Algebra Lineal - MAT1202

Ayudantía 7
Maurice Poisson V.
Viernes, 12 de mayo de 2006

Espacio Vectorial
Un espacio vectorial es un conjunto equipado con dos operaciones. Una operación
de suma y otra de multiplicación por escalar o ponderación, las cuales cumplen los
siguientes axiomas:

Suma
Cerrada ~u + ~v ∈ V, ∀ ~u, ~v ∈ V
Asociativa (~u + ~v ) + w
~ = ~u + (~v + w),
~ ∀ ~u, ~v , w
~ ∈V
Conmutativa ~u + ~v = ~v + ~u, ∀ ~u, ~v ∈ V
Elemento neutro ∃! θ~ / ~u + θ~ = ~u, ∀~u ∈ V
~
Inverso ∃! −~u / ~u + (−~u) = θ, ∀~u ∈ V

Multiplicación
Cerrada α · ~u ∈ V, ∀ α ∈ R, ~u ∈ V
Asociativa α · (β · ~u) = (αβ) · ~u, ∀ α, β ∈ R, ~u ∈ V
Dist. resp. a la suma vectorial α · (~u + ~v ) = α · ~u + α · ~v , ∀ α ∈ R, ~u, ~v ∈ V
Dist. resp. a la suma escalar (α + β) · ~u = α · ~u + β · ~u, ∀ α, β ∈ R, ~u ∈ V
Elemento neutro 1 · ~u = ~u, ∀~u ∈ V

1
Problema 1
En R2 se definen las operaciones ⊕ y  de la siguiente manera:
~x = (a, b) ~y = (c, d)

~x ⊕ ~y = (ac, bd)
α  ~x = (aα , bα )
Determinar si R2 bajo estas operaciones es un espacio vectorial; en caso contrario
determinar si R+ × R+ lo es.

Solución
Para que un conjunto con operaciones suma y ponderación definidas sea un espacio
vectorial basta con que cumpla con los diez axiomas necesarios.

Suma
Cerrada En primer lugar se tiene que ~x ⊕ ~y = (ac, bd) ∈ R2 ∀~x, ~y ∈ R2 , por lo
que la operación suma es cerrada.

Asociativa Es claro que (~x ⊕ ~y ) ⊕ ~z = (ac, bd) ⊕ (e, f ) = (ace, bdf ) = (a, b) ⊕
(ce, df ) = ~x ⊕ (~y ⊕ ~z), es decir, la suma es asociativa ∀~x, ~y , ~z ∈ R2 .

Conmutativa Por otra parte ~x ⊕ ~y = (ac, bd) = (ca, db) = ~y ⊕ ~x, o sea que la suma
es conmutativa.

Elemento neutro Se tiene que ~x ⊕ θ~ = (aθ1 , bθ2 ) = (a, b), de donde se deduce que
el elemento neutro es único y corresponde a θ = (1, 1).

Inverso aditivo De existir inverso aditivo, éste debiese cumplir que ~x ⊕ −~x = θ,~ es
decir, (aα, bβ) = (1, 1), con lo que el inverso nos queda de la forma −~x = (1/a, 1/b)
y, por lo tanto, sólo existe para elementos de R2 que tengan todas sus coordenadas
distintas de cero.
Como el quinto axioma exige que todos los elementos de un espacio vectorial ten-
gan un inverso aditivo, R2 con las operaciones propuestas no es un espacio vectorial.
Por otra parte, R+ × R+ cumple todos los axiomas revisados hasta el momento, pues
no contiene elementos con ceros como coordenadas, por lo que éste si podría ser un
espacio vectorial. Para saber si R+ ×R+ es efectivamente un espacio vectorial, se debe
seguir inspeccionando los axiomas.

Multiplicación
Cerrada Se tiene que α  ~x = (aα , bα ) ∈ R+ × R+ ∀α ∈ R, ~x ∈ R+ × R+ , es
decir, la ponderación es cerrada.

2
Asociativa Además, α  (β  ~x) = α  (aβ , bβ ) = (aαβ , bαβ ) = αβ  ~x, donde es
claro que esta operación es asociativa.

Dist. resp. a la suma vectorial También se tiene que α  (~x ⊕ ~y ) = α  (ac, bd) =
(aα cα , bα dα ) = (aα , bα ) ⊕ (cα , dα ) = (α  ~x) ⊕ (α  ~y ), o sea que la multiplicación
por escalar distribuye con respecto a la suma vectorial.

Dist. resp. a la suma escalar Por otra parte, se tiene que (α+β)~x = (aα+β , bα+β ) =
(aα aβ , bα bβ ) = (aα , bα ) ⊕ (aβ , bβ ) = (α  ~x) ⊕ (β  ~x) por lo que la multiplicación
distribuye con respecto a la suma escalar.

