´

UNIVERSIDAD DE CONCEPCION Álgebra III. 525201

FACULTAD DE CIENCIAS
FÍSICAS Y MATEMÁTICAS 20 de marzo de 2013
DEPARTAMENTO DE INGENIERÍA MATEMÁTICA Prof.: Anahı́ Gajardo

Propiedades de espacios vectoriales

Definición 1 Un espacio vectorial (e.v.) sobre un cuerpo K es un conjunto V junto con dos ope-
raciones + : V × V → V y · : K × V → V que cumplen las siguientes propiedades:

1. (V, +) es un grupo abeliano,

2. (∀α, β ∈ K)(∀u, v ∈ V )

a) α(βu) = (αβ)u ∧
b) α(u + v) = αu + αv ∧
c) (α + β)u = αu + βu,

3. (∀u ∈ V ) 1u = u.

Donde 1 denota el neutro multiplicativo de K. Los elementos de V son llamados vectores.

A partir de los axiomas de espacio vectorial se pueden demostrar las siguientes propiedades.

Propiedades 1 En cualquier espacio vectorial (V, +, ·) se cumple que el neutro aditivo es único,
al igual que el inverso aditivo. Si denotamos por 0 al neutro aditivo del cuerpo K y por Θ al neutro
aditivo de V ; y denotamos además por −u al inverso aditivo de u, entonces para cualquier u ∈ V
y α ∈ K se cumple lo siguiente.

1. 0u = Θ 4. −(−u) = u

2. αΘ = Θ 5. (−1)u = −u

3. αu = Θ ⇒ α = 0 ∨ u = Θ 6. (−α)u = −(αu)

Ejemplos conocidos de espacios vectoriales sobre K son:

Kn el conjunto de los vectores de n coordenadas en K.

P(K) el anillo de los polinomios.

Mm×n (K) el anillo de las matrices de m por n con la ponderación por escalar.

F(X, K) el conjunto de las funciones de cualquier conjunto X en K, con la suma usual de

funciones y la ponderación por escalar usual.
Definición 2 W ⊆ V es un sub espacio vectorial (s.e.v.) si es no vacı́o y cerrado para + y ·,
contiene el neutro y es cerrado para inverso aditivo, es decir si
1. (∀u, v ∈ W ) u + v ∈ W ,

2. (∀α ∈ K)(∀u ∈ W ) αu ∈ W ,

3. Θ ∈ W ,

4. (∀u ∈ W ) − u ∈ W .

La propiedad anterior se puede demostrar más simplemente usando la siguiente caracterización:

Propiedades 2 W ⊆ V es un s.e.v. si y sólo si se cumple:

1. Θ ∈ W , y

2. (∀α ∈ K)(∀u, v ∈ W ) αu + v ∈ W .

Ejemplos de s.e.v. son las rectas y planos que pasan por el origen, el sı́ngleton {Θ}, el conjunto de
polinomios de grado menor o igual que 3, el conjunto de matrices antisimétricas, el conjunto de las
funciones continuas, etc. Notamos también que todo e.v. es también s.e.v de sı́ mismo.
Por otra parte, es importante notar que todo s.e.v. es también un e.v.

Definición 3 Dados dos s.e.v. W , U de V , se define su suma como sigue.

W + U = {w + u | w ∈ W ∧ u ∈ U }

Propiedades 3 Dados dos s.e.v. W , U de V , resulta que W ∩ U y W + U son también s.e.v. de

V.

Se observa que la unión de s.e.v. no siempre es s.e.v., es más, la única forma que la unión de dos
s.e.v. dé como resultado un s.e.v. es cuando uno es subconjunto del otro.

Definición 4 Dos s.e.v. W , U de V se dicen en suma directa si W ∩ U = {Θ}, en tal caso

denotamos W ⊕ U en lugar de W + U .

La suma directa es de particular importancia debido a la siguiente propiedad.

Propiedades 4 Si W y U son dos s.e.v. de V que están en suma directa, entonces se cumple:

(∀v ∈ W ⊕ U )(∃!w ∈ S)(∃!u ∈ U ) v = w + u.

