Documentos de Académico
Documentos de Profesional
Documentos de Cultura
14 de enero de 2011
Índice
13.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
13.2. Motivación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
13.3. Abstracción y Generalización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
13.4. Generalización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
13.5. El concepto de operación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
13.6. Espacio Vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
13.7. Teoremas sobre espacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
13.8. Ejemplos de EV . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
13.9. Subespacio Vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
13.1. Objetivos
En esta lectura se introduce el concepto de espacio vectorial. Este concepto generaliza los vectores n y las
matrices m × n. El concepto es abstracto y por tanto tiene alguna dificultad natural; se le pide al estudiante
un esfuerzo extra para pensar las cosas desde un punto de vista general.
13.2. Motivación
Veamos un ejemplo para introducir el concepto de las ideas invariantes en la solución a un sistema de
ecuaciones lineales.
Ejemplo 13.1
Considere el sistema homogéneo:
x + 2y + w + 2t = 0
2x + 4y − z + w + 5t = 0
x + 2y + z + 2w + t = 0
z+w−t = 0
Si utilizamos el orden x → y → z → w → t la matriz aumentada reducida queda:
1 2 0 1 2 0 1 2 0 1 2 0
2 4 −1 1 5 0 0 0 1 1 −1 0
→
1 2 1 2 1 0 0 0 0 0 0 0
0 0 1 1 −1 0 0 0 0 0 0 0
De donde la fórmula para las soluciones son:
x −2 −1 −2
y 1 0 0
z =y
0 +w
−1 +t
1
w 0 1 0
t 0 0 1
Si utilizamos el orden x → y → w → z → t la matriz aumentada reducida queda:
1 2 1 0 2 0 1 2 0 −1 3 0
2 4
1 −1 5 0 → 0 0 1
1 −1 0
1 2 2 1 1 0 0 0 0 0 0 0
0 0 1 1 −1 0 0 0 0 0 0 0
De donde la fórmula para las soluciones son:
x −2 1 −3
y 1 0 0
z =y 0 +z 1 +t 0
w 0 −1 1
t 0 0 1
Si utilizamos el orden x → y → t → z → w la matriz aumentada reducida queda:
1 2 2 0 1 0 1 2 0 2 3 0
2 4
5 −1 1 0 → 0 0 1 −1 −1 0
1 2 1 1 2 0 0 0 0 0 0 0
0 0 −1 1 1 0 0 0 0 0 0 0
De donde la fórmula para las soluciones son:
x −2 −2 −3
y 1 0 0
z =y 0 +z 1 +w 0
w 0 0 1
t 0 −1 1
Si utilizamos el orden y → x → z → w → t la matriz aumentada reducida queda:
1 1
2 1 0 1 2 0 1 0 1 0
4 2 −1 1 5 0
2 2
→ 0 0 1 1 −1 0
2 1 1 2 1 0
0 0
0 0 0 0
0 0 1 1 −1 0 0 0 0 0 0 0
De donde la fórmula para las soluciones son:
x 1 0 0
y
−1/2
−1/2
−1
z =x
0 +w
−1 +t
1
w 0 1 0
t 0 0 1
Todas las soluciones previas aparentant ser diferentes, sin embargo, todas representan el mismo conjunto
solución. Necesitamos una teorı́a que nos dé confianza en los resultados obtenidos; qué nos indique las co-
sas que permanecen y las cosas que pueden cambiar en las múltiples respuestas válidas en Rn que podemos
obtener. Además de los conjuntos solución en Rn , existen otras áreas de la ingenierı́a que requieren un
apoyo matemático: las matrices tienen su importancia y uso en ingenierı́a industrial y en control; las series
trigonométricas en procesamiento de señales; los conjuntos de polinomios y las series de potencias para los
IFIs, etc..
¿Cómo desarrollar una teorı́a comodı́n que se pueda aplicar a diferentes contextos sin ningún cambio impor-
tante?
