TECNOLÓGICO NACIONAL DE MÉXICO

INSTITUTO TECNOLÓGICO DEL VALLE DE ETLA

“NODO SAN SEBASTIÁN NOPALERA”

Ingeniería en Gestión Empresarial

ASIGNATURA: Álgebra Lineal

EVIDENCIA: Investigación 4

PRESENTA: William Caballero Hernández

ASESOR (A): Ing. Eugenia López Melchor

SEMESTRE: Tercero

Grupo: A

San Sebastián Nopalera, Santa Lucía Monteverde, Putla

de Guerrero Oaxaca a Octubre de 2018
 ÍNDICE

Introducción…………………………………………………………….. Pág.3

4. Espacios vectoriales……………………………………………….. Pág.4

4.1 Definición de espacio vectorial. …………………………….........Pág.4,5,6,7

4.2 Definición de subespacio vectorial

y sus propiedades………………………………………………………Pág.7,8,9

4.3 Combinación lineal. Independencia lineal………......………..….Pág.9,10,11,12

4.4 Base y dimensión de un espacio vectorial,

cambio de base.………………………………………………………... Pág.13,14,15

4.5 Espacio vectorial con producto interno

y sus propiedades. .…………………………………………………... Pág.16,17,18,19

4.6 Base ortonormal, proceso de ortonormalización

de Gram-Schmidt………………………………………………….…… Pág.19,29,21,22

Conclusiones…………………………………………………………… Pág.23

Fuentes de consulta………………………………………………….... Pág.24

 INTRODUCCIÓN

En esta siguiente investigación se abordará el tema de espacio vectorial, así como

sus subtemas, Definición de espacio vectorial, subespacio, combinación lineal etc.
Un espacio vectorial real es un conjunto de objetos, denominados vectores, junto
con dos operaciones binarias llamadas suma y multiplicación por un escalar y que
satisfacen los diez axiomas enumerados a continuación. Los axiomas deben valer
para todos los vectores u, v, y w en V y todos los escalares c y d.

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 subespacio de V.

La ventaja de trabajar con subespacios vectoriales es que no es necesario verificar

las diez propiedades de espacios vectoriales, como lo muestra el siguiente teorema.

P á g i n a 3 | 24
 4. ESPACIOS VECTORIALES.

4.1 DEFINICIÓN DE ESPACIO VECTORIAL.

Espacio vectorial real.

Un espacio vectorial real V es un conjunto de objetos, denominados vectores, junto

con dos operaciones binarias llamadas suma y multiplicación por un escalar y que
satisfacen los diez axiomas enumerados a continuación. Los axiomas deben valer
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 por u + v, está en V.

2. u +v =v +u.

3. (u + v) + w =u +( v +w ).

4. Existe un vector 0 en V tal que u +0 =u.

5. Para cada U en V, existe un vector –u en V tal que u + (-u ) =u.

6. El múltiplo escalar de U por c, denotado cu, está en V.

7. c ( u + v) = cu+ cv.

8. (C +d ) u = cu + du.

9. c(du) = (cd)u.

10. 1u=u

Los espacios de nℜ con 1≥n, son los ejemplos principales de espacios vectoriales.
La intuición geométrica desarrollada para 3ℜ nos ayudará a entender y a visualizar
muchos conceptos.

Notación. Si “x” y “y” están en V y si a es un número real, entonces la suma se

escribe como “x + y” y el producto escalar de a y x como a x.

P á g i n a 4 | 24
Antes de presentar la lista de las propiedades que satisfacen los vectores en un
espacio vectorial deben mencionarse dos asuntos de importancia. En primer lugar,
mientras que puede ser útil pensar en R2 o R3 al manejar un espacio vectorial, con
frecuencia ocurre que el espacio vectorial parece ser muy diferente a estos cómodos
espacios (en breve tocaremos este tema). En segunda instancia, la definición 1
ofrece una definición de un espacio vectorial real. La palabra “real” significa que los
escalares que se usan son números reales. Sería igualmente sencillo definir un
espacio vectorial complejo utilizando números complejos en lugar de reales. Este
libro está dedicado principalmente a espacios vectoriales reales, pero las
generalizaciones a otros conjuntos de escalares presentan muy poca dificultad.

