Академический Документы
Профессиональный Документы
Культура Документы
ESPACIOS VECTORIALES
CÉSAR ROSALES
GEOMETRÍA I
En este tema comenzaremos el estudio de los objetos que nos interesarán en esta asigna-
tura: los espacios vectoriales. Estos son estructuras básicas en matemáticas que aparecen no
sólo en geometría, sino también en álgebra o en cálculo (se verá en lo ejemplos).
Los espacios vectoriales representan las estructuras más simples en las que se puede hacer
geometría. A pesar de su sencillez, juegan un papel clave en el estudio de figuras complicadas
como curvas o superficies; de hecho, el método que se sigue para estudiar estas figuras consis-
te en asociarles en cada punto un espacio vectorial que las “aproxime” bien en las cercanías
del punto, y en analizar cómo este espacio vectorial cambia al movernos sobre la figura.
Los espacios vectoriales también son muy importantes en otras ciencias, como la física,
donde es habitual el empleo de magnitudes vectoriales en la resolución de problemas. También
son muy relevantes en la teoría de la relatividad.
Nota 1.3. Nótese que la definición de e.v. es muy parecida a la de anillo. No obstante, en
un anillo, el producto · es una operación interna (se multiplican dos elementos del anillo
resultando otro elemento del anillo) mientras que en un e.v. el producto · no es interno (se
multiplica un elemento de K por otro de V resultando un elemento de V ). Esto justifica que
la primera propiedad del producto · de un e.v. no sea una propiedad asociativa propiamente
dicha. Es por ello que se llama “pseudoasociativa”.
Definición 1.4. Si V es un e.v. sobre K, llamaremos escalares a los elementos de K y vecto-
res a los elementos de V (aunque muchas veces estos no serán los vectores a los que estamos
acostumbrados en la enseñanza secundaria). Usaremos las letras a, b, c, . . . para referirnos a
los escalares y las letras u, v, w, . . . para referirnos a los vectores. La operación + de V se
llama suma de vectores y la acción · de K sobre V se llama producto de escalares por vectores.
A veces escribiremos a v para referirnos al vector a · v. Cuando K = R diremos que V es un
e.v. real. Cuando K = C diremos que V es un e.v. complejo.
Antes de introducir más terminología necesitamos probar algunos resultados que se dedu-
cen inmediatamente de la definición de e.v.
Lema 1.5. En un espacio vectorial V hay un único neutro para la suma de vectores.
Demostración. Supongamos que e1 y e2 son dos vectores de V que se comportan como neu-
tros. Veamos que e1 = e2 . Usando que e2 es neutro tenemos e1 = e1 + e2 . Usando que e1 es
neutro tenemos e1 + e2 = e2 . Encadenando ambas igualdades tenemos e1 = e2 .
Definición 1.6. Si V es un e.v., al único elemento neutro para la suma de vectores lo llama-
remos vector cero o nulo, y lo denotaremos por 0 (no confundir con el neutro para la suma
de escalares en K, que se denota igual). Ahora podemos reescribir la igualdad que define al
vector cero como v + 0 = 0 + v = v, para cada v ∈ V .
Lema 1.7. En un espacio vectorial V , cada vector v ∈ V tiene un único opuesto.
Demostración. Sean w1 y w2 dos vectores opuestos para v. Veamos que w1 = w2 . Para ello:
w1 = w1 + 0 = w1 + (v + w2 ) = (w1 + v) + w2 = 0 + w2 = w2 .
La primera igualdad de arriba se debe a que 0 es el neutro. En la segunda se usa que w2 es un
vector opuesto de v y, por tanto, v + w2 = 0. En la tercera se emplea la propiedad asociativa
para la suma en V . En la cuarta se usa que w1 es un opuesto de v, por lo que w1 + v = 0.
En la última se usa otra vez la propiedad del vector cero.
Definición 1.8. Si V es un e.v., al único vector opuesto de v ∈ V lo llamaremos vector
opuesto de v y lo denotaremos por −v (más tarde veremos que este vector coincide con
(−1) · v, como la notación parece sugerir). Ahora podemos reescribir la igualdad que define
al vector opuesto como v + (−v) = (−v) + v = 0, para cada v ∈ V .
