Espacios Vectoriales

UNIVERSIDAD DE CONCEPCION
Facultad de Ciencias Fsicas y Matem aticas

Departamento de Ingeniera Matem atica
Algebra II. 525148
Espacios Vectoriales
Dpto. de Ingeniera Matem atica 1. ACQ/JCS/LNB/MSS.
Denici on de Cuerpo. Sea IK un conjunto dotado de dos operaciones binarias
internas: una operaci on adici on
+ : IK IK IK,
y una operaci on Multiplicaci on
: IK IK IK.
Se dice que (IK, +, ) es un cuerpo si x, y, z IK:
1) x + (y + z) = (x + y) + z (+ es asociativa)
2) x + y = y + x (+ es conmutativa)
3) 0 IK : x + 0 = x (0 es elemento neutro para +)
4) x IK : x + (x) = 0 (x es sim etrico de x)
Denici on de Espacio Vectorial
5) x (y z) = (x y) z ( es asociativo)
6) 1 IK : x 1 = 1 x = x (1 es elemento unidad de IK)
7) Si x ,= 0, x
1
IK : x x
1
= x
1
x = 1 (x
1
es inverso de x)
8) x (y +z) = x y +x z y
(x +y) z = x z +y z (distributividades de c/r a +)
Si adem as la multiplicaci on es conmutativa se dice que (IK, +, ) es un cuerpo
conmutativo.
Con la adici on y la multiplicaci on habituales, los conjuntos I Q, R y I C son
cuerpos conmutativos.
Denici on de Espacio Vectorial
Sean IK un cuerpo y V un conjunto sobre el cual est an denidas las operaciones:
Adici on (binaria interna) + : V V V , (x, y) x + y
Multiplicaci on por escalar (binaria externa) : IK V V , (, x) x
La estructura (V, +, ) es un espacio vectorial sobre IK, o IK-espacio vectorial, si
x, y, z V y , IK:
1) x + (y + z) = (x + y) + z (+ es asociativa)
2) x + y = y + x (+ es conmutativa)
3) V : x + = x ( es el vector nulo de V )
4) x V : x + (x) = (x es sim etrico de x)
5) ( x) = ( ) x ( es asociativo)
6) (x + y) = x + y (distributividad de c/r a + de V )
7) ( + ) x = x + x (distributividad de c/r a + de I K)
8) Para la unidad 1 de IK : 1 x = x
Observaciones.
1. Los elementos de V se llaman vectores.
2. Los elementos de IK se llaman escalares.
3. Todo espacio vectorial V es no vaco. ( V ).
4. V := es el espacio vectorial trivial.
5. Un espacio vectorial real es un espacio con escalares en R.
6. Un espacio vectorial complejo es un espacio con escalares en I C.
Convenio.
En adelante, cuando s olo se indique que V es un espacio vectorial, sin mencionar
el cuerpo de escalares, se entender a que IK es cualquier cuerpo.
Denici on. Para x, y V se denen la diferencia y la igualdad por:
x y := x + (y), x = y x y = .
Ley de Cancelaci on.
Sean x, y, z V tales que x +y = x +z. Entonces y = z.
Teorema.
En todo espacio vectorial V , sobre un cuerpo IK, se verican:
1) el vector nulo , elemento neutro para la suma, es unico;
2) para cada x V : el sim etrico de x (el vector x ) es unico;
3) cualquiera sea IK : = ;
4) cualquiera sea x V : 0 x = ;
5) cualquiera sean IK y x V : () x = ( x);
6) para IK y x V : x = ( = 0 x = ).
Ejemplo 1. (Soluciones de un Sistema Homog eneo)
Sean IK un cuerpo, m, n IN y A := (a
ij
) /
mn
(IK). Se denen:
1) El conjunto V := x = (x
1
, ..., x
n
)
t
IK
n
: Ax = .
2) La operaci on de Adici on: + : V V V , tal que
(x
1
, ..., x
n
)
t
+ (y
1
, ..., y
n
)
t
:= (x
1
+y
1
, ..., x
n
+y
n
