I.

DEFINICIN DE ESPACIO VECTORIAL.

Un espacio vectorial es aquel conjunto de vectores que cumple las propiedades o axiomas
de la suma de vectores y la multiplicacin por un escalar, dichas propiedades vistas en
espacios n-dimensionales Rn o R2. Un espacio vectorial es un espacio no vaco.
Un espacio vectorial es la abstraccin de las propiedades de un espacio n-dimensional, debe
tomarse en cuenta que en el espacio vectorial no se especifican operaciones ni vectores,
entonces se puede usar cualquier vector y cualquier operacin se puede sustituir la suma de
vectores y la multiplicacin por un escalar, pero siempre cumpliendo con las propiedades.
Diremos que el espacio vectorial es real o complejo, segn sean los escalares.
En el estudio de las matemticas o de la fsica, el trmino vector se aplica a una amplia
variedad de objetos, principalmente a cantidades que representan magnitudes y direcciones,
ya sea una fuerza, una velocidad o una distancia. El trmino vector tambin se usa para
describir entidades como matrices, polinomios o funciones.

II.

DEFINICIN DE SUB ESPACIO VECTORIAL Y SUS PROPIEDADES.

Dado un espacio vectorial V, se dice que un subconjunto S de V es un sub espacio vectorial

si contiene al vector K, y si al efectuar las operaciones de suma y producto por escalar entre
vectores de S, el resultado permanece en S. (Se puede decir que S es cerrado para las
operaciones suma y producto por escalar.)
Sea H un subconjunto no vaco de un espacio vectorial V y suponga que H es en s un
espacio vectorial bajo las operaciones de suma y multiplicacin por un escalar definidas en
V. Entonces se dice que H es un sub espacio de V.
Existen mltiples ejemplos de sub espacio, sin embargo, en primer lugar, se demostrar un
resultado que hace relativamente sencillo determinar si un subconjunto de V es en realidad
sub espacio de V.
Un subconjunto no vaco de H de un espacio vectorial V es un sub espacio de V si se
cumplen las dos reglas de cerradura:
Reglas de cerradura para ver si un subconjunto no vaci es un sub espacio

i)
ii)

Si x H y y H, entonces x + y H.
Si x H, entonces x H para todo escalar .

Es obvio que si H es un espacio vectorial, entonces las dos reglas de cerradura se debern
cumplir. De lo contrario, para demostrar que es un espacio vectorial, se deber demostrar
que los axiomas i) a x) de la definicin cumplen bajo las operaciones de suma de vectores y
multiplicacin por un escalar definidas en V. Las dos operaciones de cerradura [axiomas i)
y iv)] se cumplen por hiptesis, como los vectores en H son tambin 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 sub espacio de V, es suficiente
verificar que:
x + y y X estn en H cuando x y y estn en H y es un escalar.
PROPIEDADES DE SUB ESPACIO VECTORIAL
1.- El vector 0 es combinacin lineal de cualquier familia de vectores. Por tanto, si un
sistema tiene al vector nulo, entonces el sistema es ligado.
2.- El vector v es combinacin lineal de toda familia que contenga a v.
3.- Si un sistema s de vectores es ligado, entonces tambin lo es cualquier sistema que
resulte de aadir algn vector a S.
4.- Si un sistema S de vectores es libre, entonces tambin lo es cualquier sistema que resulte
de prescindir, de alguno de los vectores de S.
5). El vector cero de V est en H.2
6). H es cerrado bajo la suma de vectores. Esto es, para cada u y v en H, la suma u + v est
en H.
7). H es cerrado bajo la multiplicacin por escalares. Esto es, para cada u en H y cada
escalar c, el vector cu est en H.

III.

COMBINACIN LINEAL, INDEPENDENCIA NORMAL.

Una combinacin lineal de dos o ms vectores es el vector que se obtiene al sumar esos
vectores multiplicados por escalares.

