Espacios vectoriales

Los espacios vectoriales constituyen la estructura central del Álgebra lineal y desempeñan
un papel fundamental en disciplinas tan diversas como las matemáticas, la fı́sica, la inge-
nierı́a y la computación. Su estudio no solo facilita el análisis de sistemas de ecuaciones
lineales, transformaciones geométricas y problemas de optimización, sino que también
sienta las bases para desarrollos teóricos avanzados, como el análisis funcional.

Los espacios vectoriales se definen sobre un cuerpo base, en estas notas el cuerpo se denota
con F. Aunque no hay restricciones para el tipo de cuerpo, en nuestro caso, F denota uno
de los cuerpos numéricos Q, R o C.

Definición 1 (Espacio vectorial). Sea F un cuerpo. Un espacio vectorial sobre F es una

terna (V, +, ·), donde V es un conjunto no vacı́o cuyos elementos se llamarán vectores,

+:V ×V −→ V ·:F×V −→ V
y
(u, v) −→ u + v (α, v) −→ αv
son funciones llamadas suma de vectores y multiplicación por escalar, respectiva-
mente, que satisfacen los siguientes axiomas:

1. Áxiomas de la suma de vectores: Para todos los vectores u, v, w ∈ V se tiene

a) Asociativa: (u + v) + w = u + (v + w).
b) Conmutativa: u + v = v + u.
c) Vector nulo: Existe un vector 0 ∈ V , llamado vector nulo (o cero), tal que
v + 0 = v.
d) Inversos: Para cada v ∈ V existe un vector −v ∈ V , llamado inverso aditivo
de v, tal que v + (−v) = 0.

2. Áxiomas de la multiplicación por escalar: Para todos los vectores v, w ∈ V

y todos los escalares α, β ∈ F se tiene

a) Distributiva 1: α(v + w) = αv + αw.

b) Distributiva 2: (α + β)v = αv + βv.
c) Asociativa: (αβ)v = α(βv) = β(αv).
d) Identidad: 1v = v.

Cuando se conoce la suma de vectores y la multiplicación por escalar se habla del espacio
vectorial V en lugar de (V, +, ·).

Ejemplos: A continuación se presentan los ejemplos mas comunes e importantes de

espacios vectoriales :
1. El cuerpo F es un espacio vectorial sobre F definiendo la suma de vectores como la
suma usual en F y la multiplicación por escalar como la multiplicación usual en F.
Los áxiomas de la definición de E.V son consecuencia de las propiedades de la suma
y multiplicación en F.

2. Sean m y n dos enteros positivos. El conjunto Fm×n de las matrices de tamaño m×n
y componentes en el cuerpo F es un espacio vectorial sobre F definiendo la suma de
vectores y la multiplicación por escalar de forma usual, es decir,
(aij )m×n + (bij )m×n = (aij + bij )m×n
α (aij )m×n = (αaij )m×n
Para todas las matrices (aij )m×n y (bij )m×n en Fm×n y todo escalar α ∈ F. Los
áxiomas de la definición de E.V son consecuencia de las propiedades de la suma de
matrices y la multiplicación de un escalar por una matriz. Para m = 1, el espacio
vectorial F1×n se denota Fn .

3. El conjunto F[x] = {a0 + a1 x + · · · + an xn : n ∈ Z≥0 , y a0 , a1 , . . . , an ∈ F} de poli-

nomios en la variable x y coeficientes en F es un espacio vectorial sobre F. Para
polinomios f = a0 + a1 x + · · · + an xn y g = b0 + b1 x + · · · + br xr en F[x], se define
la suma de vectores por,
máx{n,r}
X
f +g = (ai + bi )xi
i=0

donde, ai = 0 cuando i > máx{n, r} y bj = 0 cuando j > máx{n, r}. Además,

para un vector f = a0 + a1 x + · · · + an xn ∈ F[x] y un escalar α ∈ F, se define la
multiplicación por escalar por
n
X
n
αf = αa0 + αa1 x + · · · + αan x = (αai )xi .
i=0

