ESPACIOS VECTORIALES

Hugo Eduardo Ramirez

ESPACIOS VECTORIALES

DEFINICION Y EJEMPLOS

Secci
on 1: DEFINICION Y EJEMPLOS
La idea de esta nueva unidad es generalizar lo visto en R2 , R3 y en general en Rn en una estructura m
as amplia que
llamaremos, espacios vectoriales.
Definici
on. Una estructura hV, +, i donde V es un conjunto y las operaciones + y cumplen las siguientes propiedades.
Supongamos que u, v, w V y que , R
S1. V es cerrado bajo +, es decir si u, v V entonces u + v V
S2. Conmutativa de la suma u + v = v + u
S3. Asociativa de la suma u + (v + w) = (u + v) + w
S4. Existe un elemento llamado el ~0 talque
u + ~0 = u u V
S5. Para cada elemento u V existe un elemento llamado u tal que
u + (u) = ~0
M1. V es cerrado bajo , es decir si u V y R entonces u V
M2. Distributiva sobre la suma vectorial (u + v) = u + v
M3. Distributiva sobre la suma escalar ( + ) u = u + u
M4. Triple producto ( u) = () u
M5. Unidad 1 u = u
se llama un espacio vectorial, los elementos de V se llaman vectores y las operaciones + y se llaman suma vectorial
y multiplicaci
on por escalar, en general la operacion de multiplicacion no se escribe, es decir u = u.
En los siguientes ejemplos, para ver que son espacios vectoriales, se debe demostrar que cumple las 10 propiedades de la
definici
on anterior.
Ejemplo.

Como vimos en anteriores lecturas R2 y R3 son espacios vectoriales con la suma y multiplicacion escalar usuales.

Ejemplo. Mnm las matrices con las operaciones de suma y multiplicacion escalar usuales. Es facil ver que la matriz
0nm es el vector ~0, adem
as que el opuesto de una matriz A es A el opuesto de cada una de sus componentes. El estudiante
puede verificar que se cumplen las 10 propiedades.
Ejemplo. Rn , si vemos que los elementos de Rn son precisamente matrices 1 n entonces podemos pensar las operaciones
como la suma y multiplicaci
on por escalar de matrices, y as sera un caso particular del ejemplo anterior.
Ejemplo. Pn los polinomios de grado menor o igual que n, donde los polinomios constantes, al igual que el polinomio 0,
se consideran de grado 0. Recordemos que un polinomio en x, p(x) es una funcion que puede expresarse de la forma
p(x) = a0 + a1 x + a2 x2 + + an xn
donde el grado es la mayor potencia cuyo coeficiente no sea nulo.
NOTA. Consideraremos solo polinomios en x, por eso no haremos enfasis en la variable.
si p, q son dos polinomios de grado menor o igual que n, la suma se hace componente a componente es decir
p

= a0 + a1 x + a2 x2 + + an xn

= b0 + b1 x + b2 x2 + + bn xn

p+q
1

(a0 + b0 ) + (a1 + b1 )x + (a2 + b2 )x2 + + (an + bn )xn

ESPACIOS VECTORIALES

DEFINICION Y EJEMPLOS

y la multiplicaci
on por escalar es multiplicar cada coeficiente por el escalar es decir:
p = (a0 ) + (a1 )x + (a2 )x2 + + (an )xn
Con estas operaciones Pn es un espacio vectorial. Este espacio se parece mucho a Rn+1 Por que?
Ejemplo.
vectorial.