1- Si X pertenece a V y Y pertenece a V, entonces X+Y pertenece a V.

2- Para todo X, Y y Z en V, (x+y)+z = x(y+z).

3- Existe un vector |0 pertenece V tal que para todo X pertenece a V, X+0=0+X=X.

4- Si x pertenece a V, existe un vector –x en V tal que x+(-x)=0.

5- Si X y Y están en V, entonces x+y=y+x.

6- Si x pertenece a V y a es un escalar, entonces ax pertenece a V.

7- Si X y Y están en V y a es un ecalar, entonces a(x+y)= ax + ay

8- Si X pertenece a V y a y b son escalares, entonces (a+b) x = ax+ by.

9- Si X pertenece a V y a y b son escalares, entonces a(bx) = (ab)x.

10- Para cada vector X pertenece a V, 1x = x.

Según Morales, Sean K un cuerpo dado y V un conjunto no vacío, con reglas de

suma y producto por escalar que asigna a cada par u, vϵV una suma u + vϵ V y a
cada par uϵ V, k ϵ K un producto k uϵ V. V recibe el nombre de espacio vectorial
sobre K (y los elementos de V se llaman vectores) si satisfacen los siguientes
axiomas.
P á g i n a 5 | 24
[A1] Para toda terna de vectores u, v, wϵV, (u+v)+w=u+(v+w).

[A2] Existe un vector en V, denotado por 0 y denominado el vector cero, tal que
u+0=u para todo vector uϵV.

[A3] Para todo vector uϵV existe un único vector en V, denotado por –u, tal que u+(-
u)=0.

[A4] Para todo par de vectores u, vϵV, u+v=v+u.

[M1] Para todo escalar kϵK y todo par de vectores u, vϵV, k(u+v)=ku+kv.

[M2] Para todo par de escalares a, bϵK y todo vector uϵV, (a+b)u=au+bu.

[M3] Para todo par de escalares a, bϵK y todo vector uϵV, (ab)u=a(bu).

[M4] La escalar unidad 1ϵK cumple 1u=u para todo vector uϵV.

Los axiomas precedentes se desdoblan de forma natural en dos categorías. Los

cuatro primeros atañen únicamente a la estructura aditiva de V y pueden resumirse
diciendo que V es un grupo conmutativo bajo la suma. De ello se deriva que
cualquier suma de vectores de la forma v1+v2+…+ vm no requieren paréntesis y no
depende del orden de los sumandos, que el vector cero, 0, es único, que el opuesto
U de u es único y que se verifica la ley de cancelación; esto es, para tres vectores
cualesquiera u, v, wϵV.

U+w=v+w implica u=v. Asimismo, la resta se define según u-v=u+(-v).

Por otra parte, los cuatro axiomas restantes se refieren a la acción del cuerpo K
sobre V. obsérvese que la rotulación de los axiomas refleja este desdoblamiento.
Empleando estos axiomas adicionales probaremos las siguientes propiedades
elementales de un espacio vectorial.

Teorema: sea V un espacio vectorial sobre un cuerpo K.

1. Para todo escalar kϵK y 0ϵV, k0-0.

P á g i n a 6 | 24
 2. Para 0ϵK y todo vector uϵV, 0u=0.

3. Si ku=0, donde kϵK y uϵV, entonces k=0 o u=0.

4. Para todo kϵK y todo uϵV, (-k)u=-ku.

4.2 DEFINICIÓN DE SUBESPACIO VECTORIAL Y SUS 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 subespacio de V.

La ventaja de trabajar con subespacios vectoriales es que no es necesario verificar

las diez propiedades de espacios vectoriales, como lo muestra el siguiente teorema.