2
13.3. Abstracción y Generalización
Si se hace una encuesta entre los matemáticos sobre que palabras describen a las matemáticas se notará que
la mayorı́a responde al menos dos palabras claves: abstracción y generalización. La abstracción tiene que ver
con representar cantidades por medio de sı́mbolos ,y la generalización tiene que ver con la construcción de
estructuras o teorı́as que engloban ciertas cosas o hechos conocidos. La que nos interesa más para abrir este
tema es el aspecto de la generalización. La generalización también tiene que ver con la economia del trabajo
realizado para investigar, y con determinar cuáles son los elementos mı́nimos responsables de que ciertos re-
sultados ocurran.
13.4. Generalización
Para entender como ocurre la generalización en nuestra materia recordemos algunos conceptos hemos visto
en diferentes cursos de matemáticas:
1. vectores en el espacio n dimensional (Rn ),
3. polinomios reales,
4. series de pontencias,
5. series trigonométricas, y
(x, y) ⊕ (z, w) = (5 x + z, 2 w + 2 y)
Si
a = (−2, −3) , b = (−1, 3) , c = (−1, −1)
Calcule:
1. a ⊕ b
= (5 · (x = −2) + (z = −1), 2 · (w = 3) + 2 · (y = −3)) = (−11, 0)
2. b ⊕ a
= (5 · (−1) + (−2), 2 · (−3) + 2 · (−1)) = (−7, 0)
3
3. (a ⊕ b) ⊕ c
= (−11, −0) ⊕ (−1, −1) = (5 · (−11) + (−1), 2 · (−1) + 2 · (0)) = (−56, −2)
4. a ⊕ (b ⊕ c)
= (−2, −3) ⊕ (−6, 4) = (−16, 2)
Ejemplo 13.3
Suponga que V = R2 y que se definen las operaciones:
(x, y) ⊕ (z, w) = (2 x, 3 w + y)
y
t (x, y) = (2 t x, 3 t y)
Si
a = (1, 0) , c1 = 1, c2 = −4
Calcule:
1. (c1 + c2 ) a = −3 (1, 0) = (2(−3)(1), 3(−3)(0)) = (−6, 0)
2. (c1 a) ⊕ (c2 a) = (2, 0) ⊕ (−8, 0) = (4, 0)
3. (c1 · c2 ) a = −4 (1, 0) = (−8, 0)
4. c1 (c2 a) = 1 (−8, 0) = (−16, 0)
u ⊕ (v ⊕ w) = (u ⊕ v) ⊕ w (3)
4
En una suma de vectores, no importa el orden cómo asocien la sumas entre dos; el resultado
será siempre el mismo.
(A4) Existe un único vector en V que se simbolizará por 0 y que se llamará el vector cero tal que para cualquier
vector u ∈ V se cumple
u⊕0=0⊕u=u (4)
Este axioma se conoce como el axioma de la existencia del elemento neutro:
Existe en el conjunto un elemento distinguido que sumado con cualquier elemento da el mismo
segundo elemento.
(A5) Para cualquier vector u ∈ V existe un único vector también en V y simbolizado por −u que cumple
Cada elemento del conjunto posee un inverso aditivo; un elemento del conjunto que sumado
con él da el neutro aditivo.
cu∈V (6)
Este axioma se conoce como el axioma de cerradura bajo la multiplicación por escalares:
El resultado del producto entre cualquier escalar por cualquier elemento del conjunto debe dar
como resultado también un elemento del conjunto.
c (u ⊕ v) = (c u) ⊕ (c v) (7)
Este axioma se conoce como la propiedad distributiva del producto (por escalares) sobre la suma (de
vectores):
En un producto de un escalar por una suma de vectores, da lo mismo realizar la suma de los
vectores y el resultado multiplicarlo por el vector que individualmente multiplicar cada vector
por el escalar y después sumar los resultados.
(a + b) u = (a u) ⊕ (b u) (8)
Este axioma se conoce como la propiedad distributiva del producto por escalares sobre la suma escalares.
a (b u) = (a b) u (9)
Esta propiedad se conoce como la ley asociativa del producto entre escalares y el producto de escalar
con vector. Lo llamaremos simplemente como la propiedad asociativa del producto.