)
t
;
3) La operaci on el producto por escalar: : IK V V , tal que
(x
1
, ..., x
n
)
t
:= ( x
1
, ..., x
n
)
t
.
Entonces, (V, +, ) es un espacio vectorial sobre IK.
En particular, ver casos con una matriz A, de 2 3 y con una matriz B, de 1 3.
Ejemplo 2.( IK y K
n
= (x
1
, ...x
n
) : x
1
, ...x
n
R)
Si IK es un cuerpo y n IN. , entonces IK es espacio vectorial sobre s
mismo. Casos particulares: R es un espacio vectorial real y I C es espacio
vectorial complejo.
Notar que R no es espacio vectorial sobre I C y observar las diferencias en la
denici on del producto por escalar para I C como espacio complejo y real.
IK
n
es un espacio vectorial sobre IK. Casos particulares:
2 R
2
, R
3
, R
n
son espacios vectoriales sobre R;
2 I C
2
, I C
3
, I C
n
son espacios vectoriales sobre I C;
2 I Q
2
es un espacio vectorial sobre I Q.
Ejemplo 3. (Espacios de Polinomios).
Sean IK un cuerpo y n IN. Se denen:
1) El conjunto:
V := p T(IK) : p(x) = a
0
+a
1
x + +a
n
x
n
, x IK
2) La operaci on (conocida) de Adici on de polinomios + : V V V
p, q V , p(x) = a
0
+a
1
x+ +a
n
x
n
, q(x) = b
0
+b
1
x+ +b
n
x
n
(p +q)(x) := (a
0
+b
0
) + (a
1
+b
1
) x + + (a
n
+b
n
) x
n
x IK
3) La operacion (conocida) producto por escalar: : IK V V
IK, p V, (p)(x) := (a
0
)+(a
1
) x+ +(a
n
) x
n
x IK
Entonces (V, +, ) es un espacio vectorial sobre IK. Ver caso particular, con
n = 2 y IK = R. Es decir, el espacio vectorial real V := P
2
(R).
Ejemplo 4. (Espacios de Matrices)
Sean m, n IN y IK un cuerpo. Se denen:
1) El conjunto:
V := /
mn
(IK),
2) La operaci on (conocida) Adici on de Matrices: + : V V V
A = (a
ij
), B = (b
ij
) V : (A +B) := (a
ij
+b
ij
),
3) La operaci on (conocida) Producto por escalar: : IK V V
IK , A = (a
ij
) V : ( A) := ( a
ij
).
Entonces (V, +, ) es un espacio vectorial sobre IK.
Ver caso particular con m = n = 2. Es decir, el espacio vectorial real
V := /
2
(R).
Dpto. de Ingeniera Matem atica 10 . ACQ/JCS/LNB/MSS.
Subespacios Vectoriales
Sea V un IK-espacio vectorial y S V . Se dice que S es un subespacio
vectorial de V, si S es un espacio vectorial sobre IK con las mismas operaciones
binarias denidas en V .
Por ejemplo, V y son subespacio de V , se dicen subespacios triviales de V .
Adem as, por el ejemplo 1), X = (x, y, z) : x + 2y + 3z = 0 R
3
es un
espacio vectorial real. Luego, es un subespacio de R
3
.
Caracterizaci on de subespacios
Sea V un IK-espacio vectorial y S V . Entonces S es un subespacio de V si,
y s olo si :
i) S ,= ,
ii) x, y S : x +y S (S es cerrado para la suma)
iii) IK, x S : x S (S es cerrado para el producto)
Ejemplo 5. Subespacios.
1. El conjunto de las soluciones de un sistema lineal homog eneo Ax = , con
A /
mn
(IK), es un subespacio vectorial de IK
n
(ver ejemplo 1).
2. Sean a, b y c tres n umeros reales. Entonces
U = (x, y, z) R
3
: ax +by +cz = 0,
W = v R
3
: v = t r, t R, r R
3
,
son subespacios conocidos de R
3
, U es un plano y W es una recta.
3. A M
22
(R) : A = A
t
es un subespacio de M
22
(R)
4. A M
22
(R) : A = A
t
22
(R).
5. A M
22
(I C) : A =

