Captulo 1

Espacios vectoriales
La matemtica est construida por conceptos y propiedades, los conceptos son los axio-
mas y deniciones, mientras que las propiedades son las relaciones que surgen a raz de estos
conceptos, tales como los lemas, teoremas, corolarios, etc.
Vamos a comenzar este curso estableciendo los principales conceptos y propiedades rela-
cionados a espacios vectoriales, pues para estudiar lgebra lineal se necesita conocer primero
sobre qu espacio vectorial vamos a trabajar.
Lo primero que viene a nuestras mentes, cuando hablamos de vectores, es un par ordenado
P = (x, y), donde sus componentes x e y son nmeros reales y cuya representacin en el plano
cartesiano es una echa que va del origen hacia P. En este captulo veremos que el concepto de
vector no slo se reduce a pares ordenados, ni a ternas del tipo (x, y, z) y ni siquiera a nuplas
de la forma (x
1
, x
2
, ..., x
n
), sino que ser posible hablar de vectores en un sentido ms general,
donde funciones, matrices u otros objetos ms abstractos sern denominados vectores, desde
que se cumplan ciertos requerimientos.
En todo este curso, K ser llamado cuerpo o campo escalar, para nuestro caso, puede ser
K = R o K = C. Los elementos de K se denominan escalares. Claramente, nos referimos al
conjunto de los nmeros reales (R) o complejos (C).
Para establecer un espacio vectorial necesitamos un campo de escalares K, un conjunto de
objetos V, una operacin suma entre objetos de V y una operacin producto por un escalar
entre un escalar de K y un objeto de V. Adems, debera cumplirse los siguientes axiomas.
Axioma 1.1 (Espacio vectorial) Un conjunto no vaco V junto con un campo escalar K
y dos operaciones denominadas suma (+) y producto por un escalar (), es llamado un K-
espacio vectorial, si se cumple:
1. Para todo u, v V, u +v V
2. Para todo u V y K, u V
3. u + (v +w) = (u +v) +w, para todo u, v, w V
4. u +v = v +u, para todo u, v V
5. Existe 0 V tal que u +0 = 0 +u = u, para todo u V
1
CAPTULO 1. ESPACIOS VECTORIALES 2
6. Para cada u V existe u V tal que u + (u) = 0
7. (u +v) = u + v, para todo K y para todo u, v V
8. ( +) u = u + u, para todo , K y para todo u V
9. () u = ( u), para todo , K y para todo u V
10. 1 u = u, donde 1 K y u V
Cuando esto sucede, los elementos del conjunto V los llamaremos vectores.
Notacin 1.1 A los vectores los denotaremos siempre que sea posible por letras minsculas,
a, b, ..., x, y, z, mientras que a los escalares los denotaremos por , , ..., , , ...
Notacin 1.2 Siempre que no cause confusin, el 0 denotar tambin el vector neutro. Caso
contrario, usaremos otros smbolos como por ejemplo

0 .
Ejemplo 1.1 Como propiedades inmediatas, consecuencia de los axiomas, se observa que:
1. 0 u = 0, para todo u V
2. 0 = 0 para todo K
3. Si u = 0, entonces = 0 u = 0
4. (1) u = u, para todo u V
Vericaremos esto usando los axiomas de espacio vectorial.
1. Dado cualquier u V, tenemos por los axiomas 5 y 8:
0 u +0 u = (0 +0) u = 0 u
Tomando los extremos de la anterior ecuacin y sumando (0 u) en ambos lados,
tenemos por el axioma 3:
((0 u) +0 u) +0 u = (0 u) +0 u
Por el axioma 6, (0 u) +0 u = 0, as concluimos que 0 u = 0.
2. Dado cualquier escalar K y 0 V, usando el axioma 7:
0 + 0 = (0 +0) = 0
Luego, sumando ( 0) en ambos lados, por el axioma 3 y 6, tenemos
(( 0) + 0) + 0 = ( 0) + 0 = 0
Concluimos que 0 = 0.
CAPTULO 1. ESPACIOS VECTORIALES 3
3. Las pruebas que hicimos anteriormente eran directas, consistan en asumir la validez
del antecedente y, con argumentos vlidos, llegar a la validez del consecuente. Pero hay
otras formas de realizar pruebas en matemtica. En este caso haremos una prueba por
contradiccin o por el absurdo, consiste en asumir simultneamente la validez del an-
tecedente y la negacin del consecuente, con esto, deberamos llegar a una contradiccin.
Por lo tanto, asumamos que u = 0 y adems que 6= 0 y u 6= 0. Luego, como 6= 0,
usando los axiomas 9 y 10, junto con el resultado del tem 2, tenemos
u = 1 u =

1

u =
1

( u) =
1

0 = 0
Esto contradice el hecho que u 6= 0.
4. Finalmente, por los axiomas 8, 10 y el resultado del tem 1, tenemos:
(1) u +u = (1) u + (1) u = (1 +1) u = 0 u = 0
Sumando u en ambos extremos de la anterior ecuacin, y por el axioma 3, tenemos
(1) u + (u + (u)) = 0 + (u)
Por los axiomas 5 y 6 concluimos que (1) u = u.
A partir de ahora, las propiedades vistas en el ejemplo 1.1 pueden y deberan ser utilizadas
para realizar clculos o comprobar otras propiedades.
Ejemplo 1.2 El conjunto R
2
(plano eucldeo) est denido por
R
2
= RR ={(x
1
, x
2
) : x
1
R, x
2
R}
As, (1, 3) R
2
, (
_
2, log
2
7) R, etc.
Vericar que el plano eucldeo R
2
sobre el campo de escalares R y con las operaciones
x +y = (x
1
+y
1
, x
2
+y
2
)
x = (x
1
, x
2
)
donde x = (x
1
, x
2
) R
2
, y = (y
1
, y
2
) R
2
y R, es un R-espacio vectorial.
Tenemos que ver que el conjunto R
2
, junto al campo escalar R y las dos operaciones dadas,
cumplen todos los axiomas de espacio vectorial.
1. Sean x = (x
1
, x
2
) R
2
y y = (y
1
, y
2
) R
2
. Vemos que x
1
, x
2
, y
1
, y
2
R, as x
1
+x
2
R
y y
1
+y
2
R, en consecuencia
x +y = (x
1
+y
1
, x
2
+y
2
) R
2
2. Sean x = (x
1
, x
2
) R
2
y R. Claramente, x
1
R y x
2
R, en consecuencia
x = (x
1
, x
2
) R
2
CAPTULO 1. ESPACIOS VECTORIALES 4
3. Sean x, y, z R
2
, donde x = (x
1
, x
2
), y = (y
1
, y
2
) y z = (z
1
, z
2
). Recuerde que
x
1
, x
2
, y
1
, y
2
, z
1
, z
2
R, por lo que podemos usar conceptos y propiedades vlidos en
R. As,
x + (y +z) = (x
1
, x
2
) + ((y
1
, y
2
) + (z
1
, z
2
)) = (x
1
, x
2
) + (y
1
+z
1
, y
2
+z
2
)
= (x
1
+ (y
1
+z
1
) , x
2
+ (y
2
+z
2
)) = ((x
1
+y
1
) +z
1
, (x
2
+y
2
) +z
2
)
= (x
1
+y
1
, x
2
+y
2
) + (z
1
, z
2
) = (x +y) +z
4. Sean x, y R
2
, donde x = (x
1
, x
2
), y = (y
1
, y
2
), entonces
x +y = (x
1
, x
2
) + (y
1
, y
2
) = (x
1
+y
1
, x
2
+y
2
)
= (y
1
+x
1
, y
2
+x
2
) = (y
1
, y
2
) + (x
1
, x
2
) = y +x
5. Consideremos el objeto