Ahora vamos a mostrar diversos ejemplos que reflejen la riqueza y abundancia de espacios
vectoriales en distintas ramas de las matemáticas. En cada ejemplo indicaremos escalares,
vectores, igualdad de vectores, suma de vectores y producto de escalares por vectores. Ade-
más, mostraremos cuáles son el vector cero y los vectores opuestos.
Ejemplo 1.9 (Vectores libres en el plano). Un vector (fijo) en el plano es un segmento
de recta orientado delimitado por dos puntos llamados respectivamente origen y extremo.
Representaremos por F 2 al conjunto de los vectores libres en el plano, entendiendo que dos
TEMA 2. ESPACIOS VECTORIALES 3
vectores libres son iguales si tienen igual dirección (están contenidos en rectas paralelas),
sentido y longitud. Así, dos vectores fijos distintos pueden dar lugar al mismo vector libre.
Dados dos vectores libres →−
u y→ −
v , su suma → −
u +→ −v es el vector libre asociado a un vector
cuyo origen es el origen de u y cuyo extremo es el extremo de →
→
− −
v , una vez que tomamos
→
− →
− →
−
como origen de v el extremo de u . Por otro lado, si a ∈ R y v es un vector libre, se define
a·→−
v como el vector libre con la misma dirección de → −v , el mismo sentido si a > 0 o sentido
→
−
contrario si a < 0, y cuya longitud es la de v multiplicada por |a|. No es difícil probar que,
con estas operaciones, F 2 se convierte en un e.v. real. El vector nulo de F 2 es el vector libre
de longitud 0 (el asociado a cualquier vector fijo donde el origen y el extremo coinciden).
Además, el opuesto de un vector →−v es el vector libre asociado a cualquier vector con la misma
dirección, la misma longitud y sentido contrario.
Ejemplo 1.10 (Vectores libres en el espacio). Un vector (fijo) en el espacio es un segmento
orientado de recta delimitado por dos puntos llamados respectivamente origen y extremo.
Representaremos por F 3 al conjunto de los vectores libres en el espacio, entendiendo que
dos de tales vectores son iguales si tienen la misma dirección (están contenidos en rectas
paralelas), sentido y longitud. Siguiendo exactamente el mismo proceso que en el ejemplo
anterior se puede dar estructura de e.v. real a F 3 .
Ejemplo 1.11 (Los espacios R2 y R3 ). Representaremos por R2 al conjunto de los pares or-
denados (x, y) donde x, y ∈ R. Es sabido que R2 constituye un modelo numérico del conjunto
F 2 de los vectores libres en el plano. Recordemos esto con mayor detalle.
Fijemos un sistema de referencia cartesiano R en el plano, con origen en un punto dado O
y vectores {→−
e1 , →
−
e2 } con origen en O. Afirmamos que todo vector libre →
−
v queda unívocamente
determinado por un par de números reales. Para ello, se toma el representante de → −v con
→
− →
−
origen en O y se descompone el vector fijo resultante como x · e1 + y · e2 con x, y ∈ R.
Esto permite asociar a → −
v sus coordenadas (x, y) ∈ R2 con respecto a R. Y, recíprocamente,
toda pareja (x, y) ∈ R determina un único vector libre asociado a x · →
2 −
e1 + y · →
−
e2 . ¿Cómo se
realiza la suma en F 2 y el producto de números reales por elementos de F 2 en términos de
coordenadas? No es difícil comprobar que si → −u,→−v ∈ F 2 tienen coordenadas (x, y) y (x0 , y 0 ),
→
− →
−
entonces las coordenadas de u + v están dadas por (x + x0 , y + y 0 ). Además, si a ∈ R y
→
−v ∈ F 2 entonces las coordenadas de a · v en función de las coordenadas (x, y) de → −
v se
obtienen como (a · x, a · y).
Las consideraciones anteriores nos llevan a definir en R2 la siguiente suma interna y pro-
ducto por escalares reales:
(x, y) + (x0 , y 0 ) = (x + x0 , y + y 0 ), a · (x, y) = (a · x, a · y).
