Instituto Tecnológico superior

de Tierra Blanca

Alumno: José Francisco López Vela

Docente: M.I Alejandra Villalobos Burgos

Fecha: 10 de septiembre de 2022

Materia: Álgebra lineal

Carrera: Ingeniería Industrial

Grupo: 304-D

Trabajo: Investigación espacios vectoriales

 Espacios vectoriales

4.1 Definición de espacio vectorial

El de espacio vectorial es un concepto inherente a la rama denominada como álgebra abstracta,

que es la parte de las matemáticas que se ocupa del estudio de las estructuras algebraicas, tales

como los grupos, los cuerpos y los espacios vectoriales , que son justamente el objeto de la

presente reseña.

Ahora bien, es importante antes de adentrarnos en el concepto concreto de espacio vectorial

descubrir qué es un vector, que es precisamente el elemento de estas estructuras…

El vector es un instrumento geométrico que se emplea para representar una magnitud física que

estará determinada por su longitud, orientación y sentido. Geométricamente se los representa a

partir de segmentos de rectas que se dirigen a un lado determinado, símiles a una flecha. Entre los

ejemplos de magnitudes vectoriales más comunes se destacan la fuerza que se ejerce sobre un

determinado objeto y la velocidad de desplazarse que exhibe un móvil.

Todos los sistemas físicos presentan algunas cualidades medibles, que son precisamente las

magnitudes. Si bien nos podremos encontrar con aquellas magnitudes que no necesitan para su

definición conocer los mencionados aspectos de dirección sentido, orientación y longitud, hay

otras, como las indicadas de la velocidad y la fuerza, que sí lo requieren.

Cabe destacarse que sobre los vectores es factible realizar operaciones matemáticas básicas como

ser: suma, resta, división y multiplicación.

Habiendo aclarado el concepto de vector avanzaremos sobre el de espacio vectorial…

El espacio vectorial, entonces, es una estructura algebraica originada a partir de conjuntos cuyos

elementos son plausibles de ser sumados entre sí y multiplicados por números. Siempre un

espacio vectorial lleva vinculado consigo a un conjunto que tendrá estructura de cuerpo y
elementos denominados escalares, que harán las veces de números. Mientras tanto, los elementos

del espacio vectorial estarán representados por los vectores.

Ejemplos:
4.2 Definición de subespacio vectorial y sus propiedades.

Un subespacio de un espacio vectorial V es un subconjunto H de V que tiene tres propiedades:

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.

b. Las propiedades (a), (b) y (c) garantizan que un subespacio H de V es en sí mismo un

espacio vectorial, bajo las operaciones de espacio vectorial ya definidas en V.

Para verificar esto, observe que las propiedades (a), (b) y (c) son los axiomas 1, 4 y 6.

Los axiomas 2, 3, y del 7 al 10 son verdaderos de manera automática en H porque se aplican a

todos los elementos de V, incluidos aquellos que están en H. El axioma 5 también es verdadero

en H, porque si u está en H, entonces (−1) u está en H según (c), y por la ecuación (3) de la

página 217 se sabe que (−1) u es el vector −u del axioma 5.

Así, todo subespacio es un espacio vectorial. De manera recíproca, todo espacio

vectorial es un subespacio (de sí mismo o posiblemente de espacios mayores).

El término subespacio es usado cuando se consideran por lo menos dos espacios, con uno dentro

de otro, y la frase subespacio de V identifica a V como el espacio más grande.

Ejemplos:
4.3 Combinación lineal e independencia lineal

Una combinación lineal de dos o más vectores es el vector que se obtiene al sumar esos vectores

multiplicados por algunos escalares. Es decir, una combinación lineal es una expresión de la

forma:

Para el caso particular de dos vectores , , y dos números , entonces una combinación

lineal de y está dada por el vector .

La siguiente figura muestra la representación gráfica del vector .

Nota: Cualquier vector en el plano se puede poner como combinación lineal de otros dos

vectores que tengan distinta dirección. Asimismo, esta combinación lineal es única.

Ejemplos de combinaciones lineales

1Dados los vectores y , hallar el vector combinación

lineal .

Solución: Para encontrar el vector , simplemente realizamos las operaciones necesarias:

Por lo que,

¿Qué son los vectores linealmente independientes?

Un conjunto de vectores libres es linealmente independiente si ninguno de ellos se puede escribir

como una combinación lineal de los otros.

Es decir, dado un conjunto de vectores estos son linealmente independientes si la única solución

de la siguiente ecuación:
Son todos los coeficientes iguales a 0:

Geométricamente, dos vectores son linealmente independientes si no tienen la misma dirección,

esto es, si no son paralelos.

