Este temario corresponde en exclusiva a la especialidad de Matemáticas del Cuerpo de Profesores de Enseñanza Secundaria (código 590/512) — una de las aproximadamente 50 especialidades oficiales de este cuerpo. No cubre ninguna otra especialidad de Secundaria (Lengua Castellana y Literatura, Geografía e Historia, Física y Química, Biología y Geología, Inglés, Filosofía, Tecnología, Dibujo, Música...) ni los cuerpos de Maestros o de Profesores Técnicos de Formación Profesional, que tienen temarios propios y distintos, todavía no publicados en OpositaGratis. El cuestionario específico (Parte A) que se reproduce aquí es el fijado con carácter estatal por el entonces Ministerio de Educación y Ciencia, y sigue siendo, más de tres décadas después, el temario base que las distintas Administraciones educativas —las 17 comunidades autónomas más Ceuta y Melilla, cada una competente para convocar su propia oposición— citan y desarrollan en sus resoluciones de convocatoria anual, al no existir una versión posterior que lo haya derogado o sustituido con carácter general para esta especialidad. Cada convocatoria autonómica concreta puede añadir particularidades propias (requisitos lingüísticos en comunidades con lengua cooficial, la prueba de programación y unidad didáctica, u otras variaciones menores de redacción), que no están reflejadas en este índice.
El Tema 12 desarrolla la estructura algebraica de espacio vectorial, el objeto central del álgebra lineal y uno de los pilares de todo el bloque disciplinar de Álgebra del temario: sin él no pueden entenderse ni las matrices y determinantes, ni los sistemas de ecuaciones lineales, ni gran parte de la geometría afín y euclídea que se desarrolla en temas posteriores. Se parte de la definición axiomática de espacio vectorial sobre un cuerpo K, se estudian los conceptos de subespacio, combinación lineal, sistema generador, dependencia/independencia lineal, base y dimensión —con el teorema de Steinitz como resultado que garantiza la buena definición de esta última—, y se cierra con las variedades lineales (subespacios afines) y las aplicaciones lineales entre espacios vectoriales, cuyo estudio culmina en el teorema de las dimensiones y en los teoremas de isomorfía.
Es un tema de máxima exigencia teórica en la oposición de Secundaria-Matemáticas: exige manejar con soltura demostraciones (Steinitz, rango-nulidad, primer teorema de isomorfía) y distinguir con precisión conceptos que en la práctica docente se confunden con frecuencia, como sistema generador frente a base, o subespacio vectorial frente a variedad lineal. Su tratamiento didáctico exige además conectar la abstracción algebraica con la intuición geométrica de R² y R³ y con las aplicaciones a la resolución de sistemas lineales y a la geometría analítica.
Un espacio vectorial sobre un cuerpo K (habitualmente K=ℝ o K=ℂ) es una terna (V,+,·) formada por un conjunto V, una operación interna + (suma de vectores) que dota a V de estructura de grupo abeliano, y una operación externa ·: K×V→V (producto por escalares) que satisface cuatro axiomas de compatibilidad con la suma de K, el producto de K y los elementos de V. Los elementos de V se llaman vectores y los de K, escalares. La estructura se completa exigiendo que (V,+) sea grupo conmutativo: existe elemento neutro 0 (vector nulo), todo vector u tiene opuesto −u, la suma es asociativa y conmutativa. La definición es deliberadamente abstracta y no presupone que los vectores sean segmentos orientados ni n-uplas: son espacios vectoriales tanto Rⁿ como el conjunto de polinomios de grado ≤n, el conjunto de funciones continuas en un intervalo, el conjunto de matrices m×n o el conjunto de sucesiones convergentes, todos con las operaciones habituales de suma y producto por escalar. Esta generalidad es precisamente lo que da al álgebra lineal su enorme potencia unificadora: un único cuerpo de resultados (dimensión, bases, aplicaciones lineales) se aplica simultáneamente a la geometría, al análisis funcional y a la resolución de sistemas de ecuaciones diferenciales o en diferencias, siempre que el conjunto de soluciones tenga estructura lineal.
Axiomas de espacio vectorial
Los axiomas que definen (V,+,·) como K-espacio vectorial se agrupan en dos bloques. El primero exige que (V,+) sea grupo abeliano: asociatividad (u+v)+w=u+(v+w), conmutatividad u+v=v+u, existencia de neutro 0 con u+0=u, y existencia de opuesto −u con u+(−u)=0. El segundo bloque regula la operación externa: distributividad del producto por escalar respecto de la suma de vectores, α·(u+v)=α·u+α·v; distributividad respecto de la suma de escalares, (α+β)·u=α·u+β·u; pseudoasociatividad o compatibilidad con el producto de K, α·(β·u)=(αβ)·u; y existencia de elemento unidad, 1·u=u, donde 1 es la unidad de K. De estos ocho axiomas se deducen propiedades que no forman parte de la definición pero se usan constantemente: 0·u=0 (vector nulo), α·0=0, (−1)·u=−u, y α·u=0 si y solo si α=0 o u=0 (esto último exige que K sea cuerpo, es decir, sin divisores de cero). Un error frecuente en el aula y en el examen es omitir el axioma 1·u=u: sin él, la aplicación α·u=0 para todo α,u satisfaría el resto de axiomas mecánicamente, pero no aportaría ninguna estructura útil; este axioma es el que impide estructuras degeneradas y ancla el producto por escalar al cuerpo base de forma no trivial.
Subespacio vectorial: caracterización
Un subconjunto W⊆V es subespacio vectorial de V si, con las operaciones heredadas de V, W es en sí mismo un espacio vectorial sobre el mismo cuerpo K. Comprobar los ocho axiomas directamente sería redundante, porque las propiedades asociativas, conmutativas y distributivas se heredan automáticamente de V; basta entonces con una caracterización operativa: W es subespacio si y solo si (i) W≠∅ (equivalentemente, 0∈W), y (ii) W es cerrado para combinaciones lineales, es decir, para todo u,v∈W y todo α,β∈K se cumple αu+βv∈W. Esta condición puede descomponerse en cerradura para la suma (u,v∈W ⟹ u+v∈W) y cerradura para el producto por escalar (u∈W, α∈K ⟹ αu∈W), y ambas juntas son equivalentes a la condición combinada. Ejemplos canónicos: en R³, cualquier recta o plano que pase por el origen es subespacio, pero un plano que no pase por el origen no lo es (falla 0∈W); en el espacio de polinomios, el conjunto de los que tienen grado ≤n es subespacio, pero el conjunto de los que tienen grado exactamente n no lo es, porque la suma de dos polinomios de grado n puede cancelar el término de mayor grado y dar un polinomio de grado menor. El subespacio trivial {0} y el propio V son siempre subespacios de V (subespacios impropios).