Usando las propiedades de la suma y del producto en R es fácil probar que, con estas opera-
ciones, R2 es un e.v. real. El vector cero es (0, 0), mientras que el opuesto de (x, y) ∈ R2 es
(−x, −y).
Si trabajamos en F 3 en lugar de en F 2 entonces llegamos al conjunto R3 formado por las
ternas (x, y, z) donde x, y, z ∈ R. Además, las operaciones geométricas de vectores libres en
F 3 se traducen en operaciones con elementos de R3 efectuadas coordenada a coordenada.
Concretamente, si en R3 definimos + y · como:
(x, y, z) + (x0 , y 0 , z 0 ) = (x + x0 , y + y 0 , z + z 0 ), a · (x, y, z) = (a · x, a · y, a · z),
entonces obtenemos un e.v. real que supone un modelo numérico de F 3 . El vector cero en
este caso es (0, 0, 0), mientras que el opuesto de (x, y, z) ∈ R3 es (−x, −y, −z).
Ejemplo 1.12 (Los espacios K n ). La estructura de e.v. estudiada en el ejemplo anterior se
puede generalizar fácilmente sustituyendo R por un cuerpo K cualquiera y el exponente 2 o
3 por cualquier número natural. Veámoslo.
4 CÉSAR ROSALES GEOMETRÍA I
donde hemos usado cómo se multiplican elementos de K por matrices y la propiedad asocia-
tiva del producto de K.
Comprobemos la propiedad unimodular. Dada A = (aij ) en Mm×n (K), se tiene:
1 · A = (1 · aij ) = (aij ) = A,
donde hemos usado que 1 es el neutro para el producto en K.
Comprobemos por último las propiedades distributivas. Sean a, b ∈ K. Tomemos también
A = (aij ) y B = (bij ) en Mm×n (K). Se tiene:
(a + b) · A = ((a + b) · aij ) = (a · aij + b · aij ) = (a · aij ) + (b · aij ) = a · A + b · A,
a · (A + B) = a · (aij + bij ) = (a · (aij + bij )) = (a · aij + a · bij )
= (a · aij ) + (a · bij ) = a · A + a · B,
donde hemos usado cómo se suman matrices, cómo se multiplican elementos de K por ma-
trices, y las propiedades distributivas en K.
Todo lo anterior prueba que Mm×n (K) es un e.v. sobre K. Nótese que el vector nulo es
la matriz 0m×n . Además, el vector opuesto de A es la matriz −A antes definida.
Ejemplo 1.14 (Espacios de polinomios). El siguiente ejemplo es interesante en álgebra. Sea
K un cuerpo. Un polinomio con coeficientes en K es una expresión del tipo:
(1.1) p(x) = a0 + a1 x + . . . + an xn ,
donde n ∈ N ∪ {0} y ai ∈ K para cada i = 0, . . . , n. Se define el polinomio nulo como
0 = 0 + 0 x + . . . + 0 xn . Diremos que un polinomio no nulo tiene grado n si se escribe co-
mo en (1.1) y an 6= 0. Representaremos por K[x] al conjunto de todos los polinomios con
coeficientes en K. Veamos que K[x] tiene estructura de e.v. sobre K.
Dados p(x) = a0 + a1 x + . . . + an xn y q(x) = b0 + b1 x + . . . + bm xm en K[x] con n 6 m,
definimos:
p(x) + q(x) = (a0 + b0 ) + (a1 + b1 ) x + . . . + (an + bn ) xn + bn+1 xn+1 + . . . + bm xm ,
es decir, sumamos los monomios del mismo grado. Dados a ∈ K y un polinomio p(x) =
a0 + a1 x + . . . + an xn en K[x], definimos:
a · p(x) = (a · a0 ) + (a · a1 ) x + . . . + (a · an ) xn .
No es difícil comprobar que, con las operaciones anteriores, K[x] es un e.v. sobre K. El vector
cero es el polinomio nulo, mientras que el opuesto de un polinomio p(x) = a0 +a1 x+. . .+an xn
es el polinomio −a0 − a1 x − . . . − an xn .
