UNAM, Facultad de Ciencias

TEMA 1. Espacios vectoriales.

Daniela Terán
30 de enero de 2019

1. Grupos y anillos
Uno de los conceptos fundamentales para el estudio del Álgebra es el de grupo. La manera
en la que se abordará el concepto de grupo es como una estructura algebráica, para ello
se introducirá la definición del objeto principal de estudio. Considere un conjunto G no
vacío y su n- potencia con el producto cartesiano denotado por

Gn = G
| × ·{z
· · × G}
n−factores

Definición 1. Sea G un conjunto no vacío y n un número natural.

1. Para n ≥ 1 una operación n-aria en G es una función

f : Gn → G.

2. Una operación 1-aria f : G → G es llamada operación unoaria en G.

3. Una operación 2-aria f : G × G → G es llamada operación binaria en G.

4. Una operación nula en G es simplemente un elemento de G.

5. Una operación n-aria, para cualquier natural n, se conoce como una operación
finita en G.
Normalmente una operación binaria f : G × G → G entre dos elementos de G se denota
por yuxtaposición, es decir si a, b ∈ G suele denotarse ab en lugar de f (a, b).

1
Definición 2. Si f : Gn → G es una operación n-aria en G y si h es un subconjunto no
vacío de G, entonces la restricción de H n es la función f |H n : H n → G. Se dice que H
es cerrado bajo la operación f si f |H n tiene imagen H. En el caso de la operación nula
x ∈ G significa que x ∈ H.

Definición 3. Considere G un conjunto no vacío. Entonces

i. Se dice que G es semigrupo o magma si G tiene con una operación binaria

∗ : G × G → G que es asociativa, es decir (a ∗ b) ∗ c = a ∗ (b ∗ c) para cualesquiera
a, b, c ∈ G.

ii. Se dice que G es un monoide si G es un semigrupo con una identidad derecha e

izquierda. es decir si existe un elemento distinguido e ∈ G tal que para cualquier
a ∈ G a ∗ e = a (identidad derecha) y e ∗ e = a (identidad izquierda).

iii. Un monoide G que cuenta con inversos bilaterales para cada elemento, es decir si
para cada a ∈ G existe b ∈ G tal que a ∗ b = e (inverso derecho) y b ∗ a = e (inverso
izquierdo) entonces se dice que G es un grupo y el inverso de a se denota como
a−1 = b.

iv. Si un grupo G cumple que la operación es conmutativa, es decir que para cuales-
quiera a, b ∈ G
a∗b=b∗a
entonces se dice que G es un grupo abeliano o un grupo conmutativo.

Ejemplo 1. 1. Si A es un conjunto y P(A) es su potencia entonces (P(A), ∪, ∅) y

(P(A), ∩, A) son un grupos abelianos.

2. (N, +, 0) y (N, ·, 1) son monoides.

3. (Z, +, 0) es un grupo abeliano y (Z, ·, 1) es un monoide.

4. (Q, +, 0) y (Q − {0}, ·, 1) son grupos abelianos.

Definición 4. Un anillo es un conjunto no vacío R junto con dos operaciones binarias

∗ y • tales que para a, b, c ∈ R:

i. (R, ∗) es un grupo abeliano.

ii. (a • b) • c = a • (b • c) (asociatividad para •).

iii. a • (b ∗ c) = (a • b) ∗ (a • c) y (a ∗ b) • c = (a • c) ∗ (b • c)(distributividad izquierda y

derecha de • sobre ∗)

iv. Si para cualesquiera a, b ∈ R se tiene que a • b = b • a entonces se dice que R es