Cualquier vector se puede poner como combinacin lineal de otros que tengan distinta
direccin.
Esta combinacin lineal es nica.
Sean v1,v2,,vn vectores en un espacio vectorial V. Entonces cualquier vector de la forma:
1v1+2v2++nvn
donde 1v1+2v2++nvn son escalares se denomina combinacin lineal de v1,v2,,vn.
Todo vector V = (a, b, c) en R3 se puede expresar como
i = (1,0,0);
j = (0,1,0);
k =(0,0,1)
V = (a, b, c) = a(i) + b(j) + c(k)
Entonces se dice que V es una combinacin lineal de los 3 vectores i,j,k.
Propiedades:
1. - Si varios vectores son dependientes, entonces al menos uno de ellos se puede expresar
como combinacin lineal de los otros.
2. - Dos vectores del plano son dependientes si, y solo si, son paralelos.
3. - Dos vectores del plano U= (U1,U2) Y V=(V1,V2) son dependientes si sus componentes
son proporcionales.
U = KV, (U1,U2) = K(V1,V2) U1/V1 = U2/V2 = K
INDEPENDENCIA LINEAL.

Los vectores son linealmente independientes si tienen distinta direccin y sus componentes no son proporcio

Un conjunto de vectores {v1,v2,,vk} es un espacio vectorial V es linealmente dependiente si existen escalare

c1,c2,,ck, al menos uno de los cuales no es cero, tales que:
c1v1+c2v2++ckvk=0
Si los vectores no son linealmente dependientes, se dice que son linealmente independientes.
Criterios de Independencia Lineal
Sean u1, u2, ,uk k vectores en Rn y A la matriz que tiene como columnas a estos vectores, los vectores son

linealmente independientes si el sistema Ax = 0 tiene nicamente solucin trivial.

Los vectores son linealmente dependientes si el sistema Ax=0 tiene soluciones no triviales (solucin mltiple
Si k=n
Los vectores son linealmente independientes si A es invertible
Si k>n
Los vectores son linealmente dependientes.

Dos vectores en un espacio vectorial son linealmente dependientes si uno de ellos es mltiplo escalar del otro
Un conjunto de vectores linealmente independientes en n contiene a lo ms n vectores.

Tres vectores en 3 son linealmente dependientes si y slo si son coplanares, esto es, que estn en un mismo p
Teoremas
1. Cualquier conjunto que contenga al vector 0 es linealmente dependiente.

2. Cualquier conjunto que contenga un nico vector diferente de cero, v 0, es linealmente independien
3. Cualquier conjunto formado por dos vectores diferentes de cero, S = {v1, v2}, donde v1 0, v2 0, es
linealmente dependiente si, y slo si, uno de los vectores es mltiplo escalar del otro.

4. Cualquier conjunto que contenga un subconjunto linealmente dependiente es linealmente dependiente

5. Cualquier subconjunto de un conjunto linealmente independiente es linealmente independiente.

IV.

BASE Y DIMENSIN DE UN ESPACIO VECTORIAL, CAMBIO DE BASE

Un conjunto de vectores S={v1, v2,, vn} en un espacio vectorial V se denomina base de V si se cumplen l
siguientes condiciones.
* S genera a V.
* S es linealmente independiente

Una base posee 2 caractersticas que se acaban de ver, debe tener suficientes valores para generar a V, pero n
tantos de modo que uno de ellos pueda escribirse como una combinacin lineal de los dems vectores en S. S
espacio vectorial consta de un nmero finito de vectores, entonces V es de dimensin finita. En caso contrari

es de dimensin infinita.

BASE.

En trminos generales, una base para un espacio vectorial es un conjunto de vectores del espacio, a partir d
cuales se puede obtener cualquier otro vector de dicho espacio, haciendo uso de las operaciones en l definid
La base es natural, estndar o cannica si los vectores v1, v2,, vn forman base para Rn.

Si S={v1, v2,, vn} es una base para un espacio vectorial V entonces todo vector v en V se puede expresar co
1.

V = c1v1+ c2v2++ cnvn

2.