El 1 es neutro Por último, se tiene que 1  ~x = (a1 , b1 ) = (a, b) = ~x, donde queda
claro que el 1 es el neutro de la multiplicación por escalar.

Una vez revisado que R+ × R+ cumple con los diez axiomas necesarios, se puede
decir con propiedad que dicho conjunto equipado con las operaciones de suma y mul-
tiplicación como fueron definidas es un espacio vectorial.

Subespacio Vectorial
Un subconjunto W no vacío del espacio vectorial V se dice subespacio vectorial si por
sí mismo es un espacio vectorial bajo la suma y la multiplicación por escalar tal como
se definen en V .
Para demostrar que un conjunto es subespacio vectorial no es necesario demostrar
los diez axiomas que definen a un espacio vectorial pues algunos de ellos se cumplen
automáticamente al ser W ⊂ V . Sólo se deben demostrar las siguientes tres propiedades.
W no vacío θ~ ∈ W , donde θ~ es el elemento neutro de la suma vectorial.
Suma cerrada ~u + ~v ∈ W, ∀ ~u, ~v ∈ W
Multiplicación cerrada α · ~v ∈ W, ∀ α ∈ R, ~v ∈ W

Problema 2
Sea W = {x ∈ M2×2 /XA − AX = 0} con
 
1 1
A=
1 1
a) Pruebe que W es un subespacio vectorial.
b) Encuentre una base para W .

Solución
Para probar que W es un s.e.v. basta con demostrar las tres condiciones planteadas en
la definición de un s.e.v.

3
W no vacío
Para demostrar que W no es vacío, resulta bastante conveniente demostrar que el cero
pertenece a W , ya que este pertenece a todo e.v.

0A − A0 = 0−0
= 0

Luego, 02×2 ∈ W , con lo que W no es vacío.

Suma cerrada
Si X, Y ∈ W

(X + Y )A − A(X + Y ) = XA + Y A − AX − AY
= XA − AX + Y A − AY
= 0+0
= 0

Es decir que X + Y ∈ W

Multiplicación cerrada
Si X ∈ W y α ∈ R

(αX)A − A(αX) = αXA − αAX

= α(XA − AX)
= α·0
= 0

Con lo que αX ∈ W . Como se cumplen las tres condiciones propuestas, W es un

s.e.v. del e.v. de las matrices de 2 × 2.
Para obtener una base de un subespacio vectorial es necesario, saber como son los
elementos de éste, por lo que se definirán por extensión los elementos que pertenecen
a W . Sea X ∈ W  
x1 x2
X=
x3 x4
X debe cumplir con que XA − AX = 0
       
x1 x2 1 1 1 1 x1 x2 0 0
− =
x3 x4 1 1 1 1 x3 x4 0 0
     
x1 + x2 x1 + x2 x1 + x3 x2 + x4 0 0
− =
x3 + x4 x3 + x4 x1 + x3 x2 + x4 0 0
   
x2 − x3 x1 − x4 0 0
=
x4 − x1 x3 − x2 0 0

4
De donde se obtiene x1 = x4 y x2 = x3 , luego:
     
x4 x3 1 0 0 1
X= = x4 + x3
x3 x4 0 1 1 0

Como una base es cualquier conjunto de elementos l.i. que genere a W , se tiene que
una posible base es:    
1 0 0 1
B= ,
0 1 1 0

Problema 3
En R3 con la suma vectorial y la multiplicación por escalar estándar, se tiene W =
xk
{~x ∈ Rn /xk+2 = k(k+1) }, k >= 1.
a) Demuestre que W es s.e.v.
b) Encuentre una base para W y calcule su dimensión.

Solución
Nuevamente se deben probar las tres condiciones necesarias para los s.e.v.

W no vacío
En el caso de ~0, xi = 0 ∀i
0
0 =
k(k + 1)
= 0

Luego, ~0 ∈ W , con lo que W no es vacío.

Suma cerrada
Si ~x, ~y ∈ W , sea ~z = ~x + ~y

zk+2 = xk+2 + yk+2

xk yk
= +
k(k + 1) k(k + 1)
xk + yk
=
k(k + 1)
zk
=
k(k + 1)

Po lo que ~x + ~y ∈ W

5
Multiplicación cerrada
Si ~x ∈ W y α ∈ R, sea ~z = α~x

zk+2 = αxk+2
αxk
=
k(k + 1)
zk
=
k(k + 1)

Es decir que α~x ∈ W . Por lo que W es un s.e.v.

