Professional Documents
Culture Documents
Este libro se ha elaborado con el prop osito principal de contribuir con una
base matematica esencial en la formaci on del futuro profesional, proporcionando
los fundamentos del algebra lineal de la manera mas clara posible.
iii
iv
El autor estar
a en deuda con aquellas personas que hagan llegar sus sugeren-
cias, a fin de mejorar la presente edici
on.
Cusco-Per
u, mayo de 1993
2. Espacios vectoriales 35
2.1. Espacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.1.1. Propiedades elementales . . . . . . . . . . . . . . . . . . . . 41
2.1.2. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.2. Subespacios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.2.1. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.2.2. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.2.3. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
v
vi INDICE GENERAL
Captulo 1
El algebra de matrices y
sistemas de ecuaciones lineales
1.1. Matrices
Muchos problemas que se presentan en la estadstica, economa, mecanica
clasica, ingeniera mec
anica-electrica, y aun en las ciencias biologicas y sociales se
abordan mediante el empleo de las matrices. El concepto de matriz no es nuevo.
En 1858, Arthur Cayley, un matem atico de siglo XIX publico un trabajo llamado
Memoria sobre la teora de matrices, que modifico muchos conceptos esta-
blecidos hasta aquella epoca; hoy con el adelanto de las maquinas, computadoras
se hace necesario el uso de los metodos matriciales para manejar problemas en los
cuales se utiliza gran cantidad de datos.
De una manera intuitiva, podemos decir que una matriz es una disposicion rec-
tangular de elementos distribuidos en filas y columnas, tales elementos pueden ser
n
umeros, funciones, aun matrices en condiciones apropiadas, etc. Para plantear la
definicion de matriz desde un punto de vista matematico requerimos previamente
conocer lo que es un campo (o un cuerpo conmutativo)
Definicion 1.1. Un conjunto F se llama un Campo cuando en este conjunto es
posible definir dos operaciones llamadas adicion y multiplicacion, denotadas
por + y , y que consisten en asignar a cada par x, y de F los elementos
x + y y x y en F respectivamente, tales que cumplan las siguientes condiciones:
1
2 Captulo 1. El
algebra de matrices y sistemas de ecuaciones lineales
Para todo x, y, z en F .
(c1 ) x + y = y + x y xy =yx
(c2 ) (x + y) + z = x + (y + z) y (x y) z = x (y z)
0F
(c3 )
0
En realidad, la definici
on de un campo exige el cumplimiento de nueve propie-
dades; cuatro para la adici on, cuatro para la multiplicacion y una que relaciona
las dos, llamadas respectivamente: propiedad conmutativa, propiedad asociativa,
existencia de los elementos identidad (cero y uno), existencia de los elementos
inversos (x y x1 ), y la propiedad distributiva.
Ejemplo 1.1. El conjunto de los n umeros naturales N = {1, 2, . . . } con las ope-
raciones usuales de adici
on y multiplicaci
on no es un campo; por varias razones.
por ejemplo, falla la propiedad (C3 ), no existe el elemento cero en N
tal que
X +0=X
1 1 + 0i 1 + 0i a bi a bi
z 1 = = = = 2
a + bi
a + bi
a + bi a bi a + b2
a a bi
z 1 = 2 2
i
a +b a2 + b2
Definici
on 1.3. Dadas las matrices A = (aij )mn y B = (bij )mn sobre un
campo F entonces:
(1) Diremos que A y B son iguales; es decir, A = B si y solo si aij = bij para
todo i = 1, 2, . . . , m y todo j = 1, 2, . . . , n.
6 Captulo 1. El
algebra de matrices y sistemas de ecuaciones lineales
6 5 4
0 0 = 0 0 0
3 2 1
en cada caso el tama
no de la matriz es diferente.
(2) En los numeros reales se cumple la propiedad siguiente: Si a 6= 0 y b 6= 0. El
producto de matrices no nulas (no ceros) puede ser una matriz nula. Por
ejemplo.
1 0 0 0 0 0
Si A = 6= 0 y B = 6= 0 , entonces AB =
0 0 1 1 0 0
on del producto de 2 matrices se tiene AB 6=
(3) Como consecuenca de la definici
BA ; es decir, el producto no es conmutativo, vease los ejemplos 4 y 5
anteriores.
