520142:

ALGEBRA y ALGEBRA LINEAL

Segundo Semestre 2005, Universidad de Concepción

CAPITULO 10: Espacios Vectoriales

DEPARTAMENTO DE INGENIERIA MATEMATICA

Facultad de Ciencias Físicas y Matemáticas

1
 Espacios Vectoriales

Definición de Cuerpo

Sea K un conjunto y sean + : K × K → K, · : K × K → K operaciones

binarias internas. Se dice que (K, +, ·) es un cuerpo si:

a) + es asociativa: x + (y + z) = (x + y) + z ∀ x, y, z ∈ K.

b) + es conmutativa: x+y =y+x ∀ x, y ∈ K.

c) Existe un elemento neutro 0 ∈ K para +: x+0=x ∀ x ∈ K.

d) ∀ x ∈ K existe un inverso aditivo −x ∈ K tal que: x + (−x) = 0.

2
 Espacios Vectoriales

Definición de Cuerpo (...cont)

e) · es asociativa: x · (y · z) = (x · y) · z ∀ x, y, z ∈ K.

f) Existe un elemento neutro multiplicativo 1 ∈ K tal que:

x · 1 = 1 · x = x ∀ x ∈ K.

g) ∀ x ∈ K, x 6= 0 existe un inverso multiplicativo x−1 ∈ K tal que:

x · x−1 = x−1 · x = 1.

h) · es distributiva con respecto a +:

x · (y + z) = x · y + x · z y (x + y) · z = x · z + y · z ∀ x, y, z ∈ K .

Definición
Se dice que (K, +, ·) es un cuerpo conmutativo si además de a) - h) se
satisface:

i) x·y =y·x ∀ x, y ∈ K .
3
Espacios Vectoriales

Ejemplos
Los números racionales (Q), reales (R) y complejos (C) son cuerpos
conmutativos con la suma y producto que se indican:

K x y x+y x·y
a c ad+bc ac
Q b d bd bd
R x y x+y xy
C a + bi c + di (a + c) + (b + d) i (ac − bd) + (ad + bc) i

K 0 1 x −x x−1 (x 6= 0)
0 1 a (−a) b
Q 1 =0 1 =1 b b a (a 6= 0)
1
R 0 1 x −x x (x 6= 0)
 
a −b
C 0 + 0i 1 + 0i a + bi (−a) + (−b) i a2 +b2 + a2 +b2 i
a2 + b2 6= 0
4
 Espacios Vectoriales

Definición de Espacio Vectorial

Sean V un conjunto, K un cuerpo, y consideremos dos operaciones
binarias:

Suma (interna) + : V ×V →V , (x, y) 7→ x + y

Producto por escalar (externa) · : K×V →V , (α, x) 7→ α · x

Se dice que (V, +, ·) es un espacio vectorial sobre K, o bien

un K-espacio vectorial, si:

1) + es asociativa y conmutativa.
2) Existe un elemento neutro θ ∈ V (vector nulo) para +:
x + θ = x ∀x ∈ V .
3) ∀ x ∈ V existe un inverso aditivo −x ∈ V tal que: x + (−x) = θ.
4) Para todo α, β ∈ K y para todo x ∈ V : α · (β · x) = (α β) · x.
5
 Espacios Vectoriales

Definición de Espacio Vectorial (... cont)

5) Para todo α ∈ K y para todo x, y ∈ V : α · (x + y) = α · x + α · y.

6) Para todo α, β ∈ K y para todo x ∈ V : (α + β) · x = α · x + β · x.
7) Para todo x ∈ V : 1·x=x (1 es la unidad de K).

Observaciones

Los elementos de V se llaman vectores.

Todo espacio vectorial V es no vacío (θ ∈ V ).
V := {θ} es el espacio vectorial trivial.
V se dice un espacio vectorial
real si K = R.
complejo si K = C.
6
Espacios Vectoriales

Notación. Dados x, y ∈ V , se define la diferencia: x−y := x+(−y).

LEMA (Ley de Cancelación).

Sean x, y, z ∈ V tales que x + y = x + z. Entonces y = z.

TEOREMA.
Sea V un espacio vectorial sobre un cuerpo K. Entonces:

P1 ) el elemento neutro θ para la suma es único.

