Espacios Vectoriales

INSTITUTO TECNOLGICO
SUPERIOR DE APATZINGN
MATERIA:
ALGEBRA LINEAL

NOMBRE DE LA CARRERA:
INGENIERA EN GESTIN EMPRESARIAL

PRIMER SEMESTRE
TURNO VESPERTINO

NOMBRE DEL TRABAJO:

ENSAYO CORRESPONDIENTE A LA UNIDAD IV.ESPACIOS VECTORIALES

DOCENTE:
ING. SERGIO LUIS AGUILAR RIVERA

ELABORO:
CALDERA OROZCO CLAUDIA JANET

APATZINGN, MICHOACN; A 12 DE FEBRERO DEL 2015.

Espacios Vectoriales

NDICE.

INSTITUTO TECNOLGICO
SUPERIOR DE APATZINGN

Introduccin.3
Desarrollo:
Unidad IV. Espacios Vectoriales
4.1. Definicin de espacio vectorial.4
4.2. Definicin de subespacio vectorial y sus propiedades.....5
4.3. Combinacin lineal. Independencia lineal..7
4.4. Base y dimensin de un espacio vectorial, cambio de base..8
4.5. Espacio vectorial con producto interno y sus propiedades.....9
4.6. Base ortonormal, proceso de ortonormalizacin de Gram-Schmidt. ..10
Conclusin... 13
Hemerografia.14

Pg.

Espacios Vectoriales

INTRODUCCIN

INSTITUTO TECNOLGICO
SUPERIOR DE APATZINGN

En general el lgebra trata de nmeros, matrices, vectores, aplicaciones y de operaciones entre

los elementos de dichos conjuntos. Un espacio vectorial es un objeto bsico en el lgebra lineal,
compuesto de elementos vectoriales mejor conocidos como vectores.

Un espacio vectorial tambin llamado espacio euclidiano es el conjunto de n- ordenadas,

tambin conocido por espacio n-dimensional y de denota por Rn, este es una sucesin de n
nmeros reales. Pero para lograr tener una mejor comprensin es necesario saber la definicin
de subespacio, combinacin lineal, dimensin entre otros temas, primero se debe entender
completamente la definicin de espacio vectorial ya que todos estos temas se encuentran
relacionados.
Para poder entender y resolver problemas relacionados a estos temas primero debemos tener
una buena base acerca de espacio vectorial ya que sin ella no podramos comprender estos
temas.

DESARROLLO.

Espacios Vectoriales

UNIDAD IV. ESPACIOS VECTORIALES.

INSTITUTO TECNOLGICO

4.1. DEFINICIN DE
ESPACIO VECTORIAL.
SUPERIOR
DE APATZINGN
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 llamarn vectores (aunque pueda tratarse de objetos diferentes a los vectores de la
Fsica.) Diremos que el espacio vectorial es real o complejo, segn sean los escalares.
Otras propiedades de los espacios vectoriales pueden deducirse de las anteriores propiedades
bsicas. Por ejemplo:
Si v = ( escalar, v vector) entonces o bien es =0 o bien es v = .
Ejemplos de espacios vectoriales.
1) El espacio , formado por los vectores de n componentes (x1,.., xn) es un espacio vectorial
real, en el que se pueden sumar vectores y multiplicar por un escalar (real) de la forma habitual.
Se puede comprobar que se cumplen las propiedades requeridas para ambas operaciones. El
vector cero es (0,..,0). No es un espacio vectorial complejo, pues no podemos multiplicar por
escalares complejos (si lo hacemos, el resultado no se mantendr dentro de ).
2) Consideremos el conjunto P2 de los polinomios de grado 2 con coeficientes reales: P2 =
{ax + bx + c: a, b, c }. Es un espacio vectorial real, pues podemos sumar dos elementos de
P2 y obtenemos otro elemento de P2; tambin podemos multiplicar un elemento de P2 por un
escalar real y obtenemos otro elemento de P2.
3)

Consideremos el conjunto G de los polinomios de grado = 3 (exactamente 3) con

coeficientes reales. No es un espacio vectorial (real ni complejo), pues al sumar dos elementos
de G, no est garantizado que el resultado est en G. En efecto, consideremos los polinomios p
= x+x+x+1,

q = x+x+x+1 Pertenecen a G, pues su grado es 3. Pero su suma es p+q =

2x+2x+2 que no pertenece a G (su grado no es 3).