(4) En el conjunto de n umeros reales, se cumple la ley cancelacion AC =
BC = a = b, siempre que c 6= 0 en el conjunto de matrices no siempre se
verifica. en efecto: sean
1 0 2
A = 0 1 1
2 0 2
Ejercicios
(1) Diga si e verdadero o falso; dar un contraejemlo cuando sera falso.
(a) Si la primera y tercera columna de B son iguales, tambien lo son la
primera y latercera de AB.
(b) Si la primera y la tercera fila de B son iguales, tambien lo son la primera
y la tercera fila de AB.
(c) Si la primera y tercera fila de A son iguales, tambien lo son la primera
y la tercera de AB.
(2) La primera fila de AB es una combinacion lineal de todaslas filas deB. En
2 1 4
esta combinacion, Cu
al es la primera fila de AB, Si A = ,B =
0 1 1
1 1
0 1 ?
1 0
10 Captulo 1. El
algebra de matrices y sistemas de ecuaciones lineales
(11) Una industria de calzado fabrica por mes 4 modelos: 600 pares de un modelo
A, 800 pares de un modelo B, 500 pares de un modelo C y 1000 pares de un
modelo D . Los precios de venta en 4 ciudades distintas es de los diferentes
modelos de zapatos viene dado en el siguiente diagrama:
La industria desea saber a cual ciudad deve ser enviada toda la produccion
del mes, para obtener una renta maxima procedente de las ventas.
2 1
1 2 5
(12) Dadas las matrices A = 1 0 y B = Encuentre:
3 4 0
3 4
(a)AB, (b)BA .
1 3 1 1
(13) Dada A = . Encuentre un vector columna no cero . tal
4 3 0 1
que AX = 3X
x y 1 1
(14) Encuentre todas las matrices que conmutan con .
z w 0 1
1 2
(15) Sea A = encuentre An .
0 1
(19) Refierase al problema anterior. La oficina de bienestas estima que los es-
tudiantes podran escojer las alternativas de vivienda y pension universita-
ria de acuerdo con los porcentajes que aparece en la siguiente matriz C:
VU:Vivienda universitaria.
CU:Comedor unicersitario.
VP:Vivienda particular.
0,40 0,30 0,30
A=
0,60. 0,20 0,20
(20) Una compa nia elabora tres productos, cada una de las cuales requiere de
3 especies de materia prima y mano de obra. En la matriz D se resume la
necesidad por unidad de cada producto. E1: Especia 1 E2: Especie 2 E3:
Especie 3
2 4 5 5
D = 3 2 3 8
1 6 5 4
(a) Determine las cantidades totales de los cuatro recursos que se requiere
para elaborar los productos A, B y C.
(b) Calcule el costo total combinado de produccion.
(21) Los colores de mayor venta en una tienda de pinturas on el rojo y el azul. En
cada color hay dos calidades la econmica y la superior. Se tiene 300 latas de
pintura roja economica, 400 latas de pintura azul economica, y 100 latas de
cadad color de calidad superior. Los precios de lista normales son de .8000
y .6000 para la superior y para la economica respectivamente , pero estan a
la venta con undescuento de .1000 por cada lata.
(a) Cual sera la ganacia total si se vendieran todas las latas al precio
normal?
(b) Y si todas se vendieran con el descuento?.
0 0 0 1
EA = AE
1 4
1 2 3
Ejemplo 1.10. Si A = entonces At = 2 5
4 5 6
3 6
Propiedades
Propiedades
1
2
3
4
0 3 1
AT = 3 0 2
1 2 0
Propiedades
Propiedades
1.3 Tipos especiales de matrices 21
(a) AB es invertible
(b) (AB)1 = B 1 A1
(c) escalar f 6= 0, kA es invertible y (KA)1 = (1/K)A1
(d) A1 es invertible y (A1 )1 = A
(e)
Por ejemplo
1 2 2
Ejemplo 1.14. A = 3 1 0 se tiene:
1 1 1
1 0 3 0
c11 = (1)1+1 = 1, C12 = (1) 1+2 = 3c13 =
1 1 1 1
1+3 3 1 2+1 2 2 2+2 1 2
(1) = 2, C12 = (1) = 0c22 = (1) =
1 1 1 1 1 1
1 2 2 2
1, C23 = (1)2+3 = 1c31 = (1)3+1 = 2, C32 =
1 1 1 0
1 2
(1)3+2 =6
3 0
Por tanto
T
1 3 2 1 0 2
Adj(A) = 0 1 1 = 3 1 6
2 6 5 2 1 5
Ahora establecemos un resultado muy importante en el cual permite obtener
la inversa la inversa de una matriz.
