Professional Documents
Culture Documents
Universidad de Carabobo
Facultad Experimental de Ciencias y Tecnologa
Departamento de Matematicas
Un estudio comparativo entre
Espacios Vectoriales de
Dimensi
on Finita e Infinita
Trabajo Especial de Grado presentado ante la ilustre
Universidad de Carabobo por el Br. Ojeda A. Juan N.
para optar al t
atica
Tutor: Prof. Nelson C. Hern
andez.
Valencia-Venezuela
Mayo de 2011
Rep ublica Bolivariana de Venezuela
Universidad de Carabobo
Facultad Experimental de Ciencias y Tecnologa
Departamento de Matematicas
Un estudio comparativo entre
Espacios Vectoriales de
Dimensi
on Finita e Infinita
Trabajo de Especial de Grado
Como requisito para obtener el ttulo de Licenciado en Matematica
Tesista: Ojeda A. Juan N.
Tutor: Prof. Hernandez Nelson C.
Jurado: Prof. Montilla Orestes
Jurado: Prof. Rodrguez Luis
Naguanagua-Venezuela, 2011
Indice general
Agradecimientos 5
Introduccion 5
1. Historia de los Espacios Vectoriales 11
1.1. Geometra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.2. Teora de n umeros . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3. Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.4. Sistemas de ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . 20
1.5. Espacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.6. Espacios vectoriales de dimension innita . . . . . . . . . . . . . . . 25
2. Estudio preliminar sobre Espacios Vectoriales 29
2.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.2. Espacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.3. Subespacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.4. Combinaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.5. Sistemas de generadores . . . . . . . . . . . . . . . . . . . . . . . . 47
2.6. Independencia lineal . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.7. Base de un espacio vectorial . . . . . . . . . . . . . . . . . . . . . . 55
3
2.8. Dimension de un espacio vectorial . . . . . . . . . . . . . . . . . . . 59
2.9. Espacio cociente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
2.10. Teoremas de la dimension . . . . . . . . . . . . . . . . . . . . . . . 72
2.11. Suma directa interna . . . . . . . . . . . . . . . . . . . . . . . . . . 81
2.12. Bases ordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
2.13. Transformacion lineal . . . . . . . . . . . . . . . . . . . . . . . . . . 105
2.14. Funcional lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
2.15. Teoremas de isomorsmo . . . . . . . . . . . . . . . . . . . . . . . . 120
3. Espacios Vectoriales de Dimension Innita 130
3.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
3.2. Conceptos fundamentales . . . . . . . . . . . . . . . . . . . . . . . . 132
3.3. Existencia de una base . . . . . . . . . . . . . . . . . . . . . . . . . 137
3.4. Equicardinalidad de las bases de Hamel innitas . . . . . . . . . . . 140
3.5. Teoremas de la dimension . . . . . . . . . . . . . . . . . . . . . . . 145
3.6. Reticulados de subespacios . . . . . . . . . . . . . . . . . . . . . . . 153
3.7. Condiciones de cadenas . . . . . . . . . . . . . . . . . . . . . . . . . 158
3.8. Reformulacion de la denicion de bases ordenadas y coordenadas . . 165
3.9. ((Equipotencia)) entre espacio vectoriales y la clase de los cardinales 168
3.10. Espacios duales innitos . . . . . . . . . . . . . . . . . . . . . . . . 171
4. Conclusiones y reexiones nales 181
A. Teora de conjuntos 184
A.1. Teora axiomatica de conjuntos Zermelo-Fraenkel . . . . . . . . . . 184
A.2. Lema de Zorn-Kuratowski . . . . . . . . . . . . . . . . . . . . . . . 185
A.3. Ordinales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
A.4. Cardinalidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
A.5. Aritmetica cardinal . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
4
5
B. 198
B.1. Funciones y conjuntos de funciones . . . . . . . . . . . . . . . . . . 198
B.2. Sucesiones innitas . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
B.3. Funciones medibles . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
B.4. Ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
Bibliografa 203
Agradecimientos
A mis padres, quienes han sabido formarme con buenos sentimientos, habitos y
valores, lo cual me ha ayudado a salir adelante buscando siempre el mejor camino,
y por todo lo que me han dado en esta vida, especialmente por sus sabios consejos
y por estar a mi lado en los momentos difciles. A mi padre que siempre y de
manera constante me repite que para alcanzar el exito se requiere de tres cosas:
voluntad, valor y decision, ademas me dice que Caer esta permitido. Levantarse es
obligatorio!.
A mi hermana Anais, quien me ha acompa nado en silencio con una comprension a
prueba de todo.
Quiero darles las gracias a todos los profesores del Departamento de Matematica
que me educaron y que de una u otra manera formaron y me ayudaron a evolucionar
en el peque no mundo de las matematicas.
En particular a mi tutor de tesis, gua y gur u, el profesor Nelson Hernandez, quien
me orient o durante toda la carrera y especialmente por sus consejos, correcciones,
consultas durante el tiempo que duro esta tesis y por tener la paciencia ante mis
dudas de novato y por escuchar atentamente los problemas que a lo largo de esta
tesis surgieron.
Como expresaba Gladys Bronwyn Stern: La gratitud en silencio no sirve a nadie,
entonces es importante agradecerle a Dayana, pues como dicen que detras de un no
7
tan gran hombre hay una gran mujer, gracias a Dayana, por estos nueves a nos y
todo lo que me ense n o en ellos: tuve mucha suerte por haberle conocido.
A mi ta Mary y Aracelis, por estar siempre dispuestas a ayudarme.
A mi abuela Carmen, por el apoyo incondicional que me dio cuando lo necesite. Y
por ense narme que la generosidad no consiste en dar mucho sino en dar a tiempo.
A mi ni na, simplemente por ser como es. Con todas su manas y defectos, con todas
sus virtudes y bellezas. Gracias por caminar a mi lado durante todo este peque no
tiempo. Tambien por ense narme que no hay lmites, que lo que me proponga lo
puedo lograr y que solo depende de mi. Gracias tambien a tu familia.
Agradezco a mis compa neros de estudios, porque la constante comunicacion con
ellos ha contribuido en gran medida a transformar y mejorar mi forma de actuar
en mis estudios, especialmente a aquellos que me brindaron cari no, comprension y
apoyo, dandome con ello, momentos muy gratos.
Finalmente quiero agradecer a todas aquellas personas que de una u otra manera
hicieron posible la terminacion de este trabajo de tesis y que no las mencione, gracias
a todos.
Introduccion
La presente investigacion se reere al tema de los espacios vectoriales, que debido al
n umero cardinal (ya sea nito o innito) asociado a una base del espacio vectorial
pueden ser clasicados como espacios vectoriales de dimension nita (si el cardinal
asociado a la base es nito) o innito dimensional (en otro caso).
Nuestro objetivo a lo largo del presente trabajo es estudiar de manera detallada las
similitudes y diferencias presentadas entre los espacios antes mencionados. Desde
el punto de vista antes citado podemos armar que de este trabajo se deriva la
clasicacion de las propiedades de los espacios vectoriales en tres grandes grupos:
1. Aquellas que son validas para espacios vectoriales cualesquiera, independien-
temente de la cardinalidad de sus bases.
2. Las que son validas unicamente para espacios vectoriales de dimension nita.
3. Las que son validas solo para espacios vectoriales innito dimensionales.
No ahondaremos ejemplicando las propiedades citadas en 1), 2) y 3); pues estas
pueden ser encontradas, con lujo de detalle, en los captulos que componen el
presente trabajo.
Un hecho notorio que se percibe al revisar los textos clasicos de
Algebra Lineal (a
nivel de licenciatura) es que se omiten resultados importantes cuando el espacio
9
vectorial posee una base de cardinalidad innita. En particular, no se introduce
el concepto de dimension para esos casos. En este trabajo realizaremos una
actualizacion y revision del teorema de Lowig (si B y B
Algebra) usa la
notacion +, - y
. Tambien realiza importantes contribuciones a la trigonometra, mecanica,
arquitectura, teora musical, geografa y navegacion.
12
Astronomo, losofo, matematico y fsico italiano. El descubrimiento de cuatro satelites de J upiter
(se trata de los satelites de J upiter llamados hoy satelites galileanos: Calixto, Europa, Ganmedes
e Io) contradeca, por su parte, el principio de que la Tierra tuviera que ser el centro de todos
los movimientos que se produjeran en el cielo. En cuanto al hecho de que Venus presentara fases
semejantes a las lunares, que Galileo observo en 1610, le parecio que aportaba una conrmacion
emprica al sistema heliocentrico de Copernico, ya que este, y no el de Ptolomeo, estaba en
condiciones de proporcionar una explicacion para el fenomeno, este resultado lo publico en Sidereus
Nuncius (mensajero sideral o mensajero de los astros).
13
Matematico y fsico escoces. Interesado profundamente en las aplicaciones de la matematica
a la fsica. Entre sus publicaciones podemos encontrar: Elementary Treatise on Quaternions
(Tratado elemental sobre los cuaterniones, 1867), Introduction to Quaternions (Introduccion a
los cuaterniones, 1873). El trabajo donde publica la aplicacion de los cuaterniones a la fsica es
18 Historia de los Espacios Vectoriales
en 1853, cuando a un estaba en Cambridge y aunque el tema era de su interes, lo
postergo por unos topicos de aplicaciones matematicas a la fsica, pero a nos mas
tarde en 1858, Tait leyo un artculo escrito por Hermann von Helmholtz
14
(1821-
1894) que publico en Crelles Journal que llevaba por ttulo uber integrale der
hydrodynamischen gleichungen, welche den wirbelbewegungen entsprechen (Sobre
las integrales de las ecuaciones de la hidrodinamica, las cuales corresponden
al movimiento de un remolino), trataba sobre el movimiento de uidos y Tait
observo que poda expresar la velocidad del uido en funcion de vectores, es en
parte as como se introduce la nocion de vectores dada por Hamilton a la fsica.
Quaternion investigations connected with electro-dynamics and magnetism (Investigaciones de la
conexiones de los cuaterniones con la electrodinamicas y el magnetismo).
14
Medico y fsico aleman. Helmholtz escribio sobre muchos temas diferentes, entre ellos, temas
tan divergente como la edad de la tierra, el origen del sistema planetario. En 1847 publica
Uber
die Erhaltung der Kraft (Sobre la conservacion de la energa), el cual es un estudio matematico
correspondiente a la conservacion de energa.
1.3 Matrices 19
1.3. Matrices
En 1857, el matematico britanico Arthur Cayley
15
(1821-1895) introduce el
Algebra
de Matrices (aunque es importante acotar que el primero en usar el termino
matrix fue el matematico James Joseph Sylvester
16
(1814-1897) en 1850, quien
denio la matriz como un arreglo de terminos). Cayley es el primero que introduce
la multiplicacion de matrices. Con este estudio realiza un gran aporte al desarrollo
de las estructuras algebraicas, pues el introduce las diferentes propiedades (leyes)
que rigen a las matrices, con respecto a la suma y la multiplicacion, y multiplicacion
por un escalar (que tambien denio el, as como tambien la inversa de una matriz).
15
Matematico britanico. Es el tercer matematico mas prolco de la historia (sobrepasado tan
solo por Leonhard Euler (1707-1783) y Augustin Louis Cauchy (1789-1857)), publico mas de
900 documentos y notas referidas a casi todos los aspectos de la matematica moderna. El mas
importante de su trabajo es en el desarrollo del algebra de matrices, el trabajo en la geometra no
euclidiana y la geometra n-dimensional.
16
Matematico britanico. Tambien realizo contribuciones a la teora de las invariantes algebraicas
(en colaboracion con su colega A. Cayley), determinantes, teora de n umeros, particiones y
combinatoria. En 1851 descubrio el discriminante de una ecuacion c ubica. Fue el primero en
utilizar el termino de discriminante para las ecuaciones de ecuaciones de segundo grado y las de
orden superior.
20 Historia de los Espacios Vectoriales
Cayley en 1858, prueba que los cuaterniones pueden ser representados por matrices,
entonces aqu se realiza una fusion entre los cuaterniones y las matrices, abriendo
as, paso mas rapidamente a la nocion de espacio vectorial, pues como expresamos
anteriormente, ya las matrices poseen operaciones denidas sobre ellas y los
cuaterniones tienen asociado cierta nocion vectorial. Tambien en 1858, Cayley
publica su Memoir on the theory of matrices (Memoria sobre la teora de matrices),
la cual contiene su primera denicion abstracta de matriz.
1.4. Sistemas de ecuaciones lineales
El problema de encontrarle solucion a los sistemas de ecuaciones lineales se
encuentra entre uno de los mas antiguos en las matematicas y tiene una innidad
de aplicaciones en distintas areas de la matematica.
Podemos armar que el estudio moderno de los sistemas de ecuaciones lineales se
origino con los trabajos de Gottfried Leibniz
17
(1646-1716) quien en 1693 ideo la
nocion de determinante con el n de solucionar sistemas de ecuaciones lineales.
Mas tarde, Gabriel Cramer
18
(1704-1752) en su principal obra Introduction `a
l analyse de lignes courbes (Introduccion al analisis de las lneas curvas), publicada
en 1750, en la que desarrolla la teora de curvas algebraicas y esta contenido en
este la regla que lleva su nombre (la regla de Cramer) para la solucion de un
sistema lineal de n n (n-ecuaciones, con n-incognitas), pero el en este trabajo
no aporto demostraciones para este hecho. Tambien volvio a introducir la nocion de
determinante (que como acotamos anteriormente, este algoritmo lo haba utilizado
17
Filosofo, matematico, jurista y poltico aleman. Descubrio el calculo innitesimal, independien-
temente de Isaac Newton (1643-1727), y su notacion es la que se emplea desde entonces. Leibniz
fue el primero en utilizar el termino analysis situs que luego se utilizara en el siglo XIX para
referirse a lo que se conoce como topologa.
18
Matematico suizo. Su obra fundamental fue la Introduction `a l analyse de lignes courbes, es
donde se desarrolla la teora de las curvas algebraicas seg un los principios newtonianos.
1.4 Sistemas de ecuaciones lineales 21
Leibniz a nales del siglo XVII para resolver sistemas de ecuaciones lineales).
Leonhard Euler
19
(1707-1783) fue quien observo que un sistema lineal con
n-ecuaciones y n-incognitas no necesariamente tiene solucion unica y luego Gauss en
relacion con su descubrimiento del metodo de los mnimos cuadrados, introducido
en 1811, en donde estudia un proceso sistematico, que hoy en da se conoce como
la eliminacion gaussiana, para encontrar la solucion de los sistemas de ecuaciones
lineales (aunque es de considerar que el no hizo uso de la notacion matricial).
En 1867, Edmond Laguerre
20
(1834-1886) escribe una carta a Charles Hermite
21
(1822-1901) llamada Sur le calcul des syst`emes lin`eaires (Sobre el calculo de
sistemas lineales), era una tabla de coecientes de un sistema de ecuaciones lineales
denotada con letras may usculas y Laguerre dene la adicion, resta y multiplicacion
de estos sistemas. Tambien en este mismo a no dene las combinaciones lineales,
pero restringidas a R
2
y R
4
.
19
Matematico y fsico suizo. Introduce la mayor parte de la terminologa moderna y notacion
matematica, particularmente para el area del analisis matematico, como por ejemplo el concepto de
funcion matematica (en Introductio in analysin innitorum (Introduccion al Analisis del Innito),
publicada en 1748).
El tambien introduce la funcion beta y la gamma. En Institutiones calculi
integralis (1768-1770) Euler hizo una investigacion a fondo de las integrales que se puede expresar
en terminos de funciones elementales.
20
Matematico frances. Sus obra mas importante se encuentran en areas de las matematicas, tales
como, el analisis y la geometra. Las obras completas de Laguerre se publicaron en dos vol umenes,
volumen 1 en 1898 y el Volumen 2 en 1905. Charles Hermite, Henri Poincare (1854-1912) y Eug`ene
Rouche (1832-1910) editaron los dos vol umenes.
21
Matematico frances. Realizo importantes contribuciones a la teora de n umeros, algebra,
polinomios ortogonales y funciones elpticas.
22 Historia de los Espacios Vectoriales
1.5. Espacios vectoriales
El primer estudio de lo que hoy se conoce como algebra lineal se debe a los
trabajos realizados por Hermann Grassmann
22
(1809-1877) y quien tambien es
pionero en el desarrollo de las ideas relacionadas con los espacios vectoriales. En
1844, Grassmann publica su obra maestra Die Lineale Ausdehnungslehre, ein neuer
Zweig der Mathematik (Teora de las extensiones lineales, una nueva rama de la
matematica), contiene en el las ideas basicas del
Algebra Lineal, incluyendo la
nocion de espacio vectorial n-dimensional, subespacios, conjunto generador, base,
dimension, transformaciones lineales, suma e interseccion de subespacios.
Sin embargo, el trabajo de Grassmann no tuvo mucha inuencia, debido a que su
presentacion fue un poco obscura, por ejemplo, el trabajo comienza con deniciones
que pueden ser consideradas de naturaleza losoca.
En 1862, Grassmann ofrece una nueva version de su anterior obra (aparentemente
por la sugerencia realizada por Alfred Clebsch
23
(1833-1872)) en donde expresaba
sus ideas con mayor claridad. En esta version desarrolla la teora de la independencia
lineal y elementos linealmente dependientes, tambien introdujo la denicion de
producto escalar.
Incluye ademas demostraciones relacionadas con la dimension de los espacios
vectoriales, entre las cuales se encuentra:
dimU +dimW = dim(U +W) +dim(U W)
22
Ling uista, matematico y fsico aleman. Entre los muchos temas que abordo Grassmann
esta su ensayo sobre la teora de las mareas. Grassmann escribio tambien sobre cristalografa,
electromagnetismo, y mecanica.
23
Fsico y matematico aleman. Unos de sus trabajos de matematica aplicada a la fsica fue el
publicado en 1862 con el titulo Theorie der Elastizitat fester Korper (Teora de la elasticidad de
cuerpos solidos). La matematica pura se convirtio en tema principal de su investigacion, cuando
comenzo a estudiar el calculo de variaciones y ecuaciones diferenciales parciales. Fundador junto
a Carl Gottfried Neumann de la revista matematica Mathematische Annalen en 1868.
1.5 Espacios vectoriales 23
para subespacios vectoriales U, W de un espacio vectorial.
Fue Hermann Hankel
24
(1839-1873) el matematico que valoro en justa medida
el trabajo que haba realizado Grassmann y en su obra Theorie der Complexen
Zahlensysteme (Teora de Sistemas de N umeros Complejos), publicada en 1867,
ayudo a que se conocieran muchas de las ideas generadas por Grassmann.
Se tardo en adoptar los metodos matematicos de Grassmann, pero inuyeron
directamente sobre Felix Klein
25
(1849-1925) y
Elie Cartan
26
(1869-1951).
Otros matematicos que trataron sobre estos temas fueron Augustin Louis Cauchy
27
(1789-1857) y Adhemar de Saint-Venant (1797-1886). En 1853, Cauchy publico Sur
les defs algebriques (Sobre las deniciones algebraicas), donde aparecen metodos y
sistemas similares dados por Grassmann a nos anteriores. De hecho, la originalidad
de estos trabajos han estado en discusion debido a que a nos antes Grassmann haba
enviado a Cauchy y Saint-Venant
28
un ejemplar de su trabajo.
24
Matematico aleman. Sus trabajos versaron sobre geometra proyectiva y sobre la teora de
funciones de variable compleja. Establecio una representacion de la funcion gamma por medio
de una integral compleja y obtuvo soluciones a la ecuacion diferencial de Bessel.
25
Matematico aleman. Inuencio considerablemente en la geometra no euclidiana, por sus trabajos
realizados sobre las conexiones entre la geometra y la teora de grupos, y con los resultados en la
teora de funciones.
26
Matematico frances. Trabajo en diversas areas de las matematicas, entre ellas se encuentran:
grupos continuos, algebras de Lie, ecuaciones diferenciales y la geometra. Sus investigaciones
se centraron principalmente en los grupos de Lie y sus usos geometricos. Tambien introdujo el
concepto de grupo algebraico.
27
Matematico frances. En Lecons sur le Calcul Dierentiel (Lecciones sobre el Calculo Diferencial)
publicada en 1829, dene por primera vez las funciones de variable compleja. Realizo importantes
aportes a la geometra diferencial y las aplicaciones matematicas a la fsica. Produjo 789 artculos
matematicos. Su coleccion de trabajos, fue publicada entre 1882 y 1970, con el titulo: Oeuvres
compl`etes dAugustin Cauchy (Obras Completas de Augustin Cauchy), que abarcan 27 vol umenes
en total.
28
Saint-Venant entro en una disputa con Grassmann sobre la creacion de algunas ideas referidas al
calculo vectorial. Grassmann haba publicado sus resultados en 1844, pero Saint-Venant reclama
que el haba desarrollado primero estas ideas en 1832.
24 Historia de los Espacios Vectoriales
La denicion axiomatica moderna de espacios vectoriales sobre los n umeros reales se
la debemos a Giuseppe Peano
29
(1858-1932) quien utilizo el termino linear system.
Algebras
de Lie, 1962), Exceptional Lie algebras (Excepcionales algebras de Lie, 1971), Structure and
representations of Jordan algebras (Estructura y representacion de las algebras de Jordan, 1968)
y su obra de mayor importancia en el algebra es PI-algebras : an introduction (Una introduccion
a las PI-
Algebras, 1975).
Captulo 2
Estudio preliminar sobre Espacios
Vectoriales
2.1. Introduccion
Los espacios vectoriales son estructuras algebraicas que se estudian en la rama
del
Algebra conocida como
Algebra Lineal. Historicamente las primeras ideas que
abren paso a la denicion moderna de espacio vectorial se remontan al siglo XVII,
y aparecen en areas de las matematicas, tales como: geometra analtica, matrices
y sistemas de ecuaciones lineales.
Los primeros estudios sobre estas estructuras se los debemos a: William Rowan
Hamilton (1805-1865), Edmond Laguerre (1834-1886), Arthur Cayley (1821-1895),
Hermann Grassmann (1809-1877), Giuseppe Peano (1858-1932) y Hermann Weyl
(1885-1955).
Los espacios vectoriales hoy en da poseen una ampla aplicacion en distintas
areas de las matematicas: ecuaciones en derivadas parciales, geometra, topologa
y analisis funcional. Ademas, son de gran importancia en la fsica e ingeniera.
Estas estructuras algebraicas pueden considerarse como una de las mas estudiadas
y utilizadas en diversos campos de las ciencias.
30 Estudio preliminar sobre Espacios Vectoriales
2.2. Espacios vectoriales
Denicion 2.1 (Espacio vectorial) Sea F un cuerpo. Un Espacio vectorial
V sobre el cuerpo F es una cuaterna (V, F, +, ) tal que V es un conjunto no vaco,
+ : V V V es una relacion binaria en V y es lo que se llama una operacion
externa en V , lo que signica simplemente que : F V V . Ademas se han
de cumplir las siguientes propiedades:
(V1) v V w V [v +w = w +v] (conocida como conmutatividad).
(V2) v V w V z V [(v + w) + z = v + (w + z)] (conocida como
asociatividad).
(V3) 0
V
V v V [0
V
+v = v] (el elemento 0
V
se denomina elemento neutro
de V ).
(V4) w V v V [v +w = 0
V
] (el elemento w se denomina opuesto de v).
V1-V4, junto con + que es una relacion binaria en V , nos indica que (V, +) es un
grupo abeliano
1
(o conmutativo).
(V5) F v V w V [ (v +w) = v + w].
(V6) F F v V [( +) v = v + v].
(V7) F F v V [ ( v) = ( ) v].
(V8) v V [1
F
v = v] (donde 1
F
es elemento identidad de F).
La relacion binaria + es llamada adicion y la operacion es llamada multi-
plicacion escalar. Ademas a los elementos de un espacio vectorial V se les
denomina con frecuencia vectores y a los elementos de F como escalares.
1
Su nombre se debe al matematico Niels Henrik Abel (1802-1829).
2.2 Espacios vectoriales 31
Por razones de simplicacion de notacion, si F y v V , escribiremos v, en
lugar de v, en todo el desarrollo posterior de este trabajo.
Estudiemos algunos ejemplos de espacios vectoriales:
Ejemplo 2.1.1 (Espacios de las n-tuplas) Sea F un cuerpo y n N
+
.
Consideremos:
F
n
= {(a
1
, a
2
, . . . , a
n
) : (a
i
F 1 i n)}
entonces los elementos (a
1
, a
2
, . . . , a
n
) F
n
y (b
1
, b
2
, . . . , b
n
) F
n
son iguales
s y solo s a
i
= b
i
, para cualquier 1 i n. Se denen la operacion de adicion y
multiplicacion escalar como:
(a
1
, a
2
, . . . , a
n
) + (b
1
, b
2
, . . . , b
n
) = (a
1
+b
1
, a
2
+b
2
, . . . , a
n
+b
n
) (2.1)
(a
1
, a
2
, . . . , a
n
) = (a
1
, a
2
, . . . , a
n
) (2.2)
As (F
n
, F, +, ) es un espacio vectorial.
El elemento neutro de F
n
es:
nveces
..
(0
F
, 0
F
, . . . , 0
F
)
Si a = (a
1
, a
2
, . . . , a
n
) F
n
, el elemento opuesto de a es:
(a
1
, a
2
, . . . , a
n
) = a.
Las deniciones correspondientes al siguiente ejemplo la podemos encontrar en el
apendice del documento en la seccion B.2.
Ejemplo 2.1.2 (Espacios de las sucesiones innitas) Sea F un cuerpo y V
el conjunto de todas las sucesiones innitas. Se dice que dos sucesiones innitas
{a
n
} y {b
n
} son iguales s y solo s cada una de sus componentes son iguales, es
decir:
{a
n
} = {b
n
} a
i
= b
i
(i N
+
) (2.3)
32 Estudio preliminar sobre Espacios Vectoriales
y las operaciones de adicion y multiplicacion escalar se denen del siguiente modo:
{a
n
} +{b
n
} = {a
n
+b
n
} (2.4)
{a
n
} = {a
n
} (2.5)
en donde {a
n
} V y {b
n
} V , F. Entonces (V, F, +, ) es un espacio
vectorial.