Los áxiomas de la suma de vectores se cumplen porque son propiedades de la suma

de polinomios. Para probar los áxiomas de la multiplicación por escalar consideremos
los vectores f = a0 + a1 x + · · · + an xn y g = b0 + b1 x + · · · + br xr en F[x] y sean
α, β ∈ F, se tiene

a) Sea M = máx{n, r}, entonces

M
X M
X M
X
i i
α(f + g) = α (ai + bi )x = α(ai + bi )x = (αai + αbi )xi
i=0 i=0 i=0

además,
n
X r
X M
X
αf + αg = (αai )xi + (αbi )xi = (αai + αbi )xi
i=0 i=0 i=0

por lo tanto, α(f + g) = αf + αg.

 n n n n
(α+β)ai xi = (αai +βai )xi = (αai )xi + (βai )xi = αf +αf.
P P P P
b) (α+β)f =
i=0 i=0 i=0 i=0
n n
(αβai )xi = α (βai )xi = α(βf ).
P P
c) (αβ)f =
i=0 i=0
n n
(1ai )xi = ai x i = f .
P P
d ) 1f =
i=0 i=0

4. Sea n un entero no negativo. El conjunto

Pn = {a0 + a1 x + · · · + an xn : a0 , a1 , . . . , an ∈ F} ,

que consta de el polinomio cero y los polinomios en la variable x, con coeficientes

en F y de grado a lo mas n, con la suma de vectores y la multiplicación por escalar
definidas en el ejemplo anterior, es un EV sobre F. Claramente los áxiomas de E.V
se satisfacen, falta justificar que la suma de vectores y la multiplicación por escalar
son funciones con rango contenido en Pn , para esto, sean f, g ∈ Pn y sea α ∈ F,
entonces gra(f ) ≤ n y gra(g) ≤ n, y se tiene

gra(f + g) = máx{gra(f ), gra(g)} ≤ n,

luego f + g ∈ Pn . Además, es obvio que αf ∈ Pn . Por lo tanto Pn es un E.V.

5. El conjunto F(F) = {f : F −→ F : f es función} es un E.V sobre F, definiendo la

suma de funciones y la multiplicación por escalar, como sigue: Para f, g ∈ F(F) y
α ∈ F se define

(f + g)(x) = f (x) + g(x), (αf )(x) = αf (x), para toda x ∈ F.

Note que la suma de vectores es asociativa y conmutativa por las propiedades aso-
ciativa y conmutativa de la suma en F. La función O ∈ F(F) definida por O(x) = 0,
para toda x ∈ F, es el vector nulo de F(F) y para f ∈ F(F), el inverso aditivo de
f es la función −f ∈ F(F) definida por (−f )(x) = −f (x), para toda x ∈ F. los
áxiomas de la multiplicación por escalar son fáciles de comprobar.

Ejemplo 1. Sea V = F2 , como conjunto. Ahora, definamos en V , la suma de vectores y

multiplicación por escalar, como sigue,

(a, b)t + (c, d)t = (a + c + 1, b + d + 1)t .

λ(a, b)t = (λ + λa − 1, λ + λb − 1)t .

Probemos que V es un espacio vectorial sobre F. En efecto, sean (a, b)t , (c, d)t , (r, s)t ∈ V
y α, β ∈ F, se tiene

1. ((a, b)t + (c, d)t ) + (r, s)t = (a + c + r + 2, b + d + s + 2)t = (a, b)t + ((c, d)t + (r, s)t ) .
 2. (a, b)t + (c, d)t = (a + c + 1, b + d + 1)t = (c, d)t + (a, b)t .

3. Existe el vector (−1, −1)t ∈ V y se cumple

(a, b)t + (−1, −1)t = (a + (−1) + 1, b + (−1) + 1)t = (a, b)t ,

luego, (−1, −1)t es el vector nulo de V .

4. Dado el vector (a, b)t ∈ V , existe el vector (−a − 2, −b − 2)t ∈ V y se cumple

(a, b)t + (−a − 2, −b − 2)t = (−1, −1)t ,

en consecuencia −(a, b)t = (−a − 2, −b − 2)t .

Se deja como ejercicio comprobar las propiedades de la multiplicación por escalar.