[Teoema]
1.3 Tipos especiales de matrices 23
Ejemplo 1.15.
1 2 2
A = 3 1 0
1 1 1
1 0 2
Solucion: Del ejemplo anterior obtuvimos que adj(A) = 3 1 6
2 1 5
Para aplicar la formula anterior requerimos del determinante de A. En efecto,
hallamos
por el
metodo
decofactores:
(A lo largo de la primera fila) detA =
1 0 3 0 3 1
1 2 +2 = 1 . Por lo tanto
1 1 1 1 1 1
1 0 2
A1 = 3 1 6
2 1 5
1 0 12
12
y como det(A) = 1, luego A1 = 0 12 . A su vez A =T =
2
0 1 0
1 0 1
12 2
0 12 lo cual demuestra que A1 = AT .
2
0 1 0
Se dice que una matriz cuadrada A es diagonalizable, si existe una matriz in-
vertible P tal que P 1 AP sea diagonal En este caso diremos que P diagona-
liza A. Se dice que una matriz cuadrada A es diagonalizable ortogonalmente,
Si existe una matriz ortogonal P tal que P 1 AP o P T AP sea diagonal. Por
ejemplo:
1 0 1
Ejemplo 1.16. La matriz P = 1 0 1 diagonaliza(simplemente) a
0 1 0
3 2 0
la matriz A = 2 3 0. Como una comprobacion se verifica
0 0 5
1 1
2 2 0 3 2 0 1 0 1 5 0 0
P 1 AP = 0 0 1 2 3 0 1 0 1 = 0 5 0
1 1
2 2 0 0 0 5 0 1 0 0 0 1
(12)
Ejercicios
1 2 0
(1) Si A = Encontrar : (a)AAT y(B)AT A
3 1 4
3 1 2 3 2 0
(2) Calcule las inversas de las matices A = B= ,c=
5 2 4 4 0 3
3 4 1 1
yD= y verifique la relacion (AB)1=B A y (CD)1 = D1 C 1
5 6
1 2
(3) Sea A una matriz invertible, y supongamos que la inversa de 7A es
4 7
. Encuentre la matriz A.
1 0
(4) Sea la matriz , calcule A3 , A3
2 3
(5) Encuentre la inversa de las siguiente matrices, si es que poseen.
(16) (a) Cual es la forma de una matriz que sea a la ves triangular y simetrica?
28 Captulo 1. El
algebra de matrices y sistemas de ecuaciones lineales
(b) Cual es la forma de una matriz que sea a la vez triangular y anti-
simetrica?
(21) Pruebe que una matriz cuadrada triangular con todos los elementos diago-
nales iguales a cero es nultipotente (o nilpotente).
Los porcentajes
de las vacantes por areas
de Facultades estan dadas en la
0. 30 0. 30 0. 30 0. 24
matriz B: A = 0. 20 0. 10 0. 30 0. 06 Encuentre el numero de estu-
0. 50 0. 60 0. 40 0. 70
diantes que habr
a el pr
oximo a
no en cada area.
1.3 Tipos especiales de matrices 29
4. 0 6. 5 6. 0
La matriz fila C = 1. 25 0. 80 30. 00 35. 00 indica el costo en dolares,
por unidad de platinos, bujias, condensadores llantas.
1 2 3 1 2 3 1 2 3
(c)A = 2 3 4 (d)A = 1 0 1 (e)A = 1 0 1
1 5 7 1 1 1 1 1 1
b1
1 d12 d1n
0 b1 d2n
2
B= .
.. .. ..
.. . . .
