Espacios vectoriales reales y subespacios vectoriales*

Por: SUÁREZ AZPUR, Fredy R.

Noviembre de 2017

1. Preliminares
1.1. Producto Cartesiano
Ciertas situaciones en matemáticas en las que intervienen dos objetos necesitan cierto orden entre ellos
cuando se presentan, por ejemplo para indicar las coordenadas de un punto (a, b) en el plano cartesiano primero
se escribe la información sobre la proyección de dicho punto sobre el eje de las abscisas, luego sobre el eje de las
ordenadas y no al revés, es decir por ejemplo que el punto de coordenadas (1, 7) no es el mismo que el punto de
coordenadas (7, 1)

Definición 1.
Dado dos objetos a y b, el par ordenado (a, b) es el conjunto
n o
{a}, {a, b} .

El par ordenado (a, b) posee dos componentes que son a y b, donde a es la primera proyección y b segunda
proyección.
El criterio de igualdad de pares ordenados viene dado por el siguiente teorema.

Teorema 1 (Criterio de igualdad de pares ordenados).

Dos pares ordenados (a, b) y (m, n) serán iguales si y solo si a = m y b = n.

Definición 2 (Producto cartesiano).

El producto cartesiano de dos conjuntos A y B, denotado por A × B, se define por
n . o
A × B = (x, y) x ∈ A ∧ y ∈ B .

Los elementos del producto cartesiano A × B son todos pares ordenados cuyas primeras proyecciones pertenecen
al conjunto A y segundas proyecciones al conjunto B.

La representación gráfica de un producto cartesiano consiste en ubicar los elementos de A sobre una recta
horizontal y los elementos de B sobre una recta ortogonal a la primera, los elementos de A × B estarán ubicados
en el plano generado por ambas rectas
* Esta guı́a es un resumen del contenido teórico que se desarrollará en clase. Los ejercicios que aquı́ se presentan serán solo para

el desarrollo en clase. El estudiante debe recurrir a la bibliografı́a señalada en el silabo para profundizar el contenido teórico.

1
Espacios vectoriales

A´B

B B A´B

A A

Teorema 2.
Sean los conjuntos A, B, X y Y , entonces

A×B ⊂X ×Y ⇐⇒ A⊂X ∧B ⊂Y

Teorema 3.
Sean los conjuntos A y B, entonces
1 A × B = ∅ si, y solo si A = ∅ ∨ B = ∅.

2 A × B 6= ∅ si, y solo si A 6= ∅ ∧ B 6= ∅.

Teorema 4.
Sean los conjuntos A y B. Si A 6= B, entonces A × B 6= B × A.

1.1.1. Relación binaria

Definición 3.
Dado dos conjuntos X e Y , diremos que R es una relación de X en Y si R es un subconjunto del
producto cartesiano X × Y .

En realidad los que están relacionados son los elementos de x ∈ X y y ∈ Y , si dichos elementos están relacionados
mediante R escribiremos (x, y) ∈ R o también xRy.

Teorema 5.
Si R es una relación de X en Y y S ⊂ R, entonces S es una relación de X en Y .

Teorema 6.
Si R y S son relaciones de X en Y , entonces los conjuntos R ∪ S, R ∩ S, R − S también son relaciones
de X en Y .

Para la representación gráfica de una relación binaria generalmente utilizamos un diagrama sagital entre los
elementos de X e Y ubicándose a la izquierda los elementos de X y a la derecha los elementos de Y e indicando
con flechas aquellos elementos que se relacionan mediante R, esto es posible cuando X e Y tienen pocos
elementos.

UNSCH 2 Digitado en LATEX por: Suárez Azpur, Fredy R.

Espacios vectoriales

X Y X Y

Definición 4.
Dada una relación R de X en Y , su dominio denotado por Dom R es el conjunto
n . o
Dom R = x ∈ X (x, y) ∈ R .

Definición 5.
Dada una relación R de X en Y , su rango denotado por ran R es el conjunto
n . o
ran R = y ∈ Y (x, y) ∈ R .

Teorema 7.
Sea R y S dos relaciones de X en Y , entonces

1 Dom R ⊂ X 5 Dom (R ∩ S) ⊂ Dom R ∩ Dom S

2 ran R ⊂ Y 6 ran (R ∩ S) ⊂ ran R ∩ ran S

3 Dom (R ∪ S) = Dom R ∪ Dom S 7 Dom R − Dom S ⊂ Dom (R − S)

4 ran (R ∪ S) = ran R ∪ ran S 8 ran R − ran S ⊂ ran (R − S)

Definición 6 (Relación recı́proca).

Dada una relación R de X en Y , su relación recı́proca denotada por R−1 es una relación de Y en X
y está definida por n . o
R−1 = (y, x) (x, y) ∈ R

Teorema 8.
Si R es una relación de X en Y , entonces

1 Dom R−1 = ran R y 2 ran R−1 = Dom R.

Teorema 9.
Si R y S son relaciones en X e Y , entonces

1 (R−1 )−1 = R, 3 (R ∩ S)−1 = R−1 ∩ S −1 y

2 (R ∪ S)−1 = R−1 ∪ S −1 , 4 (R − S)−1 = R−1 − S −1 .

UNSCH 3 Digitado en LATEX por: Suárez Azpur, Fredy R.

Espacios vectoriales

1.1.2. Relaciones de equivalencia y de orden

Definición 7 (Relación en un conjunto).

Sea R es una relación de X en Y . Si X e Y son conjuntos iguales, entonces diremos que R es una
relación en X en lugar de decir que R es una relación de X en X.

A continuación presentamos diferentes tipos de relaciones en un conjunto

Definición 8.
Sea R una relación en X.

? R es reflexiva si para todo x ∈ X, (x, x) ∈ R,

? R es irreflexiva si para todo x ∈ X, (x, x) ∈

/ R,

? R es simétrica si (x, y) ∈ R implica que (y, x) ∈ R,

? R es asimétrica si (x, y) ∈ R implica que (y, x) ∈

/ R,

? R es antisimétrica si (x, y) ∈ R ∧ (y, x) ∈ R implica que x = y,

? R es transitiva si (x, y) ∈ R ∧ (y, z) ∈ R implica que (x, z) ∈ R,

? R es intransitiva si (x, y) ∈ R ∧ (y, z) ∈ R implica que (x, z) ∈

/ R.

Definición 9 (Relación de equivalencia).

Una relación R en X se dice que es de equivalencia si es reflexiva, simétrica y transitiva a la vez.

Dada una relación de equivalencia en X y al tomar un x ∈ X es posible unir todos los elementos de X que estén
relacionados con x, también hay la posibilidad de tener algunos elementos de X que no estén relacionados con
x, entonces damos la siguiente

Definición 10 (Clase de equivalencia).

Si R es una relación de equivalencia en X, se denomina clase de equivalencia de un x ∈ X al conjunto
formado por todos los elementos de X que estén relacionados con x.

La clase de equivalencia de x se denotará por [x], de acuerdo a la definición

n . o
[x] = a ∈ X (x, a) ∈ R .

Teorema 10.
Sean x, y ∈ X, entonces

1 [x] ⊂ X 4 [x] 6= [y] ⇐⇒ [x] ∩ [y] = ∅

2 [x] 6= ∅, [
5 [x] = X.
3 [x] = [y] ⇐⇒ (x, y) ∈ R
x∈X

De acuerdo al último teorema el conjunto X queda partido en varias clases de equivalencia, que son disjuntas
dos a dos ası́ obtenemos el conjunto de todas las clases de equivalencia de X.

UNSCH 4 Digitado en LATEX por: Suárez Azpur, Fredy R.

Espacios vectoriales

X [x ]
y
x [y ]

Definición 11.
Al conjunto de todas las clases de equivalencia de X generadas mediante una relación de equivalencia
R en X, se denomina conjunto cociente de X por R.

El conjunto cociente de X mediante R lo denotaremos por X/R, como sus elementos son clases de equivalencia
el conjunto X/R es un subconjunto de la potencia de X

Ejemplo 1.
Sea el conjunto Z el de los números enteros, un elemento de x ∈ Z se dirá que es un número entero
par si existe otro número entero n tal que x = 2n, algunos números enteros pares son 20,−6, 8, 0, 2.
Sean los números entero x e y, definimos una relación en Z mediante:

xRy si, y sólo, si x − y es un número par .

? Probemos que R es una relación reflexiva: Para cada x ∈ Z, tenemos x − x = 0, la última

igualdad indica que xRx. Por lo tanto R es una relación reflexiva.

? Probemos que R es una relación simétrica: Sean x ∈ Z, y ∈ Z tal que xRy.

xRy =⇒ x − y es un número entero par

=⇒ −(x − y) es un número entero par
=⇒ y − x es un número entero par
=⇒ yRx.

? Probemos que R es una relación transitiva: Sean x ∈ Z, y ∈ Z, z ∈ Z tal que xRy ∧ yRz.

xRy ∧ yRz =⇒ x − y ∧ y−z son números enteros pares

=⇒ (x − y) + (y − z) es un número entero par
=⇒ x − z es un número entero par
=⇒ xRz.

De acuerdo a la definición 9 resulta que R es una relación de equivalencia en Z.

? Hallemos la clase de equivalencia de 1. De la definición 10, [1] constará de todos los números
enteros que estén relacionados con 1 mediante R. Por tanto
n . o n o
[1] = x ∈ Z x − 1 es par = · · · , −7, −5, −3, −1, 1, 3, 5, 7, · · · .

? Hallemos la clase de equivalencia de 2. De la definición 10, [2] constará de todos los números
enteros que estén relacionados con 2 mediante R. Por tanto
n . o n o
[2] = x ∈ Z x − 2 es par = · · · , −8, −6, −4, −2, 0, 2, 4, 6, 8, · · · .

n o
Las únicas clases de equivalencia son [1] y [2], por tanto Z/R = [1], [2] .

