Álgebra Lineal MEA

Clase 8: Espacios vectoriales

1 / 19
Definición
Un cuerpo es una estructura algebraica (K , +, ·) donde K es un conjunto
no vacı́o junto con dos operaciones binarias, la suma (+) y la
multiplicación (·), que satisfacen las siguientes propiedades:
1 Propiedad de cerradura: Para todo a, b ∈ K , a + b ∈ K y a · b ∈ K .
2 Propiedad conmutativa: Para todo a, b ∈ K , a + b = b + a y
a · b = b · a.
3 Propiedad de asociatividad: Para todo a, b, c ∈ K ,
(a + b) + c = a + (b + c) y (a · b) · c = a · (b · c).
4 Existencia de elemento neutro: Existen dos elementos distintos 0 y
1 en K tales que para todo a ∈ K , a + 0 = a y a · 1 = a.
5 Existencia de inverso aditivo: Para todo a ∈ K , existe un único
elemento −a ∈ K tal que a + (−a) = 0.
6 Existencia de inverso multiplicativo: Para todo a ∈ K , diferente de
0, existe un único elemento a−1 ∈ K tal que a · a−1 = 1.
7 Propiedad distributiva: Para todo a, b, c ∈ K ,
a · (b + c) = a · b + a · c.
2 / 19
Definición
Un espacio vectorial consta de lo siguiente:
Un cuerpo F de escalares.
Un conjunto V de objetos, llamados vectores.
Una regla (u operación) llamada adición, que asocia a cada par de
vectores u, v de V un vector u + v de V , que se llamam suma de u y
v , de tal modo que:
1 la adición es conmutativa: u + v = v + u,
2 la adición es asociativa: u + (v + w ) = (u + v ) + w ,
3 existe un único vector 0 de V , llamado vector nulo, tal que u + 0 = u,
para todo u en V ,
4 para cada vector u de V , existe un único vector −u en V , tal que
u + (−u) = 0.

3 / 19
Definición
Una regla (u operación), llamada multiplicación escalar, que asocia a
cada escalar c de F y cada vector u de V un vector cu de V , llamado
producto de c por v , de tal modo que:
1 1u = u, para todo u en V ,
2 (ct)u = c(tu),
3 c(u + v ) = cu + cv ,
4 (c + t)u = cu + tu.

4 / 19
Ejemplo 1:

El espacio de las n-tuplas, Rn .

Si u = (u1 , . . . , un ) y v = (v1 , . . . , vn ) son vectores en Rn y c ∈ R,

entonces:
u + v = (u1 + v1 , . . . , un + vn ),
cu = (cu1 , . . . , cun ).

5 / 19
Ejemplo 2:

El espacio de matrices mxn, Rmn .

La suma de dos matrices (vectores) A y B de Rmn se define como:

(A + B)ij = Aij + Bij ,

y el producto de un escalar c por una matriz A se define por:

(cA)ij = cAij .

6 / 19
Definición
Un vector v de V se dice combinación lineal de los vectores v1 , . . . , vn , si
existen escalares c1 , . . . , cn de F tales que:
n
X
v = c1 v1 + · · · + cn vn = ci vi .
i=1

7 / 19
Ejemplo 1:
   
1 −2
Consideremos los vectores u =  2  y w =  0 . Queremos encontrar
−1 3
un vector v que sea una combinación lineal de u y w. Supongamos que
a = 3 y b = −1:
   
1 −2
v = 3u + (−1)w = 3 2 + (−1) 0 
  
−1 3
Realizando la operación, obtenemos:
     
3 2 5
v = 6 + 0 = 6 
−3 −3 −6
Por lo tanto, el vector v es una combinación lineal de u y w.

8 / 19
Ejemplo 2:

Considera los siguientes vectores en R3 :

       
1 −3 2 −3
u =  2  , v =  1  , w = 1 , p =  4 .
−1 4 3 −1
Demuestra que el vector p es una combinación lineal de los vectores u, v,
y w. Es decir, encuentra escalares a, b, y c tal que:

p = au + bv + cw

9 / 19
Definición
Sea V un espacio vectorial sobre el cuerpo F. Un subespacio de V es un
subconjunto W de V tal que, con las operaciones de adición y
multiplicación escalar de V , W es un espacio vectorial sobre F.

10 / 19
Teorema
Un subconjunto no vacı́o W de V es un subespacio de V si y sólo si, para
todo par de vectores u, v en W y todo escalar c en F, el vector cu + v
está en W .

11 / 19
Ejemplos:

Si V es cualquier espacio vectorial, V es un subespacio de V .

El subconjunto que consta sólo del vector nulo es un subespacio vectorial

de V , llamado subespacio nulo de V .

En Rn , el conjunto de las n-tuplas (x1 , . . . , xn ) con x1 = 0 es un

subespacio.

12 / 19
Ejemplo: espacio solución de un sistema homogéneo
de ecuaciones lineales

Sea A una matrix mxn sobre R. Entonces el conjunto de todas las

matrices nx1, X , sobre R tal que AX = 0 es un subespacio del espacio de
todas las matrices nx1 sobre R.

13 / 19
Teorema
Sea V un espacio vectorial sobre F. La intersección de cualquier colección
de subespacios de V es un subespacio de V .

14 / 19
Definición
Sea S un conjunto de vectores de un espacio vectorial V . El subespacio
generado por S se define como la intersección W de todos los
subespacios de V que contienen a S. Cuando S es un conjunto finito de
vectores, S = {u1 , . . . , un } se dice simplemente que W es el subespacio
generado por los vectores u1 , . . . , un .

15 / 19
Teorema
El subespacio generado por un subconjunto S no vacı́o de un espacio
vectorial V es el conjunto de todas las combinaciones lineales de los
vectores de S.

16 / 19
Ejemplo

Sea A una matriz mxn sobre un cuerpo F. Los vectores filas de A son los
vectores de Fn dados por ui = (ai1 , . . . , ain ), i = 1, . . . , m. El subespacio
de Fn generdo por los vectores filas se llama el espacio fila de A.

Ejemplo

17 / 19
Definición
Si S1 , . . . , Sk son subconjuntos de un espacio vectorial V , el conjunto de
todas las sumas
α1 + · · · + αk ,
de vectores αi de Si se llama suma de los subconjuntos S1 , . . . , Sk y se
representa por
S1 + · · · + Sk .

Si W1 , . . . , Wk son subespacios de V , entonces la suma

W = W1 + · · · + Wk

es subespacio de V que contiene a todos los subespacios Wi . De hecho W

es el subespacio generado por la unión de W1 , . . . , Wk .

18 / 19
Ejemplo

19 / 19