P todos polinomios, con la suma y multiplicacion de polinomios del ejemplo anterior tambien es un espacio

Ejemplo. hR+ , , i, es de notar que aunque el conjunto de vectores es el conjunto de reales positivos, se comporta muy
diferente de los reales porque la suma y multiplicacion por escalar estan definidos de la siguiente forma:
u, v R+ Definimos u v = uv
u R+ , R Definimos  u = u
La suma de este espacio vectorial es la multiplicacion usual y la multiplicacion por escalar es la potenciacion. Veamos como
se demostraran varias de las propiedades de la definicion de espacio vectorial.
S1. R+ es cerrado bajo .
Sean u, v R+ entonces u v = uv R+ porque la multiplicacion de positivos es positiva.
S2. Conmutativa de la suma u v = uv = vu = v u
S3. Asociativa de la suma u (v w) = uvw = (u v) w
S4. Existe un elemento llamado el ~0 = 1 tal que:
u ~0 = u1 = u u R+
o sea que el vector ~0 es el n
umero 1.
S5. Para cada elemento u R+ existe un elemento llamado u =
u (u) = u

1
tal que
u

1
= 1 = ~0
u

o sea que el opuesto, es el reciproco.

Las propiedades de multiplicaci
on las puede verificar el lector.
Teorema 1.1 Si V es un espacio vectorial, entonces
1. 0u = ~0 para todo u V
2. ~0 = ~0 para todo R
3. S u = 0, entonces = 0
o u = ~0
4. (1)u = u para todo u V
Demostraci
on.
1. Para demostrar esto haremos uso de la propiedad del n
umero 0, 0 + 0 = 0.
Note que a priori no se sabe cuanto es el resultado de 0u y queremos demostrar que es ~0.
0u =

(0 + 0)u Distributiva (M 3)

0u =

0u + 0u Sumo el opuesto de 0u

0u 0u =

(0u + 0u) 0u Asociativa

0u 0u = 0u + (0u 0u) Opuesto dos veces (S5)

~0 = 0u + ~0 Modulo (S4)
~0 = 0u
2

ESPACIOS VECTORIALES

DEFINICION Y EJEMPLOS

2. La demostraci
on es muy parecida a la anterior.
3. Para demostrar este ejercicio es suficiente asumir que cu = ~0 y que c 6= 0 para demostrar que entonces u = ~0 (Por
que?)
u = ~0
1
1
(u) = ~0

1
(u) = ~0

1
( )u = ~0

1u = ~0
u = ~0

Multiplicamos por el opuesto de

Usando la propiedad anterior
Triple producto M 4

Unidad M 5

4. Note que en este numeral se pretende demostrar que (1)u es el elemento u de la propiedad S5, la demostraci
on
puede hacerla el lector.
Ejemplo. Demostrar que V = {a0 + a1 x + + an xn : a0 + a1 + + an } (El conjunto de polinomios cuyos coeficientes
suman 0) es un espacio vectorial.
Para tal fin vamos a probar las diez propiedades. Sean P1 = a0 + a1 x + + an xn , P2 = b0 + b1 x + + bp xp , P3 =
c0 + c1 x + + ck xk polinomios arbitrarios de V y sean , R. Supongamos que la maxima potencia se encuentra en
P1 , es decir n y de ahora en adelante escribiremos P2 y P3 con coeficientes hasta el n sencillamente a
nadiendo el resto de
coeficientes (bp+1 , . . . ; ck+1 . . . ) como el n
umero 0.
S1 Queremos ver que P1 + P2 V es decir que la suma de los coeficientes da cero.
P1 + P2

(a0 + a1 x + + an xn ) + (b0 + b1 x + + bn xn )

(a0 + b0 ) + (a1 + b1 )x + + (an + bn )xn

donde
(a0 + b0 ) + (a1 + b1 ) + + (an + bn )

(a0 + a1 + + an ) + (b0 + b1 + + bn )

(a0 + a1 + + an ) + (b0 + b1 + + bp ) + (bp+1 + . . . bn )

0+0+0=0

Por lo que P1 + P2 V
S2 Asociativa:
P1 + (P2 + P3 )