UNSCH 5 Digitado en LATEX por: Suárez Azpur, Fredy R.

Espacios vectoriales

Ejemplo 2.
Sean los números entero x e y, definimos una relación en Z mediante:

xRy si, y sólo, si x − y es un número entero múltiplo de 3.

? Probemos que R es una relación reflexiva: Para cada x ∈ Z, tenemos x − x = 0, la última

igualdad indica que xRx. Por lo tanto R es una relación reflexiva.

? Probemos que R es una relación simétrica: Sean x ∈ Z, y ∈ Z tal que xRy.

xRy =⇒ x − y es un número entero múltiplo de 3

=⇒ −(x − y) es un número entero múltiplo de 3
=⇒ y − x es un número entero múltiplo de 3
=⇒ yRx.

? Probemos que R es una relación transitiva: Sean x ∈ Z, y ∈ Z, z ∈ Z tal que xRy ∧ yRz.

xRy ∧ yRz =⇒ x − y ∧ y−z son números enteros múltiplos de 3

=⇒ (x − y) + (y − z) es un número entero múltiplo de 3
=⇒ x − z es un número entero par
=⇒ xRz.

De acuerdo a la definición 9 resulta que R es una relación de equivalencia en Z.

? Hallemos la clase de equivalencia de 1. De la definición 10, [1] constará de todos los números
enteros que estén relacionados con 1 mediante R. Por tanto
n . o n o
[1] = x ∈ Z x − 1 es múltiplo de 3 = · · · , −11, −8, −5, −2, 1, 4, 7, 10, · · · .

? Hallemos la clase de equivalencia de 2. De la definición 10, [2] constará de todos los números
enteros que estén relacionados con 2 mediante R. Por tanto
n . o n o
[2] = x ∈ Z x − 2 es múltiplo de 3 = · · · , −10, −7, −4, −1, 2, 5, 8, 11, · · · .

? Hallemos la clase de equivalencia de 3. De la definición 10, [3] constará de todos los números
enteros que estén relacionados con 3 mediante R. Por tanto
n . o n o
[3] = x ∈ Z x − 3 es múltiplo de 3 = · · · , −12, −9, −6, −3, 0, 3, 6, 9, 12, · · · .

n o
Las únicas clases de equivalencia son [1], [2] y [3], por tanto Z/R = [1], [2], [3] .

Definición 12 (Relación de orden).

Una relación R en X se dice que es de orden si es reflexiva, antisimétrica y transitiva a la vez.

Definición 13 (Las relaciones menor y menor o igual).

Sean los números enteros a y b.

? Diremos que a es menor que b, y lo denotamos por a < b, si existe un número entero positivo
x tal que a + x = b.

? Diremos que el número a es menor o igual que b, y lo denotamos por a ≤ b, si a < b o a = b.

UNSCH 6 Digitado en LATEX por: Suárez Azpur, Fredy R.

Espacios vectoriales

Ejemplo 3.
En Z definimos la relación R mediante

aRb si, y sólo, si a ≤ b,

? Para todo a ∈ Z, a ≤ a. Por tanto aRa y R es reflexiva.

? Si a ≤ b y b ≤ a, entonces a = b. Por tanto R es antisimétrica.

? Si a ≤ b y b ≤ c, entonces a ≤ c. Por tanto R es transitiva.

Entonces R es una relación de orden en Z.

Ejemplo 4.
En Z definimos la relación R mediante

aRb si, y sólo, si a < b,

? Para todo a ∈ Z, no se tendrá a < a. Por tanto R no es reflexiva.

? Si a < b y b < a, no implicará que a = b. Por tanto R no es antisimétrica.

? Si a < b y b < c, entonces a < c. Por tanto R es transitiva.

Entonces R no es una relación de orden en Z.

1.2. Operaciones binarias

Definición 14 (Operación binaria).
Sea S un conjunto no vacio. Una operación binaria ∗ en el conjunto S es cualquier función

∗ : S × S −→ S.

Observaciones:

1 Una operación binaria en el conjunto S asigna a cada par de elementos de S un único elemento de S.

2 Dados a, b ∈ S, a la imagen del par ordenado (a, b) mediante la operación binaria ∗ lo denotaremos por
∗(a, b) o simplemente por a ∗ b.
3 Dados a, b ∈ S, si ∗ es una operación binaria en S, entonces a ∗ b ∈ S (propiedad de la cerradura)

4 Dados a, b ∈ S es posible que a ∗ b 6= b ∗ a, no siempre son iguales las imágenes de (a, b) y (b, a) bajo la
operación binaria ∗.
5 Un esquema que mejor representa a una operación binaria en un conjunto S es el siguiente:

∗ : S×S −→ S
(a, b) 7−→ a ∗ b.

6 Una operación binaria en S también es llamada una ley de composición interna en S.

7 Para demostrar que ∗ no es una operación binaria en S, será suficiente encontrar un par de elementos a
y b de S tal que a ∗ b ∈
/ S.

UNSCH 7 Digitado en LATEX por: Suárez Azpur, Fredy R.

Espacios vectoriales

Ejemplo 5.
En Z+ , el conjunto de los números enteros positivos, definimos

∗ : Z+ × Z+ −→ Z+
(a, b) 7−→ a ∗ b = a + b,

entonces ∗ ası́ definida en una operación binaria en Z+ . La suma de dos números enteros positivos
resulta ser entero positivo.

Ejemplo 6.
En Z+ , el conjunto de los números enteros positivos, definimos

∗ : Z+ × Z+ −→ Z+
(a, b) 7−→ a ∗ b = ab,

entonces ∗ ası́ definida en una operación binaria en Z+ . El producto de dos números enteros positivos
resulta ser entero positivo.

Ejemplo 7.
En Z, el conjunto de los números enteros, definimos

∗ : Z×Z −→ Z
(a, b) 7−→ a ∗ b = máx{a, b},

entonces ∗ ası́ definida en una operación binaria en Z. El resultado de a ∗ b será o bien a o bien b.

Ejemplo 8.
En Z+ , el conjunto de los números enteros positivos, definimos

∗ : Z+ × Z+ −→ Z+
(a, b) 7−→ a ∗ b = a,

entonces ∗ ası́ definida en una operación binaria en Z+ .

Ejemplo 9.
En Z+ , el conjunto de los números enteros positivos, definimos

∗ : Z+ × Z+ −→ Z+
(a, b) 7−→ a ∗ b = (a + b) + 2,

entonces ∗ ası́ definida en una operación binaria en Z+ .

Ejemplo 10.
En Z+ , el conjunto de los números enteros positivos, definimos

∗ : Z+ × Z+ −→ Z
(a, b) 7−→ a ∗ b = a − b,

entonces ∗ ası́ definida en no es una operación binaria en Z+ , pues para a = 1 y b = 3 a ∗ b ∈

/ Z+ . En
este caso se encontró un par de elementos de Z que al operarlos su resultado no pertenece a Z+ .
+

UNSCH 8 Digitado en LATEX por: Suárez Azpur, Fredy R.

Espacios vectoriales

Ejemplo 11.
Sea Rn el conjunto de todos los n−uplas ordenadas u = (x1 , x2 , · · · , xn ) con entradas reales.
Dados u = (a1 , a2 , · · · , an ) y v = (b1 , b2 , · · · , bn ), definimos u + v = (a1 + b1 , a2 + b2 , · · · , an + bn ).
En Rn la adición de n−uplas ordenadas

+ : Rn × Rn −→ Rn
(u, v) 7−→ u + v,

es una operación binaria.

Ejemplo 12.
Sea Rm×n el conjunto de todas las matrices de orden m × n con entradas reales.
· · · a1n b11 b12 · · ·

a11 a12
 
b1n

 a21 a22 · · · a2n   b21 b22 · · · b2n 
m×n
Dados u =  . ..  y v =  .. , dos matrices de R ,
   
.. .. .. .. ..
 .. . . .   . . . . 
am1 am2 · · · amn bm1 bm2 · · · bmn
definimos
···

a11 + b11 a12 + b12 a1n + b1n

 a21 + b21 a22 + b22 ··· a2n + b2n 
u+v =
 
.. .. .. .. 
 . . . . 
am1 + bm1 am2 + bm2 ··· amn + bmn
En Rm×n la adición de matrices

+ : Rm×n × Rm×n −→ Rm×n

(A, B) 7−→ A + B,

es una operación binaria.

Ejemplo 13.
Sea n un número entero positivo. Denotemos por Pn (x) al conjunto de todos los polinomios con
coeficientes reales, en la indeterminada x y de grados iguales a n. Por ejemplo:

? 2x2 + 6x − 1 ∈ P2 (x) ? 5 − 2t + t2 − 5t3 ∈ P3 (t)

? −4x5 + 6x3 − x2 − 7 ∈ P5 (x) ? 5 − 2z + z 2 − 5z 3 + z 4 ∈ P4 (z)

Dados p(x) = an xn + an−1 xn−1 + · · · + a1 x + a0 y q(x) = bn xn + bn−1 xn−1 + · · · + b1 x + b0 , dos

polinomios de Pn (x), definimos

p(x) + q(x) = (an + bn )xn + (an−1 + bn−1 )xn−1 + · · · + (a1 + b1 )x + (a0 + b0 ),

? Si p(x) = 5 − 2x + x2 − 5x3 ∈ P3 (x) y q(x) = 1 − 4x + 2x2 − 4x3 ∈ P3 (x), entonces

p(x) + q(x) = 6 − 6x + 3x2 − 9x3 .

El resultado p(x) + q(x) es un tercer polinomio que pertenece a P3 (x).

? Si p(x) = 5 + 2x + x2 + 4x3 ∈ P3 (x) y q(x) = 2 − 4x + 2x2 − 4x3 ∈ P3 (x), entonces

p(x) + q(x) = 7 − 2x + 3x2 .

