,....vm,u1,...un)

A es un conjunto finito, que no contiene al vector nulo y linealmente dependiente., pues las vi son
COMBINACIÓN LINEAL de los vectores de B(por ser B base), luego algún vector es COMBINACIÓN
TEMA 12. ESPACIOS VECTORIALES 11

LINEAL de los precedentes. Tal vector es de B, pues H es linealmente independiente. Pero como A
es sistema de generadores linealmente dependiente de V y ui es COMBINACIÓN LINEAL de los
precedentes, resulta que Ai=A-(ui) es también sistema de generadores de V.

Si A es linealmente independiente. el teorema queda probado, en caso contrario se repite el proceso

y a lo sumo al cabo de n-1 pasos se obtiene un sistema de generadores linealmente independiente, o
sea, una base de V.

TEOREMA.

Todas las bases de un espacio vectorial finito V son coordinables, es decir, tienen el mismo número de
elementos.

DEMOSTRACIÓN.

Sea (V,+,·R) un espacio vectorial y B = (u1,.....un) y C = (v1,.....vm) dos bases de V

Consideremos el conjunto A = (vm,u1,......un). Este conjunto es sistema de generadores de V, por ser B

base, y linealmente dependiente. ya que vm es COMBINACIÓN LINEAL. de los vectores de B (B base).
Por tanto, algún ui es COMBINACIÓN LINEAL de los precedentes, luego A-(ui) es sistema de
generadores de V

Sea A1 = (vm-1,vm,u1,.......ui-1,ui+1.......un). Este conjunto también es un sistema de generadores linealmente

dependiente.; luego algún uj de A1 será COMBINACIÓN LINEAL de los precedentes. Por tanto A1-(uj) es
sistema de generadores de V.

Agregando a este nuevo conjunto el vector vm-2 se obtiene A2 = (vm-2,vm-1,vm,u1,........ui-1,ui+1,...uj-

1,uj+1,......un) que es sistema de generadores linealmente dependiente.

Repitiendo el proceso, afirmamos que no es posible que se agoten antes los uh que los vk, ya que si así
fuera los vk restantes serían COMBINACIÓN LINEAL de los considerados. Por tanto, mn.

Análogamente, a partir de B = (uh,v1,....vm) se prueba nm, y de ambas resulta n = m.

DEFINICIÓN.

Al número común de elementos que tienen las bases de un espacio vectorial se llama dimensión del
espacio vectorial.

Si B = (u1,...un) es una base del espacio vectorial V se escribe dim V = n.

Cuando el espacio vectorial V está formado únicamente por el vector nulo, diremos que su dimensión
es cero.

PROPOSICIÓN.

Un conjunto de n vectores de un espacio vectorial de dimensión n es una base son linealmente

independiente ó sistema de generadores.

DEMOSTRACIÓN.
TEMA 12. ESPACIOS VECTORIALES 12

 Si B=(u1,....un) es una base y dimV = n  B es linealmente independiente. y sistema de

generadores (por definición de base de un espacio vectorial).

 1) Si dim V = n y B = (u1,.....un) es linealmente independiente B es base de V

Veamos que en efecto B es sistema de generadores de V; si no lo fuera, por el teorema de extensión

podría completarse hasta formar una base de V, resultando dim V  n, que es absurdo.

2) Si dim V = n y B = (u1,.....un) es un sistema de generadores  B es base de V.

En este caso debemos probar que B es linealmente independiente.

Si B fuera linealmente dependiente. ; uj tal que B-(uj) es sistema de generadores de V. Si este conjunto
fuera linealmente independiente. seria una base de V, en caso contrario, se repite el procedimiento
hasta encontrar una base cuyo cardinal seria  n, lo cual es absurdo.

4. APLICACIONES LINEALES ENTRE ESPACIOS VECTORIALES.

4.1 DEFINICIÓN Y PROPIEDADES.

DEFINICIÓN.

