Cuando el mundo tira para abajo

es mejor no estar atado a nada

Imaginen a los dinosaurios en la cama"
Charly García

Presentación Espacios Vectoriales.

¿Por qué?

Ustedes se han encontrado, en su experiencia, muchas veces con conjuntos de

elementos donde tiene sentido o es necesario trabajar sumando elementos de ese con-
junto o multiplicando elementos de ese conjunto por un escalar, obteniendo siempre otro
elemento de ese conjunto.

Eso sucedió cuando trabajaron con vectores en R2 o en R3 : la suma de dos vectores

de R2 o R3 , daba por resultado otro vector de R2 o R3 respectivamente. Lo mismo
pasaba cuando calculábamos múltiplos de un vector.

También sucedió, cuando estudiaron funciones, aprendieron a sumar funciones con

la definición:

(f + g)(x) = f (x) + g(x), ∀x ∈ Dom(f ) ∩ Dom(g)

y también a multiplicar una función por un escalar:

(kf )(x) = kf (x), ∀x ∈ Dom(f ) y ∀x ∈ R.

Si además las funciones eran continuas, obtenías otra función continua; si las
funciones eran derivables obtenías otra función derivable.

En todos estos casos, la suma de elementos de un conjunto V y el producto

de un elemento de ese conjunto por un número, siempre daba como resultado
otro elemento de ese conjunto. Las cosas quedaban encerradas en el conjunto
en el que trabajábamos.

• Estudiaremos las propiedades comunes de este tipo de sistemas que constan

de un conjunto de elementos, que vamos a llamar V, donde se define una suma
y un producto por escalar (elementos de un conjunto numérico) de forma tal
que sus resultados nunca se escapan del conjunto dado.
• Si hacemos un esfuerzo de abstracción y estudiamos las propiedades comunes
de estos sistemas, tendremos resultados que serán inmediatamente válidas
tanto para el conjunto de funciones, como para el conjunto de vectores, matrices,
polinomios, entre otros.

Vamos entonces a definir formalmente qué es un espacio vectorial.

 Definición de Espacio Vectorial

Un espacio vectorial, consta de:

• Un conjunto V de objetos que llamaremos vectores;

• Un conjunto K de escalares (K = R, o K = C);
• Una operación, llamada suma, definida entre los elementos
del conjunto V, que cumple u + v ∈ V;
• Una operación llamada producto por escalar, que asocia a
cada escalar λ ∈ K y cada vector u ∈ V el vector λ.u ∈ V.

Además las operación suma y producto por escalar deberán cumplir:

S1. u + v = v + u, ∀u, v ∈ V (conmutatividad);

S2. u + (v + w) = (u + v) + w = u + v + w, ∀u, v, w ∈ V (asociatividad);
S3. ∃ OV ∈ V/u + OV = OV + u = u (Existencia del elemento neutro
para la suma);
S4. ∀u ∈ V, ∃ (−u) ∈ V tal que u + (−u) = OV (Existencia del inverso
aditivo para todo elemento de V ).

P1. 1.u = u, ∀u ∈ V;
P2. (λβ).u = λ.(β.u), ∀λ, β ∈ K y ∀u ∈ V;
P3. λ.(u + v) = λ.u + λ.v, ∀λ ∈ K y ∀u, v ∈ V
P4. (λ+β).u = λ.u + β.u, ∀λ, β ∈ K y ∀u ∈ V
 Ejemplos de Espacios de Vectoriales

• Empecemos por el más familiar: V = Rn , K = R, con la suma y el

producto habituales es un espacio vectorial. Se dice que Rn es un
R espacio vectorial.

Notación: Aquí siempre escribiremos a los vectores, como vecto-

res columna.
  

 x1 


 x  

n  2
R =  ..  , xi ∈ R ∀i = 1, . . . n.