El resultado p(x) + q(x) es un tercer polinomio que no pertenece a P3 (x).

La adición de polinomios en Pn (x) no es una operación binaria.

UNSCH 9 Digitado en LATEX por: Suárez Azpur, Fredy R.

Espacios vectoriales

Ejemplo 14.
Sea n un número entero positivo. Denotemos por Pn [x] al conjunto de todos los polinomios con
coeficientes reales, en la indeterminada x y de grados menores o iguales a n. Por ejemplo:

? 2x2 + 6x − 1 ∈ P5 [x] ? 5 − 2x + x2 − 5x3 ∈ P5 [x]

? −4x5 + 6x3 − x2 − 7 ∈ P5 [x] ? 5 − 2x + x2 − 5x3 + x4 ∈ P5 [x]

Sean los enteros positivos n y k. Si k < n, entonces Pk [x] ⊂ Pn [x], es decir, cada polinomio de grado
menor o igual a k será un polinomio de grado menor o igual a n. Los conjuntos Pn (x) y Pn [x] serán
diferentes ya que Pn (x) solo contiene a polinomios con grados exactamente iguales a n.

? Si p(x) = 5 − 2x + x2 − 5x3 ∈ P3 [x] y q(x) = 1 − 4x + 2x2 − 4x3 ∈ P3 [x], entonces

p(x) + q(x) = 6 − 6x + 3x2 − 9x3 .

El resultado p(x) + q(x) es un tercer polinomio que pertenece a P3 [x].

? Si p(x) = 5 + 2x + x2 + 4x3 ∈ P3 [x] y q(x) = 2 − 4x + 2x2 − 4x3 ∈ P3 [x], entonces

p(x) + q(x) = 7 − 2x + 3x2 .

El resultado p(x) + q(x) es un tercer polinomio que pertenece a P3 [x].

En Pn [x] la adición de polinomios

+ : Pn [x] × Pn [x]

 −→ Pn [x]
p(x), q(x) 7−→ p(x) + q(x),

es una operación binaria.

Ejemplo 15.
  n . o
Sea el conjunto C [a, b] = f f : [a, b] −→ R es continua el de todas las funciones continuas con
dominio [a, b].
   
Dados f ∈ C [a, b] , g ∈ C [a, b] , definimos f + g por (f + g)(x) = f (x) + g(x); en estas condiciones
f + ges una
 función continua con dominio [a, b].
En C [a, b] la adición de funciones continuas
     
+ : C [a, b] × C [a, b] −→ C [a, b]
(f, g) 7−→ f + g,

es una operación binaria.

Definición 15.
Sea ∗ una operación binaria definida en un conjunto no vacı́o S.
1 Se dirá que ∗ es conmutativa si a ∗ b = b ∗ a, para todo a, b ∈ S.

2 Se dirá que ∗ es asociativa si (a ∗ b) ∗ c = a ∗ (b ∗ c), para todo a, b, c ∈ S.

Observación:
La conmutatividad y asociatividad de las operaciones binarias son caracterı́sticas indepen-
dientes. Existen operaciones binarias que serán conmutativas pero no asociativas y viceversa; existen también
operaciones binarias que serán conmutativas y asociativas a la vez.

UNSCH 10 Digitado en LATEX por: Suárez Azpur, Fredy R.

Espacios vectoriales

Definición 16.
Sean ∗ una operación binaria definida en un conjunto no vacı́o S y e un elemento de S.
1 Se dirá que e es un elemento neutro por izquierda de S según la operación binaria ∗ si e ∗ a = a,
para todo a ∈ S.
2 Se dirá que e es un elemento neutro por derecha de S según la operación binaria ∗ si a ∗ e = a,
para todo a ∈ S.
3 Se dirá que e es un elemento neutro de S según la operación binaria ∗ si e ∗ a = a y a ∗ e = a,
para todo a ∈ S.

Observaciones y ejemplos:

1 La cualidad de los elementos neutros es que al ser operados con cualquier elemento x del conjunto, no
surte efecto sobre x.
2 Los elementos neutros serán según la operación binaria definida sobre el conjunto.

3 El elemento neutro de Z según la adición de números enteros es cero.

4 El elemento neutro de Z según la multiplicación de números enteros es uno.

Ejemplo 16.
1 En el ejemplo 5 el conjunto Z+ no tendrá elemento neutro según la operación binaria ∗ que se
/ Z+ .
definió. Supuestamente 0 es el elemento neutro, pero 0 ∈
2 En el ejemplo 6 el elemento neutro de Z+ según la operación binaria ∗ que se definió es 1.

3 En el ejemplo 7 el conjunto Z no tendrá elemento neutro según la operación binaria ∗ que se

definió.
4 En el ejemplo 8 el elemento neutro por derecha de Z+ según la operación binaria ∗ que se
definió es cualquier elemento de Z+ .
5 En el ejemplo 9 el conjunto Z+ no tendrá elemento neutro según la operación binaria ∗ que se
/ Z+ .
definió. Supuestamente −2 es el elemento neutro, pero −2 ∈
6 En el ejemplo 11 el elemento neutro de Rn según la adición de n−uplas es 0 = (0, 0, · · · , 0).

7 En el ejemplo 12 el elemento neutro de Rm×n según la adición de matrices es la matriz nula

···

0 0 0

 0 0 ··· 0 
0= .
 
.. .. .. ..
 . . . . 
0 0 ··· 0

8 En el ejemplo 14 el elemento neutro de Pn [x] según la adición de polinomios es la polinomio

nulo
O(x) = 0xn + 0xn−1 + · · · + 0x + 0.
 
9 En el ejemplo 15 el elemento neutro de C [a, b] según la adición de funciones continuas es la
función nula. La función nula con dominio [a, b] es aquella que a cada número real de [a, b] le
hace corresponder a cero.

UNSCH 11 Digitado en LATEX por: Suárez Azpur, Fredy R.

Espacios vectoriales

Teorema 11 (Unicidad del elemento neutro).

Sea ∗ una operación binaria en un conjunto S. Si e es un elemento neutro de S según la operación
binaria ∗, este neutro es único.

Demostración:
Supongamos que tenemos dos elementos neutro e1 y e2 , probemos que son iguales.
Considerando a e1 como elemento neutro de S, tendremos a ∗ e1 = a ∧ e1 ∗ a = a, para cada a ∈ S. En particular
para e2 tendremos e2 ∗ e1 = e2 ∧ e1 ∗ e2 = e2 .
Considerando a e2 como elemento neutro de S, tendremos a ∗ e2 = a ∧ e2 ∗ a = a, para cada a ∈ S. En particular
para e1 tendremos e1 ∗ e2 = e1 ∧ e2 ∗ e1 = e1 .
Ahora: e1 = e2 ∗ e1 = e2 . Por lo tanto e1 = e2 y el neutro es único. 

Definición 17.
Sean ∗ una operación binaria en un conjunto S, e el elemento neutro de S según la operación binaria
∗, a y b un par de elementos de S.
1 Se dirá que b es un inverso por izquierda de a respecto a la operación binaria ∗ si b ∗ a = e.

2 Se dirá que b es un inverso por derecha de a respecto a la operación binaria ∗ si a ∗ b = e.

3 Se dirá que b es un inverso a respecto a la operación binaria ∗ si b ∗ a = e y a ∗ b = e.

Observaciones y ejemplos:

1 La cualidad de los elementos inversos es que al ser operados con su par dan a lugar al elemento neutro.

2 El inverso de a será según la operación binaria definida sobre el conjunto.

3 En Z el inverso de 4 según la adición de números enteros es −4.

4 En Z el inverso de 0 según la adición de números enteros es 0.

5 En Z el inverso de 1 según la multiplicación de números enteros es 1.

6 En Z el inverso de −1 según la multiplicación de números enteros es −1.

7 En Z el inverso de 4 según la multiplicación de números enteros no existe, debido a que el producto de 4

con cualquier número entero resulta diferente de 1 que el elemento neutro de Z según la multiplicación de
números enteros.
1
8 En Q el inverso de 7 según la multiplicación de números racionales es .
7
1
9 En R el inverso de −π según la multiplicación de números reales es .
−π
10 En cualquier conjunto numérico el inverso de 0 según la multiplicación de números no existe.

Teorema 12.
Sea ∗ una operación binaria asociativa en un conjunto S. Si a ∈ S posee su inverso respecto a la
operación binaria ∗, este inverso es único.

Observaciones:

1 Si el conjunto S tiene elemento neutro según la operación binaria ∗, entonces uno, y solo uno, de los
elemento de S será tal neutro.
2 Si el conjunto S tiene elemento neutro según la operación binaria ∗, ya estamos en condiciones de mencionar
los inversos.

UNSCH 12 Digitado en LATEX por: Suárez Azpur, Fredy R.

Espacios vectoriales

3 Si el conjunto S tiene elemento neutro según la operación binaria asociativa ∗, y x ∈ S tiene su respectivo
inverso según ∗, entonces tal inverso es único. Es posible que algunos elementos de S no tengan su respectivo
inverso según ∗.

Ejemplo 17.
Sea N = {1, 2, 3, · · · }, el conjunto de los números naturales
1 En N la adición de números naturales es una operación binaria conmutativa y asociativa, pues
para cada a, b, c ∈ N se tienen

a+b=b+a y (a + b) + c = a + (b + c).

2 El elemento neutro de N según la adición de números naturales no existe.

3 Ante la ausencia de elementos neutros no podemos hablar de inversos.

Ejemplo 18.
Sea Z, el conjunto de los números enteros
1 En Z la adición de números enteros es una operación binaria conmutativa y asociativa, pues
para cada a, b, c ∈ Z se tienen

a+b=b+a y (a + b) + c = a + (b + c).

2 El elemento neutro de Z según la adición de números enteros es 0, pues para cada a ∈ Z se

tienen

a+0=a y 0 + a = a.

