Espacios Vectoriales

Espacios Vectoriales Subespacios Vectoriales Independencia Lineal
UNIVERSIDAD DE CONCEPCIÓN
Campus Los Ángeles
Departamento de Ciencias Básicas
Algebra Lineal. 452487
Espacios Vectoriales
6 de octubre de 2014
Alexis Almendras Valdebenito

Denición (Cuerpo)
Sea K un conjunto dotado de dos operaciones binarias internas:
una operación suma + : K × K → K, y una operación producto
· : K × K → K. Se dice que (K, +, ·) es un cuerpo si ∀x, y, z ∈ K:
1 x + (y + z) = (x + y) + z (+ es asociativa)
2 x+y =y+z (+ es conmutativa)
3 ∃0 ∈ K : x + 0 = x (0 es elemento neutro para +)
4 ∃ − x ∈ K : x + (−x) = 0 (−x es simétrico de x)
5 x · (y · z) = (x · y) · z (· es asociativo)
6 ∃1 ∈ K : x · 1 = 1 · x = x (1 es elemento unidad de K)
7 ∃x ∈ K \ {0} : x · x = x · x = 1 (x−1 es inverso de x)
−1 −1 −1
8 x · (y + z) = x · y + x · z
(x + y) · z = x · z + y · z (distributividades de · respecto a +)

Observación
Si además el producto es conmutativo, es decir, si x · y = y · x, se
dice que (K, +, ·) es un cuerpo conmutativo. Con las sumas y
productos habituales, los conjuntos Q, R y C son cuerpos
conmutativos.
Denición (Espacio Vectorial)

Sea K un cuerpo y V un conjunto sobre el cual están denidas las
operaciones:
Suma (binaria interna)
+ : V × V → V, (x, y) 7→ x + y
Producto Escalar (binaria externa)
· : K × V → V, (α, x) 7→ α · x

Denición (Espacio Vectorial)

La estructura (V, +, ·) es un espacio vectorial sobre K, o
K-espacio vectorial, si ∀x, y, z ∈ V y ∀α, β ∈ K:
1 x + (y + z) = (x + y) + z (+ es asociativa)
2 x+y =y+z (+ es conmutativa)
3 ∃θ ∈ V : x + θ = x (θ es vector nulo de V )
4 ∃ − x ∈ V : x + (−x) = θ (−x es simétrico de x)
5 α · (β · x) = (α · β) · x (· es asociativo)
6 α · (x + y) = αx + α · y (distributividad de · c/r a + de V )
7 α + β) · x = α · x + β · x) (distributividad de · c/r a + de K)
8 Para la unidad 1 ∈ K : 1 · x = x

Observación
Los elementos de V se llaman vectores
Los elementos de K se llaman escalares
Todo espacio vectorial V es no vacio (θ ∈ V ).
V := {θ} es el espacio vectorial trivial.
Un espacio vectorial real es un espacio vectorial con escalares
en R.
Un espacio vectorial complejo es un espacio con escalares en
C.
En adelanted, cuando sólo se indique que V es un espacio vectorial,

sin mencionar el cuerpo de escalares, se entenderá que K = R.

Denición
Para x, y ∈ V se denen la diferancia y la igualdad por:
x − y := x + (−y), x=y ⇔x−y =θ
Teorema (Ley de Cancelación)

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

Teorema
En Todo espacio vectorial V , sobre un cuerpo K, se verican:
1 el vector nulo θ , elemento neutro para la suma, es único.
2 para cada x ∈ V : el simétrico de x (el vector −x) es único.
3 cualquiera sea α ∈ K: α · θ = θ .
4 cualquiera sea x ∈ V : 0 · x = θ .
5 cualquiera sean α ∈ K y x ∈ V : (−α) · x = −(α · x).
6 para α ∈ K y x ∈ V : α · x = θ ⇔ (α = 0 ∨ x = θ)

Ejemplo
Sea K un cuerpo, m, n ∈ N y A := (aij ) ∈ Mm×n (K). Se denen:
el conjunto:
V := {x = (x1 , . . . , xn )t ∈ Kn : Ax = θ}
la suma: + : V × V → V
(x1 , . . . , xn )t + (y1 , . . . , yn )t := (x1 + y1 , . . . , xn + yn )t
el producto por escalar: ·K × V → V
α · (x1 , . . . , xn )t := (α · x, . . . , α · xn )t
Entonces, (V, +, ·) es un espacio vectorial sobre K.