Teorema 1 (Propiedades básicas). Sea V un espacio vectorial sobre un cuerpo F. Si

u, w ∈ V y α, β ∈ F, entonces se satisfacen los siguientes enunciados:

1. El vector nulo 0 ∈ V es único.

2. Para cada vector v ∈ V existe un único inverso aditivo de v.

3. αu = 0, sii, α = 0 o u = 0.

4. Si αu = βu y u ̸= 0, entonces α = β.

5. Si αu = αw y α ̸= 0, entonces u = w.

6. −u = (−1)u.

Demostración. Los dos primeros enunciados se dejan como ejercicio. Para el tercero, ob-
serve que
α0 = α(0 + 0) = α0 + α0,

en consecuencia
α0 = α0 − α0 = 0.

Ahora, suponga que αu = 0. Si α = 0, la prueba ha terminado. En caso contrario, existe

1
el escalar ∈ F y se tiene
α
1 1
u = 1u = (α0) = 0 = 0.
α α
La otra implicación es inmediata y se deja como ejercicio.

Para la cuarta afirmación, se tiene (α − β)u = 0 y dado que u ̸= 0, del tercer enunciado,
se sigue α = β. Los otros enunciados se dejan como ejercicio.

Observación 1. Si V es un EV no trivial sobre el cuerpo F, entonces |V | ≥ |F|.

Subespacios
Definición 2 (Subespacio). Sea V un espacio vectorial sobre el cuerpo F. Un subconjunto
W ⊆ V es un subespacio de V si W es un espacio vectorial sobre F con la suma de vectores
y la multiplicación por escalar que dan la estructura de espacio vectorial a V . En este caso
escibimos, W ≤ V .

Ejemplo 2. A continuación se presentan, sin demostración, algunos ejemplos de

subespacios.

1. Si V es un EV, entonces V y el espacio trivial {0} son subespacios de V .

( ! )
x
2. Si m es un escalar fijo, entonces W = : y = mx ≤ F2 .
y

3. W = {A ∈ Fn×n : tr(A) = 0} ≤ Fn×n .

4. W = {A ∈ Fm×n : A = At } y U = {A ∈ Fm×n : A = −At } son subespacios de Fm×n .

En el siguiente ejemplo, despues del teorema de caracterización de subespacios, se justi-

fican algunos de los anteriores enunciados.

Teorema 2 (Caracterización de los subespacios). Sea V un espacio vectorial sobre el

cuerpo F. Un subconjunto W ⊆ V es un subespacio de V , si y solo si, se satisfacen los
siguientes enunciados:

1. W ̸= ∅.

2. Para todo par de vectores u, w ∈ W , se cumple u + w ∈ W .

3. Para todo vector w ∈ W y todo escalar α ∈ F, se tiene αw ∈ W .

Demostración. Si W ≤ V , entonces W es un espacio vectorial sobre F con la suma de

vectores y la multiplicación por escalar que dan la estructura de espacio vectorial a V y,
claramente, se cumplen los enunciados 1, 2 y 3. Ahora suponga que se satisfacen estos
tres enunciados y veamos que W cumple todas las condiciones de la definición de espacio
vectorial. Obviamente W es un conjunto no vacı́o y por los enunciados 2 y 3, se pueden
definir las funciones
+ : W × W −→ W · : F × W −→ W
y
(u, v) −→ u + v (α, v) −→ αv
Note que la suma de vectores definida en W es asociativa y conmutativa porque vista en
V lo es. Además, tomando w ∈ W , se sigue,

0 = 0w ∈ W y − w = (−1)w ∈ W,

y se cumplen los axiomas del vector nulo e inversos. Justificar los axiomas de la multipli-
cación por escalar es un ejercicio para el lector.
Ejemplo 3. Si V es un subespacio vectorial sobre el cuerpo F, entonces {0} ⊆ V , además,
0 + 0 = 0 ∈ {0} y para todo escalar α ∈ F, se cumple α0 = 0 ∈ {0}. Por tanto, {0} ≤ V .
( ! )
x
Si m es un escalar fijo, entonces W = : y = mx ⊂ F2 , claramente no vacı́o.
y
t t
Ahora, sean u = (a, b) y w = (c, d) dos vectores de W y sea α ∈ F. Luego, b = ma y
d = mc, en consecuencia, b + d = m(a + c), αb = α(ma) = m(αa), y se tiene
! ! !
a c a+c
u+w = + = ∈ W,
b d b+d
! !
a αa
αu = α = ∈ W.
b αb
Por tanto, W ≤ F2 .