P01 ) para cada x ∈ V existe un único inverso aditivo −x ∈ V .
P2 ) para todo α ∈ K: α · θ = θ.
P3 ) para todo x ∈ V : 0 · x = θ.
P4 ) para todo α ∈ K y para todo x ∈ V : (−α) · x = − (α · x).
P5 ) ∀ α ∈ K , ∀ x ∈ V : (α · x = θ ) ⇐⇒ (α = 0 ∨ x = θ ).
7
Espacios Vectoriales

EJEMPLO 1 (Ejemplos Simples).

Sea K un cuerpo. Entonces

Kn es un espacio vectorial sobre K. Casos particulares:

R2 , R3 , Rn (n ∈ N) son espacios vectoriales sobre R;
C2 es espacio vectorial sobre C;
Q2 es un espacio vectorial sobre Q.
K es espacio vectorial sobre sí mismo. Casos particulares:
R es espacio vectorial real;
C es espacio vectorial complejo.
C también es espacio vectorial sobre R. Notar las diferencias
en las definiciones de + y ·.

8
Espacios Vectoriales

EJEMPLO 2 (Espacio de Soluciones de un Sistema Homogéneo).

Sean K un cuerpo, m, n ∈ N, A := (aij ) ∈ Mm×n (K) y definamos

V := { (x1 , ..., xn ) ∈ Kn tal que (x1 , ..., xn ) es solución de (1) }


 a11 x1 + · · · + a1n xn = 0


(1) ···



am1 x1 + · · · + amn xn = 0
+ : V ×V →V

(x1 , ..., xn ) + (y1 , ..., yn ) := (x1 + y1 , ..., xn + yn )

· : K×V →V

α · (x1 , ..., xn ) := (α x1 , ..., α xn )

Entonces (V, +, ·) es un espacio vectorial sobre K.

9
Espacios Vectoriales

EJEMPLO 3 (Espacio de Polinomios).

Sean K un cuerpo, n ∈ N y definamos

Vn := { p ∈ P(K) : grado de p ≤ n }

+ : V n × V n → Vn

p, q ∈ Vn , p(x) = a0 + a1 x + · · · + an xn , q(x) = b0 + b1 x + · · · + bn xn

(p + q)(x) := (a0 + b0 ) + (a1 + b1 ) x + · · · + (an + bn ) xn ∀x ∈ K

· : K × V n → Vn

α ∈ K, p ∈ Vn , (α·p)(x) := (α a0 )+(α a1 ) x+· · ·+(α an ) xn ∀x ∈ K

Entonces (Vn , +, ·) es un espacio vectorial sobre K.

10
Espacios Vectoriales

EJEMPLO 4 (Espacio de Matrices).

Sean m, n ∈ N, K un cuerpo, y definamos

V := Mm×n (K)

+ : V ×V →V

A := (aij ), B := (bij ) ∈ V , A + B := (aij + bij )

· : K×V →V

α ∈ K, A := (aij ) ∈ V , α · A := (α aij )

Entonces (V, +, ·) es un espacio vectorial sobre K.

11
Espacios Vectoriales

Subespacios Vectoriales
Sea V un K-espacio vectorial y S ⊆ V . Se dice que S es un Subespacio
vectorial de V , si S es un espacio vectorial sobre K con las mismas
operaciones binarias definidas en V .

Observación

V y {θ} se dicen subespacios triviales de V .

12
Espacios Vectoriales

Caracterización de Subespacios
Sea V un K-espacio vectorial y S ⊆ V . Entonces S es un subespacio de
V si y sólo si:
(i) S 6= ∅
(ii) (∀ x, y ∈ S) : x + y ∈ S
(S es cerrado con respecto a la suma)
(iii) (∀ λ ∈ K) (∀ x ∈ S) : λ · x ∈ S
(S es cerrado con respecto a la multiplicación por escalar)

13
Espacios Vectoriales

Ejemplos de Subespacios Vectoriales

1. El conjunto de soluciones en Kn de un sistema homogéneo de n

incógnitas, con coeficientes en K, es un subespacio vectorial de Kn
sobre K.
2. Sean a, b, c tres números reales. Entonces
U = {(x, y, z) ∈ R3 : ax + by + cz = 0}
W = {(x, y, z) ∈ R3 : x = az, y = bz}
son subespacios de R3 .
3. {A ∈ M2×2 (R) : A = At } es un subespacio de M2×2 (R)
4. {A ∈ M2×2 (R) : A = −A t } es un subespacio de M2×2 (R).
5. {A ∈ M2×2 (C) : A = −Ā t } es un subespacio de M2×2 (C).
6. Sea n ∈ N, n ≥ 2. Entonces, Kn−1 × {0} es un subespacio vectorial
de Kn sobre K.
14
 Espacios Vectoriales