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 sub espacio 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

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

P á g i n a 7 | 24
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 α X están en H cuando x y y están en H y α es un escalar.

Propiedades de subespacio vectorial

1). El vector cero de V está 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 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.

Ejemplo.
El

conjunto que consta únicamente de un vector cero

en un espacio vectorial V es un subespacio de V llamado subespacio cero se escribe
{0}.
1.- Sea (V, +, R) un subespacio vectorial, y sea W un subconjunto de V. Diremos
que W dotado con las mismas operaciones definidas en V, es un subespacio

P á g i n a 8 | 24
 4.3 COMBINACIÓN LINEAL E INDEPENDENCIA LINEAL

Una combinación lineal de dos o más vectores es el vector que se obtiene al sumar
esos vectores multiplicados por escalares. Cualquier vector se puede poner como
combinación lineal de otros que tengan distinta dirección.

Esta combinación lineal es única.

Sean v1, v2,,vn vectores en un espacio vectorial V. Entonces cualquier vector de la

forma: α1v1+α2v2+…+αnvn donde α1v1+α2v2+…+αnvn son escalares se
denomina combinación lineal de v1,v2,…,vn.

Todo vector V = (a, b, c) en R3 se puede expresar como

i = (1,0,0); j = (0,1,0); k = (0,0,1)

V = (a, b, c) = a(i) + b(j) + c(k)

Entonces se dice que V es una combinación lineal de los 3 vectores i,j,k.

Los vectores son linealmente independientes si tienen distinta dirección y sus
componentes no son proporcionales.

Un conjunto de vectores {v1, v2,…,vk} es un espacio vectorial V es linealmente

dependiente si existen escalares c1,c2,…,ck, al menos uno de los cuales no es
cero, tales que:

c1v1+c2v2+…+ckvk=0

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

independientes.

Criterios de Independencia Lineal

Sean u1, u2, …,uk k vectores en Rn y A la matriz que tiene como columnas a estos
vectores, los vectores son linealmente independientes si el sistema Ax = 0 tiene
únicamente solución trivial.

P á g i n a 9 | 24
Los vectores son linealmente dependientes si el sistema Ax=0 tiene soluciones no
triviales (solución múltiple).

Si k=n Los vectores son linealmente independientes si A es invertible

Si k>n Los vectores son linealmente dependientes.

Dos vectores en un espacio vectorial son linealmente dependientes si uno de ellos

es múltiplo escalar del otro. Un conjunto de vectores linealmente independientes en
n contiene a lo más n vectores. Tres vectores en 3 son linealmente dependientes si
y sólo si son coplanares, esto es, que están en un mismo plano.

Teoremas

-Cualquier conjunto que contenga al vector 0 es linealmente dependiente.

-Cualquier conjunto que contenga un único vector diferente de cero, v ≠0, es

linealmente independiente.

-Cualquier conjunto formado por dos vectores diferentes de cero, S = {v1, v2}, donde
v1 ≠ 0, v2 ≠ 0, es linealmente dependiente si, y sólo si, uno de los vectores es
múltiplo escalar del otro.

-Cualquier conjunto que contenga un subconjunto linealmente dependiente es

linealmente dependiente.

-Cualquier subconjunto de un conjunto linealmente independiente es linealmente

independiente.

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.

P á g i n a 10 | 24
Una combinación lineal en M23

Conjunto generador.

Se dice que los vectores v1, v2, …, vn de un espacio vectorial V generan a V si todo
vector en V se puede escribir como una combinación lineal de los mismo. Es decir,
para todo vÎV, existen escalares a1, a2, …, an tales que v=a1v1+a2v2+…+anvn.

Cuatro vectores que generan a M22

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

P á g i n a 11 | 24
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 incógnitasa1, 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 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:

P á g i n a 12 | 24
 4.4 BASE Y DIMENSIÓN DE UN ESPACIO VECTORIAL, CAMBIO DE BASE

Base de un vector: Si un espacio vectorial V tiene una base con n vectores, entonces
toda base de V tiene n vectores.