0 = (0, 0) R
2
. Claramente, para cualquier x = (x
1
, x
2
) R
2
,
tenemos
x +

0 = (x
1
, x
2
) + (0, 0) = (x
1
+0, x
2
+0) = (x
1
, x
2
)
= (0 +x
1
, 0 +x
2
) =

0 +x
Es decir, existe

0 = (0, 0) R
2
, tal que x +

0 =

0 +x = x, para todo x R
2
.
6. Sea x = (x
1
, x
2
) R
2
, consideremos x = (x
1
, x
2
). Claramente, x R
2
pues x
1
y
x
2
estn en R. Luego,
x + x = (x
1
, x
2
) + (x
1
, x
2
) = (x
1
+ (x
1
) , x
2
+ (x
2
)) = (0, 0) =

0
Por lo tanto, para cada x existe x = x tal que x + (x) = 0.
7. Sean x, y R
2
y R. Entonces,
(x +y) = ((x
1
, x
2
) + (y
1
, y
2
)) = (x
1
+y
1
, x
2
+y
2
)
= ((x
1
+y
1
) , (x
2
+y
2
)) = (x
1
+y
1
, x
2
+y
2
)
= (x
1
, x
2
) + (y
1
, y
2
) = (x
1
, x
2
) + (y
1
, y
2
)
= x + y
8. Sean , R y x = (x
1
, x
2
) R
2
. Entonces,
( +) x = ( +) (x
1
, x
2
) = (( +) x
1
, ( +) x
2
)
= (x
1
+x
1
, x
2
+x
2
) = (x
1
, x
2
) + (x
1
, x
2
)
= (x
1
, x
2
) + (x
1
, x
2
) = x + x
9. Sean , R y x = (x
1
, x
2
) R
2
. Luego,
() x = () (x
1
, x
2
) = (() x
1
, () x
2
) = ((x
1
) , (x
2
))
= (x
1
, x
2
) = ( (x
1
, x
2
)) = ( x)
CAPTULO 1. ESPACIOS VECTORIALES 5
10. Dados 1 R y x = (x
1
, x
2
) R
2
. Vemos que,
1 x = 1 (x
1
, x
2
) = (1x
1
, 1x
2
) = (x
1
, x
2
) = x
Por lo tanto, el conjunto R
2
denido sobre el campo de escalares R, junto con las dos opera-
ciones indicadas, forma un espacio vectorial.
En lo sucesivo, cuando se requiera probar que un determinado conjunto de objetos denidos
sobre un campo, provistos de dos operaciones, forman un espacio vectorial, debemos realizar
lo mismo que hicimos en el ejemplo 1.2. Es decir, vericar que se cumplen cada uno de los
axiomas de espacio vectorial.
Ejemplo 1.3 El conjunto R
n
est denido como:
R
n
= R R
| {z }
n veces
={(x
1
, ..., x
n
) : x
1
R, ..., x
n
R}
As, R
n
sobre el campo R y con las operaciones
x +y = (x
1
+y
1
, ..., x
n
+y
n
) (1.1)
x = (x
1
, ..., x
n
) (1.2)
donde x = (x
1
, ..., x
n
) R
n
, y = (y
1
, ..., y
n
) R
n
y R, es un R-espacio vectorial.
Frecuentemente, cuando trabajemos sobre el R-espacio vectorial R
n
, asumiremos que las
operaciones son las denidas en (1.1) y (1.2), a no ser que se advierta lo contrario.
Ejemplo 1.4 (Espacio de matrices) Una matriz de m las y n columnas es un objeto de
la forma
A =
5
9
9
9
7
a
1,1
a
1,2
a
1,n
a
2,1
a
2,2
a
2,n
.
.
.
.
.
.
.
.
.
.
.
.
a
m,1
a
m,2
a
m,n
6
:
:
:
8
Los trminos a
i,j
se denominan elementos de la matriz en la i-la y j-columna. La matriz
se denominar matriz real si sus elementos son nmeros reales, en este caso se escribir
A R
mn
; mientras que se llamar matriz compleja si sus elementos son nmeros complejos,
en este caso se denotar por A C
mn
.
El conjunto de matrices R
mn
sobre el campo R, con las operaciones
(A+B)
i,j
= a
i,j
+b
i,j
(1.3)
( A)
i,j
= a
i,j
(1.4)
donde A, B R
mn
, es un R-espacio vectorial. Observe que (A+B)
i,j
denota el elemento en
la i-la y j-columna de la matriz A+B. Anlogamente para A.
Ejemplo 1.5 El conjunto de matrices C
mn
junto con las operaciones denidas en (1.3) y
(1.4), y sobre el campo C, es un C-espacio vectorial.
CAPTULO 1. ESPACIOS VECTORIALES 6
Ejemplo 1.6 El conjunto P
n
(R) de todos los polinomios de grado menor o igual que n, con
coecientes en el campo R y con las operaciones
P (x) +Q(x) =
n
X
j=0
(p
j
+q
j
) x
j
P (x) =
n
X
j=0
p
j
x
j
donde P(x) =
P
n
j=0
p
j
x
j
P
n
(R), Q(x) =
P
n
j=0
q
j
x
j
P
n
(R) y R, es un R-espacio
vectorial.
Ejercicio 1.1 Probar lo armado en los ejemplos 1.3, 1.4 y 1.6.
Ejercicio 1.2 Probar que R
n
+
= {(x
1
, ..., x
n
) R
n
: x
1
, ..., x
n
> 0}, con las operaciones
x +y = (x
1
y
1
, ..., x
n
y
n
)
x = (x

1
, ..., x

n
)
donde x = (x
1
, ..., x
n
) R
n
+
, y = (y
1
, ..., y
n
) R
n
+
y R, es un R-espacio vectorial.
Sugerencia: El elemento neutro de la suma de este tipo de espacios es 1 = (1, ..., 1) R
n
+
.
Ejercicio 1.3 Sea un K-espacio vectorial V donde K y v V. Pruebe que, si 6= 0 y
v 6= 0, entonces v 6= 0.
Solucin: En el tem 3 del ejemplo 1.1 probamos que, si v = 0, entonces = 0 v = 0.
El equivalente lgico
1
de esta proposicin justamente es, si 6= 0 y v 6= 0, entonces v 6= 0.
Por lo tanto, la prueba relacionada a este ejercicio ya fue realizada en el ejemplo 1.1.
Notacin 1.3 En lo que sigue, denotaremos u v para representar u + (v)
Ejercicio 1.4 El conjunto F(R, R) de las funciones f : R 7R, con las operaciones
(f +g) (x) = f (x) +g(x)
( f) (x) = f (x)
donde f, g F(R, R) y R, es un R-espacio vectorial.
Ejercicio 1.5 Dados los siguientes vectores (matrices) en el R-espacio vectorial R
23
:
A =

