INSTITUTO TECNOLOGICO DE VILLAHERMOSA

MATERIA: ALGEBRA LINEAL

CARRERA: ING. QUÍMICA

INTEGRANTES: MARÍA DEL CARMEN DE LA CRUZ DE LA TORRE

VANIA OFELIA ARIAS FLORES
GUSTAVO ALONSO CRUZ RIOS

PROFESOR: YZRAEL HERNANDEZ GARCIA

Villahermosa Tab. 11 de mayo del 2023

1
INDICE
Introducción ......................................................................................................................................... 3
Definición de espacio vectorial ............................................................................................................ 4
Definición de subespacio vectorial ...................................................................................................... 6
Propiedades de subespacio vectorial .............................................................................................. 6
Combinación Lineal e Independencia Lineal........................................................................................ 7
Combinación lineal........................................................................................................................... 7
Ejercicio ........................................................................................................................................ 8
Independencia Lineal ..................................................................................................................... 10
Ejercicio ...................................................................................................................................... 11
Base y Dimensión de un espacio vectorial ......................................................................................... 11
Ejercicio ...................................................................................................................................... 12
Espacio vectorial con producto interno y sus propiedades ............................................................... 14
BASE ORTONORMAL Y/O PROCESO DE ORTONORMALIZACIÓNDE GRAM-SCHMIDT ....................... 21
CONCLUSION ...................................................................................................................................... 23
Opinión técnica .................................................................................................................................. 24
Bibliografía ......................................................................................................................................... 25

2
Introducción
A estas alturas, te das cuenta de que los matemáticos tienden a generalizar. Una
vez que hemos encontrado algo “bueno”, algo que es útil, lo aplicamos a tantos
conceptos diferentes como sea posible. Al hacerlo, frecuentemente encontramos
que los “diferentes conceptos” no son realmente diferentes, sino que solo se ven
diferentes. Cuatro frases en cuatro idiomas diferentes pueden parecer diferentes,
pero cuando se traducen a un idioma común, muy bien podrían expresar
exactamente la misma idea.

Al principio del desarrollo de las matemáticas, el concepto de vector condujo a una

variedad de aplicaciones en física e ingeniería. Ciertamente podemos imaginar
vectores, o “flechas”, en el xy− plane e incluso en el espacio tridimensional. ¿Tiene
sentido hablar de vectores en el espacio de cuatro dimensiones, en el espacio de
diez dimensiones, o en cualquier otra situación matemática? Si es así, ¿cuál es la
esencia de un vector? ¿Es su forma o las reglas que sigue? La forma en dos o tres
espacios es solo una imagen, o interpretación geométrica, de un vector. La esencia
son las reglas, o propiedades, deseamos que los vectores sigan para poder
manipularlos algebraicamente. Lo que sigue es una definición de lo que se llama un
espacio vectorial, subespacio vectorial, combinación lineal e independencia, base y
dimensión de espacio vectorial, vectorial con producto interno y sus propiedades,
base ortonormal y procesos de ortolonizacion Gram-Schmid. Es una lista de todas
las propiedades esenciales de los vectores, y es la definición básica de la rama de
las matemáticas llamada álgebra lineal.

3
 Definición de espacio vectorial

Cualquier conjunto que posea unas operaciones suma y producto

por escalares, cumpliendo todas las propiedades anteriores,
diremos que es un espacio vectorial. Los elementos de tal conjunto
se llamarán vectores.
Se puede decir que el espacio vectorial es real o/complejo, según
sean los escalares.
Otras propiedades de los espacios vectoriales pueden deducirse
de las anteriores propiedades básicas. Por ejemplo: Si a v = 0
(escalar, v vector) entonces o bien es =0 o bien es v =. K a a 0
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.
Axiomas de un espacio vectorial.
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 ecalar, 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
5
 Definición de subespacio 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 subespacio de V.
Existen múltiples ejemplos de subespacio, sin embargo, en primer lugar, se demostrará
un resultado que hace relativamente sencillo determinar si un subconjunto de V es en
realidad subespacio de V
Teorema de subespacio
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 subespacio
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 subespacio 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 subespacio vectorial

a) El vector cero de V está en H.2
b) H es cerrado bajo la suma de vectores. Esto es, para cada u y v en H, la suma u
+ v está en H.
c) 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.

6
Combinación Lineal e Independencia Lineal
Combinación lineal

7
Una combinación lineal de dos o más vectores es el vector que se obtiene al sumar esos
vectores multiplicados por escalares.

