INSTITUTO TECNOLÓGICO DE SALTILLO

GRUPO: 8:00 a.m. – 9:00 a.m.

MATERIA: Algebra Lineal

TEMA:

UNIDAD 4. ESPACIOS VECTORIALES

NOMBRES: Constancio Montelongo Yulissa Yazmin

García Saldaña Ana Karen

Juárez Miranda Miriam Scarlett

Navarro Ramírez Luis Alejandro

Rodríguez Olivo Hugo Diego

22 – Noviembre - 2016

INDICE.
1
4.1.- Definición de espacio vectorial………………………………………………………………………………………… 4

 Propiedades de la suma………………………………………………………………………………………………….... 4

4.2.- Definición de subespacio vectorial y sus propiedades……………………………………………….. 4

 Teorema de subespacio……………………………………………………………………………………………………. 4
 Reglas de cerradura para ver si un subconjunto no vacío es un subespacio……….... 5
 Propiedades de subespacio vectorial……………………………………………………………………………. 5

4.3.- Combinación lineal. Independencia lineal………………………………………………………………………. 5

 Combinación lineal……………………………………………………………………………………………………………. 5
 Independencia lineal…………………………………………………………………………………………………….…. 6

4.4.- Base y dimensión de un espacio vectorial, cambio de base……………………………………..... 8

 Unicidad representación de la base……………………………………………………………………………… 9

 Dimensión…………………………………………………………………………………………………………………………… 9
 Definición de espacio renglón y espacio columna de una matriz……………………………. 9
 Base para el espacio renglón de una matriz……………………………………………………………….. 10

4.5.- Espacio vectorial con producto interno y sus propiedades………………………………………..10

 Un espacio vectorial…………………………………………………………………………………………………………..10

4.6.- Base ortonormal, proceso de ortonormalización de Gram – Schmidt……………..….......10

 Conjunto ortormal……………………………………………………………………………………………………………….11
 Longitud o norma o vector…………………………………………………………………………………………………11
 Proceso de ortonormalización de Gram – Schmidt……………………………………………………….11

Conclusión………………………………………………………………………………………………………………………………………..13

Bibliografía………………………………………………………………………………………………………………………………………13

INTRODUCCION.
2
Un espacio vectorial o espacio lineal es el objeto básico de estudio en la rama de las matemáticas
llamada álgebra lineal.

Un espacio vectorial es una estructura algebraica. Se tiene esta estructura, con las operaciones
usuales, por ejemplo, los pares de números reales y los polinomios, para que poder tener un
espacio vectorial, se tiene que cumplir con las operaciones de suma y multiplicación por un
escalar, si cumplen con esas dos operaciones entonces podemos decir que es un espacio vectorial
de lo contrario no lo seria.

Por eso en el siguiente documento les presentaremos los espacios vectoriales donde le
hablaremos de las propiedades que poseen los conjuntos de dicho tema.

4.1.- definición de espacio vectorial

3
Un espacio vectorial es un espacio de numerosos vectores diseminados en todas las direcciones
en las dos operaciones básicas que es la adición y multiplicación escalar, que puede realizarse con
el cumplimiento de las siguientes propiedades:

Considere un espacio vectorial V formado por los vectores x, y, z, a continuación, tenemos las
siguientes propiedades como verdaderas:

Propiedades de la suma

1. Propiedad de operación interna: Si el vector x es parte del espacio vectorial y el vector y es

parte del espacio vectorial, y el vector resultante de la suma de estos dos vectores, el cual es el
vector x + y es también una parte del espacio vectorial mismo.
2. Propiedad conmutativa: Si el vector x es parte del espacio vectorial, el vector y es parte del
espacio vectorial, y tenemos un vector resultante de la suma de estos dos vectores, entonces el
vector x + y es igual al vector y + x .
3. Propiedad asociativa: Si el vector x es parte del espacio vectorial, el vector y es parte del
espacio vectorial y el vector z es parte del espacio vectorial, y tenemos un vector resultante de
la adición de estos tres vectores entonces el vector x + (y + z) es igual al vector (x + y) + z.
4. Identidad aditiva: todo espacio vectorial contiene un vector nulo que es un vector cero, lo que
se denomina como la identidad aditiva, de tal manera que su suma con cualquiera de los vectores
en el espacio vectorial, no cambia el vector real, que es 0 + x = x.