Subespacios Vectoriales Notables

Sean V un K-espacio vectorial y U, W dos subespacios de V . Entonces

los siguientes subconjuntos
T
(S1) U W ={v∈V :v∈U ∧ v∈W }
(S2) U + W = { v ∈ V : v = u + w, u ∈ U ∧ w∈W }

son subespacios vectoriales de V , con las mismas operaciones binarias.

Suma directa (interna)

Sea V un K-espacio vectorial y U, W ⊆ V dos subespacios de V .

Se dice que U + W es suma directa si U ∩ W = {θ}, y se escribe U ⊕ W .
Equivalentemente: todo vector de U ⊕ W se descompone, de manera
única, como la suma de un vector de U con uno de W .
15
Espacios Vectoriales

Observación

Sean V un K-espacio vectorial y U, W dos subespacios de V . Entonces,

en general:

U ∪ W no es subespacio vectorial de V .

Contra ejemplo
Considerar las rectas que pasan por el origen:
U = { (x, y) ∈ R2 : y = 2x }
W = { (x, y) ∈ R2 : x = 2y }
y sean u = (1, 2) y v = (2, 1) ∈ U ∪ W . Entonces u + v ∈
/ U ∪ W.

Proposición
U ∪ W subespacio vectorial de V ⇐⇒ U ⊆ W ∨ W ⊆U
16
Espacios Vectoriales

Ejemplos

Si U y W son como en el contra ejemplo, entonces

        
 x x 1 2 
∈R :2  s, t ∈ R
U +W =   = s  + t
 y y 2 1 

Notar que U + W = R2 .
Sean
U = { p ∈ P3 (R) : p(0) = 0, p0 (0) = 0 }

W = { p ∈ P3 (R) : p(x) = p(−x) ∀ x ∈ R } .

Entonces
U ∩ W = {bx2 : b ∈ R}
17
Espacios Vectoriales

Ejemplos ... (cont)

Descomposición de Mn (R). Sean

 t
 t

U = A ∈ Mn (R) : A = A y W = A ∈ Mn (R) : A = −A .

Entonces:
U ∩ W = {θ} y U + W = Mn (R), e. d. U ⊕ W = Mn (R).
Descomposición de U . Sean

D = { A = (aij ) ∈ Mn (R) : aij = 0 si i 6= j }

Ũ = { A = (aij ) ∈ Mn (R) : aii = 0 ∧ aij = aji i 6= j} .
Entonces:
U = D + Ũ .
Si A ∈ W : ¿ diag(A)= ?
18
Espacios Vectoriales

Combinación Lineal
Sea {x1 , x2 , . . . , xn } un subconjunto de un K-espacio vectorial V . Se
dice que el vector x ∈ V es combinación lineal (c.l.) de estos n vectores
si existen escalares α1 , . . . , αn ∈ K tales que:
n
X
x = α 1 x1 + α 2 x2 + · · · + α n xn = α i xi
i=1

Observación El vector nulo es combinación lineal (c.l.) de cualquier

conjunto de vectores de V .

Sistema de Generadores
Sea A un subconjunto de un K-espacio vectorial V . Se dice que A es
un sistema de generadores de V si todo vector de V se puede escribir
como c.l. de un número finito de vectores de A.
19
Espacios Vectoriales

Ejemplos

(i) Sean V = R2 y ~v , d~ ∈ V . Entonces ~v es c.l de d~ si y sólo si ~v

pertenece a la recta:

L := { ~x ∈ V : ~
~x = t d, t ∈ R}

(ii) Sean V = R3 y ~v , ~a, ~b ∈ V . Entonces ~v es c.l. de los vectores ~a y ~b

si y sólo si ~v pertenece al plano:

Π := { ~x ∈ V : ~x = t ~a + s ~b, t, s ∈ R }

(iii) Sean V := P(R) y A := {1, x, x2 , x3 , ..., xn , ...}. Entonces A es un

sistema de generadores de V .
20
Espacios Vectoriales

Ejemplos ... (cont)

(iv) Sean V = R3 y
~a = (1, 0, 1), ~b = (−1, 1, 0), ~c = (0, 0, 1), d~ = (1, 2, 3). Entonces:

( 52 , −2, 12 ) = 1
2 ~a − 2 ~b + 0 ~c + 0 d~

−7 ~
= 0 ~a + 3 b + 0 ~c + 1
6 d~

(v) Sean V = P2 (R) y p1 (x) = (x − 1)2 , p2 (x) = 12 x + 1, p3 (x) = 5.