1 1 2
3 2 1

B =

2 3 0
2 3 1

C =

4 8 4
12 13 1

Usando las operaciones convencionales para matrices vistos en (1.3) y (1.4):

1. Calcule la matriz 3 A2 B +C
2. Encuentre nmeros y en R, ambos diferentes de cero, tales que A + B + C
tenga la primera columna nula.
1
En lgica sabemos que, p =q es equivalente a q = p.
CAPTULO 1. ESPACIOS VECTORIALES 7
Ejercicio 1.6 Encuentre el valor de t que torna la matriz siguiente igual a la matriz nula:

t
2
1 t
2
t
t
3
1 t
2
3t +2

Ejercicio 1.7 Sean u y v dos vectores no nulos de un K-espacio vectorial E. Pruebe que v es
mltiplo escalar de u si, y slo si, u es mltiplo escalar de v.
Solucin: Un vector v E se dice que es mltiplo escalar de otro u E, si existe un escalar
K tal que v = u. Como u 6= 0 y v 6= 0, armamos que 6= 0. Caso contrario, por el
Ejemplo 1.1, tendramos que v = 0 u = 0, lo cual contradice el hecho que v 6= 0. As,
v = u
1

v = u
Por lo que concluimos que u es mltiplo escalar de v.
Ejercicio 1.8 (Conjunto convexo) Sea E un R-espacio vectorial y u, v E. El segmento
de recta de extremidades u y v es, por denicin, el conjunto
[u, v] = {w E : w = (1 t) u +t v, 0 _ t _ 1}
Un conjunto X E se llama convexo, cuando u, v X = [u, v] X. Pruebe que:
1. La interseccin X
1
... X
m
de conjuntos convexos X
1
, ..., X
m
E, es un conjunto
convexo.
2. En el R-espacio vectorial R
2
. Dados a, b, c R, el conjunto
X =

(x, y) R
2
: ax +by _ c

es un conjunto convexo.
3. En el R-espacio vectorial R
2
. El disco D =

(x, y) R
2
: x
2
+y
2
_ 1

es un conjunto
convexo.
Solucin: Para probar la primera armacin, tomemos x, y I = X
1
... X
m
. Observe que
x, y X
i
, para i = 1, ..., m. Como por hiptesis cada X
i
es convexo, tenemos que [x, y] X
i
,
para i = 1, ..., m. Esto ltimo nos dice que [x, y] I. En consecuencia, X
1
... X
m
es un
conjunto convexo.
Para la segunda armacin, tomemos u, v X, donde u = (u
1
, u
2
) y v = (v
1
, v
2
). Observe
que au
1
+bu
2
_ c y av
1
+bv
2
_ c. Para cada [0, 1] denamos un elemento del segmento
[u, v] por
w

= u + (1 ) v
Observe que
w

= u + (1 ) v = (u
1
+ (1 ) v
1
, u
2
+ (1 ) v
2
)
CAPTULO 1. ESPACIOS VECTORIALES 8
Adems,
a(u
1
+ (1 ) v
1
) +b(u
2
+ (1 ) v
2
) = (au
1
+bu
2
)
| {z }
$c
+ (1 ) (av
1
+bv
2
)
| {z }
$c
_ c + (1 ) c
= c
Por lo tanto, w

X. Como w

es cualquier elemento de [u, v], concluimos que [u, v] X,

en consecuencia, X es un conjunto convexo en R
2
.
La tercera armacin queda como ejercicio para el alumno.
Denicin 1.1 (Combinacin lineal de vectores) Un vector u de un K-espacio vecto-
rial V es una combinacin lineal de vectores v
1
, ..., v
n
V, cuando existen unos escalares

1
, ...,
n
K tales que
u =
1
v
1
+... +
n
v
n
=
n
X
j=1

j
v
j
La combinacin lineal se dice trivial cuando todos los escalares son nulos.
Ejemplo 1.7 Sean u
1
= (0, 1, 0), u
2
= (1, 2, 4), v
1
= (1, 0, 0) y v
2
= (1, 2, 0), cuatro vectores
del espacio vectorial R
3
. Ver que u
1
se puede expresar como una combinacin lineal de v
1
y
v
2
, pero u
2
no.
Veamos primero si existen escalares , R tales que
u
1
= v
1
+ v
2
Es decir, vamos a suponer que
(0, 1, 0) = (1, 0, 0) + (1, 2, 0) = (, 0, 0) + (, 2, 0) = ( +, 2, 0)
Lo que signica que,
+ = 0 y 2 = 1
de donde
=
1
2
y =
1
2
Esto signica que u
1
puede expresarse como combinacin lineal de v
1
y v
2
de la siguiente
forma:
(0, 1, 0) =
1
2
(1, 0, 0) +
1
2
(1, 2, 0)
Por otro lado, veamos si existen ,

R tales que
u
2
= v
1
+

v
2
Es decir, vamos a suponer tambin que
(1, 2, 4) = (1, 0, 0) +

(1, 2, 0) = ( , 0, 0) +

, 2

, 0

=

+

, 2

, 0

CAPTULO 1. ESPACIOS VECTORIALES 9

Esto implica que
+

= 1 , 2

= 2 y 4 = 0
Pero la ltima expresin es una contradiccin, pues 4 6= 0. Por lo que concluimos que no
existen tales escalares para este caso.
Ejemplo 1.8 En R
3
, dados u = (1, 2, 3) , v = (3, 2, 0) y w = (2, 0, 0). Encuentre los nmeros
, y tales que (1, 1, 1) se exprese como combinacin de u,v y w, es decir:
u + v + w = (1, 1, 1)
Observe que la ecuacin anterior es equivalente a
(1, 1, 1) = (1, 2, 3) + (3, 2, 0) + (2, 0, 0) = ( +3 +2, 2 +2, 3)
y ste, a su vez, al sistema de ecuaciones lineales

"