Sean E y F dos espacios vectoriales sobre un mismo cuerpo conmutativo K.

Una aplicación l: E  F es lineal (u homomorfismo entre espacios vectoriales) cuando cumple:

1) l(x+y)=l(x)+l(y) x,yE

2) L(x)=l(x).

PROPOSICIÓN.

Una aplicación l:E  F es lineal l(x+y)=l(x)+l(y) ,K x,yE

DEMOSTRACIÓN.

() x,yE x,y E

l(x+y)= l(x)+ l(y) = l(x)+ l(y) aplicando 1) y 2) de la definición anterior.

() l(x+y) = L(1.x+1.y)=1.l(x)+1.l(y)=l(x)+l(y)

l(x)=l(x+0y)=l(x)+0l(y)=l(x)

Aplicando la condición de la proposición en ambos casos.

PROPIEDADES.

1 La imagen del vector nulo de E es el vector nulo de F

2 xE l(-x)=-l(x)
TEMA 12. ESPACIOS VECTORIALES 13

3  x,yE l(x-y)= l(x)-l(y).

4 La composición de dos aplicaciones lineales es otra aplicación lineal.
5 La imagen por l de un subespacio vectorial de E es un subespacio vectorial de F.
6 La imagen recíproca por l de un subespacio de F es un subespacio de E.
7 Si (Xi)iI es sistema generador de E, entonces (l(Xi)iI) es un sistema generador del subespacio
vectorial l(E) de F.
8 l inyectiva  La imagen por l de todo sistema libre de elementos de E es un sistema libre de
elementos de F.
9 (l(Xi))iI sistema libre de elementos de F  (Xi)iI sistema libre de elementos de E.
10 (Xi)iI sistema ligado en E (l(Xi)iI) sistema ligado de F.

DEFINICIONES. TIPOS DE APLICACIONES LINEALES.

Sean E y F dos espacios vectoriales sobre un mismo cuerpo conmutativo K y l una aplicación lineal de
E en F.

 Se dice que l es un monomorfismo, si l es inyectivo.

 Se dice que l es un epimorfismo, si l es sobreyectivo.
 Se dice que l es un isomorfismo, si l es biyectivo.
 Decimos que l es un endomorfismo, si E=F.
 Decimos que l es un automorfismo, si E=F y l es biyectivo

ISOMORFISMOS.

TEOREMA.

Sean E y F dos espacios vectoriales sobre un mismo cuerpo conmutativo K. Si l es isomorfismo de E en

F entonces l-1 es un isomorfismo de F en E.

DEMOSTRACIÓN.

x´ , y’  F  x,yE únicos , tales que: l(x)=x’ l(y)=y’ (puesto que l es inyectiva por ser isomorfismo).
Así x=l-1(x’) y=l-1(y’); lo cual implica que l-1 es inyectiva.

Veamos que l-1 es también lineal:

Si l(x)=x’ y l(y)=y’  x=l-1(x’) y=l-1(y’).

Además l(x+y)=l(x)+l(y)= x’+y’  l-1(x’+y’)=x+y=l-1(x’)+ l-1(y’) x’,y’F

También es cierto que l(x)=l(x)=x’ K, x’F; luego l-1(x’)=x=l-1(x’)  l-1 es lineal; y por
consiguiente un isomorfismo de F en E.

TEOREMA.

Sean E y F dos espacios vectoriales sobre un mismo cuerpo conmutativo K y l una aplicación lineal de
E en F. Las tres proposiciones siguientes son equivalentes:

a) l es un isomorfismo

b) La imagen por l de cualquier base de E es una base de F.

TEMA 12. ESPACIOS VECTORIALES 14

c) Existe una base de E cuya imagen por l es una base de F

4.2 . NÚCLEO E IMAGEN DE UNA APLICACIÓN LINEAL.

Sean E y F dos espacios vectoriales sobre el cuerpo conmutativo K y l una aplicación lineal de E en F.