Combinación lineal de vectores
Dados vectores v₁,...,vₙ de un espacio vectorial V sobre K, una combinación lineal de ellos es cualquier vector de la forma α₁v₁+α₂v₂+...+αₙvₙ, con α₁,...,αₙ∈K llamados coeficientes de la combinación. El concepto es el ladrillo elemental de toda el álgebra lineal: permite definir subespacio generado, dependencia lineal, base y, más adelante, la propia noción de aplicación lineal (que por definición conserva combinaciones lineales). El conjunto de todas las combinaciones lineales posibles de un conjunto de vectores S={v₁,...,vₙ} se denota L(S) o ⟨S⟩ (envolvente lineal, span o subespacio generado por S) y es, se demuestra fácilmente a partir de la definición, el menor subespacio vectorial de V que contiene a S; equivalentemente, la intersección de todos los subespacios que contienen a S. Una combinación lineal se llama trivial cuando todos los coeficientes son nulos (y da siempre el vector 0, independientemente de los vectores elegidos); esta distinción entre combinación trivial y no trivial es la que articula la definición de independencia lineal. Conviene subrayar que el número de vectores que intervienen en una combinación lineal es siempre finito por definición, aunque el espacio vectorial ambiente tenga dimensión infinita (como el espacio de todas las funciones reales), lo que da lugar a la distinción entre base algebraica (de Hamel) y otras nociones de base propias del análisis funcional, como la base de Schauder o la base ortonormal de Hilbert, que exceden el alcance de este tema.
Sistema generador de un espacio vectorial
Un conjunto de vectores S={v₁,...,vₙ}⊆V es sistema generador (o sistema de generadores) de V si todo vector de V puede escribirse como combinación lineal de los elementos de S, es decir, si L(S)=V. Un espacio vectorial puede tener infinitos sistemas generadores distintos, y estos pueden tener distinto número de elementos: por ejemplo, en R², el conjunto {(1,0),(0,1)} es generador, pero también lo es {(1,0),(0,1),(1,1)}, que tiene un vector redundante (combinación lineal de los otros dos). Un sistema generador no tiene tamaño mínimo garantizado salvo que además sea linealmente independiente, en cuyo caso pasa a llamarse base. Un resultado clave, consecuencia directa del teorema de Steinitz, es que en un espacio vectorial de dimensión finita n, ningún sistema generador puede tener menos de n vectores, y todo sistema generador con exactamente n vectores es automáticamente una base (no hace falta comprobar la independencia lineal por separado). En la práctica docente, hallar un sistema generador de un subespacio dado por ecuaciones implícitas (por ejemplo, el conjunto de soluciones de un sistema homogéneo) es un procedimiento estándar: se resuelve el sistema, se expresa la solución general en función de los parámetros libres, y los vectores que multiplican a cada parámetro constituyen un sistema generador (que además resulta ser base, por construcción, al ser independientes).
Dependencia e independencia lineal
Un conjunto de vectores {v₁,...,vₙ} es linealmente dependiente si existe una combinación lineal no trivial de ellos que da el vector nulo, es decir, si existen escalares α₁,...,αₙ no todos nulos tales que α₁v₁+...+αₙvₙ=0. Es linealmente independiente si la única combinación lineal que da 0 es la trivial (todos los αᵢ=0). Geométricamente, dos vectores no nulos son dependientes si y solo si son proporcionales (misma dirección); tres vectores de R³ son dependientes si y solo si son coplanarios. Una caracterización equivalente y muy usada: {v₁,...,vₙ} es linealmente dependiente si y solo si alguno de sus vectores puede escribirse como combinación lineal de los restantes. Propiedades relevantes para el examen: todo conjunto que contenga al vector 0 es automáticamente dependiente; todo subconjunto de un conjunto independiente es independiente; todo superconjunto de un conjunto dependiente es dependiente; y si n vectores pertenecen a un espacio de dimensión m con n>m, son necesariamente dependientes. El procedimiento de comprobación efectivo pasa por plantear el sistema homogéneo cuya matriz de coeficientes tiene a los vectores como columnas (o filas) y estudiar si tiene solución única (independencia) o infinitas soluciones (dependencia), lo que conecta este concepto directamente con el rango de una matriz.
Base de un espacio vectorial
Una base de un espacio vectorial V es un conjunto de vectores B={v₁,...,vₙ} que es simultáneamente sistema generador de V y linealmente independiente. Esta doble condición garantiza que todo vector de V se exprese como combinación lineal de los elementos de B de manera única: si un vector admitiera dos expresiones distintas, su resta daría una combinación lineal no trivial nula de los vectores de B, contradiciendo la independencia. La existencia de al menos una base en todo espacio vectorial de dimensión finita se demuestra constructivamente a partir de cualquier sistema generador, eliminando vectores redundantes (dependientes de los demás) hasta obtener un subconjunto independiente que sigue generando; en dimensión infinita, la existencia de base (de Hamel) requiere el axioma de elección o el lema de Zorn, cuestión que excede el nivel de Secundaria pero conviene conocer para responder con propiedad. Ejemplos de bases especialmente relevantes: la base canónica de Rⁿ, formada por los vectores eᵢ con un 1 en la posición i-ésima y 0 en el resto; la base canónica del espacio de polinomios de grado ≤n, formada por {1,x,x²,...,xⁿ}; y la base canónica del espacio de matrices m×n, formada por las matrices con un único 1 en cada posición. Un mismo espacio vectorial admite infinitas bases distintas, pero todas ellas comparten el mismo número de elementos, resultado que es precisamente el contenido del teorema de Steinitz.
Dimensión de un espacio vectorial
La dimensión de un espacio vectorial V de tipo finito, denotada dim(V), se define como el número de vectores que tiene cualquiera de sus bases. Que esta definición esté bien planteada —es decir, que todas las bases de un mismo espacio tengan efectivamente el mismo cardinal— no es evidente a priori y constituye precisamente el contenido del teorema de la base o teorema de Steinitz, sin el cual el concepto de dimensión carecería de sentido matemático riguroso. Por convenio, el espacio vectorial trivial {0} tiene dimensión 0 (su base es el conjunto vacío). Ejemplos: dim(Rⁿ)=n, dim(espacio de polinomios de grado ≤n)=n+1, dim(espacio de matrices m×n)=m·n, dim(espacio de números complejos como R-espacio vectorial)=2. Un espacio vectorial que no admite un sistema generador finito se llama de dimensión infinita (por ejemplo, el espacio de todos los polinomios, o el espacio de funciones continuas en un intervalo); estos espacios quedan fuera del tratamiento habitual de Secundaria pero conviene citarlos para mostrar el alcance del concepto. La dimensión determina de forma completa, salvo isomorfismo, la estructura de un espacio vectorial finito sobre un cuerpo dado: dos espacios vectoriales sobre el mismo cuerpo K son isomorfos si y solo si tienen la misma dimensión, lo que reduce el estudio de todos los espacios vectoriales de dimensión n sobre K al estudio de Kⁿ.
