Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Lectura6 PDF
Lectura6 PDF
La idea de esta nueva unidad es generalizar lo visto en R2 , R3 y en general en Rn en una estructura más amplia que
llamaremos, espacios vectoriales.
Definición. 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 α, β ∈ 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
u + (−u) = ~0
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 multiplicación por escalar, en general la operación de multiplicación no se escribe, es decir α · u = αu.
En los siguientes ejemplos, para ver que son espacios vectoriales, se debe demostrar que cumple las 10 propiedades de la
definición anterior.
Ejemplo. Como vimos en anteriores lecturas R2 y R3 son espacios vectoriales con la suma y multiplicación escalar usuales.
Ejemplo. Mn×m las matrices con las operaciones de suma y multiplicación escalar usuales. Es fácil ver que la matriz
0n×m es el vector ~0, además 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 multiplicación por escalar de matrices, y ası́ serı́a 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 función 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 énfasis 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
q = b0 + b1 x + b2 x2 + · · · + bn xn
1
ESPACIOS VECTORIALES DEFINICION Y EJEMPLOS
Con estas operaciones Pn es un espacio vectorial. Este espacio se parece mucho a Rn+1 ¿Por qué?
Ejemplo. P todos polinomios, con la suma y multiplicación de polinomios del ejemplo anterior también es un espacio
vectorial.
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 multiplicación por escalar están definidos de la siguiente forma:
∀u, v ∈ R+ Definimos u ⊕ v = uv
∀u ∈ R+ , α ∈ R Definimos α u = uα
La suma de este espacio vectorial es la multiplicación usual y la multiplicación por escalar es la potenciación. Veamos como
se demostrarı́an varias de las propiedades de la definición de espacio vectorial.
S1. R+ es cerrado bajo ⊕.
Sean u, v ∈ R+ entonces u ⊕ v = uv ∈ R+ porque la multiplicación de positivos es positiva.
S2. Conmutativa de la suma u ⊕ v = uv = vu = v ⊕ u
u ⊕ ~0 = u1 = u ∀u ∈ R+
1. 0u = ~0 para todo u ∈ V
2. α~0 = ~0 para todo α ∈ R
3. Sı́ αu = 0, entonces α = 0 ó u = ~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 Módulo (S4)
~0 = 0u
2
ESPACIOS VECTORIALES DEFINICION Y EJEMPLOS
4. Note que en este numeral se pretende demostrar que (−1)u es el elemento −u de la propiedad S5, la demostración
puede hacerla el lector.
P1 + P2 = (a0 + a1 x + · · · + an xn ) + (b0 + b1 x + · · · + bn xn )
= (a0 + b0 ) + (a1 + b1 )x + · · · + (an + bn )xn
donde
Por lo que P1 + P2 ∈ V
S2 Asociativa:
S3 Conmutativa:
S4 El módulo es ~0 = 0 = 0 + 0x + . . . 0xn .
S5 −P1 = (−ao ) + (−a1 )x + · · · + (−an )xn .
M1 Queremos ver que αP1 ∈ V para esto recordemos que αP1 = (αa0 )+(αa1 )x+· · ·+(αan )xn y veamos que sus coeficientes
suman cero:
αa0 + αa1 + · · · + αan = α(a0 + a1 + · · · + an ) = α0 = 0
3
ESPACIOS VECTORIALES SUBESPACIOS
M2 Distributiva:
M3 Distributiva:
M4 Triple producto:
M5 Unidad:
1P1 = 1(a0 + a1 x + · · · + an xn )
= a0 + a1 x + · · · + an xn
= P1
Sección 2: SUBESPACIOS
Definición. Sea V un espacio vectorial y W un subconjunto V . Decimos que W es un subespacio de V si W en sı́ 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 más pequeño que podrı́a 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 vacı́o W de un espacio vectorial V es un subespacio, es suficiente con
probar las propiedades (S1) y (M 1).
4
ESPACIOS VECTORIALES COMBINACION LINEAL
Demostración. 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 α ∈ R como x1 ∈ S entonces αx1 ∈ S y como x1 ∈ T entonces αx1 ∈ T , por lo que concluimos αx1 ∈ S ∩ T
Ejemplo. 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.
αa11 0
M1. Sea α ∈ R, entonces αA = ∈ S pues su componente (12) es 0.
αa21 αa22
Ahora para T :
a1 −a2 b1 −b2 a 1 + b1 −(a2 + b2 )
S1. Sean A = yB= , entonces A + B = A = si llamamos a = a1 + b1 y
a2 a1 b2 b1 a 2 + b2 a1 + b1
b = a2 + b2 vemos que A + B ∈ T
αa1 −αa2
M1. Sea α ∈ R, entonces αA = la cual vemos que está en T .
αa2 αa1
de matrices 2 × 2
Por lo tanto S y T son subespacios del espacio y la intersección por el teorema anterior también es un
a 0
subespacio, el siguiente subespacio S ∩ T = A ∈ M2 | A = , es decir las matrices αI.
0 a
Ejemplo. En R3 todos los vectores son combinaciones lineales de ı̂, ̂, k̂, es claro porque (a, b, c) = a(1, 0, 0) + b(0, 1, 0) +
c(0, 0, 1)
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 } podrı́a ser todo el espacio V en este caso se dice que v1 , v2 , . . . , vn generan todo el espacio V
5
ESPACIOS VECTORIALES COMBINACION LINEAL
6
ESPACIOS VECTORIALES EJERCICIOS PROPUESTOS
Resolver para α, β y γ
1 1 0 | a0 1 1 0 | a0 1 2 0 | a0
1 0 1 | a1 R2 → R2 − R1 0 −1 1 | a1 − a0 R3 → R3 − R2 0 −1 1 | a1 − a0
−−−−−−−−−−→ −−−−−−−−−−→
0 −1 1 | a2 0 −1 1 | a2 0 0 0 | a2 + a0 − a1
El sistema tiene solución siempre que a2 + a0 − a1 = 0, pero si no pasa, el sistema no tiene solución. Si la condición 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
combinación lineal de 1 + x, 1 − x2 , x + x2 y por tanto no está en el generado de {1 + x, 1 − x2 , x + x2 }, en conclusión
gen{1 + x, 1 − x2 , x + x2 } =
6 P2
8. * Sea V un espacio vectorial de dimensión 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 único w ∈ V tal que u + w = v.