Base un conjunto finito de vectores es una base para un espacio vectorial de V si:

Todo conjunto de n vectores linealmente independientes en ℜn es una base de ℜn.

Propiedades

1. Sea V un espacio vectorial de dimensión finita. Entonces todas las bases de V

tienen el mismo número de elementos. El espacio vectorial {0} tiene dimensión 0
por definición. Cuando un espacio vectorial no es de dimensión finita, se dice que
es de dimensión infinita.

2. Sea V un espacio vectorial de dimensión finita n, cualquier conjunto de n+1 o más

vectores son linealmente dependientes.

Dimensión de un espacio vectorial

Si un espacio vectorial V tiene una base que consta de N vectores, entonces el

número n se denomina dimensión de

V y se denota por dim (V)=n. Si V consta solamente del vector cero, entonces la
dimensión de V se define como cero.

Dimensión de vectores espaciales

P á g i n a 13 | 24
Se ha visto en R2 conviene escribir vectores como una combinación lineal de los

vectores . En R3 se escribieron los vectores en términos

de . Ahora se generalizara esta idea.

Base un conjunto finito de vectores es una base para un espacio

vectorial V si

Todo conjunto de n vectores linealmente independiente en Rn es una base en Rn.

En Rn se define puesto que los vectores e, son las columnas d una matriz identidad

(que tiene determinante 1), es un conjunto linealmente

independiente y, por lo tanto, constituye una base en Rn. Esta base especial se
denomina base canoníca en Rn. Ahora se encontrarán bases para otros espacios.

DIMENSIÓN

Si el espacio vectorial V tiene una base con un numero finito de elementos, entonces
la dimensión de V es el número de vectores en todas las bases y V se denomina
espacio vectorial de dimensión finita. De otra manera, V se denomina espacio

P á g i n a 14 | 24
vectorial de dimensión infinita. Si V={0}, entonces se dice que V tiene dimensión
cero.

Notación. La dimensión V se denota por dim V.

EJEMPLO: la dimensión de Mmn. En Mmn sea A la matriz de mxn con un uno en la

posición ij y cero en otra parte. Es sencillo demostrar que las matrices a para
i=1,2,…,m y j=1,2,…,n forman una base para Mmn. Así, dimMmn=mn.

TEOREMA: suponga que dimV=n. si es un conjunto de m

vectores linealmente independientes en V, entonces m≤n.

Sea entonces, igual que la prueba del teorema, se pueden

encontrar constantes no todas cero, tales que la ecuación (2) se

satisface. Esto contradice la independencia lineal de los vectores u. así, m≤n.

TEOREMA: sea H un subespacio de un espacio vectorial de dimensión finita V.

entonces H tiene dimensión finita y (6) Sea dimV=n. cualquier

conjunto de vectores linealmente independientes en H es también linealmente
independiente en V. por el teorema anterior, cualquier conjunto linealmente
independiente en H puede contener a lis mas n vectores. Si H={0}, entonces
dimH=0. Si dimH≠{0}, sea v≠0 un vector en H y H=gen{v}. si H=H, dimH=1 y la
prueba queda completa. De lo contrario, elija a vÎH tal que vÏH y sea H=gen{v1,v2},
y así sucesivamente. Continuamos hasta encontrar vectores linealmente

independientes tales que H=gen{ }. El proceso

tiene que terminar porque se pueden encontrar a lo más n vectores linealmente
independientes en H. entonces H-k≤n.

P á g i n a 15 | 24
4.5 ESPACIO VECTORIAL CON PRODUCTO INTERNO Y SUS PROPIEDADES

Producto Interno: un producto interno sobre un espacio vectorial V es una

operación que asigna a cada par de vectores u y v en V un número real <u, v>.

Un producto interior sobre V es una función que asocia un número 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 sólo 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. (αu, v) = α(u, v)

vii. (u, αv) = α(u, v)

Espacios con producto interior: el producto interior euclidiano es solo uno más
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
notación.