DEFINICIÓN

Llamaremos núcleo de la aplicación lineal l, Ker(l), al conjunto de vectores de E que se aplican en el

vector nulo de F.

Ker (l)= {xE; l(x)=0F}

DEFINICIÓN.

Denominamos imagen de la aplicación lineal l : Im(l) , al conjunto de elementos de F para los cuales se
puede encontrar por lo menos un elemento de E, tal que, su transformado por l sea el elemento
considerado de F.

Im(l)={yF,XE con l(x)=y} = l(E)

TEOREMA.

a) Ker(l) es un subespacio vectorial de E

b) Im(l) es un subespacio vectorial de F

DEMOSTRACIÓN.

Usando el teorema de caracterización, es elemental.

TEOREMA.

l :E  F l inyectiva o monomorfismo Ker(l) = {0}

Demostración: Aplicando la definición de aplicación inyectiva. De manera similar, aplicando la

definición de aplicación suprayectiva, demostraríamos que:

l epimorfismo  yF xE l(x)=y Im(l)=F

TEOREMA.

Sean E y F espacios vectoriales. Sea l: E  F lineal.

Si ker (l) e Im (l) son de dimensión finita  E es de dimensión finita y además dim E = dim (Ker (l)) +
dim (Im (l))

DEMOSTRACIÓN.

Si ker(l) es de dimensión finita ,  (a1,a2,.....ap) base de Ker(l).

TEMA 12. ESPACIOS VECTORIALES 15

Igualmente: Im (l) es de dimensión finita: (b1,....bq) base de Im(l).

Pero  bjIm (l) : ap+jE tal que l(ap+j)=bj j=1,2....q.

Vamos a probar que (a1,a2,....ap,ap+1,....ap+q) es una base de E,con lo que quedaría demostrado el
teorema.

1- Es un sistema de generadores.

En efecto, xE, entonces l(x)Im(l)l(x)= 1b1+.....qbq=1l(ap+1) +........+ql(ap+q)=

l(1ap+1+........+qap+q)

l(x)- l(1ap+1+.......+qap+q)=0l(x - 1ap+1 -.......-qap+q)=0; Luego

x - 1ap+1-.....-qap+q Ker(l) x= 1a1+... pap+1ap+1+.....qap+q

Luego x es combinación lineal de a1,....ap,....ap+q. Entonces:

(a1,.....ap,ap+1,.....ap+q) es sistema de generadores.

2- Es sistema linealmente independiente

Supongamos que 1a1+.....+pap+p+1ap+1+.....+p+qap+q)0= (hemos de ver que todos los escalares son
cero).

l(1a1+...+pap+......p+qap+q)=01l(a1)+....pl(ap)+.....+p+ql(ap+q)=0

Como a1,a2,....ap constituían una base de núcleo: l(a1)=l(a2)0...=l(ap)=0

quedando p+1l(ap+1)+.....+p+ql(ap+q)=0 (*)

Volviendo al principio:

1a1+...pap +p+1ap+1+....+p+qap+pap q=0 por (*)

Quedando 1a1+......pap=0, pero como (a1,...ap) era base 1=...=p=0

Luego (a1,....ap,ap+1,.....ap+q) son linealmente independiente: con lo que se prueba que constituyen una
base de E.

4.3 ESPACIO COCIENTE.

DEFINICIÓN.

Dado un homomorfismo entre espacios vectoriales l :E  F, definimos la relación binaria en E

siguiente: u R v  u-vKer(l)

Es inmediato comprobar que se trata de una relación de equivalencia, y que el conjunto cociente
E/Ker(l) es un espacio vectorial con las operaciones inducidas por E.
TEMA 12. ESPACIOS VECTORIALES 16

Si definimos la aplicación f: E  E/ker(l) de modo que a cada elemento de E se le asigna su clase

de equivalencia, tendremos un epimorfismo. Además, si f(u) = [0] = [u], significará que u  Ker(l), con
lo que Ker(f) = Ker(l).