Sea S={v1, v2,…,vn}S={v1,v2,,vn} un conjunto de vectores en un espacio vectorial V.V. Si

existen escalares α1,α2…αn∈Fα1,α2…αn∈F de manera que no todos los αiαi son cero y

α1v1+α2v2+⋯+αnvn=0, α1v1+α2v2+⋯+αnvn=0

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

Una base es un conjunto de vectores linealmente independientes y que son capaces de generar
cualquier vector de dicho espacio. En nuestro estudio del plano, una base estará formada por dos
vectores linealmente independientes.
La dimensión de un espacio vectorial es el número de vectores que forman una base del espacio
vectorial.
Axiomas de base
Todos los elementos de B pertenecen al espacio vectorial V. Los elementos de B forman un
sistema linealmente independiente. Todo elemento de V se puede escribir como combinación
lineal de los elementos de la base B (es decir, B es un sistema generado de V)
Sistema generador
En álgebra lineal, dado un espacio vectorial V, se llama sistema de V a un conjunto de vectores,
pertenecientes a V, a partir de la cual se puede generar el espacio vectorial V se denomina
conjunto generado o espacio generado. Esto también es válido para subconjuntos de V, en esos
casos se llama de subconjuntos generados o más específicamente, subespacios generados por el
sistema generador en cuestión. Son sistemas generadores de 3 porque cualquier vector (a,b,c) se
puede poner como combinación lineal de ellos. En efecto, dado (a,b,c) buscamos,, que satisfagan
(a,b,c)= (1,1,0)+ (0,2,-3) Se obtiene un sistema: +0=a, +2=b, -3=c. En las incógnitas,, que es
compatible determinado para cualquiera a,b,c.
Base de un espacio vectorial
Conjunto de vectores B= (v1, v2, vn) forman una base del espacio vectorial V sí:
Los vectores de (B) pueden generar todo el espacio vectorial V. Dada una base B= (u1, u2, un)
Bases canónicas si consideramos el espacio vectorial (R3, +R) podremos encontrar infinidad de
bases todas ellas formadas por 3 vectores, pero una de las bases de este espacio vectorial
Bc=((1,0,0)(0,1,0)(0,0,1)) tiene una propiedad importante: cualquier vector del espacio vectorial
verifica que sus componentes coinciden con sus coordenadas respecto de la base canónica.
En un espacio vectorial V, fijada una base (V1, V2… Vn), todo vector u V puede ponerse de
forma única como combinación lineal de dicha base: u= 1 V1+ 2 V2+ … n Vn. Los escalares 1,
2, …, n se llaman coordenadas del vector u en la base (V1, V2, … Vn).
Cambio de base
En un espacio vectorial B, dadas las bases B y B´, se llama matriz de cambio de base (o de
cambio de coordenadas) de B a B´ a la matriz que contiene en sus columnas las coordenadas de
los vectores de la base B expresados en función de la base B: su utilidad es la siguiente:
Conocidas las coordenadas de un vector en base B, nos permitirá hallar las coordenadas de dicho
vector en base B´. En efecto, sean (a1, a2, … an) las coordenadas de un vector en base B, y sea P
la matriz de cambio de base de B a B´. Entonces obteniéndose así (b1, b2, … bn) las coordenadas
del vector en base B´.
Propiedades de las matrices cambio de base
1. Toda matriz de cambio de base es cuadrada nxn, donde n es la dimensión del espacio al
que se refieren las bases.
2. Toda matriz de cambio de base es inversible (es decir, con determinante no nulo).
Además, la matriz de cambio de B a B´ es inversa de la matriz de cambio de B´ a B.
3. La matriz de cambio de base B a la misma base B, es la matriz identidad.
4.5 Espacio vectorial con producto interno y sus propiedades
El espacio vectorial complejo V se conoce como un espacio con producto interior si para
cualquier par de vectores a y ven V, existe un único número complejo (u, v), llamado el producto
interior de uy V, tal que si u, v y w están en V y si o pertenece C, entonces.
Propiedades:
i (u, v) = 0
ii. (v, w) = 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. (u, v) = (u, v)
vi. (u, v) = (u, v)
La barra en las condiciones (v) y (vil) denota el conjugado complejo. Nota. Si (u,v) es real,
entonces (u,v)=(u,v) y se puede eliminar la barro en v).
Producto Interno.
Algunas nociones geométricas en R2 y en 23 pueden definirse a partir del producto escolar. Lo
definición que sigue es una generalización del producto escalar a otros espacios vectoriales.
Sea V un espacio vectorial sobre R (respectivamente C). Un producto interno sobre V es uno
función C:VE VIR (respectivamente C) que cumple:
Ejemplo:
Producto interno de dos vectores en C3 En C3 sean x=(1+i, -3, 4-31) y y=(2-i, -1, 2+1), entonces:
(x, y)=(1+i) (2-1)+(-3) (-i)+(4-3i) (2+i)
=(1+i) (2+i)+(-3) (i)+(4-3i) (2-i)
=(1+31)-31+(5-10)=6-10;
Sea V un espacio con producto interno y supongo que u y 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)
Nota 1. Aquí se usa la doble barra en lugar de una sola para evitar confusión con el valor
absoluto. Por ejemplo, sen t 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.
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 Inusualmente
independiente. Teorema: cualquier conjunto
finito linealmente independiente en un
espacio.com producto interne se puede convertir
en un conjunto ortonormal mediante el proceso
de Gram-Schmidt. En particular cualquier
espacio con producto interna tiene una base
ortonormal.
Ejemplo:
4.6 Base ortonormal, proceso de ortonormalización de Gram-Schmidt.