un anillo conmutativo

2
 v. Si R contiene un elemento eR tal que eR • a = a • eR = a para cualquier a ∈ R
entonces se dice que R es un anillo con identidad o también se le conoce como
anillo con unitario.
Es una convención denotar a la operación binaria ∗ como + y a la o peración • como ·,
esto evita la sobrecarga de notación y simplemente debe tenerse cuidado de no suponer
que es una operación conocida sino simplemente una que cumple las propiedades men-
cionadas. Con esta aclaración es adecuado denotar también al neutro de la operación
∗ = + como 0 y al neutro de la operación • = · como 1. Algunas propiedades que pueden
obtenerse de la definición de anillo:
Teorema 1. Sea R un anillo. Entonces
1. 0 · a = a · 0 = 0 para todo elemento a ∈ R.
2. (−a) · b = a · (−b) = −(a · b) para cualesquiera a, b ∈ R.
3. (−a) · (−b) = ab para a, b ∈ R.
4. (n · a) · b = a · (n · b) = n · (a · b) para a, b ∈ R y n ∈ Z.
P  P P
5. ( ni=1 ai ) · m n m
P
j=1 j =
b i=1 j=1 ai · bj para cualesquiera ai , bj ∈ R

Ejemplo 2. Los enteros Z son un anillo conmutativo con identidad.

Los enteros pares 2Z = {2z : z ∈ Z} son un anillo conmutativo sin identidad.
Los racionales Q son un anillo conmutativo con identidad.
Los reales R son un anillo conmutativo con identidad.
Si A es un grupo abeliano entonces F (A, A) junto con la suma de funciones y la
composición es un anillo.
Definición 5. Un elemento no cero a en un anillo R se dice que es divisor izquierdo
de cero si existe un elemento no cero b ∈ R tal que a · b = 0. De manera análoga se dice
que a es divisor derecho de cero si existe un elemento no cero b ∈ R tal que b · a = 0.
De este modo, se dice que a que a es divisor de cero si es divisor derecho e izquierdo
de cero.
Ejemplo 3. Es posible construir un ejemplo, ya que no se cuentan con las herramientas
para nombrarlo sin problemas. Considere Z4 = {0, 1, 2, 3} con las siguientes operaciones:
Considere la siguiente tabla como la definición de la suma:

+ 0 1 2 3
0 0 1 2 3
1 1 2 3 0
2 2 3 0 1
3 3 0 1 2

3
 La multiplicación se define de forma análoga como:

· 0 1 2 3
0 0 0 0 0
1 0 1 2 3
2 0 2 0 2
3 0 3 2 1

De esta manera (Z4 , +, ·) es un anillo conmutativo con unitario y 2 6= 0 mientras

que 2 · 2 = 0 por lo que 2 es un divisor de cero.

Definición 6. Un elemento a ∈ R (con R un anillo con identidad) se dice que tiene

inverso izquierdo si existe c ∈ R tal que c · a = 1R . De manera complementaria se dice
que tiene inverso derecho si existe b ∈ R de tal manera que a · b = 1R . Un elemento
a ∈ R se dice que es invertible, que tiene inverso o que es una unidad si tiene inverso
derecho e izquierdo.

Con esta definición es claro que se tiene puede deducir lo siguiente:

Observación 1. Si R es un anillo con identidad entonces:

1. El inverso izquierdo y el inverso derecho de una unidad coinciden.

2. El conjunto de unidades de un anillo R con identidad es un grupo bajo la multi-

plicación.

Ejemplo 4. 1. En los enteros Z se tienen dos unidades, a saber 1 y −1.

2. En los racionales Q y en los reales R todo elemento no cero es unidad.

3. En el ejemplo que se dió de Z4 se tienen dos unidades 1 y 3.

Definición 7. Un anillo conmutativo R con identidad 1R 6= 0 y sin divisores de cero es

llamado dominio entero. Un anillo D con identidad 1R 6= 0 en donde todo elemento no
cero es unidad se llama anillo con división. Si F es un anillo con división conmutativo
entonces se dice que F es un campo.

Ejemplo 5. 1. En los enteros Z es un dominio entero.

2. En los racionales Q y en los reales R son campos.

3. En el ejemplo que se dió de Z4 no es dominio entero dado que tiene divisores de

cero.