Definición 5 Dado un e.v. V , y un conjunto de vectores {v1 , .., vn }, decimos que u es una combi-
nación lineal (c.l.) de estos vectores si existen escalares α1 , .., αn tales que:
n
X
u= αi vi .
i=1

El conjunto de todas las combinaciones lineales de {v1 , .., vn }, o generado por, está dado por:
 ( n )
X
h{v1 , .., vn }i = αi vi | α1 , .., αn ∈ K .
i=1

Dado φ 6= S ⊆ V cualquiera, se define el conjunto generado por S por:

( n )
X
hSi = αi vi | n ∈ N ∧ {vi } ⊆ S ∧ {α1 , .., αn } ⊂ K .
i=1

Se conviene que hφi = {Θ}.

Propiedades 5 Dado cualquier S ⊆ V , hSi coincide con el s.e.v. más pequeño que contiene a S.

Propiedades 6 Dado S ⊆ V cualquiera, se cumple lo siguiente.

1. Θ ∈ hSi.

2. S ⊆ hSi.

3. hSi es un s.e.v.

4. Si U es un s.e.v, entonces hU i = U .

5. Si U , W son s.e.v., entonces U + W = hU ∪ W i.

Definición 6 Si U = h{v1 , .., vn }i, entonces decimos que {v1 , .., vn } genera a U .

Definición 7 Un conjunto finito de vectores {v1 , .., vn } se dice linealmente independiente si

" n #
X
(∀α1 , .., αn ) αi vi = 0 ⇒ (∀i ∈ {1, .., n}) αi = Θ .
i=1

Esta definición es equivalente a decir que Θ se representa de manera única como c.l. de los vectores
{v1 , .., vn }, la única forma de obtener Θ como c.l. de estos vectores es ponderarlos todos por 0. Pero
¿a quién le importa como se escribe el Θ? lo interesante de esta propiedad es que induce unicidad
en la representación de todos los vectores de h{v1 , .., vn }i, como lo muestra la siguiente propiedad.
n
X n
X
Propiedades 7 Si {v1 , .., vn } es l.i. y (α1 , .., αn ) 6= (β1 , .., βn ) entonces αi vi 6= βi vi .
i=1 i=1
Equivalentemente, se tiene la siguiente propiedad:
n
X
(∀v ∈ h{v1 , .., vn }i)(∃!α1 , .., αn ) v = αi v i
i=1
Esto nos permite definir la noción de coordenadas. Cuando {v1 , .., vn } es l.i., decimos que
B = (v1 , .., vn ) es una base de h{v1 , .., vn }i, y para cada vector v ∈ h{v1 , .., vn }i definimos sus
coordenadas respecto a la base B como el vector (α1 , .., αn ). Lo denotamos:
 
α1
[v]B =  ... 
 
αn
Notamos que el orden en que aparecen los vectores en la base es importante a la hora de definir
las coordenadas. Los mismos vectores en un orden diferente representan bases distintas. La noción
de coordenadas nos permite llevar cualquier elemento de un e.v. a un vector de Kn y viceversa, de
manera que éste último lo representa completamente.

Definición 8 Se dice que (u1 , .., un ) es base de un s.e.v. U si

{u1 , .., un } genera a U , y

{u1 , .., un } son l.i.

Resulta que el tamaño de la base es una propiedad del s.e.v., es decir, dos bases distintas de un
s.e.v. han de tener siempre el mismo tamaño.

Teorema 1 Si (u1 , .., un ) y (w1 , .., wk ) son dos bases de U , entonces n = k.

El tamaño de sus bases caracteriza a un e.v. sobre un determinado cuerpo K. Por lo tanto podemos
darle nombre a este atributo.

Definición 9 Si un s.e.v. U tiene una base (u1 , .., un ), decimos que U tiene dimensión n, y escri-
bimos dim(U ) = n.

No todos los s.e.v. tienen una base “finita”, estos espacios tienen dimensión “infinita”.
Los dos teoremas siguientes nos indican cómo encontrar una base.

Teorema 2 Si {u1 , .., un } genera a U , entonces {u1 , .., un } contiene una base de U .

Teorema 3 Si {u1 , .., un } ⊆ U es l.i. y U tiene dimensión finita, entonces hay una base de U que
contiene a {u1 , .., un }.

Teorema 4 Dados dos s.e.v. U , W de dimensión finita, se cumple:

dim(U + W ) = dim(U ) + dim(W ) − dim(U ∩ W ).

Observamos que si U y W están en suma directa, entonces

dim(U ⊕ W ) = dim(U ) + dim(W )