Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Anahı́ Gajardo
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
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
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 .
Propiedad
Si W y U son dos s. e. v. de V que están en suma directa,
entonces se cumple:
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
Además:
hφi = {Θ}.
Subespacio generado
Propiedad
Dado cualquier S ⊆ V , hSi coincide con el s. e. v. más pequeño
que contiene a S.
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
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
CP3 = {1, x, x2 , x3 }
=⇒ ¡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: