TECNOLGICO NACIONAL DE MXICO

INSTITUTO TECNOLGICO DE SAN MARCOS

4 DE MAYO DE 2017

UNIDAD 4
ESPACIOS VECTORIALES

ALUMNA: Maria Guadalupe Rodriguez Vazquez

MATERIA: Algebra Lineal
SEMESTRE: 4
PREOFESOR: Josue Diaz Miranda
INDICE

1.- Introduccion 3

2.- Definicion de espacio vectorial 4

3.-Definicion de subespacio vectorial y sus propiedades 5

4.- Combinacion lineal, independecia lineal 6

5.- Base y dimensiones de un espacio vectorial, cambio de base 7

6.-Espacio vectorial con producto interno y sus propiedades 9

7.- base ortonormal, proceso de ortomalizacion de Gram-schmidt 10

8.- conclusion 12

9.-bibliografia 13
Introduccion

El propsito de este trabajo es definir qu es un espacio vectorial complementndola

con los ejemplos ms fundamentales. Profundizaremos en la estructura de estos
estudiando sus subespacios, sus propiedades, sus bases, sus combinaciones lineales
sus dimensiones y finalizaremos con el proceso de ortonormatizacion de gram-schmidt
y algunos ejemplos Lo que nos llevar a entender de una mejor manera.
 Espacio vectorial

Un espacio vectorial es un conjunto no vaco V de objetos, llamados vectores, en el

que estn Definidas dos operaciones, llamadas suma y multiplicacin por escalares
(nmeros reales), sujetas a los diez axiomas (o reglas) que se enlistan a continuacin
.Los axiomas deben ser vlidos para todos los vectores u, v y w en V y todos los
escalares c y d.
1. La suma de u y v, denotada mediante u + v, est en V.
2. u + v = v + u.
3. (u + v) + w = u + (v + w).
4. Existe un vector cero 0 en V tal que u + 0 = u.
5. Para cada u en V, existe un vector u en V tal que u + (u) = 0.
6. El mltiplo escalar de u por c, denotado mediante cu, est en V.
7. c (u + v) = c u + cv.
8. (c + d) u = c u + du.
9. c (du) = (cd) u.
10. 1 u = u.

Mediante estos axiomas, es posible demostrar que el vector cero del axioma 4 es
nico, y que el vector u, llamado el negativo de u, del axioma 5 es nico para cada u
en V.
Un ejemplo:

Sea V el conjunto de todas las flechas (segmentos de lneas dirigidos) presentes en el

espacio tridimensional; dos de estas flechas se consideran iguales si tienen la misma
longitud y apuntan en la misma direccin. La suma se define por medio de la regla del
paralelogramo y para cada v en V se define c v como la flecha cuya longitud es |c| veces
la longitud de v, y que apunta en la misma direccin que v si c 0 y en la direccin
opuesta en caso contrario. Muestre que V es un espacio vectorial. Este espacio es un
modelo comn en problemas de fsica para diversas fuerzas.
Solucin:
La definicin de V es geomtrica, y utiliza conceptos de longitud y direccin. No
intervienen coordenadas xyz. Una fl echa de longitud cero es un solo punto y representa
el vector cero. El negativo de v es (1)v. As, los axiomas 1, 4, 5, 6 y 10 son evidentes;
los dems se verifican geomtricamente.
Como se muestra en la siguiente figura:
La primer figura: u + v = v + u. la segunda figura: (u + v) + w = u + (v + w).

v
v+u

u v u u v+w w
u+v

u+v u+v+w

Subespacios

En muchos problemas, un espacio vectorial consta de un subconjunto adecuado de

vectores de algn espacio vectorial mayor. En este caso, ser necesario verificar slo
tres de los diez axiomas de espacios vectoriales. El resto quedarn satisfechos de
manera automtica.
El espacio vectorial R contenido en el espacio vectorial C es un subespacio suyo si se
considera en C la operacin Externa por los elementos de R, pero no es un
subespacio vectorial, si se considera en C la operacin externa por los Elementos del
mismo C.
Un subespacio de un espacio vectorial V es un subconjunto H de V que tiene tres
propiedades:
1. El vector cero de V est en H.2
2. H es cerrado bajo la suma de vectores. Esto es, para cada u y v en H, la suma u

+ v est en H.
 3.- H es cerrado bajo la multiplicacin por escalares. Esto es, para cada u en H y

Cada escalar c, el vector c u est en H.