Ejemplo 2.1.3 (Espacios de funciones) Sea F un cuerpo. El conjunto F
F
(ver
apendice, seccion B.1), con las operaciones de adicion y multiplicacion escalar
denidas de la forma siguiente:
(f +g)(x) = f(x) + g(x) (2.6)
(f)(x) = f(x) (2.7)
en donde x F, f F
F
y g F
F
. Entonces (F
F
, F, +, ) es un espacio vectorial.
Se observa que + es una relacion binaria en F
F
. Probaremos la asociatividad de +
(V1) como a manera de ilustracion. Si f F
F
, g F
F
y h F
F
, por lo tanto:
[(f + g)(x)] + h(x) = [f(x) +g(x)] +h(x) Por 2.6.
= f(x) + [g(x) +h(x)] Por asociatividad en F.
= f(x) + [(g + h)(x)] Por 2.6.
El elemento neutro de F
F
es la funcion 0
F
F , denida como:
0
F
F : F F
: x 0
F
= 0
F
F (x)
y si f F
F
, su elemento opuesto es f F
F
. Las propiedades que faltan por
probar (V4-V8) son obvias y por esta razon se omiten.
Ejemplo 2.1.4 (Espacios de las funciones continuas) Sean F = R y C[a, b]
con la operaciones de adicion y multiplicacion escalar denidas de igual forma que
en 2.6 y 2.7. Entonces (C[a, b], R, +, ) es un espacio vectorial.
2.2 Espacios vectoriales 33
Se puede cambiar el cuerpo F = C y de igual forma (C[a, b], C, +, ) es un espacio
vectorial.
Ejemplo 2.1.5 (Espacios de las funciones polinomios) Sea F un cuerpo, F[x]
el conjunto de todos los polinomios y m N. Se tiene que:
F[x] = {a
0
+a
1
x + +a
m
x
m
+ : (a
i
F, 0 i < ),
tal que m N, k > m = a
k
= 0}
Consideremos p(x) F[x] (p(x) = 0), por denicion m N tal que k > m,
entonces a
k
= 0. Sea n el menor entero con esa caracterstica (que existe por el
Principio del entero mnimo, ver [20]); entonces podemos escribir p(x) como:
p(x) =
n
j=0
a
j
x
j
tal n se denomina grado de p(x) y se denota por grad(p(x)). Por tanto si
p(x) =
n
j=0
a
j
x
j
y q(x) =
s
j=0
b
j
x
j
y F
se denen la operaci on de adicion y multiplicacion escalar as:
p(x) + q(x) =
r
j=0
(a
j
+b
j
)x
j
(2.8)
p(x) =
r
j=0
(a
j
)x
j
(2.9)
En donde r = max{n, s}. Entonces (F[x], F, +, ) es un espacio vectorial.
Ejemplo 2.1.6 (Espacios de funciones medibles) Sea F = R un cuerpo
(tambien se puede tomar F = C). Sea L
0
() el conjunto de todas las funciones
medibles (ver apendice B.3) y lo escribimos como sigue:
L
0
() = {f R
X
: f es medible}
34 Estudio preliminar sobre Espacios Vectoriales
para indicar el cuerpo sobre el cual se esta trabajando muchas veces se escribe
L
0
(, R) (y L
0
(, C), si se esta trabajando con el cuerpo de los n umeros complejos).
Si denimos la adicion y multiplicacion escalar tal como se realizo en 2.6 y
2.7, entonces (L
0
(), R, +, ) es un espacio vectorial (igualmente, tambien se puede
asegurar que (L
0
(), C, +, ) es un espacio vectorial).
Ejemplo 2.1.7 (Espacios de matrices) Sea F un cuerpo y sean m N
+
,
n N
+
. El conjunto M
mn
(F) de todas las matrices m n con entradas en el
cuerpo F es un espacio vectorial, con las operaciones de adicion y multiplicaci on
por escalares denidas del siguiente modo:
[A]
ij
+ [B]
ij
= [A +B]
ij
(2.10)
[A]
ij
= [A]
ij
(2.11)
en donde 1 i m, 1 j n, [A]
ij
M
mn
(F) y [B]
ij
M
mn
(F).
El elemento neutro de M
mn
(F) es 0
M
mn
(F)
= [0
F
]
ij
. El elemento opuesto de
[A]
ij
M
mn
(F) es [A]
ij
M
mn
(F).
Veamos que se cumple (V5) y las otras propiedades de espacios vectoriales se
prueban de manera similar. Si F, [A]
ij
M
mn
(F) y [B]
ij
M
mn
(F)
entonces:
([A]
ij
+ [B]
ij
) = ([A +B]
ij
) Por ecuacion 2.10.
= ([(A +B)]
ij
) Por ecuacion 2.11.
= [A +B]
ij
Por distributividad en F.
= [A]
ij
+ [B]
ij
Por ecuacion 2.10.
= [A]
ij
+[B]
ij
Por ecuacion 2.11.
Proposicion 2.2 Sea (V, F, +, ) un espacio vectorial. Entonces:
1. El elemento neutro de V , es decir O
V
, es unico.
2.3 Subespacios vectoriales 35
2. El elemento opuesto de v es unico y se denota por v.
3. Para todo v V , se tiene que:
v +v = v v = 0
V
. (2.12)
4. F[0
V
= 0
V
].
5. v V [0
F
v = 0
V
]. (donde 0
F
es el elemento neutro de F).
6. Sean F y v V , entonces:
[(v = 0
V
) ( = 0
F
v = 0
V
)]. (2.13)
7. Fv V [()v = (v)].
8. Dado u, v V , existe un unico w V , tal que w +u = v.
La demostracion de esta proposicion es rutinaria y se puede encontrar en [7] o
[19].
2.3. Subespacios vectoriales
Denicion 2.3 (Subespacio vectorial) Sea (V, F, +, ) un espacio vectorial. Un
subconjunto W no vaco de V es un subespacio vectorial de V , si W es un
espacio vectorial sobre el cuerpo F, con las mismas operaciones de adicion y
multiplicacion escalar denidas en V . Lo denotamos como W V .
Se escribira W es un subespacio vectorial de V , en lugar de (W, F, +, ) es un
subespacio vectorial de (V, F, +, ), para simplicar la notacion.
La siguiente proposicion proporciona una manera mas sencilla de determinar si un
subconjunto de un espacio vectorial es un subespacio vectorial.
36 Estudio preliminar sobre Espacios Vectoriales
Proposicion 2.4 Sea (V, F, +, ) un espacio vectorial. Un subconjunto W = de
V es un subespacio vectorial de V si para todo v, w W y , F, se tiene que
v +w W.
La demostracion de este resultado se encuentra en [8].
Considerese algunos ejemplos de subespacios vectoriales para facilitar la compren-
sion de este concepto:
Ejemplos 2.4.1 Sea (V, F, +, ) un espacio vectorial. Se tiene que V es un
subespacio de si mismo, es decir, V V . Ademas, el conjunto formado unicamente
por el elemento neutro de V constituye un subespacio de V , es decir, {0
V
} V , a
este subespacio se le conoce como subespacio nulo. Los dos subespacios anteriores
son conocidos como subespacios triviales o impropios. As que cualquier
subespacio vectorial distinto a los anteriores se les denomina subespacios propios.
Ejemplo 2.4.2 Sea [A]
ij
M
mn
(F), con m, n N
+
y 1 i m, 1 j n.
Entonces:
K(A) = {x F
n1
: Ax = 0
F
m}
es un subespacio vectorial de F
n
.
Ejemplo 2.4.3 (Subespacios de las sucesiones convergentes) Sea (V, F, +, )
el espacio vectorial de las sucesiones innitas de n umeros reales (ver ejemplo 2.1.2)
y sea W el conjunto de todas las sucesiones innitas de n umeros reales que conver-
gen a 0, es decir:
W =
_
{a
n
} V : lm
n
a
n
= 0
_
Entonces W V .
Ejemplo 2.4.4 Sea (V, F, +, ) el espacio vectorial de las sucesiones innitas,
podemos considerar que F = C y {a
n
} una sucesion innita de n umeros
2.3 Subespacios vectoriales 37
complejos. Sea p N, denimos el conjunto W de la siguiente manera:
W =
_
{a
n
} :
n=1
|a
n
|
p
<
_
Entonces W es un subespacio vectorial de V .
Notemos que + es una relacion binaria en V , ya que si {a
n
}, {b
n
} son elementos
de V , se verica que:
_
n=1
|a
n
+b
n
|
p
_
1/p
n=1
|a
n
|
p
_
1/p
+
_
n=1
|b
n
|
p
_
1/p
(2.14)
tal desigualdad es conocida con el nombre de desigualdad de Minkowskis y la
demostracion de este resultado puede encontrarse en [15].
Ejemplo 2.4.5 (Subespacios de funciones)
1. C[a, b] F
F
.
2. F[x] C[a, b].
3. L
0
(, R) F
F
.
Ejemplo 2.4.6 (Subespacios de funciones diferenciables) Sea D[a, b] el con-
junto de todas las funciones diferenciables en el intervalo [a, b], entonces:
D[a, b] C[a, b].
Proposicion 2.5 Sea (V, F, +, ) un espacio vectorial y {U
i
}
iI
una familia de
subespacios de V . Entonces:
iI
U
i
V (2.15)
Es decir, la interseccion arbitraria de una familia de subespacios vectoriales es
tambien un subespacio de V .
38 Estudio preliminar sobre Espacios Vectoriales
Ademas podemos armar que si (V, F, +, ) es un espacio vectorial y {U
i
}
iI
una
familia de subespacios de V , entonces:
iI
U
i
no es, en general, un subespacio vectorial de V .
Observese que si U V y W V , entonces U W es un subespacio de V si
y solo si uno de ellos esta contenido en el otro, es decir:
U W V (U W W U) (2.16)
Un ejemplo es bueno para sustentar la observacion realizada anteriormente.
Supongamos que (V, F, +, ) es un espacio vectorial y que V = R
2
, ademas se dene
de la siguiente manera los siguientes conjuntos:
U = {(x, y) R
2
: x +y = 0}
W = {(x, y) R
2
: x y = 0}
y es facil ver que tanto U como W son subespacios de V . Por consiguiente:
U W = {(x, y) R
2
: (x +y = 0 x y = 0)}
Ahora, se puede notar que U W no es un subespacio de V , puesto que no se
cumple la proposicion 2.4, porque si tenemos por ejemplo que u = (2, 2) U y
w = (2, 2) W, entonces u + w = (2, 2) + (2, 2) = (4, 0) U W. Por lo tanto
U W no es un subespacio de V .
En la mayora de los casos no se cumple que + es una relacion binaria en U W y
el ejemplo anterior es una muestra de este hecho.
Denicion 2.6 (Suma) Sea (V, F, +, ) un espacio vectorial y U, W ambos
subespacios vectoriales de V . La suma U +W se dene como:
U +W = {u +w : (u U w W)} (2.17)
2.4 Combinaciones lineales 39
Figura 2.1: Union de subespacios
Podemos extender esta denicion a sumas nitas de subespacios vectoriales como: si
I es un conjunto de ndices nito (es decir, I = {1, 2, . . . , n}, con n N
+
) entonces
la suma de una familia de subespacios {U
i
}
iI
es el conjunto de todas las sumas
nitas de vectores de la union de los {U
i
}
iI
:
iI
U
i
=
_
u
1
+u
2
+ +u
n
: (u
i
U
i
1 i n n N
+
)
_
2.4. Combinaciones lineales
Denicion 2.7 (Combinacion lineal) Sea (V, F, +, ) un espacio vectorial. Si
W V y H F, entonces cualquier elemento de V escrito de la forma siguiente:
n
i=1
i
w
i
=
1
w
1
+
2
w
2
+ +
n
w
n
(2.18)
con
i
H y w
i
W es una combinacion lineal de W con coeficientes
escalares en H.
Si se tiene que v V y
v =
n
i=1
i
w
i
40 Estudio preliminar sobre Espacios Vectoriales
entonces se dice que v es combinacion lineal de los elementos w
1
, w
2
, . . . , w
n
W.
El conjunto de todas las combinaciones lineales de W, lo denotaremos como L(W).
Es decir:
L(W) =
_
n
i=1
i
w
i
: (
i
F w
i
W n N
+
)
_
(2.19)
Para cada v V , el conjunto de todas la combinaciones lineales de {v} V se
escribe como L({v}), pero se usara L(v) en lugar de L({v}) para simplicar la
notacion.
Proposicion 2.8 Sea (V, F, +, ) un espacio vectorial y W V (con W = ). Se
tiene que:
1. L(W) V .
2. Si U W, entonces L(U) L(W).
3. Si ademas W V , entonces L(W) = W. As que:
L
2
(W) = L(L(W)) = W
y en general
L
k
(W) = L(W) = W, k N
+
.
4. L(W) es el menor (en cuanto a la contencion) subespacio que contiene a W.
5. Si I es un conjunto de ndices nito (es decir, I = {1, 2, . . . , n}, con n N
+
)
y {W
i
}
iI
una familia de subespacios de V . Entonces:
L
_
n
i=1
W
i
_
=
n
i=1
L(W
i
)
y ademas
L
_
n
i=1
W
i
_
=
n
i=1
W
i
de hecho, en este caso se puede considerar un conjunto de ndices cualesquiera
y se sigue cumpliendo la aseveracion realizada.
2.4 Combinaciones lineales 41
Demostracion:
(1) i) L(W) = . Por hipotesis se tiene que W = , por lo tanto existe w W y
por la denicion 2.1-V8 w = 1
F
w, as que w L(W) = .
ii) L(W) V . Es inmediata por denicion de L(W).
iii) Si , F y u, w L(W), entonces podemos escribir a
_
u =
n
i=1
i
w
i
w =
n
j=1
j
w
j
_
por denicion de L(W). As que:
u +w =
n
i=1
i
w
i
+
n
j=1
j
w
j
=
n
i=1
(
i
w
i
) +
n
j=1
(
j
w
j
)
=
n
i=1
(
i
)w
i
+
n
j=1
(
j
)w
j
=
n
i=1
i
w
i
+
n
j=1
j
w
j
y entonces , u +w L(W). Por consiguiente, por la proposicion 2.4
L(W) V.
i=1
i
u
i
42 Estudio preliminar sobre Espacios Vectoriales
Ahora, como {u
1
, u
2
, . . . , u
n
} U, entonces por hipotesis se tiene que U W,
as que {u
1
, u
2
, . . . , u
n
} W. Por lo tanto:
u =
n
i=1
i
u
i
L(W)
i=1
i
w
i
L(W)
y por la proposicion 2.4, se tiene que w W. Luego L(W) W. Por lo tanto,
de () y () se obtiene que:
L(W) = W
Ahora, debemos probar que:
L
2
(W) = L(L(W)) = L(W) = W
y como sabemos por 1) que L(W) V , entonces por lo anteriormente
demostrado, tenemos que:
L
2
(W) = L(L(W) = L(W)
y como por hipotesis W V , se tiene tambien por lo que previamente se
probo que
L
2
(W) = W
2.4 Combinaciones lineales 43
Utilizando un razonamiento similar, se obtiene que:
L
k
(W) = W (con k N
+
)
(4) Ahora probemos que L(W) es el menor (en cuanto a la contencion) subespacio
que contiene a W. Es decir, demostremos que:
L(W) =
{U V : (W U U V )}
() L(W)
{U V : (W U U V )}.
Supongamos que U V , tal que W U, as que por 3), L(U) = U y como
W U, entonces por 2)
L(W) L(U) = U
por lo tanto:
L(W) U.
as que por denicion de interseccion
L(W)
{U V : (W U U V )}
()
{U V : (W U U V )} L(W)
Sabemos por 1) que L(W) V y que ademas W L(W) (por denicion de
L(W)). Por lo tanto
L(W)
{U V : (W U U V )}
y por denicion de interseccion
{U V : (W U U V )} L(W)
y por () y () se obtiene que:
L(W) =
{U V : (W U U V )}
i=1
W
i
_
=
n
i=1
L(W
i
)
() Veamos que:
L
_
n
i=1
W
i
_
i=1
L(W
i
)
Supongamos que {W
i
}
n
i=1
es una familia de subespacios de V . Entonces
por 1) se tiene que {L(W
i
)}
n
i=1
es una familia de subespacios de V , y por
denicion 2.6 (denicion de suma) es facil observar que:
n
i=1
L(W
i
) V
Veamos que:
n
i=1
W
i
n
i=1
L(W
i
)
Supongamos que:
w
n
i=1
W
i
entonces por denicion de union existe un j {1, 2, . . . , n} tal que w W
j
; y
por denicion de L(W
j
), se tiene que w W
j
L(W
j
) y por denicion 2.6:
L(W
j
)
n
i=1
L(W
i
)
por lo tanto
w
n
i=1
L(W
i
)
as que:
n
i=1
W
i
n
i=1
L(W
i
)
y por 2) tenemos que:
L
_
n
i=1
W
i
_
L
_
n
i=1
L(W
i
)
_
2.4 Combinaciones lineales 45
y como:
n
i=1
L(W
i
) V
por 3) se obtiene que:
L
_
n
i=1
L(W
i
)
_
=
n
i=1
L(W
i
)
por consiguiente:
L
_
n
i=1
W
i
_
i=1
L(W
i
)
() Ahora nos falta por ver que:
n
i=1
L(W
i
) L
_
n
i=1
W
i
_
si tenemos un j {1, 2, . . . , n} (con n N
+
), en donde j es un n umero jo,
entonces por denicion de union se tiene que:
W
j
n
i=1
W
i
entonces por 2) L(W
j
) L
_
n
i=1
W
i
_
A continuacion demostraremos la contencion:
n
i=1
L(W
i
) L
_
n
i=1
W
i
_
Supongamos que:
w
n
i=1
L(W
i
)
entonces w se puede escribir como:
w = w
1
+w
2
+ +w
n
=
n
i=1
w
i
en donde w
i
L(W
i
) (con i {1, 2, . . . , n}, n N
+
), pero como:
L(W
j
) L
_
n
i=1
W
i
_
46 Estudio preliminar sobre Espacios Vectoriales
para j {1, 2, . . . , n} (j jo), tenemos que:
w
j
L(W
j
) L
_
n
i=1
W
i
_
por consiguiente:
w
j
L
_
n
i=1
W
i
_
y como tenemos que:
L
_
n
i=1
W
i
_
V
se tiene por la proposicion 2.4 que:
w = w
1
+w
2
+ +w
n
=
n
i=1
w
i
L
_
n
i=1
W
i
_
as que:
n
i=1
L(W
i
) L
_
n
i=1
W
i
_
y por () y () se obtiene que:
n
i=1
L(W
i
) = L
_
n
i=1
W
i
_
De 5), nos falta por probar que:
L
_
iI
W
i
_
=
iI
W
i
Sabemos que {W
i
}
iI
es una familia de subespacios de V y por la
proposicion 2.5 se tiene que:
iI
W
i
V
y por 3), obtenemos que:
L
_
iI
W
i
_
=
iI
W
i
2
2.5 Sistemas de generadores 47
2.5. Sistemas de generadores
Denicion 2.9 (Subespacio vectorial generado por W) Sea (V, F, +, ) un es-
pacio vectorial. Si W V , llamaremos subespacio vectorial generado por W
a la interseccion de todos los subespacios de V que contienen a W. Lo denotaremos
como W. Es decir:
W =
{U V : (W U U V )}
Notar que W es un subespacio (por proposicion 2.5) y ademas siempre existe pues
V V (por ejemplo 2.4.1) y W V .
Ademas por convencion se tiene que = {0
V
}.
Proposicion 2.10 Sea (V, F, +, ) un espacio vectorial. Si W = y W V ;
entonces:
W =
_
v V : n N
+
,
i
F, w
i
W, 1 i n, tal que v =
n
i=1
i
w
i
_
Lo que se expreso en esta proposicion es que:
L(W) = W
y la demostracion de este resultado se realiza de manera similar que para el caso de
la teora de grupos, anillos y modulos, para esto consultar [20]. En la mayor parte
del trabajo utilizaremos la notacion de L(W), en lugar de W.
Denicion 2.11 (Sistema generador de V ) Sea (V, F, +, ) un espacio vecto-
rial y W un subconjunto de V . Si L(W) = V , se dice que W es un
sistema generador de V .
Ejemplo 2.11.1 (Sistema generador del espacio de las n-tuplas) Tenemos
por ejemplo 2.1.1 que (F
n
, F, +, ) es un espacio vectorial y si 1 i n, con
48 Estudio preliminar sobre Espacios Vectoriales
n N
+
. Se dene a e
i
F
n
como:
e
i
= (0
F
, 0
F
, . . . , 0
F
,
posicion i
..
1
F
, 0
F
, . . . , 0
F
)
. .
ntuplas
por ejemplo:
e
3
= (0
F
, 0
F
,
posicion 3
..
1
F
, . . . , 0
F
)
y denimos el conjunto W como sigue:
W = {e
i
: (1 i n n N
+
)}
entonces W es un sistema generador de F
n
. En efecto, si v = (v
1
, v
2
, . . . , v
n
) F
n
,
se tiene que:
v = (v
1
, v
2
, . . . , v
n
) =
n
i=1
v
i
e
i
Ejemplo 2.11.2 (Sistema generador del espacio de los polinomios) Sabemos
que (F[x], F, +, ) es un espacio vectorial (por ejemplo 2.1.5). Entonces si denimos
W de la siguiente forma:
W = {x
i
: (0 i < i N)} (2.20)
Asumiendo que x
0
= 1
F
, tenemos que W es un sistema generador de V . Es decir:
L(W) = F[x]
Ejemplo 2.11.3 (Sistema generador del espacio de matrices) Consideremos
el espacio vectorial (M
mn
(F), F, +, ) (por ejemplo 2.1.7) y si m, n N
+
, con
1 i m, 1 p m, 1 j n y 1 q n. Se dene:
E
ij
=
_
_
a
11
a
12
a
1q
a
1n
a
21
a
22
a
2q
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
p1
a
p2
a
pq
a
pn
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mq
a
mn
_
_
2.5 Sistemas de generadores 49
donde las entradas de las matrices vienen dadas por la siguiente expresion:
a
pq
=
_
_
_
1
F
si (p = i q = j);
0
F
si (p = i q = j).
Por consiguiente, denimos el conjunto W como sigue:
W = {E
ij
: (1 i m 1 j n)} (2.21)
por lo tanto, los elementos de M
mn
(F) pueden escribirse como combinacion lineal
de W, es decir, L(W) = M
mn
(F).
Proposicion 2.12 Sea (V, F, +, ) un espacio vectorial. Si U V es un sistema
generador de V y W V , tal que U L(W). Entonces L(W) = V , es decir,
W es un sistema generador de V .
Demostracion:
Sabemos por hipotesis que L(U) = V y que ademas U L(W), entonces por la
proposicion 2.8-2:
L(U) L(L(W))
y como L(W) es un subespacio de V y por la proposicion 2.8-3 se obtiene:
V = L(U) L(L(W)) = L(W)
as que V L(W) y es evidente que L(W) V . Por lo tanto:
V = L(W).
2
Denicion 2.13 (Finitamente generado) Sea (V, F, +, ) un espacio vectorial y
W V . Si W es un sistema generador de V y W es nito, se dice que V es
finitamente generado por W.
50 Estudio preliminar sobre Espacios Vectoriales
Denicion 2.14 (Innitamente generado) Sea (V, F, +, ) un espacio vectorial.
Diremos que V es infinitamente generado por W, si W es innito y V = L(W).
Ejemplo 2.14.1 Si tenemos a W denido como en el ejemplo 2.11.1, es decir:
W = {e
i
: (1 i n n N
+
)}
entonces F
n
es nitamente generado por W. De hecho, |W| = n, con n N
+
.
Ejemplo 2.14.2 Si tomamos el conjunto W denido como en el ejemplo 2.11.3,
entonces M
mn
(F) es nitamente generado por W. Ademas, |W| = mn, con
m, n N
+
.
Ejemplo 2.14.3 El espacio vectorial (F[x], F, +, ) es innitamente generado por
W, W denido tal y como se realizo en el ejemplo 2.11.2.
Un espacio vectorial puede ser nitamente generado e innitamente generado. Por
ejemplo, si tomamos el espacio vectorial (F
n
, F, +, ) y
W
1
= {e
i
: (1 i n n N
+
)}
entonces se tiene que F
n
= L(W
1
), pero tambien se observa que si W
2
= F
n
,
entonces F
n
= L(W
2
). En este ejemplo se muestra que un espacio vectorial puede
tener varios sistemas generadores.
Para ser mas preciso en este aspecto introducimos la siguiente denicion:
Denicion 2.15 (Estrictamente innitamente generado) Un espacio vecto-
rial (V, F, +, ) es estrictamente infinitamente generado si es innitamente
generado y no es nitamente generado.
Ejemplo 2.15.1 El espacio vectorial (F[x], F, +, ) es innitamente generado por
W (W denido tal y como se realizo en el ejemplo 2.11.2), como se especico en
2.6 Independencia lineal 51
el ejemplo 2.14.3, mas no es nitamente generado, ya que si existe un k N
+
, tal
que:
U = {x, . . . , x
k
} F[x]
y ademas:
j =
_
k
n=1
grad(x
n
)
_
+ 1
y facilmente se comprueba que x
j
L(U).
2.6. Independencia lineal
Denicion 2.16 (Independencia lineal de conjuntos nitos) Sea (V, F, +, )
un espacio vectorial y W = {w
1
, w
2
, . . . , w
n
} un subconjunto nito de V , se
dice que W es linealmente independiente o que w
1
, w
2
, . . . , w
n
son linealmente
independientes si para cualesquiera
1
,
2
, . . . ,
n
F se tiene que:
n
i=1
i
w
i
= 0 =
i
= 0 (i = 1, . . . , n)
Si un subconjunto W de un espacio vectorial V no es linealmente independiente,
entonces se dice que tal subconjunto es linealmente dependiente.
La denicion anterior se extiende de forma obvia a un conjunto arbitrario W.
Denicion 2.17 (Independencia lineal) Sea (V, F, +, ) un espacio vectorial.
Un subconjunto no vaco W de V es linealmente independiente si todo
subconjunto nito de W es linealmente independiente.