3 Dado a ∈ Z, su inverso según la adición de números enteros es −a, pues

(−a) + a = 0 y a + (−a) = 0.

Ejemplo 19.
Sea Q, el conjunto de los números racionales
1 En Q la adición de números racionales es una operación binaria conmutativa y asociativa, pues
para cada a, b, c ∈ Q se tienen

a+b=b+a y (a + b) + c = a + (b + c).

2 El elemento neutro de Q según la adición de números racionales es 0, pues para cada a ∈ Q se

tienen

a+0=a y 0 + a = a.

3 Dado a ∈ Q, su inverso según la adición de números racionales es −a, pues

(−a) + a = 0 y a + (−a) = 0.

UNSCH 13 Digitado en LATEX por: Suárez Azpur, Fredy R.

Espacios vectoriales

Ejemplo 20.
Sea R, el conjunto de los números reales
1 En R la adición de números reales es una operación binaria conmutativa y asociativa, pues
para cada a, b, c ∈ R se tienen

a+b=b+a y (a + b) + c = a + (b + c).

2 El elemento neutro de R según la adición de números reales es 0, pues para cada a ∈ R se

tienen

a+0=a y 0 + a = a.

3 Dado a ∈ R, su inverso según la adición de números reales es −a, pues

(−a) + a = 0 y a + (−a) = 0.

Ejemplo 21.
Sea Z, el conjunto de los números enteros
1 En Z la multiplicación de números enteros es una operación binaria conmutativa y asociativa,
pues para cada a, b, c ∈ Z se tienen

ab = ba y (ab)c = a(bc).

2 El elemento neutro de Z según la multiplicación de números enteros es 1, pues para cada a ∈ Z

se tienen

a1 = a y 1a = a.

3 Dado a ∈ Z, no está garantizado la existencia de su inverso según la multiplicación de números

enteros. Solo los números enteros 1 y −1 tendrán sus inversos, mientras que los otros no.

Ejemplo 22.
Sea Q, el conjunto de los números racionales
1 En Q la multiplicación de números racionales es una operación binaria conmutativa y asociativa,
pues para cada a, b, c ∈ Q se tienen

ab = ba y (ab)c = a(bc).

2 El elemento neutro de Q según la multiplicación de números racionales es 1, pues para cada

a ∈ Q se tienen

a1 = a y 1a = a.

3 Dado a ∈ Q, no está garantizado la existencia de su inverso según la multiplicación de números

racionales. El único elemento de Q que no tiene su inverso, según la multiplicación de números
racionales, es 0.

UNSCH 14 Digitado en LATEX por: Suárez Azpur, Fredy R.

Espacios vectoriales

Ejemplo 23.
Sea R, el conjunto de los números reales
1 En R la multiplicación de números reales es una operación binaria conmutativa y asociativa,
pues para cada a, b, c ∈ R se tienen

ab = ba y (ab)c = a(bc).

2 El elemento neutro de R según la multiplicación de números reales es 1, pues para cada a ∈ R

se tienen

a1 = a y 1a = a.

3 Dado a ∈ R, no está garantizado la existencia de su inverso según la multiplicación de números

reales. El único elemento de R que no tiene su inverso, según la multiplicación de números
reales, es 0.

1.3. Grupos, anillos y cuerpos

Luego de conocer las operaciones binarias sobre un conjunto, estamos en condiciones de presentar estructuras
algebraicas sobre conjuntos. En el caso de grupos, se empleará una operación binaria sobre el conjunto. Mientras
que para anillos y cuerpos se emplearán dos operaciones binarias. La operaciones binarias mencionadas deberán
ser conmutativas, asociativas, ofrecer elementos neutros e inversos según sea el caso.

1.3.1. Grupos

Definición 18 (Grupo).
Un conjunto no vacı́o G tendrá estructura de grupo, o simplemente será un grupo, si sobre él se ha
definido una operación binaria ? tal que
1 ? sea asociativa,

2 G admita elemento neutro según ? y

3 Cada elemento de G admita su respectivo inverso según ?.

En estas condiciones al par (G, ?) lo denominaremos grupo. Si adicionalmente ? es conmutativa,

diremos que (G, ?) es un grupo conmutativo o abelaino.

Ejemplo 24.
El conjunto de los números naturales N junto con la adición y multiplicación no tendrá estructura
de grupo. ¿Cuál es el motivo?

Ejemplo 25.
El conjunto de los números enteros Z junto con la adición tendrá estructura de grupo.

Ejemplo 26.
El conjunto de los números racionales Q junto con la adición tendrá estructura de grupo.

Ejemplo 27.
El conjunto de los números reales R junto con la adición tendrá estructura de grupo.

UNSCH 15 Digitado en LATEX por: Suárez Azpur, Fredy R.

Espacios vectoriales

Ejemplo 28.
Los conjuntos Z, Q y R junto con la multiplicación no tendrán estructura de grupo. El motivo es
que 0 es el único que no tendrá inverso según la multiplicación (no se verifica la tercera condición de
la definición).

Ejemplo 29.
Los conjuntos Z − {0}, Q − {0} y R − {0} junto con la multiplicación tendrán estructura de grupo
abeliano.

Ejemplo 30.
El conjunto {−1, 1} junto con la multiplicación tendrá estructura de grupo abeliano.

Ejemplo 31.
Sea el conjunto G = R − {−1}, en él definimos ? por a ? b = a + b + ab, resulta que:
1 ? es una operación binaria conmutativa y asociativa.

2 G admita elemento neutro según ? y tal neutro es 0.

−a
3 Cada elemento de G admita su respectivo inverso según ?, el inverso de a es .
1+a
Entonces G es un grupo abeliano.

Ejemplo 32.
La adición de n−uplas hace de Rn un grupo abeliano. El neutro de este grupo es (0, 0, · · · , 0) y el
inverso de (a1 , a2 , · · · , an ) es (−a1 , −a2 , · · · , −an ).

Ejemplo 33.
La adición de matrices hace de Rm×n un grupo abeliano. El neutro de este grupo es la matriz nula
y el inverso de [aij ] es [−aij ].

Ejemplo 34.
La adición de polinomios hace de Pn [x] un grupo abeliano. El neutro de este grupo es el polinomio
nulo y el inverso de p(x) es −p(x).

1.3.2. Anillos
Definición 19 (Anillo).
Un conjunto no vacı́o A tendrá estructura de anillo, o simplemente será un anillo, si sobre él se han
definido dos operaciones binarias ? y  tal que
1 (A, ?) es un grupo abeliano,

2  es asociativa y

3 a  (b ? c) = (a  b) ? (a  c) y (b ? c)  a = (b  a) ? (c  a), para cada a, b, c ∈ A.

En estas condiciones a la terna (A, ?, ) lo denominaremos anillo.

UNSCH 16 Digitado en LATEX por: Suárez Azpur, Fredy R.

Espacios vectoriales

Observación:
En el anillo (A, ?, ) a la primera operación binaria la denominaremos adición de elementos y
a la segunda multiplicación de elementos, los cuales por comodidad se denotarán por “+” y “·” respectivamente,
incluso al escribir a · b, lo abreviaremos por ab. El neutro de A según + es 0.
Observación:
En la definición de anillo, la tercera condición es denominada la propiedad distributiva de
la segunda operación binaria respecto a la primera, en los términos de la observación anterior, la propiedad
distributiva se expresará por

a · (b + c) = a · b + a · c y (b + c) · a = b · a + c · a, para cada a, b, c ∈ A.

Definición 20 (Anillo conmutativo).

Sea (A, +, ·) un anillo. Si adicionalmente multiplicación es conmutativa, diremos que el anillo es
conmutativo.

Definición 21 (Anillo con unidad).

Sea (A, +, ·) un anillo. Si adicionalmente existe un 1 ∈ A tal que a · 1 y 1 · a, para todo a ∈ A,
diremos que es un anillo con unidad y que su elemento unidad es 1.

Definición 22 (Anillo con división).

Sea (A, +, ·) un anillo con unidad. Si adicionalmente todo a 6= 0 tiene su inverso según la multipli-
cación, diremos que A es un anillo con división.

Definición 23 (Campo).
Un campo es un anillo conmutativo con unidad y con división.

Observación:
Para que el anillo (A, +, ·) sea un campo, la segunda operación binaria debe ser conmutativa,
A debe tener su neutro según · y cada elemento de A que sea diferente de 0 debe tener su inverso según ·.

Ejemplo 35.
El conjunto Z junto con la adición y multiplicación de números enteros será un anillo conmutativo
con unidad, pero sin división.

Ejemplo 36.
El conjunto Q junto con la adición y multiplicación de números racionales será un campo.

Ejemplo 37.
El conjunto R junto con la adición y multiplicación de números reales será un campo.

Ejemplo 38.
El conjunto C junto con la adición y multiplicación de números complejos será un campo.

Ejemplo 39.
El conjunto Rn×n junto con la adición y multiplicación de matrices será un anillo con unidad. Pero
no será conmutativo y tendrá división. La unidad es este caso es la matriz identidad.

UNSCH 17 Digitado en LATEX por: Suárez Azpur, Fredy R.