Las propiedades (a), (b) y (c) garantizan que un subespacio H de V es en s mismo un

espacio vectorial, bajo las operaciones de espacio vectorial ya definidas en V. Para
verificar esto, observe que las propiedades (a), (b) y (c) son los axiomas 1, 4 y 6. Los
axiomas 2, 3, y del 7 al 10 son verdaderos de manera automtica en H porque se aplican
a todos los elementos de V, incluidos aquellos que estn en H. El axioma 5 tambin es
verdadero en H, porque si u est en H, entonces (1) u est en H segn (c), y por la
ecuacin (3) de la pgina 217 se sabe que (1) u es el vector u del axioma 5. As, todo
subespacio es un espacio vectorial. De manera recproca, todo espacio vectorial es un
subespacio (de s mismo o posiblemente de espacios mayores). El trmino subespacio
es usado cuando se consideran por lo menos dos espacios, con uno dentro de otro, y
la frase subespacio de V identifica a V como el espacio ms grande.

Combinacin lineal

Sea V un espacio vectorial sobre K. Dados r vectores v1, . . . , vr 2 V , llamamos

combinacin lineal de estos vectores a cualquier expresin, tambin se puede ver cmo;
Sea V un espacio vectorial. Diremos que un vector v depende linealmente de un
conjunto de vectores {v1, . . . , vr} si v se puede escribir como combinacin lineal de v1,
. . . , vr.

Dependencia e independencia lineal

Sea V un espacio vectorial sobre K. Diremos que un sistema (o conjunto) de vectores S

= {v1, . . . , vr} aV es linealmente dependiente, si existen r escalares a1, . . . , ar 2 K, no
todos nulos, tales que a1v1 + a2v2 + arvr = 0. En caso contrario, es decir, si la nica
forma de escribir el vector 0 como combinacin lineal de estos vectores es tomando a1
= a2 = = ar = 0, diremos que el sistema S es linealmente independiente o libre.
Un conjunto finito de vectores H = {x1, x2, . . . , xk} siendo H c V se dice que es
linealmente dependiente o que forman un sistema ligado, si existen a1, a2, . . . , ak E
R, no todos nulos, tales que
Xn
M aixi = a1x1 + a2x2 + + akxk = 0

i=1
Si de cualquier combinacin lineal de ellos igualada a cero
a1x1 + a2x2 + + akxk = 0
Se deduce que _
a1 = a2 = = an = 0 se dice que es linealmente independiente o que forman un
sistema libre.
Por ejemplo:
Espacio vectorial Kn
Si el espacio vectorial es Kn podemos usar los clculos matriciales de los temas
anteriores para saber si un sistema de vectores S = {v1, . . . , vr} a Kn es linealmente
dependiente. Para ello tomamos la matriz. AS =

(v1| |vr)

Cuyas columnas son los vectores de S. Sea E cualquier forma escalonada por filas de
AS. Si alguna columna de E no tiene pivote, sabemos que la columna correspondiente
en AS es tambin combinacin lineal de las anteriores, luego S es linealmente
dependiente. Si todas las columnas de E tienen pivote entonces S es linealmente
independiente. Es decir, S es linealmente independiente si y solo si rango(AS) = r.
Ejemplo 1.- En R3 el conjunto S = {u1 = (1, 1, 2), u2 = (1, 0, 1), u3 =
(2,1, 2)} Es linealmente independiente, pues

1 -1 2 1 1 -2
1 0 -1 0 1 3
2 -1 2 0 0 1
Sin embargo, el conjunto T = {u1 = (1, 1, 2), u2 = (1, 0, 1), u3 = (2,1, 1)} es linealmente
dependiente, pues;

1 -1 2 1 1 -2
1 0 -1 0 1 3
2 -1 1 0 0 0

Base y dimensiones de un espacio vectorial, cambio

de base

Base
Se llama base de un espacio vectorial a un sistema generador del espacio que a su vez
es linealmente independiente.
Sea H un subespacio de un espacio vectorial V. Un conjunto indexado de vectores
B = {b1, . . . , bp} en V es una base para H si;
1.-B es un conjunto linealmente independiente, y
2.-el subespacio generado por B coincide con H, esto es,
H = Gen{b1, . . . , bp}
La definicin de base se aplica al caso en que H = V, porque cualquier espacio Vectorial
es un subespacio de s mismo. As, una base de V es un conjunto linealmente
Independiente que genera V. Observe: cuando H _ V, la condicin 2.- incluye el requisito
de que cada uno de los vectores b1, . . . , bp debe pertenecer a H, porque Gen{b1, . . .
, bp} contiene a b1, . . . , bp,).
Dimensin
Sea V un K-espacio vectorial y sea B = fv1; : : : ; vng una base de V . Diremos entonces
que n es la dimensin de V (como espacio vectorial sobre K). En este caso, diremos
que V es un K-espacio vectorial de dimensin finita, para distinguirlo de los espacios
vectoriales que no admiten una base con finitos elementos. Por convencin, la
dimensin de f0g es 0. Notacin. Si n es la dimensin del K-espacio vectorial V ,
escribimos n = dimK V , o simplemente dim V si el cuerpo K queda claro por el contexto.
Una propiedad de las bases es que cualquier vector del espacio vectorial considerado
se puede expresar como combinacin lineal de los elementos de la base de manera
nica