Por lo tanto, un conjunto de vectores es linealmente independiente si ninguno de
ellos puede ser escrito como combinacion lineal de los vectores restantes. Es decir:
w W[w L(W\{w})]
52 Estudio preliminar sobre Espacios Vectoriales
y W = {w
1
, w
2
, . . . , w
n
} subconjunto de V es linealmente dependiente s y solo
s existen
1
,
2
, . . . ,
n
F no todos nulos, tales que:
n
i=1
i
w
i
= 0
Entonces, tenemos las siguientes propiedades:
Si un conjunto de vectores es linealmente independiente cualquier subconjunto
suyo tambien es linealmente independiente.
Si un conjunto de vectores es linealmente dependiente tambien lo es todo
conjunto que lo contenga.
En un subconjunto linealmente independiente ninguno de los elementos del
conjunto puede ser el elemento 0
V
, es decir, que un conjunto que contenga
a 0
V
es linealmente dependiente, pues para cualquier F, se tiene que
0
V
= 0
V
(por proposicion 2.2-4).
Ejemplo 2.17.1 Los elementos de W denidos tal y como se realizo en el ejemplo
2.11.1, es decir:
W = {e
i
: (1 i n n N
+
)}
forman una familia linealmente independiente.
Ejemplo 2.17.2 Si n, m N
+
y si se tiene que:
W = {E
ij
: (1 i m 1 j n)}
(denido de manera similar al ejemplo 2.11.3) es un conjunto linealmente
independiente.
Ejemplo 2.17.3 El conjunto W del ejemplo 2.11.2 es linealmente independiente.
Se puede observar que W es un conjunto innito, pero por la denicion 2.17, para
2.6 Independencia lineal 53
ver que W es linealmente independiente basta con ver que cualquier subconjunto
nito de este es linealmente independiente. As que, para todo n N
+
, se debe
probar que {1, x, x
2
, . . . , x
n
} es linealmente independiente. Supongamos que existen
a
0
, a
1
, . . . , a
n
C, tal que:
a
0
+a
1
x + +a
n
x
n
= 0; x C
El teorema fundamental del algebra garantiza que todo polinomio de grado n, con
coecientes complejos, tiene exactamente n-races, no necesariamente distintas,
pero en este caso se debe contar las races con sus multiplicidades. Entonces es
inmediato que debe cumplirse que:
a
0
= a
1
= a
2
= = a
n
= 0.
Lema 2.18 Sea (V, F, +, ) un espacio vectorial y W un subconjunto linealmente
independiente de V . Si v V \W, se tiene que W{v} es linealmente independiente
s y solo s v no es combinacion lineal de los elementos de W.
Demostracion:
(=) Supongamos que v es combinacion lineal de los elementos de W. Sin
perder generalidad, tomemos un subconjunto nito de W, digamos que es
{w
1
, w
2
, . . . , w
n
} W, con n N
+
, en la cual existen
1
,
2
, . . . ,
n
F, tal
que:
v =
n
i=1
i
w
i
v
n
i=1
i
w
i
= 0
V
y asumiendo que
i
=
i
, se tiene que:
1
F
v +
1
w
1
+
2
w
2
+ +
n
w
n
= 0
V
entonces {v, w
1
, w
2
, . . . , w
n
} es linealmente dependiente. Contradiccion con el hecho
de que W {v} es linealmente independiente.
54 Estudio preliminar sobre Espacios Vectoriales
i=1
i
w
i
= 0
V
contradiccion con el hecho de que W es linealmente independiente.
Si = 0
F
, se tiene que:
v =
n
i=1
i
w
i
v =
n
i=1
i
w
i
v =
1
n
i=1
i
w
i
por propiedad distributiva y asociatividad, se obtiene:
v =
n
i=1
(
1
(
i
))w
i
=
n
i=1
i
w
i
2.7 Base de un espacio vectorial 55
en donde
i
=
1
(
i
). As que v es combinacion lineal de {w
1
, w
2
, . . . , w
n
}
y esto es una contradiccion con la hipotesis de que v no es combinacion lineal
de los elementos de W.
2
Denicion 2.19 (Linealmente independiente maximal) Sea (V, F, +, ) un
espacio vectorial y W V , tal que W es no vaco. Diremos que W de V es
linealmente independiente maximal si:
1. W es linealmente independiente.
2. w V \ W[W {w} es linealmente dependiente].
2.7. Base de un espacio vectorial
Denicion 2.20 (Base nita) Sea (V, F, +, ) un espacio vectorial. Si B V
y B es nito, se dice que B es una base finita de V si se cumple que:
(i) B es linealmente independiente.
(ii) L(B) = V .
Ejemplo 2.20.1 Si W = {e
i
: (1 i n n N
+
)}, este conjunto es una
base nita para (F
n
, F, +, ); Puesto que F
n
es nitamente generado por W (por
ejemplo 2.14.1) y ademas W es linealmente independiente (por ejemplo 2.17.1).
Por lo tanto W es una base nita de F
n
y se le conoce como base canonica.
Ejemplo 2.20.2 Sabemos que (M
mn
(F), F, +, ) es nitamente generado por W
denido como en el ejemplo 2.11.3 (por ejemplo 2.14.2) y ademas W es un conjunto
linealmente independiente (por ejemplo 2.17.2), entonces W es una base nita de
M
mn
(F) y tenemos que W posee mn elementos (con m, n N
+
).
56 Estudio preliminar sobre Espacios Vectoriales
Teorema 2.21 Sea (V, F, +, ) un espacio vectorial, tal que V es distinto del espacio
nulo. Sea W V y V nitamente generado por W. Sea U un subconjunto de W
linealmente independiente. Entonces existe una base nita B de V tal que:
U B W
Demostracion:
(i) A continuacion se demostrara la existencia de B y veremos que B W.
Sea U = {u
1
, u
2
, . . . , u
n
} y como U W (por hipotesis) con |W| n.
La idea principal de la prueba es extender el conjunto U hasta obtener una base
nita de V.
Si U genera a V , entonces U es una base nita, puesto que U es linealmente
independiente (por hipotesis). Pero si U no genera a V , como W genera a V ;
existe u
n+1
W\L(U). Entonces por el lema 2.18 U
n+1
= U {u
n+1
} es
linealmente independiente. Si U
n+1
genera a V , entonces esta lista la demostracion.
No obstante, si U
n+1
no genera a V , entonces U
n+2
= U
n+1
{u
n+2
} es linealmente
independiente (donde u
n+2
W\L(U
n+1
)). As que si U
n+2
genera a V , esta lista
la demostracion.
Este proceso debe culminar luego de un n umero nito de pasos pues V es generado
por W y W es nito. As se continua de este modo el razonamiento hasta U
m
y se
llega a un conjunto:
U
m
= U {u
n+1
, u
n+2
, . . . , u
m
} = U
m1
{u
m
}
que es una base nita de V .
1
= {2, 0, 0, . . . , 0}
2
= {0, 1, 0, . . . , 0}
.
.
.
n
= {0, 0, 0, . . . , 1}
entonces B= {
1
,
2
, . . . ,
n
}, es tambien una base nita de F
n
.
Denicion 2.23 (Base de Hamel innita) Sea (V, F, +, ) un espacio vectorial.
Si B V y B es un conjunto innito, se dice que B es una base de
Hamel infinita de V si se cumple que:
(i) B es linealmente independiente.
(ii) V es estrictamente innitamente generado por B.
Ejemplo 2.23.1 Si B = {x
i
: (0 i < i N)} y por el ejemplo 2.15.1,
sabemos que (F[x], F, +, ) es estrictamente innitamente generado por B. Ademas
por el ejemplo 2.17.3, B es linealmente independiente. Por consiguiente, B es una
base de Hamel innita de F[x].
Teorema 2.24 Sea (V, F, +, ) un espacio vectorial, tal que V = {0
V
}. Sea W V
y V estrictamente innitamente generado por W. Sea U un subconjunto de W
linealmente independiente. Entonces existe una base de Hamel innita B de V , tal
que:
U B W
2.8 Dimension de un espacio vectorial 59
Teorema 2.25 (Existencia de la base) Sea (V, F, +, ) un espacio vectorial, tal
que V = {0
V
} y es estrictamente innitamente generado. Entonces existe al menos
una base de Hamel innita para V .
Para la demostracion del teorema 2.24 y 2.25 hay que utilizar una herramienta un
poco mas sosticada, como el lema de Zorn (Lema A.14 o su equivalente el axioma
de eleccion) y en el proximo captulo se realizara la demostracion.
2.8. Dimension de un espacio vectorial
Lema 2.26 Sea (V, F, +, ) un espacio vectorial y B una base nita de V (es decir,
B= {v
1
, v
2
, . . . , v
n
}, con n N
+
). Entonces:
(a) Si un subconjunto de V tiene mas de n elementos, entonces este subconjunto
es linealmente dependiente.
(b) Si un subconjunto de V tiene menos de n elementos, entonces este subconjunto
no genera a V .
Demostracion:
(a) Sea W = {w
1
, w
2
, . . . , w
m
} V ( con m N
+
), tal que m > n.
Ya que:
B= {v
1
, v
2
, . . . , v
n
}, con n N
+
es una base nita de V , entonces para cada w
j
W existen
ij
F (en
donde 1 i n y 1 j m) tales que podemos escribir los elementos
de W como combinacion lineal de los elementos de B (por denicion 2.20, B
genera a V y entonces cada elemento puede expresarse en forma unica como
60 Estudio preliminar sobre Espacios Vectoriales
combinacion lineal de elementos de B, por proposicion 2.10) as que:
w
1
=
11
v
1
+
21
v
2
+ +
n1
v
n
w
2
=
12
v
1
+
22
v
2
+ +
n2
v
n
.
.
. =
.
.
.
.
.
.
.
.
.
.
.
.
w
m
=
1m
v
1
+
2m
v
2
+ +
nm
v
n
(2.22)
Para probar que W es linealmente dependiente se debe encontrar
1
,
2
, . . . ,
m
F no todos nulos, tales que:
1
w
1
+
2
w
2
+ +
m
w
m
=
m
j=1
j
w
j
= 0 (2.23)
Usando las ecuaciones 2.22 y 2.23, podemos reescribir 2.23 como:
1
(
11
v
1
+
21
v
2
+ +
n1
v
n
) + +
m
(
1m
v
1
+
2m
v
2
+ +
nm
v
n
) = 0
por consiguiente, por propiedad distributiva, la asociatividad y conmutativi-
dad se obtiene que:
(
1
11
+
2
12
+ +
m
1m
)v
1
+ +(
1
n1
+
2
n2
+ +
m
nm
)v
n
= 0
As que, de la independencia lineal de B (denicion 2.20), el problema
de probar que W es un subconjunto linealmente dependiente, se reduce a
encontrar
1
,
2
, . . . ,
m
F no todos nulos, tales que satisfacen el siguiente
conjunto de ecuaciones lineales:
11
1
+
12
2
+ +
1m
m
= 0
21
1
+
22
2
+ +
2m
m
= 0
.
.
.
.
.
.
.
.
.
.
.
. =
.
.
.
n1
1
+
n2
2
+ +
nm
m
= 0
(2.24)
pero como m > n, el sistema de ecuaciones lineales 2.24 tiene mas variables
que ecuaciones, entonces el teorema B.6, nos garantiza la existencia de
2.8 Dimension de un espacio vectorial 61
soluciones no triviales. Por lo tanto, el subconjunto W es linealmente
dependiente.
(b) Sea U = {u
1
, u
2
, . . . , u
m
} V ( con m N
+
), tal que m < n. Se debe
demostrar que U no genera a V . Vamos a realizar esta demostracion por
reduccion al absurdo, suponemos que U genera a V y se llega a la conclusion
de que B es linealmente dependiente (contradiccion con el hecho de que B es
una base nita).
Supongamos que U es un sistema generador de V (es decir, L(U) = V );
entonces por denicion de L(U), cada elemento de V se puede escribir como
combinacion lineal de los elementos de U. En particular, los elementos de la
base nita B, v
i
B (1 i n, n N
+
) se escriben como combinacion
lineal de los elementos de U, es decir, existen
ij
F y u
j
U, tales que:
v
1
=
11
u
1
+
21
u
2
+ +
m1
u
m
v
2
=
12
u
1
+
22
u
2
+ +
m2
u
m
.
.
. =
.
.
.
.
.
.
.
.
.
.
.
.
v
n
=
1n
u
1
+
2n
u
2
+ +
mn
u
m
(2.25)
entonces, obtenemos la contradiccion de demostrar que existen
1
,
2
, . . . ,
n
F no todos nulos, tales que:
1
v
1
+
2
v
2
+ +
n
v
n
=
n
i=1
i
v
i
= 0 (2.26)
Pero sustituyendo 2.25 y 2.26, obtenemos que:
1
(
11
u
1
+
21
u
2
+ +
m1
u
m
) + +
n
(
1n
u
1
+
2n
u
2
+ +
mn
u
m
) = 0
As que:
(
1
11
+
2
12
+ +
n
1n
)u
1
+ +(
1
m1
+
2
m2
+ +
n
mn
)u
m
= 0
62 Estudio preliminar sobre Espacios Vectoriales
Ahora como m < n, sabemos que todo subconjunto de un conjunto
linealmente independiente, debe ser tambien linealmente independiente, es
decir:
[(U W W es l.i) = U es l.i]
por lo tanto, debe cumplirse que:
11
1
+
12
2
+ +
1n
n
= 0
21
1
+
22
2
+ +
2n
n
= 0
.
.
.
.
.
.
.
.
.
.
.
. =
.
.
.
m1
1
+
m2
2
+ +
mn
n
= 0
(2.27)
pero como m < n, este sistema de ecuaciones lineales homogeneas tiene mas
variables que ecuaciones y por el teorema B.6, nos garantiza que este sistema
de ecuaciones lineales tiene soluciones
1
,
2
, . . . ,
n
F no triviales (es decir,
no todos nulos), entonces B es linealmente dependiente. Contradiccion con el
hecho de que B es una base nita (denicion 2.20) y debe cumplirse que B
sea linealmente independiente.
2
Teorema 2.27 (Teorema de la dimension) Sea (V, F, +, ) un espacio vectorial
y B, B
= {w
1
, w
2
, . . . , w
m
}
las bases nitas de V (que existen por teorema 2.22), en donde n, m N
+
. Como
n, m N
+
y (N, ) es un conjunto parcialmente ordenado (por ejemplo A.4.2), se
2.8 Dimension de un espacio vectorial 63
tiene que cumplir que:
n N m N[(n m m n) = (m = n)]
es decir, debe cumplirse la antisimetra (denicion A.4).
Entonces debemos probar para cuando:
(a) n m.
(b) m n.
Ahora:
(a) Si n m, entonces n = m o n < m, por lo tanto, lo unico que nos falta por
demostrar es que pasa cuando n < m.
Sabemos que B = {v
1
, v
2
, . . . , v
n
} es una base nita de V (por hipotesis) y
por el lema 2.26-a, tenemos que todo subconjunto de V que tiene mas de n
elementos en V es linealmente dependiente. Contradiccion con el hecho de que
B
, v
V y
v +W = v
+W (2.32)
u +W = u
+ W (2.33)
entonces:
(u +v) + W = (u
+v
) +W
Ahora observemos que si tenemos 2.32 (y 2.33) entonces, como v y v
deben
ser congruentes modulo W (de igual forma para u y u
W (y u u
W) y puesto que W es un
subespacio de V (por hipotesis) y por proposicion 2.4, se obtiene:
(v v
) + (u u
) W
y por denicion 2.3 (denicion de subespacio) y por proposicion 2.2-7, tenemos
que:
(u +v) (u
+v
) W
68 Estudio preliminar sobre Espacios Vectoriales
as que por denicion 2.32
u +v u
+v
(mod W)
entonces:
(u + v) +W = (u
+ v
) +W
(ii) La multiplicacion escalar esta bien denida.
Se debe ver que si v, v
V y F, se tiene que:
v +W = v
+W = (v +W) = (v
+W)
es decir:
v +W = v
+W
Como v + W = v
+ W, entonces v y v
W y puesto
que W es un subespacio de V y por proposicion 2.4, tenemos que:
(v v
) W
y por la denicion 2.1-V5 y proposicion 2.2-7 obtenemos que:
v v
W
entonces aplicando la denicion de congruencia (denicion 2.32), tenemos lo
siguiente:
v v
(mod W)
as que:
(v +W) = v +W = v
+W = (v
+W)
Ahora falta probar que se cumplen las propiedades para espacios vectoriales en
(V/W, F, , ). As que, sea
2.9 Espacio cociente 69
[v] = a +W V/W, con a V ,
[w] = b +W V/W, con b V ,
[z] = c +W V/W, con c V .
y ademas , F. As debemos probar las propiedades V 1 V 8 de la denicion
2.1, por lo tanto:
(V1) [v] [w] = [w] [v]
[v] [w] = (a +W) (b +W)
= (a +b) +W Por 2.30.
= (b +a) +W Por denicion 2.1-V1 en V .
= (b +W) (a +W) Por 2.30.
= [w] [v]
(V2) ([v] [w]) [z] = [v] ([w] [z])
([v] [w]) [z] = ((a +W) (b +W)) (c + W)
= ((a +b) +W) (c +W) Por 2.30.
= ((a +b) +c) +W Por 2.30.
= (a + (b +c)) +W Por def. 2.1-V2 en V .
= (a +W) ((b +c) +W) Por 2.30.
= (a +W) ((b +W) (c +W)) Por 2.30.
= [v] ([w] [z])
(V3) El elemento neutro de V/W es:
[0
V
] = 0
V
+W
puesto que:
(0
V
+W) (a +W) = (0
V
+a) +W Por 2.30.
= a +W Por def. 2.1-V3 en V .
70 Estudio preliminar sobre Espacios Vectoriales
(V4) El elemento opuesto de [v] V/W es:
[v] = a +W
puesto que:
[v] ([v]) = (a +W) (a + W)
= (a a) +W Por 2.30.
= 0
V
+W Por def. 2.1-V4 en V .
(V5) ([v] [w]) = ( [v]) ( [w])
([v] [w]) = ((a +W) (b +W))
= ((a +b) +W) Por 2.30.
= ((a +b)) +W Por 2.31.
= (a +b) + W Por def. 2.1-V5 en V .
= (a +W) (b +W) Por 2.30.
= ( (a +W)) ( (b +W)) Por 2.31.
= ( [v]) ( [w])
(V6) ( + ) [v] = ( [v]) ( [v])
( +) [v] = ( +) (a +W)
= ( +)a +W Por 2.31.
= (a +a) +W Por def. 2.1-V6 en V .
= (a +W) (a +W) Por 2.30.
= ( (a +W)) ( (a +W)) Por 2.31.
= ( [v]) ( [v])
(V7) ( [v]) = ( ) [v]
2.9 Espacio cociente 71
( [v]) = ( (a +W))
= (a +W) Por 2.31.
= (a) +W Por 2.31.
= ()a +W Por def. 2.1-V7 en V .
= () (a +W) Por 2.31.
= ( ) [v]
(V8) 1
F
[v] = [v]
1
F
[v] = 1
F
(a +W)
= 1
F
a +W Por 2.31.
= a +W Por def. 2.1-V8 en V .
= [v]
2
Ejemplo 2.34.1 Si tomamos el ejemplo 2.1.1 y decimos que F
2
= R
2
, entonces
sabemos que (R
2
, R, +, ) es un espacio vectorial y si denimos:
W = {(x, y) R
2
: 3x + 2y = 0}
es facil ver que W R
2
. As que se determinara la clase de equivalencia de
(1, 1) R
2
. Como anteriormente se ha visto, esta clase es el conjunto (1, 1) +W y
por consiguiente:
(1, 1) +W = {(1, 1) + (x, y) : 3x + 2y = 0}
= {(1 +x, 1 +y) : 3x + 2y = 0}
= {(u, v) : 3u + 2v = 5}
En general, para este ejemplo, la clase de equivalencia de (a, b) R
2
es:
(a, b) + W = {(a +x, b + y) R
2
: 3x + 2y = 0}
72 Estudio preliminar sobre Espacios Vectoriales
Ejemplo 2.34.2 Sabemos por el ejemplo 2.1.1 que (R
n
, R, +, ) es un espacio
vectorial (con n N
+
) y ademas es sencillo comprobar que:
W = {(x
1
, x
2
, . . . , x
n
) R
n
:
1
x
1
+
2
x
2
+ +
n
x
n
= 0}
es un subespacio de R
n
, en donde
1
,
2
, . . . ,
n
R. As que:
R
n
/W = {(y
1
, y
2
, . . . , y
n
) +W : (y
1
, y
2
, . . . , y
n
) R
n
, n N
+
}
Entonces (R
n
/W, R, +, ) es un espacio vectorial con las operaciones de adicion y
multiplicacion por escalar denidas como en el ejemplo 2.1.1.
Si se ja el vector y = (y
1
, y
2
, . . . , y
n
) R
n
, entonces un vector arbitrario
w = (w
1
, w
2
, . . . , w
n
) R
n
pertenece a la clase de equivalencia y +W s y solo s:
1
(w
1
y
1
) +
2
(w
2
y
2
) + +
n
(w
n
y
n
) = 0
Ejemplo 2.34.3 Tenemos que (R
3
, R, +, ) es un espacio vectorial (por ejemplo
2.1.1) y ademas si:
W = {(x
1
, 0, 0) R
3
: x
1
R}
se tiene que W R
3
. Entonces (R
3
/W, R, +, ) es un espacio cociente de R
3
por
W.
Ejemplo 2.34.4 Se tiene que (R
R
, R, +, ) es un espacio vectorial (por ejemplo
2.1.3) y sea:
W = {f R
R
: (f(t) = 0, t [0, 1])}
Entonces (R
R
/W, R, +, ) es un espacio cociente de R
R
por W.
2.10. Teoremas de la dimension
Denicion 2.35 (Codimension) Sea (V, F, +, ) un espacio vectorial, la codimen-
sion (con respecto a V ) de un subespacio W de V , denotada por codim
F
W, es la
dimension del espacio vectorial (V/W, F, , ).
2.10 Teoremas de la dimension 73
Ejemplo 2.35.1 Por el ejemplo 2.34.3 tenemos que (R
3
/W, R, +, ) es un espacio
vectorial. Por lo tanto, sabemos que:
B= {e
i
: (1 i 3 i N
+
)}
es una base nita para R
3
(por ejemplo 2.20.1) y es facil ver que B
= {[e
2
], [e
3
]}
es una base nita de R
3
/W, siendo:
[e
2
] = e
2
+W = {(x
1
, 1, 0) : x
1
R}
[e
3
] = e
3
+W = {(x
1
, 0, 1) : x
1
R}
y se tiene ademas que |B
| = 2, por lo tanto:
codim
F
W = 2
Teorema 2.36 Sea (V, F, +, ) un espacio vectorial de dimension nita y W V .
Entonces:
dim
F
W +dim
F
(V/W) = dim
F
V (2.34)
Es decir:
dim
F
W +codim
F
W = dim
F
V (2.35)
Demostracion:
Supongamos que dim
F
V = n (con n N
+
) y B
= {v
1
, v
2
, . . . , v
m
} (con
m N
+
) una base de W. Por denicion de base (denicion 2.20) B
es linealmente
independiente, por consiguiente podemos aplicar el teorema 2.21 (teorema de
extension de conjuntos linealmente independientes a bases) y extender el conjunto
B
= {[v
m+1
], [v
m+2
], . . . , [v
n
]}
es una base de V/W. Veamos:
74 Estudio preliminar sobre Espacios Vectoriales
() B
genera a V/W.
Sea [v] V/W, entonces v V (por denicion A.3: denicion de clase de
equivalencia), as que v se puede escribir como combinacion lineal de los
elementos de B (puesto que B es una base nita de V ), as que:
v =
n
i=1
i
v
i
en donde
i
F y 1 i n. Como tenemos que [v] V/W, entonces:
[v] =
_
n
i=1
i
v
i
_
=
n
i=1
[
i
v
i
]
=
n
i=1
i
[v
i
]
pero cuando 1 i m, entonces:
[v
i
] = v
i
+W = {v
i
+ w : w W} = W
puesto que v
i
W, as que:
[v
i
] = W v
i
W
por lo tanto, [0
V
] = [v
i
], para 1 i m. Entonces:
[v] =
n
j=m+1
j
[v
j
]
y con esto demostramos que B
= {[v
m+1
], [v
m+2
], . . . , [v
n
]} genera a V/W.
() B
es linealmente independiente.
Supongamos que existen escalares
m+1
,
m+2
, . . . ,
n
F, tales que:
n
j=m+1
j
[v
j
] = 0
2.10 Teoremas de la dimension 75
entonces w =
m+1
v
m+1
+
m+2
v
m+2
+ +
n
v
n
W y como B
es una
base de W, entonces w W puede escribirse como combinacion lineal de los
elementos de B
, as que:
w =
1
v
1
+
2
v
2
+ +
m
v
m
y por consiguiente:
w =
1
v
1
+
2
v
2
+ +
m
v
m
=
m+1
v
m+1
+
m+2
v
m+2
+ +
n
v
n
entonces:
1
v
1
+
2
v
2
+ +
m
v
m
m+1
v
m+1
m+2
v
m+2
n
v
n
= 0
V
y como B= {v
1
, v
2
, . . . , v
m
, v
m+1
, . . . , v
n
} es una base nita de V , entonces:
1
=
2
= =
m
=
m+1
= =
n
= 0
V
y por consiguiente:
m+1
=
m+2
= =
n
= 0
V
y por lo tanto, B
es linealmente independiente.
Entonces, B
| = n m, es decir:
dim
F
V/W = n m = codim
F
W
y ademas, |B
(B
base de W)
y esta base no contiene mas de n elementos por el lema 2.26-(a) (siendo n = dim
F
V ,
con n N), puesto que si B
es linealmente
dependiente y esto es una contradiccion con el hecho de que B
es una base de W.
Puesto que B
i=1
i
w
i
= 0
por consiguiente:
() Si = 0, tenemos que {w
1
, w
2
, . . . , w
n
} es un conjunto linealmente depen-
diente, lo cual es una contradiccion, pues por hipotesis {w
1
, w
2
, . . . , w
n
}
es linealmente independiente.
() Si = 0, entonces
v +
n
i=1
i
w
i
= 0
por lo tanto
v =
n
i=1
i
w
i
v =
n
i=1
1
(
i
)w
i
v =
n
i=1
i
w
i
en donde
i
=
1
(
i
) y como por hipotesis W es un subespacio de V ,
aplicando la proposicion 2.4, obtenemos que v W. As que V W.