A
t
22
(I C).
6. Sea n IN, n 2. Entonces, IK
n1
0 es un subespacio de IK
n
.
Subespacios intersecci on y suma.
Sean V un espacio vectorial y U, W dos subespacios de V . Los siguientes
conjuntos:
U W := v V : v U v W
U +W := v V : v = u +w, u U w W
son subespacios vectoriales de V .
En particular, el subespacio suma U +W se dice que es suma directa cuando
U W = , se escribe UW.
Ejemplo 6. Para los siguientes subespacios de V = R
3
:
L
1
= (2t, 3t, 4t) : t R, L
2
= (t, 3t, 0) : t R.
L
1
+L
2
= es suma directa, pues L
1
L
2
= (0, 0, 0). Es decir,
L
1
L
2
= . Notar que = (x, y, z) : 12x 4y 3z = 0.
Observaci on.
Sea V un espacio vectorial y U, W dos subespacios de V . En general, U W
no es un subespacio vectorial de V .
Ejemplo 7. Contraejemplo. Considere las rectas que pasan por el origen:
U := (x, y) R
2
: y = 2x ,
W := (x, y) R
2
: x = 2y ,
y sean u = (1, 2) U y w = (2, 1) W. Se tiene que: u, w U W, sin
embargo, u +w = (3, 3) / U W.
Teorema. Sea V un espacio vectorial y U, W dos subespacios de V .
U Wes subespacio vectorial de V U W W U.
Ejemplo 8.
1) . Si U y W son como en el contra ejemplo, entonces
U +W = (x, y) R
2
: (x, y) = t(1, 2) +s(2, 1), s, t R,
Notar que U +W = R
2
.
2) . Sean
U = p T
3
(R) : p(0) = 0, p
(0) = 0
W = p T
3
(R) : p(x) = p(x), x R .
Entonces U W = bx
2
: b R.
Ejemplo 8. (continuaci on).
3). Descomposici on de /
n
(R). Sean
U =
_
A /
n
(R) : A = A
t
_
y W =
_
A /
n
(R) : A = A
t
_
.
Entonces: U W = y U +W = /
n
(R), Es decir
U W = /
n
(R).
4). Descomposici on de U. Sean
D = A = (a
ij
) /
n
(R) : a
ij
= 0 si i ,= j
E = A = (a
ij
) /
n
(R) : a
ii
= 0 a
ij
= a
ji
i ,= j .
Entonces U = D +E.
Combinaci on lineal.
Sean V un espacio vectorial sobre IK y A = x
1
, x
2
, . . . , x
n
V . Un vector
x V es combinaci on lineal (c.l.) de los vectores de A si existen escalares
1
, . . . ,
n
IK tales que:
x =
1
x
1
+
2
x
2
+ +
n
x
n
=
n
i=1
i
x
i
Por ejemplo, el vector nulo es combinaci on lineal de cualquier conjunto nito de
vectores de V .
=
1
x
1
+
2
x
2
+ +
n
x
n
=
n
i=1
i
x
i
,
con
i
= 0.
Ejemplo 9.
1). Sea V = R
2
y sean v,