Entonces:

2 2
x − 2x + 3 = 1 p1 (x) + 0 p2 (x) + p3 (x)
5
Observar que esta c.l es única.
21
Espacios Vectoriales

Ejemplos ... (cont)

(vi) Sean V = M2 (R) y los vectores

     
1
1 0 0 −4 0 4
A1 =   , A2 =   , A3 =  .
0 2 8 0 − 12 0

Entonces
 
2 −10
A=  se puede expresar como c.l. de los
20 4
vectores A1 , A2 y A3 de infinitas maneras.
 
2 −10
B=   no es c.l. de A1 , A2 y A3 .
20 −5

22
Espacios Vectoriales

Subespacio generado
Sea A := {v1 , v2 , . . . , vr } un subconjunto de un K-espacio vectorial V , y
sea S el conjunto de todas las combinaciones lineales de los r vectores
de A, esto es:
( r
)
X
S= v∈V : v= αi vi , αi ∈ K, i = 1, . . . , r
i=1
Proposición
S es un subespacio vectorial de V , el cual se llama subespacio
generado por el conjunto A.

Observaciones

A es un sistema de generadores de S.
Usualmente se denota: S = hAi = h{v1 , v2 , . . . , vr }i
Otras notaciones: S = lin{A}, S = span{A}
23
Espacios Vectoriales

Ejemplos

1. Sean V = R3 y los vectores ~a = (0, 1, 2), ~b = (−1, 3, −1) y

~c = (2, − 11 a, ~b, ~c} i es un plano que pasa
2 , 3). Entonces, S = h {~
por el origen.
2. Sea V = M2 (R) y los vectores (matrices)
     
1 0 0 1 0 0
E1 =   , E2 =   E3 =  
0 0 1 0 0 1

Entonces S = h{E1 , E2 , E3 }i = {A ∈ V : A = At }
3. Sea V = P3 (R) y los vectores (monomios) p1 (x) = x y p2 (x) = x3 .
Entonces:

S = h{p1 , p2 }i = {p ∈ V : p(−x) = −p(x) }

24
Espacios Vectoriales

Dependencia e independencia lineal de vectores

Sea A = {v1 , v2 , . . . , vr } un subconjunto de un K-espacio vectorial V . Se
dice que A es linealmente dependiente (l.d.) si existen escalares no
todos nulos α1 , α2 , . . . , αr ∈ K tales que:
α1 v1 + · · · + α r vr = θ
Si A no es l.d., se dice que es linealmente independiente (l.i).
Equivalentemente:
α1 v1 + · · · + α r vr = θ ⇔ α 1 = α2 = · · · = α r = 0

Observación
El hecho que A sea l.d. no implica que cada vi es c.l. de los demás.
Contraejemplo: Sean V = R3 , ~a = (1, 0, 0), ~b = (0, 1, 0) y
~c = (0, 2, 0). Es inmediato que A = {~a, ~b, ~c} es l.d., y sin embargo
~a 6∈ h{~b, ~c}i. Observar que sí existe al menos un vector de A que es
c.l. de los otros.
25
Espacios Vectoriales

Observación ...(cont)

Si A es un conjunto l.i. en V , entonces todo subconjunto de A es l.i.

Si θ ∈ A entonces A es l.d. en V .
Si A = { x } con x 6= θ entonces A es l.i.
El conjunto vacío ∅ es l.i. en V .

Ejemplos

Sean V = R3 y los siguiente subconjuntos de V :

A1 = { (1, 0, 0), (0, 1, 0), (0, 0, 1) }
A2 = { (0, 0, 1), (0, 1, 1), (1, 1, 1) }
A3 = { (1, −1, 0), (0, −1, 1), (−1, 0, 1) }

A1 y A2 son l.i. A3 es l.d en V .