Por lo tanto de () y (), tenemos que W = V .
2
Ademas, se tiene que:
2.10 Teoremas de la dimension 79
Teorema 2.40 Sea (V, F, +, ) un espacio vectorial de dimension nita y W V .
Entonces:
dim
F
W = dim
F
V W = V (2.37)
Demostracion:
(=) dim
F
W = dim
F
V = W = V .
Sean
B = {v
1
, v
2
, . . . , v
n
}
B
= {w
1
, w
2
, . . . , w
n
}
con n N, ambas bases nitas de V y W respectivamente. Tenemos por
hipotesis que W es un subespacio de V y ademas B
W es un subconjunto
linealmente independiente con n elementos, entonces por el lema 2.39 se tiene
que W = V .
(=) W = V = dim
F
W = dim
F
V .
Es inmediata del teorema 2.27.
Entonces de (=) y (=) obtenemos que
dim
F
W = dim
F
V W = V
2
Cuando el espacio vectorial (V, F, +, ) es de dimension innita, este teorema no es
cierto, es decir, no es necesario que se cumpla
dim
F
W = dim
F
V = W = V
y esto lo podemos ver reejado en el siguiente ejemplo.
80 Estudio preliminar sobre Espacios Vectoriales
Ejemplo 2.40.1 Sea F un cuerpo. Sabemos por ejemplo 2.1.5 que (F[x], F, +, )
es un espacio vectorial y ademas por el ejemplo 2.31.1 tenemos que:
dim
F
F[x] =
0
(2.38)
y si se tiene que:
W = {
0
+
2
x
2
+ +
2m
x
2m
+ : (
i
F, 0 2i < ),
tal que m N, k > m =
2k
= 0}
entonces W < V . Ademas:
B
= {x
2i
: 0 i < i N}
es una base de W y tambien se tiene que |B
| =
0
, as que:
dim
F
W =
0
(2.39)
Por lo tanto tenemos de las ecuaciones 2.38 y 2.39 que:
dim
F
F[x] =
0
= dim
F
W
pero W = V .
Por lo tanto este es un ejemplo que nos muestra que en espacios vectoriales de
dimension innita no necesariamente se cumple que:
dim
F
W = dim
F
V = W = V
Entonces podemos proceder a enunciar el siguiente teorema, y la demostracion
queda postergada para el siguiente captulo.
Teorema 2.41 Sea (V, F, +, ) un espacio vectorial de dimension innita. Para
cada subespacio vectorial W de V , entonces:
dim
F
W dim
F
V.
2.11 Suma directa interna 81
2.11. Suma directa interna
Se puede volver a evaluar la denicion 2.6 (denicion de suma) y considerarlas para
un n umero cualquiera de subespacios de un espacio vectorial.
Denicion 2.42 (Suma) Sea (V, F, +, ) un espacio vectorial. Llamaremos la
suma de una familia de subespacios vectoriales {W
i
}
iI
de V al subespacio:
L
_
iI
W
i
_
la cual denotamos como:
iI
W
i
En particular, si la familia de subespacio es nita (es decir, I = {1, 2, . . . , n}),
entonces:
W
1
+W
2
+ + W
n
= {w
1
+ w
2
+ +w
n
: w
i
W
i
}
Denicion 2.43 (Subespacios independientes) Sea (V, F, +, ) un espacio vec-
torial y {W
i
}
iI
una familia de subespacios vectoriales de V . Se dice que la familia
de subespacios {W
i
}
iI
de V son independientes si para cada ndice i I se tiene
que:
W
i
i=j
W
j
_
= {0
V
}
Denicion 2.44 (Suma directa interna) Sea (V, F, +, ) un espacio vectorial.
La suma directa interna de una familia de subespacios {W
i
}
iI
de V se escribe
como:
V =
iI
W
i
si se cumple lo siguiente:
82 Estudio preliminar sobre Espacios Vectoriales
(i) V es la suma de la familia de subespacios {W
i
}
iI
V =
iI
W
i
(2.40)
(ii) La familia de subespacios vectoriales {W
i
}
iI
de V son independientes, es decir:
W
i
i=j
W
j
_
= {0
V
} (2.41)
Si I es un conjunto nito, entonces la suma directa interna podemos escribirla como:
V = W
1
W
2
W
n
=
n
i=1
W
i
en donde n N
+
.
Ejemplo 2.44.1 Sea F un cuerpo y n N
+
. Considerese:
F
n
= {(
1
,
2
, . . . ,
n
) : (
i
F 1 i n)}
y se dene:
F
1
= {(
1
, 0, . . . , 0) F
n
:
1
F}
F
2
= {(0,
2
, . . . , 0) F
n
:
2
F}
.
.
.
F
n
= {(0, 0, . . . ,
n
) F
n
:
n
F}
Es de notar que F
1
F
n
, F
2
F
n
, . . . , F
n
F
n
y ademas si 1 i n, 1 j n
se tiene que:
F
i
i=j
F
j
_
= {0
F
n}
Tambien tenemos que:
F
n
= F
1
+F
2
+ +F
n
puesto que si (
1
,
2
, . . . ,
n
) F
n
, entonces:
(
1
,
2
, . . . ,
n
) = (
1
, 0, . . . , 0) + (0,
2
, . . . , 0) + + (0, 0, . . . ,
n
)
2.11 Suma directa interna 83
y por consiguiente se concluye que:
F
n
= F
1
F
2
F
n
Ejemplo 2.44.2 Tenemos que (F[x], F, +, ) es un espacio vectorial y si ademas
tenemos a W denido tal y como se realizo en el ejemplo 2.40.1. Si decimos que:
U = {
0
+
1
x + +
2m+1
x
2m+1
+ : (
j
F, 0 2j + 1 < ), tal que
m N, k > m =
2k+1
= 0}
por lo tanto U F[x] y ademas U W = . Entonces:
F[x] = U W.
Ejemplo 2.44.3 Sabemos que (F
F
, F, +, ) es un espacio vectorial (por ejemplo
2.1.3), asumimos en este ejemplo que F = R y denimos los siguientes conjuntos
de funciones:
R
R
P
= {f R
R
: (f(x) = f(x), x R)}
R
R
I
= {f R
R
: (f(x) = f(x), x R)}
llamados subconjuntos de funciones pares e impares, respectivamente. En-
tonces:
R
R
= R
R
P
R
R
I
Es importante destacar que las sumas directas internas estan relacionadas con la
unicidad de las descomposiciones en sumas, es decir, que V es la suma directa
interna de subespacios de W
1
, W
2
, . . . , W
n
de V , si todo elemento v V puede
escribirse en forma unica como:
v = w
1
+w
2
+ +w
n
en donde w
i
W
i
(con 1 i n, n N
+
) y esto lo podemos ilustrar mediante el
siguiente teorema.
84 Estudio preliminar sobre Espacios Vectoriales
Teorema 2.45 Sea (V, F, +, ) un espacio vectorial. Si n N
+
, I = {1, 2, . . . , n} y
{W}
iI
una familia de subespacios de V , tales que:
V = W
1
+W
2
+ +W
n
entonces las siguientes proposiciones son equivalentes:
(i) V = W
1
W
2
W
n
.
(ii) Si w
1
+ w
2
+ + w
n
= 0 (con w
i
W
i
, 1 i n), entonces w
1
= w
2
=
= w
n
= 0.
(iii) Cada elemento v V , se expresa de forma unica como suma
v = w
1
+w
2
+ + w
n
en donde w
i
W
i
.
Demostracion:
(i) = (ii)
Si tenemos que w
1
+ w
2
+ + w
n
= 0
V
, con w
i
W (con 1 i n, n N
+
),
entonces por denicion 2.44-ii (denicion de suma directa interna), se obtiene:
W
1
j=1
W
j
_
= {0
V
}
y como:
w
1
+w
2
+ +w
n
= 0
V
w
1
= w
2
w
3
w
n
as que:
w
1
= w
2
w
n
W
1
j=1
W
j
_
= {0
V
}
2.11 Suma directa interna 85
y de esto obtenemos que w
1
= 0
V
y de manera similar se concluye que:
w
1
= w
2
= = w
n
= 0
V
(ii) = (iii)
Como por hipotesis se tiene que:
V = W
1
+W
2
+ +W
n
por consiguiente, por denicion 2.42 (denicion de suma) se obtiene que cada
elemento v V se descompone en una suma de la forma:
v = w
1
+w
2
+ +w
n
; con w
i
W
i
Supongamos que v V acepta dos descomposiciones en sumas que son iguales, es
decir:
w
1
+w
2
+ +w
n
= w
1
+w
2
+ + w
n
entonces:
(w
1
w
1
) + (w
2
w
2
) + + (w
n
w
n
) = 0
V
y por lo tanto:
w
1
= w
1
; w
2
= w
2
, . . . , w
n
= w
n
.
Entonces se concluye que ambas descomposiciones son las mismas.
(ii) = (iii)
Tenemos por hipotesis que:
V = W
1
+W
2
+ +W
n
as que de la denicion 2.44 (denicion de suma directa interna) nos falta por
demostrar que la familia de subespacios de V son independientes (es decir, nos falta
por ver ii).
86 Estudio preliminar sobre Espacios Vectoriales
Por lo tanto, si un elemento w
1
W
1
, supongamos que:
w
1
W
1
j=1
W
j
_
entonces se tiene que:
w
1
= w
2
+ + w
n
; con w
i
W
i
es decir
w
1
+ 0
V
+ + 0
V
= 0
V
+w
2
+ +w
n
y luego por hipotesis se cumple la unicidad, entonces w
1
= 0
V
, por lo tanto:
W
1
j=1
W
j
_
= {0
V
}
es el subespacio trivial.
De manera analoga, se encuentra que:
W
i
j=i
W
j
_
= {0
V
}
as que con esto probamos que la familia de subespacios son independientes.
Entonces:
V = W
1
W
2
W
n
2
Es de destacar que si un espacio vectorial (V, F, +, ) se expresa como suma
directa interna de una familia de subespacios, entonces cada elemento de V esta
determinado por un elemento de cada uno de los subespacios.
La demostracion del anterior resultado, se realizo para una familia nita de
subespacios, pero la demostracion para una familia arbitraria de subespacios de
V se realiza de forma similar, es decir, para {W
i
}
iI
una familia de subespacios de
V .
2.11 Suma directa interna 87
Teorema 2.46 Sea (V, F, +, ) un espacio vectorial de dimension nita y
B= {v
1
, v
2
, . . . , v
n
}
un conjunto nito linealmente independiente. Entonces B es una base de V s y
solo s:
V = L(v
1
) L(v
2
) L(v
n
)
Demostracion:
(=) (i) V L(v
1
) L(v
2
) L(v
n
).
Si v V , entonces v puede escribirse de forma unica como combinacion lineal
de los elementos de B (por proposicion 2.10)
v =
n
i=1
i
v
i
;
i
F, v
i
V
entonces como:
L(v
1
) = {
1
v
1
:
1
F}
L(v
2
) = {
2
v
2
:
2
F}
.
.
.
L(v
n
) = {
n
v
n
:
n
F}
as que por denicion de suma (denicion 2.42)
1
v
1
+
2
v
2
+ +
n
v
n
L(v
1
) +L(v
2
) + +L(v
n
)
y es de notar que por denicion de suma directa interna:
v =
1
v
1
+
2
v
2
+ +
n
v
n
L(v
1
) L(v
2
) L(v
n
)
(ii) L(v
1
) L(v
2
) L(v
n
) V . Esto es una consecuencia inmediata.
= {v
1
, v
2
, . . . , v
m
} una base nita de U, entonces por el teorema 2.21
podemos extender este conjunto a una base de V , supongamos que
B= {v
1
, v
2
, . . . , v
m
, v
m+1
, . . . , v
n
} es una base de V
por consiguiente, si tenemos B
= {v
m+1
, v
m+2
, . . . , v
n
} entonces este conjunto es
linealmente independiente, puesto que todo subconjunto de un conjunto linealmente
2.11 Suma directa interna 89
independiente es tambien linealmente independiente y el subespacio generado por
B
es el complemento de U, es decir:
T = L({v
m+1
, v
m+2
, . . . , v
n
})
entonces por el teorema 2.46
V = L(v
1
) L(v
2
) L(v
m
) L(v
m+1
) L(v
n
)
as que:
T = L(v
m+1
) L(v
n
)
por lo tanto:
V = U T
2
La pregunta inmediata es: Se cumple para espacios vectoriales de dimension
innita?, esto sera considerado con mas detalles en el siguiente captulo.
Ejemplo 2.48.1 Si tenemos el espacio vectorial (F[x], F, +, ) y W, U denidos
tal y como se realizo en el ejemplo 2.44.2, entonces:
F[x] = U W
por lo tanto, W es el complemento de U en V .
Ejemplo 2.48.2 Por el ejemplo 2.44.3, tenemos que:
R
R
= R
R
P
R
R
I
entonces podemos armar que el subespacio de las funciones impares (R
R
I
) es el
complemento del subespacios de las funciones pares (R
R
P
) en R
R
.
Es de notar que los complementos de un subespacio no son necesariamente unicos,
es decir, un subespacio puede tener diferentes complementos en V . Veamos:
90 Estudio preliminar sobre Espacios Vectoriales
Ejemplo 2.48.3 Tomemos el espacio vectorial (R
2
, R, +, ) y sean
U = L((1, 0))
W = L((0, 1))
T = L((1, 2))
entonces, tenemos
R
2
= L(U) L(W)
R
2
= L(U) L(T)
y es de observar que
W = L((0, 1)) = L((1, 2)) = T, = W = T
pero W y T son complementos de U en R
2
.
Teorema 2.49 Sea (V, F, +, ) un espacio vectorial de dimension nita y U, T
ambos subespacios de V . Entonces
dim
F
(U +W) +dim
F
(U W) = dim
F
(U) +dim
F
(W)
Demostracion:
Por proposicion 2.5 U W V , por lo tanto, por el teorema 2.22 (Existencia de
bases nitas) existe una base para U W, as que supongamos que:
B
= {u
1
, u
2
, . . . , u
k
}
es una base de U W, entonces por denicion de base (denicion 2.20) y
de interseccion, B
= {u
1
, u
2
, . . . , u
k
, v
1
, v
2
, . . . , v
m
}
B
= {u
1
, u
2
, . . . , u
k
, w
1
, w
2
, . . . , w
n
}
2.11 Suma directa interna 91
bases nitas de U y de W, respectivamente.
Ahora, es facil ver que U +W V , as que tenemos que demostrar que:
B
= {u
1
, u
2
, . . . , u
k
, v
1
, v
2
, . . . , v
m
, w
1
, w
2
, . . . , w
n
}
es una base nita de U + W. Entonces observemos que:
B
i=1
i
u
i
+
m
j=1
j
v
j
(2.42)
y de igual manera, podemos escribir de forma unica a w como combinacion
lineal de los elementos de B
, as que:
w =
k
p=1
p
u
p
+
n
q=1
q
w
q
(2.43)
y sustituyendo (2.42) y (2.43) en v = u +w, obtenemos que:
v =
k
i=1
i
u
i
+
m
j=1
j
v
j
+
k
p=1
p
u
p
+
n
q=1
q
w
q
y realizando las operaciones necesarias, se tiene que:
v =
k
r=1
(
r
+
r
)u
r
+
m
j=1
j
v
j
+
n
q=1
q
w
q
as que B
genera a U +W.
B
es linealmente independiente.
Si tenemos que:
k
i=1
i
u
i
+
m
j=1
j
v
j
+
n
q=1
q
w
q
= 0
92 Estudio preliminar sobre Espacios Vectoriales
entonces:
q=1
q
w
q
=
k
i=1
i
u
i
+
m
j=1
j
v
j
por lo tanto:
k
i=1
i
u
i
+
m
j=1
j
v
j
U
es decir:
q=1
q
w
q
U
y ademas:
q=1
q
w
q
W
entonces:
q=1
q
w
q
U W
y como B
, por lo tanto:
q=1
q
w
q
=
k
i=1
i
u
i
as que:
k
i=1
i
u
i
+
n
q=1
q
w
q
= 0
y como B
1
=
2
= =
k
=
1
=
2
= =
n
= 0
y as que:
1
=
2
= =
n
= 0 (2.44)
2.11 Suma directa interna 93
como:
q=1
q
w
q
=
k
i=1
i
u
i
+
m
j=1
j
v
j
y de 2.44 se tiene que:
0 =
k
i=1
i
u
i
+
m
j=1
j
v
j
y como B
1
=
2
= =
k
=
1
=
2
= =
m
= 0 (2.45)
entonces de 2.44 y de 2.45, tenemos que
1
=
2
= =
k
=
1
=
2
= =
m
=
1
=
2
= =
n
= 0
por consiguiente, B
es linealmente independiente.
y concluimos que B
i=1
dim
F
W
i
y ademas:
dim
F
V =
n
i=1
dim
F
W
i
V =
n
i=1
W
i
Demostracion:
Procederemos a demostrar primero que:
dim
F
V =
n
i=1
dim
F
W
i
V =
n
i=1
W
i
y esto lo hacemos de la siguiente manera:
2.11 Suma directa interna 95
(=)
dim
F
V =
n
i=1
dim
F
W
i
= V =
n
i=1
W
i
Sea B
i
= {v
i
1
, v
i
2
, . . . , v
i
m
i
} (con m
i
= dim
F
W
i
, 1 i n) una base de W
i
.
Si
n
i=1
w
i
=
n
i=1
w
i
en donde w
i
, w
i
W
i
, 1 i n, y como B
i
es una base nita de W
i
,
entonces:
w
i
=
m
i
j=1
ji
v
i
j
y w
i
=
m
i
j=1
ji
v
i
j
As que como:
v = w
1
+w
2
+ +w
n
= w
1
+w
2
+ + w
n
por lo tanto:
m
1
j=1
j1
v
1
j
+
m
2
j=1
j2
v
2
j
+ +
m
n
j=1
jn
v
n
j
=
m
1
j=1
j1
v
1
j
+
m
2
j=1
j2
v
2
j
+ +
m
n
j=1
jn
v
n
j
y aplicando elemento inverso, elemento neutro, conmutatividad y distributivi-
dad de la denicion 2.1, tenemos:
m
1
j=1
(
j1
j1
)v
1
j
+
m
2
j=1
(
j2
j2
)v
2
j
+ +
m
n
j=1
(
jn
jn
)v
n
j
= 0
y se puede ver que {v
1
1
, v
1
2
, . . . , v
1
m
1
, v
2
1
, v
2
2
, . . . , v
2
m
2
, . . . , v
n
1
, v
n
2
, . . . , v
n
m
n
} es una
base de V , as que por independencia lineal y elemento opuesto:
j1
=
j1
;
j2
=
j2
; . . .
jn
=
jn
es decir, w
i
= w
i
(para 1 i n). Entonces cada elemento v V , se expresa
de forma unica como suma:
v = w
1
+ w
2
+ +w
n
96 Estudio preliminar sobre Espacios Vectoriales
y entonces por el teorema 2.45, obtenemos
V = W
1
W
2
W
n
=
n
i=1
W
i
.
(=)
V =
n
i=1
W
i
= dim
F
V =
n
i=1
dim
F
W
i
Realizamos esta demostracion utilizando induccion, por lo tanto
1) (Iniciacion de la induccion) Veamos que se cumple para n = 2. Por
consiguiente, como W
1
W
2
= {0
V
}, entonces dim
F
(W
1
W
2
) = 0 y por el
teorema 2.49, obtenemos que:
dim
F
(W
1
+W
2
) = dim
F
W
1
+dim
F
W
2
y como por hipotesis V = W
1
+W
2
, entonces:
dim
F
V = dim
F
W
1
+dim
F
W
2
2) (Hipotesis inductiva) Supongamos que se cumple para n, es decir:
dim
F
V =
n
i=1
dim
F
W
i
3) Probemos que se cumple para n + 1.
Sabemos por hipotesis que:
V =
n+1
i=1
W
i
=
n
i=1
W
i
+W
n+1
y ademas que como la familia de subespacios {W
i
}
n
i=1
son independientes,
entonces:
_
n
i=1
W
i
_
W
n+1
= {0
V
} (2.46)
2.11 Suma directa interna 97
as que por el teorema 2.49, se tiene que:
dim
F
_
n
i=1
W
i
+ W
n+1
_
+dim
F
_
n
i=1
W
i
W
n+1
_
= dim
F
_
n
i=1
W
i
_
+dim
F
(W
n+1
)
y por 2.46, resulta que:
dim
F
_
n
i=1
W
i
W
n+1
_
= 0
por lo tanto:
dim
F
_
n
i=1
W
i
+W
n+1
_
= dim
F
_
n
i=1
W
i
_
+dim
F
(W
n+1
)
y por la hipotesis inductiva, tenemos que:
dim
F
V =
n
i=1
dim
F
W
i
+dim
F
W
n+1
=
n+1
i=1
dim
F
W
i
i=1
dim
F
W
i
2
Para cuando V es innito dimensional tenemos el siguiente teorema:
Teorema 2.53 Sea (V, F, +, ) un espacio vectorial de dimension innita y {W
i
}
iI
es una familia de subespacios vectoriales de V . Si V es la suma de {W
i
}
iI
entonces
dim
F
V
iI
dim
F
W
i
98 Estudio preliminar sobre Espacios Vectoriales
Es importante acotar que cuando los espacios vectoriales son de dimension innita,
no se cumple necesariamente que:
dim
F
V =
iI
dim
F
W
i
V =
iI
W
i
y este caso se tratara con detalle en el proximo captulo.
2.12. Bases ordenadas
Si tenemos un espacio vectorial (V, F, +, ) de dimension nita, es decir, dim
F
V = n,
con n N
+
, entonces por el teorema 2.22 V tiene una base nita B con n
elementos; la cuestion fundamental a evaluar con respecto a las bases de un espacio
vectorial es el orden que poseen los elementos en B, hasta este momento no hemos
tomado en cuenta el orden de los elementos en B, entonces consideremos la siguiente
denicion:
Denicion 2.54 (Base ordenada) Sea (V, F, +, ) un espacio vectorial de dimen-
sion nita. Una base ordenada de V es una sucesion nita de vectores linealmente
independientes con un orden bien denido y que generan a V .
Por lo tanto, una base ordenada de V es una sucesion nita (v
1
, v
2
, . . . , v
n
) para los
cuales el conjunto {v
1
, v
2
, . . . , v
n
} es una base nita de V .
De manera que si dos bases ordenadas tienen los mismos elementos, pero ordenadas
de forma diferentes, se consideraran como bases ordenadas diferentes.
Ahora es importante considerar esta denicion de base ordenada para el caso donde
el espacio vectorial posee dimension innita y esto lo haremos en el proximo captulo.
Teniendo en cuenta el orden de los elementos en B y por la proposicion 2.10, cada
elemento de v V puede escribirse como combinacion lineal de los elementos en
B, entonces tambien podemos considerar el conjunto de los elementos en F con la
cual podemos escribir a v como combinacion lineal de los elementos en B, as que
consideremos la siguiente denicion:
2.12 Bases ordenadas 99
Denicion 2.55 (Coordenadas de v con respecto a la base ordenada B) Sea
(V, F, +, ) un espacio vectorial de dimension nita y B = (v
1
, v
2
, . . . , v
n
) una base
ordenada nita de V . Cada elemento de v V , puede escribirse como combinacion
lineal de los elementos de B, digamos que:
v =
n
i=1
i
v
i
=
1
v
1
+
2
v
2
+ +
n
v
n
en donde
i
F, v
i
B y 1 i n. Entonces (
1
,
2
, . . . ,
n
) son las
coordenadas de v con respecto a la base ordenada B.
Es de mayor conveniencia utilizar como notacion la matriz de las coordenadas de v
con respecto a la base ordenada B:
[v]
B
=
_
2
.
.
.
n
_
_
.
Notemos que el vector de coordenadas [v]
B
depende del orden de los elementos en
el conjunto B, un cambio en el orden en que aparecen los elementos en la base B,
puede modicar las coordenadas de v con respecto a la base B.
Se puede probar que el vector de coordenada de un elemento v V es unico, puesto
que si:
v =
n
i=1
i
v
i
y v =
n
i=1
i
v
i
entonces
i
=
i
(con 1 i n). Ya que:
v =
1
v
1
+
2
v
2
+ +
n
v
n
v =
1
v
1
+
2
v
2
+ +
n
v
n
entonces:
1
v
1
+
2
v
2
+ +
n
v
n
=
1
v
1
+
2
v
2
+ +
n
v
n
100 Estudio preliminar sobre Espacios Vectoriales
as que, por elemento inverso, elemento neutro, conmutatividad y distributividad
de la denicion 2.1 (denicion de espacio vectorial), se tiene que:
(
1
1
)v
1
+ (
2
2
)v
2
+ + (
n
n
)v
n
= 0
y como B es una base nita, entonces B es linealmente independiente, de donde:
1
=
2
2
= =
n
n
= 0
y esto implica que
1
=
1
;
2
=
2
;
n
=
n
.
y con esto probamos que:
(
1
,
2
, . . . ,
n
) = (
1
,
2
, . . . ,
n
)
es decir, dado v V y B una base ordenada de V , entonces las coordenadas de v
en esa base son unicas.
Veamos un ejemplo de las coordenadas de un vector v V con respecto a una base
ordenada B;
Ejemplo 2.55.1 Si tenemos el espacio vectorial (F
n
, F, +, ) y la base nita:
B= {e
i
: (1 i n n N
+
)}
de F
n
. Dado que todo elemento (
1
,
2
, . . . ,
n
) F
n
se escribe como:
(
1
,
2
, . . . ,
n
) =
1
(1, 0, . . . , 0) +
2
(0, 1, . . . , 0) + +
n
(0, 0, . . . , 1)
entonces el vector de coordenadas de (
1
,
2
, . . . ,
n
) F
n
con respecto a la base
ordenada B es:
[(
1
,
2
, . . . ,
n
)]
B
=
_
2
.
.
.
n
_
_
.
2.12 Bases ordenadas 101
Ahora, si tenemos un espacio vectorial de dimension nita (V, F, +, ) ( dim
F
V = n,
n N
+
) y sean B y B
= {v
1
, v
2
, . . . , v
n
}
entonces, si v V , la pregunta inmediata que debe realizarse es: Que relacion
existe entre el vector de coordenadas de v con respecto a la base ordenada B y el
vector de coordenada de v con respecto a la base ordenada B
?.