Si aplicamos a esta situación el teorema anterior, tenemos que dim E = dim Ker (f) + dim Im (f) = dim
Ker (l) + dim E/Ker (l). Por tanto, dim E/Ker (l) = dim E – dim Ker (l).

5. TEOREMAS DE ISOMORFÍA.

TEOREMA.

Sean E y F dos espacios vectoriales sobre un mismo cuerpo conmutativo K. Sea E de dimensión finita y
(a1,....ap) una base. Sean c1,....cp elementos de F. Entonces, existe un único homomorfismo l:EF tal que
l(ai)=ci i=1,2,....p.

DEMOSTRACIÓN.

Unicidad: Veamos que si l existe, entonces es único.

Sea xE x=1a1+....pap iK i=1,2...p  l(x)= l(1a1+.....+pap) =

1l(a1)+....+pl(ap) = 1c1+........pcp expresión que, es, evidentemente única (pues está determinada).

Existencia:

l:E  F xE x=1a1+.....+pap iK i=1,2...p.

Definimos: l(x)= 1c1+.....+pcp.

Es inmediato que l es un homomorfismo l(x+y)=l(x)+l(y)

Corolario. La familia ci i 1 es base  f es isomorfismo

n

l(x)=l(x): con lo que queda demostrada la primera parte del teorema. Veamos la segunda.

COROLARIO 1.
La familia ci i 1 es libre  f es monomorfismo.
n

DEMOSTRACIÓN.

l inyectiva (l(x)=0  x=0)  (1c1+.......+pcp=0  i=0 i=1,2,.....p)(c1,...cp) son linealmente

independiente.

COROLARIO 2.
La familia ci i 1 es sistema generador  f es epimorfismo
n

DEMOSTRACIÓN.
TEMA 12. ESPACIOS VECTORIALES 17

l suprayectiva  ( yF, xE tal que l(x)=y) (yF 1,...pK tal que 1c1+......+pcp=y)
(c1,......cp) generan F.

COROLARIO 3.

Dos espacios vectoriales E y F, sobre un mismo cuerpo conmutativo K, de dimensión finita son
isomorfos si y sólo si tienen la misma dimensión.

DEMOSTRACIÓN.

dim E = dim F  E isomorfo a F.

Sean (a1,....an) base de E y (b1,.....bn) base de F: por el teorema anterior podemos definir l :EF como
el único homomorfismo tal que l(ai)=bi i = 1,2....n. Además, l es isomorfismo, pues es inyectiva y
suprayectiva al ser (b1,...bn) una base de F.

E y F isomorfos dim E = dim F.

Existirá entonces, un isomorfismo l :E  F tal que si (a1,....aan) es una base de E ,entonces: (l(a1),...l(an))
será una base de F (pues la imagen por l de cualquier base de E es base de F  l isomorfismo)  dim
E = dim F.

PRIMER TEOREMA DE ISOMORFÍA.

Sea l un homomorfismo entre E y F, espacios vectoriales de dimensión finita sobre un mismo cuerpo
conmutativo K. Entonces los espacios E/Ker(l) e Im(l) son isomorfos.

DEMOSTRACIÓN.

Teníamos dim E = dim Ker(l) + dim Im(l)

dim E - dim Ker(l) = dim Im(l)

dim E / Ker(l) = dim Im(l).

Y aplicando al corolario 1, tenemos que Im(l) es isomorfo a E / Ker(l) Podríamos demostrarlo también
de otra forma: Definimos la siguiente aplicación:

l”:E / Ker(l)  Im(l)

x´ l”(x’)=l(x).

Y se ve que cumple las condiciones de ser isomorfismo.

SEGUNDO TEOREMA DE ISOMORFÍA.

Sea E un espacio vectorial sobre un cuerpo conmutativo K y sean F y G subespacios de E. Entonces los
espacios F+G/F y G/E∩F son isomorfos. Además si F y G son de dimensión finita, se tiene que dim
(F+G)=dim F + dim G - dim(F∩G).

