Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ir a la navegaciónIr a la búsqueda
Este artículo está orientado a proporcionar un tratamiento riguroso y abstracto del
concepto de espacio vectorial. Para una introducción más accesible al concepto,
véase Vector
A los elementos de un espacio vectorial se les llama vectores y a los elementos del
cuerpo se les conoce como escalares.
Índice
1 Historia
2 Notación
3 Definición
3.1 Observaciones
3.2 Propiedades
3.3 Primer ejemplo con demostración
4 Ejemplos
4.1 Los cuerpos
4.2 Sucesiones sobre un cuerpo '"`UNIQ--postMath-000000A5-QINU`"'
4.3 Espacios de aplicaciones sobre un cuerpo
4.3.1 Los polinomios
4.3.2 Funciones trigonométricas
4.4 Los sistemas de ecuaciones lineales homogéneas
5 Subespacio vectorial
5.1 Definición
5.2 Consecuencias
6 Resultados internos
6.1 Combinación lineal
6.1.1 Proposición 1
6.2 Independencia lineal
6.2.1 Proposición 2
6.3 Base de un espacio vectorial
6.4 Base formalmente
6.4.1 Teorema de la base de generadores
6.4.2 Teorema Steinitz
6.5 Observación
6.6 Dimensión
6.6.1 Notación
6.7 Intersección de subespacios vectoriales
6.8 Suma de subespacios vectoriales
6.9 Teorema Fórmula de Grassmann
6.10 Suma directa de subespacios vectoriales
6.11 Cociente de espacios vectoriales
7 Construcciones básicas
7.1 Suma directa de espacios vectoriales
8 Espacios vectoriales con estructura adicional
8.1 Espacios normados
8.2 Espacios vectoriales topológicos
8.3 Espacios de Banach
8.4 Espacios prehilbertianos
8.5 Espacios de Hilbert
9 Morfismos entre espacios vectoriales
9.1 Aplicaciones lineales
10 Véase también
11 Referencias
11.1 Notas
11.2 Referencias históricas
11.3 Bibliografía
12 Enlaces externos
Historia
Históricamente, las primeras ideas que condujeron a los espacios vectoriales
modernos se remontan al siglo XVII: geometría analítica, matrices y sistemas de
ecuaciones lineales.
Notación
Dado un espacio vectorial {\displaystyle V}{\displaystyle V} sobre un cuerpo
{\displaystyle K}{\displaystyle K}, se distinguen los elementos de {\displaystyle
V}V y los de {\displaystyle K}K.
Definición
Un espacio vectorial sobre un cuerpo {\displaystyle K}{\displaystyle K} (como el
cuerpo de los números reales o los números complejos) es un conjunto no vacío,
digamos {\displaystyle V}V, dotado de dos operaciones para las cuales será cerrado:
Los elementos:
{\displaystyle \mathbf {u} \in V=\mathbb {R} ^{2}=\mathbb {R} \times {}\mathbb
{R} }
\mathbf{u} \in V =
\mathbb{R}^2 =
\mathbb{R} \times{}\mathbb{R}
son, de forma genérica:
{\displaystyle {\begin{array}{l}w_{x}=u_{x}+v_{x}\\w_{y}=u_{y}+v_{y}\end{array}}}
\begin{array}{l}
w_x = u_x + v_x \\
w_y = u_y + v_y
\end{array}
esto implica que la suma de vectores es interna y bien definida.