Observemos ahora que como B
, as que si 1 j n,
entonces:
v
j
=
n
i=1
ij
v
i
=
1j
v
1
+
2j
v
2
+ +
nj
v
n
(2.47)
Ahora, de manera que como v V , puede escribirse como combinacion lineal de los
elementos de B y esto implica que:
v =
n
i=1
i
v
i
=
1
v
1
+
2
v
2
+ +
n
v
n
(2.48)
por lo tanto:
[v]
B
=
_
2
.
.
.
n
_
_
.
y sustituyendo 2.47 en 2.48 obtenemos que
v =
1
v
1
+
2
v
2
+ +
n
v
n
=
1
(
11
v
1
+
21
v
2
+ +
n1
v
n
) + +
n
(
1n
v
1
+
2n
v
2
+ +
nn
v
n
)
=
1
11
v
1
+
1
21
v
2
+ +
1
n1
v
n
+ +
n
1n
v
1
+
n
2n
v
2
+ +
n
nn
v
n
= (
1
11
+
2
12
+ +
n
1n
)v
1
+ + (
1
n1
+
2
n2
+ +
n
nn
)v
n
102 Estudio preliminar sobre Espacios Vectoriales
y la ultima expresion es una combinacion lineal de los elementos de B
y por lo
tanto, se puede armar que
[v]
B
=
_
11
+
2
12
+ +
n
1n
21
+
2
22
+ +
n
2n
.
.
.
n1
+
2
n2
+ +
n
nn
_
_
.
entonces se puede decir que:
[v]
B
=
_
11
12
1n
21
22
2n
.
.
.
.
.
.
.
.
.
.
.
.
n1
n2
nn
_
_
_
2
.
.
.
n
_
_
y si asumimos que:
A =
_
11
12
1n
21
22
2n
.
.
.
.
.
.
.
.
.
.
.
.
n1
n2
nn
_
_
entonces tenemos que [v]
B
= A [v]
B
En resumen, la matriz A, nos permite pasar de una base ordenada B de V a otra
base ordenada B
.
Los siguientes teoremas vinculan la cardinalidad del espacio con su dimension.
Teorema 2.56 Sea (V, F, +, ) un espacio vectorial de dimension nita. Entonces:
|V | = |F
dim
F
V
|
2.12 Bases ordenadas 103
Demostracion:
Supongamos que dim
F
V = n y B = {v
1
, v
2
, . . . , v
n
} una base nita de V ,
entonces denamos la funcion f como sigue:
f : V F
n
: v [v]
B
como v V , puede escribirse como combinacion lineal de los elementos de B,
as que podemos decir que:
v =
1
v
1
+
2
v
2
+ +
n
v
n
por lo tanto:
[v]
B
=
_
2
.
.
.
n
_
_
por consiguiente:
f(v) = (
1
,
2
, . . . ,
n
)
as que podemos probar que f es biyectiva y as podemos garantizar que V y F
n
tiene la misma cardinalidad. Veamos:
() f es inyectiva.
Sean v, w V , entonces:
v =
1
v
1
+
2
v
2
+ +
n
v
n
w =
1
v
1
+
2
v
2
+ +
n
v
n
por lo tanto,
f(v) = f(w)
f(
1
v
1
+
2
v
2
+ +
n
v
n
) = f(
1
v
1
+
2
v
2
+ +
n
v
n
)
[v]
B
= [w]
B
(
1
,
2
, . . . ,
n
) = (
1
,
2
, . . . ,
n
)
104 Estudio preliminar sobre Espacios Vectoriales
y por igualdad de componentes, obtenemos que
i
=
i
; (con 1 i n)
as que es de notar que v = w. Entonces f es inyectiva.
() f es sobreyectiva.
Sabemos que a cada sucesion nita de vectores en F
n
, (
1
,
2
, . . . ,
n
) F
n
le corresponde un unico elemento v V .
Por lo tanto, f es sobreyectiva.
As que f es una funcion biyectiva de V en F
n
y como dos conjuntos poseen
la misma cardinalidad si existe una funcion biyectiva de un conjunto en el otro,
entonces
|V | = |F
n
|
= |F
dim
F
V
|
2
Para el caso donde el espacio vectorial posee dimension innita, podemos
replantearlo de la siguiente manera; y la demostracion sera tratada con detalle
en el siguiente captulo.
Teorema 2.57 Sea (V, F, +, ) un espacio vectorial de dimension innita, digamos
que dim
F
V = , en donde es un cardinal innito y sea el cardinal asociado
al cuerpo F. Entonces el cardinal de V es . As tenemos que
|V | = max{|F|, dim
F
V }
La demostracion de este resultado se dara en el proximo captulo.
Teorema 2.58 Sea (V, F, +, ) un espacio vectorial dimension nita. Si (U V
W V ). Entonces
codim
F
(U +W) +codim
F
(U W) = codim
F
(U) +codim
F
(W)
2.13 Transformacion lineal 105
Este resultado tambien es valido para espacios vectoriales donde la dimension es
innita. Por lo tanto su demostracion debe ser considerada en el proximo captulo,
donde se trataran los espacios vectoriales de dimension innita con mas detalles.
Corolario 2.59 Sea (V, F, +, ) un espacio vectorial de dimension nita y U V ,
W V . Si U W, entonces
codim
F
U codim
F
W dim
F
V
Debemos considerar un resultado inmediato que se nos presenta.
Corolario 2.60 Sea (V, F, +, ) un espacio vectorial de dimension nita y U, W
ambos subespacios de V . Si U es un subconjunto de W y ademas codim
F
W es
nita, entonces
codim
F
U = codim
F
W = U = W
2.13. Transformacion lineal
En esta seccion vamos a echar un vistazo a un tipo especial de funcion cuyo dominio
y rango sean espacios vectoriales.
Denicion 2.61 (Transformacion lineal (o homomorsmo)) Sean (V, F, +, )
y (W, F, , ) ambos espacios vectoriales. Una funcion f : V W es un
transformacion lineal si:
(i) f(v +w) = f(v) f(w).
(ii) f( v) = f(v).
para cualesquiera v, w V y F.
En la denicion anterior, se supone que el conjunto de entrada o conjunto inicial de
la funcion f es V , es decir, Domf = V . Y ademas el conjunto de llegada o rango
de f esta contenido en W, es decir, Rgof W.
106 Estudio preliminar sobre Espacios Vectoriales
Es usual denotar con los mismo signos +, y , , la suma y la multiplicacion
escalar, respectivamente, aunque es de destacar que estas operaciones pueden ser
diferentes.
Podemos representar gracamente la denicion de transformacion lineal de la
siguiente manera:
El conjunto de todas las transformaciones lineales de V en W es denotado por
Hom
F
(V, W).
Es de observar que Hom
F
(V, W) es un espacio vectorial con las operaciones de
adicion y multiplicacion escalar denidas como en el ejemplo 2.6 y 2.7, es decir,
(Hom
F
(V, W), F, +, ) es un espacio vectorial.
Una transformacion lineal puede o no ser inyectiva, este tipo de transformaciones
tienen un comportamiento especial y seran estudiadas mas adelante.
Ejemplo 2.61.1 (Multiplicacion de vectores por una matriz) Sea
A M
mn
(F), y sean (F
n
, F, +, ), (F
m
, F, +, ) ambos espacios vectoriales,
entonces la funcion f : F
n
F
m
denida como:
f(x) = Ax
2.13 Transformacion lineal 107
dene una transformacion lineal de F
n
en F
m
. Puesto que si x, y F
n
, F, se
tiene que:
f(x +y) = A(x +y)
= A(x) +Ay
= Ax +Ay
= f(x) +f(y)
Por ejemplo, si consideramos los espacios vectoriales (R
3
, R, +, ) y (R
2
, R, +, ),
ademas:
A =
_
_
0 1
2 2
1 0
_
_
entonces f : R
2
R
3
, denida como:
f((x, y)) = (y, 2x + 2y, x)
es una transformacion lineal de R
2
en R
3
.
Ejemplo 2.61.2 Sea (V, F, +, ) un espacio vectorial de dimension nita y B una
base nita de V (digamos que B = {v
1
, v
2
, . . . , v
n
}, n = dim
F
V ), si la funcion
f : V F
n
denida como la funcion que asocia a cada elemento v V , con las
coordenadas del vector v con respecto a la base ordenada B, es decir, si
v =
1
v
1
+
2
v
2
+ +
n
v
n
con
i
F, v
i
B, 1 i n, se tiene que
f(v) = (
1
,
2
, . . . ,
n
)
entonces f es una transformacion lineal de V en F
n
.
108 Estudio preliminar sobre Espacios Vectoriales
Ejemplo 2.61.3 Sabemos que (C[a, b], R, +, ) es un espacio vectorial (por ejemplo
2.1.4) y D[a, b] el conjunto de todas las funciones diferenciables en el intervalo [a, b].
Por consiguiente, la funcion f : C[a, b] R, denida como
(f) =
x
0
f(t) dt
en donde, f(t) C[a, b], t [a, b], x [a, b] es una transformacion lineal de C[a, b]
en R.
Ejemplo 2.61.4 Sea
V
n
(F) = {p(x) F[x] : grad(p(x)) < n}
entonces por el ejemplo 2.1.5, tenemos que (V
n
(F), F, +, ) es un espacio vectorial,
por lo tanto, la funcion f : V
n
(F) V
n
(F), denida como:
f(
0
+
1
x+
2
x
2
+ +
n1
x
n1
) =
0
+
1
(x+1)+
2
(x+1)
2
+ +
n1
(x+1)
n1
es una transformacion lineal de V
n
(F) en V
n
(F).
Ejemplo 2.61.5 Si tenemos a el espacio vectorial (V
n
, F, +, ), denido como en
el ejemplo 2.61.4 y ademas tenemos la funcion D : V
n
(F) V
n1
(F), denida
como:
D(
0
+
1
x +
2
x
2
+ +
n1
x
n1
) =
1
+ 2
2
x + + (n 1)
n1
x
n2
y si:
p(x) =
n1
i=0
i
x
i
entonces:
D(p(x)) =
n1
j=1
j
j
x
j1
As que D es una transformacion lineal de V
n
(F) en V
n1
(F).
2.13 Transformacion lineal 109
Ejemplo 2.61.6 (Multiplicacion de polinomios por x) Sea F un cuerpo y
p(x) V
n
. Entonces la funcion f : V
n
(F) V
n+1
(F), denida como:
f(p(x)) = x p(x)
es una transformacion lineal de V
n
(F) en V
n+1
(F), puesto que si p(x), q(x) V
n
(F),
F, entonces
f(p(x) +q(x)) = x (p(x) +q(x))
= x (p(x)) + x q(x)
= (x p(x)) + x q(x)
= f(p(x)) + f(q(x))
Ejemplo 2.61.7 (Multiplicacion de funciones continuas por una funcion ja)
Sea g C[a, b] una funcion ja y la funcion F : C[a, b] C[a, b], denida como:
F(f(x)) = f(x) g(x)
en donde f C[a, b]. Entonces F es una transformacion lineal de C[a, b] en C[a, b].
Denicion 2.62 (Operador lineal) Sea (V, F, +, ) un espacio vectorial. Un
operador lineal en V es un homomorsmo de V en V .
El conjunto de todos los operadores lineales de V en V es denotado por End
F
(V ).
Ejemplos 2.62.1
1. La transformacion lineal f en el ejemplo 2.61.1 es un operador lineal si y solo
si n = m.
2. Del ejemplo 2.61.4 obtenemos que f es un operador lineal en V
n
.
Ejemplo 2.62.2 Sea F la transformacion lineal denida como en el ejemplo
2.61.7, entonces tenemos que F es un operador lineal en C[a, b].
110 Estudio preliminar sobre Espacios Vectoriales
Denicion 2.63 (Invariantes) Sea (V, F, +, ) un espacio vectorial y
f End
F
(V ). Un subespacio vectorial U de V se llama invariante por f o f-
invariante si f(U) U, es decir, f(u) U, para todo u U.
Ejemplo 2.63.1 Sea (V, F, +, ) un espacio vectorial y f End
F
(V ). Entonces
los subespacios triviales {0
V
} y V son invariantes por f. Puesto que:
f(0
V
) = f(0
V
+ 0
V
) Por proposicion 2.2-3
= f(0
V
) +f(0
V
) Puesto que f es una transformacion lineal.
y por la proposicion 2.2-3 implica que:
f(0
V
) = 0
V
es decir, f(0
V
) {0
V
}.
Ejemplo 2.63.2 Sea (V, F, +, ) un espacio vectorial y f End
F
(V ). Por lo tanto,
si {W
i
}
iI
es una familia de subespacios invariantes por f, entonces:
iI
W
i
y
iI
W
i
son invariantes por f.
Ejemplo 2.63.3 Sea (R
3
, R, +, ) un espacio vectorial y f : R
3
R
3
denida
como f(v) = Av, es una transformacion lineal, por el ejemplo 2.61.1, en donde
A =
_
_
0 2 4
1 1 1
3 3 1
_
_
por lo tanto, por ejemplo 2.62.1-1 f End
R
(R
3
) y sea U R
3
, denido como
sigue:
U = {(x, y, z) R
3
: x y + z = 0}
2.14 Funcional lineal 111
y ademas se puede notar que U R
3
. Entonces U es invariante por f, ya que para
todo w = (x, y, z) U, se cumple que y = x +z, luego:
f(w) =
_
_
0 2 4
1 1 1
3 3 1
_
_
_
_
x
x + z
z
_
_
=
_
_
2x + 2z
2x
2z
_
_
y el vector (2x + 2z, 2x, 2z) U, por consiguiente U es invariante por f.
Denicion 2.64 (Idempotente) Sea (V, F, +, ) un espacio vectorial y
f End
F
(V ). Diremos que f es idempotente si f
2
= f.
La idempotencia es la propiedad para realizar una accion determinada varias veces
y a un as conseguir el mismo resultado que se obtendra si se realizase una sola vez.
Denicion 2.65 (Proyeccion de U a traves de W) Sea (V, F, +, ) un espacio
vectorial y U, W ambos subespacios vectoriales de V , tales que V = U W. El
operador lineal f : V W denido por:
f(u + w) = u
en donde u U, w W es llamado proyeccion de U a traves de W.
2.14. Funcional lineal
Denicion 2.66 (Funcional lineal) Sea (V, F, +, ) un espacio vectorial. Un
funcional lineal en V es un homomorsmo de V en el espacio vectorial
(F, F, +, ).
El conjunto de todos los funcionales lineales en V es denotado por:
V
= Hom
F
(V, F)
y se llama espacio dual de V .
112 Estudio preliminar sobre Espacios Vectoriales
Ejemplo 2.66.1 Del ejemplo 2.61.3, tenemos que la funcion : C[a, b] R
denida como:
(f) =
x
0
f(t) dt
es una transformacion lineal y como los valores de la trasformacion lineal va al
cuerpo del espacio vectorial, entonces es un funcional lineal en C[a, b].
Ejemplo 2.66.2 Si tenemos el espacio vectorial (F
n
, F, +, ) y la funcion f :
F
n
F, denida como:
f((a
1
, a
2
, . . . , a
n
)) =
1
a
1
+
2
a
2
+ +
n
a
n
en donde
i
F, (a
1
, a
2
, . . . , a
n
) F
n
, 1 i n, es funcional lineal en F
n
.
Ejemplo 2.66.3 Sea g C[a, b] una funcion ja y la funcion F : C[a, b] R,
denida como
F(f(x)) =
b
a
f(t)g(t) dt
en donde x [a, b], f C[a, b]. Entonces F es un funcional lineal en C[a, b].
Podemos observar que un funcional lineal esta determinado por sus valores en una
base del espacio vectorial. Mas precisamente, sea (V, F, +, ) un espacio vectorial de
dimension nita y
B= {v
i
: (1 i n dim
F
(V ) = n n N
+
)}
es una base nita de V y sea f V
.
Entonces si v V , podemos escribir a v como combinacion lineal de los elementos
de B, as que:
v =
1
v
1
+
2
v
2
+ +
n
v
n
=
n
i=1
i
v
i
en donde
i
F, 1 i n, por lo tanto:
f(v) = f(
1
v
1
+
2
v
2
+ +
n
v
n
)
= f(
1
v
1
) +f(
2
v
2
) + +f(
n
v
n
)
=
1
f(v
1
) +
2
f(v
2
) + +
n
f(v
n
)
2.14 Funcional lineal 113
y como los
i
F dependen de v, esta claro que el conocimiento de los f(v
i
)
determinan a f.
Antes de considerar un resultado de vital importancia de los funcionales lineales,
consideremos la siguiente denicion:
Denicion 2.67 (Funcion delta de Kronecker) Sea I un conjunto de ndices.
As la funcion delta de Kronecker se dene como:
ij
=
_
_
_
1 si i = j;
0 si i = j.
en donde i I, j I.
Ya con este conjunto de conceptos dados, podemos dar un resultado que es de
gran importancia en los espacios vectoriales, y en este aspecto dieren los espacios
vectoriales de dimension nita con los que poseen dimension innita.
Veamos que:
Teorema 2.68 Sea (V, F, +, ) un espacio vectorial de dimension nita. Entonces
dim
F
V
= dim
F
V
Demostracion:
Como por hipotesis (V, F, +, ) es un espacio vectorial de dimension nita, entonces
supongamos que dim
F
V = n, con n N
+
, as que por el teorema 2.22 existe una
base nita B de V , digamos que:
B= {v
1
, v
2
, . . . , v
n
}
entonces denimos el conjunto B
de la siguiente forma:
B
= {v
1
, v
2
, . . . , v
n
}
114 Estudio preliminar sobre Espacios Vectoriales
el conjunto de los funcionales lineales, tales que:
v
i
(v
j
) =
ij
con 1 i n, 1 j n, en donde
ij
es la funcion delta de Kronecker (denicion
2.67). Entonces debemos probar que B
y as de esta
manera llegamos a la conclusion de que:
dim
F
V
= dim
F
V
Veamos que:
() B
es linealmente independiente.
Sean
1
,
2
, . . . ,
n
F, tales que
1
v
1
+
2
v
2
+ +
n
v
n
=
n
i=1
i
v
i
= 0
y puesto que v
i
(v
j
) =
ij
, implica que
1
[v
1
(v
j
)] +
2
[v
2
(v
j
)] + +
n
[v
n
(v
j
)] =
n
i=1
i
[v
i
(v
j
)] = 0
en donde 1 j n, entonces
n
i=1
i
v
i
(v
j
) = 0
n
i=1
ij
= 0
y por la denicion de la funcion delta de Kronecker (denicion 2.67), tenemos
que
n
i=1
ij
=
i
= 0
con 1 i n. Entonces B
es linealmente independiente.
2.14 Funcional lineal 115
() B
es un sistema generador de V
.
Sea f V
. As que
f(v
i
) = f(v
i
)
=
n
i=1
f(v
i
)
ij
; 1 j n
= f(v
1
)
1j
+f(v
2
)
2j
+ +f(v
n
)
nj
= f(v
1
)v
1
(v
j
) + f(v
2
)v
2
(v
j
) + +f(v
n
)v
n
(v
j
)
es decir:
f =
n
i=1
f(v
i
)v
i
(v
j
)
en donde 1 j n.
Entonces B
= dim
F
V
2
Existe una gran diferencia cuando el espacio vectorial posee dimension innita y
entonces podemos volver a formular este resultado para espacios vectoriales de
dimension innita de la siguiente manera:
Teorema 2.69 Sea (V, F, +, ) un espacio vectorial de dimension innita. Entonces
dim
F
V
dim
F
V
La demostracion de este resultado, al igual que los ejemplos, seran presentados en
el siguiente captulo.
116 Estudio preliminar sobre Espacios Vectoriales
Denicion 2.70 (Base dual) Sea (V, F, +, ) un espacio vectorial de dimension
nita, con base B = {v
i
: i I}. Para cada i I, podemos denir el funcional
lineal v
i
V
i
(v
j
) =
ij
en donde,
ij
es la funcion delta de Kronecker. Entonces el conjunto B
= {v
i
:
i I} es una base para V
= {v
i
: i I} es linealmente
independiente.
Denicion 2.72 Sean (V, F, +, ) y (W, F, , ) ambos espacios vectoriales y
f Hom
F
(V, W), g End
F
(V ). Entonces
f es un homomorfismo si f es una transformacion lineal.
g es un endomorfismo si g es un operador lineal.
f es un monomorfismo si f es una transformacion lineal inyectiva.
f es un epimorfismo si f es una transformacion lineal sobreyectiva.
f es un isomorfismo si f es una transformacion lineal biyectiva.
g es un automorfismo si g es un operador lineal biyectivo.
El conjunto de todos los automorsmo en V se denota como Aut
F
(V ).
2.14 Funcional lineal 117
Denotaremos como
= isomorsmo entre espacios vectoriales, as que si V , W son
espacios vectoriales isomorfos, entonces se escribira como:
V
= W
Si dos espacios vectoriales son isomorfos no signica que sean iguales, pero toda
propiedad relacionada con la estructura de espacio vectorial que posea uno de ellos
se transere al otro a traves del isomorsmo.
Ejemplos 2.72.1
1. Del ejemplo 2.61.4 tenemos que la transformacion lineal f de V
n
(F) sobre si
misma es biyectiva, entonces f es un isomorsmo.
2. Sean (F
n
, F, +, ) y (F
m
, F, +, ) ambos espacios vectoriales. Entonces F
n
=
F
m
si y solo si n = m. Para una demostracion de este resultado consultar [7].
3. Si tenemos los espacios vectoriales (V
n
(F), F, +, ) y (F
n
, F, +, ), entonces
V
n
(F)
= F
n
, en donde la transformacion lineal biyectiva f : V
n
(F) F
n
se dene como:
f(
0
+
1
x +
2
x
2
+ +
n1
x
n1
) = (
0
,
1
,
2
, . . . ,
n1
)
Ejemplo 2.72.2 Sea (V, F, +, ) un espacio vectorial de dimension nita y B =
{v
1
, v
2
, . . . , v
n
} una base nita ordenada de V . Si v V , las coordenadas de v con
respecto a la base ordenada B constituyen una n-tupla ordenada (
1
,
2
, . . . ,
n
)
F
n
, como esta es unica para cada v V , la funcion f : V F
n
, denida como
f(v) = (
1
,
2
, . . . ,
n
) (2.49)
en donde
v =
1
v
1
+
2
v
2
+ +
n
v
n
=
n
i=1
i
v
i
entonces f es una transformacion lineal de V en F
n
y esta funcion es un
isomorsmo de V en F
n
.
118 Estudio preliminar sobre Espacios Vectoriales
Veamos que es un isomorsmo.
f es una transformacion lineal.
Sean v, w V , entonces v, w se pueden escribir como combinacion lineal de
los elementos de B, as que
v =
1
v
1
+
2
v
2
+ +
n
v
n
w =
1
v
1
+
2
v
2
+ +
n
v
n
por lo tanto, por denicion 2.1 (denicion de espacio vectorial)
v +w = (
1
+
1
)v
1
+ (
2
+
2
)v
2
+ + (
n
+
n
)v
n
entonces
f(v +w) = (
1
+
1
,
2
+
2
, . . . ,
n
+
n
) Por ecuacion 2.49.
= (
1
,
2
, . . . ,
n
) + (
1
,
2
, . . . ,
n
) Por ecuacion 2.1.
= f(v) +f(w) Por ecuacion 2.49.
y ademas, si F, tenemos que
v = (
1
v
1
+
2
v
2
+ +
n
v
n
)
= (
1
)v
1
+ (
2
)v
2
+ + (
n
)v
n
entonces
f(v) = (
1
,
2
, . . . ,
n
) Por ecuacion 2.49.
= (
1
,
2
, . . . ,
n
) Por ecuacion 2.2.
= f(v) Por ecuacion 2.49.
As que con esto tenemos que f es una transformacion lineal.
2.14 Funcional lineal 119
f es inyectiva.
Sean v, w V , escritos en combinacion lineal como se expreso anteriormente,
as que tenemos;
f(v) = f(w)
(
1
,
2
, . . . ,
n
) = (
1
,
2
, . . . ,
n
)
y por igualdad de componentes, obtenemos que
i
=
i
(con 1 i n)
y por consiguiente
1
v
1
+
2
v
2
+ +
n
v
n
=
1
v
1
+
2
v
2
+ +
n
v
n
v = w
as que f es inyectiva.
f es sobreyectiva.
Si tomamos la n-esimas ordenadas (
1
,
2
, . . . ,
n
) F
n
, entonces el vector
v =
1
v
1
+
2
v
2
+ +
n
v
n
se aplica en ella mediante f.
Este ejemplo nos demuestra que todo espacio vectorial de dimension nita es
isomorfo a F
n
.
Despues de este ultimo resultado, el estudio del espacio vectorial de dimension
nita (V, F, +, ), desde el punto de vista de su estructura vectorial se identica con
el estudio de F
n
, referido a su base natural. Esta es una de las razones por la que a
B= {e
1
, e
2
, . . . , e
n
}
se le denomina tambien base canonica.
Ahora podemos replantearnos el teorema 2.40 y decimos que:
120 Estudio preliminar sobre Espacios Vectoriales
Teorema 2.73 Sean V y W ambos espacios vectoriales de dimension innita.
Entonces
dim
F
W = dim
F
V W
= V
2.15. Teoremas de isomorsmo
Denicion 2.74 (Kernel (o n ucleo)) Sean V y W ambos espacios vectoriales
sobre el cuerpo F y si f Hom(V, W). Entonces denimos el kernel (o n ucleo)
de f como:
K(f) = {v V : f(v) = 0
W
}
La dimension del kernel de f, se le conoce como nulidad y se denota:
Nulidad(f) = dim
F
(K(f))
Ejemplo 2.74.1 Tenemos la transformacion lineal f, denida como se realizo en
el ejemplo 2.61.1; es decir f : R
2
R
3
, denida como:
f((x, y)) = (y, 2x + 2y, x)
y aplicando la denicion de kernel (denicion 2.74) obtenemos que:
K(f) = {(x, y) R
2
: f((x, y)) = (0, 0, 0)}
es decir
K(f) = {(x, y) R
2
: (y, 2x + 2y, x) = (0, 0, 0)}
entonces se puede ver que x = 0, y = 0 y por consiguiente K(f) = {(0, 0) R
2
}.