0 0 b1
n
(30) Demostrar que las operaciones de inversa y transpuesta conmutan; esto es,
(AT )1 = (A1 )T , Asi en particular, A es invertible si y solo si AT es
invertible.
1.4 Sistema de ecuaciones lineales 31
a1 c1 + a2 c2 + + an cn = b
(b) Si los tres planos se intersectan en una recta L. el sistema tiene un numero
infinito de soluciones. Cada punto de la recta L es una solucion. Vease la
figura (2).
(c) Cuando los 3 planos son paralelos, o 2 de ellos son paralelos, o se inter-
secan en una recta dos a dos como se muestran en las figuras (3), (4)y(5)
respectivamente, el sistema no tiene solucion.
Estos mismos resultados son validos para sistemas arbitrarios.
Consideremos un sistema de m ecuaciones lineales con n incognitas:
a11 x1 + a12 x2 + + a1n xn = b1
a21 x1 + a22 x2 + + a2n xn = b2
+ + +
+ + +
+ + +
am1 xm + am2 xm + + amn xn = bm
Entonces el sistema anterior escribimos de un modo mas simple como una ecuacion
matrical:
AX = B
donde A se llama matriz de los coeficientes del sistema.
a11 a12 a1n b1
a21 a22 a2n b2
La matriz (A, B) = .. recibe el nombre de matriz
..
.... .
am1 am2 amn bm
aumentada del sistema.
Una solucion AX = B es una n-upla de escalares en F que satisface cada una
de las ecuaciones del sistema.
1.4 Sistema de ecuaciones lineales 33
0
0
Cuando B = . ; esto es, todos los bi = 0 para i = 1, 2, , m,
..
0
Entonces el sistema.
Se llama sitema homogeneo, en caso contrario se dice que es es no homogeneo.
En todo sistema homogeneo AX = 0 esxisten 2 alternativas: siempre tiene una
solucion, que es la solucion trivial
34 Captulo 1. El
algebra de matrices y sistemas de ecuaciones lineales
Captulo 2
Espacios vectoriales
(1) X = Y x1 = y1 , x2 = y2 , . . . , xn = yn : Igualdad.
35
36 Captulo 2. Espacios vectoriales
p
(6) d(X, Y ) = kX Y k = (x1 y1 )2 + (x2 y2 )2 + + (xn yn )2 : Distan-
cia euclidiana.
Propiedades.
1. X + Y = Y + X
2. X + (Y + Z) = (X + Y ) + Z
3. X + 0 = X, donde 0 = (0, 0, . . . , 0)
5. a(bX) = (ab)X; a, b R
6. a(X + Y ) = aX + aY
7. (a + b)X = aX + bX
8. 1X = X
9. X Y = Y X
10. (X + Y ) Z = X Z + Y Z
12. X X 0 y X X = 0 X = 0
R
Basicamente el espacio cartesiano n junto con las operaciones de adicion,
multiplicacion por un escalar y producto interior, recibe el nombre de espacio
euclidiano n-dimensional.
2.1 Espacios vectoriales 37
(2) u(v + w) = (u + v) + w
(3) Existe 0 V /u + 0 = u, u V
(5) a(u + v) = au + av
(6) (a + b)u = au + bu
(8) 1u = u
A los elementos de un espacio vectorial, por definicion, llamaremos vectores.
Cuando el campo F es el conjunto de numero reales, diremos que V es un espacio
R
vectorial real y se acostumbra denotar por V ( ); y cuando F es el conjunto de
n C
umeros complejos, diremos que V ( ) es el espacio vectorial complejo.
R
Ejemplo 2.1. Sea M22 ( ) el conjunto de todas las matrices de orden 2 2 con
elementos reales provistos de dos operaciones (ya conocidas):
a11 a12 b11 b12
(a) Adicion de matrices: A = , B = son elementos de
a a b21 b22
21 22
R
a11 + b11 a12 + b12
M22 ( ), entonces A+B = tambien es un elemento
a21 + a21 a22 + a22
R
de M22 ( ).
R R
ka11 ka12
(b) Si k , A M22 ( ), entonces kA = tambien es un
ka21 ka22
R
elemento de M22 ( ) .