Observación 2. Sea V un espacio vectorial sobre el cuerpo F. Si W ≤ V , entonces el

vector nulo 0 de la estructura de espacio vectorial de V es el mismo vector nulo de la
estructura de espacio vectorial de W . Para resaltar esto, considere el conjunto V = F2
con la estructura de espacio vectorial dada en el ejemplo 1 y note que V ⊆ F2 pero V no
es un subespacio de F2 porque

0V = (−1, −1)t ̸= (0, 0)t = 0 ∈ F2 .

Espacio generado
Definición 3 (Combinación lineal). Sea V un espacio vectorial sobre el cuerpo F y sea
S un subconjunto no vacı́o de V . Un vector v ∈ V es una Combinación lineal (C.L)
de los vectores de S si existen escalares β1 , . . . , βn ∈ F y vectores v1 , . . . , vn ∈ S tales que

v = β1 v1 + · · · + βn vn .

Ejemplos

t
1. En F3 el vector (1, 2, 1)t es CL de los vectores de S = {(1, 1, 1)t , 2, 52 , 2 } porque
t

t t 5
(1, 2, 1) = −3(1, 1, 1) + 2 2, , 2 .
2

2. Todo vector de Fn es CL de los vectores de S = {e1 , e2 , . . . , en }. (¿Por qué?)

3. Sea sl2 = {A ∈ F2×2 : tr(A) = 0}. Se puede probar que sl2 es un subespacio de
F2×2 (Ejercicio), además todo vector de sl2 es C.L de los vectores del subconjunto
S = {E12 , E21 , E11 − E22 }.
 4. Todo vector de F[x] es CL de los vectores de S = {xk : k ∈ Z≥0 }.

5. Todo vector de Pn es CL de los vectores de S = {xk : k = 0, . . . , n}.

!
1 1
6. Determinemos si el vector v = de F2×2 es CL de los vectores del sub-
1 1
( ! ! !)
1 −1 2 −1 0 1
conjunto S = , , . Para que v sea CL de los
0 1 1 2 1 0
vectores de S deben existir escalares x, y, z ∈ F tales que
! ! ! !
1 −1 2 −1 0 1 1 1
x +y +z = ,
0 1 1 2 1 0 1 1

en este caso se tiene el sistema inconsistente


 x + 2y =1


−x − y + z = 1


 y+z =1

Pro lo tanto, v no es C.L. de los vectores de S.

Proposición 1 (Espacio generado). Sea V un EV sobre el cuerpo F. Si S es un subcon-

junto no vacı́o de V , entonces el subconjunto gen(S) = {v ∈ V : v es CL de los vectores de S}
es un subespacio de V , denominado subespacio generado por S.

Prueba: Dado que S ̸= ∅, existe v ∈ S y 0 = 0v, luego 0 ∈ gen(S). Ahora, sean

u, w ∈ gen(S), entonces existen escalares α1 , . . . , αr , β1 , . . . , βt ∈ F y existen vectores
u1 , . . . , ur , w1 . . . , wt ∈ S tales que u = α1 u1 + · · · + αr ur y w = β1 w1 + · · · + βt wt , luego

u + w = (α1 u1 + · · · + αr ur ) + (β1 w1 + · · · + βt wt ) ∈ gen(S),

además, para todo escalar λ ∈ F se tiene

λu = λ(α1 u1 + · · · + αr ur ) = (λα1 )u1 + · · · + (λαr )ur ∈ gen(S).

Por tanto gen(S) ≤ V .

Ejemplo 4. En R3 sea S = (1, 1, 1)t , entonces

gen(S) = (x, y, z)t ∈ R3 : (x, y, z) = λ(1, 1, 1)t , para alguna λ ∈ R



luego, gen(S) = {(x, y, z)t ∈ R3 : x = y = z = λ, para alguna λ ∈ R}, es decir, gen(S) es

la recta que pasa por el origen y tiene como vector director →
−
v = (1, 1, 1)t .