d V . Entonces v es c.l de

d si y s olo si v
pertenece a la recta:
L := x V : x = t

d, t R
2). Sea V = R
3
y sean v, v
1
, v
2
V . Entonces v es c.l. de los vectores
v
1
, v
2
si y s olo si v pertenece al plano:
:= x V : x = t v
1
+ s v
2
, t, s R
Nota. Si v
1
[[ v
2
, entonces v
1
es c.l. de v
2
, y vice-versa.
Ejemplo 9. (continuaci on).
3). Sea V = R
3
y A = u
1
, u
2
, u
3
el conjunto de vectores tales que
u
1
= (1, 0, 1), u
2
= (1, 1, 0), u
3
= (0, 0, 1), y u
4
= (1, 2, 3).
Entonces :
u = (
5
2
, 2,
1
2
) =
1
2
u
1
2 u
2
+ 0 u
3
+ 0 u
4
y, de otra manera
u = 0 u
1
+
7
3
u
2
+ 0 u
3
+
1
6
u
4
.
4). Sean V = T
2
(R) y p
1
(x) = (x 1)
2
, p
2
(x) =
1
2
x + 1, p
3
(x) = 5.
Entonces:
x
2
2x + 3 = 1 p
1
(x) + 0 p
2
(x) +
2
5
p
3
(x).
Muestre que esta c.l es unica.
Ejemplo 9 (continuaci on).
5). Sean V = /(R) y los vectores
A
1
=
_
_
1 0
0 2
_
_
, A
2
=
_
_
0 4
8 0
_
_
, A
3
=
_
_
0
1
4
1
2
0
_
_
Entonces la matriz
A =
_
_
2 10
20 4
_
_
se puede expresar como c.l. de A
1
, A
2
y A
3
de innitas maneras.
Subespacio generado
Sean V un espacio vectorial sobre IK y A = v
1
, v
2
, . . . , v
r
V . El conjunto
de todas las combinaciones lineales de estos r vectores de A:
S =
_
v V : v =
r
i=1
i
v
i
,
i
IK, i = 1, . . . , r
_
es un subespacio vectorial de V llamado Espacio generado por A.
Se dice que A es un conjunto de generadores de S y se escribe
S = A) = v
1
, v
2
, . . . , v
r
).
Por ejemplo, la recta del ejemplo 6, L
1
= (2t, 3t, 4t) : t R es tal que:
L
1
= (2t, 3t, 4t) : t R = (2, 3, 4)t : t R =< (2, 3, 4) > .
es un subespacio generado por A = (2, 3, 4).
Ejemplo 10.
1. Sean V = R
3
y los vectores v
1
= [0, 1, 2], v
2
= [1, 3, 1] y
v
3
= [2,
11
2
, 3]. Entonces, S = v
1
, v
2
, v
3
) es un plano que pasa por
el origen.
2. Sea V = /
22
(R) y los vectores:
E
1
=
_
_
1 0
0 0
_
_
, E
2
=
_
_
0 1
1 0
_
_
E
3
=
_
_
0 0
0 1
_
_
.
Entonces, S = E
1
, E
2
, E
3
) = A V : A = A
t
.
3. Sea V = T
3
(R) y los vectores (monomios) p
1
(x) = x y p
2
(x) = x
3
.
Entonces:
S = p
1
, p
2
) = p V : p(x) = p(x) .
Independencia lineal
Sean V un espacio vectorial sobre IK y A = v
1
, v
2
, . . . , v
r
V . Se dice
que A es un conjunto linealmente dependiente (l.d.) si existen escalares
1
,
2
, . . . ,
r
IK, no todos iguales a cero, tales que:
1
v
1
+ +
r
v
r
= .
Si A no es l.d., se dice que es linealmente independiente (l.i). Es decir, A es l.i.
si,y s olo si no existen escalares no nulos
1
,
2
, . . . ,
r
IK,tales que
1
v
1
+ +
r
v
r
= .
Lo que es equivalente con:
1
v
1
+ +
r
v
r
= =
1
=
2
= . . . =
r
= 0.
Ejemplo 11. A = (1, 2), (0, 3) es l.i. y B = (1, 2), (0, 3), (4, 6) es l.d.
en R
2
.
Observaciones.
1. Si A es l.d. entonces existe al menos un vector de A que es c.l. de los otros.
La dependencia lineal de A no implica que cada v
i
sea c.l. de los dem as. Por
ejemplo, en V = R
3
los vectores v
1
= (1, 0, 0), v
2
= (0, 1, 0) y
v
3
= (0, 2, 0) constituyen un conjunto l.d. Sin embargo, v
1
, v
2
, v
3
).
2. Si A es un conjunto l.i. en V , entonces todo subconjunto de A es l.i.
3. Si A es l.d. en V , entonces todo conjunto que contenga a A es l.d.
4. Si A, entonces A es l.d. en V .
5. Si A = x con x ,= , entonces A es l.i.
Ejemplos 12.
1) Sean V = R
3
y considere los siguientes subconjuntos de V :
A
1
= (1, 0, 0), (0, 1, 0), (0, 0, 1)
A
2
= (0, 0, 1), (0, 1, 1), (1, 1, 1)
A
3
= (1, 1, 0), (0, 1, 1), (1, 0, 1)
Se tiene que: A
1
y A
2
son l.i. y que A
3
es l.d. en V .
2) Sean V = T
2
(R) y los siguientes subconjuntos de V :
A
1
= 3x
2
2x, x
2
+ 1, 3x + 2, x
2
1
A
2
= 3x
2
2x, x
2
+ 1, 3x + 2
A
3
= 1, x, x
2
A
1
es l.d. mientras que A
2
y A
3
son l.i. en V .
Lema de Dependencia Lineal
Sea V un espacio vectorial. Si v
1
, v
2
, ...., v
m
es linealmente dependiente en
V y v
1
,= , entonces existe j 2, 3, ..., m tal que
a) v
j
v
1
, v
2
, ..., v
j1
, v
j+1
, ..., v
m
)
b) v
1
, ...., v
j1
, v
j+1
, ...v
m
) = v
1
, v
2
, ...., v
m
)
Teorema
Sean V un espacio vectorial y A un subconjunto nito de V . Las siguientes