Claramente, la primera operaci on satisface las 4 primeras propiedades de la
definicion 2.1 .
A+B =B+A
A + (B + C) = (A + B) + C
0 0
A + 0 = A donde 0 =
0 0
a11 a12
A + (A) = 0 donde A =
a21 a22
i la segunda operacion, las restantes:
(a + b)A = aA + bA; a, b R
a(A + B) = aA + aB
a(bA) = (ab)A
1A = A, 1 R
R
Luego el conjunto M22 ( ) constituye un espacio vectorial sobre el campo
de los reales. Note que los vectores de este espacio son matrices cuadradas
2 2.
R
Ejemplo 2.2. El conjunto cartesiano n junto con las operaciones usuales de
adicion i multiplicaci
on por un escalar, satisfacen las 8 propiedades exigidas, tal
como se ha visto en la introducci R R
on de este captulo; luego n ( ) es un espacio
vectorial real i sus elementos u, v s son n-uplas de n umeros reales. Para este
R R C
mismo conjunto n podemos considerar otro espacio, por ejemplo, n ( ) es el
2.1 Espacios vectoriales 39
espacio vectorial sobre el campo de los n umeros racionales, tambien en este caso
sus elementos son n-uplas de n umeros reales, lo que vara es el campo de escalares
que debe tomarse en cuenta para la 2da. operacion.
Observe que cuando n=1, 1 = R Ri suponiendo que F = R, entonces el
conjunto de n umeros reales R(R) dotado de las operaciones usuales de adicion i
multiplicacion es un espacio vectorial, de aqu que cada numero real es un vector.
C R
Igualmente C( ) i C( ) son los espacios vectoriales de los n umeros complejos
respectivamente sobre el campo de los complejos i sobre el campo de los reales.
RC
Ejemplo 2.3. Sea F( , ) el conjunto de todas las funciones complejas de una
variable real. Se define:
La adicion de funciones complejas y la multiplicacion de una funcion compleja
por un escalar (complejo). En efecto:
RC C
Sean x y y F( , ) y k , donde x(t) = x1 (t) + ix2 (t), y(t) = y1 (t) + iy2 (t)
e i es el imaginario puro tal que i2 = 1; entonces:
(x + y)t = x(t) + y(t)
= [x1 (t) + ix2 (t)] + [y1 (t) + iy2 (t)]
= [x1 (t) + y1 (t)] + i[x2 (t) + y2 (t)], t R
(kx)(t) = k[x(t)] = k[x1 (t) + ix2 (t)]
R
= kx1 (t) + ikx2 (t), t
acilmente que F(R, C) es un espacio vectorial
Con estas dos definiciones se prueba f
complejo.
Observaciones:
1. Las funciones x1 (t), x2 (t) son funciones reales u
nicas tales que x(t) = x1 (t)+
ix2 (t). A x1 (t) se le llama parte real y x2 (t) parte imaginaria.
2. No esta demas indicar que la funci
on compleja cero es 0(t)=0(t)+i0(t), el
inverso x viene dada por (x)(t) = x(t) = x1 (t) ix2 (t).
3. El producto k[x(t)] se entiende, evidentemente, como producto de n
umeros
complejos: si k = a + ib, x(t) = x1 (t) + ix2 (t), entonces:
R R
Ejemplo 2.4. Sea Pn ( ) = p(x) = a0 + a1 x + a2 x2 + + an1 xn1 /ai ; i = 0, 1, . .
R
Ejemplo 2.5. Sea C[a, b] = {f : [a, b] /f es continua sobre [a, b]}
R
Sean f, g C[a, b] y k , entonces:
Como la suma de dos funciones continuas es continua i el producto de un
escalar por una funci on continua es continua, se sigue que C[a, b] es un conjunto
cerrado bajo las dos operaciones definidas anteriormente. Ademas estas cumplen
con las propiedades que definen a un espacio vectorial (verifquelo), con lo cual
afirmamos que C[a, b] tambien es un espacio vectorial real. Note ahora que cada
funcion continua es un vector.