En álgebra lineal, el proceso de orto normalización 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 Jorge Pedersen Gram y Erhard Schmidt.

Interpretación Geométrica

En el espacio euclídeo (R3, ·) con el producto escalar usual definido, se propone un método para

encontrar un sistema de vectores, perpendiculares entre sí, a partir de tres vectores no coplanarios

cualesquiera. Sean v1, v2, v3 dichos vectores. El método consiste de dos proyecciones. La base

ortogonal de R3 compuesta por u1, u2, u3, se calcula de la siguiente manera.

Se escoge arbitrariamente uno de los vectores dados, por ejemplo, u1 = v1.

u2 se calcula como la diferencia entre v2 y el vector que resulta de proyectar a v2 sobre u1. Dicha

diferencia es perpendicular a u1. Es equivalente afirmar que u2 es la diferencia entre v2 y el

vector que resulta de proyectar a v2 sobre la recta que genera u1.

u3 es la diferencia entre v3 y el vector que resulta de proyectar a v3 sobre el plano generado por

u1 y u2. La diferencia de vectores tiene como resultado otro vector que es perpendicular al plano.
Esta sencilla interpretación del algoritmo para un caso que puede verse es susceptible de

generalización a espacios vectoriales de dimensión arbitraria, con productos internos definidos,

no necesariamente canónicos. Dicha generalización no es otra que el proceso de Gram-Schmidt.

Descripción del Algoritmo de Orto normalización de Gram-Schmidt

El método de Gram-Schmidt se usa para hallar bases ortogonales de cualquier base no euclídea.

En primer lugar, tenemos que: Es un vector ortogonal a. Entonces dado los vectores v1, ... ,vn.

Se define:
A partir de las propiedades del producto escalar, es sencillo probar que el conjunto de vectores es

ortogonal.

Proposición 1

Si es un conjunto de vectores linealmente independientes, los vectores u1, u1, ... uk definidos por:
 es un conjunto de vectores

linealmente independientes, los

vectores u1, u1, ... uk definidos por

Proposición 2

El conjunto

está constituido por vectores mutuamente ortogonales.

 Bibliografías

l, L. (2016, 14 marzo). Subespacios Vectoriales. Algebra lineal. Recuperado 5 de septiembre de

2022, de https://lineal2cx07.wordpress.com/2016/03/11/espacios-vectoriales-definicion-de-david-

c-lay/

slide, B. (s. f.). 4.1 definición del espacio vectorial y sus propiedades. slideshare. Recuperado 5

de septiembre de 2022, de https://es.slideshare.net/breerico/41-definicin-del-espacio-vectorial-y-

sus-propiedades

Fajardo, C. H., Guerrero, A., Barrios, M., Ojeda, A., & Ramirez, K. E. C. (2022, 12 mayo). La

combinacion lineal de vectores | Superprof. Material Didáctico - Superprof. Recuperado 5 de

septiembre de 2022, de

https://www.superprof.es/apuntes/escolar/matematicas/analitica/vectores/combinacion-lineal-de-

vectores.html

AATA Independencia Lineal. (s. f.). Recuperado 5 de septiembre de 2022, de

http://abstract.ups.edu/aata-es/section-linear-independence.html

Ayala, V. (s. f.). Espacio vectorial con producto interno y sus propiedades. prezi.com.

Recuperado 9 de septiembre de 2022, de https://prezi.com/3aunsw1a7l2x/espacio-vectorial-con-

producto-interno-y-sus-propiedades/

Lineal, A. (2022, 9 septiembre). 4.6 BASE ORTONORMAL PROCESO DE

ORTOGONALIZACION DE GRAM-SCHMIDT. Recuperado 9 de septiembre de 2022, de

http://algebraitesielectroma.blogspot.com/2016/11/46-base-ortonormal-proceso-de.html