+ 3 + 2 = 1
2 + 2 = 1
3 = 1
de donde: =
1
3
, =
1
6
y =
1
12
.
Ejemplo 1.9 (Representacin de vectores en R
2
) Naturalmente, podemos identicar el
espacio vectorial R
2
usando el plano cartesiano, los vectores x = (2, 4) e y = (5, 3) son
representados como puntos en el plano, tal como se ilustra en la Figura 1.1. Usando las dos
operaciones clsicas (denidas en el Ejemplo 1.2) podemos ver que
x +y = (2, 4) + (5, 3) = (7, 7)
y que
2 x = 2 (2, 4) = (4, 8)
En el colegio y para algunos principios fsicos, suele representarse tambin echas para denotar
Figura 1.1: Vectores representados en el plano cartesiano (R
2
).
CAPTULO 1. ESPACIOS VECTORIALES 10
Figura 1.2: Representacin de vectores en R
2
usando echas.
vectores en R
2
y R
3
, pero debido a la generalidad con la que trabajaremos en este curso, no es
bueno acostumbrarse a esa notacin.
1.1. Subespacios vectoriales
Si un subconjunto de un espacio vectorial tambin llega a ser a su vez un espacio vectorial,
entonces se dice que ste es un subespacio vectorial. Para ver si esto ocurre, no es necesario
vericar todos los axiomas, sino que slo basta con vericar dos condiciones.
Denicin 1.2 (Subespacio vectorial) Un subconjunto no vaco F de un K-espacio vec-
torial V, con las mismas operaciones y sobre el mismo campo escalar, ser un subespacio
vectorial de V si cumple las siguientes condiciones:
1. u, v F = u +v F
2. K y u F = u F
Ejemplo 1.10 Sea el espacio vectorial R
3
con las operaciones convencionales. El subconjunto
X R
3
, donde
X =

(x
1
, x
2
, x
3
) R
3
: x
1
+x
2
+x
3
= 0

es un subespacio vectorial de R
3
.
Sean los vectores arbitrarios u, v X, donde u = (u
1
, u
2
, u
3
) y v = (v
1
, v
2
, v
3
). Notamos
que u
1
+u
2
+u
3
= 0 y v
1
+v
2
+v
3
= 0.
1. Como u +v = (u
1
+v
1
, u
2
+v
2
, u
3
+v
3
), entonces
(u
1
+v
1
) + (u
2
+v
2
) + (u
3
+v
3
) = (u
1
+u
2
+u
3
) + (v
1
+v
2
+v
3
) = 0 +0 = 0
de donde u +v X.
CAPTULO 1. ESPACIOS VECTORIALES 11
2. Dado un escalar arbitrario R, como u = (u
1
, u
2
, u
3
), entonces
u
1
+u
2
+u
3
= (u
1
+u
2
+u
3
) = 0 = 0
As, u X.
Concluimos que X es un subespacio vectorial de R
3
.
Ejercicio 1.9 Con relacin al anterior Ejemplo 1.10, dado el subconjunto Y R
3
denido
por
Y =

(y
1
.y
2
, y
3
) R
3
: y
1
+y
2
+y
3
= k

donde k 6= 0. Es Y un subespacio vectorial de R

3
?
Ejemplo 1.11 Vericar que, si S es un subespacio vectorial de un K-espacio vectorial V,
entonces 0 S.
Solucin: Ya vimos anteriormente que, si u S V y 0 K, entonces 0 u =

0 . Luego,
como u S para cualquier u S y K, tenemos

0 = 0 u S
Lo que nos dice el ejemplo anterior es que el vector neutro aditivo

0 debe estar en todo
subespacio vectorial. Claramente, si

0 no pertenece a un subcobjunto del espacio vectorial,
este subconjunto no ser de ninguna manera un subespacio vectorial.
Ejemplo 1.12 (Solucin del Ejercicio 1.9) Para concluir que Y no es un subespacio vec-
torial de R
3
, basta notar que

0 = (0, 0, 0) R
3
no est en en Y. En efecto,
0 +0 +0 = 0 6= k
As,

0 6 Y.
Ejemplo 1.13 Vericar que, F es un subespacio vectorial de un K-espacio vectorial V si, y
slo si,
, K, u, v F = u + v F (1.5)
Solucin: (=) Asumiendo que F es un subespacio vectorial, u F y v F, para todo
, K y u, v F. Haciendo
a = u
b = v
y notando que tambin a +b F, tenemos que u + v F.
(=) Si (1.5) es vlido, tomando = = 1 K, tenemos que u+v F, \u, v F. Por otro
lado, nuevamente, tomando = 0 K, tenemos u F, \ K y \u V. Por lo tanto,
se cumple la denicin 1.2 y F debe ser un subespacio vectorial de V.
Ejemplo 1.14 Dados dos vectores a, b R
n
. Vericar que el conjunto de todas las posibles
combinaciones lineales de a y b forma un subespacio vectorial de R
n
. Es decir, el conjunto
S = { a + b : , R}
CAPTULO 1. ESPACIOS VECTORIALES 12
es un subespacio vectorial de R
n
.
Solucin: Claramente S 6= O. Basta con vericar la denicin de subespacio vectorial para S.
En efecto, sean
x = a + b S, , R
y = a +

b S, ,

R
Primeramente vemos que
x +y = ( + ) x +

b
el cual es claramente una combinacin lineal, por tanto est en S. Por otro lado, para R,
tenemos
x = ( a + b) = () a + () b
el cual tambin es un elemento de S, pues es una combinacin lineal de a y b. Concluimos
que S es un subespacio vectorial de R
n
.
Ejemplo 1.15 Sea V 6= {0} un K-espacio vectorial. Dado x V un vector no nulo. Es el
conjunto de los mltiplos escalares de x:
W = { x : K}
un subespacio vectorial de V? Si lo fuera, demustrelo. Caso contrario, de un contraejemplo.
1. Claramente, 0 W, pues para = 0, se tiene que 0 x = 0.
2. Sean y
0
, y
00
W y , K, luego, y
0
= x y y
00
= x. Entonces:
y
0
+y
00
= x + x = ( +) x = x, = + K
de donde y
0
, y
00
W =y
0
+y
00
W.
3. Finalmente, si y W y K, entonces y = x, de donde:
y = ( x) = () x = x, = K
de donde y W = y W.
Concluimos que W es un subespacio vectorial de V.
Ejemplo 1.16 A continuacin tenemos algunos ejemplos de conjuntos que son, o no, sub-
espacios vectoriales de un espacio vectorial V.
1. El conjunto compuesto de un nico elemento, el elemento neutro, {0}, es el menor sub-
espacio vectorial de cualquier espacio vectorial.
2. F = V, es el mayor subespacio vectorial de cualquier espacio vectorial V.
3. S =

(x
1
, x
2
, x
3
) R
3
: x
1
+2x
2
+3x
3
= 0

es un subespacio vectorial del espacio vec-

torial R
3
.
4. E =

(x
1
, x
2
, x
3
) R
3
: x
1
+2x
2
+3x
3
= 2

no es un subespacio vectorial de R
3
.
CAPTULO 1. ESPACIOS VECTORIALES 13
5. G =

A R
22
: tr (A) = 0

es un subespacio vectorial de R
22
. Observe que tr (A)
denota la traza de A, es decir, si A =