Demostración.
TEMA 12. ESPACIOS VECTORIALES 18

Se considera el homomorfismo p: E  E/F

x  C(x). Restringido a G será:

p/G: G  E/F

x  C(x)

Se prueba que: Im (p/G)=F+G/F

Ker(p/G)= F∩G.

Y entonces, aplicando el primer teorema de isomorfía se tiene el resultado.

Veamos ahora la segunda parte del corolario:

Sean F y G de dimensión finita ; entonces F+G/F y G/F∩G son de dimensión finita y dim
(F+G/F)=dim(G/F∩G) ya que son isomorfos. Luego dim (F+G) – dim F= dim G – dim(F∩G)  dim(F+G) =
dim F + dim G – dim (F∩G).

TERCER TEOREMA DE ISOMORFÍA.

Sea E un espacio vectorial de dimensión finita sobre un cuerpo conmutativo K y sean F y G subespacios
E
de E tales que FG. Entonces, F es isomorfo a E
G G
F

Demostración.

 
E E
 tal que f u  u
Como F  G  E, tendremos que G  E . Definimos la aplicación f : 
F F F G
, teniendo en cuenta que la clase imagen es diferente de la clase origen pues se corresponden con
relaciones de equivalencia distintas.

F es un epimorfismo y su núcleo coincide con G, puesto que

f u  u   0  u  0  u  G

E E
E
Así pues, aplicando el primer teorema de isomorfía se tiene que F  Im  f   F 
Ker ( f ) G G
F
TEMA 12. ESPACIOS VECTORIALES 19

GUIÓN PARA ESTUDIAR

1. INTRODUCCIÓN.
a) Situación del tema dentro del bloque de álgebra, al final de las estructuras algebraicas, antes
de las ecuaciones.
b) Enfoque del tema: como estructura derivada de los conjuntos numéricos, base de toda el
Álgebra lineal, a caballo con el análisis por sus aplicaciones en el terreno de la Geometría y las
Funciones.
c) Conocimientos previos: conjuntos numéricos y estructuras.
d) Apuntes históricos: la teoría de proporciones en Grecia, las aplicaciones lineales de Hamilton,
y la definición axiomática de Peano.
2. ESPACIOS VECTORIALES
2.1. DEFINICIÓN Y PROPIEDADES.
a) Definición. Se llama espacio vectorial a la terna (( V,+), (K,+,·),*) donde (V,+) es un grupo
abeliano, (K,+,·) es un cuerpo, y * es una ley de composición externa definida de KxV en V, que
verifica las propiedades:
(x+y)= x+y K x,yV
(+)x= x + x ,K xV
(u)= ( · )u  ,K uV
1u=u uV
b) Propiedades.
 u+v=u+w  v=w  u,v,w V
 0.u= 0  uV
 .0=0   K
 .u=0 =0 ó u=0
 (-).u = -(.u)=.(-u)
 (-).(-u)= .u K uV
 , K u0, uV si .u=.u  =
  0K u,vV si .u=.v  u=v
c) Ejemplos. El espacio de los polinomios, el de las sucesiones, ….
2.2. SUBESPACIOS VECTORIALES.
a) Definición. Sea (V,+, ·K) un espacio vectorial y S un subconjunto de V (SV, S). S es
subespacio vectorial de V si (S,+,·K) es espacio vectorial sobre el mismo cuerpo. Subespacios
triviales.
b) Teorema de caracterización. Sea SV S. S es subespacio vectorial de V  , R
y u, vS, .u+.vS
c) Operaciones con Subespacios.
 Intersección: definición y teorema. La intersección finita de Subespacios es un subespacio.
 Unión: definición y teorema. La unión finita de Subespacios no es necesariamente un
subespacio.
 Suma: definición y teorema. La suma finita de Subespacios es un subespacio.
 Suma directa.
3. DEPENDENCIA LINEAL. BASES.
3.1. COMBINACIONES LINEALES.
a) Definición. Se llama combinación lineal de vectores a cualquier expresión de la forma:
1u1+........nun, iK, uiV, siendo (V, +, .) espacio vectorial sobre (K, +, .)
b) Propiedades.
 0V es combinación lineal de cualquier familia de vectores.
 vV es combinación lineal de si mismo.
 Si uV es c.l. de una familia, y cada vector de ésta es c.l. de otra, entonces u es c.l. de la
otra familia de vectores.
 Si H es una familia de vectores de V, el conjunto de las combinaciones lineales de los
vectores de H es un subespacio de V, llamado variedad lineal y representado por <H>.
3.2. DEPENDENCIA LINEAL.
a) Definición. Una familia de vectores H es linealmente dependiente o ligada si existe una
combinación lineal de ellos con los escalares no nulos, que da el vector 0.
TEMA 12. ESPACIOS VECTORIALES 20

