INSTITUTO TECNOLOGICO NACIONAL DE MEXICO CAMPUS ORIZABA

MATERIA: ALGEBRA LINEAL

TAREA: INVESTIGACION DE LA UNIDAD 4

ESPACIOS VECTORIALES

GRUPO: 19 – 20 HRS

SALON: No 48

NOMBRE: CHAVEZ OSORIO CARLOS FRANCISCO

ESPECIALIDAD: ELECTRICA

MAESTRO: RAFAEL HERNANDEZ ELOERA

ORIZABA, VER A 30 DE NOVIEMBRE 2023

1
Contenido

4.1 Definición de espacio vectorial.................................................. 3

Origen del concepto de espacio vectorial ....................................... 4

Sus aplicaciones .............................................................................. 5

4.2 Definición de subespacio vectorial y sus propiedades. ........... 9

4.3 Combinación lineal. Independencia lineal. ............................ 13

4.4 Base y dimensión de un espacio vectorial, cambio de base. . 16

4.5 Espacio vectorial con producto interno y sus propiedades.. 22

4.6 Base ortonormal, proceso de ortonormalización de Gram-

Schmidt ............................................................................................ 25

Bibliografías .................................................................................... 29

2
4.1 Definición de espacio vectorial.

El espacio vectorial es la estructura matemática que se crea a partir de un conjunto no vacío y

que cumple con diversos requisitos y propiedades iniciales. Esta estructura surge mediante

una operación de suma (interna al conjunto) y una operación de producto entre dicho conjunto y un

cuerpo.

Del latín spatium, el espacio puede ser la extensión que contiene la materia existente, la

capacidad de un lugar o la parte que ocupa un objeto sensible. Vectorial, por su parte, es lo

perteneciente o relativo a los vectores. Este término, de origen latino, refiere al agente que

transporta algo de un lugar a otro o a aquello que permite representar una magnitud física y que se

define por un módulo y una dirección u orientación.

Es importante tener en cuenta que todo espacio vectorial dispone de una base y que todas las bases

de un espacio vectorial, a su vez, presentan la misma cardinalidad.

Un espacio vectorial es una estructura matemática.

3
 Origen del concepto de espacio vectorial

Fue a partir del siglo XVII que los estudiosos comenzaron a caminar hacia la concepción de los

espacios vectoriales, con temas tales como las matrices, los sistemas de ecuaciones lineales y la

geometría analítica. Este concepto deriva de la geometría afín (estudio de las propiedades de la

geometría que no varían con transformaciones afines, tales como las traslaciones o las lineales no

singulares), al introducir coordenadas en el espacio tridimensional o el plano.

Cerca del año 1636, Descartes y Fermat (célebres científicos originarios de Francia) establecieron

los fundamentos de la geometría analítica, tomando una ecuación con dos variables y vinculando

sus soluciones con la determinación de una curva plana. Para conseguir una solución dentro de los

límites de la geometría sin necesidad de recurrir a las coordenadas, el matemático checo Bernard

Bolzano presentó un siglo y medio más tarde algunas operaciones sobre planos, líneas y puntos que

pueden considerarse antecesores de los vectores.

Sin embargo, recién a finales del siglo XIX, Giuseppe Peano, conocido matemático italiano,

realizó la primera formulación moderna y axiomática de los espacios vectoriales. Seguidamente,

esta teoría se enriqueció de la rama de las matemáticas conocida con el nombre de análisis

funcional, más precisamente de los espacios de funciones. Para poder resolver los problemas de

análisis funcional que presentaban el fenómeno conocido como límite de

una sucesión o convergencia, se asignó a los espacios vectoriales una topología apropiada, para

que fuese posible considerar la continuidad y la proximidad.

Cabe mencionar que los vectores como concepto propiamente dicho nacen con el bipoint de Giusto

Bellavitis, un segmento orientado que posee un extremo llamado origen y otro, objetivo. Más tarde,

fue tomado en cuenta cuando Argand y Hamilton presentaron los números complejos y este último

creó los cuaterniones, además de ser quien concibió la denominación de vector. Laguerre, por su

4
parte, fue responsable de la definición de los sistemas de ecuaciones lineales y de la combinación

lineal de vectores.

También en la segunda mitad del siglo XIX, un matemático británico llamado Arthur

Cayley presentó la notación matricial, gracias a la cual es posible armonizar y simplificar las

aplicaciones lineales. Casi cien años más tarde, se produjo una interacción entre el análisis

funcional y el álgebra, principalmente con conceptos tan importantes como los espacios

de Hilbert y los de funciones p-integrables.

Diversos pensadores aportaron al desarrollo de la noción de espacio vectorial.

