ESPACIOS VECTORIALES

Hugo Eduardo Ramirez

 ESPACIOS VECTORIALES DEFINICION Y EJEMPLOS

Sección 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 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

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 α ∈ R entonces α · u ∈ V

M2. Distributiva sobre la suma vectorial α · (u + v) = α · u + α · v

M3. Distributiva sobre la suma escalar (α + β) · u = α · u + β · u
M4. Triple producto α · (β · u) = (αβ) · 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 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

p+q = (a0 + b0 ) + (a1 + b1 )x + (a2 + b2 )x2 + · · · + (an + bn )xn

1
 ESPACIOS VECTORIALES DEFINICION Y EJEMPLOS

y la multiplicación por escalar es multiplicar cada coeficiente por el escalar es decir:

αp = (αa0 ) + (αa1 )x + (αa2 )x2 + · · · + (αan )xn

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

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 número 1.

1
S5. Para cada elemento u ∈ R+ existe un elemento llamado −u = tal que
u
1
u ⊕ (−u) = u = 1 = ~0
u
o sea que el opuesto, es el reciproco.

Las propiedades de multiplicación las puede verificar el lector.

Teorema 1.1 Si V es un espacio vectorial, entonces

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

4. (−1)u = −u para todo u ∈ V

Demostración. 1. Para demostrar esto haremos uso de la propiedad del número 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 Módulo (S4)
~0 = 0u

2
 ESPACIOS VECTORIALES DEFINICION Y EJEMPLOS

2. La demostración 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
qué?)

αu = ~0 Multiplicamos por el opuesto de α

1 1
(αu) = ~0 Usando la propiedad anterior
α α
1
(αu) = ~0 Triple producto M 4
α
1
( α)u = ~0
α
1u = ~0 Unidad M 5
u = ~0

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.

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 α, β ∈ R. Supongamos que la máxima potencia se encuentra en
P1 , es decir n y de ahora en adelante escribiremos P2 y P3 con coeficientes hasta el n sencillamente añadiendo el resto de
coeficientes (bp+1 , . . . ; ck+1 . . . ) como el número 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 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:

α(P1 + P2 ) = α ((a0 + b0 ) + (a1 + b1 )x + · · · + (an + bn )xn )

= α(a0 + b0 ) + α(a1 + b1 )x + · · · + α(an + bn )xn
= (αa0 + αb0 ) + (αa1 + αb1 )x + · · · + (αan + αbn )xn
= αP1 + αP2

M3 Distributiva:

(α + β)P1 = (α + β)a0 + ((α + β)a1 )x + · · · + ((α + β)an )xn

= (αa0 + βa0 ) + (αa1 + βa1 )x + · · · + (αan + βan )xn
= αP1 + βP1

M4 Triple producto:

α(βP1 ) = α(βa0 + (βa1 )x + · · · + (βan )xn )

= (αβa0 ) + (αβa1 )x + · · · + (αβan )xn
= (αβ)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.

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).

Demostración. Note que la mayorı́a 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 π1 : v1 x + v2 y + v3 z = 0 y recordemos que está igualado a 0 porque el plano contiene el origen (ahora llamado ~0) y
en su forma vectorial la ecuación del plano queda π1 : (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 también está en el plano, pues cumple la ecuación del plano v · (x + y) = v · x + v · y = 0.
M1. Si α ∈ R un escalar, el vector αx, está en el plano gracias al triple producto v · (αx) = α(v · x) = 0

4
 ESPACIOS VECTORIALES COMBINACION LINEAL

Teorema 2.2 La intersección de subespacios es también un subespacio.

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

Sección 3: COMBINACION LINEAL

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

si
v = c1 v1 + c2 v2 + · · · + cn vn
para ciertos números reales c1 , c2 . . . , cn .

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)

Definición. 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 } 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

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

Demostración. La prueba es muy sencilla, pues
u = a1 v1 + a2 v2 + · · · + an vn
v = b1 v1 + b2 v2 + · · · + bn vn

u+v = (a1 + b1 )v1 + (a2 + b2 )v2 + · · · + (an + bn )vn

y
αv = (αa1 )v1 + (αa2 )v2 + · · · + (αan )vn

Ejemplo. En R3 , ı̂, ̂, k̂ 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
   
 1 2 
Ejemplo. En R3 encontraremos cual es gen 2 , 0 Por definición el generado es
1 1
 
         
 1 2   1 2 
gen 2 , 0 = α 2 + β 0 , α, β ∈ R
1 1 1 1
   

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

     
1 2 x
α 2 + β 0 = y 
1 1 z
   
α + 2β x
 2α  = y 
α+β z
solucionando el sistema para α y β
1 0 | y2 y
       
1 2 | x 2 0 | y 1 0 | 2
2 0 | y  R2 ↔ R1 1 2 | x R1 → 1/2(R1 ) 1 2 | x  R2 → R2 − R1 0 2 | x − y2 
−−−−−−→ −−−−−−−−−−→
1 1 | z 1 1 | z −−−−−−−−−−→ 1 1 | z 1 1 | z
y y y
     
1 0 | 2 1 0 | 2 1 0 | 2
R3 → R3 − R1 0 2 | x − y2  R3 ↔ R2 0 1 | z − y2  R3 → R3 − 2R2 0 1 | z − y2 
−−−−−−−−−−→ −−−−−−→ −−−−−−−−−−−→
0 1 | z − y2 0 2 | x − y2 0 0 | x + y2 − 2z
y
Para que este sistema tenga solución debe ocurrir que x + 2 − 2z = 0, es decir que π1 : 2x + y − 4z = 0 es la ecuación de un
plano, el generado por (1, 2, 1) y (2, 0, 1).
¿Cuánto da (1, 2, 1) × (2, 0, 1) ? Justifique su respuesta.
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 combinación lineal de 1 + x, 1 − x2 , x + x2 ?, veamos si se puede solucionar el sistema:
a0 + a1 x + a2 x2 = α(1 + x) + β(1 − x2 ) + γ(x + x2 )
a0 + a1 x + a2 x2 = (α + β)1 + (α + γ)x + (−β + γ)x2
Resolver el sistema
a0 = α+β Para 1
a1 = (α + γ) Para x
a2 = (−β + γ) Para x2

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

Sección 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 simétricas n × n, es un subespacio de Mnn
       
a b  a b 1 2 1 2 a b
7. Sea W = ∈ M22  =
c d c d −1 1 −1 1 c d
a. Mostrar que W es subespacio de M22
b. ¿Qué forma deben tienen las matrices de W ? (Condiciones sobre a, b, c, d)

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.

10. Encuentre un conjunto generador para el plano x + 2y − z = 0.

11. Encuentre la ecuación 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 simétricas en Mnn .