b) Proposición. H es una familia linealmente dependiente  uno de los vectores de H es

combinación lineal de los otros.
c) Definición. Si los vectores de H no son linealmente dependientes, se llaman linealmente
independientes o libres.
d) Teorema. Si uV ws combinación lineal de los vectores de una familia H linealmente
independiente, esa combinación lineal es única.
e) Propiedades.
 Todo vector no nulo es linealmente independiente.
 Si H es una familia de vectores linealmente independientes y SH es no vacio, S es una
familia de vectores linealmente independientes.
 Si S es un conjunto ligado y SH, entonces H es ligado.
3.3. SISTEMA GENERADOR.
a) Definición. Una familia HV, espacio vectorial, es un sistema generador  <H> = V.
b) Proposición. Si un conjunto G es un sistema de generadores linealmente dependiente de un
espacio vectorial V, entonces existe un vector ujG tal que G-{uj} es también sistema de
generadores de V.
3.4. BASES.
a) Definición. Si V es un espacio vectorial y BV, diremos que B es base de V  B es libre y
generador.
b) Definición. Un espacio vectorial V es finito si y solo si tiene un sistema de generadores finito.
c) Teorema. Todo espacio vectorial finito tiene una base finita.
d) Proposición. Todo vector puede expresarse de forma única como combinación lineal de los
vectores de la base. Los escalares de esta expresión se llaman coordenadas del vector.
e) Teorema. Dos bases de un mismo espacio vectorial tienen el mismo número de elementos.
Este número se llama dimensión del espacio vectorial.
f) Teorema de extensión a una base. Si B=u1,......un es una base de V y H=v1,....vm es un
conjunto linealmente independiente, pero no sistema de generadores de V, con m  n existen
vectores vm+1,vm+2,. vm+p tales que el conjunto v1,...vm....vm+p es una base de V.
g) Proposición. Si V es un espacio vectorial de dimensión n, y HV tiene n vectores, es base de V
 H es libre o sistema generador.
4. APLICACIONES LINEALES.
4.1. DEFINICIÓN Y PROPIEDADES.
a) Definición. Una aplicación f entre dos espacios vectoriales U y V sobre el mismo cuerpo K es
lineal si y solo si verifica que u, vU y , K f  u   v    f  u    f v  . Se dice
que f es un homomorfismo.
b) Propiedades.
 La imagen del vector nulo de U es el vector nulo de V
 xU f(-x)=-f(x)
  x,yU f(x-y)= f(x)-f(y).
 La composición de dos aplicaciones lineales es otra aplicación lineal.
 La imagen por f de un subespacio vectorial de U es un subespacio vectorial de V.
 La imagen recíproca por f de un subespacio de V es un subespacio de U.
 Si (Xi)iI es sistema generador de U, entonces (f(Xi)iI) es un sistema generador del
subespacio vectorial f(E) de V.
 f inyectiva  La imagen por f de todo sistema libre de elementos de U es un sistema libre
de elementos de V.
 (f(Xi))iI sistema libre de elementos de V  (Xi)iI sistema libre de elementos de U.
 (Xi)iI sistema ligado en U (l(Xi)iI) sistema ligado de V.
c) Definiciones.
 Se dice que f es un monomorfismo, si es inyectivo.
 Se dice que f es un epimorfismo, si es sobreyectivo.
 Se dice que f es un isomorfismo, si es biyectivo.
 Decimos que f es un endomorfismo, si U=V.
 Decimos que f es un automorfismo, si U=V y l es biyectivo
d) Teorema. Sean E y F dos espacios vectoriales sobre un mismo cuerpo conmutativo K y f una
aplicación lineal de E en F. Las tres proposiciones siguientes son equivalentes: f es un
TEMA 12. ESPACIOS VECTORIALES 21