V = k1v1+ k2v2++ knvn

Restar 2-1
0 = (c1- k1) v1+(c2- k2) v2++(cn- kn) vn

UNICIDAD REPRESENTACIN DE LA BASE

Si S = {v1, v2,, vn} es una base de un espacio vectorial V, entonces todo vector en V puede
escribirse de una y solo una forma como combinacin lineal de vectores en S.
Para demostrar la unicidad (que en un vector dado puede representarse slo de una
manera), se supone que u tiene otra representacin u= b1v1 + b2v2++bnvn. Al restar la
segunda representacin de la primera se obtiene:
u-u = (c1-b1)v1 + (c2-b2)v2 + + (cn-bn)vn = 0.
Sin embargo como S es linealmente independiente, entonces la nica solucin de esta
ecuacin es la trivial,
c1-b1=0
DIMENSIN

c2-b2=0,

cn-bn=0.

Se llama dimensin de un espacio vectorial V al nmero de vectores que hay en cualquiera

de sus bases. Se denota dim (V).
La dimensin de Rn con las operaciones normales es n.
La dimensin de Pn con las operaciones normales es n+1.
La dimensin de Mm,n con las operaciones normales es mn.
Si W es un subespacio de un espacio vectorial n-dimensional, entonces se puede demostrar
que la dimensin de W es finita y que la dimensin de W es menor o igual que n.
Definicin de Espacio Rengln y Espacio Columna de una matriz
Sea A una matriz m x n.
El espacio rengln de A es el subespacio de Rn generado por los vectores rengln de A.
El espacio columna de A es el subespacio de Rn generado por los vectores columna de A.
Estos dos comparten muchas propiedades, pero debido al conocimiento que se tiene sobre
las operaciones elementales en los renglones se empieza por considerar el espacio rengln
de una matriz. Cabe recordar que dos matrices son equivalentes por renglones si una puede
obtenerse a partir de la otra al aplicar operaciones elementales en los renglones. El
siguiente teorema establece que las matrices equivalentes por renglones tienen el mismo
espacio rengln.
Base para el Espacio Rengln de una Matriz
Si una matriz A es equivalente por renglones a una matriz B que est en forma escalonada,
entonces los vectores rengln de B diferentes de cero, forman una base del espacio rengln
de A.
Definicin del Rango de una Matriz
La dimensin del espacio rengln (o columna) de una matriz A se llama rango de A y se
denota por rango (A).

V.

ESPACIO VECTORIAL CON PRODUCTO INTERNO, Y SUS PROPIEDADES.

Producto Interno:

Un producto interno sobre un espacio vectorial V es una operacin que asigna a cada par de vectores u y v en
nmero real <u, v>.
Un producto interior sobre V es una funcin que asocia un nmero 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 slo 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)
vii. (u, v) = (u, v)
Espacios con producto interior:

El producto interior euclidiano es solo uno ms 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 notacin.
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 = cu, v.
Un espacio vectorial con producto interno se denomina espacio con producto interno.

VI.

BASE ORTONORMAL, PROCESO DE ORTONORMALIZACION DE GRAMSCHMIDT.

BASE ORTONORMAL

Definicin de conjunto ortogonales y conjuntos ortonormales

Un conjunto S de vectores en un espacio V con producto interior se llama ortogonal si todo par de ve
en S es ortogonal, adems cada vector en este conjunto es unitario, entonces S se denomina ortonormal.
Proceso de ortonormalizacin de Gram-Schmidt
1.

Sea B = {v1, v2, . . ., vn} una base de un espacio V con producto interno

2.

Sea B= {w1, w2, . . ., wn} donde wi est dado por:

w1= v1
Entonces B es una base ortogonal de V.
3.

Sea ui= wi w1 entonces el conjunto B={ u1, u2, . . ., un} es una base ortonormal de V.

Para hallar una base ortonormal B= {u1, u2}, se usa la forma alternativa del proceso de
ortonormalizacin de Gram- Schmidt como sigue. Descripcin del algoritmo de
ortonormalizacin de GramSchmidt

Los dos primeros pasos del proceso de GramSchmidt

El mtodo de Gram-Schmidt se usa para hallar bases ortogonales (Espacio Euclideo no
normalizado) de cualquier base no euclidea.
En primer lugar tenemos que:

Es un vector ortogonal a

. Entonces, dados los vectores

, se define:

Generalizando en k:

A partir de las propiedades del producto escalar, es sencillo probar que el conjunto de
vectores
es ortogonal.
Para hallar los vectores ortonormales basta con dividir entre la norma de cada vector de
la base hallada:
Construccin de un conjunto ortonormal.