INSTITUTO TECNOLÓGICO DE TLÁHUAC II

ASIGNATURA:

Algebra Lineal
TITULO:
Tema 4 Espacios Vectoriales

Profesor:

Oscar Sergio García Araiza

ALUMNO:

Gutierrez Roldan Jose Abraham

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.

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 ax.

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]

Axiomas de un espacio vectorial. [1]

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 escalar, 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.

4.2 Definición de subespacio vectorial y sus propiedades

DEFINICION DE SUB ESPACIO VECTORIAL

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 sub espacio, 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 sub espacio

Un subconjunto no vacío de H de un espacio vectorial V es un subespacio 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 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 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.

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

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

gen { v 1 , v 2 ,… .. , v k } ={v : v=a 1 v 1 +a 2 v 2+ …+ak v k }

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 fijo,
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.

1 2
Existe una relación espacial entre los vectores v1 =( ) y v 2=( )
2 4

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?

1 −4 −5
v1 =( 2 ), v 2=( 1 ) y v 3=( 8 )
3 5 19

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

sencillo verificar que v3=3v1+2v2; rescribiendo esto se obtiene

3 v 1 +2 v 2−v 3=0

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 los vectores son linealmente dependientes si existen n escalares c1,
c2, …, cn no todos ceros tales que

c 1 v 1+ c 2 v 2+ …+c n v n=0

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 lineal 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 indistintamente.

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.

Demostración: primero suponga que v2=cv1 para algún 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,

−c 2
v1 =( )v
c1 2

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

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 , v , v forman base para 1 2 n

R . 
n

Si S= {v , v , v } es una base para un espacio vectorial V entonces todo vector v en

1 2 n

V se puede expresar como:

1.      V = c v + c v +…+ c v 1 1 2 2 n n

2.      V = k v + k v +…+ k v 1 1 2 2 n n

Restar 2-1
            0 = (c - k ) v +(c - k ) v +…+ (c - k ) v 1 1 1 2 2 2 n n n

Ejemplo:
demostrar si S = {v , v , v } es base de R , v = (1,2,1); v = (2,9,0); v = (3,3,4) 1 2 3
3
1 2 3

Proponer vector arbitrario, combinación lineal

b = cv+ cv+ cv 1 1 2 2 3 3

(b , b , b ) = c (1,2,1)+ c (2,9,0)+ c (3,3,4)

1 2 3 1 2 3

(b , b , b ) = c +2c +3c ;2c +9c +3c ; c +4c

1 2 3 1 2 3 1 2 3 1 3

c + 2c + 3c = b
1    2 det A = [(1*9*4) +(2*3*1) +0]- [(1*9*3) +0+(4*2*2)]
3 1                                     

2c + 9c + 3c = b                   = [36+6]- [27+16]

1 2 3 2

  c + 4c = b           = -1                                     Si genera a R                         

1               3 3
3

Unicidad representación de la base 

Si S = {v , v , v } es una base de un espacio vectorial V, entonces todo vector en V

1 2 n

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= b v + b v +…+b v Al 1 1 2 2 n n.

restar la segunda representación de la primera se obtiene:

u-u = (c -b ) v + (c -b ) v +… + (c -b ) vn = 0.
1 1 1 2 2 2 n n

Sin embargo, como S es linealmente independiente, entonces la única solución

de esta ecuación es la trivial,
c b =0                                       c -b =0, …, c -b =0.
1- 1 2 2 n n

Ejemplo: Unicidad de la Representación de la Base 

Sea u = (u , u , u ) cualquier vector en R . Demuestre que la ecuación u= c v + c v

1 2 3
3
1 1 2 2

+ c v tiene solución única para la base S= {v , v , v } = {(1,2,3), (0,1,2), (-2,0,1).