Teorema de la base (Steinitz)
El teorema de Steinitz, también llamado teorema del cambio o del intercambio de Steinitz, es el resultado que garantiza que la noción de dimensión está bien definida. Su enunciado más operativo dice: si G={g₁,...,gₘ} es un sistema generador de V y L={v₁,...,vₖ} es un conjunto linealmente independiente de V, entonces k≤m, y además es posible sustituir k vectores de G por los k vectores de L obteniendo un nuevo sistema generador de V. Como consecuencia inmediata, si B₁ y B₂ son dos bases de V (cada una es generador e independiente a la vez), aplicando el teorema en ambos sentidos se obtiene que |B₁|≤|B₂| y |B₂|≤|B₁|, luego |B₁|=|B₂|: todas las bases tienen el mismo número de elementos, que es, por definición, la dimensión de V. El teorema tiene además una lectura práctica muy usada en los problemas de ampliación de bases: dado un conjunto independiente de k vectores en un espacio de dimensión n (con k<n), siempre es posible completarlo hasta obtener una base añadiendo n−k vectores tomados de cualquier sistema generador (típicamente, de la base canónica). Su demostración es de tipo inductivo o algorítmico: se van sustituyendo vectores de G por vectores de L uno a uno, comprobando en cada paso que el conjunto resultante sigue siendo generador, apoyándose en que cada vᵢ, al ser combinación lineal de G, permite despejar y sustituir algún generador con coeficiente no nulo.
Coordenadas de un vector respecto de una base
Fijada una base ordenada B={v₁,...,vₙ} de un espacio vectorial V, todo vector u∈V se expresa de manera única como combinación lineal u=α₁v₁+α₂v₂+...+αₙvₙ; la n-upla (α₁,...,αₙ)∈Kⁿ recibe el nombre de coordenadas de u respecto de la base B, y se denota [u]_B. La unicidad de las coordenadas es consecuencia directa de la independencia lineal de B (si hubiera dos expresiones distintas, su diferencia daría una combinación lineal no trivial nula de los vᵢ). Las coordenadas dependen esencialmente de la base elegida y de su orden: el mismo vector tiene, en general, coordenadas distintas respecto de bases distintas, y basta reordenar los vectores de una base para que las coordenadas de un mismo vector cambien de orden. La aplicación que a cada vector le asigna su vector de coordenadas, φ: V→Kⁿ, u↦[u]_B, es un isomorfismo de espacios vectoriales (lineal y biyectiva), lo que formaliza la idea intuitiva de que, una vez fijada una base, trabajar en V equivale exactamente a trabajar en Kⁿ con las operaciones habituales componente a componente. Este hecho es el que permite reducir sistemáticamente los problemas de espacios vectoriales abstractos (de polinomios, de matrices, de funciones) a cálculos matriciales concretos en Kⁿ, sin más que fijar una base de referencia y trabajar con coordenadas.
Matriz de cambio de base
Si B={v₁,...,vₙ} y B'={v₁',...,vₙ'} son dos bases de un mismo espacio vectorial V, la matriz de cambio de base de B a B', denotada P, es la matriz cuadrada n×n cuyas columnas son las coordenadas de los vectores de B expresados respecto de la base B'. Esta matriz permite pasar de las coordenadas de un vector en la base B a sus coordenadas en la base B' mediante el producto matricial [u]_B' = P·[u]_B. La matriz de cambio de base es siempre invertible (su determinante es no nulo), porque transforma una base en otra, y su inversa P⁻¹ es precisamente la matriz de cambio de base de B' a B, es decir, [u]_B = P⁻¹·[u]_B'. Un caso particularmente relevante en la práctica docente es el cambio de la base canónica Bc a una base B cualquiera: la matriz de cambio de B a Bc tiene por columnas directamente los vectores de B expresados en coordenadas canónicas, mientras que la matriz de cambio de Bc a B se obtiene invirtiendo esa matriz. Este concepto es esencial además para entender cómo cambia la matriz asociada a una aplicación lineal (o a un endomorfismo, en el estudio de diagonalización) cuando se cambia de base: si A es la matriz de un endomorfismo respecto de B y P es la matriz cuyas columnas son las coordenadas de los vectores de B' respecto de B (es decir, la matriz de cambio de B' a B, inversa de la definida arriba), su matriz respecto de B' es A'=P⁻¹AP, relación de semejanza matricial que sustenta toda la teoría de diagonalización de endomorfismos.
Suma e intersección de subespacios vectoriales
Dados dos subespacios vectoriales U y W de un mismo espacio V, se definen dos nuevas operaciones. La intersección U∩W, formada por los vectores comunes a ambos, es siempre un subespacio vectorial de V (se comprueba directamente que es cerrada para combinaciones lineales, al serlo cada uno de los subespacios). La suma U+W, definida como U+W={u+w : u∈U, w∈W}, es también subespacio vectorial de V, y es de hecho el menor subespacio que contiene simultáneamente a U y a W (coincide con L(U∪W), el subespacio generado por la unión); en general, U∪W no es subespacio (dos rectas distintas por el origen en R² son subespacios cuya unión no lo es, porque la suma de un vector de una y otro de la otra no pertenece a ninguna de las dos). Si {u₁,...,uₚ} es una base de U y {w₁,...,w_q} es una base de W, entonces {u₁,...,uₚ,w₁,...,w_q} es un sistema generador de U+W (aunque no necesariamente base, si hay dependencia entre ambos conjuntos, lo que ocurre exactamente cuando U∩W≠{0}). Estas dos operaciones dotan al conjunto de subespacios vectoriales de V de una estructura de retículo, y son la base para el cálculo de dimensiones mediante la fórmula de Grassmann y para la clasificación de la suma en directa o no directa.
Fórmula de Grassmann de las dimensiones
La fórmula de Grassmann relaciona las dimensiones de dos subespacios U y W de un espacio vectorial V de dimensión finita con las dimensiones de su suma y de su intersección: dim(U+W) = dim(U) + dim(W) − dim(U∩W). Es una identidad exacta, no una desigualdad, y se demuestra tomando una base de U∩W, ampliándola por separado hasta una base de U y hasta una base de W (usando el teorema de Steinitz), y comprobando que la unión de ambas ampliaciones (sin repetir los vectores de la base de la intersección) constituye una base de U+W. Un caso particular de enorme importancia es cuando U∩W={0}: entonces dim(U+W)=dim(U)+dim(W), y la suma se llama directa (U⊕W). La fórmula permite resolver de forma inmediata muchos problemas típicos de examen: por ejemplo, dados dos subespacios de R⁴ de dimensiones 2 y 3, su intersección tiene dimensión al menos dim(U)+dim(W)−dim(V)=2+3−4=1, cota inferior que se obtiene despejando dim(U∩W) en la fórmula y usando que dim(U+W) no puede superar la dimensión del espacio total. También es la herramienta clave para decidir, en un problema concreto, si dos subespacios dados por ecuaciones o por sistemas generadores son o no complementarios, calculando primero una base de la intersección (resolviendo el sistema conjunto de ecuaciones o combinando los generadores) y aplicando después la fórmula para contrastar con la dimensión calculada de la suma.