5
(M5) Para cualquier vector u ∈ V se cumple
1u=u (10)
Cuando se elabora una argumentación en algún cálculo o demostración uno debe hacer referencia a los axiomas.
Por ellos es que es conveniente y elegante llamarlos por su descripción. Se le pide al alumno que entienda
la lógica de cada uno de ellos y memorice sus descripciones.
Ejemplo 13.4
Indique cual opción enuncia la propiedad distributiva de la suma de escalares sobre el producto.
1.- (c + k) x = (c x) ⊕ (k x) ← Respuesta
2.- x ⊕ 0 = 0 ⊕ x = x
3.- x ⊕ y = y ⊕ x ← Conmutatividad
Ejemplo 13.5
Indique cual opción describe la propiedad:
x⊕0=0⊕x=x
Ejemplo 13.6
Apesar que nuestro interés no es hacer demostraciones matemáticas si es conveniente entender cómo se cons-
truyen. El siguiente argumento prueba que el vector cero es único. Es decir, que si hay otro vector que cumple
la propiedad que define al neutro debe ser el mismo neutro. Justifique los pasos.
Suponga que
x+y =x
Entonces por (a) existe (−x) que al sumarlo en ambos miembros da
(−x) + (x + y) = (−x) + x
((−x) + x) + y = (−x) + x
6
Finalmente, por la propiedad (d) se tiene
y = 0.
1: la propiedad del inverso aditivo, 2: asociativa, 3: del neutro
Respuesta: la correspondencia es (a)=1,(b)=2,(c)=1,(d)=3
13.8. Ejemplos de EV
Veamos algunos de los espacios vectoriales que utilizaremos.
Ejemplo EV 1
Sea V = R+ con las operaciones: x ⊕ y = x · y y c x = xc , veamos que V con tal operaciones cumple los
axiomas de espacio vectorial:
Axioma A1: x ⊕ y ∈ V
Efectivamente, pues si x, y ∈ V entonces x, y > 0 y por tanto x ⊕ y = x · y > 0, probando que x ⊕ y ∈ V .
Axioma A2: x ⊕ y = y ⊕ x
Efectivamente, pues x ⊕ y = x · y = y · x = y ⊕ x. Esto se tiene por la propiedad conmutativa del producto de
números reales.
Axioma A3: x ⊕ (y ⊕ z) = (x ⊕ y) ⊕ z
Efectivamente, pues x ⊕ (y ⊕ z) = x ⊕ (y · z) = x · (y · z) = (x · y) · z = (x · y) ⊕ z = (x ⊕ y) ⊕ z. Esto se tiene
por la propiedad asociativa del producto de números reales.
Axioma A4: Existe en V un neutro para ⊕
Efectivamente, el número 1 de V = R cumple la propiedad requerida pues 1 ⊕ x = 1 · x = x = x · 1 = x ⊕ 1.
Axioma A5: Todo elemento de V posee un inverso aditivo en V
Efectivamente, si x ∈ V es número, 1/x también está en V = R (Pues si x > 0, también se cumple 1/x > 0)
y cumple la propiedad requerida pues x ⊕ 1/x = x · 1/x = 1 = 1/x · x = 1/x ⊕ x.
Axioma M1: c x ∈ V
Efectivamente, pues si x ∈ V entonces x > 0 y c x = xc > 0 para cualquier número c. (Recuerde que para
x > 0, xc = ec ln(x) > 0)
Axioma M2: c (x ⊕ y) = (c x) ⊕ (c y)
Efectivamente, c (x ⊕ y) = c (x · y) = (x · y)c = xc · y c = (xc ) ⊕ (y c ) = (c x) ⊕ (c y). Y esto vale por la
ley de los exponentes con bases positivas.
Axioma M3: (c1 + c2 ) x = (c1 x) ⊕ (c2 x)
Efectivamente, (c1 + c2 ) x = xc1 +c2 = xc1 · xc2 = (xc1 ) ⊕ (xc2 ) = (c1 x) ⊕ (c2 x). Esto vale por la ley de
los exponentes con bases positivas.