La dimensin de un espacio vectorial V , que denotamos dim(V ), se define como sigue:

Si V = {0}, entonces dim(V ) = 0.
Si V es de tipo finito, su dimensin es el nmero de elementos de cualquier base de V .
Si V no es de tipo finito, diremos que tiene dimensin infinita, y escribiremos dim V = 1.

Cambio de base
Observemos que las coordenadas de un vector de V dependen de la base B que
hayamos Elegido. Si tuviramos otra base B0, las coordenadas del mismo vector serian
diferentes. Vamos a ver entonces como estn relacionados estos dos tipos de
coordenadas. Supongamos que tenemos un espacio vectorial V de dimensin n, y
consideremos dos
Bases de V : B = (u1, . . . , un) y B0 = (u01, . . . , u0n). Como B es base, podremos
escribir Cada vector de B0 respecto a B, es decir, tendremos:
u0
1 = a11u1 + a21u2 + + an1un,
u0
2 = a12u1 + a22u2 + + an2un,
...
u0
n = a1nu1 + a2nu2 + + annun.
Con esta notacin, se tiene lo siguiente:
Si las coordenadas de v 2 V respecto a B y B0 son, respectivamente
vB = (x1, . . . , xn) y vB0 = (x01, . . . , x0n), entonces se tiene la relacin:
x1 = a11x01 + a12x02 + + a1nx0n,
x2 = a21x01 + a22x02 + + a2nx0n,
xn = an1x01 + an2x02 + + annx0n.
Por un lado, tenemos v = x1u1 + + xnun. Y por otro lado, v = x01u01 ++x0nu0n. Si
sustituimos cada u0i por a1iu1+a2iu2+ +aniun en la expresin anterior,y agrupamos
coeficientes, obtendremos:
v = (a11x01 + + a1nx0n)u1 + + (an1x01 + + annx0n)u1.
Como la forma de expresar v como combinacin lineal de B es nica, los coeficientes
de esta ltima combinacin lineal han de ser iguales a x1, . . . , xn, lo que demuestra el
resultado.

Espacio vectorial con producto interno y sus

propiedades

Producto Interno:
Un producto interno sobre un espacio vectorial V es una operacin que asigna a cada
par de vectores u y v en V un nmero real <u, v>.

Un producto interior sobre V es una funcin que asocia un nmero real u, v con cada
par de vectores u y v cumple los siguientes axiomas:

Propiedades:

i. (v, v) 0
ii. (v, v) = 0 si y slo si v = 0.
iii, (u, v +w) = (u, v)+ (u, w)
iv. (u + v, w) = (u, w)+(v, w)
v. (u, v) = (v, u)
vi. (u, v) = (u, v)
vii. (u, v) = (u, v)
Espacios con producto interior:

El producto interior euclidiano es solo uno ms de los productos internos que se tiene
que definir en Rn Para distinguir entre el producto interno normal y otros posibles
productos internos se usa la siguiente notacin.

u v = producto punto (producto interior euclidiano para Rn)

u, v = producto interno general para espacio vectorial V.

Propiedades de los productos interiores:

1. 0, v = v, 0 = 0

2. u + v, w = u, w + v, w

3. u, cv = cu, v.

Un espacio vectorial con producto interno se denomina espacio con producto interno.

base ortonormal, proceso de ortomalizacion de Gram-

schmidt
Proceso de ortonormalizacin Gram Schmidt
El proceso de ortogonalizacin de GramSchmidt de lgebra lineal es un proceso
utilizado en matemtica y anlisis numrico, para ortogonalizar un conjunto de vectores
en un espacio prehilbertiano, ms comnmente el espacio eucldeo Rn.
Ortogonalizacin en este contexto significa lo siguiente: comenzamos con vectores
v1,, vk los cuales son linealmente independientes y queremos encontrar mutuamente
vectores ortogonales u1, , uk los cuales generan el mismo subespacio que los
vectores v1, , vk.