3 3 1 2 3

Solución: Con base en la ecuación

(u , u , u ) = c (1,2,3) + c (0,1,2) +c (-2,0,1)

1 2 3 1 2 3

= (c -2c 2c + c , 3c + 2c + c ),
1 , 1 2 1 2 3

Se obtiene el siguiente sistema de ecuaciones 

C  -2c = u
1                      3 1

2C + C  = u 1 2                2

3C + 2C + C = u 1 2 3 3    

                                                                      

                                                    A   C     U

Como la matriz A es invertible, se sabe que este sistema tiene una solución única
dada por C=A U. Al despejar A se obtiene -1 -1

Lo cual implica que 

c = -u + 4u – 2u
1 1 2 3

c = 2u – 7u + 4u
2 1 2 3

c = -u + 2u – u
3 1 2 3

Por ejemplo, el vector u = (1,0,0) puede representarse de manera única como

una combinación lineal de v , v y v en la forma siguiente. 1 2 3

(1,0,0) = -v + 2v – v 1 2 3

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 R con las operaciones normales es n. n

La dimensión de P con las operaciones normales es n+1. n

La dimensión de M con las operaciones normales es mn. m, n

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 W es menor o
igual que n.

Ejemplo: Determinación de la dimensión de un subespacio

Sea W el subespacio de todas las matrices simétricas en M ¿Cuál es la

2,2

dimensión de W?

Solución: Toda matriz simétrica 2 X 2 es de la forma 

Por consiguiente, el conjunto 

Genera a W. Además, puede demostrarse que S es linealmente independiente, y

se concluye que la dimensión de W es 3.

Para concluir que un conjunto S= {v , v , …, v es una base de un espacio

1 2 n}

vectorial V es necesario saber que S satisface dos condiciones: que S genera a V

y es linealmente independiente.

Definición de Espacio Renglón y Espacio Columna de una matriz

Sea A una matriz m x n.

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

n

renglón de A.
El espacio columna de A es el subespacio de R generado por los vectores
n

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.
Ejemplo: Determinación de una base para un espacio renglón 

Encuentre una base para el espacio renglón de 

Solución: Mediante las operaciones elementales en los renglones, A vuelve a

escribirse en forma escalonada como se muestra a continuación  

Los vectores renglón diferente de cero, w = (1,3,1,3), w = (0,1,2,0), w = (0,0,1,-

1 2 3

1), forman una base del espacio renglón de A.

Ejemplo: Determinación de una base del espacio columna de una Matriz

Determine una base del espacio columna de la matriz A

Se empieza considerando la traspuesta de A, y luego aplicar las operaciones

elementales en los renglones para volver a escribir A´ en forma escalonada.

                  

     

Así w = (1,0,-3,3,2), w = (0,1,9,-5,-6), y w = (0,0,1,-1,-1) forman una base del

1 2 3

espacio renglón de A , lo que equivale a afirmar que forman una base del espacio
t

columna de A.

Definición del Rango de una Matriz 

La dimensión del espacio renglón (o columna) de una matriz A se llama rango
de A y se denota por rango (A).

Ejemplo: Determinación del Rango de una Matriz 

Encuentre el rango de la matriz 

Solución: La matriz dada se convierte a la forma escalonada como sigue:

                 
Como B tiene tres renglones diferentes de cero, entonces el rango de A es 3.

4.5 Espacio vectorial con producto interno

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›

3. ‹u, cv› = c‹u, v›.

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

4.6 Base ortonormal, proceso de orto normalización de Gram-Schmidt.

Conjunto ortonormal en Rn

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

ortonormal si (1) (2)

ui .u j=0

ui .u j=1

sii ≠ j

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)

u ∙ v=v ∙ u

(u+ v) ∙ w=u∙ w +v ∙ w

u ∙(v+ w)=u ∙ v +u ∙ w

(∝u)∙ v=∝(u ∙ v )

u ∙(∝ v)=∝(u∙ v)

Si vϵRn, entonces la longitud o norma de v, denotada por |v|, está dada por (8)

|v|= √ v ∙ v

Nota. Si v=(x 1 , x 2 ,.... , x n)entonces v*v= x 21+ x22 +∙ ∙∙+ x 2nEsto significa que (9)
v ∙ v ≥ 0 y v ∙ v=0 si y solo si v=0

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

|v|= √ v ∙ v ≥ 0 para toda v ∈ R

|v|=0 si y solo si v=0
..

TEOREMA: si S= {v 1 , v 2 , .... , v k } es un conjunto ortogonal de vectores

diferentes de cero, entonces S es linealmente independiente.