Ejemplo
Sea K un cuerpo y n ∈ N. Entonces:
K es espacio vectorial sobre sí mismo. Casos particulares:
R es espacio vectorial real.
C es espacio vectorial complejo.
C es espacio vectorial sobre R. Notar las difencias en la
denición del producto por escalar para C como espacio
complejo y real.
R no es espacio vectorial sobre C.
Kn es un espacio vectorial sobre K. Casos particulares:
R2 , R3 , Rn son espacios vectoriales sobre R.
C2 , C3 , Cn son espacios vectoriales sobre C.
Q2 es un espacio vectorial sobre Q

Ejemplo
Sea K un cuerpo y n ∈ N. Se denen:
el conjunto:
V := {p ∈ P(K) : p(x) = a0 + a1 x + · · · + an xn , ∀x ∈ K}
la suma: + : V + V → V
p, q ∈ V, 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
el producto por escalar: ·K × V → V

α ∈ K, p ∈ V,
(α · p)(x) := (α · a0 ) + (α · a1 )x + · · · + (α · an )xn , ∀x ∈ K
Entonces (v, +, ·) es un espacio vectorial sobre K.

Ejemplo
Sean m, n ∈ N y K un cuerpo. Se denen:
el conjunto:
V := Mm×n (K)
la suma: + : V × V → V
A = (aij ), B = (bij ) ∈ V : (A + B) := (aij + bij ),
el producto por escalar: · : K × V → V

α ∈ K, A = (aij ) ∈ V : (α · A) := (α · aij ).
Entonces (V, +, 0·) es un espacio vectorial sobre K.

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 binaria denidas en V .
Observación
V y θ se dicen subespacios triviales de V .
Caracterización de subespacios
Sea V un K-espacio vectorial y S ⊆ V . Entonces S es un

subespacio de V sí, y sólo sí:
1 S 6= ∅,
2 ∀x, y ∈ S : x + y ∈ S (S es cerrado para la suma)
3 ∀λ ∈ K, ∀x ∈ S : λ · x ∈ S (S es cerrado para el producto)
Ejemplo (Subespacios)
1 El conjunto de las soluciones de un sustema lineal homogéneo

Ax = θ, con A ∈ Mm×n (K), es un subespacio vectorial de
Kn .
2 Sean a, b y c tres números reales. Entonces
U = {(x, y, z) ∈ R3 : ax + by + cz = 0}
W = {~v ∈ R3 : ~v = t · ~r, t ∈ R, ~r ∈ R3 },
son subespacios de R3 .
3 {A ∈ M2×2 (R) : A = At } es un subespacio de M2×2 (R)
4 {A ∈ M2×2 (R) : A = −At } es un subespacio de M2×2 (R).
t
5 {A ∈ M2×2 (C) : A = −A } es un subespacio de M2×2 (C).
6 Sean n ∈ N, n ≤ 2. Entonces, Kn−1 × {0} es un subespacio de
Kn .

Subespacios intersección y suma
Sea V un espacio vectorial y U , W dos subespacios de V . Los

siguientes conjuntos:
U ∩ W := {v ∈ V : v ∈ U ∧ v ∈ W }
U + W := {v ∈ V : v = u + w, u ∈ U ∧ w ∈ W }
son subespacios vectoriales de V .
Suma directa
Sea V un espacio vectorial U , W dos subespacios de V . El

subespacio U + W es suma directa de U y W cuando
U ∩ W = {θ}. Se escribe U ⊕ W .

Observación
Sea V un espacio vectorial y U , W dos subespacios de V . En
general, U ∪ W no es un subespacio vectorial de V .
Contraejemplo
Considere las rectas que pasan por el origen:

U := {(x, y) ∈ R2 : y = 2x}
W := {(x, y) ∈ R2 : x = 2y}
y sean u = (1, 2) ∈ U y w = (2, 1) ∈ W . Se tiene que:
u, w ∈ U ∪ W , sin embargo, u + w = (3, 3) ∈/ U ∪ W.
Proposición
Sea V un espacio vectorial, y U , W dos subespacios de V .
U ∪ W es subespacio vectorial de V ⇐⇒ U ⊆ W ∨ W ⊆ U .
Ejemplos
Si U y W son como en el contra ejemplo, entonces

x x 1 2
U +W = ∈ R2 : =t· +s· , s, t ∈ R
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}