 . 


 x 

n

• El conjunto Cn , de las n-uplas formadas por números complejos,

o sea Cn = {[x1 x2 . . . . . . xn ]T , x1 , . . . xn ∈ C} junto con el conjunto
de escalares complejos K = C, con la suma y el producto por
escalar como los de antes forman un espacio vectorial. Se dice
que Cn − C es un espacio vectorial.
• El conjunto Cn , de las n-uplas formadas por números complejos,
como antes con el conjunto de escalares reales K = R, con la
misma definición de suma y producto por escalar, también forman
un espacio vectorial. En este caso se dice que Cn - R es un espacio
vectorial.
• Los conjuntos de matrices de m filas y n columnas que se notan:
Rm×n y Cm×n según sus coeficientes sean reales o complejos,
junto con los conjuntos de escalares reales, cuando trabajamos
con Rn y, en el caso de Cm×n tanto con el conjunto numérico R
como C, forman un espacio vectorial con la definición de suma y
producto por escalar ya conocidas.
• C(I) denota el conjunto de todas las funciones continuas con
dominio en I ⊂ R y codominio R:

C(I) = {f : I −→ R, f es continua},

junto con el conjunto de escalares K = R, donde se define la suma

como:
f + g : I −→ R/(f + g)(x) = f (x) + g(x)
 y el producto por un escalar λ ∈ R como:

(λ.f ) : I −→ R/(λ.f )(x) = λf (x), ∀λ ∈ R

y ∀f ∈ C(I) es un espacio vectorial.

Recordemos que si f y g ∈ C(I), se dice que f = g si se cum-

ple que f (x) = g(x), ∀x ∈ I. En este espacio vectorial OC(I)
es la función nula (el elemento neutro del espacio vectorial),
o sea, OC(I) (x) = 0, ∀x ∈ I.

• El conjunto Rn [x] es el conjunto de todos los polinomios con co-

eficientes reales de grado menor e igual que n, con el conjunto
K = R y la suma y producto por escalares definidos como en el
item anterior forman un espacio vectorial. Si P ∈ Rn [x]

P = an xn + · · · + a1 x + a0 , ai ∈ R; i = 1, . . . , n.

Dados

P = an xn + · · · + a1 x + a0 ∈ Rn [x]
Q = bn xn + · · · + b1 x + b0 ∈ Rn [x]

se dice que P = Q ⇔ ai = bi ∀i = 1, . . . , n.
El elemento neutro ORn [x] , en este espacio vectorial es el polinomio
nulo, es decir el polinomio que tiene todos sus coeficientes iguales
a 0:
ORn [x] = 0xn + · · · + 0x + 0.
 Propiedades elementales

A partir de los axiomas se pueden demostrar las siguientes propieda-

des:
• El elemento neutro OV ∈ V es único.
• El simétrico de un elemento u ∈ V es único.
• 0 u = OV para todo u ∈ V.
• λOV = OV para todo escalar λ ∈ K.
• Si λu = OV entonces λ = 0 o u = OV .
• (−1)u = (−u).
Demostremos alguna de estas propiedades
• El elemento neutro OV ∈ V es único.
Supongamos que OV y ÕV son elementos neutros en el espacio
vectorial. Es decir
OV + u = u + OV = u,
para todo u ∈ V y
ÕV + v = v + ÕV = v,
para todo v ∈ V.
Pero como esto es cierto para todo u, v ∈ V, en particular se
cumple si u = ÕV y v = OV . Por lo tanto: OV = ÕV .
• 0 · u = OV para todo u ∈ V.
Sabemos que:
u = (1 + 0) · u = 1 · u + 0 · u = u + 0 · u
entonces
(−u) + u = (−u) + u +0 · u = 0 · u ⇒ OV = 0 · u
| {z } | {z }
OV OV

Cada paso utilizado debe corresponder a un axioma o una pro-

piedad ya demostrada.
 R2

R3

Subespacios

Suponiendo que V es un K espacio vectorial vamos a estudiar có-

mo detectar aquellos subconjuntos de V que resultan ser un espacio
vectorial con las operaciones de suma y producto por escalar definidos.

Subespacios Suponiendo que V es un K espacio vectorial vamos a

estudiar cómo detectar aquellos subconjuntos de V que resultan ser un
espacio vectorial con las operaciones de suma y producto por escalar
definidos.

Definición: Un subespacio de un K espacio vectorial V, es un

subconjunto S ⊂ V, S 6= ∅ que resulta ser un espacio vectorial
con la suma y el producto por escalar definidos.

Cuando estudiamos si S cumple la definición de espacio vectorial,

debemos verificar, en primer lugar:
• que S resulta ser cerrado para las operaciones suma.
• que S resulta ser cerrado para producto por escalar.
 Ahora bien, por estar S incluido en un espacio vectorial hay una
serie de propiedades que con seguridad se van a cumplir. ¿Cuá-
les?