a
1,1
a
1,2
a
2,1
a
2,2

, entonces tr (A) = a
1,1
+a
2,2
.
6. H =

A R
22
: det (A) = 0

no es un subespacio vectorial de R
22
. Observe que
det (A) denota el determinante de A, det (A) = a
1,1
a
2,2
a
2,1
a
1,2
.
Ejercicio 1.10 Sea el conjunto
W
1
= {f F(R, R) : f (x) = f (x) , para todo x R}
de la funciones f : R 7R pares, y, el conjunto
W
2
= {f F(R, R) : f (x) = f (x) , para todo x R}
de las funciones f : R 7R impares. Son W
1
y/o W
2
subespacios del espacio vectorial de
todas las funciones de R en R, F(R, R)? Verique si fuera verdad. Caso contrario, de un
contraejemplo.
Solucin: Ambos lo son.
Ejercicio 1.11 Verique por qu los conjuntos E y H del ejemplo 1.16 no llegan a ser sub-
espacios vectoriales.
Ejercicio 1.12 Verique que todo subespacio vectorial es un conjunto convexo.
Ejercicio 1.13 En el espacio vectorial R
2
, identique 3 subconjuntos que alcanzan a ser sub-
espacios vectoriales e identique 3 subconjuntos que no.
Denicin 1.3 Sea S un conjunto de vectores de un K-espacio vectorial V. El conjunto forma-
do de todas las combinaciones lineales posibles de elementos de S lo llamaremos el subespacio
generado por S, y lo denotaremos por span(S). Es decir,
span(S) =

x V : x =
p
X
k=1

k
x
k
,
k
K, x
k
S

Ejercicio 1.14 Vericar que span(S) es en efecto un subespacio vectorial.

Ejercicio 1.15 Dado S R
3
, graque el span(S) si:
1. S = {(0, 0, 0)}
2. S = {(1, 2, 3)}
3. S = {(1, 0, 0) , (0, 1, 0)}
4. S = {(1, 0, 0) , (0, 2, 0) , (0, 0, 3)}
Problema 1.1 Vericar que span(S) es el menor subespacio vectorial de V que contiene a S.
CAPTULO 1. ESPACIOS VECTORIALES 14
1.2. Independencia lineal, generadores, bases y dimen-
siones
Denicin 1.4 (Vectores linealmente independientes) Sea V un K-espacio vectorial, se
dice que los n vectores v
1
, ..., v
n
V son linealmente independientes (LI), cuando la combi-
nacin lineal

1
v
1
+... +
n
v
n
= 0 (1.6)
implica como nica posibilidad que
1
= ... =
n
= 0. Caso contrario se dice que dichos
vectores son linealmente dependientes (LD).
Denicin 1.5 (Subconjunto linealmente independiente) Dado un subconjunto S de V.
Se dice que S es linealmente independiente en V, cuando la nica combinacin lineal de sus
vectores que se anula, es la trivial. O lo que es lo mismo, S es linealmente independiente en
V, cuando todos los vectores de S son linealmente independientes. Caso contrario, se dice que
S es linealmente dependiente.
Ejemplo 1.17 Sea S R
3
, donde S = {(1, 0, 0) , (0, 1, 0) , (1, 1, 1)}. Este subconjunto es lineal-
mente independiente, pues si:

1
(1, 0, 0) +
2
(0, 1, 0) +
3
(1, 1, 1) = 0
necesariamente se cumplir
1
=
2
=
3
= 0. (Verifquelo)
Denicin 1.6 (Generador) Dado un subconjunto S V. Se dice que S es un generador de
V cuando cualquier vector v V se puede escribir como una combinacin lineal de elementos
de S.
Denicin 1.7 (Base) Un subconjunto B V se dice que es una base de V, cuando es
simultneamente linealmente independiente y generador. Esto equivale a decir que, cualquier
vector de V se puede escribir de forma nica como una combinacin lineal de vectores de B.
Observe que la unicidad se justica por lo siguiente: Sea V un espacio vectorial, x V y
B = {v
1
, ..., v
n
} una base de V. Supongamos que
x =
n
X
i=1

i
v
i
y x =
n
X
i=1

i
v
i
Entonces,
0 = x x =
n
X
i=1

i
v
i

n
X
i=1

i
v
i
=
n
X
i=1
(
i

i
) v
i
y como v
1
, ..., v
n
son linealmente independientes,
P
n
i=1
(
i

i
) v
i
= 0 implica que
i
=

i
, i = 1, ..., n. Por tanto, se trata de la misma combinacin lineal.
Observacin 1.1 Todos los espacios vectoriales tienen bases. sta es una propiedad intere-
sante cuya demostracin no la incluiremos en este curso.
Ejemplo 1.18 Sean u
1
= (1, 1, 0), u
2
= (1, 0, 2), u
3
= (1, 1, 1) y u
4
= (3, 2, 2) vectores en
V = R
3
. Las siguientes armaciones son vlidas:
CAPTULO 1. ESPACIOS VECTORIALES 15
1. Los vectores u
1
, u
2
y u
3
son linealmente independientes.
2. El conjunto {u
2
, u
3
, u
4
} es linealmente independiente.
3. El conjunto {u
1
, u
2
, u
4
} es linealmente dependiente.
4. El conjunto {u
1
, u
2
, u
3
, u
4
} genera R
3
.
5. El conjunto {u
1
, u
2
, u
4
} no genera R
3
.
6. Los conjuntos {u
1
, u
2
, u
3
} y {u
2
, u
3
, u
4
} son bases para R
3
.
7. El conjunto {u
1
, u
2
, u
3
, u
4
} no es una base para R
3
.
Proposicin 1.1 Las siguientes propiedades asociadas al concepto de independencia lineal
son vlidas:
1. Un conjunto es linealmente dependiente si, y slo si, alguno de sus elementos es una
combinacin lineal de otros elementos del conjunto.
2. Cualquier subconjunto de un conjunto linealmente independiente tambin es linealmente
independiente. Es decir, si S es linealmente independiente y T S, entonces T es lineal-
mente independiente.
3. S linealmente independiente implica que 0 6 S.
4. S = {u} es linealmente independiente si, y slo si, u 6= 0.
5. S = {u
1
, u
2
} es linealmente dependiente si, y slo si, alguno de los vectores u
1
o u
2
es
un mltiplo del otro.
Ejercicio 1.16 Probar las armaciones hechas en la proposicin 1.1.
Problema 1.2 Probar que polinomios de grados diferentes siempre son linealmente indepen-
dientes.
Denicin 1.8 Dado un K-espacio vectorial V.
Si V = {0}, diremos que la dimensin de V es cero, y lo denotaremos por dim(V) = 0.
Si V 6= {0} tiene una base nita de n vectores, diremos que la dimensin de V es n, y lo
denotaremos por dim(V) = n.
Si V 6= {0} no tiene ninguna base nita, diremos que la dimensin de V es innita, y lo
denotaremos por dim(V) = .
Cuando S V es un subespacio vectorial de V, claramente vale la denicin para S, pues
S posee la estructura de espacio vectorial.
Ejemplo 1.19 El conjunto B = {(1, 0, 0) , (0, 1, 0) , (0, 0, 1)} constituye una base para el espa-
cio vectorial R
3
. Claramente, B es linealmente independiente y a su vez es generador, pues todo
punto de x R
3
puede ser escrito, de manera nica, como una combinacin de los elementos
de B, a saber:
x =
1
(1, 0, 0) +
2
(0, 1, 0) +
3
(0, 0, 1) ,
1
,
2
,
3
R
Adems, como la base B tiene tres elementos, dim