proposiciones son equivalentes:
a) A es l.i.
b) Toda c.l. de los vectores de A, cuyo resultado sea el vector nulo, es la trivial,
es decir con todos los escalares iguales a cero.
c) Ning un vector de A es c.l. de los dem as.
Corolario. Son equivalentes:
a) A es l.d.
b) Existe una c.l. de los vectores de A con escalares no todos nulos, cuyo
resultado es el vector nulo.
c) Alg un vector de A es c.l. de los restantes.
Denici on. Se dice que un espacio vectorial es nito dimensional, o de
dimensi on nita, si posee un conjunto de generadores de cardinalidad nita.
Por ejemplo, los conjuntos A y B del ejemplo 11 generan el espacio V = R
2
,
luego V tiene dimensi on nita.
Teorema. En un espacio nito dimensional, la cardinalidad de todo conjunto
linealmente independiente (l.i.) es menor o igual a la cardinalidad de cualquier
conjunto de generadores.
Teorema. Todo subespacio de un espacio nito dimensional es nito dimensional.
Denici on de base. Sea V un espacio vectorial. Un subconjunto ordenado de
vectores de V , digamos B = v
1
, v
2
, ..., v
n
, es una base de V si:
(i) B es l.i. y (ii) B) = V
Ejemplo 13. Mostrar bases can onicas de R
n
, P
n
(R) y M
mn
(R). Adem as, dar
otras bases para R
3
, P
3
(R) y M
22
(R).
Teorema. Sea V un espacio vectorial sobre IK. Un conjunto ordenado
v
1
, v
2
, ..., v
n
de vectores de V es una base para V si, y s olo si, cada vector v
de V puede ser escrito de manera unica como c.l. de los vectores v
1
, v
2
, ..., v
n
.
La escritura unica de v signica que existen escalares
1
, . . . ,
n
IK,
determinados de manera unica y tales que:
v =
1
v
1
+
2
v
2
+ +
n
v
n
.
Los escalares
1
, ...,
n
IK que permiten escribir de manera unica a cada
v V como c.l. de los vectores de B, esto es, v =
1
v
1
+ +
n
v
n
,
se llaman coordenadas del vector v respecto de la base B. El vector de IK
n
:
[v]
B
:=
_
1
.
.
.
n
_
_
se llama vector de coordenadas, o vector coordenado, de v respecto de la base
B.
Se tiene la identicaci on, va la base B:
v V [v]
B
= [
1
, . . . ,
n
]
t
IK
n
.
Ejemplo 14. Para R
2
, B = (1, 2), (3, 4) es una base de R
2
y
B
c
= (1, 0), (0, 1) la base can onica. Entonces, el vector u = (x, y) se
puede escribir de manera unica como c.l. de los vectores de estas bases y sus
coordenadas en estas bases son.
[(x, y)]
B
c
:=
_
_
x
y
_
_
, [(x, y)]
B
:=
_
_
2x +
3
2
y
x
1
2
y
_
_
.
En particular,
[(7, 8)]
B
c
:=
_
_
7
8
_
_
, [(7, 8)]
B
:=
_
_
2
3
_
_
.
Teorema. Dos bases cualesquiera de un mismo espacio vectorial tienen la misma
cardinalidad.
Teorema. Todo conjunto de generadores de un espacio vectorial puede reducirse a
una base del espacio.
Corolario. Todo espacio nito dimensional posee base.
Teorema de Steinitz. Todo conjunto l.i. en un espacio vectorial V , nito
dimensional, puede extenderse a una base de V.
Dimensi on de un espacio vectorial
Se llama dimensi on de un espacio vectorial V a la cardinalidad de una base de
V. Este n umero se representa por dimV . Se conviene en que dim = 0.
Del ejemplo 13, tenemos que dim(R
n
) = n, dim(P
n
(R)) = n + 1 y
dim(M
mn
(R)) = mn.
Teorema. En un espacio vectorial V de dimensi on n, todo subconjunto l.i. de
cardinalidad n es una base de V .
Observaciones. Sea V un espacio vectorial de dimensi on n. Entonces:
1. todo subconjunto de cardinalidad mayor que n es l.d.
2. Si W es subespacio de V , entonces dim W n.
3. Si W es subespacio de V y dim W = n, entonces V = W.
Teorema de Grassmann
Sea V un espacio vectorial de dimensi on nita y sean U, W subespacios de V .
Entonces:
dim(U +W) = dim(U) + dim(W) dim(U W)
Ejemplo 15. En ejemplo 6, vimos que L
1
+L
2
= es tal que:
L
1
L
2
) = (0, 0, 0) y dim(L
1
) = dim(L
2
) = 1. Luego, se verica que
dim() = dim(L
1
) +dim(L
2
) dim(L
1
L
2
) = 1 + 1 0 = 2.
Esto lo sabiamos, pues el plano tiene dimensi on 2.
Ejemplo 16. Consideremos los planos
1
= (x, y, z) : x+2y+3z = 0,
2
= (x, y, z) : 4x+5y+6z = 0.
se tiene que dim(
1
) = dim(
2
) = 2 y dim(
1

