Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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.
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
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
https://sites.google.com/site/sistemasalgebralineal/unidad-4---espacios-
vectoriales/espacio-vectorial-con-producto-interno
https://blog.nekomath.com/algebra-lineal-i-subespacios-vectoriales/
https://lineal2cx07.wordpress.com/2016/03/14/bases-ortonormales-y-proyecciones-
en-rn/
https://es.wikipedia.org/wiki/Ortonormal
de 2021, de
https://es.wikipedia.org/wiki/Proceso_de_ortogonalizaci%C3%B3n_de_Gram-
Schmidt