Cualquier vector se puede poner como

combinación lineal de otros que tengan
distinta dirección. Por lo tanto, un vector que
es combinación lineal de otros vectores
significa que el primero se puede expresar en
función de los segundos.
En la representación gráfica, el vector se
puede obtener a partir de los vectores y
haciendo operaciones vectoriales. Por lo
tanto, el vector es una combinación lineal
de los otros dos vectores.
Una de las propiedades de la combinación lineal en el plano (en R2) es que cualquier
vector se puede poner como combinación lineal de otros dos vectores si estos tienen
distinta dirección, es decir, si no son paralelos.
A parte, a veces se puede identificar a simple vista que dos vectores son combinación
lineal. Para ello, basta que sus componentes sean proporcionales. Por ejemplo, las
coordenadas de los siguientes dos vectores son proporcionales y, en consecuencia, los
vectores son combinación lineal:

Finalmente, ya sea en un espacio vectorial bidimensional (en R2) o tridimensional (en

R3), si existe alguna combinación lineal dentro de un conjunto de vectores implica que
estos son linealmente dependientes entre sí.

Ejercicio

8
9
Independencia Lineal
Varios vectores libres son linealmente independientes si ninguno de ellos se puede
expresar como combinación lineal de los otros. Es decir, son linealmente
independientes si no son linealmente
dependientes.

Por lo tanto, el conjunto de

vectores cumple que

10
Los vectores linealmente independientes tienen distinta dirección y sus
componentes no son proporcionales. Otra forma de determinar que los vectores son
linealmente independientes es mediante el determinante de la matriz de sus
componentes, si este es distinto de cero entonces los vectores son linealmente
independientes; en caso contrario se dice que los vectores son linealmente
dependientes.

Ejercicio

Base y Dimensión de un espacio vectorial

Se llama base de un espacio (o subespacio) vectorial a un conjunto linealmente

independiente que sea a la vez sistema generador de dicho espacio o subespacio.
En otras palabras, es el máximo rango que puede tener un conjunto de vectores de
11
dicho espacio. Todas las bases de un mismo espacio o subespacio tienen el mismo
número de vectores. Se llama dimensión de dicho espacio o subespacio.

Otra forma de comprender estos dos conceptos es la siguiente:

Una base es un conjunto que genera a un espacio vectorial, cuya principal

característica es la independencia lineal; es decir, una base es un conjunto
generador linealmente independiente.

En un espacio vectorial todas sus bases tienen un

número máximo n de vectores; dicho número n se
conoce como la dimensión del espacio vectorial. La
base y la dimensión dotan al espacio vectorial con un
sistema de referencia, en el cual puede ubicarse cada
vector del espacio. Como la base no es única, puede
definirse una infinidad de sistemas de referencia dentro
del mismo espacio vectorial. Sin embargo, la dimensión
siempre será la misma, pues todas las bases tienen el
mismo número de vectores.

Ejercicio

12
13
 Espacio vectorial con producto interno y sus propiedades
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)

La barra es las condiciones v) y vii) denota el conjugado complejo.

EJEMPLO: producto interno de dos vectores en C3 En C3 sean x=(1+i, -3, 4-3i) y y=(2-
i, -i, 2+i).

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

14
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.
Notación común para el producto interno
En cualquier espacio vectorial real o
complejo, excepto el espacio nulo {0},
existen muchos productos internos. Si un
espacio vectorial se considera con un
producto interno fijo, entonces este producto interno se denota habitualmente por <·, ·>,
es decir, en lugar de p (u, v) se escribe <u, v>.

Conjunto ortonormal
El conjunto de vectores {V1, V2,...Vn} es un conjunto ortonormal

Si solo el primero se cumple, se dice que el conjunto es ortonormal.

Cualquier conjunto finito de vectores ortonormales diferentes de cero en un espacio con
producto interno es linealmente independiente.
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:

Sea H un subespacio de dimensión finita con producto interno V. suponga que H tiene
dos bases ortonormales:

Sea vϵV

15
Complemento ortogonal
Sea H un subespacio del espacio con producto interno V. entonces el complemento
ortogonal de H, denotado por H, está dado por:

Si H es un subespacio del espacio con producto interno V:

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.
Producto interno en un espacio vectorial real
Sea V un espacio vectorial real. Una función p: V × V → Rn se denomina producto
interno en V si cumple con las siguientes propiedades:

16
17
18
19
20
 BASE ORTONORMAL Y/O PROCESO DE ORTONORMALIZACIÓNDE
GRAM-SCHMIDT

El proceso de ortonormalización de Gram–Schmidt es un algoritmo para construir, a

partir de un conjunto de vectores linealmente independientes de un espacio
prehilbertiano (usualmente, el espacio euclídeo Rn), otro conjunto ortonormal de
vectores que genere el mismo subespacio vectorial.
El proceso se basa en un resultado de la geometría euclídea, el cual establece que la
diferencia entre un vector y su proyección sobre otro, es perpendicular al primero. Dicho
resultado constituye una herramienta para construir, a partir de un conjunto de dos
vectores no paralelos, otro conjunto, conformado por dos vectores perpendiculares.
Este algoritmo recibe su nombre de los matemáticos Jørgen Pedersen Gram y Erhard
Schmidt.