Ejemplos
Descomposición de Mn (R). Sean

U = {A ∈ Mn (R) : A = At } y W = {A ∈ Mn (R) : A = −At }
Entoces:
U ∩ W = {θ} y U + W = Mn (R), es decir, U ⊕ W = Mn (R)
Descomposición de U . Sean
D = {A = (aij ) ∈ Mn (R) : aij = 0 si i 6= j}
E = {A = (aij ) ∈ Mn (R) : aij = 0 ∧ aij = aji , i 6= j}

Entonces: U = D + E

Combinación Lineal
Sean V un espacio vectorial sobre K y A = {x1 , x2 , . . . , xn } ⊆ V .

Un vector x ∈ V es combinación lineal (c.l.) de los vectores de A si
existen escalares α1 , α2 , . . . , αn ∈ K tales que:
n
X
x = α1 x1 + α2 x2 + · · · + αn xn = αi xi
i=1
Observación
El vector nulo es combinación lineal de cualquier conjunto de
vectores de V .

Ejemplos
Sea V = R2 y sean ~v , d~ ∈ V . Entonces ~v es c.l. de d~ si y solo

si ~v pertence a la recta:
~ t ∈ R}
L := {~x ∈ V : ~x = t · d,
Sea V = R3 y sean ~v , v~1 , v~2 ∈ V . Entonces ~v es c.l. de los

vectores v~1 , v~2 si y solo si ~v pertence al plano:
Π := {~x ∈ V : ~x = t · v~1 + s · v~2 , t, s ∈ R}
Nota
Si v~1 ||v~2 , entonces v~1 es c.l. de v~2 , y viceversa.

Ejemplos
Sean V = R3 ,
x1 = (1, 0, 1), x2 = (−1, 1, 0), x3 = (0, 0, 1), x4 = (1, 2, 3)
Entonces:

5 1 1
, −2, · x1 − 2 · x2 + 0 · x3 + 0 · x4
=
2 2 2
7 1
= 0 · x1 − · x2 + 0 · x3 + · x4
3 6
Sean V = P2 (R) y p1 (x) = (x − 1) , p2 (x) = 12 x + 1,
2
p3 (x) = 5. Entonces:
2
x2 − 2x + 3 = 1 · p1 (x) + 0 · p2 (x) + · p3 (x)
5
Observar que esta c.l. es única.

Ejemplos
Sea V = M2 (R) y los vectores

1

1 0 0 −4 0 4
A1 = , A2 = , A3 = =
0 2 8 0 − 21 0
Entonces
2 20
A=
−10 4
se puede expresar como c.l. de A1 , A2 y A3 de innitas
maneras.

Subespacio Generado
Sea V un espacio vectorial sobre K y A = {v1 , v2 , . . . , vr } ⊆ V . El
conjunto de todas las combinaciones lineales de estos r vectores de
A:
r
( )
X
S= v∈V:v= αi · vi , αi ∈ K, i = 1, . . . , r
i=1
es un subespacio vectorial de V .
Observación
A es un conjunto generado de S .
S es el subespacio generado por A.
S = hSi = h{v1 , v2 , . . . , vr }i

Ejemplo
1 Sean V = R3 y los vectores v1 = (0, 1, 2), v2 = (−1, 3, −1) y

2 , 3). Entonces, S = h{v1 , v2 , v3 }i es un plano
v3 = (2, − 11
que pasa por el origen.
2 Sea V = M2×2 (R) y los vectores:

1 0 0 1 0 0
E1 = , E2 = , E3 =
0 0 1 0 0 1
Entonces, S = hE1 , 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)}

Independencia Lineal
Sea V un espacio vectorial sobre K y A = {v1 , v2 , . . . , vr } ⊆ V . Se

dice que A es un conjunto linealmente dependiente (l.d.) si
existen escalares α1 , α2 , . . . , αr ∈ K, no nulos, tales que:
α1 · v1 + α2 · v2 + · · · + αr · vr = θ
Si A no es l.d., se dice que es linealmente independiente (l.i.).
Observación
Si A es l.d. entonces existe al menos un vector de A que es c.l. de
los otros. La dependencia lineal de A no implica que cada vi sea c.l.
de los demás.
Ejemplo
Considere V = R3 y v1 = (1, 0, 0), v2 = (0, 1, 0), v3 = (0, 2, 0). Se
tiene que A = {v1 , v2 , v3 } es l.d. y v1 ∈
/ h{v2 , v3 }i.
Observación
Si A es un conjunto l.i. en V , entonces todo subconjunto de A
es l.i.
A = {x1 , x2 , . . . , xn } es l.i. en V si, y sólo si,
α1 x1 + α2 x2 + · · · + αn xn = θ ⇒ α1 = α2 = · · · = αn = 0
Si A es l.d. en V , entonces todo conjunto que contenga a A es

l.d.
Si θ ∈ A, entonces A es l.d. en V .
Si A = {x} con x 6= θ, entonces A es l.i.