(a0 + (b0 + c0 )) + (a1 + (b1 + c1 ))x + + (an + (bn + cn ))xn

((a0 + b0 ) + c0 ) + ((a1 + b1 ) + c1 )x + + ((an + bn ) + cn )xn

(P1 + P2 ) + P3

S3 Conmutativa:
P1 + P2

(a0 + b0 ) + (a1 + b1 )x + + (an + bn )xn

(b0 + a0 ) + (b1 + a1 )x + + (bn + an )xn

= P 2 + P1
S4 El m
odulo es ~0 = 0 = 0 + 0x + . . . 0xn .
S5 P1 = (ao ) + (a1 )x + + (an )xn .
M1 Queremos ver que P1 V para esto recordemos que P1 = (a0 )+(a1 )x+ +(an )xn y veamos que sus coeficientes
suman cero:
a0 + a1 + + an = (a0 + a1 + + an ) = 0 = 0
3

ESPACIOS VECTORIALES

SUBESPACIOS

M2 Distributiva:
(P1 + P2 )

((a0 + b0 ) + (a1 + b1 )x + + (an + bn )xn )

(a0 + b0 ) + (a1 + b1 )x + + (an + bn )xn

(a0 + b0 ) + (a1 + b1 )x + + (an + bn )xn

P1 + P2

M3 Distributiva:
( + )P1

( + )a0 + (( + )a1 )x + + (( + )an )xn

(a0 + a0 ) + (a1 + a1 )x + + (an + an )xn

= P1 + P1
M4 Triple producto:
(P1 )

(a0 + (a1 )x + + (an )xn )

(a0 ) + (a1 )x + + (an )xn

()P1

M5 Unidad:
1P1

1(a0 + a1 x + + an xn )

= a0 + a1 x + + an xn
= P1
Por lo que concluimos que V es un espacio vectorial.

Secci
on 2: SUBESPACIOS
Definici
on. Sea V un espacio vectorial y W un subconjunto V . Decimos que W es un subespacio de V si W en s mismo
es un espacio vectorial.
Note que al ser W espacio vectorial en si mismo, debe contener al vector ~0.
Ejemplo. El subespacio trivial es subespacio vectorial mas peque
no que podra tener un espacio vectorial V ; es el espacio
que solo contiene al ~0, es decir, {~0} es un espacio vectorial.
Teorema 2.1 Para saber si un subconjunto no vaco W de un espacio vectorial V es un subespacio, es suficiente con
probar las propiedades (S1) y (M 1).
Demostraci
on.

Note que la mayora de propiedades se tienen en W porque se cumplen en V .

Ejemplo. En R3 un plano que pasa por el origen es un subespacio vectorial.

Sea 1 : v1 x + v2 y + v3 z = 0 y recordemos que esta igualado a 0 porque el plano contiene el origen (ahora llamado ~0) y
en su forma vectorial la ecuaci
on del plano queda 1 : (v1 , v2 , v3 ) (x, y, z) = 0, lo que significa que son todos los vectores
ortogonales al vector normal v = (v1 , v2 , v3 ). Probemos entonces las propiedades.
S1. Sean x = (x1 , x2 , x3 ), y = (y1 , y2 , y3 ) dos vectores del plano, lo que quiere decir que v x = 0 y v y = 0, entonces la
suma x + y tambien est
a en el plano, pues cumple la ecuacion del plano v (x + y) = v x + v y = 0.
M1. Si R un escalar, el vector x, est
a en el plano gracias al triple producto v (x) = (v x) = 0
4

ESPACIOS VECTORIALES

COMBINACION LINEAL

Teorema 2.2 La intersecci

on de subespacios es tambien un subespacio.
Demostraci
on. Sean S, T dos subespacios del espacio vectorial V , queremos demostrar que S T es un subespacio vectorial
de V , para esto probaremos las dos propiedades de clausura:
S1. Sean x1 , x2 S T , lo que quiere decir que x1 , x2 S por lo que como S es un subespacio de V es cerrado bajo la
suma, es decir x1 + x2 S y x1 , x2 T y por un argumento similar tenemos x1 + x2 T , entonces x1 + x2 S T .
M1. Sea R como x1 S entonces x1 S y como x1 T entonces x1 T , por lo que concluimos x1 S T