• La suma es conmutativa para todo par de elementos de V, por lo

tanto será conmutativa, en particular, para todo par de elementos
en S. Lo mismo sucede con la propiedad asociativa para la suma
y con las otras propiedades relativas al producto por escalar.
Ya demostramos que en todo espacio vectorial se cumple que
0u = OV , así que si S 6= ∅ ⇒ para cualquier u ∈ S, se va a cumplir
que 0.u = OV y como λ.u ∈ S, ∀λ ∈ K ⇒ OV ∈ S.
• Además, es fácil ver que si un subconjunto de un espacio vec-
torial V, es cerrado para la suma y el producto por escalar y
OV ∈ S ⇒ Sresulta ser un espacio vectorial.
Entonces, si estamos en un espacio vectorial para ver si un sub-
conjunto de V es un espacio vectorial con la suma y producto por
escalar ya definidos, sólo necesitaremos chequear tres propieda-
des.

Si V es un K espacio vectorial, se dice que S ⊂ V es un

subespacio de V si se cumple:

• 1. OV ∈ S;
• 2. Si u, v ∈ S ⇒ u + v ∈ S;
• 3. Si u ∈ S y λ ∈ K ⇒ λu ∈ S.

Tendremos como primer tarea estudiar si distintos subconjuntos defini-

dos en un espacio vectorial son o no son subespacios.
 R2

−v
u
u−v

Π
v0
u0

Ejemplo de conjuntos que no son subespacios

 Algunos ejemplos

Empecemos con un ejemplo familiar: el conjunto:

S = (x1 x2 x3 )T ∈ R3 /x1 − 2x2 + x3 = 0



¿es un subespacio de R3 , con la suma y producto por escalar habitua-

les?.
Demostremos analíticamente que es un subespacio:

a OR3 ∈ S ¿Por qué? Porque OR3 = (0 0 0)T cumple la condición

dada por la ecuación que define a este conjunto, pues 0−2. 0+0 =
0.
b Si u, v ∈ S ⇒ u = (x1 x2 x3 )T , y v = (y1 y2 y3 )T son dos vectores
en R3 que cumplen la ecuación que define a S. Tenemos que
verificar si la suma de estos dos puntos genéricos de S pertenece
a S, u + v = (x1 + y1 x2 + y2 x3 + y3 ).
Si reemplazamos en la ecuación de S, las correspondientes coor-
denadas: (x1 +y1 )−2(x2 +y2 )+(x3 +y3 ) = (x1 − 2x2 + x3 ) + (y1 − 2y2 + y3 ) =
| {z } | {z }
=0 pues u∈S =0 pues v∈S
0+0=0
c Si λ ∈ R y u ∈ S, λu = (λx1 λx2 λx3 )T ⇒∈ S, pues λx1 − 2λx2 +
λx3 = λ (x1 − 2x2 + x3 ) = λ 0 = 0
| {z }
=0 pues u∈S

Como el Conjunto S cumple con las tres condiciones vistas pode-

mos afirmar que es un subespacio de R3 .

Ahora bien, el subespacio S, también puede describirse explicitando

la forma de las soluciones de la ecuación:

x1 − 2x2 + x3 = 0 ⇐⇒ x3 = −x1 + 2x2

   
x1 x1
u ∈ S =⇒ u = x2  =  x2 =
x3 −x1 + 2x2
   
1 0
u = x1  0 + x2 1 , x1 , x2 ∈ R.
−1 2

Notar que [1 0 − 1]T y [0 1 2]T pertenecen al subespacio

vectorial S, y estamos haciendo sumas y multiplicando estos
elementos, que están en S, por escalares xi (con i = 1, 2).

Antes de dar nuestra próxima definición veamos en otro ejemplo,

como hay expresiones que se repiten más allá de la naturaleza
distinta de los elementos del espacio vectorial.