Suma directa de subespacios
La suma de dos subespacios U y W de V se llama suma directa, y se denota U⊕W, cuando U∩W={0}. En ese caso, todo vector de U+W se descompone de manera única como suma de un vector de U y un vector de W: si v=u₁+w₁=u₂+w₂ con u₁,u₂∈U y w₁,w₂∈W, entonces u₁−u₂=w₂−w₁ pertenece simultáneamente a U y a W, luego a U∩W={0}, de donde u₁=u₂ y w₁=w₂. Esta unicidad de la descomposición es la propiedad característica y más usada de la suma directa, y es equivalente a la propia condición U∩W={0}. Cuando además U⊕W=V, se dice que U y W son subespacios suplementarios o complementarios de V, y se cumple dim(U)+dim(W)=dim(V) como caso particular de la fórmula de Grassmann. Todo subespacio U de un espacio de dimensión finita admite al menos un suplementario (en general no único): basta tomar una base de U y completarla, por el teorema de Steinitz, hasta una base de V; el subespacio generado por los vectores añadidos es un suplementario de U. Este concepto se generaliza a más de dos subespacios (suma directa de U₁,...,Uₖ cuando cada Uᵢ interseca trivialmente con la suma de los restantes) y es la base de resultados posteriores como la descomposición en subespacios propios en el estudio de la diagonalización de endomorfismos.
Variedad lineal o subespacio afín
Una variedad lineal (o subespacio afín, o variedad afín) de un espacio vectorial V es un conjunto de la forma L=p+W={p+w : w∈W}, donde p∈V es un punto fijo (llamado punto base) y W es un subespacio vectorial de V, llamado subespacio director o subespacio de dirección de L. A diferencia de un subespacio vectorial, una variedad lineal no tiene por qué contener al vector 0 ni ser cerrada para combinaciones lineales: es, intuitivamente, un subespacio vectorial trasladado. De hecho, un subespacio vectorial es siempre variedad lineal (tomando p=0), pero una variedad lineal es subespacio vectorial si y solo si contiene al vector 0, es decir, si y solo si p∈W. Geométricamente, las variedades lineales de R³ son los puntos (dimensión 0), rectas (dimensión 1), planos (dimensión 2) y el propio espacio (dimensión 3), sin restricción de que pasen por el origen; esto formaliza en términos algebraicos los objetos habituales de la geometría afín estudiada en temas posteriores. La dimensión de una variedad lineal se define como la dimensión de su subespacio director, y no depende del punto base elegido para describirla, ya que W=L−p para cualquier p∈L. El conjunto de soluciones de un sistema de ecuaciones lineales compatible no homogéneo es, precisamente, una variedad lineal cuyo subespacio director es el conjunto de soluciones del sistema homogéneo asociado.
Aplicación lineal: definición y propiedades
Una aplicación f: V→V' entre dos espacios vectoriales sobre el mismo cuerpo K es lineal (u homomorfismo de espacios vectoriales) si conserva las dos operaciones que definen la estructura: f(u+v)=f(u)+f(v) para todo u,v∈V (aditividad), y f(αu)=αf(u) para todo α∈K, u∈V (homogeneidad). Ambas condiciones son equivalentes a una única condición combinada: f(αu+βv)=αf(u)+βf(v) para todo α,β∈K y u,v∈V, es decir, f conserva combinaciones lineales, lo que se extiende por inducción a combinaciones lineales de cualquier número finito de vectores. De la linealidad se deducen inmediatamente dos propiedades básicas: f(0)=0 (tomando α=0) y f(−u)=−f(u); en particular, una aplicación que no cumpla f(0)=0 no puede ser lineal (criterio rápido de descarte muy útil en examen, aunque no sea suficiente: la condición es necesaria, no suficiente). Ejemplos habituales de aplicaciones lineales: la derivación en el espacio de polinomios o de funciones derivables, la traza en el espacio de matrices cuadradas, la traspuesta de matrices, las proyecciones y simetrías respecto de un subespacio, los giros en el plano y toda aplicación de Rⁿ en Rᵐ dada por x↦Ax con A una matriz m×n fija. Cuando V=V', la aplicación lineal se llama endomorfismo; cuando además es biyectiva, automorfismo. El conjunto de aplicaciones lineales entre V y V' tiene, con la suma y el producto por escalar naturales, estructura de espacio vectorial, denotado L(V,V').
Núcleo e imagen de una aplicación lineal
Dada una aplicación lineal f: V→V', se define el núcleo de f, denotado Ker(f), como el conjunto de vectores de V cuya imagen es el vector nulo: Ker(f)={v∈V : f(v)=0}. La imagen de f, denotada Im(f), es el conjunto de todos los vectores de V' que son imagen de algún vector de V: Im(f)={f(v) : v∈V}. Ambos conjuntos son subespacios vectoriales: Ker(f) lo es de V (si f(u)=f(v)=0, entonces f(αu+βv)=αf(u)+βf(v)=0) e Im(f) lo es de V' (por un argumento análogo usando la linealidad). El núcleo mide el defecto de inyectividad de f: se demuestra que f es inyectiva si y solo si Ker(f)={0} (si f(u)=f(v), entonces f(u−v)=0, luego u−v∈Ker(f); si el núcleo es trivial, u=v). La imagen mide el defecto de sobreyectividad: f es sobreyectiva si y solo si Im(f)=V'. La dimensión del núcleo se llama nulidad de f, y la dimensión de la imagen se llama rango de f; ambas están relacionadas con la dimensión del espacio de partida mediante el teorema de las dimensiones. Un procedimiento estándar de examen consiste en obtener Ker(f) resolviendo el sistema homogéneo f(v)=0 en coordenadas, y obtener Im(f) como el subespacio generado por las imágenes de los vectores de una base de V, simplificando después el sistema generador obtenido.
Teorema de las dimensiones (rango-nulidad)
El teorema de las dimensiones, o teorema del rango, establece que para toda aplicación lineal f: V→V' con V de dimensión finita se cumple dim(V) = dim(Ker(f)) + dim(Im(f)), es decir, la dimensión del espacio de partida es igual a la nulidad más el rango. Es, junto con la fórmula de Grassmann, el resultado cuantitativo más importante del tema, y de él se derivan consecuencias inmediatas de gran valor práctico: si dim(V)=dim(V'), entonces f es inyectiva si y solo si es sobreyectiva si y solo si es biyectiva; este resultado, sorprendente a primera vista, no es cierto en dimensión infinita (existen aplicaciones lineales inyectivas y no sobreyectivas, o viceversa, entre espacios de dimensión infinita, como el operador desplazamiento en sucesiones). La demostración habitual toma una base {v₁,...,vₖ} del núcleo, la completa mediante el teorema de Steinitz hasta una base {v₁,...,vₖ,vₖ₊₁,...,vₙ} de V, y prueba que {f(vₖ₊₁),...,f(vₙ)} es una base de la imagen: generan la imagen por linealidad, y son independientes porque cualquier combinación lineal nula de ellos, al aplicar f en sentido inverso, produciría un vector del núcleo expresado además como combinación lineal de vectores complementarios a la base del núcleo, forzando todos los coeficientes a ser cero. Este teorema es la herramienta de cálculo estándar para hallar la dimensión de la imagen sin necesidad de simplificar directamente un sistema generador, y viceversa.