5. Inverso aditivo: Para todos los vectores de un espacio vectorial determinado, existe un vector
inverso disponible en el mismo espacio de tal manera que la suma de los dos vectores nos da un
vector cero, en consecuencia, si tenemos un vector x en el espacio vectorial entonces debemos
también tener un vector -x del mismo vector en el espacio.

4.2 Definición de subespacio vectorial y propiedades

Sea H un subconjunto no vacío de un espacio vectorial V y suponga que H es en sí un espacio
vectorial bajo las operaciones de suma y multiplicación por un escalar definidas en V. Entonces
se dice que H es un sub espacio de V. Existen múltiples ejemplos de subespacio, sin embargo, en
primer lugar, se demostrará un resultado que hace relativamente sencillo determinar si un subconjunto de
V es en realidad subespacio de V

Teorema de subespacio

Un subconjunto no vacío de H de un espacio vectorial V es un sub espacio de V si se cumplen las

dos reglas de cerradura:

Reglas de cerradura para ver si un subconjunto no  vació  es un sub espacio

4
i)                  Si x € H y y € H, entonces x + y € H.
ii)               Si x € H, entonces αx € H  para todo escalar α.

Es obvio que, si H es un espacio vectorial, entonces las dos reglas de cerradura se deberán
cumplir. De lo contrario, para demostrar que es un espacio vectorial, se deberá demostrar que
los axiomas i) a x) de la definición cumplen bajo las operaciones de suma de vectores y
multiplicación por un escalar definidas en V. Las dos operaciones de cerradura [axiomas i) y iv)]
se cumplen por hipótesis, como los vectores en H son también vectores en V, las identidades
asociativa, conmutativa, distributiva y multiplicativa [axiomas ii), v), vii), viii), ix) y x)] se
cumplen.

Este teorema demuestra que para probar si H  es o no es un sub espacio de V, es suficiente
verificar que:

x + y y αX están en H  cuando x y y están en H  y α es un escalar.

PROPIEDADES DE SUB ESPACIO VECTORIAL

1). El vector cero de V está en  H.2

 
2).  H es cerrado bajo la suma de vectores. Esto es, para cada uy v en     
          H, la suma u + v está en  H.
 
3).  H es cerrado bajo la multiplicación por escalares. Esto es, para cada u en  H y cada
escalar  c, el vector  cu está en  H. 
4.3.- combinación lineal. Independencia lineal
COMBINACIÓN LINEAL

Sean v1, v2, …, vn, vectores en un espacio vectorial V. entonces cualquier vector de la forma:
a1v1+a2v2+…+anvn, donde a1,a2,…,an son escalares se denomina una combinación lineal de v1, v2,
…,vn.

Una combinación lineal en M23

5
Espacio generado por un conjunto de vectores.

Sean v, v2, …, vk, k vectores de un espacio vectorial V. el espacio generado por {v1, v2, …, vk} es
el conjunto de combinaciones lineales v1, v2, …, vk. Es decir

donde a1, a2, …, ak, son escalares

arbitrarios.

Teorema: si v1, v2, …, vk son vectores en un espacio vectorial V, entonces gen {v1, v2, …, vk} es un
subespacio de V.

Ejemplo: el espacio generado por dos vectores en R3

Sea v1= (2,-1,4) y v2= (4,1,6). Entonces H=gen{v1, v2}={v:v=a1(2,-1,4)+a2(4,1,6)}. ¿Cuál es la

apariencia de H? si v=(x, y,z)ÎH, entonces tiene x=2a1+4a 2, y=-a1+a2 y z=4a 1+6ª 2. Si se piensa
que (x, y, z) esta fija, entonces estas ecuaciones se pueden ver como un sistema de tres
ecuaciones con tres incógnitas a1, a2. Este sistema se resuelve en la forma usual:

INDEPENDENCIA LINEAL
En el estudio del algebra lineal, una de las ideas centrales es la de dependencia o independencia
lineal de los vectores. En esta sección se define el significado de independencia lineal y se
muestra su relación con la teoría de sistemas homogéneos de ecuaciones y determinantes.

Existe una relación espacial entre los vectores , se puede apreciar

que v2=2v1; o si se escribe esta ecuación de otra manera. 2v1-v2=0.