Espacios vectoriales

2. Espacios vectoriales
En los campos Q, R y C la adición y multiplicación de números goza de ciertas propiedades que general-
mente se extienden a otros conjuntos en las que ciertas propiedades seguirán verificándose, a algunos de estos
conjuntos los denominaremos espacios vectoriales y a sus elementos los denominaremos vectores. Al estudiar las
propiedades y la estructura de un espacio vectorial, podemos estudiar no solo a Rn que es un ejemplo particular
de espacio vectorial; sino muchos otros espacios vectoriales importantes, tales espacios vectoriales están definidas
sobre un campo que puede ser Q, R o C. El Álgebra Lineal es el estudio de los espacios vectoriales y de las
transformaciones lineales entre ellos.
Cuando trabajemos con espacios vectoriales éstos estarán definidos sobre un campo numérico especifico, y a
los elementos de ese campo numérico lo denominaremos escalares, si un espacio vectorial está definido sobre el
campo R diremos que es un espacio vectorial real en este caso los escalares serán simplemente números reales.
Todo espacio vectorial E sobre un campo K consta de operaciones definidas en él, la primera es la adición
de vectores y la segunda es la multiplicación de un escalar por un vector, ambas serán denotadas por + y ·
respectivamente. En términos formales un espacio vectorial se denotará por (E, +, ·, K) aquı́ se esta especificando
el campo numérico sobre el cual está definido y las dos operaciones definidas sobre E y K en conjunto, pero por
cuestiones de comodidad a un espacio vectorial siempre lo representaremos solo por E teniendo presente que
éste está definido sobre campo numérico y sobre él están definidas dos operaciones

Definición 24 (Espacio vectorial).

Un espacio vectorial real E es un conjunto en el cual se han definido dos operaciones:

? La adición de vectores, que a cada par de vectores u, v de E le asocia el vector u + v de E.

? La multiplicación de un escalar por un vector, que a cada α de R y cada v de E le asocia

el vector α · v.

las cuales deben satisfacer los siguientes axiomas para cada α, β de R y u, v, w de E.

1 Conmutatividad: u + v = v + u.

2 Asociatividad: (u + v) + w = u + (v + w); (αβ) · v = α · (β · v).

3 Vector nulo: Existe un vector 0 ∈ E, llamado vector nulo, tal que v + 0 = v.

4 Inverso aditivo: Para cada v ∈ E, existe un −v ∈ E, tal que v + (−v) = 0.

5 Distributividad: (α + β)v = αv + βv; α(u + v) = αu + αv.

6 Multiplicación por 1 : 1 · v = v.

Observaciones:

1 Los elementos de un espacio vectorial se denominan “vectores”.

2 Todo espacio vectorial tiene un elemento en particular, el cual es denominado el “vector nulo” y se
denotará por 0. El vector nulo de un espacio vectorial es único y será su elemento neutro según la adición
de vectores.
3 Cada vector de un espacio vectorial tiene su respectivo inverso aditivo. Si v es un vector del espacio vectorial
E, su inverso aditivo es el vector −v. En adelante al inverso aditivo de un vector lo denominaremos el
opuesto aditivo o simplemente el opuesto.
4 En el espacio vectorial real (E, +, ·, R) la adición de vectores es

+ : E×E −→ E
(u, v) 7−→ u + v.

UNSCH 18 Digitado en LATEX por: Suárez Azpur, Fredy R.

Espacios vectoriales

y la multiplicación de un escalar por un vector es

· : R×E −→ E
(α, u) 7−→ α · u.

5 En el espacio vectorial real (E, +, ·, R), el par (E, +) debe ser un grupo abeliano.

6 Como se mencionó, a (E, +, ·, R) se denominará espacio vectorial si + y · satisfacen los requisitos men-
cionados en la definición anterior, pero si se sobreentiende quienes son las operaciones y el campo de
definición diremos que E es un espacio vectorial real.

Teorema 13 (Propiedades).
Sean E un espacio vectorial real; u, v, w y 0 vectores de E; α, 0 y 1 escalares.

1 Si w + u = w + v, entonces u = v. 4 Si α 6= 0 y v 6= 0, entonces α · v 6= 0.

2 Dado 0 ∈ R, v ∈ E, entonces 0 · v = 0. 5 Si α · v = 0, entonces α = 0 o v = 0.

3 Dado α ∈ R, 0 ∈ E, entonces α · 0 = 0. 6 (−1) · v = −v.

2.1. Ejemplos de espacios vectoriales.

Ejemplo 40.
n . o
Sea el conjunto Rn = (x1 , x2 , · · · , xn ) x1 , x2 , · · · , xn ∈ R , sobre él definimos la adición de vec-
tores + : Rn × Rn −→ Rn y la multiplicación de un escalar por un vector · : R × Rn −→ Rn del
siguiente modo:
Dados u = (x1 , x2 , · · · , xn ) ∈ Rn , v = (y1 , y2 , · · · , yn ) ∈ Rn , α ∈ R;

u + v = (x1 + y1 , x2 + y2 , · · · , xn + yn ) , αu = (αx1 , αx2 , · · · , αxn ).

Con estas operaciones el conjunto Rn es un espacio vectorial real.

En este espacio el vector nulo es
0 = (0, 0, · · · , 0)
y el opuesto aditivo de u es
−u = (−x1 , −x2 , · · · , −xn ).

Observaciones:

1 En la definición del conjunto Rn , n es un número entero positivo.

2 Para el caso en el que n = 1, R es un espacio vectorial real.

3 Para el caso en el que n = 2, R2 es un espacio vectorial real.

4 Para el caso en el que n = 3, R3 es un espacio vectorial real.

UNSCH 19 Digitado en LATEX por: Suárez Azpur, Fredy R.

Espacios vectoriales

Ejemplo 41.
Sea Rm×n el conjunto de las matrices de ordenes m × n y con entradas reales, sobre él definimos la
adición de vectores + : Rm×n × Rm×n −→ Rm×n y la multiplicación de un escalar por un vector
· : R × Rm×n −→ Rm×n del siguiente modo:
a11 a12 · · · a1n b11 b12 · · · b1n
   
 a21 a22 · · · a2n   b21 b22 · · · b2n 
Dados u =  .  , v= . ..  , α ∈ R, definimos
   
. . . .. ..
 .. .. .. ..   .. . . . 
am1 am2 · · · amn bm1 bm2 · · · bmn
a12 + b12 · · · a1n + b1n αa11 αa12 · · · αa1n

a11 + b11
  
 a21 + b21 a22 + b22 · · · a2n + b2n   αa21 αa22 · · · αa2n 
u+v =  , αu = 
   
.. .. . . .
. .. .. .. .. 
 . . . .   . . . . 
am1 + bm1 am2 + bm2 · · · amn + bmn αam1 αam2 · · · αamn
Con estas operaciones el conjunto Rm×n es un espacio vectorial real.
En este espacio el vector nulo es la matriz nula

···

0 0 0

 0 0 ··· 0 
0=
 
.. .. .. .. 
 . . . . 
0 0 ··· 0

y el opuesto aditivo de u es

−a11 −a12 ··· −a1n

 
 −a21 −a22 ··· −a2n 
−u = 
 
.. .. .. .. 
 . . . . 
−am1 −am2 ··· −amn

Ejemplo 42.
Un polinomio de grado n en la variable x es una expresión

p(x) = an xn + an−1 xn−1 + · · · + a1 x + a0 donde an 6= 0,

donde los ai son los coeficientes. Sea el conjunto Pn [x] el de los polinomios con coeficiente reales,
en la variable x y con grados menores o iguales a n, sobre él definimos la adición de vectores y la
multiplicación de un escalar por un vector del siguiente modo:
Dados u = an xn + an−1 xn−1 + · · · + a1 x + a0 , v = bn xn + bn−1 xn−1 + · · · + b1 x + b0 , α ∈ R,
definimos

u + v = (an + bn )xn + (an−1 + bn−1 )xn−1 + · · · + (a1 + b1 )x + (a0 + b0 ),

y
αu = (αan )xn + (αan−1 )xn−1 + · · · + (αa1 )x + (αa0 )
Con estas operaciones el conjunto Pn [x] es un espacio vectorial real.
En este espacio el vector nulo es

0 = 0xn + 0xn−1 + · · · + 0x + 0

llamado polinomio nulo y el opuesto aditivo de u es

−u = (−an )xn + (−an−1 )xn−1 + · · · + (−a1 )x + (−a0 ).

UNSCH 20 Digitado en LATEX por: Suárez Azpur, Fredy R.

Espacios vectoriales

Ejemplo 43.
  n . o
Sea el conjunto C [a, b] = f f : [a, b] −→ R es continua el de todas las funciones continuas
con dominio [a, b], sobre él definimos la adición de vectores y la multiplicación de un escalar por un
vector del siguiente modo:
Dados f ∈ C([a, b]) , g ∈ C([a, b]) , α ∈ R, definimos

(f + g)(x) = f (x) + g(x) , (αf )(x) = αf (x)

Con estas operaciones el conjunto C([a, b]) es un espacio vectorial real.

En este espacio el vector nulo es la función nula tal que 0(x) = 0, para todo x ∈ [a, b] y el opuesto
aditivo de f es −f , con (−f )(x) = −f (x), para todo x ∈ [a, b].

2.2. Subespacios vectoriales

Dados un espacio vectorial E y un subconjunto F de E, diremos que F es un subespacio vectorial o simple-
mente subespacio de E si las operaciones definidas en E (adición de vectores y multiplicación de un vector por
un escalar) restringidas al conjunto F satisfacen los axiomas de espacio vectorial dadas en la definición 24.

Definición 25 (Subespacio vectorial).

Sean E un espacio vectorial real y F ⊂ E. Diremos que F es un subespacio vectorial de E si la
adición de vectores definida sobre E y la multiplicación de un escalar por un vector definida sobre
E restringidas al conjunto F hacen de él un espacio vectorial.

Observación:
Para demostrar que F es un subespacio vectorial de E, se debe probar todos los requisitos
que menciona la definición pero restringidas al conjunto F , lo cual se pone tedioso y hasta trivial en algunos
casos, por ello presentamos un teorema que es útil para reconocer subespacios de un espacio vectorial dado.
Teorema 14.
Sea E un espacio vectorial real. Un subconjunto F de E es un subespacio vectorial de E si
1 0 ∈ F , (esta parte garantiza que todo subespacio de E es no vacı́o).