Sus aplicaciones

Entre las aplicaciones de los espacios vectoriales se encuentran ciertas funciones de compresión de

sonido e imágenes, que se basan en las series de Fourier y otros métodos, y la resolución de

ecuaciones en derivadas parciales (relacionar una función matemática con diversas variables

independientes y las derivadas parciales de la misma respecto de dichas variables).

5
6
7
8
4.2 Definición de subespacio vectorial y sus propiedades.

9
10
11
12
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

13
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 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 incognitas 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.

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.

14
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 .

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

que .

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 lienal 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 indistintivamente.

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 elgun 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,

15
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, cambio de base.

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 canonica en Rn. Ahora se encontraran bases para otros
espacios.

EJEMPLO: base canonica para M22

Se vio que generan

a

, entonces es evidentemente que . Así, estas cuatro matrices son

16
linealmente independientes y forman una base para M22, lo que se denomina base cononica para
M22.

TEOREMA: si es una base para V y si vÎV, entonces existe un conjunto único

de escalares tales que

Existe cuando menos un conjunto de dichos escalares porque genera a V.

suponga entonces que v se puede escribir e dos maneras como una combinación lineal de los
vectores de la base.

Es decir, suponga que

Sea dos bases para V. debe demostrarse que

m=n. esto se prueba mostrando que si m>n, entonces S es un conjunto literalmente independiente,
lo que contradice la hipótesis de que S es una bse. Esto demostrara que m≤n. la misma prueba
demostrara que ≤m y esto prueba el teorema. Así, basta demostrar que si m>n, entonces S es
independiente. Como S constituye una base, todo u se puede expresar como una combinación lineal

de las v. se tiene (1)

TEOREMA: suponga que dimV=n. si

Entonces, restando se obtiene la ecuación

pero como los v son linealmente independientes, esta ecuación se cumple si y solo si

Así, y el teorema queda demostrado.

TEOREMA: si son bases en un espacio vectorial V,

entonces m=n; es decir, cualesquiera dos bases en un espacio vectorial V tienen el mismo numero
de vectores.

Para demostrar que S es dependiente, deben encontrarse escalares

17
no todos cero, tales que (2)

Sustituyendo (1) en (2) se obtiene (3)

La ecuación (3) se puede reescribir como

Pero como son linealmente independientes, se debe tener (5)

El sistema (5) es un sistema homogéneo de n ecuaciones con las m incógnitas y

como m>n, el teorema dice que el sistema tiene un numero infinito de soluciones. De esta forma,
existen escalares no todos cero, tales que (2) se satisface y, por lo tanto, S es un
conjunto linealmente dependiente. Esta contradicción prueba que m≤n si se cambian los papeles de
S1 y S2, se demuestra que n≤m y la prueba queda completa.

Por este teorema se puede definir uno de los conceptos centrales en el algebra lineal.

DIMENSIÓN
Si el espacio vectorial V tiene una base con un numero finito de elementos, entonces la dimensión
de V es el numero de vectores en todas las bases y V se denomina espacio vectorial de dimensión
finita. De otra manera, V se denomina espacio vectorial de dimensión infinita. Si V={0}, entonces
se dice que V tiene dimensión cero.
Notación. La dimensión V se denota por dimV.

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

18
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 mas n

vectores linealmente independientes en H. entonces H-k≤n.

EJEMPLO: una base para el espacio de solución de un sistema homogéneoEncuentre una base (y la

dimensión) para el espacio de solución S del sistema homogéneo

SOLUCIÓN: aquí . Como A es una matriz de 2x3, S es un subespacio de

R3. Reduciendo por renglones, se encuentra, sucesivamente,

19
Entonces y=z y x=-z de manera que todas las soluciones son de la forma .Así, es
una base para S y dimS=1. Obsérvese que S es el conjunto de vectores que se encuentran en la recta
x=-t, y=t, z=t.
TEOREMA: cualquier conjunto de n vectores linealmente independientes en eun espacio vectorial

V de dimensión n constituyen una base apara V.Sean , n vectores. Si generan

el espacio V, entonces constituyen una base. De lo contrario, existe un vector uÎV tal que

uÏgen . Esto significa que los n+1 vectores , u donde

linealmente independientes. Para ver esto observe que si
(8)

Entonces porque de lo contrario podríamos escribir u como una combinación lineal de

dividiendo la ecuación (8) entre y poniendo todos los términos,

excepto u, en el lado derecho. Pero si entonces (8) es

Lo que significa que ya que los v son linealmente independientes.

