4. En esta presentaci´on se hace la definici´on de espacio vectorial, con propieda-
des y algunos ejemplos. Tambi´en, se define subespacio vectorial con algunos
teoremas importantes.
5. INTRO MOTIVACI ´ON
MOTIVACI ´ON
Es evidente hacer pensar al estudiante que el mundo de las matem´aticas
no es s´olo el mundo de los reales Rn. Existen muchos m´as espacios que
se pueden trabajar de forma similar.
Se hace latente la necesidad de pensar diferente con el fin de poder
pensar en aplicaciones sobre espacios diferentes.
As´ı, se llega al hecho que se puede hacer matem´atica en cualquier lado.
6. INTRO ALGO DE CONJUNTOS
Existen conjuntos finitos y conjuntos infinitos.
ALGUNOS CONJUNTOS FINITOS
{0}.
{x : 0 ≤ x ≤ 10; x ∈ N}.
{Amarillo, Azul, Rojo}.
ALGUNOS CONJUNTOS INFINITOS
R.
N´umero de estrellas.
N´umero de granos de arena.
7. INTRO ALGO DE CONJUNTOS
¿C´omo pensar en otros conjuntos para hacer una estructura similar a la de los
reales?
8. ESPACIOS VECTORIALES
Se hace necesario dotar a un conjunto una serie de operaciones que cumplan
con ciertas caracter´ısticas.
FIGURA: Estructura de Grupo.
9. ESPACIOS VECTORIALES
Existen algunas estructuras algebraicas que son mas sencillas, pero hacen en-
tender que los espacios vectoriales son estructuras complejas. Algunas de estas
estructuras son:
Grupos: Un conjunto con una operaci´on.
Anillos: Un conjunto con dos operaciones.
Campos: Un conjunto con dos operaciones y conmutatividad con una de
ellas dos.
10. ESPACIOS VECTORIALES
Para hacer un conjunto m´as robusto, se hace necesario agregar dos operaciones.
Una vez agregadas, se define el espacio vectorial (V, +, ·).
DEFINICI ´ON
Sea V un conjunto (finito o infinito), y sean +, · dos operaciones binarias. La
operaci´on + recibe el nombre de suma y la operaci´on · recibe el nombre de
producto por escalar.
11. ESPACIOS VECTORIALES
(V, +, ·) se dice espacio vectorial si cumple las siguientes propiedades:
OPERACI ´ON SUMA +
1 Cerradura: Si x ∈ V y v ∈ V , entonces x + y ∈ V .
2 Conmutatividad: si x, y ∈ V , entonces x + y = y + x.
3 Asociatividad: Para todo x, y y z en V , (x + y) + z = x + (y + z).
4 Elemento neutro: Existe 0 ∈ V tal que ∀x ∈ V , x + 0 = 0 + x = x.
5 Inverso aditivo: Si x ∈ V , existe −x ∈ V tal que x + (−x) = 0.
12. ESPACIOS VECTORIALES
OPERACI ´ON PRODUCTO POR ESCALAR ·
1 Cerradura: Si x ∈ V y α es un escalar, entonces αx ∈ V .
2 Ley distributiva (i): Si x y y ∈ V y α es un escalar, entonces
α(x + y) = αx + αy.
3 Ley distributiva (ii): Si x ∈ V y α y β son escalares, entonces
(α + β)x = αx + βx.
4 Asociatividad: Si x ∈ V y α y β son escalares, entonces α(βx) = (αβ)x.
5 Elemento neutro: Para todo x ∈ V , 1x = x.
13. ESPACIOS VECTORIALES
Es importante tener en cuenta que en algunos libros (Kolman, Strang,
Gerber), solo aparecen 4 propiedades para la suma y 4 propiedades para
el producto por escalar, ya que dan por hecho la propiedad de la
cerradura bajo las dos operaciones.
Se puede observar que se conocen estas propiedades y que han sido
trabajadas en los reales durante todo el tiempo de estudio de
matem´aticas.
Se puede deducir entonces que es posible aplicar estas propiedades en
cualquier grupo bajo las operaciones establecidas.
14. ESPACIOS VECTORIALES
Algunos espacios vectoriales son:
(Rn, +, ·).
(Am×n, +, ·).
(0, +, ·). (Conjunto unitario).
(Pn(x), +, ·).
( d
dx f(x) ∈ C[0, 1], +, ·).
(
1
0 f(x)dx ∈ C[0, 1], +, ·).
Esto se puede verificar con las propiedades nombradas anteriormente. Se deben
cumplir todas las condiciones con las operaciones establecidas en el conjunto.
15. ESPACIOS VECTORIALES
Los siguientes no son espacios vectoriales:
(N, +, ·).
(1, +, ·).
Rectas que no pasan por el origen.
El conjunto de las matrices invertibles.
El conjunto deja de ser espacio vectorial si no se cumple al menos una de las
condiciones dadas en la definici´on de espacio vectorial.