{\displaystyle \mathbf {u} +\mathbf {v} =\mathbf {v} +\mathbf {u} ,\quad \forall
{}\mathbf {u} ,\mathbf {v} \in {}V}
\mathbf{u} + \mathbf{v} = \mathbf{v} + \mathbf{u} , \quad
\forall{} \mathbf{u}, \mathbf{v} \in{} V
{\displaystyle \mathbf {u} +\mathbf {v} =\mathbf {v} +\mathbf {u} }
\mathbf{u} + \mathbf{v} =
\mathbf{v} + \mathbf{u}
{\displaystyle (u_{x},u_{y})+(v_{x},v_{y})=\mathbf {v} +\mathbf {u} }
(u_x, u_y) + (v_x, v_y) =
\mathbf{v} + \mathbf{u}
{\displaystyle (u_{x}+v_{x},u_{y}+v_{y})=\mathbf {v} +\mathbf {u} }
(u_x + v_x, u_y + v_y) =
\mathbf{v} + \mathbf{u}
{\displaystyle (v_{x}+u_{x},v_{y}+u_{y})=\mathbf {v} +\mathbf {u} }
(v_x + u_x, v_y + u_y) =
\mathbf{v} + \mathbf{u}
{\displaystyle (v_{x},v_{y})+(u_{x},u_{y})=\mathbf {v} +\mathbf {u} }
(v_x, v_y) + (u_x, u_y) =
\mathbf{v} + \mathbf{u}
{\displaystyle \mathbf {v} +\mathbf {u} =\mathbf {v} +\mathbf {u} }
\mathbf{v} + \mathbf{u} =
\mathbf{v} + \mathbf{u}
2) La propiedad asociativa:
{\displaystyle (\mathbf {u} +\mathbf {v} )+\mathbf {w} =\mathbf {u} +(\mathbf {v}
+\mathbf {w} )}
(\mathbf{u} + \mathbf{v}) + \mathbf{w}=
\mathbf{u} + (\mathbf{v} + \mathbf{w})
{\displaystyle {\Big (}(u_{x},u_{y})+(v_{x},v_{y}){\Big )}+
(w_{x},w_{y})=(u_{x},u_{y})+{\Big (}(v_{x},v_{y})+(w_{x},w_{y}){\Big )}}
\Big( (u_x, u_y) + (v_x, v_y) \Big) + (w_x, w_y) =
(u_x, u_y) + \Big( (v_x, v_y) + (w_x, w_y) \Big)
{\displaystyle (u_{x}+v_{x},u_{y}+v_{y})+(w_{x},w_{y})=(u_{x},u_{y})+(v_{x}
+w_{x},v_{y}+w_{y})\;}
(u_x + v_x, u_y + v_y) + (w_x, w_y)=
(u_x, u_y) + (v_x + w_x, v_y + w_y) \;
{\displaystyle (u_{x}+v_{x}+w_{x},u_{y}+v_{y}+w_{y})=(u_{x}+v_{x}+w_{x},u_{y}+v_{y}
+w_{y})\;}
(u_x + v_x + w_x, u_y + v_y + w_y) =
(u_x + v_x + w_x, u_y + v_y + w_y) \;
3) tiene elemento neutro {\displaystyle \mathbf {0} } \mathbf{0} :
{\displaystyle {\mathit {1}}\cdot \mathbf {u} =\mathbf {u} ,\quad \forall {}\mathbf
{u} \in {}V}
\mathit{1} \cdot \mathbf{u} = \mathbf{u} , \quad
\forall{} \mathbf{u} \in{} V
Que resulta:
Ejemplos
Los cuerpos
Todo cuerpo es un espacio vectorial sobre él mismo, usando como producto por
escalar el producto del cuerpo.
(u1, u2, ..., un)+(v1, v2, ..., vn)=(u1+v1, u2+v2, ..., un+vn).
a(u1, u2, ..., un)=(au1, au2, ..., aun).
Las sucesiones infinitas de {\displaystyle K^{}}K^{} son espacios vectoriales con
las operaciones:
(u1, u2, ..., un, ...)+(v1, v2, ..., vn, ...)=(u1+v1, u2+v2, ..., un+vn, ...).
a(u1, u2, ..., un, ...)=(au1, au2, ..., aun, ...).
El espacio de las matrices {\displaystyle n\times m}n \times m, {\displaystyle
M_{n\times m}(K)}M_{n \times m}(K), sobre {\displaystyle K^{}}K^{}, con las
operaciones:
{\displaystyle \forall f,g\in F,\;\forall a\in K}\forall f,g \in F,\; \forall a \in
K
{\displaystyle {\begin{matrix}(f+g)(w)&:=f(w)+g(w)_{}^{},\\\;\;\;\;(af)(w)&:=a(f)
(w)_{}^{}.\;\;\;\;\;\;\;\end{matrix}}}\begin{matrix}
(f + g)(w) &:= f(w) + g(w)_{}^{},\\
\;\;\;\;(af)(w) &:= a(f)(w)_{}^{}.\;\;\;\;\;\;\;
\end{matrix}
Los polinomios
Funciones trigonométricas
Las funciones trigonométricas forman espacios vectoriales con las siguientes
operaciones:
Consecuencias
{\displaystyle U}U hereda las operaciones de {\displaystyle V}V como aplicaciones
bien definidas, es decir que no escapan de {\displaystyle U}U, y como consecuencia
tenemos que {\displaystyle U}U es un espacio vectorial sobre {\displaystyle K}K.
Resultados internos
Para detallar el comportamiento interno de todos los espacios vectoriales de modo
general es necesario exponer una serie de herramientas cronológicamente vinculadas
entre ellas, con las cuales es posible construir resultados válidos en cualquier
estructura que sea espacio vectorial.
Combinación lineal
Proposición 1
Dado {\displaystyle E_{}^{}}E_{{}}^{{}} un espacio vectorial y {\displaystyle
S\subset E_{}^{}}S \subset E_{}^{} un conjunto de vectores, el conjunto
{\displaystyle F=\langle S_{}^{}\rangle _{E}}F=\langle S_{}^{} \rangle_E es el
subespacio vectorial más pequeño contenido en {\displaystyle E_{}^{}}E_{{}}^{{}} y
que contiene a {\displaystyle S_{}^{}}S_{}^{}.