2 Para cada par de vectores u y v de F , u + v ∈ F .

3 Para cada v ∈ F y cada α ∈ R, se tiene α · v ∈ F .

Observaciones:
Sean E un espacio vectorial real y F un subconjunto de E.
1 El teorema 14 dice que no es necesario verificar todos los axiomas de espacio vectorial dadas en la definición
24 para ver si F es un subespacio vectorial de E, solo hay que verificar que F contiene al vector nulo y las
operaciones definidas sobre el espacio vectorial E cumplen la propiedad de la clausura (cerradura) cuando
se restringen a F .
2 F no es un subespacio vectorial de E si no se verifica una de las condiciones del teorema 14.

3 Si 0 ∈
/ F , entonces F no es un subespacio vectorial de E.
4 Si existe un par de elementos u y v de F tal que u + v ∈
/ F , entonces F no es un subespacio de E.
5 Si existe un elemento u de F y un escalar α tal que αu ∈
/ F , entonces F no es un subespacio de E.

Ejemplo 44.
Dado un espacio vectorial E, los conjuntos E y {0} son subespacios vectoriales de E y {0} es
denominado subespacio trivial de E.

UNSCH 21 Digitado en LATEX por: Suárez Azpur, Fredy R.

Espacios vectoriales

Ejemplo 45.
Sea n o
F = (x, y, z) ∈ R3 /z = 2x + 3y

un subconjunto de R3 , ¿será F es un subespacio vectorial de R3 ?

Un vector (a, b, c) de R3 pertenecerá a F si su tercera coordenada es igual a la suma del doble de su
primera coordenada y el triple de su segunda coordenada, es decir,

(a, b, c) ∈ F ⇐⇒ c = 2a + 3b

? El vector nulo 0 = (0, 0, 0) de R3 pertenece a F pues sus coordenadas satisfacen la ecuación

que describe a los elementos de F .

? Sean u = (x1 , y1 , z1 ) y v = (x2 , y2 , z2 ) dos vectores de F , demostremos que u + v ∈ F .

u∈F ∧ v∈F =⇒ (x1 , y1 , z1 ) ∈ F ∧ (x2 , y2 , z2 ) ∈ F

=⇒ z1 = 2x1 + 3y1 ∧ z2 = 2x2 + 3y2
=⇒ z1 + z2 = 2(x1 + x2 ) + 3(y1 + y2 )
=⇒ (x1 + x2 , y1 + y2 , z1 + z2 ) ∈ F
=⇒ u + v ∈ F.

? Sean u = (x1 , y1 , z1 ) un vector de F y r un escalar, demostremos que ru ∈ F .

u∈F ∧ r∈R =⇒ (x1 , y1 , z1 ) ∈ F ∧ r∈R

=⇒ z1 = 2x1 + 3y1 ∧ r∈R
=⇒ rz1 = 2rx1 + 3ry1
=⇒ (rx1 , ry1 , rz1 ) ∈ F
=⇒ ru ∈ F.

En virtud del teorema (14) resulta que F es un subespacio vectorial de R3 .

El conjunto F es un plano contenido en R3 que pasa por el origen. Cualquier plano contenido en R3
y que pase por el origen será un subespacio vectorial de R3 .

Ejemplo 46.
Sea n o
F = (x, y, z) ∈ R3 /x + 1 = z + y

un subconjunto de R3 , veamos si F es un subespacio vectorial de R3 .

El vector nulo 0 = (0, 0, 0) de R3 no está en F pues sus coordenadas no satisfacen la ecuación que
describe a F , entonces F no es un subespacio de R3 . El conjunto F es un plano en R3 que no pasa
por el origen.

Ejemplo 47.
Sea n o
F = (x, y, z) ∈ R3 /xy = 0

un subconjunto de R3 , veamos si F es un subespacio vectorial de R3 .

El vector nulo 0 = (0, 0, 0) de R3 está en F pues sus coordenadas satisfacen la ecuación que describe
a F , pero todavı́a no podemos concluir que F es un subespacio de R3 pues falta ver si verifican las
condiciones (2) y (3) del teorema (14).
Sean u = (1, 0, 3) y v = (0, 2, 4) dos vectores de R3 , vemos que u y v son vectores de F , pero la suma
u + v = (1, 2, 7) no es un vector de F . Por lo tanto F no es un subespacio de R3 .

UNSCH 22 Digitado en LATEX por: Suárez Azpur, Fredy R.

Espacios vectoriales

Ejemplo 48.
Sea n o
F = (x, y) ∈ R2 /2x + y = 0

un subconjunto de R2 , veamos si F es un subespacio vectorial de R2 .

Un vector (a, b) de R2 pertenecerá a F si la suma del doble de su primera coordenada y su segunda
coordenada es cero, es decir,
(a, b) ∈ F ⇐⇒ 2a + b = 0

? El vector nulo 0 = (0, 0) de R2 pertenece a F pues sus coordenadas satisfacen la ecuación que
describe a los elementos de F .

? Sean u = (x1 , y1 ) y v = (x2 , y2 ) dos vectores de F , demostremos que u + v ∈ F .

u∈F ∧ v∈F =⇒ (x1 , y1 ) ∈ F ∧ (x2 , y2 ) ∈ F

=⇒ 2x1 + y1 = 0 ∧ 2x2 + y2 = 0
=⇒ 2(x1 + x2 ) + (y1 + y2 ) = 0
=⇒ (x1 + x2 , y1 + y2 ) ∈ F
=⇒ u + v ∈ F.

? Sean u = (x1 , y1 ) un vector de F y r un escalar, demostremos que ru ∈ F .

u∈F ∧ r∈R =⇒ (x1 , y1 ) ∈ F ∧ r∈R

=⇒ 2x1 + y1 = 0 ∧ r∈R
=⇒ 2rx1 + ry1 = 0
=⇒ (rx1 , ry1 ) ∈ F
=⇒ ru ∈ F.

En virtud del teorema (14) resulta que F es un subespacio vectorial de R2 .

El conjunto F es una recta contenida en R2 que pasa por el origen. Cualquier recta contenido en R2
y que pase por el origen será un subespacio vectorial de R2 .

Ejemplo 49.
Sea n o
F = (x, y) ∈ R2 /2x + 1 = y

un subconjunto de R2 , veamos si F es un subespacio vectorial de R2 .

El vector nulo 0 = (0, 0) de R2 no está en F pues sus coordenadas no satisfacen la ecuación que
describe a F , entonces F no es un subespacio de R2 . El conjunto F es una recta en R2 que no pasa
por el origen.

Ejemplo 50.
Sea n o
F = (x, y, z) ∈ R3 /z = x2 + y 2

un subconjunto de R3 , veamos si F es un subespacio vectorial de R3 .

El vector nulo 0 = (0, 0, 0) de R3 está en F pues sus coordenadas satisfacen la ecuación que describe
a F , pero todavı́a no podemos concluir que F es un subespacio de R3 pues falta ver si verifican las
condiciones (2) y (3) del teorema (14).
Sea u = (3, 4, 25) un vector de R3 , vemos que u ∈ F , pero 2u = (6, 8, 50) no es un vector de F . Por
lo tanto F no es un subespacio de R3 .

UNSCH 23 Digitado en LATEX por: Suárez Azpur, Fredy R.

Espacios vectoriales

Nota:

1 R es un espacio vectorial real y sus únicos subespacios vectoriales son {0} y R.

2 Para el espacio vectorial R2 , sus únicos subespacios vectoriales son {0}, R2 y las rectas que pasa por el
origen.
3 Para el espacio vectorial R3 , sus únicos subespacios vectoriales son {0}, R3 , las rectas que pasa por el
origen y los planos que pasan por el origen.

Teorema 15.
? Sea E un espacio vectorial. Si F1 y F2 son subespacios vectoriales de E, entonces F1 ∩ F2 es
un subespacio vectorial de E.

? Generalizando: Dados F1 , F2 , · · · , Fm subespacios vectoriales de E, entonces

F1 ∩ F2 ∩ · · · ∩ Fm

es un subespacio vectorial de E.

Ejemplo 51.
Sean los escalares a1 , a2 , · · · , an no todos nulos, entonces el conjunto
n . o
F = (x1 , x2 , · · · , xn ) ∈ Rn a1 x1 + a2 x2 + · · · + an xn = 0

es un subespacio vectorial de Rn .
Las coordenadas de los vectores de F satisfacen la ecuación lineal a1 x1 + a2 x2 + · · · + an xn = 0.
En otros términos, todas las soluciones de una ecuación lineal homogénea de n incógnitas formarán
un subespacio vectorial de Rn .

Ejemplo 52.
Sea F el conjunto de los vectores v = (x1 , x2 , · · · , xn ) de Rn cuyas coordenadas satisfacen las m
condiciones siguientes

a11 x1 + a12 x2 +···+ a1n xn = 0

a21 x1 + a22 x2 +···+ a2n xn = 0
.. .. .. ..
. . . .
am1 x1 + am2 x2 + · · · + amn xn = 0,

entonces F es un subespacio vectorial de Rn , pues F es la intersección de los subespacios

F1 , F2 , · · · , Fm de Rn , donde
n . o
F1 = (x1 , x2 , · · · , xn ) ∈ Rn a11 x1 + a12 x2 + · · · + a1n xn = 0
n . o
F2 = (x1 , x2 , · · · , xn ) ∈ Rn a21 x1 + a22 x2 + · · · + a2n xn = 0

..
.
n . o
Fm = (x1 , x2 , · · · , xn ) ∈ Rn am1 x1 + am2 x2 + · · · + amn xn = 0 .

Este ejemplo afirma que todas las soluciones de un sistema lineal homogéneo con n incógnitas forman
un subespacio de Rn .

UNSCH 24 Digitado en LATEX por: Suárez Azpur, Fredy R.

Espacios vectoriales

Ejemplo 53.
n . o
Sea F = (x, y, z, t) ∈ R4 x + y = z + t ∧ 2x − y = −3z + t . ¿Será F un subespacio de R4 ?
Las ecuaciones que describen F son x + y = z + t ∧ 2x − y = −3z + t, éstas forman el siguiente
sistema lineal homogéneo 
x+y−z−t = 0
2x − y + 3z − t = 0
Por lo tanto F es un subespacio de R4 .