Axioma M4: (c1 · c2 ) x = c1 (c2 x)
Efectivamente, (c1 · c2 ) x = xc1 ·c2 = (xc2 )c1 = c1 (xc2 ) = c1 (c2 x). Esto vale por la ley de los exponentes
7
con bases positivas.
Axioma M5: 1 x = x
Efectivamente, 1 x = x1 = x.
Habiéndose cumplido los 10 axiomas, concluimos que V con las operaciones
x⊕y =x·y y
c x = xc
Ejemplo EV 2: Rn
El conjunto de todas las n-adas con componentes reales Rn :
operaciones:
La suma: La suma de dos vectores con n componentes es un vector también con n componentes cuya
componente i-ésima es la suma de las componentes i-ésimas de los vectores que se están sumando:
Axiomas A1 y M1: x + y ∈ Rn y c · x ∈ Rn
De la misma definición de la suma y producto por escalares.
Axioma A2 : x + y = y + x
Los vectores son iguales pues tienen la misma dimensión y al comparar las componente i se tiene
xi + yi = yi + xi
Axioma A3: x + (y + z) = (x + y) + z
Los vectores son iguales pues tienen la misma dimensión y al comparar las componente i se tiene
xi + (yi + zi ) = (xi + yi ) + zi
8
Axioma M3: (c1 + c2 )x = c1 x + c2 x: Los vectores son iguales pues tienen la misma dimensión y al comparar
las componentes i se tiene
(c1 + c2 )xi = c1 xi + c2 xi
Axioma M4: (c1 · c2 )x = c1 (c2 x): Los vectores son iguales pues tienen la misma dimensión y al comparar
las componentes i se tiene
(c1 · c2 )xi = c1 (c2 xi )
Axioma M5: 1 · (xi ) = (1 · xi ) = (xi )
Habiéndose cumplido los 10 axiomas, concluimos que Rn con las operaciones
c(xi ) = (c xi )
Ejemplo EV 3: Mm×n
El conjunto de todas las matrices m × n con componentes reales Mm×n :
operaciones:
La suma: La suma de dos matrices m × n es una matriz también m × n cuyo elemento (i, j) es la suma
de los elementos (i, j) de las matrices que se están sumando:
El producto por escalares: El producto de un escalar por una matriz m × n es también una matriz m × n
cuyo elemento (i, j) es el producto del escalar por el elemento (i, j) de la matriz que se multiplica:
c · (aij ) = (c · aij )
Axioma A4, Existe una matriz neutra bajo la adición: Esta matriz es la matriz con todas sus componentes
cero 0 = (0) y cumple 0 + A = A + 0 = A, pues al comparar los elementos (i, j) componentes se cumple:
9
Axioma M2: c(A + B) = c A + c B: Las matrices son iguales pues tienen la misma dimensión y al comparar
los elementos (i, j) se tiene
c(aij + bij ) = c aij + c bij
Axioma M3: (c1 +c2 )A = c1 A+c2 A: Las matrices son iguales pues tienen la misma dimensión y al comparar
los elementos (i, j) se tiene
(c1 + c2 )aij = c1 aij + c2 aij
Axioma M4: (c1 · c2 )A = c1 (c2 A): Las matrices son iguales pues tienen la misma dimensión y al comparar
los elementos (i, j) se tiene
(c1 · c2 )aij = c1 (c2 aij )
Axioma M5: 1 · (aij ) = (1 · aij ) = (aij )
Habiéndose cumplido los 10 axiomas, concluimos que Mm×n con las operaciones
c(bij ) = (c aij )
Ejemplo EV 4: P
De todos los polinomios con coeficientes reales en la variable x con las operaciones:
Suma: Cuando son dos polinomios, esta operación se lleva a cabo sumando los coeficientes de las mismas
potencias de x de los polinomios.