Demostración
Nota. En este caso se dice que {\displaystyle S_{}^{}} S_{}^{} es un sistema de
generadores que genera a {\displaystyle F_{}^{}}F_{}^{}.
Independencia lineal
Diremos que un conjunto {\displaystyle S_{}^{}=\{v_{1},\;\dots ,\;v_{n}\}}S_{}^{}=\
{ v_1, \; \dots , \; v_n \} de vectores es linealmente independiente si el vector 0
no se puede expresar como combinación lineal no nula de los vectores de
{\displaystyle S_{}^{}}S_{}^{}, es decir:
Proposición 2
{\displaystyle v_{1},\;\dots ,\;v_{n}}v_1,\; \dots, \; v_n son linealmente
dependientes {\displaystyle \Leftrightarrow \exists v_{i}\neq 0:v_{i}=\sum _{i\neq
j\geq 1}^{n}a_{j}v_{j}} \Leftrightarrow \exists v_i \neq 0 : v_i= \sum_{ i \neq
j \geq 1}^n a_jv_j
Demostración
Base de un espacio vectorial
Artículos principales: Base y Dimensión.
Las bases revelan la estructura de los espacios vectoriales de una manera concisa.
Una base es el menor conjunto (finito o infinito) B = {vi}i ∈ I de vectores que
generan todo el espacio. Esto significa que cualquier vector v puede ser expresado
como una suma (llamada combinación lineal) de elementos de la base
Base formalmente
Teorema Steinitz
Toda base de un espacio vectorial puede ser cambiada parcialmente por vectores
linealmente independientes.
Dimensión
Dado un espacio vectorial sobre {\displaystyle K_{}^{}} K_{}^{} :
{\displaystyle {\begin{matrix}[u]+[v]&:=&[u+v]\\\;\;\;\;\;\;\;\lambda
[u]&:=&[\lambda u]\;\;\;\;\end{matrix}}}\begin{matrix} [u]+ [v] & := &
[u+v] \\ \;\;\;\;\;\;\;\lambda [u] & := & [ \lambda u]\;\;\;\; \end{matrix}
Construcciones básicas
Además de lo expuesto en los ejemplos anteriores, hay una serie de construcciones
que nos proporcionan espacios vectoriales a partir de otros. Además de las
definiciones concretas que figuran a continuación, también se caracterizan por
propiedades universales, que determina un objeto X especificando las aplicaciones
lineales de X a cualquier otro espacio vectorial.
{\displaystyle u+v=(u_{1},\;u_{2})+(v_{1},\;v_{2})=}u+v=(u_1,\;u_2)+
(v_1,\;v_2)={\displaystyle (u_{1}+v_{1},\;u_{2}+v_{2})}(u_1+v_1,\; u_2+v_2),
{\displaystyle au=a(u_{1},\;u_{2})=}a u =a(u_1,\;u_2)={\displaystyle
(au_{1},\;au_{2})}(au_1,\;au_2).
Espacios vectoriales con estructura adicional
Desde el punto de vista del álgebra lineal, los espacios vectoriales se comprenden
completamente en la medida en que cualquier espacio vectorial se caracteriza, salvo
isomorfismos, por su dimensión. Sin embargo, los espacios vectoriales ad hoc no
ofrecen un marco para hacer frente a la cuestión fundamental para el análisis de si
una sucesión de funciones converge a otra función. Asimismo, el álgebra lineal no
está adaptada per se para hacer frente a series infinitas, ya que la suma solo
permite un número finito de términos para sumar. Las necesidades del análisis
funcional requieren considerar nuevas estructuras.
Espacios normados
Artículos principales: Espacio vectorial normado y Norma (matemáticas).
Un espacio vectorial es normado si está dotado de una norma.
Espacios prehilbertianos
Artículo principal: Espacio prehilbertiano
Un espacio prehilbertiano es un par {\displaystyle (E_{}^{},\langle \cdot |\cdot
\rangle )}(E_{}^{},\langle \cdot | \cdot \rangle), donde {\displaystyle
E_{}^{}}E_{{}}^{{}} es un espacio vectorial y {\displaystyle \langle \cdot
|\cdot \rangle } \langle \cdot | \cdot \rangle es un producto a escalar.
Espacios de Hilbert
Artículo principal: Espacio de Hilbert
Un espacio de Hilbert es un espacio prehilbertiano completo por la norma definida
por el producto escalar.
Aplicaciones lineales
Artículo principal: Aplicación lineal
Dado dos espacios vectoriales {\displaystyle E_{}^{}}E_{{}}^{{}} y {\displaystyle
F_{}^{}}F_{}^{}, sobre un mismo cuerpo, diremos que una aplicación {\displaystyle
f:E\rightarrow F}f:E \rightarrow F es lineal si: