3.

ESPACIOS VECTORIALES Y
APLICACIONES LINEALES

INTRODUCCIN TERICA

1. ESPACIOS VECTORIALES

Sea K un cuerpo conmutativo con leyes suma y producto a cuyos

elementos llamaremos escalares. Sea E un conjunto a cuyos elementos
los llamaremos vectores, denotndolos x , y , etc.

E es un espacio vectorial sobre el cuerpo K si se verifica:

Existe una ley de composicin interna en E , para la cul E tiene
estructura de grupo abeliano (denotaremos esta ley por suma y al
elemento neutro por el vector 0 ), debiendo por tanto verificar:

x + y E , x , y E ( + es una ley de composicin interna)

( x + y) + z = x + ( y + z ), x , y, z E (propiedad asociativa)

x + y = y + x , x , y E (propiedad conmutativa)

x E 0 E : x + 0 = x (el 0 es el elemento neutro).

( )
x E x E : x + x = 0 (existencia de elemento opuesto)

Existe sobre E una ley de composicin externa, cuyo dominio de

operadores es el cuerpo K, con las siguientes
propiedades ( , K , x, y E ) :
 (a) Distributiva respecto a la suma de escalares: ( + ) x = x + x

( )
(b) Distributiva respecto a la suma de vectores: x + y = x + y

( )
(c) Asociativa respecto a los escalares: x = ( ) x

(d) Identidad: 1 x = I E = x .

NOTA: Si no se hace mencin contraria, K ser el cuerpo de los

nmeros reales con las operaciones usuales, suma y producto en los
nmeros reales.

2. PROPIEDADES DE UN ESPACIO VECTORIAL

Las principales propiedades de un espacio vectorial son las siguientes:

x E : 0 x = 0

K : 0 = 0

Si x = 0 = 0 x = 0

( )
K , x E : ( ) x = x = x

2.1. Sistema de Vectores

Un sistema de vectores es un conjunto (trabajaremos siempre con un

nmero finito) de vectores, lo representaremos por: S = { x1, x 2,, x n} .

2.2. Combinacin Lineal

Un vector x E es una combinacin lineal de los vectores del sistema

S si existen n escalares 1 , 2 ,, n K tal que:
x = 1 x1 + 2 x2 + + n xn . Los escalares 1 , 2 ,, n son los
coeficientes de la combinacin lineal.

2.3. Sistemas linealmente dependientes o independientes

Un sistema S = {x1, x 2,, x n} de vectores es linealmente independientes,

si la condicin x = 1 x1 + 2 x2 + + n xn = 0 , implica necesariamente

que: 1 = 2 = = n = 0 .

En caso contrario, el sistema S es linealmente dependiente.

2.4. Proposicin.

En un sistema linealmente independiente S la nica posibilidad de

conseguir una combinacin lineal de vectores de S igualada al vector 0
es que todos los coeficientes de dicha combinacin deben ser 0 , no
siendo as si el sistema linealmente dependiente.

3.1. V(S)

Si S es un sistema de vectores, S denotar el conjunto de vectores

que son combinacin lineal de vectores de S .

3. SUBESPACIOS VECTORIALES. OPERACIONES CON SUBESPACIOS

3.1. Subespacio vectorial

Sea E un espacio vectorial sobre un cuerpo K . Todo subconjunto V de

E , que tenga estructura de espacio vectorial con las mismas leyes que
E , diremos que es un subespacio vectorial de E .
3.2. Propiedad

Sea E un espacio vectorial sobre un cuerpo K y sea V un subconjunto

de E , entonces V es un subespacio vectorial de E si y slo si:

x + y V , x, y V .

x V , x V y K
Esta propiedad tambin se podra enunciar de la siguiente forma:

3.3. Propiedad:

Sea E un espacio vectorial sobre un cuerpo K y sea V un subconjunto

de E , entonces V es un subespacio vectorial de E si y slo si:

, K , x, y V : x + y V

3.4. Interseccin de Subespacios vectoriales

Dados dos subespacios vectoriales V1 y V2 de E se define su

interseccin como:

V1 V2 = x E / x V1 y x V2

El conjunto V1 V2 es un subespacio vectorial de E .