a0 + a1 x + · · · + am xm
+
b0 + b1 x + · · · + bm xm
=
(a0 + b0 ) + (a1 + b1 ) x + · · · + (am + bm ) xm
Alguno de los polinomios se completa hasta el grado mayor de los dos con coeficientes cero
Por ejemplo, si p(x) = 2 + 3 x2 + x4 y q(x) = 2 − 3 x + x2 − x3 + x4 + 2 x5 escribimos a los
polinomios como
p(x) = 2 + 0 x + 3 x2 + 0 x3 + 1 x4 + 0 x5
q(x) = 2 − 3 x + 1 x2 − 1 x3 + 1 x4 + 2 x5
ası́
p(x) + q(x) = (2 + 2) + (0 − 3) x + (3 + 1) x2 + (0 − 1) x3 + (1 + 1) x4 + (0 + 2) x5
= 4 − 3 x + 4 x2 − x3 + 2 x4 + 2 x5
Multiplicación: La multiplicación por escalar es la multiplicación de todo el polinomio por una cons-
tante:
c(a0 + a1 x + a2 x2 + · · · + am xm )
=
c a0 + c a1 x + · · · + c am xm
10
En lo siguiente supondremos que cada polinomio se escribe en la forma
p(x) = p0 + p1 x + p2 x2 + · · ·
Es decir, que usaremos el nombre del polinomio para nombrar a sus coeficientes y usaremos subı́ndices para
indicar la potencia de x a la cual acompañan.
Axiomas A1 y M1: p(x) + q(x) ∈ P y c · p(x) ∈ P: De la misma definición de la suma de polinomios y
producto por escalares.
Axioma A2 ; p(x) + q(x) = q(x) + q(x): Los polinomios son iguales pues están en la misma variable y
comparando los coeficientes de xi se tiene:
pi + qi = pi + qi
Axioma A3: p(x) + (q(x) + r(x)) = (p(x) + q(x)) + r(x): Los polinomios son iguales pues están en la misma
variable y comparando los coeficientes de xi se tiene:
pi + (qi + ri ) = (pi + qi ) + ri
Axioma A4, Existe un polinomio neutro bajo la adición: Este polinomio es el polinomio con todos sus
coeficientes cero: 0 = 0 = 0 + 0 x y cumple 0 + p(x) = p(x) + 0 = p(x), pues al comparar los coeficientes de xi
se tiene:
0 + pi = pi + 0 = pi
Axioma A5: Cada polinomio de tiene su invero aditivo: Para cada plinomio p(x) = p0 +p1 x+· · · , el polinomio
−p(x) = (−p0 ) + (−p1 ) x + (−p2 )x2 + · · · cumple p(x) + (−p(x)) = (−p(x)) + p(x) = 0, pues al comparar los
coeficientes de xi se tiene:
(−pi ) + pi = 0
Axioma M2: c(p(x) + q(x)) = c p(x) + c q(x): Los polinomios son iguales pues están en la misma variable y
comparando los coeficientes de xi se tiene:
c(pi + qi ) = c pi + c qi
Axioma M3: (c1 + c2 )p(x) = c1 p(x) + c2 p(x): Los polinomios son iguales pues están en la misma variable y
comparando los coeficientes de xi se tiene:
(c1 + c2 )pi = c1 pi + c2 pi
Axioma M4: (c1 · c2 )p(x) = c1 (c2 p(x)): Los polinomios son iguales pues están en la misma variable y
comparando los coeficientes de xi se tiene:
Ejemplo EV 5: Pn
Todos los polinomios con coeficientes reales en la variable x de grado menor o igual que n (n es entero mayor
o igual que cero):
11
a) Suma: Misma que en P.
b) Multiplicación por escalares: Misma que en P.
3 inversos aditivos: El inverso de −p de un polinomio p tiene por coeficientes los opuestos de los coefi-
cientes de p
Ejemplo EV 6: F (R)
El conjunto de todas las funciones de valor real definidas en R:
1 operaciones: Sean f y g dos funciones de valor real con dominio R y sea c cualquier escalar.
a) Suma: Se define la suma de f + g de f y g como la función cuyos valores están expresados por:
b) producto por escalares: Igualmente, el producto por escalar cf se define como sigue:
2 el cero: La función cero, 0 es aquella cuyos valores son todos ceros: 0(x)= 0 para toda x ∈ R.