Ejemplos
Sean V = R3 y considere los siguientes 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)}
Se tiene que: A1 y A2 son l.i. y que A3 es l.d. en V .
Sean V = P2 (R) y los siguientes subconjuntos 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. mientras que A2 y A3 son l.i. en V .

Lema (de Depencia Lineal)

Sea V un espacio vectorial. Si {v1 , v2 , . . . , vm } es linealmente
dependiente en V y v1 6= θ, entonces existe j ∈ {2, 3, . . . , m} tal
que
1 vj ∈ h{v1 , v2 . . . . , vj−1 , vj+1 , . . . , vm }i
2 h{v1 , v2 . . . . , vj−1 , vj+1 , . . . , vm }i = h{v1 , v2 , . . . , vm }i

Teorema
Sean V un espacio vectorial y A un subconjunto nito de V . Las
siguientes proposiciones son equivalentes:
1 A es l.i.
2 Toda c.l. de los vectores de A, cuyo resultado sea el vector
nulo, es trivial, es decir con todos los escalares igual a cero.
3 ningún vector de A es c.l. de los demás.
Análogamente, son equivalentes:
1 A es l.d.
2 Existe una c.l. de los vectores de A con escalares no todos
nulos, cuyo resultado es el vector nulo.
3 Algún vector de A es c.l. de los restates.

Denición
Se dice que un espacio vectorial es nito dimensional, o de
dimensión nita, si posee un conjunto de eneradores de
cardinalidad nita.
Teorema
En un espacio nito dimensional, la cardinalidad de todo conjunto
linealmente independiente (l.i.) es menor o igual a la cardinalidad
de cualquier conjunto de generadores.
Proposición
Todo subespacio de un espacio nito dimensional es nito
dimensional.

Denición (Base)
Sea V un espacio vectorial. Un subconjunto ordenado de vectores
de V , digamos B = {v1 , v2 , . . . , vn }, es una base de V si:
(i) B es l.i. (ii) hBi = V
Proposición
Sea V un espacio vectorial sobre K. Un conjunto ordenado
{v1 , v2 , . . . , vn } de vectores de V es una base para V si, y sólo si,
cada vector v de V puede ser escrito de manera única como c.l.
de los vectores v1 , v2 , . . . , vn .
Observación
La escritura única de v signica que existen escalares
α1 , α2 , . . . , αn ∈ K determinados de manera única y tales que:
v = α1 · v1 + α2 · v2 + · · · + αn · vn
Proposición
Dos bases cualesquiera de un mismo espacio vectorial tienen la
misma cardinlidad.
Teorema
Todo conjunto de generadores de un espacio vectorial puede
reducirse a una base del espacio.
Corolario
Todo espacio nito dimensional posee una base.
Teorema (Steinitz)
Todo conjunto l.i en un espacio vectorial V , nito dimensional,
puede extenderse a una base de V .

Denición (Dimensión de un espacio vectorial)

Se llama dimensión de un espacio vectorial V a la cardinalidad de
una vase V . Este número se representa por dimV . Se conviene en
que dim{θ} = 0
Proposición
En un espacio vectorial V de dimensión n, todo subconjunto
l.i.de cardinalidad n es una base de V.
Observación
Sea V un espacio vectorial de dimension n. Entonces:
1 todo subconjunto de cardinalidad maror que n es l.d.
2 Si W es subespacio de V , entonces dimW ≤ n.
3 Si W es subespacio de V y dimW = n, entonces V = W .