R
3

= 3.
CAPTULO 1. ESPACIOS VECTORIALES 16
Ejemplo 1.20 Sabemos que el conjunto S =

x R
3
: x
1
+x
2
+x
3
= 0

es un subespacio
vectorial de R
3
. Observando que,
x S x
3
= x
1
x
2
podemos tomar dos vectores en S:
x = (1, 0, 1)
x = (0, 1, 1)
Entonces, el conjunto K = { x, x} es linealmente independiente (vericar). Ms an, Cualquier
elemento w = (w
1
, w
2
, w
3
) S puede ser escrito como una nica combinacin lineal de los
elementos de K, pues:
w = (w
1
, w
2
, w
3
) =
1
x +
2
x
=
1
(1, 0, 1) +
2
(0, 1, 1)
= (
1
,
2
,
1

2
) ,
1
,
2
R
y por tanto, w
3
= w
1
w
2
. As, K es una base para S y dim(S) = 2. Observe que K no
puede generar R
3
(por qu).
Observacin 1.2 La dimensin de un espacio vectorial no depende de la base utilizada. Esto
se debe a que todas las bases tienen el mismo cardinal, es decir, el mismo nmero de elementos.
Ejercicio 1.17 Calcular la dimensin del subespacio vectorial
W = span({(1, 1, 0) , (1, 1, 1) , (2, 2, 1)}) R
3
Solucin: Observe que los vectores (1, 1, 0), (1, 1, 1) y (2, 2, 1) no son linealmente independi-
entes, pues
(2, 2, 1) = 1 (1, 1, 0) +1 (1, 1, 1)
Una base para Wes
{(1, 1, 0) , (1, 1, 1)}
As, dim(W) = 2.
Ejemplo 1.21 Una base para R
22
es por ejemplo

1 0
0 0

0 1
0 0

0 0
1 0

0 0
0 1

Es fcil vericar que este conjunto es linealmente independiente y generador de R

22
. Por lo
tanto, dim

R
22

= 4.
Un espacio vectorial tiene muchas bases, ms adelante veremos que resulta ventajoso decidir
con cul base se trabajar. Por lo general, la base ms conveniente ser aquella denominada
base natural o base cannica.
Observacin 1.3 Las bases cannicas de los espacios vectoriales eucldeos, de matrices y de
polinomios, son las siguientes:
CAPTULO 1. ESPACIOS VECTORIALES 17
1. La base cannica para K
n
es {e
1
, ..., e
n
}, donde
e
i
= (0, ..., 0, 1, 0, ..., 0)
| {z }
1 en la i-posicin
K
n
Observe que dim(K
n
) = n.
2. La base cannica de K
mn
es
{E
1,1
, ..., E
1,n
, E
2,1
, ..., E
2,n
, ..., E
m,1
, ..., E
m,n
}
donde
E
i,j
=
5
9
9
9
9
9
7
0 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0
6
:
:
:
:
:
8
=

1 , en la la i y columna j
0 , en otros casos
Observe que dim(K
mn
) = mn.
3. La base cannica para P
n
(K), polinomios de grado menor o igual a n, es

1, x, x
2
, ..., x
n

As, dim(P
n
(K)) = n +1.
4. La base cannica para P(K), polinomios de cualquier grado, es

1, x, x
2
, ..., x
n
, x
n+1
, ...

As, dim(P(K)) = .
A continuacin veremos ms propiedades importantes:
Proposicin 1.2 Sea V un K-espacio espacio vectorial de dimensin nita y sea S un con-
junto de vectores de V. Entonces,
1. Si S es linealmente independiente, entonces el cardinal de S es menor o igual a dim(V).
2. Si S genera V, entonces el cardinal de S es mayor o igual dim(V) y podemos extraer de
S una base para V.
3. Si S es linealmente independiente y el cardinal de S es igual a dim(V), entonces S es
base de V.
4. Si S genera V y cardinal de S es igual a dim(V), entonces S es base para V.
5. Si F es un subespacio vectorial de dimensin cero, entonces F = {0}.
6. Si F es un subespacio vectorial de V, entonces dim(F) _ dim(V)
7. Si F es un subespacio vectorial de V tal que dim(F) = dim(V) < , entonces F = V
8. Si F y G son subespacio vectoriales de V tales que F G y dim(F) = dim(G) < ,
entonces F = G.
CAPTULO 1. ESPACIOS VECTORIALES 18
1.3. Coordenadas de una base
En esta seccin asumiremos que tratamos con un espacio vectorial de dimensin nita V
con base B. Sabemos que la propiedad fundamental de B = {v
1
, ..., v
n
} es que, cualquier x V
puede representarse por una nica combinacin lineal de elementos de B. Es decir,
Para cada x V, existen nicos
1
, ...,
n
K, tales que x =
1
v
1
+... +
n
v
n
Si imponemos ahora un orden a la base B, por ejemplo la que tiene actualmente, entonces
diremos que las coordenadas de x con respecto a la base ordenada B son justamente

1
, ...,
n
A tales coordenadas las denotaremos por
x
B
=
5
9
7

1
.
.
.

n
6
:
8
K
n1
(matrices columna de n elementos)
Ejemplo 1.22 Considere el espacio eucldeo R
3
. Con respecto a la base cannica B
1
= {e
1
, e
2
, e
3
},
las coordenadas de v = (1, 2, 3) conforman las componentes de la matriz columna
v
B
1
=
5
7
1
2
3
6
8
pues
v = 1 e
1
+2 e
2
+3 e
3
Pero, si cambiamos el orden en la base B
1
, y obtenemos la base B
2
= {e
2
, e
1
, e
3
}, las
coordenadas ya no son las mismas, pues
v = 2 e
2
+1 e
1
+3 e
3
y las coordenadas estaran dadas por
v
B
2
=
5
7
2
1
3
6
8
Pero, si ahora usramos la base B
3
= {e
1
, e
2
, w} para R
3
, donde w = (1, 1, 1), entonces
tendramos
v = (1, 2, 3) = 1 (1, 0, 0) 1 (0, 1, 0) +3 (0, 1, 1)
y las coordenadas de v en la base B
3
seran
v
B
3
=
5
7
1
1
3
6
8
(1.7)
Observacin 1.4 No debe confundirse coordenadas con componentes. Por ejemplo, 1, 2 y
3 son las componentes del vector (1, 2, 3) R
3
. Sin embargo, en (1.7) las coordenadas del
CAPTULO 1. ESPACIOS VECTORIALES 19
mismo vector con respecto a la base B
3
son 1, 1 y 3, y como se puede ver, no necesariamente
coinciden con las componentes.
Observacin 1.5 En R
n
por ejemplo, con respecto a la base cannica {e
1
, e
2
, ..., e
n
}, las coor-
denadas y las componentes de un vector x R
n
coinciden. (Por qu?)
Ejemplo 1.23 Las bases cannicas de los espacios eucldeos K
n
, los espacios de polinomios
P
n
(K) y los espacios de matrices K
mn
son muy tiles, pues:
1. El vector x = (x
1
, ..., x
n
) K
n
tiene por coordenadas
x =
5
9
7
x
1
.
.
.
x
n
6
:
8
(con respecto a la base cannica en este espacio vectorial)
2. El polinomio (vector) p
n
(x) =
P
n
k=0
a
k
x
k
tiene por coordenadas
p
n
(x) =
5
9
7
a
0
.
.
.
a
n
6
:
8
(con respecto a la base cannica en este espacio vectorial)
3. A =
5
9
9
9
7
a
1,1
a
1,n
a
2,1
a
2,n
.
.
.
.
.
.
.
.
.
a
m,1
a
m,n
6
:
:
:
8
K
mn
, con respecto a la base cannica en este espacio vecto-
rial, tiene por coordenadas