3.5. Subespacios Disjuntos

Dos subespacios vectoriales V1 y V2 son disjuntos si y slo si V1

{}
V2 = 0 .

3.6. Suma de subespacios vectoriales

Dados dos subespacios vectoriales V1 y V2 de E , se define su suma:

 V1 + V2 = x E / x = x1 + x 2 , con x1 V1 y x 2 V2

V1 + V2 es un subespacio vectorial.

{}
Si V1 V2 = 0 , la suma se llama directa y se denota por V1 V2 .

Si V1 V2 = E , V1 y V2 se llaman subespacios suplementarios.

4.7. Propiedad

Si un espacio vectorial E es suma directa de dos subespacios V1 y V2 ,

todo vector de E se puede expresar de forma nica como suma de un
vector de V1 y otro de V2 .

Importante: La unin de subespacios vectoriales no es en general

subespacio vectorial.

4. BASES DE UN ESPACIO VECTORIAL. DIMENSIN

4.1. Base de un espacio vectorial

Una base de un espacio vectorial E es cualquier sistema S de vectores

libres que sean generadores de E .

4.2. Teorema

Todo espacio vectorial admite al menos una base

NOTA:
Un espacio que admite un sistema finito de generadores se dice que es
de tipo finito o finitamente generado.
4.3. Teorema

En un espacio vectorial de tipo finito todas las bases son finitas y tienen
el mismo nmero de elementos.

4.4. Dimensin

Al nmero de elementos de una base de un espacio vectorial de tipo

finito, se le llama dimensin del espacio vectorial.

4.5. Teorema

Sea V un espacio vectorial de dimensin n y B = {v1, v 2," , v n} una

base suya. Si divido B en dos sistemas de vectores disjuntos

B = B1 B2 , entonces se cumple que B1 B2 = V . Es decir, los

subespacios generados por los sistemas B1 y B2 son suplementarios.

4.6. Coordenadas de un vector en una base

Sea B = {e1 , e2 ,, en } una base del espacio vectorial E y x E . Si

x = x1e1 + x2 e2 + + xn en se dice que ( x1 , x2 ,, xn ) son las coordenadas

del vector x en la base B .

Las coordenadas de un vector respecto de una base son nicas.
NOTA: Un vector tiene tantas coordenadas como la dimensin del
mayor espacio vectorial al que pertenece.

En el espacio vectorial real \ n la base B = {e1 , e2 ,, en } con

e1 = (10 0 ) , e2 = ( 0 1 0 0 ) ,, en = ( 0 0 0 1) la llamaremos
t t t

base cannica.
4.7. Rango de un sistema de vectores.

El rango de un sistema S de vectores es la dimensin del subespacio

S engendrado por S . Es decir, es el mximo nmero de vectores

linealmente independientes de S.
Otro procedimiento para calcular el rango de un sistema de vectores S
es construir una matriz situando las coordenadas de cada uno de los
vectores de S en columnas, es decir, si S = { x 1, x 2,, x p} , la matriz

asociada es

xi1


xi2
A = x 1 x 2 x p , siendo x i = , i = 1, 2,, p

#



xin

dim( S ) = rang ( S ) = rang ( A)

5. RELACIN ENTRE DIMENSIONES

Si V es un subespacio vectorial de E , dim(V ) dim( E ) .

{}
Si V = 0 , dim(V ) = 0.

Si V1 y V2 son subespacios vectoriales de V se tiene que:

dim (V1 + V2 ) = dim (V1 ) + dim (V2 ) dim (V1 V2 )

Frmula de Grassman
En particular se tiene que si V1 es suma directa con V2 :

dim (V1 V2 ) = dim (V1 ) + dim (V2 )

6. APLICACIONES LINEALES

6.1. Aplicacin Lineal

Sean E y F dos espacios vectoriales sobre el mismo cuerpo K y

f : E F una aplicacin.

f es una aplicacin lineal si verifica:

( ) () ( )
f x + y = f x + f y , x, y E

( ) ()
f x = f x , K , x E

6.2. Propiedad

f es un homomorfismo o aplicacin lineal si y slo si:

( )
f x+ y = f x + f ( ) ( y ) , , K , x, y E
6.3. Propiedades de las Aplicaciones Lineales

Sea f : E F una aplicacin lineal entre los espacios

vectoriales E y F , entonces:

()
f 0 =0

x E, f ( x) = f ( x)

Si V es un espacio vectorial de E , entonces f (V ) es un subespacio

vectorial de F . En particular, f ( E ) recibe el nombre de subespacio
imagen de f . Se suele denotar por Im( f ).