En otras palabras, el vector cero se puede escribir como una combinación no trivial de v1 y v2 (es

6
decir, donde los coeficientes en la combinación lineal no son ambos cero). ¿Qué tienen de

especial los vectores  ?

La respuesta a esta pregunta es más difícil a simple vista. Sin embargo, es sencillo verificar que

v3=3v1+2v2; rescribiendo esto se obtiene  .

Se ha escrito el vector cero como una combinación lineal de v1, v2, y v3. Parece que los dos
vectores de la ecuación y los tres vectores de la otra ecuación tienen una relación más cercana
que un par arbitrario de 2-vectores a una terna arbitraria de 3-vectores. En cada caso, se dice
que los vectores son linealmente dependientes. En términos generales, se tiene la importante
definición a continuación presentada.

Definición: sean v1, v2, …, vn vectores en un espacio vectorial V. entonces se dice que lois
vectores son linealmente dependientes si existen n escalares c1, c2, …, cn no todos ceros tales

que  .

Si los vectores no son linealmente dependientes, se dice que son linealmente independientes.

Para decirlo de otra forma, v1, v2, .., vn son linealmente independientes si la ecuación c1v1+c2v2+
…+cnvn=0 se cumple únicamente para c1=c2=…=cn=0. Son linealmente dependientes si el vector
cero en V se puede expresar como una combinación lienal de v1, v2,…,vn con coeficientes no
todos iguales a cero.

Nota. Se dice que los vectores v1, v2, …, vn son linealmente independientes (o dependientes), o
que el conjunto de vectores {v1, v2, …, vn} es linealmente independiente (o pendiente). Esto es,
se usan las dos frases indistintivamente.

Teorema: dependencia e independencia lineal

Dos vectores en un espacio vectorial son linealmente dependientes si y solo si uno de ellos es un
múltiplo escalar del otro.

7
Demostración: primero suponga que v2=cv1 para elgun escalar c≠0. Entonces cv1-v2=0 y v1 y v2
son linealmente dependientes. Por otro parte, suponga que v1 y v2 son linealmente dependientes.
Entonces existen constantes c1 y c2 al menos uno distinto a cero, tales que c1v1+c2v2=0. Si

c1≠0, entonces dividiendo entre c1 se obtiene v1+(c2/c1)v2=0, o sea, 

Es decir, v1 es un múltiplo escalar de v2. Si c1=0, entonces c2≠0 y, por lo tanto, v2=0=0v1.

4.4 Base y dimensión de un espacio vectorial, cambio de base

Un conjunto de vectores S= {v1, v2,…, vn} en un espacio vectorial V se denomina base de V si se

cumplen las siguientes condiciones.

* S genera a V.

* S es linealmente independiente

Una base posee 2 características que se acaban de ver, debe tener suficientes valores para
generar a V, pero no tantos de modo que uno de ellos pueda escribirse como una combinación
lineal de los demás vectores en S. Si un espacio vectorial consta de un número finito de
vectores, entonces V es de dimensión finita. En caso contrario, V es de dimensión infinita.

Base

En términos generales, una “base” para un espacio vectorial es un conjunto de vectores del
espacio, a partir de los cuales se puede obtener cualquier otro vector de dicho espacio, haciendo
uso de las operaciones en él definidas.

La base es natural, estándar o canónica si los vectores v 1, v2,…, vn forman base para Rn.

Si S={v1, v2,…, vn} es una base para un espacio vectorial V entonces todo vector v en V se puede
expresar como:

1.      V = c1v1+ c2v2+…+ cnvn

2.      V = k1v1+ k2v2+…+ knvn

Restar 2-1

            0 = (c1- k1) v1+(c2- k2) v2+…+(cn- kn) vn

8
Ejemplo: 
demostrar si S = {v1, v2,…, v3} es base de R3, v1 = (1,2,1); v2 = (2,9,0); v3 = (3,3,4)

Proponer vector arbitrario, combinación lineal

b = c1v1+ c2v2+ c3v3

(b1, b2, b3) = c1(1,2,1)+ c2(2,9,0)+ c3(3,3,4)
(b1, b2, b3) = c1+2c2+3c3;2c1+9c2+3c3; c1+4c3

c1    + 2c2 + 3c3 = b1                           det A = [(1*9*4)+(2*3*1)+0]-[(1*9*3)+0+(4*2*2)]

2c1 + 9c2 + 3c3 = b2                  = [36+6]-[27+16]
c1 +4c3 = b3          = -1              Si genera a R3                       

Unicidad representación de la base  

Si S = {v1, v2,…, vn} es una base de un espacio vectorial V, entonces todo vector en V  puede
escribirse de una y solo una forma como combinación lineal de vectores en S.

