Aljebra Lineal y Geometrı́a I 1.

Espacios Vectoriales

1 Espacios Vectoriales
1.1 Conceptos básicos
Para hablar de conceptos matemáticos utilizaremos sı́mbolos especiales que sig-
nificarán lo siguiente a lo largo del curso:

ˆ ∀: para todo... Los elementos de un

conjunto siempre entre
ˆ ∃: existe llaves.

ˆ ∃!: existe un único

ˆ ∈: elemento en un conjunto

ˆ ⊆: subconjunto

ˆ ⇒: implica Implica: las dos no tienen porque ser

equivalentes
ˆ ⇔: si y sólo si Sí y solo sí: las dos son equivalentes

ˆ “|”, “ :”: tal que

Ejemplo 1.1.
∀x ∈ R ⊆ C, x > 0 ⇒ ∃y ∈ R : x = y 2
Leerı́amos la frase de la siguiente forma: Para todo numero real x, si x
es estrictamente mayor que 0, entonces existe un número real y tal que y al
cuadrado es igual a x.
Definición 1.2. Un conjunto X es una colección de elementos. Los conjuntos
pueden describirse o bien enumerando todos sus elementos, o bien describiendo
las propiedades que los elementos del conjunto deben satisfacer. Escribimos
x ∈ X para decir que el elemento x está en el conjunto X, y A ⊆ X para decir
que A es un subconjunto de X, es decir, todos los elementos que pertenecen a
A pertenecen a X.

Ejemplo 1.3. 1. X = {1, 2, 3, 4, 5},

2. A = {n ∈ N | ∃k ∈ N : n = 2k}
Definición 1.4. Podemos definir nuevos conjuntos a través de operaciones de
conjuntos. Si A, B ⊆ X:

ˆ Unión: A ∪ B = {x ∈ X | x ∈ A o x ∈ B}

ˆ Intersección: A ∩ B = {x ∈ X | x ∈ A y x ∈ B}

ˆ Diferencia: X − A = {x ∈ X | x 6∈ A}
El simbolo x significa el producto
ˆ Producto escalar: A × B = {(a, b) ∈ X × X | a ∈ A y b ∈ B}. escalar de un conjunto.

Definición 1.5. Una aplicación f : A × A −→ A es una operación en A, donde

f (a, b) ∈ A es la operación entre a y b.
Ejemplo 1.6. La suma y multiplicacón sobre los números reales.

Jone Uria Albizuri 1 Curso 2020-21

Aljebra Lineal y Geometrı́a I 1. Espacios Vectoriales

Definición 1.7. Sea A un conjunto y ∗ una operación sobre A (donde deno-

tamos a ∗ b en lugar de ∗(a, b). Decimos que (A, ∗) es un grupo si la operación
satisface las siguientes propiedades:
(i) a ∗ (b ∗ c) = (a ∗ b) ∗ c, ∀a, b, c ∈ A, (propiedad asociativa)
(ii) ∃e ∈ A tal que ∀a ∈ A a ∗ e = a = e ∗ a, (existencia de elemento neutro)
(iii) ∀a ∈ A, ∃a0 ∈ A tal que a ∗ a0 = e = a0 ∗ a. (existencia de inversos)

Si además se cumple la propiedad a ∗ b = b ∗ a para todo a, b ∈ A diremos Aparte:

que es un grupo abeliano o conmutativo. GLn(R)={A€Mn(R)|detA0}
Ejemplo 1.8. ˆ Ejemplos: (R, +), (Q, ·) Son las matrices que su
determinante no es 0.
ˆ No-ejemplos: (N, +), (Z, ·).
(GLn(R), *) es un grupo no
Definición 1.9. Sea E un conjunto sobre el que tenemos definidas dos opera- abeliano
ciones + y ·. Diremos que (E, +, ·) es un anillo si se satisfacen las siguientes
condiciones:
(i) (E, +) es un grupo abeliano,

(ii) · satisface la propiedad asociativa,

(iii) Se satisfacen las propiedades distributivas, es decir, para todo x, y, z ∈ E
se satisface:

x · (y + z) = x · y + x · z,
(x + y) · z = z · z + y · z.

Ejemplo 1.10. ˆ Ejemplos: (R, +, ·), (Z, +, ·)

ˆ No-ejemplos: (N, +, ·).

Definición 1.11. Sea K un conjunto donde tenemos dos operaciones + y ·.

Diremos que (K, +, ·) es un cuerpo si se satisfacen las siguientes propiedades:

(i) (K, +, ·) es un anillo,

(ii) (K, ·) tiene elemento neutro y es abeliano,
(iii) Existe el inverso respecto a · para cada elemento en K − {0}, donde 0 es
el elemento neutro de la suma +.