Matriz asociada a una aplicación lineal
Fijadas una base B={v₁,...,vₙ} de V y una base B'={w₁,...,wₘ} de V', toda aplicación lineal f: V→V' queda determinada de forma única por las imágenes de los vectores de B, ya que la linealidad permite calcular f de cualquier vector conociendo solo f(v₁),...,f(vₙ). La matriz asociada a f respecto de las bases B y B', denotada A, es la matriz m×n cuya columna j-ésima está formada por las coordenadas de f(vⱼ) respecto de la base B'. Con esta matriz, el cálculo de la imagen de cualquier vector se reduce a un producto matricial: si u tiene coordenadas [u]_B, entonces [f(u)]_B' = A·[u]_B. Esta correspondencia entre aplicaciones lineales y matrices es biyectiva una vez fijadas las bases, y es la que permite reducir el estudio de L(V,V') —que tiene estructura de espacio vectorial de dimensión m·n— al estudio del espacio de matrices m×n con coeficientes en K. El rango de la aplicación lineal f coincide exactamente con el rango de su matriz asociada A, lo que conecta este tema directamente con el cálculo del rango mediante menores o mediante reducción gaussiana. Si P y Q son las matrices cuyas columnas son las coordenadas de los vectores de las nuevas bases de V y V' respecto de las antiguas, la nueva matriz asociada es A'=Q⁻¹AP, relación que en el caso de endomorfismos (V=V', P=Q) se reduce a la relación de semejanza A'=P⁻¹AP.
Aplicaciones lineales inyectivas, sobreyectivas y biyectivas
Una aplicación lineal f: V→V' es inyectiva cuando a vectores distintos corresponden imágenes distintas; como se ha visto, esto equivale, para aplicaciones lineales, a la condición mucho más manejable Ker(f)={0}. Es sobreyectiva cuando todo vector de V' es imagen de al menos un vector de V, es decir, Im(f)=V'; en términos de dimensión finita, esto ocurre exactamente cuando rango(f)=dim(V'). Es biyectiva cuando es simultáneamente inyectiva y sobreyectiva, en cuyo caso admite aplicación inversa f⁻¹: V'→V, que se demuestra que es también lineal. Cuando V y V' tienen dimensión finita, el teorema de las dimensiones aporta criterios prácticos muy usados: si dim(V)>dim(V'), f no puede ser inyectiva (el núcleo tiene dimensión al menos dim(V)−dim(V')>0); si dim(V)<dim(V'), f no puede ser sobreyectiva (la imagen tiene dimensión a lo sumo dim(V)<dim(V')); y si dim(V)=dim(V'), inyectividad y sobreyectividad son equivalentes, de modo que basta comprobar una de las dos. En términos matriciales, si A es la matriz asociada a f en el caso dim(V)=dim(V')=n (representable por matriz cuadrada), f es biyectiva si y solo si det(A)≠0, criterio que enlaza directamente este punto con el tema de determinantes y con la condición de invertibilidad de una matriz.
Isomorfismo de espacios vectoriales
Un isomorfismo de espacios vectoriales es una aplicación lineal biyectiva f: V→V'. Cuando existe un isomorfismo entre V y V', se dice que ambos espacios son isomorfos, y se denota V≅V'. La existencia de un isomorfismo formaliza la idea de que dos espacios vectoriales, aunque estén formados por objetos de naturaleza completamente distinta (polinomios, matrices, n-uplas, funciones), tienen exactamente la misma estructura algebraica lineal: todo lo que puede decirse en términos de suma, producto por escalar, combinaciones lineales, independencia, bases o subespacios en uno se traduce fielmente al otro a través de f y de su inversa f⁻¹, que también es lineal. La relación de isomorfismo es una relación de equivalencia (reflexiva mediante la identidad, simétrica mediante f⁻¹, transitiva componiendo isomorfismos), lo que permite clasificar todos los espacios vectoriales de dimensión finita sobre un mismo cuerpo K en clases de equivalencia, cada una caracterizada por un único número: la dimensión. Ejemplos de isomorfismos naturales: el espacio de polinomios de grado ≤n es isomorfo a K^(n+1) (mediante la aplicación que asigna a cada polinomio su vector de coeficientes); el espacio de matrices m×n es isomorfo a K^(mn); y, fijada cualquier base B de un espacio V de dimensión n, la propia aplicación de coordenadas u↦[u]_B es un isomorfismo entre V y Kⁿ, el ejemplo más importante y de mayor uso práctico de todo el tema.
Primer teorema de isomorfía
El primer teorema de isomorfía para espacios vectoriales (análogo al teorema de isomorfía de grupos y de anillos) afirma que, dada una aplicación lineal f: V→V', el espacio vectorial cociente V/Ker(f) es isomorfo a Im(f); formalmente, la aplicación φ: V/Ker(f)→Im(f) definida por φ(v+Ker(f))=f(v) está bien definida (no depende del representante elegido en la clase v+Ker(f), precisamente porque se cocienta por el núcleo) y es un isomorfismo de espacios vectoriales. El espacio cociente V/Ker(f) se construye identificando dos vectores de V cuando su diferencia pertenece a Ker(f), obteniendo así clases de equivalencia v+Ker(f) que heredan de forma natural estructura de espacio vectorial. Este resultado explica de manera conceptual, y no solo numérica, el teorema de las dimensiones: puesto que dim(V/Ker(f))=dim(V)−dim(Ker(f)) (resultado que se demuestra tomando un suplementario del núcleo en V), el isomorfismo V/Ker(f)≅Im(f) da directamente dim(V)−dim(Ker(f))=dim(Im(f)), que reordenado es la fórmula rango-nulidad. El primer teorema de isomorfía es, en este sentido, el resultado estructural más profundo del tema, y su presencia en el examen (frecuentemente bajo el nombre alternativo de teorema fundamental de homomorfismo) exige manejar con soltura tanto la construcción del espacio cociente como la comprobación de que la aplicación inducida está bien definida y es lineal, inyectiva y sobreyectiva.
Espacios vectoriales isomorfos tienen la misma dimensión
Uno de los resultados más importantes derivados de la noción de isomorfismo es que dos espacios vectoriales de dimensión finita sobre un mismo cuerpo K son isomorfos si y solo si tienen la misma dimensión. La implicación directa (isomorfos ⟹ misma dimensión) se demuestra observando que si f: V→V' es un isomorfismo y B={v₁,...,vₙ} es una base de V, entonces f(B)={f(v₁),...,f(vₙ)} es una base de V': genera V' porque f es sobreyectiva, y es independiente porque f es inyectiva, de modo que una combinación lineal nula de f(vᵢ) obliga, aplicando f⁻¹, a una combinación lineal nula de los vᵢ, que solo puede ser trivial. Por tanto dim(V')=n=dim(V). El recíproco (misma dimensión ⟹ isomorfos) se demuestra constructivamente: si dim(V)=dim(V')=n, basta fijar una base de cada uno y definir f enviando cada vector de la base de V al vector correspondiente de la base de V', extendiendo por linealidad; esta aplicación resulta automáticamente biyectiva. Este teorema tiene una consecuencia de gran alcance conceptual: todos los espacios vectoriales de dimensión n sobre K son, en esencia, «el mismo» espacio salvo renombrado de sus elementos, a saber, Kⁿ, lo que reduce la clasificación de espacios vectoriales de dimensión finita a un único invariante numérico.