A =

a
1,1
a
1,n
a
2,1
a
2,n
a
m,1
a
m,n

t
Ejemplo 1.24 Tomemos el vector x = (8, 2) R
2
. Consideremos tres bases distintas de R
2
:
la base cannica B = {e
1
, e
2
}, la base W = {w
1
, w
2
}, donde w
1
= (3, 1) y w
2
= (5, 1), y,
nalmente, la base L = {v
1
, v
2
}, donde v
1
= (1, 1) y v
2
= (6, 0). Entonces,
x
B
=

8
2

, x
W
=

1
1

y x
L
=

2
1

Ejemplo 1.25 En R
22
consideramos la base cannica B y la base W formada por los vectores
v
1
=

1 1
2 3

, v
2
=

1 2
1 1

, v
3
=

1 1
1 1

y v
4
=

5 1
2 1

Las coordendas de A =

4 1
0 2

R
22
con respecto a la base B y W, respectivamente, son

A
B
=
5
9
9
7
4
1
0
2
6
:
:
8
y

A
W
=
5
9
9
7
1
1
1
1
6
:
:
8
CAPTULO 1. ESPACIOS VECTORIALES 20
1.4. Cambio de base
Sean U = {u
1
, ..., u
m
} y V = {v
1
, ..., v
n
} dos bases de un K-espacio vectorial V de dimensin
nita. Dado x V, las coordenadas de x con respecto a U estn representadas por el vector
columna x
U
=
5
9
7

1
.
.
.

n
6
:
8
, donde
x =
1
u
1
+... +
n
u
n
(1.8)
Vemos adems que las coordenadas de cada u
i
, i = 1, ..., n, con respecto a la base V, estn
representadas por el vector columna ( u
i
)
V
=
5
9
7

i,1
.
.
.

i,n
6
:
8
, donde
u
1
=
1,1
v
1
+... +
1,n
v
n
(1.9)
u
2
=
2,1
v
1
+... +
2,n
v
n
.
.
.
u
n
=
n,1
v
1
+... +
n,n
v
n
Reemplazando (1.9) en (1.8), tenemos
x =
1
(
1,1
v
1
+... +
1,n
v
n
) +... +
n
(
n,1
v
1
+... +
n,n
v
n
)
= (
1

1,1
+... +
n

n,1
) v
1
+... + (
1

1,n
+... +
n

n,n
) v
n
Luego, las coordenadas de x en la base V son
x
V
=
5
9
7

1,1
+... +
n

n,1
.
.
.

1,n
+... +
n

n,n
6
:
8
=
5
9
7

1,1
.
.
.

1,n
6
:
8

1
+... +
5
9
7

n,1
.
.
.

n,n
6
:
8

n
=
5
9
9
9
7

1,1

2,1

n,1

1,2

2,2

n,2
.
.
.
.
.
.
.
.
.
.
.
.

1,n

2,n

n,n
6
:
:
:
8
5
9
9
9
7

2
.
.
.

n
6
:
:
:
8
= C
U
V
x
U
donde
C
U
V
=
5
9
9
9
7

1,1

2,1

n,1

1,2

2,2

n,2
.
.
.
.
.
.
.
.
.
.
.
.

1,n

2,n

n,n
6
:
:
:
8
K
nn
Es decir, para cualquier vector x V:
x
V
= C
U
V
x
U
CAPTULO 1. ESPACIOS VECTORIALES 21
La matriz C
U
V
se denomina matriz de cambio de base de la base U a la base V. Ms adelante
vericaremos que esta matriz es nica e inversible. Esto ltimo nos permite decir tambin que:
x
U
=

C
U
V

1
x
V
lo que signica que
C
V
U
=

C
U
V

1
y C
U
V
=

C
V
U

1
Ms an, en general, para bases nitas U, V y W de un espacio K-espacio vectorial,
C
V
W
= C
U
W
C
V
U
(1.10)
Problema 1.3 Verique la validez de la ecuacin (1.10).
Una forma bien til de calcular la matriz de cambio de base entre dos bases no cannicas
U y V, es justamente utilizar como intermediaria la base cannica. El ejemplo 1.27 explica
esta situacin.
Ejemplo 1.26 Sea el espacio vectorial R
2
. Consideremos las bases B
1
= {(2, 0) , (0, 4)} y
B
2
= {(1, 1) , (1, 1)}, dados los vectores x, y R
2
tales que x
B
1
=

7
1

y y
B
2
=

1
1

.
Calcular x
B
2
y y
B
1
.
1. Para el primer caso, observe que
(2, 0) = 1 (1, 1) +1 (1, 1)
(0, 4) = 2 (1, 1) 2 (1, 1)
y
C
B
1
B
2
=

1 2
1 2

As,
x
B
2
= C
B
1
B
2
x
B
1
=

1 2
1 2

7
1

=

9
5

2. Para el segundo caso, note que

(1, 1) =
1
2
(2, 0) +
1
4
(0, 4)
(1, 1) =
1
2
(2, 0)
1
4
(0, 4)
Adems, vemos que
C
B
2
B
1
=
"
1
2
1
2
1
4

1
4
#
pero tambin pudimos haberla calculado mediante:
C
B
2
B
1
=

C
B
1
B
2

1
=

1 2
1 2

1
=
"
1
2
1
2
1
4

1
4
#
CAPTULO 1. ESPACIOS VECTORIALES 22
Por lo tanto,
y
B
1
= C
B
2
B
1
y
B
2
=
"
1
2
1
2
1
4

1
4
#

1
1

=
"
0
1
2
#
Ejemplo 1.27 En R
3
, consideremos las bases
B = {(1, 0, 0) , (0, 1, 0) , (0, 0, 1)} (base cannica)
U =

(1, 1, 6) ,

_
2, 1, 1

, (1, 2, 3)

V = {(1, 1, 2) , (1, 1, 1) , (9, 5, 21)}

Dado x
U
=
5
7
2
3
1
6
8
, calcular x
V
.
Para esto hacemos uso de la ecuacin (1.10).
1. Calculamos C
U
B
, esto es inmediato pues:
(1, 1, 6) = 1 (1, 0, 0) +1 (0, 1, 0) +6 (0, 0, 1)

