Professional Documents
Culture Documents
1
) para cada x V existe un nico inverso aditivo x V .
P
2
) para todo K: = .
P
3
) para todo x V : 0 x = .
P
4
) para todo K y para todo x V : () x = ( x).
P
5
) K, x V : ( x = ) ( = 0 x = ).
7
Espacios Vectoriales
EJEMPLO 1 (Ejemplos Simples).
Sea K un cuerpo. Entonces
K es espacio vectorial sobre s mismo. Casos particulares:
R es espacio vectorial real;
C es espacio vectorial complejo.
K
n
es un espacio vectorial sobre K. Casos particulares:
R
2
, R
3
, R
n
(n N) son espacios vectoriales sobre R;
C
2
es espacio vectorial sobre C;
Q
2
es un espacio vectorial sobre Q.
C tambin es espacio vectorial sobre R. Notar las diferencias
en las deniciones de + y .
8
Espacios Vectoriales
EJEMPLO 2 (Espacio de Soluciones de un Sistema Homogneo).
Sean K un cuerpo, m, n N, A := (a
ij
) /
mn
(K) y denamos
V := (x
1
, ..., x
n
) K
n
tal que (x
1
, ..., x
n
) es solucin de (1)
(1)
_
_
a
11
x
1
+ + a
1n
x
n
= 0
a
m1
x
1
+ + a
mn
x
n
= 0
+ : V V V
(x
1
, ..., x
n
) + (y
1
, ..., y
n
) := (x
1
+ y
1
, ..., x
n
+ y
n
)
: KV V
(x
1
, ..., x
n
) := (x
1
, ..., x
n
)
Entonces (V, +, ) es un espacio vectorial sobre K.
9
Espacios Vectoriales
EJEMPLO 3 (Espacio de Polinomios).
Sean K un cuerpo, n N y denamos
V
n
:= p T(K) : grado de p n
+ : V
n
V
n
V
n
p, q V
n
, p(x) = a
0
+a
1
x+ +a
n
x
n
, q(x) = b
0
+b
1
x+ +b
n
x
n
(p + q)(x) := (a
0
+ b
0
) + (a
1
+ b
1
) x + + (a
n
+ b
n
) x
n
x K
: KV
n
V
n
K, p V
n
, (p)(x) := (a
0
)+(a
1
) x+ +(a
n
) x
n
x K
Entonces (V
n
, +, ) es un espacio vectorial sobre K.
10
Espacios Vectoriales
EJEMPLO 4 (Espacio de Matrices).
Sean m, n N, K un cuerpo, y denamos
V := /
mn
(K)
+ : V V V
A := (a
ij
), B := (b
ij
) V , A + B := (a
ij
+ b
ij
)
: KV V
K, A := (a
ij
) V , A := (a
ij
)
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 denidas en V .
Observacin
V y se dicen subespacios triviales de V .
Caracterizacin de Subespacios
Sea V un K-espacio vectorial y S V . Entonces S es un subespacio de
V si y slo si:
(i) S ,=
(ii) ( x, y S) : x + y S
(S es cerrado con respecto a la suma)
(iii) ( K) ( x S) : x S
(S es cerrado con respecto a la multiplicacin por escalar)
12
Espacios Vectoriales
Ejemplos
1. El conjunto de soluciones en K
n
de un sistema homogneo de n
incgnitas, con coecientes en K, es un subespacio vectorial de K
n
sobre K.
2. Sean a, b, c tres nmeros reales. Entonces
U = (x, y, z) R
3
: ax + by + cz = 0
W = (x, y, z) R
3
: x = az, y = bz
son subespacios de R
3
.
3. A /
22
(R) : A = A
t
es un subespacio de /
22
(R)
4. A /
22
(R) : A = A
t
es un subespacio de /
22
(R).
5. A /
22
(C) : A =
A
t
es un subespacio de /
22
(C), sobre
el cuerpo K = R.
6. Sea n N, n 2. Entonces, K
n1
0 es un subespacio vectorial
de K
n
sobre K.
13
Espacios Vectoriales
Ejemplos (...cont)
7. El conjunto S = at
2
+ bt + c T
2
(R) : a 0 no es subespacio
vectorial de T
2
(R), pues t
2
S, 1 R y (1)t
2
, S, es decir, S
no es cerrado para la multiplicacin por escalar.
8. El conjunto T = A /
22
(R) : det(A) = 0 no es subespacio
vectorial de /
22
(R). Basta tomar
A =
_
_
1 0
0 0
_
_
, B =
_
_
0 0
0 1
_
_
.
Observar que A + B = I
2
/ T, es decir, T no es cerrado para la
suma.
14
Espacios Vectoriales
Subespacios Vectoriales Notables
Sean V un K-espacio vectorial y U, W dos subespacios de V . Entonces
los siguientes subconjuntos
U
W = v V : v U
v W
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 = , y se escribe U W.