16. ESPACIOS VECTORIALES
TEOREMA
Sea V un espacio vectorial. Entonces:
α0 = 0, α ∈ R.
0 · x = 0, x ∈ V .
Si αX = 0, entonces α = 0 o x = 0 (o ambos).
(−1)x = −x, x ∈ V .
17. ESPACIOS VECTORIALES
Con lo anterior, se debe tener claridad en el significado de un espacio vectorial.
Adem´as, tenga en cuenta que no siempre las operaciones que acompa˜nan al
conjunto ser´an las de suma y producto por escalar. Esa es, precisamente, la
ventaja que tiene el estudio de ´estos con el fin de poder hacer ´algebra en objetos
diferentes al de los reales.
18. SUBESPACIOS VECTORIALES
DEFINICI ´ON
Se dice que H es un subespacio vectorial de V si H es un subconjunto no
vac´ıo de V , y H es un espacio vectorial, junto con las operaciones de suma
entre vectores y multiplicaci´on por un escalar definidas para V .
Es decir, H hereda las propiedades de V .
19. SUBESPACIOS VECTORIALES
TEOREMA
Un subconjunto no vac´ıo H de un espacio vectorial V es un subespacio de V
si se cumplen las dos propiedades de cerradura:
Si x ∈ H y y ∈ H, entonces x + y ∈ H.
Si x ∈ H, entonces αx ∈ H para todo escalar α.
20. SUBESPACIOS VECTORIALES
Algunos subespacios vectoriales son:
Conjunto de rectas que pasan por el origen y sean subconjunto de Rn.
Planos metidos en el espacio y que contengan a 0.
Subconjunto en si mismo (subespacios propios).
Polinomios de orden 5.
Matrices triangulares superiores.
Es importante tener en cuenta que el conjunto con las operaciones dadas son
subespacios vectoriales si cumplen las propiedades de cerradura.
21. SUBESPACIOS VECTORIALES
Para tener en cuenta: Un conjunto siempre tiene un subconjunto propio; es
decir, si quiere mostrar que cierto conjunto es un espacio vectorial, basta con
mostrar las propiedades de cerradura, teniendo claro que ´este est´a contenido en
si mismo. A es subconjunto propio de B si todo elemento de A est´a contenido
en B.
22. SUBESPACIOS VECTORIALES
EJEMPLO
Considerar el conjunto W de matrices 2 × 3 que tienen la forma dada por:
W =
a b 0
0 c d
Donde a, b, c y d son n´umeros reales arbitrarios. W es un subespacio vectorial
de Mm×n ya que cumple las condiciones del teorema.
24. SUBESPACIOS VECTORIALES
EJEMPLO
Considerar el sistema homog´eneo Ax = 0, donde Am×n y x ∈ Rn. Sea H el
subconjunto de Rn formado por todas las soluciones de dicho sistema. H es
un subespacio de Rn ya que cumple con las dos propiedades del teorema.
25. SUBESPACIOS VECTORIALES
EJEMPLO
Se supone que x y y son soluciones; es decir Ax = 0 y Ay = 0.
Entonces:
A(x + y) = Ax + Ay = 0 + 0 = 0
y cumple con la condici´on.
Por otro lado, si se supone que α es un escalar, entonces:
A(αx) = α(Ax) = α0 = 0
As´ı, αx tambi´en es soluci´on.
As´ı, se concluye que H es un subespacio de Rn.
26. SUBESPACIOS VECTORIALES
El subespacio H del ejemplo anterior recibe el nombre de espacio soluci´on del
sistema homog´eneo Ax = 0, o espacio nulo de la matriz Am×n.
PARA TENER EN CUENTA
El conjunto de soluciones del sistema lineal Ax = b, donde Am×n y x ∈ Rn
no es un subespacio de Rn, si b = 0. (Ejercicio propuesto).
28. SUBESPACIOS VECTORIALES
EJEMPLO
Para ilustrar un ejemplo del teorema anterior, se considera en R3:
H1 = {(x, y, z) : 2x − y − z = 0}
H2 = {(x, y, z) : x + 2y + 3z = 0}
H1 y H2 son subespacios vectoriales de R3 (¿por qu´e?). H1 ∩ H2 es la
intersecci´on de los dos planos que se calcula:
1 2 3 | 0
2 −1 −1 | 0
→
1 2 3 | 0
0 −5 −7 | 0
→
→
1 0 1
5 | 0
0 1 7
5 | 0
29. SUBESPACIOS VECTORIALES
EJEMPLO
As´ı, las soluciones al sistema homog´eneo est´an dadas por
−
1
5
z, −
7
5
z, z
Al considerar z = t, se obtienen las ecuaciones param´etricas de la recta
L ∈ R3:
x = −
1
5
t,
y = −
7
5
t,
z = t.
Formando un subespacio en R3.