Suponga que c 1 v 1+ c 2 v 2+∙ ∙ ∙+ c k v k =0

Entonces, para cualquier i=1, 2, k

0=0 ∙ v i=(c 1 vi + c2 v 2 +∙ ∙∙+ c1 v i +∙ ∙∙+ v k )∙ v i

¿ c 1 (v 1 ∙ v i)+c 2 (v 2 ∙ v i )+ ∙∙ ∙+ c i (v i ∙ v i)+∙ ∙∙+ ck (v k ∙ v i)

¿ c 1 0+c 2 0+ ∙∙ ∙+|v i|2+∙ ∙∙+ ck 0=c i|v i|2

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 orto normalización de Gram-Schmidt

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

ortonormal.

Sea S={v 1 , v 2 , ∙∙ ∙ , v k }una base de H. se probará 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.

Paso 1. Elección del primer vector unitario

v1
Sea (12) u1=
|v 1|
v1 v 1
Entonces u1 ∙u1 = ( )( ) ( )
∙ 1 = ( v ∙ v )=1
|v 1| |v 1| |v 1| 1 1
De manera que |u|=1.

Paso 2. Elección de un segundo vector ortogonal a u

u∙v
Como anteriormente se ha visto que, en R2, el vector w=u− v es la
|v 2|
u∙ v
ortogonal a v. en este caso v es la proyección de u sobre v. esto se ilustra
|v 2|
en la siguiente figura.
Resulta que el vector w dado es ortogonal a v cuando w y v están en Rn para
v ∙∙ u
cualquier n≥2. Obsérvese que como u es un vector unitario, u =(v ∙ u1 )u1
|u1| 1
para cualquier vector v.

Sea (13) v´2=v 2−(v 2 ∙u 1)u1entonces

v'2 ∙u 1=v 2 ∙u 1−(v 2 ∙ u1)( u1 ∙ u1)=v 2 ∙u1 −(v ∙ u1) 1=0 de manera que v’ es ortogonal a
u. más aun, por el teorema, u y v´son linealmente independientes. v’≠0 porque
de otra manera

( v 2 ∙ u1 )
v 2=( v 2 ∙ u1) u1= v 1 lo que contradice la independencia de v1 y v2.
|v 1|
Paso 3. Elección de un segundo vector unitario

v ´2
Sea (14) u2= entonces es evidente que {u1, u2} es un conjunto ortonormal.
|v ´2|
Suponga que se han construido los vectores u1, u2, uk(k<m) y que forman un
conjunto ortonormal. Se mostrará cómo construir uk+1.

Paso 4. Continuación del proceso

Sea (15) v´k+1=v k+1−( v k+1 ∙ u1 )u1 −( v k+1 ∙ u2 )u 2−∙∙ ∙−(v k+1 ∙ uk )u k entonces para i=1, 2,
k

v´k+1 ∙ u1=v k+1 ∙u i−( v k+1 ∙u 1)(u1 ∙u i)−( v k+1 ∙ u2 )(u2 ∙ ui )

−∙ ∙∙−(v k+1 ∙ui )(ui ∙ui )−∙ ∙∙−(v k+1 ∙u k )(u k ∙ ui )

Pero u j ∙ ui=0 si j ≠ i y ui ∙u i=1.lo tanto, v´k+1 ∙ ui=v k+ 1 ∙ ui−v k+1 ∙ ui=0

Así,{u 1 , u2 ,∙ ∙ ∙u k , v ´k+1 } es un conjunto linealmente independiente, ortogonal y v

´k+1≠0.

Paso 5
Sea uk +1=v´k+1 /|v ´k+1|

Entonces es claro que {u 1 , u2 ,∙ ∙ ∙, uk , uk +1 }es un conjunto ortonormal y se puede

continuar de esta manera hasta que k+1=m con lo que se completa la prueba.

Nota. Como cada u es una combinación lineal de vectores v, gen {u 1 , u2 ,∙ ∙ ∙, uk }

es un subespacio de gen {v 1 , v 2 , ∙∙ ∙ , v k }

y como cada espacio tiene dimensión k, los espacios son iguales.