Sea V = M2 espacio vectorial
 de matrices 2 2 y sean
 S = A M2 | a12 = 0 las matrices que en la primera
a b
fila y segunda columna tienen 0, y T = A M2 | A =
b a
Tanto S, como T son subespacios vectoriales de M2 , veamos para S.






a11 0
b
0
a11 + b11
0
S1. Sean A =
y B = 11
entonces A + B =
S pues tiene la componente (12)
a21 a22
b21 b22
a21 + b21 a22 + b22
en 0.


a11
0
M1. Sea R, entonces A =
S pues su componente (12) es 0.
a21 a22

Ejemplo.

Ahora para T :






a1 a2
b1 b2
a 1 + b1
S1. Sean A =
yB=
, entonces A + B = A =
a2 a1
b2 b1
a 2 + b2
b = a2 + b2 vemos que A + B T


a1 a2
M1. Sea R, entonces A =
la cual vemos que esta en T .
a2 a1

(a2 + b2 )
a1 + b1


si llamamos a = a1 + b1 y

Por lo tanto S y T son subespacios del espacio

y la interseccion por el teorema anterior tambien es un
 de matrices 2 2 
a 0
subespacio, el siguiente subespacio S T = A M2 | A =
, es decir las matrices I.
0 a

Secci
on 3: COMBINACION LINEAL

Definici
on.
si

Sean v1 , v2 , . . . , vn vectores de V espacio vectorial. El vector v es una combinacion lineal de v1 , v2 , . . . , vn

v = c1 v1 + c2 v2 + + cn vn

para ciertos n
umeros reales c1 , c2 . . . , cn .
Ejemplo.
c(0, 0, 1)

es claro porque (a, b, c) = a(1, 0, 0) + b(0, 1, 0) +

En R3 todos los vectores son combinaciones lineales de , , k,

Definici
on.

Sean v1 , v2 , . . . , vn vectores de V espacio vectorial. El espacio generado por {v1 , v2 , . . . , vn } es

gen{v1 , v2 , . . . , vn } = {c1 v1 + c2 v2 + + cn vn | c1 , c2 , . . . , cn R}

Es decir, el generado por {v1 , v2 , . . . , vn } es el conjunto de todas las combinaciones lineales de los vectores v1 , v2 , . . . , vn .
Note que gen{v1 , v2 , . . . , vn } podra ser todo el espacio V en este caso se dice que v1 , v2 , . . . , vn generan todo el espacio V
5

ESPACIOS VECTORIALES

COMBINACION LINEAL

Teorema 3.1 Sean v1 , v2 , . . . , vn vectores de V espacio vectorial. El gen{v1 , v2 , . . . , vn } es un subespacio vectorial de V .

Demostraci
on.

La prueba es muy sencilla, pues

u = a1 v1 + a2 v2 + + an vn
v
u+v

= b1 v1 + b2 v2 + + bn vn
=

(a1 + b1 )v1 + (a2 + b2 )v2 + + (an + bn )vn

y
v = (a1 )v1 + (a2 )v2 + + (an )vn

Ejemplo.

En R3 , , , k generan todo R3

Ejemplo. En Pn , los vectores 1, x, x2 , . . . xn generan Pn ; es claro por la forma misma de los polinomios, es decir a0 + a1 x +
a2 x2 + + an xn

2
1
Ejemplo. En R3 encontraremos cual es gen 2 , 0 Por definicion el generado es

1
1

1
2
2

1
gen 2 , 0 = 2 + 0 , , R

1
1
1
1
Es decir que la apariencia de un vector (x, y, z) del generado debe ser


1
2
x
2 + 0 = y
1
1
z

+ 2
x
2 = y
+
z
solucionando el sistema para y

1 0 | y2
2 0 | y
1 2 | x
1
2 0 | y R2 R1 1 2 | x R1 1/2(R1 ) 1 2 | x R2 R2 R1 0

1 1 | z 1 1 | z
1 1 | z
1

y
y
1 0 |
1 0 |
1 0
2
2
R3 R3 R1 0 2 | x y2 R3 R2 0 1 | z y2 R3 R3 2R2 0 1

0 1 | z y2
0 2 | x y2
0 0
Para que este sistema tenga soluci
on debe ocurrir que x +
plano, el generado por (1, 2, 1) y (2, 0, 1).
Cu
anto da (1, 2, 1) (2, 0, 1) ? Justifique su respuesta.