Ejemplo 1.12. ˆ Ejemplos: (R, +, ·), (Q, +, ·), (C, +, ·)

ˆ No-ejemplos: (Z, +, ·).

Jone Uria Albizuri 2 Curso 2020-21

Aljebra Lineal y Geometrı́a I 1. Espacios Vectoriales

1.2 Espacios vectoriales

Definición 1.13. Sea (K, +, ·) un cuerpo y V un conjunto. Diremos que V es
un K-espacio vectorial si se satisfacen las siguientes condiciones:
(i) Hay definida una operación + en V de manera que (V, +) es un grupo
abeliano,

(ii) Existe una aplicación que llamaremos producto exterior K × V −→ V

siendo la imagen de (k, v) denotada por kv tal que para todo k1 , k2 , k ∈ K
y todo v1 , v2 , v ∈ V satisface las siguientes propiedades:
ˆ (k1 + k2 )v = k1 v + k2 v,
ˆ k(v1 + v2 ) = kv1 + kv2 ,
ˆ k1 (k2 v) = (k1 k2 )v,
ˆ 1K v = v.

A los elementos de V se les llama vectores y a los elementos de K les llamaremos

escalares.

Nota 1.14. La notación general será la siguiente:

ˆ El 0 denotará ambas cosas, el elemento neutro del cuerpo K respecto a la
suma en K y el elemento neutro de V respecto a la suma en V . Lo mismo
ocurre con el sı́mbolo de la suma, el mismo sı́mbolo simboliza dos cosas.
ˆ El inverso de cada escalar k ∈ K − {0} respecto a la suma lo denotaremos
por −k, y el inverso respecto al producto k −1 (o en ciertos casos (1/k).
ˆ El inverso de cada vector v ∈ V respecto a la suma lo denotaremos por
−v.
ˆ Finalmente, por agilizar la notación, permitiremos omitir el punto del pro-
ducto, escribiendo por ejemplo k1 k2 directamente, como ya hemos hecho
arriba.
Ejemplo 1.15. (i) Rn es un R-espacio vectorial donde la suma entre vectores
y el producto por escalares se define coordenada a coordenada, es decir

(x1 , . . . , xn ) + (y1 , . . . , yn ) = (x1 + y1 , . . . , y1 , yn )

y el producto por un escalar λ ∈ R por

λ(x1 , . . . , xn ) = (λx1 , . . . , λxn ).

(ii) El ejemplo anterior puede extenderse para cualquier cuerpo K en lugar de

R, es decir Kn es un K-espacio vectorial para cualquier cuerpo K.
(iii) ...
Proposición 1.16. Sea V un K-espacio vectorial. Entonces para todo u, v, w ∈
V y λ, µ ∈ K se satisfacen las siguientes propiedades:

(i) u + w = v + w ⇒ u = v,

Jone Uria Albizuri 3 Curso 2020-21

Aljebra Lineal y Geometrı́a I 1. Espacios Vectoriales

(ii) 0v = 0,

(iii) λ0 = 0,
(iv) (−λ)v = −λv,
(v) λv = 0 ⇔ λ = 0 o v = 0,
(vi) λv = µv y v 6= 0 ⇒ λ = µ,

(vii) λv = λw y λ 6= 0 ⇒ v = w.

1.3 Subespacios
Definición 1.17. Sea V un K-espacio vectorial y W ⊆ V un subconjunto de
V . Diremos que W es un subespacio vectorial de V y lo denotaremos W ≤ V
si se satisfacen las siguientes condiciones:
(i) La operación en V es una operación en W , es decir

w1 + w2 ∈ W ∀w1 , w2 ∈ W,

(ii) El producto externo sigue siendo producto externo en W , es decir

kw ∈ W ∀k ∈ K, ∀w ∈ W,

(iii) W con dicha operación y producto externo es un K-espacio vectorial.

Teorema 1.18. Sea V un K-espacio vectorial y W un subconjunto no vaı́o de

V . Entonces W es un subespacio vectorial de V si y sólo si se satisfacen las
condiciones (i) y (ii) del enunciado anterior.
Nota 1.19. El teorema anterior nos asegura que las condiciones (i) y (ii) de
la definición automáticamente implican la tercera, por lo que no hace falta
comprobar que W sea un K-espacio vectorial.
Igual que para los conjuntos, podemos construir subespacios a partir de
subespacios.
Teorema 1.20. Sea V un espacio vectorial V y U, W dos subespacios de V .
Entonces U ∩ W es un subespacio vectorial de V .
La unión de dos subespacios NO es en general un subespacio vectorial. Sin
embargo, podemos definir el menor subespacio vectorial que contiene a la unión
de dos espacios vectoriales (como conjunto).