Estudiemos el conjunto:

T = {p ∈ R2 [x]/p(1) = 0} ,
veamos que es un subespacio de R2 [x], con la suma y el producto por
escalar ya definidos.
Tenemos que ver, entonces, que se cumplen las tres condiciones de
subespacio:

a. El polinomio nulo OR2 [x] cumple obviamente la condición, pues

OR2 [x] (x) = 0 ∀x ∈ R, en particular OR2 [x] (1) = 0.
b. Si P y Q ∈ T entonces el polinomio P + Q, cumple que:

(P + Q)(1) = P (1) + Q(1) = 0

c. Por último si tomamos λ ∈ R y P ∈ T , el polinomio λ P , cumple

que:
(λP )(1) = λP (1) = λ 0 = 0

Como el Conjunto T cumple con las tres condiciones de la defini-

ción, podemos afirmar que es un subespacio de R2 [x].

¿Cómo son los elementos de este subespacio?

 Si P ∈ T , entonces se cumplen:
• P = a2 x2 + a1 x + a0 por ser un elemento de R2 [x]
• P (1) = a2 + a1 + a0 = 0, ⇔ a0 = −a2 − a1 .
Por lo tanto:

P = a2 x2 + a1 x + (−a2 − a1 ) = a2 (x2 − 1) + a1 (x − 1)

Entonces, P ∈ T ⇔ P = a2 (x2 − 1) + a1 ; (x − 1), con a1 , a2 ∈ R.

Notar que (x2 − 1) y (x − 1) son elementos del subespacio T , y estamos sumando

múltiplos de estos elementos, que están en T .

Observación:

Trabajamos con dos subespacios, uno de ellos S en R3 y el otro, T en R2 [x], para

los dos encontramos una forma (muy parecida) de describir los elementos que pertenecían
a cada uno:
u ∈ S ⇔ u = x1 (1 0 − 1)T +x2 (0 1 2)T , x1 , x2 ∈ R.
| {z } | {z }
vector de S vector de S

P ∈ T ⇔ P = a2 (x2 − 1) +a1 (x − 1) , con a1 , a2 ∈ R.

| {z } | {z }
vector de T vector de T
 Combinación lineal

Definición: Un vector w ∈ V − K espacio vectorial, es combinación lineal de un con-

junto de vectores v1 , v2 , . . . , vn en V, si existen escalares, λ1 , λ2 , . . . , λn ∈ K tales que:
n
X
w = λ1 v1 + λ2 v2 + · · · + λn vn = λi vi .
i=1
| {z }
notación

NOTACIÓN:
gen{v1 , v2 , . . . , vn } representa el conjunto de todas las combinaciones lineales
posibles entre los vectores v1 , v2 , . . . , vn .
 Algunos resultados importantes

Observación: Si {v1 , v2 , . . . , vn } ⊂ V − K espacio vectorial ⇒ gen{v1 , v2 , . . . , vn }

es siempre un subespacio de V. Y se nombra como el subespacio generado por v1 , . . . vn .

Para demostrar que este conjunto es un subespacio, tendremos que probar:

a. OV ∈ gen{v1 , v2 , . . . , vn }. De hecho: OV = 0v1 + 0v2 + · · · + 0vn . (Pues 0u = OV en todo

espacio vectorial).

b. Si u, w ∈ gen{v1 , v2 , . . . , vn }, quiero ver qué pasa con u + v:

u = u = λ1 v1 + λ2 v2 + · · · + λn vn y w = β1 v1 + β2 v2 + · · · + βn vn

con λi , βi ∈ K, ∀i = 1, . . . n.
Por lo tanto:

u + w = (λ1 v1 + λ2 v2 + · · · + λn vn ) + (β1 v1 + β2 v2 + · · · + βn vn )

Aplicando la propiedad asociativa de la suma y agrupando términos:

u + w = (λ1 + β1 )v1 + + · · · + (λn + βn )vn ∈ gen{v1 , v2 , . . . , vn }.

c. Si u ∈ gen{v1 , v2 , . . . , vn } y α ∈ K, quiero ver qué pasa con α u.

Pero si u ∈ gen{v1 , v2 , . . . , vn } ⇒ u = λ1 v1 + λ2 v2 + · · · + λn vn

α u = α(λ1 v1 + λ2 v2 + · · · + λn vn ) = (αλ1 )v1 + (αλ2 )v2 + · · · + (αλn )vn

| {z }
combinación lineal del conjunto{v1 ,...,vn }
 Generadores y subespacios finitamente generados

De ahora en más los subespacios se presentarán por las condiciones que cumplen
sus elementos o por un conjunto de vectores que lo genera.