26
Espacios Vectoriales

Ejemplos ...(cont)

Sean V = P2 (R) y los siguientes conjuntos de V :

A1 = { 3x2 − 2x, x2 + 1, −3x + 2, x2 − 1 }

A2 = { 3x2 − 2x, x2 + 1, −3x + 2 }
A3 = { 1, x, x2 }

A1 es l.d. A2 y A3 son l.i. en V .

El conjunto
 
A= |x|, max{0, x}, max{0, −x}
x∈R x∈R

es l.d. en V = C(R).

27
Espacios Vectoriales

Lema de Dependencia Lineal

Sea V un K espacio vectorial. Si {v1 , v2 , ...., vm } es linealmente

dependiente en V y v1 6= θ, entonces existe j ∈ {2, 3, ..., m} tal que

vj ∈ h{v1 , v2 , ..., vj−2 , vj−1 }i

h{v1 , ...., vj−1 , vj+1 , ...vm }i = h{v1 , v2 , ...., vm }i

28
Espacios Vectoriales

Teorema
Sea A un subconjunto finito de un K-espacio vectorial 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.
(c) Ningún vector de A es c.l. de los demás.

Análogamente, son equivalentes:

(ã) A es l.d.
(b̃) Existe una c.l. de los vectores de A con escalares no todos nulos,
cuyo resultado es el vector nulo.
(c̃) Algún vector de A es c.l. de los restantes.
29
Espacios Vectoriales

Definición

Se dice que un K- espacio vectorial es finito dimensional si posee un

sistema de generadores de cardinalidad finita.

Teorema

En un espacio finito dimensional, la cardinalidad de todo conjunto

linealmente independiente (l.i.) es menor o igual a la cardinalidad de
cualquier sistema de generadores.

Proposición

Todo subespacio de un espacio finito dimensional es finito dimensional.

30
Espacios Vectoriales

Definición: Base vectorial

Sea V un K-espacio vectorial. El subconjunto ordenado de V dado por
B = {v1 , v2 , ..., vn } es una Base de V si:
(i) B es l.i. (ii) V = hBi

Proposición
Sea V un K-espacio vectorial. Un subconjunto {v1 , v2 , ..., vn } es una base
de V si y sólo si cada vector v ∈ V puede escribirse de manera única
como la c.l.: v = α1 · v1 + α2 · v2 + · · · αn · vn , donde α1 , . . . , αn ∈ K.

Proposición
Dos bases de un espacio vectorial tienen la misma cardinalidad.

31
Espacios Vectoriales

Dimensión de un espacio vectorial

Se llama dimensión de un K espacio vectorial V a la cardinalidad de una
base de V

Proposición
En un K-espacio vectorial V de dimensión n, todo subconjunto l.i. de
cardinalidad n es una base de V .

Observación
Sea V un K-espacio vectorial de dimensión n:

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 .
32
Espacios Vectoriales

Teorema de Grassmann
Sea V un K-espacio vectorial de dimensión finita, y sean U , W
subespacios de V . Entonces:

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

Proposición (Suma directa de varios Subespacios)

Sea V un K-espacio vectorial, y sean U1 , U2 , . . . Un subespacios de V .
L L L
Entonces V = U1 U2 · · · Un ⇔

(1) V = U1 + · · · + U n
(2) La escritura de θ es única
en la suma U1 + · · · + Un .
( θ = θ + ··· + θ )
| {z }
n
33
Espacios Vectoriales

Proposición
Sea V un K-espacio vectorial de dimensión finita, y sean U1 , U2 , . . . Un
subespacios de V, tal que:

• V = U1 + · · · + U n
• dim (V ) = dim (U1 ) + · · · + dim (Un )

L L L
Entonces V = U1 U2 ··· Un

Proposición
Sea V un K-espacio vectorial de dimensión finita, y sea U un subespacio
de V . Entonces existe un subespacio W de V tal que
M
V = U W

34
Espacios Vectoriales

Coordenadas

Dada una base β = {v1 , . . . , vn } de un K-espacio vectorial V , la escritura

única de cada v ∈ V como c.l. de los vectores de β, esto es

v = α 1 · v1 + · · · + α n · vn ,

establece la identificación, vía la base β:

v∈V ←→ [v]β = [α1 , . . . , αn ] ∈ Kn

En tal caso, se dice que [v]β es el vector coordenada de v en la base β.

35