C C
Ejemplo 2.6. Sea V = (a1 , a2 ) 2 /a1 , a2 el conjunto de pares ordenados
de n umeros complejos. Defnase las operaciones:
Adicion (no usual): (a1 , a2 ) + (b1 , b2 ) = (a1 + 2b1 , a2 + 3b2 )
Multiplicaci on de un par por un complejo: k(a1 , a2 ) = (ka1 , ka2 ), k . C
Es V un espacio vectorial sobre ? C
Soluci on En primer lugar V es cerrado bajo las dos operaciones; es decir, la
suma de dos pares de n umeros complejos es otro par de n umeros complejos y el
producto de un n umero complejo por un par ordenado de complejos es otro par
ordenado de n umeros complejos, expresado de otra manera tenemos:
(a1 , a2 ), (b1 , b2 ) V , entonces (a1 , a2 ) + (b1 , b2 ) V
C
k , (a1 , a2 ) V , entonces k(a1 , a2 ) V .
C
Si V es un espacio vectorial sobre , entonces debera cumplir naturalmente
las ocho propiedades. Pues probemos uno por uno. En efecto:
(3) 0x = 0, x V y k0 = 0, k F
(5) Si kx = 0, entonces k = 0
ox=0
2.1.2. Ejercicios
1. Determinar si las siguientes afirmaciones son verdaderas o falsas:
R R
11. V = (a1 , a2 , a3 ) 3 /ai , i = 1, 2, 3
R
16. V = {(a1 , a2 )/ai ; i = 1, 2}
Adicion: (a1 , a2 ) + (b1 , b2 ) =((a1 + b1 , a2 + b2 )
Multiplicacion: k(a1 , a2 ) =
(0, 0) si k = 0
(ka1 , a2 /k) si k 6= 0
, k R
17. Considere las operaciones de adici on de matrices y multiplicacion de un
R
escalar real por una matriz en M22 ( ). Diga si los siguientes conjuntos son
espacios vectoriales reales. Explique el porque:
R R
a 0
(a) V = M22 ( )/a, b
0 b
R R
a 1
(b) V = M22 ( )/a, b
1 b
R R
a a+b
(c) V = M22 ( )/a, b
a+b b
RR
18. (a) Sea V = f F ( , )/f (1) = 0. Probar que V es un espacio vectorial
RR
respecto a las operaciones definidas en F ( , ) (Vease el ejemplo 3).
44 Captulo 2. Espacios vectoriales
R
(b) Sea V el conjunto formado por la luna y k . Defnase:
La adici
on: luna+luna=luna La multiplicacion de k por la luna: k(luna)=luna.
Es V un espacio vectorial sobre R
?.
2.2. Subespacios
Normalmente, en el estudio de cualquier estructura algebraica es interesante
examinar subconjuntos que tengan la misma estructura del conjunto que lo contie-
ne, existiran entonces determinados subconjuntos de un espacio V que constituyen
por si solos espacios vectoriales bajo las mismas operaciones que se definen en V .
Por ejemplo, las rectas y planos que pasan por el origen son subespacios del
R R
espacio vectorial 3 ( ).
El siguiente teorema proporciona un metodo conveniente para determinar si
un conjunto especfico de vectores es un subespacio.
(a) Si x, y W , entonces x + y W .
(b) Si k F y x W , entonces kx W .
2.2 Subespacios 45
Demostraci on. Las dos condiciones anteriores indican que W es cerrado bajo
las operaciones de adici
on y de la multiplicacion por un escalar.
Supongamos que se verifica (a) y (b). Debemos probar que las operaciones
de W cumplan las 8 propiedades; pero esto no es necesario, puesto que V es
un espacio vectorial, y para todos los elementos de V se cumplen los axiomas
(1),(2),(5),(6),(7) y (8); en particular se estar
a cumpliendo para elementos de W .
Solo falta probar que en W se cumplen las propiedades (3) y (4); es decir 0 W
y x W . En efecto: Por la condici on (b) kx W k F , en particular para
k = 0, 0x = 0 W (prop(3),p ag 55) Haciendo k = 1, 1x = x W
(prop(4), pag 55).
2.2.1. Ejemplos
Ejemplo 2.7. Verificar que el conjunto W de todas las matrices antisimetricas
(de orden n n) es un subespacio del espacio vectorial Mnn ( ). R
Solucion Por el teorema anterior, basta mostrar que W es cerrado para las 2
operaciones; es decir, si A y B W , entonces A + B W , y si k y A W ,R
entonces kA W .
