Instituto Tecnológico de Hermosillo

Materia: Álgebra Lineal

Maestro: Miguel Ángel Burruel Valencia

U4 ESPACIOS VECTORIALES
Alumnos:
Cadena Ibarra Ian Carlo
Manjarrez Fimbres Estefanía
Ojeda López Cristopher Mariano
Pineda Paniagua Polet
Terán Contreras Francisco

Hermosillo, Sonora
15/08/2021
 INTRODUCCION
Anteriormente en el curso de algebra lineal conocimos los vectores, recordando esto
podemos decir que Es un conjunto de elementos ordenados en renglon o columna.
Un vector v en el plano xy es un par ordenado de números reales (a,b). Cualquier
segmento de recta dirigido en ese conjunto se conoce como un represente del
vector.

Además, cabe recalcar que conocimos los tipos de vectores que se dividen en:
• 1 Vectores equipolentes.
• 2 Vectores libres.
• 3 Vectores fijos.
• 4 Vectores ligados.
• 5 Vectores opuestos.
• 6 Vectores unitarios.
• 7 Vectores concurrentes.
• 8 Vectores de posición.
A continuación, en el siguiente documento se dará una breve introducción a los
espacios vectoriales, el cual es un tema un poco más complicado, pues, se verán
las propiedades de las operaciones con vectores 𝑅 2 𝑦 𝑅 3 . Además de explicar cómo
es que funcionan los subespacios vectoriales, operaciones que se pueden realizar
con ellos, sus propiedades y la manera de comprobar si es un subespacio o no.
 ESPACIOS VECTORIALES
Espacio Vectorial:
Un espacio vectorial es un conjunto no vacío V de objetos, llamados vectores, en el
que se han definido dos operaciones: la suma y el producto por un escalar (número
real) sujetas a los diez axiomas que se dan a continuación. Los axiomas deben ser
válidos para todos los vectores u, v y w en V y todos los escalares α y β reales.
Llamamos u + v a la suma de vectores en V, y αv al producto de un número real α
por un vector v ∈ V.

Axiomas que definen un Espacio Vectorial:

1. u + v ∈ V
2. u + v = v + u
3. (u + v) + w = u + (v + w)
4. Existe un vector nulo 0𝑉 ∈ V tal que v + 0𝑉 = v
5. Para cada v en V, existe un opuesto (-v) ∈ V tal que v + (-v) = 0𝑉
6. αv ∈ V
7. α (u + v) = αu + αv
8. (α +β) v = αv + βv
9. α (βv) = (αβ) v
10. 1v = v
Observación: En la definición anterior, cuando decimos escalares nos estamos
refiriendo a números reales. En este caso, se dice que V es un espacio vectorial
real. También es posible que los escalares pertenezcan a otro conjunto numérico,
por ejemplo, los números complejos.

Subespacio Vectorial:
Sea V un espacio vectorial sobre un campo F. Un subespacio vectorial de V, o
simplemente un subespacio de V, es un subconjunto no vacío Q de V cerrado bajo
las operaciones de suma vectorial y multiplicación escalar de V. En otras palabras,
W es un subespacio de V si se cumplen las siguientes propiedades:
1. Cerradura de la suma vectorial
Para cualesquiera u y v elementos de W, se cumple que u + v está en W.
2. Cerradura de la multiplicación por escalar
Para cualquier escalar c en F y vector v en W se cumple que cv está en W
Debemos observar que se cumpla con las siguientes características
1. Si W es un subespacio de un espacio vectorial V, entonces W debe tener al
vector 0 de V (es decir, la identidad aditiva de la suma vectorial). Esto se
debe a que W es no vacío, así que tiene por lo menos un elemento v. Si
tomamos al 0 de F y usamos la propiedad (2) de subespacio con 0 y v
obtenemos que 0v= está en W.
2. Si W es un subespacio en un espacio vectorial y V y v está en W, entonces -
v también. Esto se debe a la propiedad (2) de subespacio tenemos que (-1)
v = -v está en W.
3. Si V es un espacio vectorial sobre F y W es un subespacio de V, entonces W
también es un espacio vectorial sobre F con las mismas operaciones que V.
Por un lado, el neutro e inversos aditivos existen por los dos incisos
anteriores. Para el resto de las propiedades, se usa que se cumplen para
elementos de V y por lo tanto también para los de W (pues es en
subconjunto).
4. Si W1 y W2 son dos subespacios de un espacio vectorial V, entonces la
intersección W1∩W2 también lo es.