Para demostrar la unicidad (que en un vector dado puede representarse sólo de una manera), se
supone que u  tiene otra representación u= b1v1 + b2v2+…+bnvn. Al restar la segunda representación
de la primera se obtiene:

u-u = (c1-b1)v1 + (c2-b2)v2 +… + (cn-bn)vn = 0.

Sin embargo, como S es linealmente independiente, entonces la única solución de esta ecuación
es la trivial,

c1-b1=0                                       c2-b2=0,                                   cn-bn=0.

Dimensión

Se llama dimensión de un espacio vectorial V al número de vectores que hay en cualquiera de sus
bases. Se denota dim (V).

La dimensión de Rn con las operaciones normales es n.

La dimensión de Pn con las operaciones normales es n+1.
La dimensión de Mm,n con las operaciones normales es mn.

Si W  es un subespacio de un espacio vectorial n-dimensional, entonces se puede demostrar que

la dimensión de W es finita y que la dimensión de Wes menor o igual que n.

Definición de Espacio Renglón y Espacio Columna de una matriz

9
Sea A una matriz m x n.

El espacio renglón de A es el subespacio de Rn generado por los vectores renglón de A.

El espacio columna de A es el subespacio de Rn generado por los vectores columna de A.

Estos dos comparten muchas propiedades, pero debido al conocimiento que se tiene sobre las
operaciones elementales en los renglones se empieza por considerar el espacio renglón de una
matriz. Cabe recordar que dos matrices son equivalentes por renglones si una puede obtenerse a
partir de la otra al aplicar operaciones elementales en los renglones. El siguiente teorema
establece que las matrices equivalentes por renglones tienen el mismo espacio renglón. 

Base para el Espacio Renglón de una Matriz

Si una matriz A es equivalente por renglones a una matriz B que está en forma escalonada,
entonces los vectores renglón de B diferentes de cero forman una base del espacio renglón de A.

4.5 Espacio Vectorial o Producto Interno y sus Propiedades

Un espacio vectorial

Un espacio vectorial V se denomina espacio vectorial con producto interno si para cada par
ordenado de vectores u y v en V , existe un número único(u , v ) denominado producto interno de
u y v , los cuales si u , v y w están en V y α es un número cualquiera, entonces se cumplen las
siguientes propiedades:

 ( v , v)≥0
 ( v , v)=0 si y sólo si v=0.
 (u , v + w)=(u , v)+(u , w)
 (u+ v , w)=(u , w)+(v , w)
 (u , v )=( v ´, u )
 ( αu , v )=α (u , v ) , α es un escalar
 ( u , αv ) =α ( u , v ) , sea α un escalar

También se tiene que si V es un espacio con producto interno y suponga que u y v están en el,
entonces también se cumplirá que:

 u y v son ortogonales si ( u , v )=0

 La norma de u la cual se denota como ‖u‖ la cual se obtendrá de la siguiente forma
‖u‖= √( u ,u)

10
 4.6 Base Ortonormale y Proceso de Ortonormalización de Gram-Schmidt
Conjunto ortormal

Un conjunto de vectores denotado por s= { u1 ,u2 , …u k } en Rn es ortonormal si cumple las siguientes

condiciones:

 ui ∙u j=0 si solo cumple esta ecuación se dice que el conjunto es ortogonal

 ui ∙u i=1

Longitud o norma o vector

La longitud o norma de un vector v ∈ R n, se denota por |v| y esta es igual a la siguiente fórmula:

|v|= √ v ∙ v
En otras palabras si v=( x 1 , x 2 , … , x n ) ,entonces
|v|= √ v ∙ v= √ ( x 1 , x 2 , … , x n ) ∙ ( x1 , x2 , … , xn ) =√ x21 + x 22 +, … ,+ x 2n

 Ejemplo de norma de un vector.