Rⁿ como espacio vectorial de referencia
El espacio Rⁿ, formado por las n-uplas de números reales (x₁,...,xₙ) con la suma y el producto por escalar componente a componente, es el ejemplo canónico y de referencia de espacio vectorial real de dimensión finita, y el resultado del apartado anterior explica por qué: al ser todo espacio vectorial real de dimensión n isomorfo a Rⁿ, cualquier problema abstracto planteado en un espacio vectorial de dimensión finita (de polinomios, de matrices, de soluciones de una ecuación diferencial lineal) puede trasladarse, mediante la elección de una base y el paso a coordenadas, a un problema equivalente en Rⁿ, donde los cálculos se realizan con las herramientas habituales del álgebra matricial. Rⁿ está dotado de su base canónica {e₁,...,eₙ}, con eᵢ el vector con un 1 en la posición i-ésima y 0 en las demás, cuyas coordenadas respecto de sí misma son triviales, lo que la convierte en el punto de referencia natural para expresar matrices de cambio de base y matrices asociadas a aplicaciones lineales. Además de su estructura de espacio vectorial, Rⁿ admite de forma natural un producto escalar (el producto escalar euclídeo estándar), que introduce nociones métricas —norma, distancia, ortogonalidad, ángulo— ausentes en la estructura puramente algebraica de espacio vectorial abstracto y que se desarrollan en temas posteriores de geometría; esta doble naturaleza, algebraica y métrica, es la razón de que Rⁿ funcione en la práctica docente como el modelo intuitivo constante al que se recurre para motivar cada concepto abstracto del álgebra lineal antes de generalizarlo.
Orígenes históricos del álgebra lineal
El concepto de espacio vectorial se gestó durante el siglo XIX. Hamilton (cuaterniones, 1843) y sobre todo Hermann Grassmann (Ausdehnungslehre, 1844) desarrollaron sistemas de magnitudes con operaciones lineales en dimensión arbitraria; Cayley (1858) introdujo el cálculo matricial. Giuseppe Peano dio en 1888, en su Calcolo geometrico, la primera definición axiomática moderna de espacio vectorial (que llamó sistema lineal). Steinitz (1913) sistematizó el teorema del intercambio de bases dentro de la teoría de cuerpos, y Banach y la escuela polaca (década de 1920) generalizaron los espacios vectoriales normados de dimensión infinita (análisis funcional). La fórmula de las dimensiones de la suma lleva el nombre de Grassmann. La resolución de sistemas lineales por eliminación sucesiva (método de Gauss) se conocía en China en los Nueve capítulos sobre el arte matemático, siglos antes de Gauss.
Ejemplos adicionales de espacios vectoriales y dependencia del cuerpo base
La dimensión depende del cuerpo de escalares: ℂ es un espacio vectorial de dimensión 1 sobre ℂ (base {1}) y de dimensión 2 sobre ℝ (base {1,i}); ℝ es un espacio vectorial de dimensión infinita sobre ℚ. Otros ejemplos: el conjunto de soluciones de un sistema homogéneo de m ecuaciones con n incógnitas es un subespacio de Kⁿ de dimensión n−rg(A); el conjunto de soluciones de una ecuación diferencial lineal homogénea de orden n con coeficientes constantes es un espacio de dimensión n; el espacio de sucesiones que verifican una recurrencia lineal de orden k tiene dimensión k; los espacios de matrices simétricas n×n (dimensión n(n+1)/2) y antisimétricas (dimensión n(n−1)/2) son subespacios del espacio de matrices cuadradas. Sobre cuerpos finitos, (Zp)ⁿ es un espacio vectorial con pⁿ elementos; los códigos lineales (Hamming) son subespacios de (Z2)ⁿ. Contraejemplos: el conjunto de vectores de ℝ² con x≥0, la unión de dos rectas distintas por el origen, el conjunto de matrices invertibles y el conjunto de polinomios de grado exactamente n no son subespacios.
Rango de un sistema de vectores y sistemas lineales
El rango de un conjunto de vectores es la dimensión del subespacio que generan, es decir, el máximo número de vectores linealmente independientes que contiene; coincide con el rango de la matriz que los tiene por filas o por columnas, que puede calcularse por eliminación gaussiana o por menores. Una base de L(S) se obtiene eligiendo del sistema S los vectores correspondientes a las columnas pivote. Para un sistema Ax=b de m ecuaciones y n incógnitas, el teorema de Rouché-Frobenius afirma que es compatible si y solo si rg(A)=rg(A|b); es compatible determinado si dicho rango es n, e indeterminado con n−rg(A) parámetros libres en caso contrario. El conjunto de soluciones del sistema homogéneo Ax=0 es el subespacio Ker(A) de dimensión n−rg(A), y el de un sistema compatible no homogéneo es una variedad lineal de esa misma dimensión: x₀+Ker(A), donde x₀ es una solución particular. Para que n vectores de Kⁿ formen una base es necesario y suficiente que el determinante de la matriz que los tiene por columnas sea no nulo.
Ecuaciones paramétricas e implícitas de subespacios y variedades lineales
Un subespacio o una variedad lineal de Kⁿ puede describirse de dos formas equivalentes. En forma paramétrica (o vectorial): x=p+t₁u₁+...+t_k u_k, donde p es un punto, {u₁,...,u_k} una base del subespacio director y los tᵢ parámetros libres; k es la dimensión. En forma implícita: un sistema de n−k ecuaciones lineales independientes (que, si la variedad pasa por el origen, es homogéneo). Ejemplos en ℝ³: un plano se define con una ecuación implícita (ax+by+cz=d) o con dos parámetros; una recta, con dos ecuaciones implícitas o con un parámetro. El paso de implícitas a paramétricas se hace resolviendo el sistema; el paso inverso, eliminando los parámetros. Posiciones relativas de dos variedades L₁=p₁+D₁ y L₂=p₂+D₂: se cortan si y solo si p₂−p₁∈D₁+D₂; son paralelas si D₁⊆D₂ o D₂⊆D₁ (y, si D₁=D₂, coincidentes cuando se cortan); en caso contrario, si no se cortan, se cruzan. Por ejemplo, dos rectas de ℝ³ se cruzan si sus vectores directores son independientes y los tres vectores u₁, u₂ y p₂−p₁ también lo son (determinante no nulo).