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›

P á g i n a 16 | 24
3. ‹u, cv› = c‹u, v›.

Un espacio vectorial con producto interno se denomina espacio con producto

interno.

La barra es las condiciones v) y vii) denota el conjugado complejo.

Nota. Si (u,v) es real, entonces (u,v)=(u,v) y se puede eliminar la barra en v).

EJEMPLO: producto interno de dos vectores en C3, en C3 sean x= (1+i, -3, 4-3i) y
y= (2-i, -i, 2+i) entonces:

Sea V un espacio con producto interno y suponga que u y v están en V. entonces

Nota 1. Aquí se usa la doble barra en lugar de una sola para evitar confusión con el
valor absoluto. Por ejemplo, ǁsen tǁ denota la norma de sen t como un “vector” en
C [0, 2π] mientras que |sen t| denota el valor absoluto de la función sen t.

EJEMPLO: dos vectores ortogonales en C2

En C2 los vectores (3,-i) y (2,6i) son ortogonales porque

P á g i n a 17 | 24
Conjunto ortonormal

El conjunto de vectores es un conjunto ortonormal en V si

Si solo el primero se cumple, se dice que el conjunto es ortonormal.

Teorema: cualquier conjunto finito de vectores ortonormales diferentes de cero en

un espacio con producto interno es linealmente independiente.

Teorema: cualquier conjunto finito linealmente independiente en un espacio con

producto interno se puede convertir en un conjunto ortonormal mediante el proceso
de Gram-Schmidt. En particular, cualquier espacio con producto interno tiene una
base ortonormal.

Proyección ortogonal

Sea H un subespacio del espacio con producto interno V con base ortonormal

Si vϵV, entonces la proyección ortonormal de v sobre H

denotada por proyHv está dada por (6):

Teorema: sea H un subespacio de dimensión finita con producto interno V. suponga

que H tiene dos bases ortonormales Sea

vϵV.

Complemento ortogonal: Sea H un subespacio del espacio con producto interno

V. entonces el complemento ortogonal de H, denotado por H, está dado por (7):

P á g i n a 18 | 24
Teorema: si H es un subespacio del espacio con producto interno V, entonces

Teorema de proyección: sea H un subespacio de dimensión finita del espacio con

producto interno V y suponga que vϵV. entonces existe un par único de vectores h
y p tales que hϵH, pϵH, y (8) v=y+x donde h=proyHv. Si V tiene dimensión finita,
entonces p=proyHv.

Teorema: sea A una matriz de nxn; entonces A tiene vectores propios linealmente
independientes si y solo si multiplicidad geométrica de cada valor propio es igual a
su multiplicidad algebraica. En particular, A tiene n vectores propios linealmente
independientes si todos los valores propios son distintos (ya que entonces la
multiplicidad algebraica de cada valor propio es 1).

4.6 BASE ORTONORMAL, PROCESO DE ORTONORMALIZACIÓN DE GRAM-

SCHMIDT.

Un conjunto S de vectores en un espacio V con producto interior se llama ortogonal

si todo par de vectores en S es ortogonal, además cada vector en este conjunto es
unitario, entonces S se denominaortonormal.

Proceso de ortonormalización de Gram-Schmidt

-Sea B = {v1, v2, . . ., vn} una base de un espacio V con producto interno.

-Sea B´= {w1, w2, . . ., wn} donde wi está dado por: w1= v

Entonces B´ es una base ortogonal de V.

3. Sea ui= wi ││w1││ entonces el conjunto B´´={ u1, u2, . . ., un} es una base
ortonormal de V.

P á g i n a 19 | 24
Ejemplo: Forma alternativa del proceso de ortonormalización de Gram-Schmidt

Determine una base ortonormal del espacio solución del siguiente sistema
homogéneo de ecuaciones lineales

w+ x + z= 0

2w+x + 2y+ 6z=0

Solución: La matriz aumentada se reduce como se sigue.