Para obtener una base de W , identificaremos como son las componentes de cada
vector que pertenece a éste.

x1 = x1
x2 = x2
x1
x3 =
2
x2
x4 =
6
x3 x1
x5 = =
12 24
x4 x2
x6 = =
20 120
Luego:
x1 x2 x1 x2
x = (x1 , x2 ,, , , , . . .)
2 6 24 120
1 1 1 1
= x1 (1, 0, , 0, , 0, . . .) + x2 (0, 1, 0, , 0, , . . .)
2! 4! 3! 5!
Por lo que una posible base para W , es:
   
1 1 1 1
B= 1, 0, , 0, , 0, . . . , 0, 1, 0, , 0, , . . .
2! 4! 3! 5!

Además la dimensión de un espacio vectorial es la menor cantidad de elementos l.i.

que lo generan, es decir, la cantidad de elementos que hay en la base. Debido a esto
tenemos que dim(W ) = 2.

Problema 4
Hallar bases para:

*         +
1 1 1 4 1
a)  2  ,  1  ,  −1  ,  0  ,  2 
3 1 5 −1 −1

6
          
1 2 1 −5 2 −3 0 2 2 −1
b) , , , ,
0 0 0 1 0 1 1 4 1 5

c) h1 + x2 , 1 − x, 3x + 3x2 , 1 + 2x, x2 − xi

Solución
a) Como la base es un conjunto de elementos l.i. que generan a un determinado sube-
spacio, para resolver este problema basta con identificar un subconjunto l.i. del con-
junto de generadores dados. Además se sabe que al escalonar una matriz, las columnas
que tienen los pivotes son las que inicialmente eran l.i. por lo que para resolver este
problema basta con crear una matriz cuyas columnas sean los vectores dados. Ten-
emos:    
1 1 1 4 1 1 1 1 4 1
 2 1 −1 0 2  ∼  0 −1 −3 −8 0 
3 1 5 −1 −1 0 −2 2 −13 −4
 
1 1 1 4 1
∼  0 −1 −3 −8 0 
0 0 8 3 −4
Una posible base es:
     
 1 1 1 
B =  2  ,  1  ,  −1 
3 1 5
 

b) Como analizar la dependencia lineal de matrices no es una operación trivial, re-

sulta útil identificar las matrices por sus coordenadas de acuerdo a la base canónica,
para así trabajar con los vectores de coordenadas en lugar de las matrices. Se tiene:
         
1 2 1 0 0 1 0 0 0 0
=1 +2 +0 +0
0 0 0 0 0 0 1 0 0 1

Por lo que el vector de coordenadas de la primera matriz es (1, 2, 0, 0). Análogamente

las coordenadas de las siguientes matrices son (1, −5, 0, 1), (2, −3, 0, 1), (0, 2, 1, 4),
(2, −1, 1, 5). Ahora, identificando los vectores de coordenadas l.i. se obtendrán las
matrices l.i. necesarias para formar una base.
     
1 1 2 0 2 1 1 2 0 2 1 1 2 0 2
 2 −5 −3 2 −1   0 −7 −7 2 −5   0 1 1 4 5 
 ∼ ∼ 
 0 0 0 1 1   0 0 0 1 1   0 0 0 1 1 
0 1 1 4 5 0 1 1 4 5 0 −7 −7 2 −5
   
1 1 2 0 2 1 1 2 0 2
 0 1 1 4 5 
∼ 0 1 1 4 5 
 
∼ 0 0 0 1 1   0 0 0 1 1 
0 0 0 30 30 0 0 0 0 0

7
Se tiene que las coordenadas de las matrices que conforman una base son las correspon-
dientes a la primera, segunda y cuarta columnas de la matriz antes de ser escalonada,
es decir, (1, 2, 0, 0), (1, -5, 0, 1) y (0, 2, 1, 4). Con todo lo anterior, una posible base
es:      
1 2 1 −5 0 2
B= , ,
0 0 0 1 1 4

c) Para trabajar con polinomios también resulta conveniente operar con los vectores
coordenadas. Para esto se usará la base canónica {1, x, x2 } con lo que la matriz a
escalonar queda:
     
1 1 0 1 0 1 1 0 1 0 1 1 0 1 0
 0 −1 3 2 −1  ∼  0 −1 3 2 −1  ∼  0 −1 3 2 −1 
1 0 3 0 1 0 −1 3 −1 1 0 0 0 −3 2

De lo anterior es claro que las coordenadas de los polinomios de una posible base son
(1, 0, 1), (1, -1, 0) y (1, 2, 0), luego la base será:

B = {1 + x2 , 1 − x, 1 + 2x}