En efecto:
A W A = AT , B W B = B T , luego A + B = (AT + B T ) =
(A + B)T (Prop. (b) de la matriz transpuesta) luego A + B W . Analogamente:
A W A = AT , kA = k(AT ) = k(AT ) = (kA)T luego kA W . Por
tanto W es un subespacio de Mnn ( ). R
R R
Ejemplo 2.8. Sea V ( ) el espacio vectorial 3 sobre el campo de los reales y
R
W = {(x, y, 0)/x, y } un subconjunto de V , entonces W es un subconjunto de
V . Para demostrar tal afirmaci
on, bastar
a probar las dos condiciones del teorema
anterior.
Sean (x1 , y1 , 0) y (x2 , y2 , 0) elementos de W , luego (x1 , y1 , 0) + (x2 , y2 , 0) =
(x1 + x2 , y1 + y2 , 0) W , (por tener la tercera componente igual a cero). Analoga-
46 Captulo 2. Espacios vectoriales
R
Ejemplo 2.9. Sea C 1 [a, b] = {f : [a, b] /f 0 es contnua sobre [a, b]} (el con-
junto de todas las funciones reales definidas sobre [a,b] y que cumplan la condi-
cion de que su primera derivada sea continua). Facilmente se prueba que C 1 [a, b]
es un subespacio de C 1 [a, b]. (Vease el ejemplo 6 de la pagina 54). En efecto: Los
elementos de C 1 [a, b] reciben tambien el nombre de funciones continuamente di-
ferenciables. Si f C 1 [a, b]; es decir, si f es diferenciable en [a, b], entonces f es
ase A-I Arce) luego f C 1 [a, b], de aqu que C 1 [a, b] C[a, b].
contnua en [a, b] (Ve
Ademas:
R
- Si k y f C 1 [a, b], entonces kf C 1 [a, b], puesto que el producto de un
real por una funci
on diferenciable en [a, b] es tambien diferenciable en [a, b].
Podemos ilustrar mediante un esquema los espacios C 1 [a, b] y C[a, b].
C[a, b] Admiten funciones continuas sobre [a, b], a un aquellas en que su grafico
tenga puntos cuspidales.
Figura 2 C 1 [a, b] Admiten s
olo funciones tersas. Sus graficos no presentan puntos
cuspidales.
Figura 3
Los dos teoremas siguientes proporcionan metodos para formar subespacios a
partir de otros subespacios.
kx W1 y kx W2 , luego kx W1 W2 ; es decir kx W .
Naturalmente,este resultado se puede extender a la interseccion de un n
umero
finito de subespacios.
Definici
on 2.3. Sean S1 y S2 dos subconjuntos no vacos de un espacio vectorial
V sobre F , entonces la suma de S1 y S2 se define como:
S1 + S2 = {z/z = x + y, donde x S1 y y S2 }
Demostraci
on. Como es de costumbre, nos apoyamos en el teorema 2.1 para pro-
bar que W1 + W2 es un subespacio.
Supongamos que x W1 + W2 , entonces x es de la forma: x = x1 + x2 , donde
x1 W1 y x2 W2 . De igual manera, si y W1 + W2 , entonces y = y1 + y2 ,
donde y1 W1 y y2 W2 .
2.2.2. Ejemplos
R
Ejemplo 2.10. Sean W1 = (x, y, 0) 3 /x, y
R
R
y W2 = {(0, y, z) /y, z }R
R R
subespacios del espacio 3 (sobre el campo ). Entonces se ve facilmente que
R 3 =W +W .
1 2
R
En efecto : cualquier vector x 3 , donde x = (a, b, c) se puede escribir, por
ejemplo, como x = x1 + x2 donde x1 = (a, b/2, 0) W1 y x2 = (0, b/2, c) W2 .