Equivalentemente: todo vector de U W se descompone, de manera
nica, como la suma de un vector de U con uno de W.
15
Espacios Vectoriales
Observacin
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) R
2
: y = 2x
W = (x, y) R
2
: x = 2y
y sean u = (1, 2) U y v = (2, 1) W. Entonces
u U W y v U W, pero u + v = (3, 3) / U W.
Proposicin
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
U + W =
_
(x, y) R
2
: (x, y) = s(1, 2) + t(2, 1) ; s, t R
_
Notar que U + W = R
2
.
Sean
U = p T
3
(R) : p(0) = 0, p
(0) = 0
W = p T
3
(R) : p(x) = p(x) x R .
Entonces
U W = p T
3
(R) : ( b R) ( x R) : p(x) = b x
2
.
17
Espacios Vectoriales
Ejemplos ... (cont)
Descomposicin de /
n
(R). Sean
U =
_
A /
n
(R) : A = A
t
_
y W =
_
A /
n
(R) : A = A
t
_
.
Entonces:
U W = y U + W = /
n
(R), U W = /
n
(R).
Descomposicin de U. Sean
D = A = (a
ij
) /
n
(R) : a
ij
= 0 si i ,= j
U = A = (a
ij
) /
n
(R) : a
ii
= 0
a
ij
= a
ji
i ,= j .
Entonces:
D
U = y D +
U = U, U = D
U.
18
Espacios Vectoriales
Combinacin Lineal
Sea x
1
, x
2
, . . . , x
n
un subconjunto de un K-espacio vectorial V . Se
dice que el vector x V es combinacin lineal (c.l.) de estos n vectores
si existen escalares
1
, . . . ,
n
K tales que:
x =
1
x
1
+
2
x
2
+ +
n
x
n
=
n
i=1
i
x
i
Observacin El vector nulo es combinacin 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 nmero nito de vectores de A.
19
Espacios Vectoriales
Ejemplos
(i) Sean V = R
2
y v,
d V . Entonces v es c.l de
d si y slo si v
pertenece a la recta:
L := x V : x = t
d, t R
(ii) Sean V = R
3
y v, a,
b V . Entonces v es c.l. de los vectores a y
b
si y slo si v pertenece al plano:
:= x V : x = ta + s
b, t, s R
(iii) Sean V := T(R) y A := 1, x, x
2
, x
3
, ..., x
n
, .... Entonces A es un
sistema de generadores de V .
20
Espacios Vectoriales
Ejemplos ... (cont)
(iv) Sean V = R
3
y
a = (1, 0, 1),
b = (1, 1, 0), c = (0, 0, 1),
d = (1, 2, 3). Entonces:
(1, 2, 0) = 1a 2
b + 1c + 0
d
= 2a + 0
b + 1c 1
d
(v) Sean V = T
2
(R) y p
1
(x) = (x 1)
2
, p
2
(x) =
1
2
x + 1, p
3
(x) = 5.
Entonces:
x
2
2x + 3 = 1 p
1
(x) + 0 p
2
(x) +
2
5
p
3
(x)
Observar que esta c.l es nica.
21
Espacios Vectoriales
Ejemplos ... (cont)
(vi) Sean V = /
2
(R) y los vectores
A
1
=
_
_
1 0
0 2
_
_
, A
2
=
_
_
0 4
8 0
_
_
, A
3
=
_
_
0
1
4
1
2
0
_
_
.
Entonces
A =
_
_
2 10
20 4
_
_
se puede expresar como c.l. de los
vectores A
1
, A
2
y A
3
de innitas maneras.
B =
_
_
2 10
20 5
_
_
no es c.l. de A
1
, A
2
y A
3
.
22
Espacios Vectoriales
Subespacio generado
Sea A := v
1
, v
2
, . . . , v
r
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:
S =
_
v V : v =
r
i=1
i
v
i
,
i
K, i = 1, . . . , r
_
.
Proposicin
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.
S es el subespacio ms pequeo que contiene a A.
Usualmente se denota: S = A) = v
1
, v
2
, . . . , v
r
)
23
Espacios Vectoriales
Ejemplos
1. Sean V = R
3
y los vectores a = (0, 1, 2),
b = (1, 3, 1) y
c = (2,
11
2
, 3). Entonces, S = a,
3. Sea V = T
3
(R) y los vectores (monomios) p
1
(x) = x y p
2
(x) = x
3
.
Entonces:
S = p
1
, p
2
) = p V : p(x) = p(x)
24
Espacios Vectoriales
Dependencia e independencia lineal de vectores
Sea A = v
1
, v
2
, . . . , v
r
un subconjunto de un K-espacio vectorial V . Se
dice que A es linealmente dependiente (l.d.) si existen escalares no
todos nulos
1
,
2
, . . . ,
r
K tales que:
1
v
1
+
2
v
2
+ +
r
v
r
=
Si A no es l.d., se dice que es linealmente independiente (l.i).
