1

Tecnológico Nacional de México

Campus: Las Choapas

Ingeniería en Electrónica

Resumen:
Espacios vectoriales

Presentado por:
Jeremy Guzmán González

Profesor
Ing. Angelica Maldonado Antonio

Las Choapas, Ver, noviembre del 2022

 2

1. Introducción

En álgebra abstracta, un espacio vectorial es una estructura algebraica creada a partir de

un conjunto no vacío, una operación interna (llamada suma, definida para los elementos del
conjunto) y una operación externa (llamada producto por un escalar, definida entre dicho
conjunto y otro conjunto, con estructura de cuerpo), con 8 propiedades fundamentales.
En otras palabras, un espacio vectorial sobre un conjunto de números K es intuitivamente
un conjunto en el que tenemos definida una suma y una multiplicación por números con las
propiedades habituales. La definición rigurosa es más complicada requiriendo la estructura
algebraica de grupo abeliano con la suma y cuatro propiedades que ligan la suma y la
multiplicación.
Los espacios vectoriales proporcionan una forma abstracta libre de coordenadas de tratar
con objetos geométricos y físicos, tales como tensores, que a su vez permiten estudiar las
propiedades locales de variedades mediante técnicas de alineación. Se utilizan en métodos
como las series de Fourier, que se utiliza en las rutinas modernas de compresión de imágenes
y sonido, o proporcionan el marco para resolver ecuaciones en derivadas parciales.
El saber que algo es un espacio vectorial permite saber qué reglas cumplen sus elementos,
y cómo se relacionan entre sí. Por ejemplo, sabes que si sumas vectores saldrá otro vector,
otro elemento, que también cumple las mismas reglas que los originales, o puedes
descomponer una onda en "elementos" que son a su vez ondas.
 3

1. Marco Teórico o Desarrollo

4.1 Definición de espacio vectorial.

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
10 axiomas enumerados.

AXIOMAS DE UN ESPACIO VECTORIAL

Para que un conjunto de objetos matemáticos V, al igual que dos operaciones como lo son
la suma vectorial y la multiplicación de un vector por un escalar formen parte de un espacio
vectorial deben cumplirse los 10 axiomas siguientes:

• Si X € V y Y € V, entonces X+Y € V; Cerradura bajo la curva.

• Para todo X, Y y Z en V, (X+Y) +Z = X+(Y+Z); Ley asociativa de suma de
vectores.
• Existe un vector 0 € V tal que para X € Y, X+0=0+X=X; El cero se llama vector
cero o idéntico auditivo.
• Si X € V, existe un vector -X en € V tal que X+(-X) =0; Se llama inverso aditivo
de X.
• Si X y Y están en V, entonces X+Y=Y+X; Ley conmutativa de la suma de
vectores.
• Si X € V, y α es un escalar, entonces αx € V; Cerradura bajo la multiplicación por
un escalar.
• Si X y Y están en V y α es un escalar, entonces α(X+Y) =αX+αY; 1era ley
distributiva.
• Si X € V y α y β son escalares, entonces, (α+β) X=αX+βX; 2da ley distributiva.
• Si X € V y α y β son escalares, entonces α(βX) =(αβ)X; Ley asociativa de la
multiplicación de escalares.
• Para cada vector X € V, se cumplen 1X=X; Identidad de multiplicación por
escalar.

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 si, un

espacio vectorial bajo las operaciones de suma y producto por un escalar definidas para V;
entonces se dice que H es un subespacio de V.
 4

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.

TEOREMA
Un subconjunto no vacío H de un espacio vectorial V es un subespacio de V, si se cumplen
las tres reglas de cerradura:
• Si h1, h2∈H entonces h1+h2∈H.
• Si h∈H entonces kh∈H para todo escalar k.

4.3 Combinación lineal. Independencia lineal.

Definición: Combinación lineal

Dado un conjunto de vectores v1, v2s.vn, se conoce como combinación lineal de ellos a
cualquier vector v obtenido mediante la fórmula
v=k1v1+k2v2+⋯+knvn, donde k1,k2s.kn son escalares reales, llamados coeficientes de
la combinación lineal.

EJEMPLO: Mostrar que en R3 el vector (1,0,−1) es una combinación lineal de (1,1,2),

(1,−2,−1) y (−2,1,1).