Denicion 2.75 (Imagen) Sean V y W ambos espacios vectoriales sobre el
cuerpo F. Si f Hom(V, W), entonces la imagen de f esta denida como:
Img(f) = {w W : w = f(v), para algun v V }
2.15 Teoremas de isomorsmo 121
La dimension del subespacio imagen de f, se le conoce como rango y se denota
Rango(f) = dim
F
(Img(f))
Ejemplo 2.75.1 Procedamos a encontrar la imagen de f, denida tal y como se
realizo en el ejemplo 2.74.1, entonces de la denicion anterior tenemos que
Img(f) = {(x, y, z) R
3
: (x, y, z) = f((u, v)), para algun (u, v) R
2
}
= {(x, y, z) R
3
: (x, y, z) = (v, 2u + 2v, u)}
As que v = x, u = z, por lo tanto y = 2u + 2v, entonces y = 2x + 2z esto
implica que
Img(f) = {(x, 2x + 2z, z) R
3
}
y como
(x, 2x + 2z, z) = x(1, 2, 0) +z(0, 2, 1)
entonces
Img(f) = L({(1, 2, 0), (0, 2, 1)}) = R
2
.
Nota:
Se puede probar que K(f) V e Img(f) W. Es decir, tanto el kernel de f,
como la imagen de f son subespacios de V y W, respectivamente.
Teorema 2.76 (Primer teorema de isomorsmo) Sean V y W ambos espa-
cios vectoriales y f Hom(V, W). Entonces
V/K(f)
= Img(f)
Teorema 2.77 (Segundo teorema de isomorsmo) Sea V un espacio vectori-
al y U, W ambos subespacio vectoriales de V . Entonces
(U +W)/W
= U/(U W)
122 Estudio preliminar sobre Espacios Vectoriales
Teorema 2.78 (Tercer teorema de isomorsmo) Sea V un espacio vectorial
y U W V , en donde U, W son ambos subespacio vectoriales de V . Entonces
V/U
W/U
= V/W
Para una demostracion explcita de los teoremas de isomorsmo consultar [21].
Proposicion 2.79 Sean V y W ambos espacios vectoriales y si f Hom(V, W).
Entonces:
(i) f es sobreyectiva si y solo si Img(f) = W.
(ii) f es inyectiva si y solo si K(f) = {0
V
}.
Demostracion:
Parte i):
Esta demostracion es inmediata de la denicion de sobreyectividad y la denicion
de imagen (denicion 2.75).
Parte ii):
(=)
Sabemos que f(0
V
) = 0
V
y supongamos que u K(f), entonces por denicion
de kernel (denicion 2.74) tenemos que f(u) = 0
V
, por lo tanto, f(u) = f(0
V
) y
como por hipotesis f es inyectiva y por denicion de inyectividad u = 0
V
, entonces
K(f) = {0
V
}.
(=)
Sean u, v K(f), entonces:
f(u) = f(v)
f(u) f(v) = 0
V
f(u v) = 0
V
2.15 Teoremas de isomorsmo 123
por lo tanto, u v K(f) y como por hipotesis K(f) = {0
V
}, esto implica que
u v = 0
V
, as que u = v. Entonces f es inyectiva.
2
Teorema 2.80 Sean (V, F, +, ) y (W, F, , ) espacios vectoriales de dimension
nita y f Hom(V, W). Entonces:
dim
F
(K(f)) +dim
F
(Img(f)) = dim
F
V
Demostracion:
Esta proposicion es una consecuencia inmediata del primer teorema de isomorsmo
(teorema 2.76) y del Teorema 2.36. Puesto que por hipotesis (V, F, +, ) es un espacio
vectorial de dimension nita y ademas K(f) V , entonces por el teorema 2.36 nos
garantiza que:
dim
F
(K(f)) +dim
F
(V/K(f)) = dim
F
V (2.50)
y por el primer teorema de isomorsmo (teorema 2.76), se tiene que:
V/K(f)
= Img(f)
As que:
dim
F
(V/K(f)) = dim
F
(Img(f)) (2.51)
y entonces sustituyendo 2.51 en 2.50, se obtiene que:
dim
F
(K(f)) +dim
F
(Img(f)) = dim
F
V
2
Este resultado es valido tambien para espacios vectoriales de dimension innita,
este caso lo trataremos en el proximo captulo.
124 Estudio preliminar sobre Espacios Vectoriales
Ahora de la demostracion del resultado anterior obtenemos una consecuencia
inmediata, que resulta de aplicar el primer teorema de isomorsmo (Teorema 2.76)
y el teorema 2.73
dim
F
(V/K(f)) = dim
F
(Img(f))
es decir:
codim
F
(K(f)) = dim
F
(Img(f))
Ejemplo 2.80.1 El teorema anterior nos facilita la resolucion del ejemplo 2.75.1
y tras averiguar que:
dim
R
(K(f)) = dim
R
(0
R
2) = 1
y ademas que:
dim
R
R
3
= 3
entonces:
dim
R
(Img(f)) = dim
R
R
3
dim
R
(K(f)) = 3 1 = 2
y como la imagen de f es un subespacio nito de R
2
, se concluye de manera
inmediata que:
dim
R
(Img(f)) = R
2
puesto que si W V , V es de dimension nita,entonces por el teorema 2.40, se
tiene que
dim
F
W = dim
F
V W = V
El siguiente resultado se cumple solo para espacios vectoriales de dimension nita.
Corolario 2.81 Sean V y W ambos espacios vectoriales y f Hom(V, W),
donde ambos espacios son de dimension nita y dim
F
V = dim
F
W. Entonces los
siguientes resultados son equivalentes:
(i) f es inyectiva.
2.15 Teoremas de isomorsmo 125
(ii) f es sobreyectiva.
(iii) f es biyectiva.
(iv) dim
F
(Img(f)) = n; siendo dim
F
V = n, con n N
+
.
Demostracion:
(i) = (ii).
Por hipotesis f es inyectiva y por las proposicion 2.79-ii, tenemos que K(f) = {0
V
}
as que:
dim
F
K(f) = 0
y por el teorema 2.80, se tiene:
dim
F
(Img(f)) = dim
F
V
y como por hipotesis:
dim
F
V = dim
F
W = dim
F
W = dim
F
(Img(f))
y por el teorema 2.40, tenemos que:
Img(f) = W
entonces por la proposicion 2.79-i, obtenemos que f es sobreyectiva.
(ii) = (i).
Por hipotesis f es sobreyectiva y por la proposicion 2.79-i, tenemos Img(f) = W
y como por teorema 2.80
dim
F
(K(f)) +dim
F
(Img(f)) = dim
F
V
as que como por hipotesis dim
F
V = dim
F
W, por lo tanto:
dim
F
K(f) = 0 = K(f) = {0
V
}
126 Estudio preliminar sobre Espacios Vectoriales
entonces por la proposicion 2.79-ii f es inyectiva.
(i) = (iii).
Es inmediata, utilizando (i) = (ii).
(ii) = (iii).
Es inmediata, utilizando (ii) = (i).
= Hom
F
(V
, F)
Denicion 2.83 (Funcion canonica de V en V
F
: f f(v)
as v(f) = f(v) y ahora denimos la funcion:
: V V
: v v
por lo tanto, (v) = v. Esta funcion es llamada funcion canonica de V en V
.
2.15 Teoremas de isomorsmo 127
Se puede probar que v V
.
Ahora tomando en cuanta el corolario 2.81, tenemos el siguiente resultado para
espacios vectoriales de dimension nita:
Teorema 2.84 Sea (V, F, +, ) un espacio vectorial de dimension nita. Entonces
la funcion canonica de V en V
es un isomorsmo de V en V
.
Demostracion:
() es una transformacion lineal.
Sean v, w V y F, entonces debemos ver que es una transformacion
lineal, por lo tanto:
(v +w) = v +w(f) f V
)
f(v) = f(w) (f V
)
f(v) f(w) = 0
F
(f V
)
f(v w) = 0
F
(f V
)
128 Estudio preliminar sobre Espacios Vectoriales
Tenemos que probar que v w = 0
V
, con esto obtenemos que v = w y
as tenemos que es inyectiva.
Supongamos que v w = 0; hagamos v
1
= v w y completemos {v
1
} a una
base {v
1
, v
2
, . . . , v
n
} de V (con dim
F
V = n, n N
+
). Sea {f
1
, f
2
, . . . , f
n
} la
base dual a {v
1
, v
2
, . . . , v
n
} de V .
Entonces f
1
(v
j
) =
ij
; as f
1
(v
1
) = 1 y por lo tanto f
1
(v
1
) = 0. Por
consiguiente f(v w) = 0, y con esto llegamos a una contradicion. Por lo
tanto, f(v w) = 0, si se cumple que v w = 0, as que v = w, entonces es
inyectiva.
( ) es sobreyectiva.
Por corolario 2.81, tenemos que si es inyectiva (resultado anterior), entonces
es sobreyectiva.
Entonces es un isomorsmo de V en V
, as que
dim
F
V
= dim
F
V
= dim
F
V
2
Teorema 2.85 Sea (V, F, +, ) un espacio vectorial de dimension innita. Entonces
la funcion canonica de V en V
es un monomorsmo.
Corolario 2.86 Sea (V, F, +, ) un espacio vectorial de dimension nita. Entonces
dim
F
V
= dim
F
V
= dim
F
V
Ahora pasamos al caso donde la dimension del espacio vectorial es un cardinal
innito, tenemos que
Teorema 2.87 Sea (V, F, +, ) un espacio vectorial de dimension innita. Entonces
dim
F
V
dim
F
V
dim
F
V
2.15 Teoremas de isomorsmo 129
Teorema 2.88 Sea (V, F, +, ) un espacio vectorial de dimension innita, digamos
que
dim
F
V = , en donde es un cardinal innito y el n umero cardinal asociado
a el cuerpo F. Entonces
dim
F
V
Captulo 3
Espacios Vectoriales de Dimension Innita
3.1. Introduccion
Los espacios vectoriales tienen aplicaciones en diferentes areas de la matematica,
la ciencia y la ingeniera. En el captulo anterior se trataron en detalle los espacios
vectoriales que poseen dimension nita, pero se presentan una gran variedad de
espacios vectoriales que poseen dimension innita (es decir, no tienen dimension
nita). Como punto destacado, es importante resaltar la relevancia del estudio
de los espacios vectoriales de dimension innita en la matematica moderna y es
de mencionar que estos resultados impactan en distintas areas del conocimiento,
tales como: Fsica, Qumica, Computacion, Meteorologa, entre otras. En especial,
los espacios vectoriales de dimension innita se utilizan en estudios matematicos
relacionados con las series de Fourier, los cuales son usados en las rutinas modernas
de compresion de imagenes y sonidos. Tambien proporcionan el marco para la
resolucion de ecuaciones en derivadas parciales, se utilizan en la mecanica cuantica,
teora de las ondas electromagneticas, entre otras. Desde mediados del siglo XIX se
ha venido desarrollando la teora de los espacios vectoriales de dimension innita y
existen diferentes personajes matematicos que han contribuido al desarrollo de esta
area del algebra, entre los cuales se encuentran: Salvatore Pincherle (1853-1936),
3.1 Introduccion 131
Stefan Banach (1892-1945), Henri Lebesgue (1875-1941), David Hilbert (1862-1943)
y Nathan Jacobson (1910-1999), entre otros. Es importante resaltar la participacion
de otras teoras matematicas en el desarrollo de la teora de los espacios vectoriales
de dimension innita, como por ejemplo: el analisis funcional, la teora de conjunto
(en especial, aritmetica transnita) y la topologa.
En virtud de las consideraciones anteriores sera muy importante preguntarnos:
cual es la relacion que existe entre los espacios vectoriales de dimension nita y
los que tienen dimension innita? que propiedades poseen en com un estos espacios
vectoriales? en que dieren los espacios vectoriales de dimension nita con aquellos
que son de dimension innita? Por ejemplo, observamos que cada espacio vectorial
(V, F, +, ) que es nitamente generado, tal que V = {0
V
}, entonces existe una base
nita para V (teorema 2.22), por lo tanto, los espacios vectoriales (V, F, +, ) que
son estrictamente innitamente generados, tal que V = {0
V
}, tienen bases de Hamel
innitas en V ? por ejemplo, si tenemos el espacio vectorial de las funciones continuas
con valores reales en el intervalo [a, b], es decir, el espacio vectorial (C[a, b], R, +, ),
entonces como garantizar la existencia de su base? En este captulo tratara de las
cuestiones antes citadas.
En este trabajo se demostrara que cualquier par de conjuntos generadores,
linealmente independiente de un espacio vectorial innito dimensional poseen la
misma cardinalidad. En tal sentido, esto nos permitira denir de manera precisa la
dimension de un espacio vectorial innito dimensional.
Se puede observar que existen algunas diferencias de gran relevancia entre
los espacios vectoriales de dimension nita y los espacios vectoriales innito
dimensionales, como por ejemplo, si tenemos el espacio vectorial (V, F, +, ) de
dimension nita y W V ; se tiene que, si dim
F
W = dim
F
V entonces W = V
(teorema 2.40). Pero si tenemos que el espacio vectorial (V, F, +, ) es de dimension
innita y W V , con dim
F
W = dim
F
V , entonces no necesariamente se cumple
que W = V , ver ejemplo 2.40.1 para observar y sustentar lo antes comentado.
132 Espacios Vectoriales de Dimension Innita
Otra diferencia importante que podemos resaltar es que si (V, F, +, ) es un espacio
vectorial de dimension nita, entonces dim
F
V
= dim
F
V (teorema 2.68), pero
cuando (V, F, +, ) posee dimension innita, entonces dim
F
V
> dim
F
V .
Tenemos que destacar tambien que existen resultados que se cumplen en com un
tanto para los espacios vectoriales de dimension nita como para los espacios
vectoriales innito dimensionales. Se verica lo siguiente: si (V, F, +, ) es un espacio
vectorial con dimension arbitraria y W V , entonces:
dim
F
W +dim
F
(V/W) = dim
F
V
(teorema 2.36, para cuando el espacio vectorial es de dimension nita) y si ademas
consideramos otro espacio vectorial (U, F, , ) tambien de dimension arbitraria,
entonces si f Hom
F
(V, U) se cumple que
dim
F
(K(f)) +dim
F
(Img(f)) = dim
F
V
(teorema 2.80, para cuando el espacio vectorial es de dimension nita). Estas son
algunas de las propiedades similares entre espacios vectoriales de dimension nita
y los innito dimensionales.
Naturalmente, el estudio de los espacios vectoriales de dimension innita requiere de
razonamientos y la aplicacion de herramientas matematicas mas sosticadas, como
lo son: el lema de Zorn, la teora de los n umeros ordinales y cardinales, el analisis
matematico, entre otras.
3.2. Conceptos fundamentales
En el captulo 2 (Estudio preliminar sobre espacios vectoriales), en la seccion 2.4
(Combinaciones lineales) se trato la denicion de combinacion lineal de un conjunto
nito de elementos (denicion 2.7), pero que signica una combinacion lineal de un
conjunto innito de elementos de un espacio vectorial?. La denicion 2.1 (denicion
3.2 Conceptos fundamentales 133
de espacio vectorial) da un axioma para sumar dos elementos de un espacio vectorial
V , pero no para sumar una cantidad innita de elementos de V . Es decir, por sumas
sucesivas, tal que si v, w, z V , entonces podemos realizar la operacion v +w +z,
esto se hace en el sentido de que se suman un conjunto nito de elementos en V ,
pero en general, no existe una manera de atribuirle el signicado de suma infinita
de elementos de un espacio vectorial.
Entonces debemos encontrar una manera de expresar una combinacion lineal de
un conjunto innito de elementos de un espacio vectorial y esto lo hacemos de la
siguiente manera:
Denicion 3.1 (Combinacion lineal) Sea (V, F, +, ) un espacio vectorial y
W V , tal que W es un conjunto innito (es decir, |W| = , en donde es
un cardinal innito). Se dice que v V es una combinacion lineal de elementos
W con coeficientes escalares en F, si existen U W, H F (U y H
nitos), digamos que U = {u
1
, u
2
, . . . , u
n
} y H = {
1
,
2
, . . . ,
n
}, tales que
v =
n
i=1
i
u
i
=
1
u
1
+
2
u
2
+ +
n
u
n
Al igual que para el caso donde las combinaciones lineales se realizan en un conjunto
nito, denotaremos el conjunto de todas las combinaciones lineales de W como
L(W).
Las deniciones que se realizaran a continuacion ya fueron tratadas en el captulo
anterior, pero es importante volver a enunciarlas.
Denicion 3.2 (Innitamente generado) Sea (V, F, +, ) un espacio vectorial y
W V , tal que W es un conjunto innito (es decir, |W| = , en donde
es un cardinal innito). Diremos que V es infinitamente generado por W si
V = L(W).
Denicion 3.3 (Estrictamente innitamente generado) Sea (V, F, +, ) un
espacio vectorial. Diremos que V es estrictamente infinitamente generado si
V es innitamente generado y no es nitamente generado.
134 Espacios Vectoriales de Dimension Innita
Ejemplo 3.3.1 Si tenemos el espacio vectorial (F[x], F, +, ) y W F[x],
denido como:
W = {x
i
: (0 i < i N)} F[x]
entonces F[x] es estrictamente innitamente generado por W, puesto que por
ejemplo 2.14.3 se tiene que:
L(W) = F[x]
y ademas F[x] no es nitamente generado, puesto que si existe k N, entonces:
U = {1
F
, x, . . . , x
k
} F[x]
y ademas si:
j =
_
k
n=1
grad(x
n
)
_
+ 1
facilmente se comprueba que x
j
L(U).
Ahora es importante replantearse el concepto dado anteriormente, pues en el
captulo 2, seccion 2.6, denicion 2.16, evaluamos la denicion de independencia
lineal de conjuntos nitos, ahora la pregunta obvia que se plantea es: que pasara
si el conjunto que tomamos posee innitos elementos? entonces se reformula la
denicion de independencia lineal de la siguiente manera:
Denicion 3.4 (Independencia lineal) Sea (V, F, +, ) un espacio vectorial y
W V , tal que W es un conjunto innito (es decir, |W| = , en donde
es un cardinal innito). Se dice que W es linealmente independiente si todo
subconjunto nito de W es linealmente independiente (denicion 2.16).
Ejemplo 3.4.1 Consideremos el espacio vectorial (C[x], C, +, ) y W denido como
en el ejemplo 3.3.1, entonces W es linealmente independiente, puesto que si
tomamos un subconjunto nito de W, digamos que
U = {1
F
, x, x
2
, . . . , x
n
} W; con n N
3.2 Conceptos fundamentales 135
y supongamos que existen
0
,
1
, . . . ,
n
C, tales que:
0
+
1
x + +
n
x
n
= 0
Entonces el teorema fundamental del algebra nos garantiza que todo polinomio de
grado n, con coecientes complejos, tiene exactamente n-races, no necesariamente
distintas, pero en este caso se debe contar las races con sus multiplicidades. Es
decir, que la igualdad no se cumple para todo x C, por lo tanto, para que la
igualdad se garantice debe cumplirse que:
0
=
1
=
2
= =
n
= 0.
Ejemplo 3.4.2 Sea F un cuerpo y F
N
+
el conjunto de todas las sucesiones
innitas, entonces por el ejemplo 2.1.2 obtenemos que (F
N
+
, F, +, ) es un espacio
vectorial y sea W F
N
+
, denido de la siguiente manera:
W = {e
i
: (1 i < i N
+
)}
en donde denimos a e
i
F
N
+
como:
e
i
= (0
F
, 0
F
, . . . , 0
F
,
posicion i
..
1
F
, 0
F
, . . . , 0
F
, . . .) F
N
+
entonces W es linealmente independiente, puesto que si tomamos un subconjunto
nito de W, digamos que:
U = {e
1
, e
2
, . . . , e
n
} W; con n N
+
y supongamos que existen
1
, . . . ,
n
F, tales que:
1
e
1
+
2
e
2
+ +
n
e
n
= 0
F
n
y tenemos que:
(
1
,
2
, . . . ,
n
, . . .) = (0
F
, 0
F
, . . . , 0
F
, . . .)
136 Espacios Vectoriales de Dimension Innita
y por igualdad de componentes, se obtiene que:
1
=
2
= =
n
= 0
F
por lo tanto, W es linealmente independiente.
Denicion 3.5 (Base de Hamel innitas) Sea (V, F, +, ) un espacio vectorial
y B V , tal que B es un conjunto innito (es decir, |B| = , en donde es
un cardinal innito). Se dice que B es una base de Hamel infinita de V si se
cumple que:
(i) B es linealmente independiente.
(ii) V es estrictamente innitamente generado por B.
Ejemplo 3.5.1 Si tenemos el espacio vectorial (C[x], C, +, ) y
B= {x
i
: (0 i < i N)}
por el ejemplo 3.3.1 C[x] es estrictamente innitamente generado por B, ademas
B es linealmente independiente por el ejemplo 3.4.1. Entonces B es una base de
Hamel innita de C[x].
Ejemplo 3.5.2 Si tenemos el espacio vectorial (F
N
+
, F, +, ), el espacio de las
sucesiones innitas y por el ejemplo 3.4.2 W es linealmente independiente, pero es
de notar que W no genera a F
N
+
, puesto que existen elementos {a
n
} F
N
+
, tal
que {a
n
} no se puede escribir como combinacion lineal (nita) de los elementos de
W, por ejemplo (1
F
, 1
F
, . . . , 1
F
, . . .) F
N
+
no existe una forma de escribirlo como
una combinacion lineal nita de los elementos de W. Entonces W no es una base
de Hamel innita de F
N
+
, puesto que W no genera a F
N
+
.
3.3 Existencia de una base 137
3.3. Existencia de una base
Si tenemos un espacio vectorial (V, F, +, ), tal que V = {0
V
}, el cual es nitamente
generado por W y sea U W linealmente independiente, entonces existe una base
nita para V , tal que:
U B W
este resultado, en particular, fue demostrado en el captulo anterior y es un hecho
bien conocido (teorema 2.21). Pero podemos preguntarnos: podemos garantizar
la existencia de al menos una base de Hamel innita que cumpla con la condicion
anterior si el espacio vectorial es estrictamente innitamente generado?
Al igual que para el caso donde el espacio vectorial es nitamente generado, cuando
el espacio vectorial es estrictamente innitamente generado por W y U W
linealmente independiente, entonces existe una base de Hamel innita, tal que:
U B W
Para demostrar que todo espacio vectorial innito dimensional posee al menos una
base de Hamel innita se necesita utilizar tecnicas de la teora de conjunto. Nos
proponemos aqu dar una demostracion de la existencia de bases de Hamel innitas
utilizando el lema de Zorn-Karatowski, que es un resultado equivalente al axioma
de eleccion y al principio de buena ordenacion. La demostracion de los hechos
enunciados al comienzo del parrafo consiste en considerar todas las familias de
subconjuntos linealmente independientes de un espacio vectorial; hallar una que
sea maximal y demostrar que esta genera a todo el espacio vectorial. La utilidad
de la teora de conjuntos, en particular, el lema de Zorn-Karatowski consiste en
asegurar la existencia de la familia linealmente independiente maximal.
Asumimos que el espacio vectorial V = {0
V
}, puesto que si V = {0
V
} entonces por
convencion se asume que la base B es el conjunto vaco, es decir, B= .
138 Espacios Vectoriales de Dimension Innita
Observemos los siguientes dos resultados de vital importancia en los espacios
vectoriales estrictamente innitamente generados.
Teorema 3.6 Sea (V, F, +, ) un espacio vectorial, tal que V = {0
V
}. Sea W V
y V estrictamente innitamente generado por W y sea U W linealmente
independiente. Entonces existe al menos una base de Hamel innita B de V , tal
que:
U B W
Demostracion:
(i) A continuacion demostraremos la existencia de B y veremos que B W.
Sea P una coleccion de subconjuntos linealmente independientes que contienen a
U y que estan contenidos en W, es decir:
P = {B V : (U B W B es linealmente independiente)}
y dotamos a P de una relacion binaria, la relacion de inclusion, que la denimos de
la siguiente manera:
B, B
P[B B
si B B
]
entonces (P, ) es un conjunto parcialmente ordenado.
Tenemos que P = , puesto que por hipotesis U W y U es linealmente
independiente, por lo tanto, U P.
Sea
C = {B
i
: i I}
una cadena de elementos de P y digamos que:
L =
iI
B
i
entonces como B
i
W ( i I), por denicion de P y por denicion de union
tenemos que L W, y es facil notar que L contiene todos lo elementos de la
cadena C. As que i I, entonces B
i
L.
3.3 Existencia de una base 139
Debemos demostrar que L P, es decir, L es linealmente independiente.
() L es linealmente independiente.
Sean v
i
1
, v
i
2
, . . . , v
i
n
L; por denicion de union existen B
i
1
, B
i
2
, . . . , B
i
n
;
tales que:
v
i
k
B
i
k
; 1 k n
como C es una cadena existe j (1 j n) tal que k n,
B
i
k
B
i
j
; por lo tanto, es evidente que v
i
k
B
i
j
; k n y
como B
i
j
es linealmente independiente (puesto que B
i
j
P); entonces
{v
i
1
, v
i
2
, . . . , v
i
n
} es linealmente independiente. Por denicion 3.4 L es
linealmente independiente. Luego L P.
Como L contiene todos los elementos de la cadena C, es claro que L es una cota
superior de C.
Por lo tanto, tenemos que (P, ) es un conjunto parcialmente ordenado respecto
a la relacion de inclusion y P = . Tambien tenemos que toda cadena C de P
tiene una cota superior L en P, entonces aplicando el lema de Zorn-Kuratowski
(lema A.14) obtenemos que P tiene un elemento maximal B, el cual es linealmente
independiente.
Ahora debemos demostrar que un conjunto linealmente independiente maximal B
es una base de V .
De la denicion 3.5 (base de Hamel innita) nos falta por demostrar que V es
estrictamente innitamente generado por B, pues ya sabemos que Bes linealmente
independiente.