Cuestiones de lenguaje y escritura:

El subespacio S de un K-espacio vectorial V se dice que está generado por

los vectores {v1 , v2 , . . . , vn } cuando

S = gen{v1 , v2 , . . . , vn }.

En este caso, {v1 , v2 , ..., vn } será un conjunto generador de S.

Si S tiene un conjunto generador con finitos elementos entonces se dirá que S

es finitamente generado.

Otra observación:

Si S es un subespacio de un K- espacio vectorial V y {u1 , u2 , . . . , uk } ⊂ S ⇒

gen {u1 , u2 , . . . , uk } ⊆ S.
Es una consecuencia directa de la definición de subespacio pues si S es un
subespacio la combinación lineal de cualquier par de vectores de S está en S. Por lo tanto,
si:
v ∈ gen {u1 , u2 , . . . , uk } ⇒ v = λ1 u1 +λ2 u2 + · · · + λk uk
|{z}
∈S

v = λ1 u1 + λ2 u2 + · · · + λk uk
| {z }
∈S

Entonces: Si v es combinación lineal del conjunto {u1 , u2 , . . . , uk }, se cumple que

v ∈ S:
gen {u1 , u2 , . . . , uk } ⊆ S
.

El conjunto generador de un subespacio no es único. Es fácil verlo en los

ejemplos anteriores.

¿Cómo pruebo que dos conjuntos distintos generan el mismo subespacio?

Tomemos un ejemplo, (distinto del que aparece en el Episodio 2).

Supongamos que nos preguntamos si los subespacios:

S = gen{[1 1 0 1]T , [1 1 1 2]T } y T = gen{[1 1 − 1 0]T , [1 1 − 2 − 1]T }

 son iguales.

Para demostrar que dos subespacios son iguales, en este etapa, tendremos que
demostrar que se cumple la doble inclusión.
Primero demostraremos que S ⊆ T y luego que T ⊆ S.

Por la última observación sabemos que si un conjunto de elementos esta en un

subespacio, toda combinación lineal de ellos lo está. Vamos a aplicar esta propiedad en
los dos casos.

S ⊆ T Vamos a demostrar que cada uno de los generadores de S está en

T . ¿Qué tengo que hacer? Tengo que ” chequear” que cada uno de los generadores
de S está es combinación lineal de los vectores del conjunto {[1 1 −1 0]T , [1 1 −2 −1]T }

Veamos que [1 1 0 1]T ∈ T y que [1 1 1 2]T ∈ T

[1 1 0 1]T = α[1 1 − 2 − 1]T + β[1 1 − 1 0]T ⇔

⇔ [1 1 0 1]T = [α + β α+β − 2α − β − α]T ⇔



 1=α+β
1=α+β

⇔ ⇔ α = −1, β = 2 .

 0 = −2α − β
1 = −α


[1 1 0 1]T ∈ T X
Ahora comprobemos que también [1 1 1 2]T ∈ T

[1 1 1 2]T = α[1 1 − 2 − 1]T + β[1 1 − 1 0]T ⇔

⇔ [1 1 1 2]T = [α + β α+β − 2α − β − α]T ⇔



 1=α+β
1=α+β

⇔ ⇔ α = −2, β = 3 .

 1 = −2α − β
2 = −α


[1 1 1 2]T ∈ T X
 Así demostramos que S ⊆ T , pues si los dos generadores der S están en T toda
combinación lineal de ellos está, pues T es un subespacio ⇒ S ⊆ T .

T ⊆ S Para demostrar esto, tenemos que ver que cada generador de T está en
el subespacio S. Entonces ahora tenemos que ” chequear” que [1 1 − 1 0]T ∈ S y que
[1 1 − 2 − 1]T ∈ S, entonces tenemos que ver que estos dos vectores son combinación
lineal de los generadores de S.Tenemos que ver si existen α y β tal que :

[1 1 − 1 0]T = α[1 1 0 1]T + β[1 1 1 2]T

[1 1 − 1 0]T = [α + β α + β β α + 2β]T ⇔


 1=α+β
1=α+β

⇔ ⇔ α = 2, β = −1 .

 −1 = β
0 = α + 2β


[1 1 − 1 0]T ∈ SX
Queda como tarea para el hogar chequear que [1 1 − 2 − 1]T ∈ S Una vez comprobado
esto, queda probado que T ⊆ S

De esta manera probamos que S ⊆ T y T ⊆ S ⇒ S = T X