Espacios Vectoriales

Anahı́ Gajardo

Universidad de Concepción, Chile

Trimestre 2 - 2019
Cuerpo

Definición
Un cuerpo es un conjunto K con dos operaciones + : K × K → K
y · : K × K → K que cumplen las siguientes propiedades:
1. (∀x, y, z ∈ K) x + (y + z) = (x + y) + z, (asociatividad)
2. (∀x, y ∈ K) x + y = y + x, (conmutatividad)
3. (∃0 ∈ K)(∀x ∈ K) 0 + x = x, (existencia de neutro para +)
4. (∀x ∈ K)(∃y ∈ K) x + y = 0. (existencia de inverso para +)
5. (∀x, y, z ∈ K) x(yz) = (xy)z, (asociatividad)
6. (∀x, y ∈ K) xy = yx, (conmutatividad)
7. (∃1 ∈ K)(∀x ∈ K) 1x = x, (existencia de neutro para ·)
8. (∀x ∈ K \ {0})(∃y ∈ K) xy = 1. (existencia de inverso para ·)
9. (∀x, y, z ∈ K) x(y + z) = xy + xz. (distributividad)
Cuerpo

Propiedades
En un cuerpo se obtiene como consecuencia que el neutro es único,
al igual que el inverso. Además, para todo x, y, z ∈ K, se cumple:
1. −(−x) = x,
2. x + z = y + z ⇒ x = y.
3. −(xy) = (−x)y,
4. 0x = 0,
5. xy = 0 ⇒ x = 0 ∨ y = 0,
6. Si z 6= 0 y xz = yz, entonces x = y.
Espacio vectorial

Definición
Un espacio vectorial (e. v.) sobre un cuerpo K es un conjunto V
junto con dos operaciones + : V × V → V y · : K × V → V que
cumplen las siguientes propiedades:
1. (∀u, v, w ∈ V ) u + (v + w) = (u + v) + w, (asociatividad)
2. (∀u, v ∈ V ) u + v = v + u, (conmutatividad)
3. (∃Θ ∈ V )(∀u ∈ V ) Θ + u = u, (existencia de neutro para +)
4. (∀u ∈ V )(∃v ∈ V ) u + v = Θ, (existencia de inverso para +)
5. (∀α, β ∈ K)(∀u, v ∈ V ),
5.1 α(βu) = (αβ)u,
5.2 α(u + v) = αu + αv,
5.3 (α + β)u = αu + βu,
6. (∀u ∈ V ) 1u = u.
Donde 1 denota el neutro multiplicativo de K.
Espacio vectorial

Propiedades
A partir de los axiomas de espacio vectorial se pueden demostrar
las siguientes propiedades, para todo α, β ∈ K y todo u, v ∈ V .

1. 0u = Θ 6. (−α)u = −(αu)
2. αΘ = Θ 7. Si α 6= 0 y αu = αv,
3. αu = Θ ⇒ α = 0 ∨ u = Θ entonces u = v.
4. −(−u) = u 8. Si u 6= Θ y αu = βu,
5. (−1)u = −u entonces α = β.
Ejemplos

I (Kn , +, ·) el conjunto de los vectores de n coordenadas en K.

I (P(K), +, ·) el anillo de los polinomios.
I (Mm×n (K), +, ·) el anillo de las matrices de m por n con la
ponderación por escalar.
I (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.
Subespacios vectoriales

Definición
W ⊆ V es un sub espacio vectorial (s. e. v.) de V si (W, +, ·) es
también un e.v. sobre K.

En otras palabras:
1. el neutro de V está en W ,
2. W es cerrado para +, y
3. W es cerrado para ponderación por cualquier escalar de K.
Ejemplos

I Recta o plano que pasa por el origen

I {Θ}
I el espacio completo
I el conjunto de polinomios pares
I el conjunto de matrices antisimétricas
I el conjunto de soluciones de un sistema lineal homogéneo
I el conjunto de soluciones de una ecuación diferencial lineal
homogénea
Aplicación

En R16 , si xi representa el flujo en la calle i, entonces un flujo

posible cumple:
x5 = x3 + x8
x6 = x5 + x1
x2 + x7 = x6
x4 + x9 = x7
x8 + x13 = x10
x10 + x15 = x11
x11 = x12 + x16
x12 = x9 + x14
además de la ecuación: x2 + x4 + x15 + x13 = x1 + x14 + x16 + x3 .
Ası́ el conjunto de flujos posibles es un s.e.v.
Operaciones entre subespacios

Intersección

W ∩ U = {v | v ∈ W ∧ v ∈ U }

Suma

W + U = {w + u | w ∈ W ∧ u ∈ U }

Propiedad
Si W y U son s.e.v. de V , entonces W ∩ U y W + U también son
s. e. v. de V .
=⇒ la unión de s. e. v. no es un s. e. v., salvo que uno sea
subconjunto del otro.
Suma directa

Definición
Dos s. e. v. W , U de V están 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.

Propiedad
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.

Suma directa

Cuando no hay suma

directa, cada vector en
la intersección ayuda a
construir una nueva des-
composición de cada vec-
tor en la suma.