2
) = dim(L) = 1.
Luego, por el teorema de Grassmann tenemos que
dim(
1
+
2
) = dim(
1
) +dim(
2
) dim(
1

2
).
Es decir, dim(
1
+
2
) = 2 + 2 1 = 3. En consecuencia,
1
+
2
= R
3
.
Teorema . Sea V un espacio vectorial de dimensi on nita y sean U
1
, U
2
, . . . U
n
subespacios de V, tales que:
V = U
1
+ + U
n
dim(V ) = dim(U
1
) + + dim(U
n
)
Entonces V = U
1
U
2
U
n
.
En ejemplo 15, como L
1
+L
2
= y dim(L
1
+L
2
) = 2, aplicando el teorema
se deduce que = L
1
L
2
.
Teorema. Sea V un espacio vectorial de dimensi on nita y sea U un subespacio
de V . Entonces existe un subespacio W de V tal que
V = U W.
Ejemplo 17. Consideremos el subespacio U = L
1
de V = R
3
, del ejemplo 6.
Por el teorema existe el subespacio W, en este caso
W = (x, y, z) : 2x + 3y + 4z = 0 = ,
tal que U W = L
1
= R
3
.
Notar que con producto interior denido en R
3
, W es ortogonal con U.

Espacios Vectoriales

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Espacios Vectoriales

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD DE CONCEPCION

Facultad de Ciencias Fsicas y Matem aticas

También podría gustarte