Ejemplo EV 7: F (A)
De manera más general que en el ejemplo de espacio vectorial 6, si A es un conjunto cualquiera definimos el
conjunto F (A) de todas las funciones de valor real que tienen como dominio A; entonces F (A) es un espacio
vectorial.
Ejemplo EV 8: F (A, V )
De manera más general que en el ejemplo de espacio vectorial 7, si A es un conjunto cualquiera y V es un
espacio vectorial (con una operación suma ⊕ y producto por escalares ) definimos el conjunto F (A, V ) de
todas las funciones que tienen como dominio X y como codominio V . Definimos en F (A, V ) la suma de la
siguiente manera:
f g : A → V
a 7→ f (a) ⊕ g(a)
y definimos el producto por escalares de la siguiente manera:
c f: A → V
a 7→ c f (a)
entonces F (A, V ) es un espacio vectorial. Normalmente, el sı́mbolo usando para la suma de funciones es el
mismo que el usando para la suma de V y el usado para el producto de un escalar por una función es el mismo
que el sı́mbolo del producto por escalares.
12
13.9. Subespacio Vectorial
Como se ha visto probar que un conjunto es un espacio vectorial es un trabajo arduo. Sin embargo, hay
situaciones en las que la prueba se reduce considerablemente: Cuando el conjunto está contenido en un con-
junto mayor que ya es un espacio vectorial. En este caso, como todas las propiedades de los axiomas hacen
referencia a elementos del conjunto y por tanto a elementos al conjunto mayor que ya es espacio vectorial y
por consiguiente se verifican. Salvo posiblemente los axiomas A1 y M1 que hacen referencia a la cerradura.
Definición 13.2
Apesar que en la definción de subespacio está implicita la verificación de los axiomas, el siguiente resultado da
la clave para la verificación de que un conjunto se subespacio.
Teorema
Demostración
Debemos probar que si se cumplen las condiciones marcadas, entonces U con la suma, que ya tenı́a V , y el
producto por escalares, que ya tenı́a V , satisface los 10 axiomas para ser él mismo un espacio vectorial.
newline
A1 Sean x y y dos elementos cualquiera de U . Al cumplirse que U es cerrado bajo la suma, x ⊕ y está en U .
A3 Sean x, y y z elementos cualquiera de U ; por tanto, son elementos de V y como V es espacio vectorial
se cumple A3:
x ⊕ (y ⊕ z) = (x ⊕ y) ⊕ z
A4 Como U no es vacı́o, U tiene al menos un elemento, digamos x. Como U es cerrado bajo el producto por
escalares:
∀c ∈ R, c x ∈ U
En particular, se debe cumplir para c = 0. Ası́, 0 x ∈ U . Pero nosotros probamos que 0 x = 0. Por
tanto, el neutro de V , está también en U .
13
A5 Sea x un elemento cualquiera de U . Debemos ver que tiene inverso aditivo en U . Como U es cerrado
bajo el producto por escalares:
∀c ∈ R, c x ∈ U
En particular, debe cumplirse para c = −1; es decir, −1 x ∈ U . Pero nosotros hemos probado que
−1 x = −x (el inverso aditivo de x). Por tanto −x ∈ U .
De forma similar a la prueba de que los axiomas A2 y A3 se cumplen al cumplirse para V (los elementos
de U son elementos de V ), los axiomas M2 a M5 se pueden verificar fácilmente. La prueba de que U con
las operaciones ⊕ y de V cumple los 10 axiomas nos dice que es espacio vectorial; y como U ⊆ V , U es
subespacio vectorial de V
Observe que realmente el resultado anterior hace referencia a tres condiciones: La que está en el enunciado:
que el conjunto no sea vacı́o, y las dos explı́citamente citadas.
Ejemplo 13.7
El subconjuto W de P2 formado por sólo polinomios de la forma
p(x) = a x + 3 a x2
p(x) = 2 x + 6 x2
Requisito 1: Debemos probar que si se suman dos elementos cualquiera del conjunto, el resultado
también está en el conjunto. Para abarcar cualquier elemento de W no podemos utilizar un valor numérico de
a; debemos utilizar letras. Sean p(x) = a1 x + 3 a1 x2 y q(x) = a2 x + 3 a2 x2 dos elementos de W , veamos si
p(x) + q(x) ∈ W :
de donde vemos que el coeficiente de x2 es el de x multiplicado por 3. Por tanto, p(x) + q(x) ∈ W . Por tanto,
W es cerrado bajo la suma.