isomorfismo  La imagen por f de cualquier base de E es una base de F  Existe una base
de E cuya imagen por f es una base de F
4.2. NÚCLEO E IMAGEN.
a) Definición. Núcleo de una aplicación lineal: Ker (f)= {xE; f(x)=0F}
b) Definición. Imagen de una aplicación lineal: Im(f)={yF/xE con f(x)=y} = f(E)
c) Proposición. Ker (f) es subespacio de E, e Im(f) es subespacio de F
d) Teorema. f es inyectivo  Ker(f)={0}, y f es suprayectivo  Im(f)= F
e) Teorema. Sean E y F espacios de dimensión finita y f una aplicación lineal entre ellos. Entonces,
dim(E) = dim(Ker(f)) + dim(Im(f))
4.3. ESPACIO COCIENTE.
a) Definición. Dado S, subespacio de V, se define la relación binaria u, vV, uv  u-vS.
b) Proposición. La relación binaria anterior es de equivalencia.
c) Teorema. El conjunto cociente de las clases de equivalencia V/S es un espacio vectorial sobre
el mismo cuerpo, con las operaciones inducidas sobre él.
d) Proposición. La aplicación F : V V tal que F  u   u  u V es un
S
epimorfismo.
e) Consecuencia. Aplicando el teorema 4.2 e) a la aplicación F, donde S = Ker(f) y f una aplicación
lineal de V en U, tenemos que dim(V) = dim(Ker(f)) + dim(V/Ker(f))
5. TEOREMAS DE ISOMORFÍA.
a) Teorema: Dados dos espacios vectoriales E y F, una base del primero ui i 1 y una familia de
n

ci i 1 ,
n
vectores del segundo existe una única aplicación lineal f de U en V tal que
f  ui   ci i
b) Corolario. La familia ci i 1 es libre  f es monomorfismo.
n

c) Corolario. La familia ci i 1 es sistema generador  f es epimorfismo

n

d) Corolario. La familia ci i 1 es base  f es isomorfismo.

n

e) Corolario. Dos espacios vectoriales de dimensión finita sobre el mismo cuerpo son isomorfos
si y solo si tienen la misma dimensión.
f) PRIMER TEOREMA DE ISOMORFÍA. Sea f un homomorfismo entre E y F, espacios vectoriales
de dimensión finita sobre un mismo cuerpo K. Entonces los espacios E/Ker(f) e Im(f) son
isomorfos.
g) SEGUNDO TEOREMA DE ISOMORFÍA. Sea E un espacio vectorial de dimensión finita sobre un
cuerpo K y sean F y G subespacios de E. Entonces los espacios F+G/F y G/E∩F son isomorfos.
Además se tiene que dim (F+G)=dim F + dim G - dim(F∩G).
h) TERCER TEOREMA DE ISOMORFÍA. Sea E un espacio vectorial de dimensión finita sobre un
E
cuerpo conmutativo K y sean F y G subespacios de E tales que FG. Entonces, F es isomorfo
G
F
E
a
G
i) Comentario final que tenga que ver con el fin de la Galaxia por lo menos.