Definición 1.21. Sean U, W ≤ V . Entonces la suma de los subespacios U y W ,

que denotaremos por U + W es el conjunto de todas las sumas de los vectores
de ambos subespacios, es decir:

U + W = {u + w | u ∈ U, w ∈ W }.
Además, si la intersección U ∩ W = {0} diremos que la suma es directa, y
escribiremos U ⊕ W .

Jone Uria Albizuri 4 Curso 2020-21

Aljebra Lineal y Geometrı́a I 1. Espacios Vectoriales

Teorema 1.22. Sea V un espacio vectorial y U y W dos subespacios vectoriales

de V . Entonces U + W es un subespacio de V .
Teorema 1.23. La suma de dos subespacios U, W de V es una suma directa si
y sólo si
∀v ∈ U + W, ∃! u ∈ U y ∃! w ∈ W tal que v = u + w.
Definición 1.24. Sea V un espacio vectorial y W ≤ V . Diremos que un
subespacio U es complementario de W si V = W ⊕ U . Es decir, si la suma de
ambos subespacios es todo el espacio V y además la suma es directa.
En lugar de sumar dos subespacios, podemos sumar tantos subespacios como
queramos.
Definición 1.25. Sean W1 , . . . , Wn subespacios de un espacio vectorial V . La
suma de todos estos subespacios se define de la siguiente forma:

W1 + · · · + Wn = {w1 + · · · + wn | wi ∈ Wi , i = 1, . . . , n}.

Diremos que la suma es directa si

Wi ∩ (W1 + · · · + Wi−1 + Wi+1 + · · · + Wn ) = {0}, para todo i = 1, . . . , n,

y en tal caso escribiremos W1 ⊕ · · · ⊕ Wn .

Teorema 1.26. Sean W1 , . . . , Wn subespacios de V . Entonces,
(i) ∩ni=1 Wi y W1 + · · · + Wn son subespacios de V .
(ii) La suma de W1 , . . . , Wn es una suma directa si y sólo si para cada w ∈
W1 + · · · + Wn existen unos únicos wi ∈ Wi tales que w = w1 + · · · + wn .

1.4 Bases
Definición 1.27. Fijemos unos vectores v1 , . . . , vn ∈ V . Diremos que otro
vector v ∈ V es combinación lineal de los vectores v1 , . . . , vn si existen escalares
λ1 , . . . , λn ∈ K de manera que

v = λ 1 v1 + · · · + λ n vn .

En tal caso, llamaremos coeficientes a los escalares λ1 , . . . , λn .

De esta manera, dado un subconjunto S = {v1 , . . . , vn } de V , el subespacio
generado por el subconjunto S, que denotaremos hSi es el subespacio de todas
las combinaciones lineales de los vectores de S, es decir:

hSi = hv1 , . . . , vn i = {λ1 v1 + · · · + λn vn | λi ∈ K}.

Definición 1.28. Sean v1 , . . . , vn ∈ V unos vectores fijados. Diremos que

estos vectores son linealmente independientes o que el conjunto {v1 , . . . , vn } es
un sistema libre si ningún vector es combinación lineal del resto. Lo que es
equivalente a que se satisfaga la siguiente implicación:

λ1 v1 + · · · + λn = 0 ⇒ λ1 = . . . λn = 0.

En caso contrario diremos que son linealmente dependientes o que el sistema no

es libre.

Jone Uria Albizuri 5 Curso 2020-21

Aljebra Lineal y Geometrı́a I 1. Espacios Vectoriales

Definición 1.29. (i) Si un espacio V es generado por un subconjunto S, es

decir, si V = hSi diremos que S es un sistema generador de V .

(ii) Si existe un sistema generador finito de V diremos que V es finitamente

generado.
(iii) En general diremos que un subconjunto T de V (no necesariamente finito)
es un sistema libre si cada subconjunto finito de T es libre.

Lema 1.30. Sea T ⊆ V libre y sea v ∈ V un vector que no es combinación

lineal de los vectores de T . Entonces T ∪ {v} también es libre.
Teorema 1.31. Sea S un sistema generador de V . Si w ∈ S puede escribirse
como combinación lineal de los vectores en S − {w}, entonces S − {w} también
es un sistema generador de V .