Supongamos que existe un v V , tal que v no pertenece al subespacio generado
por B, es decir, v V \L(B). Consideremos
B= B{v}. Por resultado 2.18
B
es linealmente independiente. Ademas B
B y B =
B (es decir: B <
B). Es
claro entonces que
B P; lo cual contradice el hecho de que B es un elemento
maximal de P. Entonces L(B) = V .
140 Espacios Vectoriales de Dimension Innita
Por lo tanto, B es una base de Hamel innita de V .
(ii) U B. Es inmediata de la denicion de P.
Entonces B es una base de Hamel innita y
U B W
2
Corolario 3.7 (Existencia de la base) Sea (V, F, +, ) un espacio vectorial, tal
que V = {0
V
} y es estrictamente innitamente generado. Entonces existe al menos
una base de Hamel innita para V .
Demostracion:
La demostracion de este resultado es inmediata del teorema 3.6 y asumiendo que
U = (que por convencion U es linealmente independiente). Entonces por el
teorema 3.6 existe una base de Hamel innita B, tal que B W. Siendo W = V .
2
En particular del teorema 3.6, tenemos las siguientes propiedades que se cumplen
de forma inmediata:
Todo espacio vectorial tiene una base.
Un conjunto linealmente independiente en V , esta contenido en una base.
Todo sistema generador de V contiene una base.
3.4. Equicardinalidad de las bases de Hamel
innitas
Primero debemos observar la siguiente cuestion: por que no puede ocurrir que V
posea un conjunto de n-elementos (n ) generadores linealmente independiente
3.4 Equicardinalidad de las bases de Hamel innitas 141
y un conjunto de cardinalidad ( cardinal innito) de generadores linealmente
independiente? Supongamos que existe un conjunto B de n-elementos (n )
sistema generador de V y linealmente independiente, por lo tanto, por denicion
2.20 es una base nita de V , entonces todo conjunto con mas de n-elementos es
linealmente dependiente (por lema 2.26), por consiguiente, no puede existir un
conjunto de cardinalidad (siendo un cardinal innito) linealmente independiente.
Se demostro en la seccion anterior que todo espacio vectorial estrictamente
innitamente generado tiene al menos una base de Hamel innita y ademas sabemos
por el captulo 2, seccion 2.8, que en todo espacio vectorial no trivial, el cual es
nitamente generado, cualesquiera bases tienen la misma cantidad de elementos
(por teorema 2.27); pero cuando el espacio vectorial posee bases de Hamel innitas,
en la cual cada base de Hamel innita tiene un cardinal innito asociado a ella,
entonces, podemos preguntarnos: poseen la misma cardinalidad dos bases de Hamel
innitas de un espacio vectorial? En esta seccion nos ocuparemos de demostrar que
la proposicion es cierta, es decir, dos bases de Hamel innitas cualesquiera de un
espacio vectorial poseen la misma cardinalidad.
La demostracion de que dos bases de Hamel innitas cualesquiera tienen la
misma cardinalidad no es una generalizacion obvia del caso nito. La siguiente
demostracion sigue el esquema planteado por H. Lowig (ver [11]) y este resultado
lo enunciamos de la siguiente manera:
Teorema 3.8 (Lowig) Sea (V, F, +, ) un espacio vectorial estrictamente inni-
tamente generado y B, B
: < } y B
= {w
Rv
iI
c
i
w
i
v
iI
b
i
w
i
Claramente R es una relacion de equivalencia en B. Sea
B/R = {[v
] : < }
el conjunto de clases de equivalencia. Notemos que:
|B/R|
Se dene la funcion f : B/R []
<
, de la siguiente forma:
f([v
]) = {
1
,
2
, . . . ,
s
}
s y solo s existen escalares no nulos (en F) {c
1
, c
2
, . . . , c
s
}, tales que:
v
=
s
i=1
c
i
w
i
Evidentemente f esta bien denida, pues no depende del representante de la clase
de equivalencia seleccionado. Ademas cada < esta en alg un subconjunto nito
que esta en Rgo(f), pues si no esta en el rango de ning un subconjunto nito de
Rgo(f), tenemos que como Bes una base de Hamel innita, existe I y escalares
no nulos en F {c
i
: i I}, en donde:
w
iI
c
i
v
i
.
A la vez cada v
i
es expresable en terminos de un subconjunto nito de B
(entre los
que no aparece w
: < }
(notar que en la expresion anterior w
: < }| =
{B : B Rgo(f)}
= max{, } =
puesto que , contradiccion, ya que < .
As que |Rgo(f)| = y
= |B/R| |B| =
Invirtiendo los papeles y deniendo la relacion de equivalencia de manera analoga
en B
0
Se puede observar que:
2
0
y ademas:
2
0
0
(2
0
)
0
2
0
2
0
(3.1)
entonces:
0
0
2
0
y de la ecuacion 3.1 tenemos que
2
0
0
por lo tanto, por el teorema de Cantor-Bernstein-Schroder (teorema A.22)
obtenemos que:
0
0
= 2
0
3.5 Teoremas de la dimension 145
Ejemplo 3.9.4 (Matrices innitas) Sea F un cuerpo y , cardinales inni-
tos. Se dene una matriz real infinita de -las y -columnas, como la fun-
cion:
M : F
en donde m
. Entonces
M = [m
.
El conjunto M
] + [n
] = [m +n]
[m
] = [m]
Entonces M
= {v
i
: i I} una base de W. Por el teorema 3.6 podemos extender el
conjunto B
.
Sea
B
= {[v
j
] : j J\I}
en donde [v
j
] es la clase de equivalencia de v
j
(Ver denicion A.3) y debemos
demostrar que B
.
Por lo tanto, para todo v V , entonces [v] V/W. Puesto que B es una
base de Hamel innita de V (por hipotesis), entonces cada elemento v V ,
se expresa como una combinacion lineal de los elementos de B, es decir:
v =
1
v
i
1
+
2
v
i
2
+ +
n
v
i
n
+
1
v
j
1
+
2
v
j
2
+
m
v
j
m
donde {i
1
, i
2
, . . . , i
n
} I y {j
1
, j
2
, . . . , j
m
} J\I, por consiguiente:
[v] =
_
n
r=1
r
v
i
r
+
m
s=1
s
v
j
s
_
=
_
n
r=1
r
v
i
r
_
+
_
m
s=1
s
v
j
s
_
=
n
r=1
[
r
v
i
r
] +
m
s=1
[
s
v
j
s
]
=
n
r=1
r
[v
i
r
] +
m
s=1
s
[v
j
s
]
y como v
i
1
, v
i
2
, . . . , v
i
n
B
W, entonces [v
i
r
] = [0
V
] (con 1 r n).
As que:
[v] =
m
s=1
s
[v
j
s
]
en donde [v
j
s
] B
es un sistema generador
de V/W.
() B
es linealmente independiente.
Por denicion de conjuntos linealmente independientes (denicion 3.4),
debemos ver que cualquier subconjunto nito de B
es linealmente
independiente. Entonces si tomamos v
j
1
, v
j
2
, . . . , v
j
m
B\B
, y es claro que
[v
j
1
], [v
j
2
], . . . , [v
j
m
] B
.
148 Espacios Vectoriales de Dimension Innita
Debemos demostrar que ellos son linealmente independientes en V/W y esto
se demuestra de igual forma como se hizo en el teorema 2.36, en la parte ().
Entonces B
= {[v
j
] : j J\I} es una base de V/W, que seg un lo visto tiene la
misma cardinalidad que J\I. As pues
dim
F
V = |B|
= |B
(B\B
)| Puesto que B= B
(B\B
).
= |B
| +|(B\B
= {v
i
: i I} una base de W. Por
el teorema 3.6 podemos extender el conjunto B
, as que |B
= {x
2i+1
: (0 i < i N)} {1
F
}
es una base de Hamel innita de W, tal que |B
| =
0
, es decir:
dim
F
W =
0
y como:
dim
F
F[x] =
0
= dim
F
W
pero es facil notar que W = V .
De la denicion 2.47 tenemos que si U, W son subespacios de V , con (V, F, +, ) un
espacio vectorial de dimension nita, se dice que W es el complemento de U en V ,
si V = U W. Ademas demostramos que todo subespacio vectorial propio de V ,
tiene un complemento en V (proposicion 2.48). Pero sera importante preguntarnos:
es posible garantizar la existencia de un complemento de un subespacio vectorial
propio de V , cuando V posee una dimension innita? La repuesta a esta pregunta
es armativa, es decir, si se puede garantizar la existencia de un complemento para
un subespacio vectorial propio de un espacio vectorial de dimension innita.
Se plantea este resultado de la siguiente manera:
Teorema 3.12 Sea (V, F, +, ) un espacio vectorial de dimension innita y U < V .
Entonces existe un complemento de U en V , y lo denotaremos como V = U W.
Demostracion:
Sea B
= {v
i
: i I} una base de U. As que por el teorema 3.6 podemos extender
el conjunto B
= {v
j
: j J\I}
3.5 Teoremas de la dimension 151
entonces es de notar que B
es el complemento de U en V ,
es decir:
W = L({v
j
: j J\I})
entonces es facil ver que:
V = U W
2
Teorema 3.13 Sea (V, F, +, ) un espacio vectorial de dimension innita y U, T
ambos subespacios de V . Entonces:
dim
F
(U) +dim
F
(W) = dim
F
(U + W) +dim
F
(U W)
Demostracion:
Si tenemos que dim
F
(U) dim
F
(W) son nitas, el resultado es inmediato.
Supongamos, por ejemplo, que dim
F
(U) = (en donde es un cardinal innito).
Digamos que B
= {u
i
: i I} es una base de U W. Entonces por el teorema
3.6 podemos extender el conjunto B
= {v
j
: (j J I I J = )}
B
= {w
k
: (k K I I K = )}
son las base de U y W, respectivamente, que extiende a B
.
Debemos demostrar que B
es una base de U + W.
() B
, w
k
1
, w
k
2
, . . . , w
k
q
B
y
152 Espacios Vectoriales de Dimension Innita
u
i
1
, u
i
2
, . . . , u
i
r
B
, tales que:
u =
r
s=1
i
s
u
i
s
+
p
m=1
j
m
v
j
m
y ademas:
w =
r
s=1
i
s
u
i
s
+
q
t=1
k
t
w
k
t
as que como v = u +w, entonces:
v =
r
s=1
(
i
s
+
i
s
)u
i
s
+
p
m=1
j
m
v
j
m
+
q
t=1
k
t
w
k
t
por lo tanto B
genera a U +W.
() B
es linealmente independiente.
Sean
U B
,
W B
y
X B
U = {v
j
1
, v
j
2
, . . . , v
j
p
},
W = {w
k
1
, w
k
2
, . . . , w
k
q
} y
X = {u
i
1
, u
i
2
, . . . , u
i
r
}
tal que:
r
s=1
i
s
u
i
s
+
p
m=1
j
m
v
j
m
+
q
t=1
k
t
w
k
t
= 0
y utilizando un razonamiento similar al utilizado en la demostracion del
teorema 2.49- (), llegamos a la conclusion de que
i
s
=
j
m
=
k
t
= 0
con 1 s r, 1 m p, 1 t q y por consiguiente B
son
subespacios de un espacio vectorial V sobre el cuerpo F, entonces si W
W,
obtenemos que:
dim
F
W dim
F
W
(3) = (1).
Supongamos que V es un espacio vectorial de dimension innita, se puede elegir una
sucesion innita {x
n
}
n1
de elementos linealmente independiente de V . Sea V
n
el
subespacio vectorial generado por x
n+1
, x
n+2
, . . .. Entonces la cadena {V
n
}
n1
es una
familia innita y estrictamente descendiente de subespacios, as que V no satisface
las condiciones de cadenas descendentes de subespacios. Contradiccion puesto que
por hipotesis V satisface las condiciones de cadenas descendentes.
(1) = (2).
Por hipotesis tenemos que V es un espacio vectorial de dimension nita, entonces
dim
F
V = n, con n N
+
. Sea {W
j
}
jN
una cadena ascendente de subespacios de
V , tal que:
W
1
W
2
W
3
W
n
W
n+1
(3.2)
Supongamos que no existe m N, tal que
k m : W
k
= W
m
Sea n
1
= 1 y x
n
1
W
1
\{0
V
}. Existe n
2
N
+
(con n
2
> n
1
), tal que W
n
2
\W
1
= .
Sea x
n
2
W
n
2
\W
n
1
. Es claro que existe un n
3
N
+
(con n
3
> n
2
) tal que
162 Espacios Vectoriales de Dimension Innita
W
n
3
\W
n
2
= y sea x
n
3
W
n
3
\W
n
2
. Siguiendo con el mismo proceso supongamos
que hemos escogido para cada k N
+
, x
n
k+1
W
n
k+1
\W
n
k
(donde W
n
k+1
\W
n
k
= ).
Sea
S = {x
n
1
, x
n
2
, . . . , x
n
k
, x
n
k+1
, . . .}
puede probarse que S es un conjunto es linealmente independiente, lo cual contradice
dim
F
V = n, con n N
+
.
(1) = (3).
Se realiza de manera similar que el caso anterior, tomando en cuenta algunos detalles
en cuestion.
2
Es de notar con la demostracion del teorema anterior, que si el espacio vectorial es de
dimension innita, entonces no se cumplen las condiciones de cadenas ascendentes,
ni descendentes.
Ejemplo 3.20.1 Sea (F[x], F, +, ) el espacio vectorial de las funciones polinomios.
Sabemos que B = {x
i
: (0 i < i )} es una base de Hamel innita
de F[x], entonces por denicion de base, B debe ser linealmente independiente.
Tomamos una sucesion innita {x
i
}
i0
. Entonces la cadena:
L(1
F
) L(1
F
, x) L(1
F
, x, x
2
)
es innita y estrictamente ascendente.
As que F[x] no satisface la condicion de cadena ascendente (denicion 3.18).
Teorema 3.21 (Teorema de Noether) Sea (V, F, +, ) un espacio vectorial in-
nito dimensional y B= {e
i
: i < } una base de Hamel innita de V . Entonces si
W es un subespacio vectorial de V , se puede dividir a B en dos conjuntos disjuntos:
B
= {v
j
: j I} B
= {v
k
: k J\I}
3.7 Condiciones de cadenas 163
es decir:
B= B
= {w
j
: (j I w
j
= v
j
+ u
j
)}, en
donde u
j
L(B
.
Demostracion:
Por hipotesis tenemos que W es un subespacio vectorial de V , entonces por el
teorema 3.12 existe un complemento de W en V , tal que:
V = W W
As que si B
= {v
j
: j I} es una base de W, entonces debe existir una base
B
= {v
k
: k J\I} de W
y u
j
L(B
). Debemos
demostrar que B
es una base de W.
() B
es linealmente independiente.
Sea
jI
j
w
j
= 0
entonces como por suposicion tenemos que w
j
= v
j
+u
j
, por lo tanto:
jI
j
w
j
=
jI
j
(v
j
+u
j
)
=
jI
(
j
v
j
+
j
u
j
)
=
jI
j
v
j
+
jI
j
u
j
y puesto que {v
j
: j I} es una base de W, entonces:
jI
j
v
j
= 0
j
= 0
164 Espacios Vectoriales de Dimension Innita
por lo tanto:
j
= 0; j I
Entonces el conjunto B
es linealmente independiente.
() B
genera a W.
Supongamos que v W y como v V , entonces:
v = w +w
en donde w W, w
, por lo tanto:
w =
jI
j
v
j
kJ\I
k
v
k
por consiguiente:
v = w +w
jI
j
v
j
+
kJ\I
k
v
k
y como v
j
= w
j
u
j
, por lo tanto:
v =
jI
j
(w
j
u
j
) +
kJ\I
k
v
k
=
jI
j
w
j
jI
j
u
j
+
kJ\I
k
v
k
As que:
v
jI
j
w
j
=
kJ\I
k
v
k
jI
j
u
j
y entonces:
v
jI
j
w
j
W
y como ademas:
v
jI
j
w
j
W
3.8 Reformulacion de la denicion de bases ordenadas y coordenadas 165
entonces como W W
= {0
V
}, se debe tener que:
v
jI
j
w
j
= 0
as que:
v =
jI
j
w
j
y con esto probamos que B
es un conjunto generador de W.
Ahora nos falta por demostrar que si tenemos una funcion denida del siguiente
modo:
: B
: w
j
v
j
Entonces esta funcion es inyectiva.
Supongamos que v
j
, v
j
B
, tal que v
j
= v
j
(es decir, v
j
, v
j
son elementos
distintos de B
). Entonces w
j
= w
j
, puesto que si w
j
= w
j
, entonces:
v
j
v
j
W v
j
v
j
W
por consiguiente v
j
= v
j
= 0, con lo cual:
v
j
= v
j
, as que
B= (B, f) es una base ordenada de V . Si v V , existen:
{v
1
, v
2
, . . . , v
n
}, con {
1
,
2
, . . . ,
n
} { : < }
tal que para {c
1
, c
2
, . . . , c
n
} F (c
i
no nulos), tenemos que:
v =
n
i=1
c
i
v
i
Entonces las coordenadas de v con respecto a la base ordenada
Bvendra dada
por la funcion [v]
B
: F, denida del siguiente modo:
[v]
B
() =
_
_
_
c
i
si f() = v
i
; (con 1 i n)
0 si lo anterior no ocurre.
Ejemplo 3.23.1 Sea (F[x], F, +, ) el espacio vectorial de las funciones polinomio
y
B= (B, f) es una base ordenada de F[x] . En donde:
B = {x
i
: (0 i < i )}
f(i) = x
i
; i
entonces si p(x) F[x], por el principio del entero mnimo debe existir un m ,
en donde si k > m, entonces a
k
= 0. Ademas existen {i
0
, i
1
, . . . , i
m
} y
{a
0
, a
1
, . . . , a
m
} F (con a
j
no nulo), tal que:
p(x) =
m
j=0
a
j
x
j
Las coordenadas de p(x) con respecto a la base ordenada
B vendra dada por la
funcion [v]
B
: F, , denida del siguiente modo:
[v]
B
(j) =
_
_
_
a
j
si f(j) = x
j
; (para algun j tal que 0 j m)
0 si k > m.
168 Espacios Vectoriales de Dimension Innita
3.9. ((Equipotencia)) entre espacio vectoriales y la
clase de los cardinales
En primer termino debemos explicar el uso de las comillas francesa en el termino
de equipotencia del ttulo de esta seccion. La razon de este hecho deriva, puesto que
cuando hablamos de equipotencia, nos referimos a una funcion biyectiva entre dos
conjuntos. Como es conocido, la coleccion de todos los cardinales no constituye un
conjunto sino una clase propia. En tal sentido, en esta seccion se demostrara que
existen tanto espacios vectoriales como cardinales y, en consecuencia, podemos
hablar de ((equipotencia)) de clases.
Es posible asociar a cada espacio vectorial de dimension n (con n ), con el
conjunto {1, 2, . . . , n}. Pero ahora la pregunta inmediata que debe resultar es la
siguiente: que ocurre cuando el espacio vectorial es de dimension innita? con
que conjunto lo podemos colocar en correspondencia biunvoca, de forma que se
establezca una equipotencia? La repuestas a estas interrogantes la podemos aclarar
en el siguiente teorema, pero antes consideremos la siguiente denicion que sera de
utilidad para la demostracion del resultado.
Denicion 3.24 (Soporte y Soporte Finito) Sea {V
i
: i } (en donde es
un cardinal) una familia de espacios vectoriales sobre el cuerpo F. El soporte de
una funcion:
f :
i
V
i
es el conjunto:
supp(f) = {i : f(i) = 0}
Una funcion f tiene soporte finito si
| supp(f) |<
3.9 ((Equipotencia)) entre espacio vectoriales y la clase de los cardinales169
Teorema 3.25 Sea (V, F, +, ) un espacio vectorial de dimension innita y (F
)
0
el conjunto de todas las funciones de en F con soporte nito. Entonces:
dim
F
(F
)
0
=
Demostracion:
Sea un cardinal innito y como se dijo anteriormente, tenemos que (F
)
0
es el
conjunto de todas las funciones de en F con soporte nito.
Por lo tanto, por el ejemplo 2.1.3, tenemos que ((F
)
0
, F, +, ) es un espacio vectorial
con la operacion de adicion y multiplicacion escalar denida como en las ecuaciones
2.6 y 2.7.
Para cada , , se generaliza la funcion Delta de Kronecker de la siguiente
manera:
() =
_
_
_
1 si = ;
0 si = .
entonces se dene el conjunto B
de la forma siguiente:
B
= {
: }
Se debe demostrar que B
)
0
.
() B
es un sistema generador de (F
)
0
.
Sea f (F
)
0
, entonces debemos probar que f puede escribirse como
combinacion lineal de los elementos de B
. As que sean
1
,
2
, . . . ,
m
los
ordinales en , para los cuales f() = 0. Entonces si f(
j
) =
j
(donde
1 j m) con
j
F, por lo tanto:
f(
j
) = f(
j
)
=
m
j=1
f(
j
)
j
();
=
m
j=1
j
();
=
1
1
() +
2
2
() + +
m
m
();
170 Espacios Vectoriales de Dimension Innita
por consiguiente:
f =
m
j=1
j
as que, B
genera a (F
)
0
.
() B
es linealmente independiente.
Debemos demostrar que todo subconjunto nito de B
es linealmente
independiente. Sean
1
,
2
, . . . ,
m
F y
1
,
2
, . . . ,
m
B
, tales que:
1
() +
2
2
() + +
m
m
() = 0 (3.3)
y se cumple de la ecuacion 3.3 que:
j
= 0 (1 j m)
Entonces B
es linealmente independiente.
Por consiguiente, B
es una base de (F
)
0
.
Ahora se puede denir una funcion g, de la forma siguiente:
g : B
por lo tanto,
() =
() = =
. As que:
| B
| =
por denicion A.19. Y como por suposicion es un cardinal innito, entonces se
tiene que B
)
0
=
2
3.10 Espacios duales innitos 171
3.10. Espacios duales innitos
Existe una gran diferencia entre los espacios vectoriales de dimension nita con los
que poseen dimension innita en el caso de los espacios duales. Es de observar que
si (V, F, +, ) es un espacio vectorial de dimension nita, entonces se cumple que:
dim
F
V
= dim
F
V (3.4)
por el teorema 2.68. Pero cuando el espacio vectorial es innito dimensional,
entonces no se cumple la ecuacion 3.4 y esto puede se notar en el siguiente ejemplo:
Ejemplo 3.25.1 Sea (V, Z
2
, +, ) un espacio vectorial de dimension innita, en
donde Z
2
= {0, 1} y sea B una base de Hamel innita de V . Puesto que los
escalares son solo los elementos 0 y 1, entonces una combinacion lineal de B
con coecientes escalares en Z
2
es justamente una suma nita, por lo tanto, V es
el conjunto de todas las sumas nitas de vectores en B y por el teorema A.30, se
obtiene:
| V | | [B]
<
|=| B|
Ademas cada funcional f V
j=1
i
j
v
i
j
=
i
1
v
i
1
+
i
2
v
i
2
+ +
i
m
v
i
m
as que:
f(v) = f
_
m
j=1
i
j
v
i
j
_
=
i
1
f(v
i
1
) +
i
2
f(v
i
2
) + +
i
m
f(v
i
m
)
por lo tanto, como f(v
i
j
) (con 1 j m) debe tener valores 0 y 1, entonces
especicar un funcional lineal es equivalente a determinar los subconjunto de B en
172 Espacios Vectoriales de Dimension Innita
la cual f toma el valor de 1. De esta manera existe una funcion biyectiva entre los
funcionales lineales en V y todos los subconjuntos de B. Por lo tanto
| V
|>| V |
y este ejemplo nos prueba que V
> dim
F
V
Con el ejemplo estudiado anteriormente, podemos considerar los siguientes
resultados:
Teorema 3.26 Sea (V, F, +, ) un espacio vectorial de dimension innita y
B= {v
i
: i }
una base de Hamel innita de V . Entonces el conjunto B
= {v
i
: i } es
linealmente independiente en V
.
Demostracion:
Por denicion 2.70 (denicion de base dual) se tiene que
v
i
(v
j
) =
ij
(3.5)
Entonces se debe demostrar que cualquier subconjunto nito de B
es linealmente
independiente. Sean v
i
1
, v
i
2
, . . . , v
i
m
B
y
i
1
,
i
2
, . . . ,
i
m
F; tales que:
m
j=1
i
j
v
i
j
=
i
1
v
i
1
+
i
2
v
i
2
+ +
i
m
v
i
m
= 0
y puesto que por la ecuacion 3.5, se tiene que:
v
i
j
(v
i
k
) =
i
j
i
k
(3.6)
3.10 Espacios duales innitos 173
en donde v
i
k
B. As que:
m
j=1
i
j
v
i
j
= 0
i
1
v
i
1
+
i
2
v
i
2
+ +
i
m
v
i
m
= 0
i
1
[v
i
1
(v
i
k
)] +
i
2
[v
i
2
(v
i
k
)] + +
i
m
[v
i
m
(v
i
k
)] = 0
i
1
i
1
i
k
+
i
2
i
2
i
k
+ +
i
m
i
m
i
k
= 0
m
j=1
i
j
i
j
i
k
= 0
y por la denicion 2.67, se tiene:
m
j=1
i
j
i
j
i
k
= 0 =
i
j
con 1 j m. Entonces B
es linealmente independiente.
2
Teorema 3.27 Sea (V, F, +, ) un espacio vectorial de dimension innita. En-
tonces:
dim
F
V
> dim
F
V
Demostracion:
Supongamos que:
B = {v
: < } (3.7)
es una base de Hamel innita de V , en donde | B |= (siendo un cardinal
innito). Entonces por el teorema 3.26 el conjunto:
U
= {u
: < } (3.8)
es linealmente independiente en V
, en donde | U
de V
, con
B
= {v
: < } (3.9)
174 Espacios Vectoriales de Dimension Innita
en donde |B
| = , tal que
U
entonces:
| U
|| B
|
por lo tanto:
(3.10)
y como:
| B| = = dim
F
V (3.11)
| B
| = = dim
F
V
(3.12)
entonces, por las ecuaciones 3.11 y 3.12; juntamente con la desigualdad 3.10,
obtenemos que
dim
F
V
dim
F
V
2
Teorema 3.28 Sea (V, F, +, ) un espacio vectorial de dimension (en donde es
un cardinal innito) y sea el cardinal asociado al cuerpo F. Entonces el cardinal
de V es . As tenemos que:
|V | = max{|F|, dim
F
V }
Demostracion:
Supongamos que B = {v
i=1
c
i
v
i
; c
i
= 0
3.10 Espacios duales innitos 175
en donde c
i
F, n . Puesto que si se asume que v V posee dos
representaciones, digamos que:
v =
n
i=1
c
i
v
i
; c
i
= 0, c
i
F
v =
m
j=1
b
j
v
j
; b
j
= 0, b
j
F
entonces:
v v =
n
i=1
c
i
v
i
m
j=1
b
j
v
j
0 =
n
i=1
c
i
v
i
m
j=1
b
j
v
j
y como los c
i
= 0 y b
j
= 0, entonces el conjunto {v
1
, v
2
, . . . , v
n
, v
1
, v
2
, . . . , v
m
}
es linealmente dependiente, contradiccion puesto que este es un subconjunto de la
base de Hamel innita B y este debe ser linealmente independiente.