_
2, 1, 1

=
_
2 (1, 0, 0) +1 (0, 1, 0) +1 (0, 0, 1)
(1, 2, 3) = 1 (1, 0, 0) +2 (0, 1, 0) +3 (0, 0, 1)
luego
C
U
B
=
5
7
1
_
2 1
1 1 2
6 1 3
6
8
2. Ahora calculamos C
V
B
, pero de esta vez directamente:
C
V
B
=
5
7
1 1 9
1 1 5
2 1 21
6
8
3. Luego, como C
V
B
C
U
V
= C
U
B
, entonces
C
U
V
=

C
V
B

1
C
U
B
=
5
7
1 1 9
1 1 5
2 1 21
6
8
1
5
7
1
_
2 1
1 1 2
6 1 3
6
8
=
5
9
7

5
12

221
985
11
24
59
24
2696
2127
79
48
5
24
17
1970
1
48
6
:
8
4. Finalmente,
x
V
= C
U
V
x
U
=
5
9
7

5
12

221
985
11
24
59
24
2696
2127
79
48
5
24
17
1970
1
48
6
:
8
5
7
2
3
1
6
8
=
5
9
7
141
473
2840
1029
475
1154
6
:
8
CAPTULO 1. ESPACIOS VECTORIALES 23
1.5. Espacios vectoriales normados y con producto in-
terno
Una vez que conocemos espacios vectoriales, resulta de gran utilidad incorporar conceptos
adicionales, la norma y el producto interno.
Denicin 1.9 (Norma de un vector) Sea V un K-espacio vectorial. Una norma es una
funcin kk : V 7R que cumple los siguientes axiomas:
1. kxk _ 0, para todo x V
2. kxk = 0 x = 0, para todo x V
3. k xk = || kxk, para todo K y x V
4. kx +yk _ kxk + kyk, para todo x V (desigualdad triangular)
La expresin kxk se lee la norma del vector x.
Ejemplo 1.28 (Norma eucldea para R
n
) La norma eucldea (cannica o convencional)
sobre R
n
, donde R
n
es el espacio vectorial convencional, est dada por:
kxk =
q
x
2
1
+... +x
2
n
donde x = (x
1
, ..., x
n
) R
n
. As,
x = (1, 2) R
2
= kxk =
p
(1)
2
+ (2)
2
=
_
5
Por otro lado,
y = (1, 0, 1) R
3
= kyk =
p
(1)
2
+ (0)
2
+ (1)
2
=
_
2
En R
n
la norma de un vector x se puede interpretar como la distancia de x al origen.
Ejemplo 1.29 (Distancia entre dos vectores en R
n
) La norma sirve tambin para ex-
presar distancia entre dos vectores. Sean x, y R
n
, donde x = (x
1
, ..., x
n
), y = (y
1
, ..., y
n
) y
R
n
lo asumimos como el espacio vectorial convencional antes descrito. La distancia conven-
cional entre x y y est dada por
kx yk =
q
(x
1
y
1
)
2
+... + (x
n
y
n
)
2
Por ejemplo, si x, y R
3
, donde x = (1, 1, 0) y y = (2, 3, 1), la distancia entre x y y ser
kx yk =
q
(1 2)
2
+ (1 +3)
2
+ (0 1)
2
=
_
1 +16 +1 =
_
18
Ejemplo 1.30 (Normas alternativas en R
n
) Pero la norma eucldea o convencional en
R
n
no es la nica, pues existe una innidad de normas. Dos normas alternativas y bien
conocidas en R
n
son:
CAPTULO 1. ESPACIOS VECTORIALES 24
1. la norma de la suma, denotada por kxk
1
o por kxk
suma
, est dada por
kxk
1
= |x
1
| +... +|x
n
|
2. la norma del mximo, denotada por kxk

o por kxk
max
, est dada por
kxk

= max{|x
1
|, ..., |x
n
|}
Ejemplo 1.31 Si x = (1, 3), entonces
kxk
1
= k(1, 3)k
1
= | 1| +|3| = 4
mientras que
kxk

= k(1, 3)k

= max{| 1|, |3|} = 3

Ejemplo 1.32 (Norma de una matriz en R
mn
) Consideremos el espacio vectorial R
mn
convencional. Sabemos que sus elementos, vectores, son en realidad matrices reales de m-las
y n-columnas. Si A R
mn
, donde a
i,j
representa un elemento de A, la norma de Frobenius
est dada por
kAk
F
=
v
u
u
t
m
X
i=1
n
X
j=1
a
2
i,j
Podemos ver que, si A R
23
y
A =

2 1 0
1 0 3

entonces
kAk
F
=
p
(2)
2
+ (1)
2
+ (0)
2
+ (1)
2
+ (0)
2
+ (3)
2
=
_
15
Otras normas importantes para matrices en R
mn
sern vistas en el siguiente captulo.
Con la norma ya se puede medir la longitud y/o magnitud de un vector en un espacio
vectorial, e inclusive la distancia entre dos vectores. Sin embargo, no podemos medir ngulos
entre vectores. Para eso es necesario introducir otro concepto, el producto interno.
Denicin 1.10 (Espacio vectorial con producto interno) Un espacio con producto in-
terno es un espacio vectorial con un producto interno denido sobre ste. Un producto interno
es un funcin h, i : VV 7K de modo tal que para vectores x, y, z V y un escalar K,
se cumple:
1. hx +y, zi = hx, yi + hy, zi
2. h x, yi = hx, yi
3. hx, yi = hy, xi
4. hx, yi _ 0
5. hx, xi = 0 x = 0
CAPTULO 1. ESPACIOS VECTORIALES 25
Ejemplo 1.33 (Producto interno convencional en R
n
) Sea R
n
el espacio vectorial con-
vencional. El producto interno convencional o cannico h, i : R
n
R
n
7R, est dado por
hx, yi = x
1
y
1
+... +x
n
y
n
donde x = (x
1
, ..., x
n
) R
n
y y = (y
1
, ..., y
n
) R
n
. As, para el caso de R
3
convencional, si
x = (2, 1, 4) y y = (5, 9, 3), tenemos
hx, yi = h(2, 1, 4), (5, 9, 3)i = (2)(5) + (1)(9) + (4)(3) = 13
Algunos conceptos importantes vinculados al producto interno convencional en R
n
son:
Dos vectores en el espacio vectorial con producto interno R
n
son dichos ortogonales si
hx, yi = 0
Dados dos vectores x, y R
n
. El ngulo formado entre los vectores no nulos x y y,
satisface
cos =
hx, yi
kxk kyk
Ejemplo 1.34 Dados los vectores x, y R
4
convencional, donde x = (1, 0, 2, 0) y y =
(3, 5,
3
2
, 4), vemos que
hx, yi = (1)(3) + (0)(5) + (2)(
3
2
) + (0)(4) = 0
Por consiguiente, x y y son ortogonales. Por otro lado, Si a, b R
3
, donde a = (1, 2, 3) y
b = (3, 2, 1), el coseno del ngulo entre x y y es
cos =
(1)(3) + (2)(2) + (3)(1)
p
(1)
2
+ (2)
2
+ (3)
2
p
(3)
2
+ (2)
2
+ (1)
2
=
2
7
La siguiente propiedad tambin es importante. Para cualesquiera x, y R
n
, se cumple
|hx, yi| _ kxk kyk