Espacio cociente y segundo y tercer teoremas de isomorfía
Si W es un subespacio de V, el espacio cociente V/W está formado por las clases v+W (conjuntos de vectores cuya diferencia pertenece a W), con las operaciones (v+W)+(v'+W)=(v+v')+W y α(v+W)=αv+W (bien definidas porque W es subespacio); su vector nulo es la clase W, y dim(V/W)=dim V−dim W. Las clases v+W son las variedades lineales con dirección W. La aplicación proyección π: V→V/W, v↦v+W, es lineal, sobreyectiva y con núcleo W. Primer teorema de isomorfía: V/Ker f≅Im f. Segundo teorema: si U y W son subespacios de V, entonces (U+W)/W≅U/(U∩W); tomando dimensiones se recupera la fórmula de Grassmann. Tercer teorema: si U⊆W⊆V, entonces (V/U)/(W/U)≅V/W. Teorema de correspondencia: los subespacios de V/W se corresponden biunívocamente con los subespacios de V que contienen a W. Todo subespacio W de un espacio de dimensión finita admite un suplementario S (V=W⊕S), y entonces S≅V/W.
Endomorfismos notables y espacio dual
Un endomorfismo f de V es un proyector si f∘f=f; entonces V=Ker(f)⊕Im(f), y Im(f) es el conjunto de vectores fijos por f. Es una simetría (involución) si f∘f=Id; entonces V=Ker(f−Id)⊕Ker(f+Id) en característica distinta de 2. La composición de aplicaciones lineales es lineal, y su matriz es el producto de las matrices asociadas: A_{g∘f}=A_g·A_f. El conjunto GL(V) de automorfismos de V es un grupo para la composición, isomorfo al grupo de matrices invertibles GL(n,K) cuando dim V=n. El espacio dual V*=L(V,K) está formado por las formas lineales sobre V y tiene dimensión n; a cada base {v₁,...,vₙ} de V corresponde la base dual {φ₁,...,φₙ} de V*, con φᵢ(vⱼ)=δᵢⱼ. Un subespacio de dimensión k de Kⁿ es el conjunto de soluciones de n−k formas lineales independientes (sus ecuaciones implícitas). Una aplicación lineal f: V→V' induce la aplicación traspuesta f*: V'*→V*, cuya matriz en las bases duales es la traspuesta de la de f, y rg(f)=rg(f*).
Orientaciones didácticas y errores frecuentes
En Bachillerato los vectores se introducen en el plano y el espacio (operaciones, producto escalar, vectorial y mixto) y el álgebra lineal se trabaja con matrices y sistemas; la estructura de espacio vectorial se formaliza en la formación universitaria. Errores habituales: confundir sistema generador con base; creer que cualquier conjunto de n vectores de un espacio de dimensión n es base (solo si son independientes o generadores); olvidar que un subespacio debe contener el vector nulo; considerar subespacio a un plano que no pasa por el origen; creer que la unión de subespacios es subespacio; aplicar la fórmula de Grassmann sin comprobar que los subespacios están en el mismo espacio; escribir mal las columnas de la matriz de cambio de base (columnas = coordenadas de los vectores de una base respecto de la otra) o invertir el orden de la composición; afirmar que f es lineal por cumplir f(0)=0 (condición necesaria, no suficiente); y confundir núcleo con imagen o su dimensión con la del espacio. Estrategias: visualizar en ℝ² y ℝ³ con software de geometría dinámica, partir de ejemplos con polinomios y matrices, y comprobar sistemáticamente la coherencia dimensional (dim V=nulidad+rango).
Ideas clave para el examen — memoriza esto
Un espacio vectorial es una terna (V,+,·) con (V,+) grupo abeliano y producto por escalares que cumple 4 axiomas de compatibilidad con el cuerpo K; el axioma 1·u=u evita estructuras degeneradas.
W⊆V es subespacio si y solo si 0∈W y es cerrado para combinaciones lineales αu+βv∈W; un plano que no pase por el origen no es subespacio.
Sistema generador: L(S)=V. Base: sistema generador linealmente independiente. Todo vector tiene coordenadas únicas respecto de una base fijada.
Teorema de Steinitz: en un sistema generador de m vectores no caben más de m vectores independientes; garantiza que todas las bases de V tienen el mismo cardinal (= dim V).
dim(Rⁿ)=n, dim(polinomios de grado ≤n)=n+1, dim(matrices m×n)=m·n.
Fórmula de Grassmann: dim(U+W)=dim(U)+dim(W)−dim(U∩W); si U∩W={0} la suma es directa (U⊕W) y la descomposición de cada vector es única.
Una variedad lineal L=p+W es un subespacio vectorial trasladado; es subespacio vectorial propiamente dicho solo si p∈W (contiene al 0).
El conjunto de soluciones de un sistema lineal compatible no homogéneo es una variedad lineal cuyo subespacio director es el conjunto de soluciones del sistema homogéneo asociado.
Aplicación lineal: f(αu+βv)=αf(u)+βf(v); siempre f(0)=0 (condición necesaria pero no suficiente para linealidad).
f es inyectiva ⇔ Ker(f)={0}; f es sobreyectiva ⇔ Im(f)=V'.
Teorema del rango: dim(V)=dim(Ker f)+dim(Im f); si dim(V)=dim(V'), f inyectiva ⇔ f sobreyectiva ⇔ f biyectiva.
La matriz asociada a f cambia como A'=Q⁻¹AP al cambiar de bases (P y Q expresan las bases nuevas en coordenadas de las antiguas); para endomorfismos (P=Q) se reduce a la relación de semejanza A'=P⁻¹AP.
Isomorfismo = aplicación lineal biyectiva; dos espacios vectoriales de dimensión finita sobre el mismo cuerpo son isomorfos si y solo si tienen la misma dimensión.
Primer teorema de isomorfía: V/Ker(f) ≅ Im(f); de él se deduce directamente el teorema del rango.
Rⁿ es el modelo de referencia: todo espacio vectorial real de dimensión n es isomorfo a Rⁿ vía coordenadas respecto de una base fijada.
Rouché-Frobenius: compatible ⇔ rg(A)=rg(A|b); soluciones = x₀+Ker(A), de dimensión n−rg(A).
n vectores de Kⁿ son base ⇔ det ≠ 0 de la matriz que los tiene por columnas.
Variedad L=p+D: ecuaciones paramétricas (k parámetros) o implícitas (n−k ecuaciones); se cortan ⇔ p₂−p₁∈D₁+D₂; se cruzan si no se cortan y no son paralelas.
Cambio de base: columnas de P = coordenadas de los vectores de B en B'; [u]_B'=P[u]_B; cuidado con el orden y con la inversa.
dim(V/W)=dim V−dim W; segundo teorema: (U+W)/W≅U/(U∩W) (equivale a Grassmann); tercero: (V/U)/(W/U)≅V/W.
Proyector: f∘f=f ⇒ V=Ker f⊕Im f; el espacio dual V* tiene dimensión n y la base dual verifica φᵢ(vⱼ)=δᵢⱼ.
La dimensión depende del cuerpo: ℂ tiene dimensión 1 sobre ℂ, 2 sobre ℝ; ℝ tiene dimensión infinita sobre ℚ.