Entonces, como cada elemento no nulo de V se expresa como combinacion lineal
unica de los elementos de B, luego existe un subconjunto nito F
v
de B, de modo
que v se exprese como combinacion lineal de los elementos de F
v
, con todos los
coecientes no nulos.
Consideremos la funcion f denida de la siguiente manera: si v V (con v no nulo),
sabemos por la discusion anterior que existen {c
1
, c
2
, . . . , c
n
} no nulos, tales que:
v =
n
i=1
c
i
v
i
; (de manera unica)
hagamos entonces F
v
= {v
1
, v
2
, . . . , v
n
} y f(v) = F
v
.
Al ser B una base de Hamel innita de V , entonces F
v
es unico para cada v V
y tambien la n-tupla (c
1
, c
2
, . . . , c
n
), con los componentes no todos nulos en F es
unica para cada v V .
Puesto que B= {v
1
, v
2
, . . . , v
n
} y las n-tuplas (c
1
, c
2
, . . . , c
n
) es .
Entonces es de notar que:
|V | =
<
y por lo tanto:
|V | =
<
Por teorema A.34.
= (|| sup{ : < }) Por teorema A.35.
= ( )
y como por hipotesis es un cardinal innito, pues V es un espacio vectorial innito
dimensional y |B| = , entonces se tiene:
|V | = ( )
=
= max{, }
= max{|F|, dim
F
V }
Por lo tanto, se demostro que:
|V | = {|F|, dim
F
V }
2
3.10 Espacios duales innitos 177
Teorema 3.29 Sea (V, F, +, ) un espacio vectorial de dimension (en donde
es un cardinal innito) y el n umero cardinal asociado a el cuerpo F. Entonces:
dim
F
V
Demostracion:
Parte i):
Supongamos que B= {v
,
se puede observar que f esta determinado por sus valores en una base del espacio
vectorial.
Puesto que si v V , entonces existen {
1
,
2
, . . . ,
n
} y {c
1
, c
2
, . . . , c
n
} F
( unicos) tales que podemos escribir a v como combinacion lineal de los elementos
de un subconjunto nito de B, de la siguiente forma:
v =
n
i=1
c
i
v
i
(3.13)
por consiguiente
f(v) = f
_
n
i=1
c
i
v
i
_
=
n
i=1
f(c
i
v
i
)
=
n
i=1
c
i
f(v
i
)
y como los {c
1
, c
2
, . . . , c
n
} F dependen exclusivamente de v V (ver 3.13), esta
claro que el valor que asume f en cada v
i
B determina al valor de f en
cualquier vector del espacio y por tanto determinan a f V
.
Parte ii):
Primeramente comprobemos |V
| = |F
B
| =
.
() F
B
V
.
Denamos la funcion de la siguiente forma:
178 Espacios Vectoriales de Dimension Innita
: F
B
V
: f g
f
En donde;
F
B
= {f : (f : B F) Dom(f) = B}
Sea f F
B
; f : B F, por la parte i) existe un unico elemento g
f
V
tal que
g
f
B f
Evidentemente es inyectiva.
() V
F
B
.
Sea f V
, sea g
f
: B F dada por g
f
(v
) = f(v
); < .
: V
F
B
: f g
f
Probemos que es inyectiva.
Sean f, h V
, tal que
(f) = (h) = g
f
= g
h
= v
B; f(v
) = h(v
)
entonces por la parte i) f h.
Por lo tanto, por el teorema de Cantor-Bernstein-Schroder (teorema A.22)
obtenemos que |V
| = |F
B
| =
.
Por lo tanto, el n umero cardinal de V
es
.
Por otra parte, si tenemos que
dim
F
V
=
y de esta manera se debe tener que es un cardinal innito, puesto que por el
teorema 3.27
dim
F
V
> dim
F
V
3.10 Espacios duales innitos 179
y como = dim
F
V es un cardinal innito, entonces se debe tener que es un
cardinal innito.
Ademas, por el teorema 3.28 se demostro que
|V
| = max{|F|, dim
F
V
} (3.14)
= (3.15)
y como ademas |V
| =
, entonces
|V
| =
= (3.16)
Debemos demostrar que
|V
| =
y as llegar a la conclusion de que
dim
F
V
} =
y
= dim
F
V
> .
Supongamos que |F
B
| = . Es decir, = max{|F|, dim
F
V
} = .
Sea F
B
= {g
: B F.
Denamos
g : B F
de la siguiente forma:
g() un elemento cualquiera de F\{g
()} = .
Luego para cada < :
g() = g
();
por tanto;
g = g
; <
contradiccion con el hecho de que |F
B
| = . Y as
|F
B
| >
entonces
|F
B
| =
=
y con esto demostramos que
dim
F
V
2
Captulo 4
Conclusiones y reexiones nales
Podemos concluir armando que el presente trabajo se realizo con la intencion
de estimular el estudio del
Algebra Lineal de manera unicada, introduciendo
conceptos fundamentales de esta area del
Algebra, entre los que podemos mencionar:
dimension, bases ordenadas y coordenadas de un espacio vectorial; enfatizando de
forma precisa los aspectos comunes cuando el espacio es de dimension nita y el
caso cuando la dimension es innita.
Es importante resaltar la existencia de un gran n umero de problemas abiertos
relacionado con la tematica presentadas en este trabajo, entre los cuales destacan:
1. Equivalencia entre el axioma de eleccion y la existencia de las bases de Hamel
innitas.
Es un hecho bien conocido que el axioma de eleccion (mas precisamente, uno
de sus equivalentes, el lema de Zorn-Kuratowski) implica la existencia de
una base para cualquier espacio vectorial. Una pregunta natural que puede
formularse es: asumiendo que cualquier espacio vectorial tiene una base,
podra derivarse el axioma de eleccion? En forma mas precisa, sera cierto
lo siguiente: todo espacio vectorial tiene una base s y solo s el axioma de
eleccion. J. D. Halpern (ver [6]) mostro una version mas debil de la aseveracion
anterior: axioma de eleccion s y solo s cada conjunto generador de un espacio
182 Conclusiones y reexiones nales
vectorial contiene una base del espacio. Mas tarde, Andreas Blass (consultar
[1]) demostro que asumiendo el conjunto de axiomas mas restringidos que
Zermelo-Fraenkel (llamado WZF, en el cual se omite el axioma de regularidad
y se admiten atomos) es cierto que: el axioma de eleccion m ultiple es deducible
de la armacion: cada espacio vectorial tiene una base (recordemos que, el
axioma de eleccion m ultiple asegura que para cada familia de conjunto no
vacos existe una funcion la cual asigna a cada conjunto en la familia de
subconjunto nito no vaco). Este problema continua abierto (considerando
Zermelo-Fraenkel y la version clasica del axioma de eleccion).
2. La conexion entre las transformaciones lineales de espacios vectoriales de
dimension innitas y las matrices innitas.
Se debe profundizar las ideas de transformacion lineal sobre los espacios
vectoriales de dimension innita y el concepto de matrices innitas, y
establecer el isomorsmo que existe entre estos.
Es de observar que cualquier transformacion lineal entre dos espacios
vectoriales de dimension nita se puede representar como una matriz en las
bases ordenadas de los dos espacios vectoriales (ver observacion realizada en
el ejemplo 2.55.1). Ahora la pregunta inmediata es: si uno de los espacios
vectoriales es de dimension innita, la transformacion lineal todava se
representa como una matriz en sus bases ordenadas? Es decir, la forma de
asignar una matriz a una transformacion lineal (en ciertas bases) cuando al
menos uno de los espacios involucrados es de dimension innita.
3. Las diferencias y similitudes entre los espacios vectoriales innito dimensiona-
les y los espacios de Hilbert
1
.
En este trabajo se conceptualizo la denicion de bases de Hamel innitas y
1
Por el apellido del famoso matematico aleman David Hilbert (1862-1943) que introdujo este
concepto.
183
ademas se demostro que todas las bases de Hamel innitas tienen el mismo
n umero cardinal asociado y este n umero cardinal es lo que se conoce como
dimension de Hamel.
El mismo estudio se puede realizar sobre los espacios vectoriales de Hilbert y
se puede demostrar que la dimension de Hamel es mayor o igual a la dimension
de Hilbert; y se puede realizar un estudio similar entre los espacios vectoriales
de dimension innita y los espacios vectoriales de Hilbert.
4. Estudiar los espacios vectoriales topologicos de dimension innita. Es de
observar que si W es un subespacio de un espacio vectorial topologico V , tal
que V = W W
?.
Ap endice A
Teora de conjuntos
A.1. Teora axiomatica de conjuntos Zermelo-
Fraenkel
1. Axioma de existencia: Existe un conjunto que no tiene elementos.
2. Axioma de extensionalidad: Si X y Y son conjuntos que tienen los mismos
elementos, entonces X = Y .
3. Axioma de pares: Para cualquier par de conjuntos X, Y existe el conjunto
{X, Y } que contiene exactamente a X y a Y .
4. Axioma esquema de separacion: Si es una propiedad (con parametro
p), entonces para cualquier conjunto X y parametro p, existe un conjunto
Y = {u X : (u, p)} que contiene los u X que cumplen la propiedad .
5. Axioma de la union: Para cualquier conjunto X, existe un conjunto
Y =
C = inf C y
C = sup C
son n umeros ordinales.
Para una denicion formal de clase consultar [12] o [17].
Denicion A.18 (Ordinal sucesor y lmite) Sean , n umeros ordinales. Si
= {}, entonces diremos que es un ordinal sucesor. Si no es un
ordinal sucesor, diremos que es un ordinal lmite.
Si tenemos que es un ordinal lmite, entonces
= sup{ : < } =
Ejemplo A.18.1
1. 0 = es un ordinal lmite, ya que no es sucesor de ning un ordinal.
2.
1 = {} = {}
2 = {, {}} = 1 {1}.
3 = {, {}, {, {}}} = 2 {2}.
.
.
.
n = {0, 1, 2, . . . , n 1}
son ordinales sucesores.
3. es un n umero ordinal lmite.
192 Teora de conjuntos
A.4. Cardinalidad
Denicion A.19 (Equipotentes) Sean X e Y dos conjuntos. Diremos que X e
Y son equipotentes si existe una funcion f : X Y biyectiva.
Denotamos a dos conjuntos equipotentes del siguiente modo |X| = |Y | (o bien
X Y ).
Ejemplo A.19.1 Si tenemos los conjuntos N y N
+
, entonces N N
+
; puesto
que podemos denir una funcion f como sigue;
f : N N
+
: n n + 1
la cual es biyectiva.
Ejemplo A.19.2 Dos intervalos de n umeros reales son siempre equipotentes,
puesto que existe una funcion biyectiva f, que la denimos del siguiente modo;
f : [a, b] [c, d]
: x
dc
ba
x +
cbad
ba
Denicion A.20 Sean X e Y dos conjuntos. Diremos que X se inyecta en Y , si
existe una funcion f : X Y inyectiva. Lo representamos como |X| |Y |.
Teorema A.21 (Teorema de Cantor) Sea X un conjunto. Entonces
|X| |P(X)|
Ademas
|P(X)| > |X|
Para una demostracion de este resultado consultar [12].
Teorema A.22 (Teorema de Cantor-Bernstein-Schroder) Sean X e Y dos
conjuntos. Si |X| |Y | y |Y | |X|, entonces |X| = |Y |.
A.4 Cardinalidad 193
El teorema de Cantor-Bernstein-Schroder nos dice que si tenemos conjuntos X e
Y , tales que existen funciones inyectivas f : X Y y g : Y X. Entonces
existe h : X Y biyectiva.
Para una demostracion de este resultado consultar [12].
Denicion A.23 (Cardinal o n umero cardinal) Sea un conjunto. Si es
un n umero ordinal, diremos que es un numero cardinal si y solo si no es
equipotente con ninguno de sus elementos.
La teora de los n umeros cardinales o transnitos fue introducida por George Cantor
(1845-1918) en 1874.
Asumiendo el axioma de eleccion (AE), tenemos que a todo conjunto X le podemos
asignar un n umero cardinal |X|, entonces de este modo tenemos que dos conjuntos
cualesquiera tienen la misma cardinalidad si y solo si estos dos conjuntos son
equipotentes.
Denotamos los n umeros cardinales con las letras del alfabeto griego, en especial con
las ultimas letras de este alfabeto;
, , . . . , , , , , .
Denicion A.24 (Conjunto nito) Sea X un conjunto. Diremos que X es un
conjunto finito si existe un n umero natural n, tal que |X| = |n|. Si X no es un
conjunto nito, entonces diremos que X es un conjunto infinito.
Entonces podemos asegurar que los unicos cardinales nitos son los n umeros
naturales, es decir, |n| = n, n N.
Denicion A.25 (Conjunto numerable) Sea X un conjunto. Diremos que
X es un conjunto numerable si X es un conjunto nito o equipotente con el
conjunto de los n umeros naturales. Si X no es un conjunto numerable, entonces
diremos que X es un conjunto no numerable.
194 Teora de conjuntos
Ejemplo A.25.1
1. Asumiendo el axioma de eleccion, tenemos que si {W
i
}
iI
(en donde I es un
conjunto numerable) es una familia de conjuntos numerables, entonces
iI
W
i
es un conjunto numerable
2. El conjunto de los n umeros enteros
Z = {, . . . , 3, 2, 1, 0, 1, 2, 3, . . . , }
es numerable.
3. El conjunto de los n umeros racionales es numerable.
Para las demostraciones de estos resultados consultar [18].
Ejemplo A.25.2 El conjunto de los n umeros reales es no numerable.
Para la prueba de este hecho podemos consultar [12].
A.5. Aritmetica cardinal
En esta seccion nos proponemos denir las operaciones de adicion, multiplicacion y
exponenciacion de n umeros cardinales.
Denicion A.26 Sean X e Y dos conjuntos disjuntos y , ambos n umeros
cardinales. Si |X| = y |Y | = . Entonces
1. La suma + es el n umero cardinal de X Y , es decir;
+ = |X Y |
Si tenemos un conjunto de cardinales {
i
: i I}, en donde I es un conjunto
de ndices, entonces denimos y denotamos la suma de la siguiente manera
iI
i
=
iI
|
i
| = sup{|
i
| : i I}
A.5 Aritmetica cardinal 195
2. La multiplicacion es el n umero cardinal de X Y , es decir;
= |X Y |
3. La potencia
es el n umero cardinal de X
Y
(en donde X
Y
denota el
conjunto de todas las funciones de X en Y ), es decir,
= |X
Y
|
Entonces tenemos los siguientes resultados con respecto a las operaciones de adicion,
multiplicacion y potenciacion antes denidas;
Teorema A.27 Sean , , n umeros cardinales innitos. Entonces se cumple
que:
1. + = + (Conmutatividad).
2. + ( +) = ( +) + (Asociatividad).
3. ( +) = + (Distributividad).
4. + 0 = .
5. Si + 1 = + 1, entonces = .
6. ( )
.
7.
+
=
.
8. (
.
9. Si , entonces
.
10. Si 0 < , entonces
.
11.
0
= 1.
196 Teora de conjuntos
12. 1
= 1
13. 0
= 0, si > 0.
La demostracion de este teorema se puede consultar en [22] y [13].
Denicion A.28 (Aleph) Para todo ordinal , denimos la operacion (aleph)
recursivamente para todo ordinal
0
=
0
= ; representa el ordinal asociado a N.
+1
=
+1
=
+
= sup{
.
Naturalmente, por cardinal innito entendemos un cardinal que no sea un n umero
natural. El menor cardinal innito es
0
.
Ejemplo A.28.1 Los siguientes conjuntos tienen cardinalidad
0
:
1. El conjunto de los n umeros racionales.
2. El conjunto de todos los subconjuntos nitos de N.
Nuestro estudio se centrara sobre los n umeros cardinales innitos, puesto que ellos
representan la herramienta fundamental para el analisis de las propiedades de los
espacios vectoriales de dimension innita.
Denicion A.29 Sea A un conjunto innito y un n umero cardinal, tal que
|A|, entonces denimos y denotamos el conjunto de todos los subconjuntos de
A de cardinalidad como
[A]
= {X A : |X| = }
A.5 Aritmetica cardinal 197
y tambien el conjunto de todos los subconjuntos A de cardinalidad menor que
como
[A]
<
= {X A : |X| < }
Teorema A.30 Sea X un conjunto innito. Entonces
|[X]
<
| = |X|
Teorema A.31 Sean , n umeros cardinales. Si alguno de ellos es un cardinal
innito, entonces se cumple que
+ = max{, } =
Para la demostracion de este resultado consultar [12].
Teorema A.32 Sea {A
i
: i I} una familia de conjuntos y I un conjuntos de
ndices, tal que |I| = . Si |A
i
| , para todo i I, entonces
iI
A
i
Teorema A.33 Para cualquier familia de conjuntos {A
i
: i I} se cumple que
iI
A
i
iI
|A
i
| = sup{|A
i
| : i I}
y si los conjuntos son disjuntos dos a dos, entonces se cumple la igualdad.
Ademas tenemos otros resultados importantes:
Teorema A.34 Sea {
i
: i I} una familia de cardinales. Entonces:
iI
i
=
iI
i
siendo un n umero cardinal.
Teorema A.35 Sea {
i
: i I} una familia de cardinales no nulos, de modo
que |I| es un cardinal innito o alg un
i
es un cardinal innito, entonces
iI
i
= |I| sup{
i
: i I}
La demostracion de este teorema puede ser consultada en [12].
Ap endice B
B.1. Funciones y conjuntos de funciones
Sean A y B ambos conjuntos, si f es una funcion de A en B, es decir, Dom(f) A
y Rgo(f) B; la escribimos como
f : A B
: x f(x)
con x Dom(f) y el conjunto de todas las funciones con dominio A en B se dene
como:
B
A
= {f P(A B) : (f : A B)}
B.2. Sucesiones innitas
Denicion B.1 (Sucesion innita) Una sucesion infinita es una funcion
cuyo dominio es el conjunto de los numeros naturales mayores que cero (N
+
).
Si una funcion a es una sucesion innita, entonces a cada n umero natural n le
corresponde un elemento a(n), estos pueden representarse como
a(1), a(2), . . . , a(n), . . . , (B.1)
B.3 Funciones medibles 199
y para obtener la forma de subndice de una sucesion, hacemos a
n
= a(n), n N.
As que (B.1) se convierte en
a
1
, a
2
, . . . , a
n
, . . . ,
y esta sucesion innita se suele designar mediante el siguiente smbolo {a
n
}.
Ademas si Rgo(a) R, entonces se dice que {a
n
} es una sucesion infinita
de numeros reales y si Rgo(a) C, se dice que {a
n
} es una sucesion infinita de numeros complejos.
Denicion B.2 (Convergencia) Sea {a
n
} una sucesion. Se dice que {a
n
}
converge hacia a, si para todo > 0, existe un n umero natural N tal que, para
todos los n umeros naturales n, si n > N, entonces |a
n
a| < . Denotamos tal
situacion como
lm
n
a
n
= a
B.3. Funciones medibles
La teora de la medida es de gran importancia tanto para el analisis matematico,
como para la teora de probabilidades, ademas de otras areas de las matematicas.
Los conceptos que se van a considerar a continuacion son solo unos preliminares
para introducir ciertos espacios vectoriales que son de vital importancia para el
estudio que se esta realizando.
Denicion B.3 (-algebras) Sea X un conjunto. Una -algebra sobre X es una
familia A no vaca de subconjuntos de X (es decir, A P(X) y A = ), con las
siguientes propiedades:
(i) , X A.
(ii) A A = A
c
= X\A A.
(iii) Si A
1
, A
2
, . . . , A
n
, . . . , A con n N\{0}, entonces
n=1
A
n
A
200
A los elementos del conjunto A se les conocen como conjuntos medibles.
Denicion B.4 (Espacios de medidas) Sea X un conjunto y A una -algebra
de subconjuntos de X. Una funcion : A [0, ) {} es una medida si se
cumplen las siguientes propiedades:
(i) () = 0.
(ii) Si A
1
, A
2
, . . . , A
n
, . . . , son disjuntos dos a dos (es decir, A
i
A
j
= , para
cualquier i = j), entonces
i=1
A
i
_
=
i=1
(A
i
)
A esta propiedad se le conoce como numerablemente aditiva. La terna (X, A, )
es un espacio de medida.
Denicion B.5 (Funcion medible) Sean (X, A, M
x
) y (Y, B, M
y
) ambos es-
pacios de medidas. Una funcion f de X en Y (con Dom(f) = X y Rgo(f) Y)
es una funcion medible si
{B B : f
1
(B) A}
Gracamente podemos expresar la idea que encierra esta denicion as:
B.4. Ecuaciones lineales
Un sistema de ecuaciones lineales es un conjunto de ecuaciones lineales sobre
un cuerpo o un anillo conmutativo (para la denicion de anillo conmutativo
consultar [20]).
El problema de los sistemas de ecuaciones lineales es uno de lo mas antiguos de la
matematica y posee una gran cantidad de aplicaciones, tales como: en procesamiento
digital de se nales, estimacion, prediccion, programacion lineal, entre otros.
Sea F un cuerpo, un sistema de ecuaciones lineales, con m ecuaciones lineales y n
incognitas (con n, m N
+
), puede ser escrito de la siguiente manera:
B.4 Ecuaciones lineales 201
Figura B.1: Funcion medible
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= b
1
;
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
= b
2
;
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
x
1
+ a
m2
x
2
+ + a
mn
x
n
= b
m
.
en donde a
ij
F (con 1 i m, 1 j n; m, n N
+
) y x
1
, x
2
, . . . , x
n
son las
incognitas.
Es posible reescribir el sistema lineal de ecuaciones anterior en forma matricial, de
la siguiente manera:
_
_
_
_
_
_
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
b
1
b
2
.
.
.
b
m
_
_
_
_
_
_
_
_
y en notacion, podemos escribir las ultimas ecuaciones como AX = b. Si el vector
b = 0, se dice que el sistema lineal de ecuaciones es homogeneo.
202
Teorema B.6 (Solucion de una ecuacion homogenea) Si A es una matriz
m n, con m < n, el sistema homogeneo de ecuaciones lineales AX = 0 tiene
una solucion no trivial.
Este teorema nos garantiza que si el n umero de las no nulas de A es menor que
el n umero de columnas, entonces el sistema de ecuaciones lineales AX = 0 tiene
solucion no trivial, es decir, una solucion X = [x
1
x
2
x
n
] en la cual no todo
x
j
= 0; para 1 j n, con n N
+
.
La demostracion de este resultado se encuentra en [8].
Bibliografa
[1] Andreas Blass, Existence of bases implies the axiom of choice, Contemporary
Mathematics, volume 31, paginas 31 33, American Mathematical Society,
1984.
[2] Nicolas Bourbaki, Elementos de historia de las matematicas, Alianza
Universidad, Madrid, 1976.
[3] Nicolas Bourbaki, Elements of Mathematics Algebra I, Addison-Wesley, Pars,
1974.
[4] Pierre A. Grillet, Abstract Algebra, Springer, New York, Second Edition 2007.
[5] Paul R. Halmos, Finite-Dimensional Vector Spaces, Springer, New York, 1958.
[6] J. D Halpern, Bases for vector spaces and the axiom of choice, Proceedings of
the American Mathematical Society 17, paginas 670 673, 1966.
[7] Israel N. Herstein, Topics in Algebra, Blaisdell, New York, 1964.
[8] Kenneth Homan, Ray Kunze, Linear Algebra, Second Edition, Prentice Hall,
New Jersey, 1971.
[9] Thomas W. Hungerford, Algebra, Springer-Verlag, New York, 1974.
204 BIBLIOGRAF
IA
[10] Thomas W. Hungerford, An introduction abstract algebra, Saunders College
Publishing, 1st edicion 1990.
[11] Nathan Jacobson, Lectures in abstract algebra (Vol. I, II, III), Springer-Verlag,
New York, 1910.
[12] Thomas J. Jech, Set Theory, Academic Press, New York, 1978.
[13] Thomas J. Jech, Karel Hrbacek, Introduction to Set Theory, Marcel Dekker,
New York, theird edition 1999.
[14] Israel Kleiner, A History of Abstract Algebra, Birkhauser, Boston, 2007.
[15] Andrei Kolmogorov, Sergei Fomin, Elementos de la teora de funciones y del
analisis funcional, Segunda edicion, Mir, Moscu, 1975.
[16] Serge Lang, Algebra, Springer-Verlag, New York, 2002.
[17] Richar Marcano, Aspectos basicos de la logica matematica y la teora de
conjuntos, Universidad de Carabobo, Departamento de Matematica, Carabobo,
Venezuela, 2010.
[18] Yiannis Moschovakis, Notes on Set Theory, Springer Science+Business Media,
New York, Second Edition 2006.
[19] C. W. Norman, Undergraduate Algebra: a rst course, Oxford University Press,
New York, 1986.
[20] Juan Ojeda, Introduccion al
Algebra Moderna, Universidad de Carabobo,
Departamento de Matematica, Carabobo, Venezuela, 2009-2010.
[21] Steven Roman, Advanced Linear Algebra, Springer Science+Business Media,
New York, theird edition 2008.
BIBLIOGRAF
IA 205
[22] Robert Vaught, Set Theory: an introduction, Birkhauser, Boston, Second
Edition 1995.
[23] Van der Waerden, Algebra (Vol. I, II), Springer-Verlag, New York, 1991.