(ver animación en www.udec.cl/˜angajardo/cursos/A2/sketch 3D/sketch 3D.html )

Combinaciones lineales

Definición
Dado un conjunto de vectores {v1 , .., vn }, una combinación lineal
(c. l.) de estos vectores es un vector de la forma
n
X
u= αi vi .
i=1

donde α1 , .., αn ∈ K.
Subespacio generado

Definición
El conjunto de todas las combinaciones lineales de {v1 , .., vn }, se
llama conjunto generado por {v1 , .., vn } y se denota por:
( n )
X
h{v1 , .., vn }i = αi vi | α1 , .., αn ∈ K .
i=1

El conjunto generado por S ⊆ V se define como:

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

Además:
hφi = {Θ}.
Subespacio generado

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

=⇒ Si U = h{v1 , .., vn }i decimos que {v1 , .., vn } es un sistema de

generadores de U .
=⇒ La noción de espacio generado depende fuertemente del
cuerpo considerado.
Subespacio generado

Propiedades
1. Θ ∈ hSi.
2. S ⊆ hSi.
3. hSi es un s. e. v.
4. Si S ⊆ R, entonces hSi ⊆ hRi.
5. Si U es un s. e. v, entonces hU i = U .
6. hhSii = hSi.
7. hSi + hRi = hS ∪ Ri.
Independencia lineal
Definición
Un conjunto finito de vectores {v1 , .., vn } se dice linealmente
independiente (l. i.) si
" n #
X
(∀α1 , .., αn ∈ K) αi vi = Θ ⇒ α1 = α2 = · · · = αn = 0 .
i=1

=⇒ Es decir, Θ se representa de manera única como c. l. de los

vectores {v1 , .., vn }. Pero más generalmente...
Propiedad
Si {v1 , .., vn } es l. i.
n
X
(∀v ∈ h{v1 , .., vn }i)(∃!α1 , .., αn ) v = αi vi
i=1
Bases

Base
Una base de U es una familia ordenada de vectores {u1 , .., un } que
cumple que
I {u1 , .., un } genera a U , y
I {u1 , .., un } es l. i.

=⇒ ¡Importa el orden!
=⇒ El mismo conjunto de vectores ordenado de diferentes
maneras, forma bases diferentes.
Bases Canónicas

I Base canónica de K3 sobre K:

CK3 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}

I Base canónica de P3 (K) sobre K:

CP3 = {1, x, x2 , x3 }

I Base canónica de M2×2 (K) sobre K:

       
1 0 0 1 0 0 0 0
CM 2 = , , ,
0 0 0 0 1 0 0 1
Coordenadas

Dada una base B = {v1 , .., vn }, para cada vector v ∈ V definimos

sus coordenadas respecto a la base B como el vector (α1 , .., αn ) de
escalares que producen a v como c.l. de B, es decir
 
α1 n
 ..  X
[v]B =  .  ⇔ v = αi vi
αn i=1

=⇒ ¡Importa el orden!
=⇒ Si se cambia el orden de la base, el vector de coordenadas
cambia.
Buscando una base a partir de un generador

Proposición
Si un conjunto es l.d., entonces hay al menos un vector que es c.l.
de los demás.

Proposición
Si v1 es c.l. de {v2 , ..., vn }, entonces h{v1 , .., vn }i = h{v2 , .., vn }i.

Corolario
Todo sistema de generadores de un s.e.v. U contiene una base de
U.
Buscando una base desde un conjunto l.i.

Proposición
Si {v1 , .., vn } es l.i y v 6∈ h{v1 , .., vn }i, entonces {v1 , ..., vn , v} es
l.i.

Corolario
Si V tiene una base finita, entonces todo conjunto l.i en V se
puede agrandar para obtener una base de V .
Dimensión

Proposición
Si {u1 , ..., un } es una base de V , y {v1 , ..., vm } ⊆ V tiene m > n
elementos, entonces {v1 , ..., vm } es l. d.

Corolario
Todas las bases tienen el mismo tamaño.

Definición
La dimensión de un e.v. U es el tamaño de sus bases, y se denota
por dim(U ).
=⇒ No todos los e. v. tienen una base “finita”.
=⇒ La dimensión de un e. v. depende del cuerpo.
Dimensión

Proposición
Dado un e.v. V de dimensión finita, se cumple lo siguiente.
I Todo conjunto l. i. de V con dim(V ) elementos, es base de V .
I El conjunto l. i. más grande de V , tiene dim(V ) elementos.
I Todo conjunto generador de V con dim(V ) elementos es base
de V .
I El conjunto generador de V más pequeño tiene dim(V )
elementos.
I Si U es s. e. v. de V , entonces dim(U ) ≤ dim(V ).
I Si U es s. e. v. de V y dim(U ) = dim(V ), entonces U = V .
Dimensiónes de espacios clásicos

Espacios sobre K:
I dim(Kn ) = n
I dim(Mm×n (K)) = mn
I dim(Pn (K)) = n + 1
Cn visto como espacio sobre R:
I dim(Cn ) = 2n, sobre R.
Teorema de Grassman

Teorema
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 )