Note que la descomposici on que se efect ua en x en 2 sumandos no es u nica,
podra ser tambien (a, b, c) = (a, b/3, 0) + (0, 2b/3, c). En consecuencia, como x
no se puede expresar de manera u R
nica en dos sumandos, 3 no es suma directa
de los subespacios W1 y W2 . Esto concuerda con el u ltimo teorema. En terminos
geometricos W1 representa el plano XY y W2 el plano Y Z. La siguiente figura
expresa tal descomposici on.
R R
Ejemplo 2.11. En 3 consideremos el plano XY : W1 = (x, y, 0) 3 /x, y,
R
R R
y la recta W2 = (0, 0, z) 3 /z , entonces R3 = W1 W2 . Verifiquemos:
RR
Supongase que f F ( , ) (debemos expresar f en una suma de 2 funciones
f1 y f2 tales que f1 W1 y f2 W2 ). Definimos: f1 (x) = ( 21 )[f (x) + f (x)] y
f2 (x) = ( 12 )[f (x) f (x)].
1
f1 (x) = ( )[f (x) + f (x)] = f1 (x)
2
La funcion f2, as construida es una funci
on impar; pues:
1
f2 (x) = ( )[f (x) + f (x)] = f2 (x)
2
RR
Como f (x) = f1 (x) + f2 (x), afirmamos que F ( , ) = W1 + W2 .
RR
En consecuencia F ( , ) = W1 W2 .
2.2.3. Ejercicios
1. Decir si las siguientes proposiciones son verdaderas o falsas.
(f)
(a, b, c) R3/a2 + b2 + c2 1
R
6. Diga cuales de los siguientes subconjuntos de M22 ( ) son subespacios,
explique el porque.
a b a b
(a) , a, b, c, d Z (d) , c = 0, d = 0
c d c d
a b a b
(b) , a+d=0 (e) , b = 0, d = 0
c d c d
a b a b a b
(c) , =0 (f) , a = 0, d = 0
c d c d c d
R
7. Diga cual de los siguientes subconjuntos de P4 ( ) son subespacios, explique
en su respuesta.
10. Sea F un campo y F n el espacio vectorial formado por todas las n-uplas
ordenadas de escalares en F , dotado de las operaciones usuales de adicion y
multiplicaci
on de un escalar de F por una n-upla. Verifique:
R
11. Sea Mnn ( ) el espacio vectorial de todos las matrices cuadradas. probar
que:
R
(a) W1 = {A = (aij ) Mnn ( )/aij = 0 i > j} conjunto de matrices
triangulares superiores, es un subespacio de Mnn ( ). R
R
(b) W2 = {A = (aij ) Mnn ( )/aij = 0 i < j} conjunto de todas las
matrices triangulares inferiores, es un subespacio de Mnn ( ). R
R
(c) W3 = {A = (aij ) Mnn ( )/aij = 0 i j} es un subespacio de
R
Mnn ( )..
R
(d) W4 = A = (aij ) Mnn ( )/A = AT conjunto de todas las matrices
R
12. Verifique que Mnn ( ) = W1 W3
16. Sea P (F ) el espacio vectorial de todos los polinomios (de cualquier grado)
con coeficientes en el campo F , y considere los subespacios W1 y W2 de P (F ):
o p(x) = a0 + a1 x + a2 x2 + + an xn | a0 = a2 = a4 =
W1 = p P (F )/ p(x) = 0
W2 = p P (F ) | q(x) = 0 o q(x) = b0 + b1 x + b2 x2 + + bm xm | b1 = b3 = b5 = b7 =
Demostrar que P (F ) = W1 W2
R
17. Sea V = M22 ( ) el espacio vectorial de las matrices 2 2 y sean W1 y W2
subespacios
tales que:
R R
a b a 0
W1 = | a, b y W1 = | a, c
0 0 c 0
como son los subespacios W1 W2 y W1 + W2 ?
R
W2 = (a, b, c) 3 | a = c
R
W3 = (a, b, c) 3 | a = b = 0
Demostrar que:
(a) R 3 = W1 + W2
(b) R 3 = W1 + W3
(c) R 3 = W2 + W3
(d) Cual de las anteriores es suma directa?
R
19. Sea C n [a, b] = f : [a, b] /f (n) es continua sobre [a, b]; es decir, f posee
n-esima derivada continua. Probar que C n [a, b] es un subespacio de C[a, b].