Definición 1.32. Sea V un subespacio y β ⊆ V un subconjunto. Diremos que

β es una base de V si es un sistema libre y generador de V .
Lo que nos dicen el lema y el teorema anterior es que en el caso de que V sea
finitamente generado, o bien añadiendo vectores no linealmente dependientes a
un sistema que no genera todo V hasta que lo haga, o bien quitando vectores
a un sistema generador aquellos vectores que son linealmente dependientes del
resto, podemos llegar por ambos caminos a una base de V .
Teorema 1.33. Sea V un espacio vectorial y β = {v1 , . . . , vn } una base de V .
Entonces cualquier vector v ∈ V se escribe de una única forma como combina-
ción lineal de los vectores de la base. Es decir, para todo v ∈ V existen unos
únicos λ1 , . . . , λn ∈ K tales que

v = λ1 v1 . . . λn vn .

Como consecuencia tenemos que V = hv1 i ⊕ · · · ⊕ hvn i.

1.5 Dimensión
Teorema 1.34. Sea V un espacio vectorial no-trivial finitamente generado.
Entonces V tiene una base finita, y además cualquier base de V tiene el mismo
número de vectores.
Definición 1.35. Sea V un espacio vectorial finitamente generado. El número
de vectores que hay en una base de V es la dimensión de V y lo denotaremos
por dim V (o en caso de querer enfatizar el cuerpo sobre el que V es K-espacio
vectorial dimK V ).

Corolario 1.36. Sea V un espacio finitamente generado y supongamos que

dim V = n. Entonces,
(i) Si S es un sistema generador de V , entonces |S| ≥ n. Además, S será
una base de V si y sólo si |S| = n.

(ii) Si T es un sistema libre, entonces |T | ≤ n. Además, T será una base de

V si y sólo si |T | = n.

Jone Uria Albizuri 6 Curso 2020-21

Aljebra Lineal y Geometrı́a I 1. Espacios Vectoriales

Teorema 1.37. Sea V un espacio vectorial de dimensión finita y W ≤ V .

Entonces
(i) dimW ≤ dim V , y además dim W = dim V ⇔ W = V.
(ii) Cualquier base de W puede extenderse a una base de V .
Teorema 1.38. Sea V un espacio vectorial de dimensión finita y W ≤ V .
Entonces W siempre tiene un subespacio complementario. Es decir, existe U ≤
V tal que V = W ⊕ U .
Teorema 1.39 (Fórmula de Grassman). Sea V un espacio vectorial y U, W dos
subespacios de V de dimensión finita. Entonces,
dim(U + W ) = dim U + dim W − dim(U ∩ W ).
Nota 1.40. En caso de que la suma de dos subespacios de dimensión finita sea
directa, la dimensión de la suma es la suma de las dimensiones.

1.6 Cambios de base y coordenadas

Definición 1.41. Sea V un espacio vectorial y β = {v1 , . . . , vn } una base de
V y v ∈ V un vector. Si v = λ1 v1 + . . . λn vn , diremos que λ1 , . . . , λn son las
coordenadas de v respecto a la base β y lo denotaremos v = (λ1 , . . . , λn )β .
Si escribimos los vectores de la base como una matriz de dimensión (1, n) y
las coordenadas como matriz de dimensión (n, 1) obtenemos que
 
λ1

 . 
v = v1 . . . vn  .. 
λn


λ1
Denotaremos por vβ la matriz (λ1 · · · λn ) y su traspuesta será vβt =  ...  .
 

λn
Definición 1.42. Sea V un espacio vectorial de dimensión n y sean β =
{v1 , . . . , vn } y β 0 = {w1 , . . . , wn } dos bases de V . Entonces, la matriz de
cambio de coordenadas de la base β a β 0 es la matriz cuyas columnas son
(v1 )β 0 , . . . , (vn )β 0 . Es decir, la j-ésima columna de la matriz son las coordena-
0
das del vector vj respecto a la base β 0 . Denotaremos esta matriz por Mββ .
Teorema 1.43. Sean β y β 0 dos bases de un espacio vectorial de dimensión
finita V y v ∈ V . Entonces, con la notación anterior:
0
vβt 0 = Mββ vβt .
Lema 1.44. Sean β1 , β2 , β3 tres bases de un espacio vectorial de dimensión
finita V . Entonces, se satisface la siguiente relación:
Mββ13 = Mββ23 Mββ12 .
Nota 1.45. Por el lemma anterior obtenemos que para dos bases β, β 0 se satis-
0
face que Mββ Mββ0 = Mββ = In . Por lo tanto
0
Mββ = (Mββ0 )−1 .

Jone Uria Albizuri 7 Curso 2020-21