Definición: Dependencia lineal

Un conjunto finito de vectores v1, v2,...vn es linealmente dependiente si cumple
cualquiera de las siguientes afirmaciones:
• Al menos uno de ellos es combinación lineal de los otros.
• El vector cero se puede expresar como combinación lineal de todos ellos con
coeficientes no todos iguales a cero.
Si el conjunto de vectores no es linealmente dependiente, se dice que es linealmente
independiente.
En otras palabras, decimos que un conjunto de vectores es linealmente independiente si la
ecuación
0V=k1v1+k2v2+…knvn
 5

implica que todos los ki sean igual a cero.

Algunas propiedades de los vectores linealmente dependientes e independientes son las

siguientes:

• Un conjunto de vectores es linealmente dependiente si y solamente si alguno de

los vectores es combinación lineal de los demás.
• Si un conjunto de vectores es linealmente independiente, cualquier subconjunto
suyo también lo es.
• Si un conjunto de vectores es linealmente dependiente, también lo es todo conjunto
que lo contenga.
• Un conjunto de vectores es linealmente dependiente} si y sólo si son paralelos.
• Un conjunto de vectores es linealmente dependiente si algún vector es múltiplo de
otro.
• Geométricamente, dos vectores son linealmente independientes si no tienen la
misma dirección.

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

La dimensión de un espacio vectorial, proporciona una idea de cuántos parámetros se

necesitan para localizar con toda precisión un punto en ese espacio; por ejemplo, para
localizar un punto en el plano se necesitan 2 coordenadas, mientras que en R3 se deben
indicar 3 coordenadas. Esa cantidad coincide con el número máximo de vectores linealmente
independientes que puede tener un espacio vectorial.

Definición: Dimensión de un espacio

La dimensión de un espacio vectorial V es igual al máximo número de vectores
linealmente independientes de dicho espacio y se denota como dimV.

Algunas dimensiones de espacios vectoriales conocidos son las siguientes:

1.-La dimensión de cualquier espacio vectorial trivial es 0.

2.-La dimensión del espacio vectorial formado con los puntos de una línea recta que pasa
por el origen es 1, no importa si está definida en el plano o en el espacio.
3.-La dimensión de Rn=n para n≥0.
 6

4.-La dimensión de los espacios vectoriales Pn que contienen a los polinomios de grado
menor o igual a n, es n+1.
5.-La dimensión de los espacios vectoriales conformados por matrices de orden n×n es
igual a n2.

Un resultado útil para saber cuándo estamos generando un espacio, está expresado en la
siguiente definición:

Un conjunto de vectores genera un espacio vectorial, si contiene la misma cantidad de

vectores linealmente independientes que la dimensión del espacio.

Definición: Base de un espacio vectorial

Un conjunto finito de vectores {v1, v2,...vn} es una base para un espacio vectorial V, si
el conjunto {v1,v2,...vn} es linealmente independiente y genera a todo V.
Cada espacio vectorial puede contener una cantidad infinita de bases, pero hay una en
particular que se conoce como base canónica o estándar, esto debido a la sencillez con que
se puede representar un elemento del espacio en términos de esta base.

Algunas de las bases estándar más conocidas son:

1.-El conjunto de vectores {(1,0), (0,1)}, que forman la base canónica de R2.
2.-El conjunto de vectores {(1,0,0), (0,1,0), (0,0,1)}, que forman la base canónica de R3.
3.-El conjunto de vectores {1, x, x2,...xn}, que forman la base canónica de Pn.

4.5 Espacio vectorial con producto interno y sus propiedades.

Un espacio vectorial complejo V se denomina espacio con producto interno si para cada
par ordenado de vectores u y v en V, existe un numero complejo único (u,v), denominado
producto interno de u y v, tal que si u, v y w están en V y αϵC, entonces
i. (, v) ≥0
ii. (v, v) = 0 si y solo si v =0
iii. (u, v + w) = (u, w) + (u, v)
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)
 7

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
(x, y) =(1+i) (2-i) + (-3) (-i) + (4-3i) (2+i)
=(1+i) (2+i) + (-39 (i) + (4-3i) 82-i)
=(1+3i) -3i + (5- 10i) = 6-10i

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

i. U y v son ortogonales si (u, v) = 0
ii. La norma de u, denotada por ||u||, está dada por}
||𝑢|| = √(𝑢, 𝑢)

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

Bases ortonormales
En esta sección veremos que, dada cualquier base, siempre es posible transformarla de
manera que sus vectores sean perpendiculares entre sí y de longitud unitaria. Comencemos
por definir este tipo de conjuntos vectoriales.