4. Considere H = {a0 + a1 i + a2 j + a3 k : ai ∈ R} con las siguientes relaciones entre

i, j y k:

4
 · i j k
i -1 k -j
j -k -1 i
k j -i -1

De esta manera con la suma elemento a elemento y la multiplicación usual (con

las relaciones entre i, j y k ya descritas), (H, +, ·) es un anillo con división que
no es campo.

Teorema 2. Si a, b y c son elementos de un campo F entonces se tiene:

−1
1. Si a 6= 0 entonces (a−1 ) = a.

2. Si a, b 6= 0 entonces (a · b)−1 = b−1 · a−1 .

3. Si a + c = b + c entonces a = b.

4. Si c 6= 0 y a · c = b · c entonces a = b.

5. Si a · b = 0 entonces a = b o b = 0 o a = 0.

Observación 2. Siempre se tiene que:

1. Todo dominio entero y todo anillo con división tienen al menos dos elementos, el
1 y el 0.

2. Es equivalente para R un anillo con identidad:

R anillo con división.
Todo elemento no cero de R forma un grupo bajo la multiplicación.

3. Todo campo es dominio entero.

2. Matrices
La noción de matriz debe darse como un elemento del conjunto de las funciones entre el
producto cartesiano de dos subconjuntos finitos de N y un anillo R. Es decir:

Definición 8. Sea R un anillo, una matriz M de m renglones por n columnas con

coeficientes en un anillo R se define como

M ∈ F ({1, . . . , m} × {1, . . . , n}, R).

Es decir, para cada pareja de naturales (i, j) ∈ {1, . . . , m} × {1, . . . , n} se tiene que
M (i, j) = r para algún r ∈ R. Es una convención llamar al elemento M (i, j) el elemento

5
de la matriz ubicado en el renglón i y en la columna j. De hecho es fácil pensar a la
matriz M como un arreglo de m renglones y n columnas:
 
r11 r12 . . . r1n
 r21 r22 . . . r2n 
M =  ..
 
.. .. .. 
 . . . . 
rm1 rm2 . . . rmn

Donde rij = M (i, j) es el elemento de M ubicado en el i-ésimo renglón y en la j-ésima

columna.

Una vez definidas adecuadamente a las matrices, es necesario dar algunas matrices es-
peciales además de operaciones binarias para saber si pueden tener una estructura de
anillo o algo más.

Notación: Al conjunto de las matrices de m renglones y n columnas con coeficientes

en un anillo R se le denota por
Mm×n (R)
A los elementos de una matriz A se les denota como aij y son las evaluaciones en
el elemento (i, j) de A, es decir aij = A(i, j) para 1 ≤ i ≤ m y 1 ≤ j ≤ n.

Observación 3. Sea A ∈ Mm×n (R):

Si m = n se dice que A es una matriz cuadrada de tamaño n y el conjunto de

todas las matrices cuadradas de tamaño n se denota como Mn (R).

Dos matrices A ∈ Mm×n (R) y B ∈ Mp×q (R) se dice que son iguales si m = p,
n = q y aij = bij para cada 1 ≤ i ≤ m y 1 ≤ j ≤ n.

Los elementos aii de una matriz cuadrada (1 ≤ i ≤ n) se llaman elementos de

la diagonal principal.

Se dice que A es la matriz cero, denotada por 0m×n si aij = 0 para toda 1 ≤ i ≤ m
y 1 ≤ j ≤ n.

Si A es una matriz cuadrada donde aij = 0 para toda i 6= j se dice que A es una
matriz diagonal.

Si R es un anillo con identidad 1R y A es una matriz diagonal donde los elementos

de la diagonal con todos iguales a 1R entonces A se llama matriz identidad y se
denota como In .

A se llama una matriz escalar si A es una matriz diagonal donde los elementos
de la diagonal con todos iguales a r, para alguna r ∈ R.