Una base del espacio solución es:B= {v1, v2,} = {(-2,2,1,0), (1,-8,0,1)}.

Para hallar una base ortonormal B´= {u1, u2}, se usa la forma alternativa del proceso
de ortonormalización de Gram- Schmidt como sigue:

Conjunto ortonormal en Rn

Se dice que un conjunto de vectores S= {u1, u2, …, uk} en Rn es un conjunto

ortonormal si (1) (2)

Si solo satisface la ecuación (1), se dice que el conjunto es ortogonal. Si u, v y w

en Rn y α es un número real, entonces (3) (4) (5) (6)(7).

Ahora se presenta otra definición útil

Si vϵRn, entonces la longitud o norma de v, denotada

por |v|, está dada por (8)

P á g i n a 20 | 24
Nota. Si entonces v*v= Esto significa

que (9)

De esta forma se puede obtener la raíz cuadrada en (8), y se tiene (10) (11)

TEOREMA: si S= es un conjunto ortogonal de vectores

diferentes de cero, entonces S es linealmente independiente.

Suponga que

Entonces, para cualquier i=1, 2, k

Como v≠0 por hipótesis |v|2>0 y se dice que c=0. Esto es cierto para i=1, 2, k, lo que
completa la prueba.

Proceso de ortonormalización de Gram-Schmidt

Sea H un subespacio de dimensión m de Rn. Entonces H tiene una base ortonormal.

Sea S= una base de H. se probara el teorema construyendo una

base ortonormal a partir de vectores en S. antes de dar los pasos para esta
construcción, se observa el hecho sencillo de que un conjunto de vectores
linealmente independiente no contiene al vector cero.

P á g i n a 21 | 24
Resulta que el vector w dado es ortogonal a v cuando w y v están en Rn para
cualquier n≥2. Obsérvese que como u es un vector unitario,

para cualquier vector v.

P á g i n a 22 | 24
 CONCLUSIÓN

En esta investigación se logró abordar el tema de espacios lineales y sus subtemas

como pudieron darse cuenta los espacios lineales y sus subtemas son de gran
importancia para el álgebra lineal, ya que con ellos se pueden hacer cálculos de
manera rápida, además de que los teoremas son de gran ayuda para la ingeniería.

P á g i n a 23 | 24
 FUENTES DE CONSULTA

-Gómez, F & Pustilnik,I .(Noviembre, 2017). Espacios y subespacios vectoriales.

algebra y geometría analítica. UTNA.BA. Accesado el 24 de octubre de
2018.Recuperado de https://aga.frba.utn.edu.ar/espacios-y-subespacios-
vectoriales/
-Morales, J. (Mayo, 2012). 4.3 Combinación lineal. Independencia lineal. Algebra
lineal. Blogspot. Accesado el 24 de octubre de 2018.Recuperado de
http://itsavbasicas.blogspot.com/2012/06/43-combinacion-lineal-
independencia.html
-Grossman, S. (2007). 4.1 Definición de espacio vectorial. Sistema de algebra lineal.
Google site. Accesado el 24 de octubre de 2018.Recuperado de
https://sites.google.com/site/sistemasalgebralineal/unidad-4---espacios-
vectoriales/definicion-de-espacio-vectorial
-García, A.(Mayo, 2016). 4.4 Base y Dimensión de un espacio vectorial. Prezi.
Accesado el 24 de octubre de 2018.Recuperado de
https://prezi.com/kdc0lsvpnlwz/44-base-y-dimension-de-un-espacio-
vectorial/
-Ángel, Y. (Diciembre, 2015). 4.5 Espacio vectorial con producto interno y
sus propiedades. Wordpress. Accesado el 24 de octubre de
2018.Recuperado de https://yeseniadelangel.wordpress.com/2015/12/09/4-
5-espacio-vectorial-con-producto-interno-y-sus-propiedades/

P á g i n a 24 | 24