Ahora sea W=gen{ ,u}. como todos los vectores entre las llaves están en V, W es

un subespacio de V. como ,u son linealmente independientes, forman una base

para W, y dimW=n+1. Pero por el teorema, dimW≤n. esta contradicción muestra que no existe el

vector uÎV tal que uÏgen{ }. Así, genera a V y, por lo tanto,

constituye una base para V.

CAMBIO DE BASE: En R2 se expresaron vectores en términos de la base canónica

. En Rn se definió la base canonica . En Pn se definió

la base estandra como . Estas bases se usan ampliamente por la sencillez

que ofrecen a la hora de trabajar con ellas. Pero en ocasiones ocurre que es mas conveniente alguna
otra base. Existe un numero infinito de bases para elegir, ya que en un espacio vectorial de
dimensión n, cualesquiera n vectores, linealmente independientes, forman una base. En esta sección

20
se vera como cambiar de una base a otra mediante el calculo de cierta matriz. Iniciaremos por un

ejemplo sencillo. Sean u . entonces, es la base

canonica en R2. Sean Como v1 y v2 son linealmente independientes

(porque v1 no es un múltiplo de v2), es una segunda base en R2. Sea

un vector en R2. Esta notación significa que

Es decir, x esta expresando en términos de los vectores de la base B. para hacer hincapié en este

hecho, se escribe Como B es otra base en R2, existen escalares c1 y c2 tales que

(1) Una vez que se encuentran estos escalares. Se puede escribir

para indicar que x esta ahora expresado en términos de los vectores en B. para
encontrar los números c1 y c2, se escribe la base anterior en términos de la nueva base. Es sencillo

verificar que (2)

y es decir,

Entonces,

21
Así, de (1),

Por ejemplo, si

entonces

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

22
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.
Nota 2. La ecuación anterior tiene sentido ya que (u, u)≥0.

EJEMPLO: dos vectores ortogonales en C2

23
En C2 los vectores (3,-i) y (2,6i) son ortogonales porque

Conjunto ortonormal

El conjunto de vectores es un conjunto ortonormal en V si

y
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 esta dada por (6)

Las demostraciones de los siguientes teoremas son idénticas a sus contrapartes en Rn.
TEOREMA: sea H un subespacio de dimensión finita con producto interno V. suponga que H tiene

dos bases ortonormales

24
Sea vϵV. entonces

Complemento ortogonal
Sea H un subespacio del espacio con producto interno V. entonces el complemento ortogonal de H,

denotado por H, esta dado por (7)

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=h+p 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 multiplicidades 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

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 numero real, entonces (3) (4) (5) (6)(7)

25
Ahora se presenta otra definición útil

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

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.

26
Proceso de ortonormalizacion 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 pasios para esta construccion, se observa el
hecho sencillo de que un conjunto de vectores linealmente independiente no contiene al vector cero.

Paso 1. Eleccion del primer vector unitario

Sea (12)

Entonces

De manera que |u|=1.

Paso 2. Eleccion de un segundo vector ortogonal a u

Como anteriormente se ha visto que, en R2, el vector es la ortogonal a v. en

este caso es la proyeccion de u sobre v. esto se ilustra en la siguiente figura.

27
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.

Sea (13)
entonces de manera que v’ es
ortogonal a u. mas aun, por el teorema, u y v´son linealmente independientes. v’≠0 porque de otra

manera lo que contradice la independencia de v1 y v2.

Paso 3. Elección de un segundo vector unitario

Sea (14) entonces es evidente que {u1,u2} es un conjunto ortonormal.

Suponga que se han construido los vectores u1, u2,…,uk(k<m) y que forman un conjunto
ortonormal. Se mostrara como construir uk+1.

Paso 4. Continuación del proceso

Sea (15) entonces para

i=1,2,…,k

28
Pero Por lo

tanto,

Así, es un conjunto linealmente independiente, ortogonal y v´k+1≠0.

Paso 5

Sea

Entonces es claro que 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 es un

subespacio de gen y como cada espacio tiene dimensión k, los espacio son
iguales.

Bibliografías
Espacio vectorial - Qué es, definición, origen y aplicaciones (definicion.de)

Espacios y subespacios vectoriales - Definición, propiedades y ejemplos (utn.edu.ar)

Álgebra Lineal: 4.3 Combinación lineal. Independencia lineal. (itsavbasicas.blogspot.com)

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

(ariatnisegundoalgebralineal.blogspot.com)

Álgebra Lineal: 4.6 Base ortonormal, proceso de ortonormalización de Gram-Schmidt.

(itsavbasicas.blogspot.com)

Álgebra Lineal: 4.5 Espacio vectorial con producto interno y sus propiedades.
(itsavbasicas.blogspot.com)

29