Requisito 2: Debemos probar que si se multiplica un escalar cualquiera por un elemento cualquiera del
conjunto, el resultado también está en el conjunto. Para abarcar cualquier elemento de W no podemos utilizar
un valor numérico de a; debemos utilizar letras. Sea p(x) = a1 x + 3 a1 x2 un elemento cualquiera de W y c
un escalar cualquiera, veamos si c p(x) ∈ W :
c p(x) = c (a1 x + 3 a1 x2 ) = (c a1 ) x + 3 (c a1 ) x2
de donde vemos que el coeficiente de x2 es el de x multiplicado por 3. Por tanto, c p(x) ∈ W . Por tanto, W
es cerrado bajo el producto por escalares.
Como hemos probado los tres requisitos, W es un subespacio vectorial de P2 .
14
Ejemplo 13.8
El conjunto W de todas las matrices 2 × 2 de la forma:
a 0
0 b
donde a y b son números reales que cumplen a b ≤ 0, ¿es un subespacio vectorial de M2×2 ?
Solución
Requisto 0: Como la matriz
1 0
A=
0 −1
tiene el patrón de las matrices de W para a = 1 y b = −1 y se cumple a b = −1 ≤ 0, A ∈ W . Por tanto,
W 6= ∅.
Requisito 1: Debemos probar que si se suman dos elementos cualquiera del conjunto, el resultado también
está en el conjunto. Para abarcar cualquier elemento de W no podemos utilizar valores numéricos; debemos
utilizar letras. Sean
a1 0 a2 0
A= yB=
0 b1 0 b2
dos elementos de W , que cumplan a1 b1 ≤ 0 y a2 b2 ≤ 0 veamos si A + B ∈ W :
a1 + a2 0
A+B =
0 b1 + b2
Ahora apliquemos la prueba última para ver si pertenece a W
(a1 + a2 ) (b1 + b2 )) = a1 b1 + a2 b1 + a1 b1 + a2 b2 ≤ 0?
Observe que lo que es cierto es que a1 b1 ≤ 0 y que a2 b2 ≤ 0. Pero el término a2 b1 + a1 b2 puede cambiar la
desigualdad. De hecho los valores a = 1, b1 = −5, a2 = −3, y b2 = 1 cumplen
a1 b1 = (1)(−5) = −5 ≤ 0 y a2 b2 = (−3)(1) = −3
Pero
(a1 + a2 )(b1 + b2 ) = (1 + −3)(−5 + 1) = (−2)(−4) = 8 > 0
Estos números nos dan las matrices
1 0 −3 0
Ao = y Bo =
0 −5 0 1
que sı́ están en W , pero cuya suma no está en W . A estos ejemplos concretos que prueban que una cierta
afirmación del tipo para cualquiera no se cumpla se llaman contra ejemplos. El anterior contra ejemplo hace
que W no sea cerrado bajo la suma. Fallando un requisito como ahora, W no es un subespacio. Sin embargo,
como nos interesa ver la opción que se ajusta a W deberemos revisar el otro requisito.
Requisito 2: Debemos probar que si se multiplica un escalar cualquiera por un elemento cualquiera del
conjunto, el resultado también está en el conjunto. Para abarcar cualquier elemento de W no podemos utilizar
un valor numérico de a; debemos utilizar letras. Sea
a1 0
A=
0 b1
15
Ahora apliquemos la prueba última para ver si pertenece a W
(c a1 ) (c b1 ) ≤ 0?
Como
(c a1 ) (c b1 ) = c2 (a1 b1 )
y c2 ≥ 0 y a1 b1 ≤ 0 entonces
(c a1 ) (c b1 ) = c2 (a1 b1 ) ≤ 0
Por tanto, c A ∈ W . Por tanto, W es cerrado bajo el producto por escalares.