y
2

0
2
1

y
|
2
| x y2
|
z

|
2
|
z y2
| x + y2 2z

2z = 0, es decir que 1 : 2x + y 4z = 0 es la ecuaci

on de un

Ejemplo. En P2 generan todo el espacio los vectores 1 + x, 1 x2 , x + x2 ? Es decir todos los vectores a0 + a1 x + a2 x2 P2
se pueden escribir como combinaci
on lineal de 1 + x, 1 x2 , x + x2 ?, veamos si se puede solucionar el sistema:
a0 + a1 x + a2 x2

= (1 + x) + (1 x2 ) + (x + x2 )

a0 + a1 x + a2 x2

( + )1 + ( + )x + ( + )x2

Resolver el sistema

a0

= +

a1

( + )

Para 1

a2

( + )

Para x
Para x2

ESPACIOS VECTORIALES

Resolver para , y

1 1 0 | a0
1
1 0 1 | a1 R2 R2 R1 0

0 1 1 | a2
0

EJERCICIOS PROPUESTOS

1 0 |
a0
1
1 1 | a1 a0 R3 R3 R2 0

1 1 |
a2
0

2
1
0

0 |
a0
1 |
a1 a0
0 | a2 + a0 a1

El sistema tiene soluci

on siempre que a2 + a0 a1 = 0, pero si no pasa, el sistema no tiene solucion. Si la condici
on no se
cumple, como es el caso de a0 = 1, a1 = 1, a2 = 1 el polinomio a0 + a1 x + a2 x2 = 1 + x + x2 no se puede escribir como
combinaci
on lineal de 1 + x, 1 x2 , x + x2 y por tanto no esta en el generado de {1 + x, 1 x2 , x + x2 }, en conclusi
on
gen{1 + x, 1 x2 , x + x2 } =
6 P2

Secci
on 4: EJERCICIOS PROPUESTOS
1. Demostrar que en R3 una recta que pasa por el origen es un subespacio.
2. En R2 si cambiamos la suma por (x1 , y1 ) + (x2 , y2 ) = (x1 + x2 + 1, y1 + y2 ), sigue siendo R2 un espacio vectorial?
3. En Pn , sea H el conjunto dado por H = {p Pn : p(0) = 0} es H un subespacio?
4. En Pn , sea H el conjunto dado por H = {p Pn : p(1) = 0} es H un subespacio?
5. En Pn , sea H el conjunto dado por H = {p Pn : p(0) = 1} es H un subespacio?
6. Demostrar que las matrices simetricas n n, es un subespacio de Mnn




 

 a b
a b
1 2
1 2
a

7. Sea W =
M22 
=
c d
c d
1 1
1 1
c

b
d



a. Mostrar que W es subespacio de M22

b. Que forma deben tienen las matrices de W ? (Condiciones sobre a, b, c, d)
8. * Sea V un espacio vectorial de dimensi
on finita y H V subespacio vectorial de V . Demostrar que existe un subespacio
vectorial de V , K tal que H K = V y H K = {0}
Nota. H K es el menor espacio que contiene a H y a K.
9. Si u, v V espacio vectorial, demostrar que existe un u
nico w V tal que u + w = v.
10. Encuentre un conjunto generador para el plano x + 2y z = 0.
11. Encuentre la ecuaci
on del plano gen{(1, 1, 1), (1, 0, 1)}.
12. Encuentre un conjunto generador de las matrices diagonales en Mnn .
13. Encuentre un conjunto generador de las matrices simetricas en Mnn .