Ejemplos:
Ejemplo 1. Consideremos el conjunto W = {(x, y) ∈ 𝑅 2|x=0}. Es decir, la recta de ecuación
x=0. ¿Es un subespacio de 𝑅 2?
Se cumple (0v está en W) pues, (0,0)= ∈ W
Se cumple (Si u y v están en W, entonces u+v está en W) pues la suma de dos vectores de
W, está en W:
(0,𝑦1 ) + (0,𝑦2 ) = (0, 𝑦1 +𝑦2 )
Se cumple (Si u está en W y k es un escalar, ku está en W) pues el producto de un vector
de W por un número real está en w:
K(0, y) = (0, ky)

Luego W es subespacio de 𝑅 2
Ejemplo 2. Consideremos el conjunto W = {(x, y) = ∈ 𝑅 2|𝑥2 -𝑦2 = 0} ¿Es un subespacio de
𝑅2?
𝑥2 -𝑦2 = 0 → y = x V x = -y
Se cumple (0v está en W) pues (0,0) ∈ W
No se cumple (Si u y v están en W, entonces u+v está en W) porque la suma de dos vectores
de W puede no estar en W, por ejemplo:
(1,1) + (1,1) = (2, 0) ∉W

Entonces W no es un subespacio 𝑅 2
Producto interno Vectorial:
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:
1. (v, v) ≥ 0
2. (v, v) = 0 si y sólo si v = 0.
3. (u, v +w) = (u, v)+ (u, w)
4. (u + v, w) = (u, w)+(v, w)
5. (u, v) = (v, u)
6. (αu, v) = α(u, v)
7. (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›.
Ejemplo:
Conjuntos Ortonormales de Vectores
Se dice que un conjunto de vector S = {u1, u2…, uk} en Rn es un conjunto ortonormal
si

Si solo satisface la ecuación 1 se dice que es una base ortogonal.

Un conjunto de vectores es ortonormal, si es un conjunto ortogonal y la norma de
cada uno de sus vectores es igual a 1. Esta definición solo tiene sentido si los
vectores pertenecen a un espacio vectorial en el que se ha definido un producto
interno, como sucede en los espacios euclídeos En donde el producto interno puede
definirse en términos de distancias y proyecciones perpendiculares de vectores.
Ortogonal significa que son “perpendiculares” o “normales” que forman ángulos
rectos. Pero normalmente decimos que un vector es normal a una recta; no
ortogonal; ortogonal se usa para hablar de 2 vectores.

En el espacio euclídeo tridimensional el conjunto S = {e1, e2, e3}

formado por los tres vectores e1 = (1,0,0), e2 = (0,1,0) y e3= (0,0,1) es un conjunto
ortonormal.
Una propiedad fundamental de los conjuntos ortonormales de vectores es que son
linealmente independientes.

Longitud o Norma de un Vector

Si vϵ Rn, entonces la longitud o norma de v, denotada por |v|, está dada por
|v| = √(v*v)
Si v = ( x1, x2…, xn), entonces v*V = x12+ x22+ … + xn2. Esto significa que
V*v ≥0 y v*v = 0 si y solo si v=0, de esta forma se puede obtener la raíz cuadrada.

Teorema 1
Si S = { v1, v2,…, vk} es un conjunto ortogonal de vectores diferentes de cero,
entonces S es linealmente independiente.
Teorema 2
Proceso de ortonomalización de Gram-Shmidt
Sea H un subespacio de dimensión m de Rn. entonces H tiene una base ortonormal.
Proceso De Ortonormalización De Gram-Schmidt
Ejemplos
 CONCLUSIÓN
Para finalizar, tenemos distintos conceptos como espacio y subespacio vectorial
que todo esto se engloba al momento de utilizar el proceso de ortonormalización de
Gram-Schmdt. Con esto conocimos a lo que se refieren los conceptos anteriores,
los axiomas de un espacio vectorial y también lo que es un conjunto ortonormal.
Este tema es algo mas confuso a lo anterior por lo que requiere mayor atención para
su comprensión, algo que también lo dificulta es que en ocasiones la información
puede tener algunos detalles distintos a lo demás.

Bibliografías:
Larson, R. (2014). Fundamentos de álgebra lineal (7.a ed.). Cengage Learning.

4.5 Espacio vectorial con producto interno - Sistemas Algebra Lineal. (s. f.). Instituto

Tecnológico de tijuana. Recuperado 17 de agosto de 2021, de

https://sites.google.com/site/sistemasalgebralineal/unidad-4---espacios-

vectoriales/espacio-vectorial-con-producto-interno

L. (2020, 20 agosto). Álgebra Lineal I: Subespacios vectoriales. El blog de Leo.

https://blog.nekomath.com/algebra-lineal-i-subespacios-vectoriales/

Bases Ortonormales y Proyecciones en Rn. (2016, 14 marzo). Algebra lineal.

https://lineal2cx07.wordpress.com/2016/03/14/bases-ortonormales-y-proyecciones-

en-rn/

Ortonormal. (s. f.). Wikipedia. Recuperado 16 de agosto de 2021, de

https://es.wikipedia.org/wiki/Ortonormal

Proceso de ortogonalización de Gram-Schmidt. (s. f.). Wikipedia. Recuperado 16 de agosto

de 2021, de

https://es.wikipedia.org/wiki/Proceso_de_ortogonalizaci%C3%B3n_de_Gram-

Schmidt