6
 Si A es cuadrada se dice que es una matriz triangular superior si los elementos
“debajo de la diagonal principal” son cero, es decir aij = 0 si i > j. Esta propiedad
dice nada sobre los elementos en la diagonal o “arriba de la diagonal”, lo que
significa que la matriz 0n es una matriz triangular superior, lo mismo sucede con
la matriz identidad y las matrices escalares.

Si A es cuadrada se dice que es una matriz triangular inferior si los elementos

“arriba de la diagonal principal” son cero, es decir aij = 0 si i < j.

Si A es cuadrada se dice que es una matriz diagonal si es triangular superior e

inferior.

Definición 9. Si A, B ∈ Mm×n (F ), D ∈ Mn×p (R) y r ∈ R entonces se define

A + B = C tal que C ∈ Mm×n (R) con cij = aij + bij para toda 1 ≤ i ≤ m y
1 ≤ j ≤ n. Esta se conoce como suma matricial o suma de matrices.

A · D = E tal que E ∈ Mm×p (R) con eij = nk=1 aik dkj para toda 1 ≤ i ≤ m y
P
1 ≤ j ≤ p. Esta operación se conoce como producto matricial o producto de
matrices.

rA = F con F ∈ Mm×n (R) y fij = raij . Esta operación se conoce como producto
escalar o producto por escalares. Los elementos r ∈ R son conocidos como
escalares.

At = G con G ∈ Mn×m (R) con gij = aji para toda 1 ≤ i ≤ n y 1 ≤ j ≤ m. Esta

operación se conoce como transpuesta de A.

Una matriz A se dice que es simétrica si A = At .

Una matriz A se dice que es antisimétrica si A = −At .

Es claro de la definición y dado que R es un anillo que:

Teorema 3. Para A, B ∈ Mm×n (R) y C ∈ Mn×p (R):

1. (Mm×n (R), +, 0m×n ) es un grupo abeliano.

2. (Mn (R), +, ·, 0m×n , In ) es un anillo no conmutativo con identidad.

t
3. (At ) = A.

4. (A + B)t = At + B t .

5. Si r ∈ R entonces (rA)t = rAt .

6. (AC)t = C t At .

7
 3. Espacios Vectoriales sobre un campo
La aproximación a los espacios vectoriales se dará de manera general, es decir, se darán
las características de la estructura, se estudiaran las subestructuras y ciertos conjuntos
especiales.
Definición 10. Si F es un campo, entonces un espacio vectorial sobre el campo
F o un F espacio vectorial es un grupo aditivo V (su suma se conoce como suma
vectorial) dotado de una función llamada multiplicación por escalares denotada por
· : F × V → V y que cumple para a, b, 1F ∈ F y para cualesquiera u, v ∈ V :
1. a · (u + v) = a · u + a · v.

2. (a + b) · u = a · u + b · u.

3. (ab) · u = a · (b · u).

4. 1F · u = u.
Es una convención expresar el producto por escalares solo concatenando los elementos.
Los elementos de V son llamados vectores y los elementos del campo F se conocen
como escalares.

Notación: Si V es un espacio vectorial sobre el campo F se usa la notación F V .

Ejemplo 6. 1. Si se considera a V = F entonces cualquier campo es un espacio

vectorial sobre sí mismo considerando su suma como suma vectorial y el producto
por escalares como el producto del campo. Es decir F F y, en particular R R es decir,
los reales son un espacio vectorial sobre sí mismo.

2. Es importante mencionar que la condición del elemento identidad para la multipli-

cación por escalares no es redundante, es decir no se sigue de las otras propiedades.
Considere V = F con la suma vectorial como la suma en el campo pero la multi-
plicación por escalares dada por a · v = 0V para todo elemento a ∈ F y v ∈ V . Con
estas operaciones, resulta que V no es un F espacio vectorial.
2
3. RR considerando a las parejas ordenadas como matrices de un renglón y dos co-
lumnas. En general esto es claro para R Rn .