Teorema (Grassmann)
Sea V un espacio vectorial de dimensión nita 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 espacio vectorial y sean U1 , U2 , . . . , Un subespacios de V .
Entonces V = U1 ⊕ U2 ⊕ · · · ⊕ Un si, y solo si:
1 V = U1 + U2 + · · · + Un
2 La escritura de θ no es única en la suma U1 + U2 + · · · + Un
θ = θ| + ·{z
· · + θ}
n

Proposición
Sea V un espacio vectorial de dimensión nita y sean
U1 , U2 , . . . , Un subespacios de V tales que:
V = U1 + · · · + Un
dim(V ) = dim(U1 ) + · · · + dim(Un )
Entonces V = U1 ⊕ U2 ⊕ · · · ⊕ Un
Proposición
Sea V un espacio vectorial de dimensión nita y sea U un
subespacio de V . Entonces existe un subespacio W de V talque
V =U ⊕W

Coordenadas de un vector
Sea B = {v1 , . . . , vn } una base del K-espacio vectorial V . Los

escalares α1 , · · · , αn ∈ K que permiten escribir de manera única a
cada v ∈ V como c.l. de los vectores de B , esto es,
v = α1 · v1 + · · · + αn · vn , se llaman coordenadas del vector v
respecto de la base B . El vector de Kn :
 
α1
[v]B :=  ... 
 
αn
se llama vector de coordenadas o vector coordenado, de v
respecto de la base B .
Se tiene la identicación, via la base B :
v ∈ V ←→ [v]B = [α1 , . . . , αn ]t ∈ Kn

Espacios Vectoriales

Cargado por

Copyright:

Formatos disponibles

Espacios Vectoriales

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Espacios Vectoriales

Cargado por

Copyright:

Formatos disponibles

Espacios Vectoriales Subespacios Vectoriales Independencia Lineal

Alexis Almendras Valdebenito

Alexis Almendras Valdebenito

Denición (Espacio Vectorial)

Alexis Almendras Valdebenito

Denición (Espacio Vectorial)

Alexis Almendras Valdebenito

En adelanted, cuando sólo se indique que V es un espacio vectorial,

Alexis Almendras Valdebenito

x − y := x + (−y), x=y ⇔x−y =θ

Teorema (Ley de Cancelación)

Alexis Almendras Valdebenito

Alexis Almendras Valdebenito

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

el producto por escalar: ·K × V → V

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

Alexis Almendras Valdebenito

Alexis Almendras Valdebenito

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

el producto por escalar: ·K × V → V

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

el producto por escalar: · : K × V → V

Entonces (V, +, 0·) es un espacio vectorial sobre K.

Alexis Almendras Valdebenito

Sea V un K-espacio vectorial y S ⊆ V . Se dice que S es un

Sea V un K-espacio vectorial y S ⊆ V . Entonces S es un

1 El conjunto de las soluciones de un sustema lineal homogéneo

Alexis Almendras Valdebenito

Subespacios intersección y suma

Sea V un espacio vectorial y U , W dos subespacios de V . Los

Sea V un espacio vectorial U , W dos subespacios de V . El

Alexis Almendras Valdebenito

Considere las rectas que pasan por el origen:

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

Alexis Almendras Valdebenito

Descomposición de Mn (R). Sean

U ∩ W = {θ} y U + W = Mn (R), es decir, U ⊕ W = Mn (R)

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

E = {A = (aij ) ∈ Mn (R) : aij = 0 ∧ aij = aji , i 6= j}

Alexis Almendras Valdebenito

Sean V un espacio vectorial sobre K y A = {x1 , x2 , . . . , xn } ⊆ V .

Alexis Almendras Valdebenito

Sea V = R2 y sean ~v , d~ ∈ V . Entonces ~v es c.l. de d~ si y solo

Sea V = R3 y sean ~v , v~1 , v~2 ∈ V . Entonces ~v es c.l. de los

Π := {~x ∈ V : ~x = t · v~1 + s · v~2 , t, s ∈ R}

Alexis Almendras Valdebenito

Alexis Almendras Valdebenito

Sea V = M2 (R) y los vectores

Alexis Almendras Valdebenito

Alexis Almendras Valdebenito

1 Sean V = R3 y los vectores v1 = (0, 1, 2), v2 = (−1, 3, −1) y

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

Alexis Almendras Valdebenito

Sea V un espacio vectorial sobre K y A = {v1 , v2 , . . . , vr } ⊆ V . Se

Si A es l.d. en V , entonces todo conjunto que contenga a A es

Alexis Almendras Valdebenito

Sean V = R3 y considere los siguientes subconjuntos de V :

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

Denición (Espacio Vectorial)

Denición (Espacio Vectorial)

Denición (Dimensión de un espacio vectorial)