Sea v=( 4,5 ) entonces|v|= √( 4,5 ) ∙(4,5)=√ 16+25=√ 41

Un conjunto de vectores es ortonormal si cualquiera par de ellos es ortogonal y su norma o

longitud es igual a 1.

Proceso de Ortonormalización de Gram-Schmidt

Cualquier base en Rn se puede convertir en una base ortonormal empleando el proceso de

Ortonormalización de Gram-Schmidt; el cual se describirá a continuación con un ejemplo.

Primero se tiene la base s la cual queremos hacer ortonormal, en nuestro ejemplo tomamos a
1 0 1

{( ) ( ) ( )}
s= { v 1 , v 2 , v 3 }= 1 , 1 , 0
0 1 1
(es una base en R3);

Para encontrar nuestro primer vector u1 de la base ortonormal tomamos a nuestro primer vector
1
()
de la base que se nos dio, es decir; v1 = 1 . A este vector le sacaremos su norma la cual es
0
1
v
| 1| √
= (1)2
+(1)2
+(0)2
= √ ; ahora el para sacar a 1 a cada elemento de nuestro vector 1 1 lo
2 u v =
0 ()
11
 1
1

( )( )
√2
1 √2
dividiremos entre su norma es decir u1= = 1 . Este es nuestro primer vector de la base
√2
0 √2
0
√2
ortonormal.

Ahora para sacar el segundo vector; es decir u2 sacaremos otro vector v 2 que se obtendrá con la
'

1 1 −1
'

3
0
siguiente formula v 2=v 2−( v 2 ∙ u1 ) u1= 1 −
1 √2
()2
1 √ √2
0

( ) () ( ) ( )
2 2
1 = 1 − 1 = 1 ,despues obtendremos su norma,

0
1 2
0 1
2

es decir; |v '2|=
√ 2
. Ya obtenido esto se sacara u2el cual es igual al dividir cada elemento del

−1

()
√6
1
vector v 2 entre su norma (entre |v 2|). Por lo que obtenemos que el vector u2= .
' '

√6
2
√6

Ahora obtendremos nuestro último vector que es u3; al igual que en el paso anterior obtendremos
otro vector antes de pero ahora se llamar

1 −1 2
1 1

( ) ( )( )( )
√6 6 3

() ()
1 1 √2
v'3 =v 3− ( v 3 ∙u1 ) u1− ( v 3 ∙u2 ) u2= 0 −
1
2
1 −
√2
0
1
√6
1
√6 1
2
√6
1
()
√2
=0− 1 −
√
0
2
6

6
1

2
=
−2
3

3
2

12
 2 '
De la misma forma sacamos su norma es decir|v 3|= ; para obtener el vector que nos interesa
√3
' 2
que es el u3 hay que dividir cada elemento de nuestro vector v3 entre su norma |v 3|= con lo que
'

√3
1

()
√3
−1
obtendremos que u3= .
√3
1
√3
Por último ya obtenidos nuestros tres vectores concluimos que nuestra base ortonormal es

−1 1

{( ) ( ) ( )}
1
√6 √3
√ 2 1 −1
s' = 1 , ,
√6 √3
√2 2 1
0
√6 √3

Para generalizar la formula anterior la cual nos da los vectores de la nueva base la cual será
ortonormal tendremos la siguiente fórmula:

v'k+1=v 'k+1−( v k +1 ∙ u1 ) u 1−( v k+1 ∙ u2 ) u2−…−( v k+1 ∙u k ) u k

CONCLUSION.
Con este trabajo nos pudimos dar una idea de que los vectores están muy relacionados con las
matrices y además del amplio campo que tiene el álgebra lineal. Así mismo pudimos ver que hay
muchas maneras de trabajar con ellos; así como de las diferentes operaciones que se puede
realzar con estos como lo son el producto punto, la bases ortotormales, la norma o longitud, etc.

También nos sirvió para darnos cuenta de que todo lo que hemos visto en la materia está muy
relacionado con estos últimos temas y de la gran importancia que tienen; ya que son demasiados
útiles para muchas aplicaciones en la actualidad.

13
 BIBLIOGRAFIA
Algebra Lineal - De José Job Flores

Algebra lineal para estudiantes de ingeniería y ciencias – Del Valle, J. C.

Fundamentos De Algebra Lineal – Larson R.

https://www.youtube.com/watch?v=85INoJkycAU

14