Resumiendo, W no es espacio vectorial: sı́ es cerrado bajo el producto por escalares pero no es cerrado bajo
la suma.
Ejemplo 13.9
Sea V = Mn×n el conjunto de todas las matrices cuadradas. Este conjunto con la suma conocida de matrices y
el producto de un escalar por una matriz es un espacio vectorial. Éste es nuestro espacio vectorial de referencia.
Definimos un subconjunto de Mn×n formado por las matrices simétricas:
n o
U = A ∈ Mn×m : AT = A
Es decir, U está formado por todas las matrices cuadradas n × n que al tomarle la transpuesta queda la misma
matriz. Vea que U es un subespacio de Mn×n .
Demostración
Veamos que U cumple los requisitos para ser subespacio:
1. Que U 6= ∅.
Efectivamente, la matriz de ceros 0 n × n es una matriz que al tomarle su transpuesta queda ella misma.
Por tanto, 0T = 0. Como U agrupa a todas las matrices n × n que cumplen esta propiedad; 0 es un
elemento de V . Por tanto, U no es vacı́o.
2. Que U es cerrado bajo la suma.
Tomemos dos matrices cualquiera n×n de U , digamos A y B. Si son elementos de U deben ser simétricas,
es decir:
AT = A
BT = B
Veamos ahora que la matriz A + B también está en U , es decir, que A + B es una matriz simétrica:
Para ello, tomemos su transpuesta y veamos que queda ella misma. Sabemos que
(A + B)T = AT + BT
por las propiedades de la transpuesta de una matriz. Siendo A y B simétricas, deducimos que
(A + B)T = A + B
Es decir, la matriz A + B es tal que cuando se obtiene su transpuesta queda ella misma. Concluimos que
A + B es una matriz n × n simétrica, es decir, A + B ∈ U .
3. Que U es cerrado bajo el producto por escalares.
Sea c un escalar cualquiera y A es un elemento de U cualquiera. Ası́, A es una matriz simétrica n × n:
AT = A. Por las propiedades de la traza y teniendo la simetrı́a de A:
(c · A)T = c · AT = c · A
Por tanto, la matriz c · A es tal que cuando se calcula su transpuesta se obtiene la misma matriz c · A.
Por tanto, c · A es una matriz n × n simétrica. Es decir, c · A es un elemento de U .
16
De lo anterior, concluimos que el conjunto U es un subespacio de Mn×n
Ejemplo 13.10
Tomemos como espacio vectorial de referencia Rn con la suma y el producto por escalares comúnes. Sea A
una matriz m × n fija, defina en Rn el conjunto formado por todos los vectores que son solución al sistema de
ecuaciones homogéneas cuya matriz de coeficientes es A:
U = {x ∈ Rn : A · x = 0}
Demostración
Veamos que U satisface los requisitos para ser espacio vectorial.
1. Que U 6= ∅.
Efectivamente, como el producto de cualquier matriz A por el vector cero da como resultado el vector
cero (cuando se tienen las dimensiones adecuadas para que el producto sea factible), concluimos que el
vector 0 de Rn es un elemento de U .
A · (x1 + x2 ) = A · x1 + A · x2
= 0+0=0
Esto nos dice que cuando el vector x1 + x2 se sustituye por el vector de incógnitas en la ecuación
A · x = 0 la ecuación se satisface. Es decir, que x1 + x2 es una solución al sistema homogéneo. Como U
contiene todas las soluciones a ese sistema, x1 + x2 está en U .
A · (c · y) = c · (A · y)
= c·0=0
Por lo anterior, U es un subespacio vectorial de Rn . Si el sistema no fuera homogéneo tendrı́a que tener la
forma A · x = b para b 6= 0. Afirmamos que el conjunto de soluciones no podrı́a ser subespacio de Rn .
Efectivamente, hemos visto que el vector cero siempre debe pertencer al cualquier subespacio. En particular,
deberı́a pertenecer al conjunto de soluciones. Pero esto es imposible debido a que A · 0 = 0 6= b. Concluimos
que si el sistema no es homogéneo, el conjunto de soluciones no forman un subespacio de Rn
17