12 preguntas sobre este tema, en orden aleatorio. Sin registro, sin límite de intentos.
Pregunta 1 de 120 aciertos
Si U y W son subespacios de ℝ⁴ con dim U=2, dim W=3 y dim(U∩W)=1, ¿cuál es dim(U+W)?
Preguntas frecuentes
¿De qué trata el Tema 12 de Secundaria?
El Tema 12 desarrolla la estructura algebraica de espacio vectorial, el objeto central del álgebra lineal y uno de los pilares de todo el bloque disciplinar de Álgebra del temario: sin él no pueden entenderse ni las matrices y determinantes, ni los sistemas de ecuaciones lineales, ni gran parte de la geometría afín y euclídea que se desarrolla en temas posteriores. Se parte de la definición axiomática de espacio vectorial sobre un cuerpo K, se estudian los conceptos de subespacio, combinación lineal, sistema generador, dependencia/independencia lineal, base y dimensión —con el teorema de Steinitz como resultado que garantiza la buena definición de esta última—, y se cierra con las variedades lineales (subespacios afines) y las aplicaciones lineales entre espacios vectoriales, cuyo estudio culmina en el teorema de las dimensiones y en los teoremas de isomorfía.
Es un tema de máxima exigencia teórica en la oposición de Secundaria-Matemáticas: exige manejar con soltura demostraciones (Steinitz, rango-nulidad, primer teorema de isomorfía) y distinguir con precisión conceptos que en la práctica docente se confunden con frecuencia, como sistema generador frente a base, o subespacio vectorial frente a variedad lineal. Su tratamiento didáctico exige además conectar la abstracción algebraica con la intuición geométrica de R² y R³ y con las aplicaciones a la resolución de sistemas lineales y a la geometría analítica.
¿Qué hay que memorizar del Tema 12 para el examen?
Un espacio vectorial es una terna (V,+,·) con (V,+) grupo abeliano y producto por escalares que cumple 4 axiomas de compatibilidad con el cuerpo K; el axioma 1·u=u evita estructuras degeneradas. W⊆V es subespacio si y solo si 0∈W y es cerrado para combinaciones lineales αu+βv∈W; un plano que no pase por el origen no es subespacio. Sistema generador: L(S)=V. Base: sistema generador linealmente independiente. Todo vector tiene coordenadas únicas respecto de una base fijada. Teorema de Steinitz: en un sistema generador de m vectores no caben más de m vectores independientes; garantiza que todas las bases de V tienen el mismo cardinal (= dim V). dim(Rⁿ)=n, dim(polinomios de grado ≤n)=n+1, dim(matrices m×n)=m·n. Fórmula de Grassmann: dim(U+W)=dim(U)+dim(W)−dim(U∩W); si U∩W={0} la suma es directa (U⊕W) y la descomposición de cada vector es única. Una variedad lineal L=p+W es un subespacio vectorial trasladado; es subespacio vectorial propiamente dicho solo si p∈W (contiene al 0). El conjunto de soluciones de un sistema lineal compatible no homogéneo es una variedad lineal cuyo subespacio director es el conjunto de soluciones del sistema homogéneo asociado. Aplicación lineal: f(αu+βv)=αf(u)+βf(v); siempre f(0)=0 (condición necesaria pero no suficiente para linealidad). f es inyectiva ⇔ Ker(f)={0}; f es sobreyectiva ⇔ Im(f)=V'. Teorema del rango: dim(V)=dim(Ker f)+dim(Im f); si dim(V)=dim(V'), f inyectiva ⇔ f sobreyectiva ⇔ f biyectiva. La matriz asociada a f cambia como A'=Q⁻¹AP al cambiar de bases (P y Q expresan las bases nuevas en coordenadas de las antiguas); para endomorfismos (P=Q) se reduce a la relación de semejanza A'=P⁻¹AP. Isomorfismo = aplicación lineal biyectiva; dos espacios vectoriales de dimensión finita sobre el mismo cuerpo son isomorfos si y solo si tienen la misma dimensión. Primer teorema de isomorfía: V/Ker(f) ≅ Im(f); de él se deduce directamente el teorema del rango. Rⁿ es el modelo de referencia: todo espacio vectorial real de dimensión n es isomorfo a Rⁿ vía coordenadas respecto de una base fijada. Rouché-Frobenius: compatible ⇔ rg(A)=rg(A|b); soluciones = x₀+Ker(A), de dimensión n−rg(A). n vectores de Kⁿ son base ⇔ det ≠ 0 de la matriz que los tiene por columnas. Variedad L=p+D: ecuaciones paramétricas (k parámetros) o implícitas (n−k ecuaciones); se cortan ⇔ p₂−p₁∈D₁+D₂; se cruzan si no se cortan y no son paralelas. Cambio de base: columnas de P = coordenadas de los vectores de B en B'; [u]_B'=P[u]_B; cuidado con el orden y con la inversa. dim(V/W)=dim V−dim W; segundo teorema: (U+W)/W≅U/(U∩W) (equivale a Grassmann); tercero: (V/U)/(W/U)≅V/W. Proyector: f∘f=f ⇒ V=Ker f⊕Im f; el espacio dual V* tiene dimensión n y la base dual verifica φᵢ(vⱼ)=δᵢⱼ. La dimensión depende del cuerpo: ℂ tiene dimensión 1 sobre ℂ, 2 sobre ℝ; ℝ tiene dimensión infinita sobre ℚ. Historia: Grassmann (1844), Peano (1888, primera definición axiomática), Steinitz (1913, intercambio), Banach (análisis funcional). Errores típicos: sistema generador ≠ base; unión de subespacios no es subespacio; f(0)=0 no basta para linealidad.
¿Hay preguntas de test de este tema exacto?
Sí, 12 preguntas tipo test sobre este tema, en el apartado "Ponte a prueba" de esta misma página. Sin registro y sin límite de intentos.
¿De dónde sale el temario de este tema?
Del índice oficial de BOE núm. 226, de 21 de septiembre de 1993, páginas 27400 a 27438 (Orden de 9 de septiembre de 1993, del Ministerio de Educación y Ciencia, BOE-A-1993-23257), Anexo III — cuestionario específico (Parte A) de la especialidad Matemáticas del Cuerpo de Profesores de Enseñanza Secundaria (Temario oficial estatal de referencia — especialidad Matemáticas (Cuerpo de Profesores de Enseñanza Secundaria)).
Fuentes de este desarrollo
H. Grassmann, Die lineale Ausdehnungslehre (1844)
G. Peano, Calcolo geometrico secondo l'Ausdehnungslehre di H. Grassmann (1888)
E. Steinitz, Algebraische Theorie der Körper (1910-1913)
Textos de referencia de álgebra lineal: S. Lang, Álgebra lineal; K. Hoffman y R. Kunze, Álgebra lineal
Real Decreto 243/2022, de 5 de abril, por el que se establecen la ordenación y las enseñanzas mínimas del Bachillerato (Matemáticas)
Mientras tanto, practica con tests gratis de Secundaria.