Este proceso lleva el nombre en honor a Jrgen Pedersen Gram y Erhard Schmidt.
Proceso de GramSchmidt Definimos el operador proyeccin con donde los corchetes
angulares representan el producto interior, proyecta el vector v ortogonalmente en el
vector u. Antes de ver el proceso, debemos comprender el porqu de la definicin de
proyeccin. Si recordamos la definicin de producto escalar, tenemos para el caso del
numerador, mdulo de u por mdulo de v por el coseno del ngulo que forman.

En el denominador tenemos mdulo de u por mdulo de u, ya que el coseno sera 1. Si

separamos los dos mdulos de u en el denominador, vemos que a la izquierda tenemos
nicamente mdulo de v * cos (ngulo que forman), lo que nos da claramente el
mdulo del vector proyeccin. Teniendo el mdulo del vector proyeccin lo nico que
debemos hacer es asignarle una direccin, cosa que hacemos
El proceso Gram-Schmidt es un algoritmo sencillo para producir una base ortogonal u
ortonormal para cualquier subespacio diferente de cero de Rn. Los primeros dos
ejemplos del proceso estn enfocados en los clculos a mano multiplicndolo por
u/mdulo (u), lo que es el vector de mdulo 1 con direccin u (el vector unitario).

Sea W = Gen{x1, x2}, donde x1 = 3 1

6 2
0 2

Construya una base ortogonal {v1, v2} para W.

Solucin:
El subespacio W se muestra en la fi gura 1, junto con x1, x2 y la proyeccin p de x2
sobre x1. La componente de x2 ortogonal a x1 es x2 p, la cual est en W porque se
forma a partir de x2 y de un mltiplo de x1

. Sea v1 = x1 y v2 = x2 p = x2 x2 x1
x1 x1 x1 1 30

2 -15 6 0

2 45 0 2
Entonces {v1, v2} es un conjunto ortogonal de vectores diferentes de cero en W.
Como dim W = 2, el conjunto {v1, v2} es una base para W.

El proceso Gram-Schmidt

Dada una base {x1, . . . , xp} para un subespacio W de Rn, defina

v1 = x1
v2 = x2 x2 v1
v1 v1 v1
v3 = x3 x1 v1 x3 v2 v2
v1 v1 v2 v2

vp = xp xp v1 v1 xp v2 v2 xp vp1 vp1
v1 v1 v2 v2 vp1 vp1

Entonces {v1, . . . , vp} es una base ortogonal para W. Adems

Gen{v1, . . . , vk} = Gen {x1, . . . , xk} para 1 k p

Demostracin:
Para i k p, sea Wk = Gen{x1, . . . , xk}. Haga v1 = x1, de manera que Gen{v1} =
Gen{x1}. Suponga que, para alguna k < p, se ha construido v1, . . . , vk tal que {v1, . . .
, vk} es una base ortogonal para Wk.
Se defi ne vk+1 = xk+1 proyWk xk+1
De acuerdo con el teorema de la descomposicin ortogonal, vk+1 es ortogonal a Wk.
Observe que proyWk xk+1 est en Wk y, por lo tanto, tambin est en Wk+1. Puesto
que xk+1 est en Wk+1, tambin lo est vk+1 (porque Wk+1 es un subespacio y es
cerrado bajo la resta). Ms an, vk+1 _ 0 porque xk+1 no est en Wk = Gen{x1, . . . ,
xk}. De aqu que {v1, . . . , vk+1} sea un conjunto ortogonal de vectores diferentes de
cero en el espacio (k + 1)-dimensional Wk+1. Segn el teorema de la base presentado
en la seccin 4.5, este conjunto es una base ortogonal para Wk+1. Por lo tanto, Wk+1
= Gen{v1, . . . , vk+1}. Cuando k + 1 = p, el proceso se detiene.
Bases ortonormales
Una base ortonormal se construye fcilmente a partir de una base ortogonal {v1, . . . ,
vp}: slo normalice (es decir, escale) todas las vk. Cuando los problemas se resuelven
a mano, esto resulta ms sencillo que normalizar cada vk en cuanto se encuentra
(porque se evita escribir races cuadradas innecesarias).
Conclusin

La finalidad de este trabajo es que el alumno adquiera ms informacin y conocimiento acerca de los
espacios vectoriales, as como sus subtemas de esta unidad con ejemplos amplios de este tema.
Bibliografa

David.C.Lay.Algebra Lineal y sus aplicaciones. Tercera Edicin. Pearson educacin,

Mxico, (2007).isbn: 978-970-26-0906-3.

Bernard Kolman. David.R.Hill. Algebra Lineal. Octava Edicin. (2006).Mxico.

A.Baldor.Algebra Lineal.