4. Por lo que se mencionó de las matrices con coeficientes en un campo y considerando

su multiplicación por escalares entonces F Mm×n (F ).
Una construcción importante que debe mencionarse es el producto directo. Considere
F un campo y Ω un conjunto no vacío. Suponga que para cada i ∈ Ω se tiene un F
espacio vectorial Vi , con su suma vectorial denotada por +i (los Qespacios vectoriales Vi
no están restringidos a ser distintos entre
S sí). Si se recuerda que i∈Ω Vi es el conjunto
de todas las funciones f con f : Ω → i∈Ω Vi que satisfacen la condiciónQde que f (i) ∈ Vi
para cada i ∈ Ω. Defínase ahora la estructura de espacio vectorial de i∈Ω Vi como:

8
 Q Q
a. Si f , g ∈ i∈Ω Vi entonces f + g es una función en i∈Ω Vi dada por

(f + g)(i) = f (i) +i g(i).

Para cada i ∈ Ω.
Q Q
b. Si a ∈ F y f ∈ i∈Ω Vi entonces a · f es la funci ’on en i∈Ω Vi dada por

(a · f )(i) = a[f (i)].

Para cada i ∈ Ω.

Es claro que el elemento identidad para la suma de este espacio vectorial esta dado por
la función constante cero 0(i) = 0Vi para cada i ∈ Ω. En caso de que Ω sea un conjunto
finito, es decir, Ω = {1, . . . , n}, entonces se suele denotar

V1 × · · · × Vn ,

en lugar de Y
Vi .
i∈Ω

En caso de que todos los espacios vectoriales Vi sean iguales, entonces se denota

VΩ

en lugar de Y
Vi .
i∈Ω

Si Ω = {1, . . . , n} entonces se escribe

Vn
en lugar de
V Ω.
Las propiedades que se pueden deducir de la axiomatización de espacio vectorial son:
Teorema 4. Sea F V y considere u, v, w, z ∈ V y ∈ F entonces:
1. Si z + v = v para cualquier v ∈ V entonces z = 0V .

2. Para v, w ∈ V existe un elemento único y ∈ V tal que

v + y = w.

3. a · 0V = 0V .

4. 0 · v = 0V .

5. (−1) · v = −v.

9
 6. (−a) · v = −(a · v) = a · (−v).

7. −(−v) = v.

8. a · v = (−a) · (−v).

9. −(v + w) = −v − w.

10. a · (v − w) = av − aw.

11. Si a · v = 0V entonces a = 0F o v = 0V .

Definición 11. Si V es un espacio vectorial sobre un campo F y U ⊆ V se dice que U

es subespacio vectorial de V, denotado por F U ≤F V si con las mismas operaciones
de V pero restringidas a U , U es un espacio vectorial.

Para cualquier espacio vectorial V y subespacio W se dice que W es subespacio propio

de V si W ( V y es impropio si W = V . Debido a que {0V } siempre es subespacio
propio de V y V siempre es subespacio impropio de V ambos se conocen como los
subespacios triviales de V .
Es claro que se la definición puede demostrarse que:

Teorema 5. Son equivalentes para U ⊆ V

FU ≤F V

U cumple:
a. El neutro aditivo de V pertenece a U , 0V ∈ U .
b. Si x, y ∈ U entonces x +V y ∈ U , es decir U es cerrado bajo la suma de V .
c. Si u ∈ U y a ∈ F entonces a · u ∈ U , es decir U es cerrado bajo la multipli-
cacoón por escalares de V .

Ejemplo 7. Los ejemplos triviales:

F {0V } ≤F V .

FV ≤F V .

Los no triviales:

Si F V = R entonces Q es un subespacio vectorial.

Si F V =R R2 entonces W = {(x, y) : y = kx con k ∈ R} es subespacio de R2 .

Si F V = Mn (F ) entonces W = {A ∈ Mn (F ) : aij = 0 para i < j} es un subespacio

vectorial.