Definición: Vectores ortonormales

Se dice que un conjunto de vectores S= {u1, u2,...uk} es un conjunto ortonormal si cumple
las siguientes dos condiciones;

ui⋅uj=0 para todo i≠j

ui⋅ui=1.
con i,j=1,...k. Si sólo se satisface la primera condición, se dice que el conjunto es
ortogonal.
 8

Para hacer que los vectores sean ortogonales, recordemos de cálculo vectorial que un
vector u se proyecta sobre otro vector v mediante la siguiente fórmula:
proyv(u)=v⋅u|v|2v
Ahora, si escogemos el vector w=u−v⋅u|v|2v, entonces v y w son ortogonales, como lo
ilustra la gráfica
Bajo esta idea se construye el proceso de orto normalización de Gram-Schmidt; éste es un
algoritmo para construir, a partir de un conjunto de vectores linealmente independientes de
un espacio vectorial, otro conjunto ortonormal de vectores que genere el mismo subespacio
vectorial.

El método para orto normalizar un conjunto de vectores lo describimos a continuación

Proceso de orto normalización de Gram-Schmidt

Consideremos un conjunto de vectores S={v1,v2...vn} linealmente independientes de un
espacio vectorial V.

P.1) Elección del primer vector unitario. Tomamos el vector v1 y lo dividimos entre su
magnitud para hacerlo unitario; al resultado lo llamaremos u1, es decir, u1=v1|v1|.
P.2) Elección del segundo vector unitario. Proyectamos el vector v2 sobre u1, para obtener
v′2=v2−v2⋅u1|u1|2u1=v2−(v2⋅u1) u1ésto último se debe a que|u1|=1.
Tomamos el vector v'2 y lo dividimos entre su magnitud para hacerlo unitario, al resultado
lo llamaremos u2, es decir u2=v'2|v'2|.

P.3) Elección del k+1 vector unitario. Supongamos que se han construido los vectores
{u1, u2...uk} y que forman un conjunto ortonormal. Para construir uk+1 tenemos
v′k+1=vk+1−(vk+1⋅u1) u1−(vk+1⋅u2
Finalmente, uk+1={v′k+1∣∣v′k+1∣∣}.
 9

2. Conclusiones

Los vectores forman un grupo abeliano el cual suele ser el producto cartesiano del cuerpo
de los reales por sí mismo junto con su suma. Los escalares, en cambio, son solo el cuerpo
de los reales. Para demostrar la importancia de los espacios vectoriales mencionare algunas
de las aplicaciones reales más relevantes de los espacios vectoriales.
Las fuerzas forman un espacio vectorial como dicen los físicos, pero tenemos que ir un
poco más allá y verlo por nuestro propio razonamiento. Para seguir viendo que el conjunto
de fuerzas que parte de un punto forma un espacio vectorial real debemos tener un producto.
Como sabemos que una fuerza se puede multiplicar por un número real y, con ello, obtener
otra fuerza, tenemos un producto que puede cumplir las demás propiedades.
Después de un largo proceso deductivo los físicos obtienen que los colores forman un
espacio vectorial en los cuales solo es visible o conocido por nosotros los colores del cubo
RGB, que ocupan el espacio formado por [0,1]³.
Reduciendo todo lo posible con la pérdida mínima de detalles, pero sin poder evitar
ambigüedades se puede decir que una imagen vectorial está formada por fórmulas
matemáticas. Estas suelen expresarse en expresiones polinómicas. Como vimos, los
polinomios son vectores en su dimensión.

Referencias

León, C. (2016). Blogger.

León, C. (30 de 11 de 2016). Blogger. Obtenido de
https://algebralinealev.blogspot.com/2016/11/46-base-ortonormal-proceso-de-
gram.html