Definición 26 (Combinación Lineal).

Sean E es un espacio vectorial y v, v1 , v2 , · · · , vn vectores de E. El vector v es una combinación
lineal de los vectores v1 , v2 , · · · , vn , si existen escalares α1 , α2 , · · · , αn , tales que

v = α1 v1 + α2 v2 + · · · + αn vn .

Observaciones:

1 En la combinación lineal α1 v1 + α2 v2 + · · · + αn vn es posible que algunos escalares sean iguales a cero.

2 Si α1 v1 + α2 v2 + · · · + αn vn = 0, diremos que es una combinación lineal nula.

3 En una combinación lineal nula α1 v1 + α2 v2 + · · · + αn vn = 0, es posible encontrar algunos escalares que

sean diferentes de cero.
4 Si en la combinación lineal α1 v1 + α2 v2 + · · · + αn vn , el escalar αi es diferente de cero, entonces el vector
vi será combinación lineal de los vectores v1 , v2 , · · · , vi−1 , vi+1 · · · , vn .
5 Si v es una combinación lineal de los vectores v1 , v2 , · · · , vn , entonces la igualdad

v = α1 v1 + α2 v2 + · · · + αn vn

dará origen a un sistema lineal compatible. En particular la combinación lineal nula dará origen a un
sistema lineal homogéneo.
6 El vector v no es una combinación lineal de los vectores v1 , v2 , · · · , vn , si para cualquier colección de
escalares α1 , α2 , · · · , αn ,
v 6= α1 v1 + α2 v2 + · · · + αn vn .

7 Si de la igualdad
v = α1 v1 + α2 v2 + · · · + αn vn
obtenemos un sistema lineal incompatible, entonces v no es una combinación lineal de los vectores
v1 , v2 , · · · , vn .

Ejemplo 54.
Sean v = (17, 4, 9), v1 = (1, 2, 0), v2 = (5, 0, 3) vectores de R3 . ¿Será v una combinación lineal de los
vectores v1 y v2 ?.

Solución:

Sea v = α1 v1 + α2 v2 , entonces (17, 4, 9) = α1 (1, 2, 0) + α2 (5, 0, 3) = (α1 + 5α2 , 2α1 , 3α2 ).

El sistema lineal que obtenemos de la última igualdad es

 α1 + 5α2 = 17
2α1 = 4 (1)

3α2 = 9

UNSCH 25 Digitado en LATEX por: Suárez Azpur, Fredy R.

Espacios vectoriales

La matriz ampliada asociada al sistema lineal anterior es

 
1 5 17
 2 0 4 
0 3 9

y es equivalente por filas a

 
1 0 2
 0 1 3 
0 0 0
 
2
Al inspeccionar la última matriz resulta que el sistema lineal (1) posee una única solución y es , del cual
3

α1 = 2
obtenemos . Por lo tanto v = 2v1 + 3v2 y v es una combinación lineal de los vectores v1 y v2 .
α2 = 3

Ejemplo 55.
Sean v = (17, 4, 10), v1 = (1, 2, 0), v2 = (5, 0, 3) vectores de R3 . ¿Será v una combinación lineal de
los vectores v1 y v2 ?.

Solución:

Sea v = α1 v1 + α2 v2 , entonces (17, 4, 10) = α1 (1, 2, 0) + α2 (5, 0, 3) = (α1 + 5α2 , 2α1 , 3α2 ).
El sistema lineal que obtenemos de la última igualdad es

 α1 + 5α2 = 17
2α1 = 4 (2)

3α2 = 10

La matriz ampliada asociada al sistema lineal anterior es

 
1 5 17
 2 0 4 
0 3 10

y es equivalente por filas a

 
1 0 2
 0 1 10/3 
0 0 −1/3
Al inspeccionar la última matriz resulta que el sistema lineal (2) es incompatible (no posee solución).
Por lo tanto v no es combinación lineal de los vectores v1 y v2 .

Observaciones:

1 En los ejemplos (54) y (55) se utilizó la definición de combinación lineal, los cuales emplean sistemas de
ecuaciones lineales.
2 Para que v sea combinación lineal de los vectores v1 , v2 , · · · , vn , el sistema de ecuaciones lineales que
genera la siguiente igualdad
v = α1 v1 + α2 v2 + · · · + αn vn
debe ser compatible determinado o indeterminado.
3 Para que v no sea combinación lineal de los vectores v1 , v2 , · · · , vn , el sistema de ecuaciones lineales que
genera la siguiente igualdad
v = α1 v1 + α2 v2 + · · · + αn vn
debe ser incompatible.

UNSCH 26 Digitado en LATEX por: Suárez Azpur, Fredy R.

Espacios vectoriales

Teorema 16.
Sea X un subconjunto del espacio vectorial E. El conjunto de todas las combinaciones lineales de
vectores de X es un subespacio vectorial de E.

Definición 27.
Sea X un subconjunto del espacio vectorial E. Al conjunto de todas las combinaciones lineales de
vectores de X lo denominaremos el subespacio vectorial generado por X.

Observaciones:

1 Al subespacio de E generado por X lo denotaremos por S(X), X se llamará un generador de S(X).

2 S(X) puede tener más de un generador.

3 S(X) es un subespacio de E, para todo X ⊂ E, además X ⊂ S(X).

4 S(X) es el menor subespacio de E que contiene a X; es decir, si X ⊂ F y F es un subespacio de E,

entonces S(X) ⊂ F .
5 Si X es un subespacio de E, entonces S(X) = X.

6 Al subespacio vectorial de E generado por X = {v1 , · · · , vn } lo denotaremos por hv1 , · · · , vn i.

7 Si S(X) = E, diremos que X es un conjunto de generadores de E.

Ejemplo 56.
Sea v un vector no nulo de R3 . El subespacio vectorial de R3 generado por X = {v} es
n . o
S(X) = αv α ∈ R

y es la recta que pasa por el origen y con vector direccional v.

Ejemplo 57.
Sean u y v dos vectores no nulos y no paralelos de R3 . El subespacio vectorial de R3 generado por
X = {u, v} es n . o
S(X) = αu + βv α, β ∈ R

y es el plano que pasa por el origen y con normal #

n = u × v.

Ejemplo 58.
n o
El espacio vectorial real Rn es generado por X = e1 , · · · , en , donde ei es un elemento de Rn cuya
i−ésima coordenada es 1 y el resto de sus coordenadas son iguales 0, es decir,

e1 = (1, 0, 0, · · · , 0)
e2 = (0, 1, 0, · · · , 0)
e3 = (0, 0, 1, · · · , 0)
···
en = (0, 0, 0, · · · , 1).

Los anteriores son denominados los vectores canónicos de Rn .

UNSCH 27 Digitado en LATEX por: Suárez Azpur, Fredy R.

Espacios vectoriales

Ejemplo 59.
El espacio vectorial real Rm×n es generado por
n o
X = e11 , e12 , · · · , e1n , e21 , e22 , · · · , e2n , · · · , em1 , em2 , · · · , emn

donde eij es una matriz de orden m × n cuya entrada que esta en la i−fila y j−columna es 1 y el
resto de sus entradas son iguales 0.

Ejemplo 60.
El espacio vectorial real Pn [x] de los polinomios de grados menores o iguales a n, es generado por
n o
X = 1, x, x2 , x3 , · · · , xn .

Ejemplo 61.
Demuestre que n . o
F = (x, y, z) ∈ R3 x + y = 0 ∧ y+z =0

es un subespacio vectorial de R3 y halle uno de sus generadores.

Solución:

1 Primero probemos que F es un subespacio vectorialde R3

a) Sea 0 = (0, 0, 0) ∈ R3 , es claro que sus coordenadas satisfacen las ecuaciones que describen a F , por
lo tanto 0 ∈ F .
b) Sean u = (x1 , y1 , z1 ), v = (x2 , y2 , z2 ) ∈ F , probemos que u + v ∈ F .
? u = (x1 , y1 , z1 ) ∈ F −→ x1 + y1 = 0 ∧ y1 + z1 = 0
? v = (x2 , y2 , z2 ) ∈ F −→ x2 + y2 = 0 ∧ y2 + z2 = 0
? Sumando: (x1 + x2 ) + (y1 + y2 ) = 0 ∧ (y1 + y2 ) + (z1 + z2 ) = 0
esto implica que (x1 + x2 ; y1 + y2 ; z1 + z2 ) ∈ F , es decir u + v ∈ F .
c) Sean u = (x1 , y1 , z1 ) ∈ F y α ∈ R, probemos que αu ∈ F .
? u = (x1 , y1 , z1 ) ∈ F −→ x1 + y1 = 0 ∧ y1 + z1 = 0,
? Multiplicando por α a cada ecuación tenemos αx1 + αy1 = 0 ∧ αy1 + αz1 = 0
esto implica que (αx1 ; αy1 ; αz1 ) ∈ F , es decir αu ∈ F .
2 Otra manera de demostrar que F es un subespacio de R3 (de manera directa) es que sus vectores son
soluciones de un sistema lineal homogéneo.
3 Las ecuaciones que describen F son: x + y = 0 ∧ y + z = 0, que es un sistema lineal homogéneo, su
matriz ampliada será:    
1 1 0 0 1 0 −1 0
∼
0 1 1 0 0 1 1 0
De donde x − z = 0 ∧ y + z = 0 (z incógnita libre), es decir x = z ∧ y = −z, expresándolas en
función de parámetros 
 x=`
y = −`

z=`

4 Sea u = (x, y, z) ∈ F , entonces u = (x, y, z) = (`, −`, `) = `(1, −1, 1); esto indica que cada vector de F es
multiplo de (1, −1, 1) n o
Por tanto un generador de F es X = (1, −1, 1) .