Una observación importante que sale aplicando las definiciones es:

10
Teorema 6. Si Ω es un conjunto no vacío y {Wi }i∈Ω es un familia de subespacios de
F V entonces \
Wi ≤F V.
i∈Ω

Se dice que si W, W 0 ≤ V son ajenos si y sólo si W ∩ W 0 = {0V }. En general si se tiene

una familia de subespacios de un espacio vectorial V , {Wi }i∈Ω se dice que son ajenos
dos a dos si y sólo si Wi ∩ Wj = {0V } para cualquier i, j ∈ Ω.
Observación 4. Es importante hacer notar que la unión de subespacios, en general no
es un subespacio.
Razón: Para argumentar esto considere V = R2 y los subespacios: W1 = {(0, y) : y ∈
R} y W2 = {(x, 0) : x ∈ R}.
Si se realiza su unión se tiene que:
W1 ∪ W2 = {(x, y) : x = 0 o y = 0} de esta forma (1, 0) ∈ W2 ⊆ W1 ∪ W2 y
(0, 1) ∈ W1 ⊆ W1 ∪ W2 además (1, 0) + (0, 1) = (1, 1) ∈
/ W1 ∪ W2 .
Definición 12. Sea V un F espacio vectorial. Una F -combinación lineal de
un conjunto {vi : vi ∈ V, i ∈ I} ⊆F V con I un conjunto indexador, es una suma
finita
Xn
ai vi
i=1

con ai ∈ F .

El generado de un conjunto S = {vi }ni=1 ⊆F V denotado por

( k )
X
hSi = F S = L (S) = ai vi : 1 ≤ k ≤ n, ai ∈ F, vi ∈ S
i=1

Si se toma al conjunto vacío ∅ ⊆F V se define el generado del vacío como

h∅i = {0V }.

Ejemplo 8. El ejemplo trivial

h{0V }i = {0V }.
El no trivial
h{(−1, 0)}i = {(x, 0) : x ∈ R}.
Definición 13. Un conjunto S = {vi }i∈I con vi ∈F V se dice que es
Linealmente dependiente si existen un número finito de escalares no todos cero
{ai }ni=1 tales que
Xn
ai vi = 0 con vi ∈ S.
i=1

11
 Linealmente independiente si no es dependiente, Pn es decir si para cualquier
combinación lineal de elementos de S si se tiene i=1 ai vi = 0 es porque ai = 0
para toda 1 ≤ i ≤ n.

Al igual que las propiedades de unión e intersección de conjuntos, en donde se tiene

la propiedad de elemento mínimo y máximo por contención, el generado cumple ser el
subespacio más pequeño que contiene al conjunto (minimal ) tal y como se muestra
en el siguiente resultado.

Teorema 7. Si S es un subconjunto propio de un espacio vectorial F V , entonces

1. hSi ≤ V .

2. hSi es el subespacio más pequeño en V que contiene a S, es decir cualquier otro

subespacio de V que contiene a a S también contiene a hSi.
T
3. Para W ≤ V tal que S ⊆ W , se tiene hSi = W ≤V W .

Es momento de estudiar con detenimiento el comportamiento del generador de un con-

junto.

Proposición 1. Sea V un F -espacio vectorial y considere S1 , S2 ⊆ V que cumplen la

siguiente condición S1 ⊆ S2 ⊆ hS1 i. Entonces

hS1 i = hS2 i .

Es claro a partir de este resultado deducir que

Corolario 1. Para S ⊆ V se tiene que

hSi = hhSii .

Teorema 8. (Reemplazo) Sea V un F - espacio vectorial y considere v, w ∈ V . Si

S ⊆ V cumple que v ∈ hS ∪ {w}i − hSi entonces

w ∈ hS ∪ {v}i .

Si se tiene un F espacio vectorial V en donde un conjunto finito S cumple que

hSi = V

entonces se dice que V es finitamente generado o que tiene un generador finito.

12