Descripción del Algoritmo de Ortonormalizacion de Gram-Schmidt

El método de Gram-Schmidt se usa para hallar bases ortogonales de cualquier base no
euclídea.
En primer lugar, se tiene:

Es un vector ortogonal a u. Entonces, dado los vectores V1…Vn

21
A partir de las propiedades del producto escalar, es sencillo probar que el conjunto de
U1,….Un es ortogonal

Ejemplo:

Es conjunto de vectores linealmente independientes, los vectores u1,u1,…uk definidos

por:

Son todos no nulos. Dicho de otra manera, dada por k,

22
 CONCLUSION
Los vectores de una base pueden ser mutuamente perpendiculares, o pueden no
serlo.
Cuando son mutuamente perpendiculares se dice que es una base ortogonal.
Recuérdese que dos vectores u y v en son ortogonales si y sólo si u • v = 0.
Así, una base ortonormal es una base ortogonal, en la cual la norma de cada elemento
que la compone es unitaria.
Un único vector a genera combinado linealmente consigo mismo un espacio vectorial
de dimensión uno y decimos que un sistema formado por el vector {a} es una base de
este espacio vectorial.
Dos vectores a y b linealmente independientes, generan combinados linealmente un
espacio vectorial de dimensión dos y decimos que el sistema formado por los
vectores a y b, {a,b} son una base de este espacio vectorial.
Una base de un espacio vectorial es el menor número posible de vectores del espacio
que son linealmente independientes y que generan por combinaciones lineales todos
los vectores del espacio.
Así mismo se ve lo que es el producto interno o punto, ya que la aplicación externa
bilineal definida sobre sobre un espacio vectorial, cuyo resultado al operar entre si dos
vectores, es un escalar o número, sea V,K,+,* un espacio vectorial, un producto
interno sobre V, es una función que asigna a cada par de vectores u,v є V, un escalar
(u/v) є K.

23
 Opinión técnica

En la vida cotidiana estos vectores lo vemos reflejados, por ejemplo: Al abrir y cerrar
una ventana que se desliza sobre una línea recta que tienen como característica el
mismo modulo, dirección y sentido.
Los vectores permiten representar magnitudes físicas dotadas no sólo de intensidad,
sino de dirección, como es el caso de la fuerza, la velocidad o el desplazamiento. Ese
rasgo de contar con dirección es el que distingue a las magnitudes vectoriales de las
escalares. Los vectores permiten representar las diferentes fuerzas que intervienen en
un movimiento. La física usa vectores en el plano cartesiano para representar la
combinación de fuerzas

24
Bibliografía

• 4.2 Definición de subespacio vectorial y sus propiedades - Sistemas Algebra

Lineal. (s. f.). https://sites.google.com/site/sistemasalgebralineal/unidad-4---
espacios-vectoriales/definicion-de-subespacio-vectorial-y-sus-propiedades
• 4.1 Definición de espacio vectorial - Sistemas Algebra Lineal. (s. f.).
https://sites.google.com/site/sistemasalgebralineal/unidad-4---espacios-
vectoriales/definicion-de-espacio-vectorial
• Libretexts. (2022). 4.1: Definición de espacios vectoriales. LibreTexts Español.
https://espanol.libretexts.org/Matematicas/Algebra_lineal/Libro%3A_%C3%81lg
ebra_lineal_(Schilling%2C_Nachtergaele_y_Lankham)/04%3A_Espacios_vecto
riales/4.01%3A_Definici%C3%B3n_de_espacios_vectoriales
• J, P. P., & Gardey, A. (2014). Espacio vectorial - Qué es, definición y concepto.
Definición.de. https://definicion.de/espacio-vectorial/
• http://esfm.egormaximenko.com/linalg/real_vector_spaces_with_inner_product_
es.pdf
• https://sites.google.com/site/sistemasalgebralineal/unidad-4---espacios-
vectoriales/espacio-vectorial-con-producto-interno
• http://www.paginaspersonales.unam.mx/app/webroot/files/468/ESPACIOS_VEC
TORIALES_CON_PRODUCTO_INTERNO.pdf
• http://algebralinealonline.blogspot.com/2016/03/espacio-vectoriales-con-
producto-interno.html
• http://algebraitesielectroma.blogspot.com/2016/11/46-base-ortonormal-proceso-
de.html

25