Equivalentemente:
1
v
1
+
2
v
2
+ +
r
v
r
=
1
=
2
= =
r
= 0
Observacin
El hecho que A sea l.d. no implica que cada v
i
es c.l. de los dems.
Contraejemplo: Sean V = R
3
, a = (1, 0, 0),
b = (0, 1, 0) y
c = (0, 2, 0). Es inmediato que A = a,
A
1
es l.d. , A
2
y A
3
son l.i. en V .
Sean V = c(R) y las funciones reales denidas por
f(x) = [x[, g(x) = max
xR
0, x, h(x) = max
xR
0, x.
El conjunto A = f, g, h es l.d. en V . Observar que
f = 1 g + 1 h
27
Espacios Vectoriales
Lema de Dependencia Lineal
Sea V un K espacio vectorial. Si v
1
, v
2
, ...., v
m
es linealmente
dependiente en V y v
1
,= , entonces existe j 2, 3, ..., m tal que
v
j
v
1
, v
2
, ..., v
j2
, v
j1
)
v
1
, ...., v
j1
, v
j+1
, ...v
m
) = v
1
, v
2
, ...., v
m
)
28
Espacios Vectoriales
Teorema
Sea A un subconjunto nito 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) Ningn vector de A es c.l. de los dems.
Anlogamente, son equivalentes:
() A es l.d.
(
U
2
U
n
(1) V = U
1
+ + U
n
(2) La escritura de es nica
en la suma U
1
+ + U
n
.
( = + +
. .
n
)
33
Espacios Vectoriales
Proposicin
Sea V un K-espacio vectorial de dimensin nita, y sean U
1
, U
2
, . . . U
n
subespacios de V, tal que:
V = U
1
+ + U
n
dim(V ) = dim(U
1
) + + dim(U
n
)
Entonces V = U
1
U
2
U
n
Proposicin
Sea V un K-espacio vectorial de dimensin nita, y sea U un subespacio
de V . Entonces existe un subespacio W de V tal que
V = U
W
34
Espacios Vectoriales
Coordenadas
Dada una base = v
1
, . . . , v
n
de un K-espacio vectorial V , la escritura
nica de cada v V como c.l. de los vectores de , esto es
v =
1
v
1
+ +
n
v
n
,
establece la identicacin, va la base :
v V [v]
= [
1
, . . . ,
n
] K
n
En tal caso, se dice que [v]
_
_
_
_
_
_
_
1 1 [ a
0 3 [ b
0 2 [ c
0 0 [ d a
_
_
_
_
_
_
_
f
3
2
3
f
2
_
_
_
_
_
_
_
1 1 [ a
0 3 [ b
0 0 [ c
2
3
b
0 0 [ d a
_
_
_
_
_
_
_
37
Espacios Vectoriales
Luego la caracterizacin de T queda:
T =
_
_
_
_
_
a b
c d
_
_
/
2
(R) : d a = 0 c
2
3
b = 0
_
_
_
.
Por otro lado,
S + T =
_
_
_
_
_
_
1 1
1 1
_
_
,
_
_
1 1
0 1
_
_
,
_
_
1 0
0 1
_
_
,
_
_
1 3
2 1
_
_
_
_
_
_
Veamos si el conjunto l.i.
a
_
_
1 1
1 1
_
_
+ b
_
_
1 1
0 1
_
_
+ c
_
_
1 0
0 1
_
_
+ d
_
_
1 3
2 1
_
_
=
_
_
0 0
0 0
_
_
38
Espacios Vectoriales
_
_
a + b + c + d a b + 3d
a + 2d a + b + c + d
_
_
=
_
_
0 0
0 0
_
_
a + b + c + d = 0
a b + 3d = 0
a + 2d = 0
a + b + c + d = 0
_
_
_
_
_
_
_
1 1 1 1
1 1 0 3
1 0 0 2
1 1 1 1
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1 1 1 1
0 2 1 2
0 1 1 1
0 0 0 0
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1 1 1 1
0 2 1 2
0 0 1/2 0
0 0 0 0
_
_
_
_
_
_
_
39
Espacios Vectoriales
As c = 0, b = d, a = 2d, por lo cual el rango de la matriz es 3 y como
d es la variable dependiente, la base queda
_
_
_
_
_
1 1
1 1
_
_
,
_
_
1 1
0 1
_
_
,
_
_
1 0
0 1
_
_
_
_
_
.
Notemos que de lo anterior dim(S + T) = 3 y por teorema
dim(S T) = dim(S + T) + dim(S) + dim(T) = 1.
Finalmente, S T ,= y la suma no es directa.
40