Ejemplo 1.15 (Espacios de funciones). Nuestro último ejemplo es relevante en análisis ma-
temático. Sea X un conjunto y K un cuerpo. Una función de X en K es una regla f : X → K,
que asocia a cada elemento x ∈ X un único elemento f (x) ∈ K. Dos funciones f, g : X → K
son iguales y escribimos f = g si f (x) = g(x) para cada x ∈ X. Representaremos por
F (X, K) al conjunto de todas las funciones de X en K. Veamos que F (X, K) admite una
estructura natural de e.v. sobre K.
Dadas dos funciones f, g : X → K definimos su suma como la función f + g : X → K
dada por (f + g)(x) = f (x) + g(x), para cada x ∈ X. Dado a ∈ K y una función f : X → K
definimos su producto como la función a · f : X → K dada por (a · f )(x) = a · f (x), para cada
x ∈ X. Usando las propiedades de anillo de K se comprueba fácilmente que F (X, K) es un
e.v. sobre K con las operaciones anteriores. El vector nulo es la función cero 0 : X → K que
asocia a cada x ∈ X el elemento 0 ∈ K. Además el vector opuesto de una función f : X → K
es la función de X en K que asocia a cada x ∈ X el opuesto −f (x) de f (x) en K.
6 CÉSAR ROSALES GEOMETRÍA I
En este tema estudiaremos propiedades que cumplen todos los espacios vectoriales. Par-
tiendo de los axiomas probaremos cada vez resultados más interesantes. Por ejemplo aún
no sabemos que 0 · v = 0, para cada v ∈ V (no es un axioma). En la siguiente proposición
mostraremos algunos hechos sencillos que se deducen directamente de los axiomas y que nos
permiten operar de forma natural en un e.v.
Proposición 1.18. Sea V un e.v. sobre un cuerpo K. Se cumplen estas propiedades:
Vamos ahora con 5). Tenemos que probar dos igualdades. Nótese que:
a · v + (−a) · v = (a + (−a)) · v = 0 · v = 0,
−a · v + a · v = (−a + a) · v = 0 · v = 0.
Como el opuesto es único, se tiene que −(a · v) = (−a) · v. La igualdad −(a · v) = a · (−v)
se prueba de modo análogo. La igualdad en 6) se sigue tomando a = 1 en 5) y usando la
propiedad unimodular. Para probar 7) nótese que, por 6) y una de las distributivas, se tiene:
−(u + v) = (−1) · (u + v) = (−1) · u + (−1) · v = −u + (−v) = −u − v.
Ahora vamos con 8). Por las propiedad 6) y la pseudoasociativa, se tiene:
(−a) · (−v) = (−a) · ((−1) · v) = ((−a) · (−1)) · v = a · v.
Para probar 9) usamos 8) de este modo:
−(−v) = (−1) · (−v) = 1 · v = v.
Para probar 10), basta multiplicar por a−1 a ambos lados de a · u = a · v, usar la pseudo-
asociativa y la unimodular. Vamos con 11). Tenemos la igualdad a · v = b · v, que equivale a
a · v − (b · v) = 0. Por la propiedad 5) y una de las distributivas:
0 = a · v − (b · v) = a · v + (−b) · v = (a + (−b)) · v = (a − b) · v
Por la propiedad 4) y como v 6= 0, se sigue que a − b = 0, es decir, a = b.
Nota 1.19. Una consecuencia inmediata de la propiedad 11) es la siguiente: si V es un e.v.
sobre un cuerpo infinito K, entonces V tiene un único vector (el nulo) o infinitos. En efecto,
supongamos que existe v ∈ V con v 6= 0. Afirmamos que la familia L(v) := {a · v /a ∈ K} es
infinita. En efecto, si ocurriese a · v = b · v, entonces por la propiedad 11) se tendría a = b. Por
tanto, para diferentes valores de a ∈ K los vectores a · v son distintos. Como K es infinito,
entonces L(v) también lo es. Y como L(v) ⊆ V , entonces V es infinito.
Ejercicio 1. Demostrar que si V es un e.v. sobre K entonces se cumplen las igualdades:
a · (u − v) = a · u − a · v,
(a − b) · v = a · v − b · v,
para cada a, b ∈ K y cada u, v ∈ V .
Ejercicio 2. Demostrar que en un e.v. la conmutatividad de la suma de vectores es una
consecuencia de los otros axiomas que aparecen en la definición.