UNSCH 28 Digitado en LATEX por: Suárez Azpur, Fredy R.

Espacios vectoriales

Ejemplo 62.
Demuestre que F = {(x, y, z, t) ∈ R4 /x + y + t = 0 ∧ y + z + t = 0} es un subespacio vectorial
de R4 y halle uno de sus generadores.

Solución:

1 Primero probemos que F es un subespacio vectorialde R3

a) Sea 0 = (0, 0, 0, 0) ∈ R4 , es claro que sus coordenadas satisfacen las ecuaciones que describen a F ,
por lo tanto 0 ∈ F .
b) Sean u = (x1 , y1 , z1 , t1 ), v = (x2 , y2 , z2 , t2 ) ∈ F , probemos que u + v ∈ F .
? u = (x1 , y1 , z1 , t1 ) ∈ F −→ x1 + y1 + t1 = 0 ∧ y1 + z1 + t1 = 0
? v = (x2 , y2 , z2 , t2 ) ∈ F −→ x2 + y2 + t2 = 0 ∧ y2 + z2 + t2 = 0
? Sumando: (x1 + x2 ) + (y1 + y2 ) + (t1 + t2 ) = 0 ∧ (y1 + y2 ) + (z1 + z2 ) + (t1 + t2 ) = 0
esto implica que (x1 + x2 ; y1 + y2 ; z1 + z2 ; t1 + t2 ) ∈ F , es decir u + v ∈ F .
c) Sean u = (x1 , y1 , z1 , t1 ) ∈ F y α ∈ R, probemos que αu ∈ F .
? u = (x1 , y1 , z1 , t1 ) ∈ F −→ x1 + y1 + t1 = 0 ∧ y1 + z1 + t1 = 0,
? Multiplicando por α a cada ecuación tenemos αx1 + αy1 + αt1 = 0 ∧ αy1 + αz1 + αt1 = 0
esto implica que (αx1 ; αy1 ; αz1 ; αt1 ) ∈ F , es decir αu ∈ F .
2 Las ecuaciones que describen F son: x + y + t = 0 ∧ y + z + t = 0, que es un sistema lineal homogéneo,
su matriz ampliada será:    
1 1 0 1 0 1 0 −1 0 0
∼
0 1 1 1 0 0 1 1 1 0
De donde x − z = 0 ∧ y + z + t = 0 (z y t incógnitas libres), es decir x = z ∧ y = −z − t;
expresándolas en función de parámetros

 x=`

y = −` − r


 z=`

t=r

3 Sea u = (x, y, z, t) ∈ F , entonces

u = (x, y, z, t) = (`, −` − r, `, r) = (`, −`, `, 0) + (0, −r, 0, r) = `(1, −1, 1, 0) + r(0, −1, 0, 1),

esto indica que cada vector de F es combinación lineal de los vectores w1 = (1, −1, 1, 0) y w2 = (0, −1, 0, 1).
Por tanto un generador de F es X = {w1 , w2 }.

Ejemplo 63.
Sean v1 = (1, 2, 3, 4); v2 = (2, 0, 3, 0); v3 = (3, 2, 6, 4); v4 = (5, 2, 9, 4) vectores de R4 . Halle el
subespacio de R4 generado por X = {v1 , v2 , v3 , v4 }.

Solución:

Denotemos por F = hv1 , v2 , v3 , v4 i el subespacio de R4 generado por X = {v1 , v2 , v3 , v4 }. Al elegir un vector

arbitrario (x, y, z, t) de F , se debe obtener, posiblemente, las condiciones sobre sus coordenadas.

? Si obtenemos condiciones sobre las coordenadas (x, y, z, t), entonces F será diferente a R4 .

? Si no hay condiciones sobre las coordenadas (x, y, z, t), entonces F será R4 .

UNSCH 29 Digitado en LATEX por: Suárez Azpur, Fredy R.

Espacios vectoriales

Sea u = (x, y, z, t) ∈ F , entonces u es combinación lineal de los vectores de X = {v1 , v2 , v3 , v4 }

=⇒ existen escalares a, b, c, d tales que u = av1 + bv2 + cv3 + dv4

=⇒ u = a(1, 2, 3, 4) + b(2, 0, 3, 0) + c(3, 2, 6, 4) + d(5, 2, 9, 4)
=⇒ (x, y, z, t) = (a + 2b + 3c + 5d, 2a + 2c + 2d, 3a + 3b + 6c + 9d, 4a + 4c + 4d)

 a + 2b + 3c + 5d = x

2a + 2c + 2d = y

=⇒ es un sistema lineal compatible.

 3a + 3b + 6c + 9d = z

4a + 4c + 4d = t
=⇒ La matriz ampliada asociada a este sistema lineal es
1 2 3 5 x 1 2 3 5 x
     
 2 0 2 2 y   2 0 2 2   y 
A0 = [A|b] =   3 3 6 9 z  , donde A =  3 3 6 9  y b =  z 
    

4 0 4 4 t 4 0 4 4 t
1 2 3 5 x
 
0 4 4 8 2x − y
=⇒ C 0 = [C|d] = 
  0
 0 0 0 0 6x + 3y − 4z  es la matriz escalonada equivalente por filas a A


0 0 0 0 2y − t
0
=⇒ ran (C) = ran (C ) pues el sistema lineal es compatible
=⇒ 6x + 3y − 4z = 0 y 2y − t = 0 son las condiciones para las coordenadas de u = (x, y, z, t).

Por lo tanto n . o
F = (x, y, z, t) ∈ R4 6x + 3y − 4z = 0 ∧ 2y − t = 0 .

Los resultados del presente ejemplo dan como un generador de F a un conjunto con cuatro vectores, no debe
suponerse que cualquier otro generador tendrá cuatro elementos. Hallemos otro generador de F .
Sea (x, y, z, t) ∈ F , entonces 6x + 3y − 4z = 0 ∧ 2y − t = 0.
Ahora
 

6x + 3y − 4z = 0

6 3 −4 0 0
 1 0 −2/3 1/4 0
=⇒ ∼  
2y − t = 0 0 2 0 −1 0 0 1 0 −1/2 0

El sistema lineal asociado a la última matriz ampliada es

 2 1
 x− z+ t
 = 0
3 4
 y− 1t

= 0
2
cuyas soluciones en función de parámetros están descritas por
2 1


 x= r− s
3 4



1


y= s
 2



 z = r

t=s


Luego
2
1 1  2   1 1 
(x, y, z, t) = r−
s, s, r, s = r , 0, 1, 0 + s − , , 0, 1
3 4 2 3 4 2
2   1 1 
Otro generador de F es Y = {u1 , u2 }, donde u1 = , 0, 1, 0 y u2 = − , , 0, 1 .
3 4 2
Presentemos ahora otro generador de F desde Y , tal generador de F es W = {w1 , w2 }, donde w1 = (2, 0, 3, 0)
y w2 = (−1, 2, 0, 4).

UNSCH 30 Digitado en LATEX por: Suárez Azpur, Fredy R.

Espacios vectoriales

Ejemplo 64.
Sean v1 = (1, 2, 3, 4); v2 = (2, 0, 3, 0); v3 = (3, 2, 6, 3); v4 = (5, 2, 10, 0) vectores de R4 . Halle el
subespacio de R4 generado por los vectores X = {v1 , v2 , v3 , v4 }.

Solución:

Denotemos por F = hv1 , v2 , v3 , v4 i al subespacio de R4 generado por X = {v1 , v2 , v3 , v4 } Al elegir un vector

arbitrario (x, y, z, t) de F , se debe obtener, posiblemente, las condiciones sobre sus coordenadas.

? Si obtenemos condiciones sobre las coordenadas (x, y, z, t), entonces F será diferente a R4 .

? Si no hay condiciones sobre las coordenadas (x, y, z, t), entonces F será R4 .

Sea u = (x, y, z, t) ∈ F , entonces u es combinación lineal de los vectores de X = {v1 , v2 , v3 , v4 }

=⇒ existen escalares a, b, c, d tales que u = av1 + bv2 + cv3 + dv4

=⇒ u = a(1, 2, 3, 4) + b(2, 0, 3, 0) + c(3, 2, 6, 3) + d(5, 2, 10, 0)
=⇒ (x, y, z, t) = (a + 2b + 3c + 5d, 2a + 2c + 2d, 3a + 3b + 6c + 10d, 4a + 3c)

 a + 2b + 3c + 5d = x

2a + 2c + 2d = y

=⇒ es un sistema lineal compatible.

 3a + 3b + 6c + 10d = z

4a + 3c = t
=⇒ La matriz ampliada asociada a este sistema lineal es
1 2 3 5 x 1 2 3 5 x
     
 2 0 2 2 y   2 0 2 2   y 
A0 = [A|b] =   3 3 6 10 z  , donde A =  3 3 6 10  y b =  z 
    

4 0 3 0 t 4 0 3 0 t
1 2 3 5 x
 
0 4 4 8 2x − y
C 0 = [C|b] = 
 
=⇒  es la matriz escalonada equivalente por filas a A0
 0 0 1 4 2y − t 
0 0 0 4 −6x − 3y + 4z
=⇒ Vemos que ran (C) = ran (C 0 ) = 4 = número de incógnitas,
=⇒ El sistema lineal posee una única solución para todo (x, y, z, t) ∈ R4
=⇒ No existe condición alguna para las coordenadas de (x, y, z, t).

Por lo tanto F = R4 .

Índice
1. Preliminares 1
1.1. Producto Cartesiano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1. Relación binaria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.2. Relaciones de equivalencia y de orden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2. Operaciones binarias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3. Grupos, anillos y cuerpos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3.1. Grupos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3.2. Anillos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

2. Espacios vectoriales 18
2.1. Ejemplos de espacios vectoriales. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2. Subespacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

UNSCH 31 Digitado en LATEX por: Suárez Azpur, Fredy R.