Si S es un sistema de generadores de un subespacio vectorial V de E ,

entonces f ( S ) es un sistema de generadores del subespacio vectorial
f (V ) . Por lo tanto, f es sobreyectiva si y slo si, la imagen de una base
B de E , f ( B ), es un sistema generador de F .

Si V es un subespacio de F , f 1 (V ) es un subespacio de E .

7. NOMENCLATURA

Sea f : E F un homomorfismo:

Si E = F , a f se le denomina endomorfismo.

Si f es inyectivo, se denomina monomorfismo.

Si f es biyectivo recibe el nombre de isomorfismo

Un endomorfismo biyectivo se llama automorfismo.

7.1. Ncleo

Se llama ncleo de una aplicacin lineal f , designndose Ker ( f )

N ( f ) , al siguiente subconjunto de E :

{ }
Ker ( f ) = x E / f ( x ) = 0 .

7.2. Propiedades del Ncleo

Las principales propiedades del ncleo son las siguientes:

Ker ( f ) es un subespacio vectorial de E .

f es un homomorfismo inyectivo si y slo si Ker ( f ) = 0 {}

{}
Ker ( f ) = 0 si y slo si la imagen de cualquier sistema libre de E es

un sistema libre de F .
7.3. Propiedad.

Si la restriccin de f a un subespacio V de E es inyectivo y S es un

sistema libre de V entonces f ( S ) es un sistema libre del subespacio
f (V ) F .

7.4. Rango de una aplicacin lineal

Una aplicacin lineal queda determinada conociendo las imgenes de

los vectores de una base de E .

Si B = {e1 , e2 ,, en } es una base de E y conocemos

{ f (e1 ), f (e2 ),, f (en )} , vectores de F , la imagen de cualquier vector x

de coordenadas ( x1 , x2 ,, xn ) en la base B ser:

n n
f ( x ) = f ( xi ei ) = xi f (ei ).
i =1 i =1

IMPORTANTE: Podra parecer que no siempre se expresa el

homomorfismo por medio de las imgenes de una base, pero dicha
informacin siempre se puede obtener y esto ser de utilidad para enlazar
homomorfismos y matrices como veremos a continuacin.

8. MATRIZ ASOCIADA A UNA APLICACIN LINEAL

Sean E y F dos espacios vectoriales de dimensiones n y m,

B = {e1, e 2,, e n} una base de E , BF = {u1, u 2,, u m} una base de F .
n (1) n (2) m
Sea x = xi ei , f ( x )= xi f ( ei )= y j u j . Si:
i =1 i =1 j =1
 f ( e1 ) = a11u1 + a21u2 + + am1um
f ( e2 ) = a12u1 + a22u2 + + am 2um
.
" " " " "
f ( en ) = a1nu1 + a2 n u2 + + amnum

(1) Por las propiedades de aplicacin lineal.

(2) Ya que f ( x ) es un vector de F se podr poner como combinacin

lineal de la base BF .

Se tiene que: y = Px , siendo:

x1
y1
a11 a12 " a1n


x2
y2
a
a22 " a2 n
x= , y= , P = 21



#



#



# # % #



x
n


y
n


am1 am 2 " amn

donde:

y es la matriz columna que representa las coordenadas de f ( x) en la

base BF ;

x es la matriz columna que representa las coordenadas de x en la base

B;

P es la matriz del homomorfismo en las bases B y BF ( o con

respecto a las bases B y BF ).

Las columnas de la matriz A son las coordenadas de los vectores f (ei )

, i = 1, 2,, n respecto de la base BF . P es una matriz de orden m n .

Fijadas las bases B y BF , la matriz del homomorfismo es nica.

 NOTA: Si utilizamos matrices fila para las componentes de x y de
f ( x) , la matriz del homomorfismo sera la traspuesta de la obtenida
anteriormente.