4.2. DEFINICIN DE SUBESPACIO VECTORIAL Y SUS PROPIEDADES.

Espacios Vectoriales

Dado un espacio vectorial V, podemos considerar una parte S de l que funcione como un

INSTITUTO TECNOLGICO

espacio vectorial ms pequeo, incluido en V. Como V es un espacio vectorial, posee unas

operaciones (suma,SUPERIOR
producto por un escalar)
que en particular se pueden efectuar en S. Slo
DE APATZINGN
necesitaremos que, al efectuarlas, su resultado quede dentro de S.
Dado un espacio vectorial V, se dice que un subconjunto S de V es un subespacio vectorial si
contiene al vector , y si al efectuar las operaciones de suma y producto por escalar entre
vectores de S, el resultado permanece en S.
EJEMPLOS DE SUBESPACIOS.
1) La recta x=y es un subespacio de . Est formado por los vectores de la forma (a, a). 2
Contiene al vector (0,0). Adems, es cerrado para la suma y producto por escalar: Suma: (a, a)
+ (b, b) = (a+b, a+b) que tambin es un elemento de la recta. Producto por un escalar: ,
(a, a) = (a, a) que tambin es un elemento de la recta.
2) El plano XY es un subespacio de . Est formado por los vectores de la forma (x, y, 0). 3
Contiene al vector (0, 0,0). Adems, es cerrado para la suma y producto por escalar: Suma: (x,
y, 0) + (x, y,0) = (x+x, y+y, 0) que tambin es un elemento del plano. Producto por un escalar:
, (x, y, 0)= (x, y, 0) que tambin es un elemento del plano. Podemos decir que este
plano es como pero incluido en .
3) Es un subespacio de el conjunto de los vectores de la forma (a, 1)?.
No, puesto que no contiene al (0,0). O tambin: porque no se puede sumar dentro de este
conjunto, por ejemplo (a, 1)+ (b, 1)=(a+b, 2) que no pertenece al conjunto.
DESCRIPCIN DE LOS SUBESPACIOS DE .
Los subespacios de pueden describirse de dos formas: implcita y paramtrica.

Forma implcita: Mediante ecuaciones. Los vectores que verifiquen las ecuaciones son los

que pertenecen al subespacio.

Forma paramtrica: Mediante una expresin con parmetros, los cuales al tomar distintos
valores producen todos los vectores del subespacio.

Para pasar de una a otra forma:

Espacios Vectoriales

De la forma implcita a la paramtrica: Basta considerar las ecuaciones implcitas como un

INSTITUTO TECNOLGICO

sistema, y resolverlo. La solucin general del sistema (que podr depender de parmetros)
es la expresin paramtrica.
SUPERIOR DE APATZINGN
De la forma paramtrica a la implcita: Podemos decir, aunque no es un mtodo riguroso,

que se trata de describir mediante ecuaciones cmo es el vector genrico del subespacio.
INCLUSIN DE SUBESPACIOS.
Dados dos subespacios A y B, puede ocurrir que uno est incluido en otro (una recta dentro de
un plano, por ejemplo). Se dice que A est contenido o incluido en B (y se denota A B) si
todos los elementos de A estn tambin en B. En cualquier espacio vectorial V, el subespacio
{0} est contenido en todos los dems subespacios; mientras que todos ellos estn contenidos
en el total V.
Veamos cmo reconocer si un subespacio est incluido en otro:

En forma implcita: Si las ecuaciones de B estn incluidas en las de A, entonces A B.

(Cuantas ms ecuaciones implcitas, ms pequeo es el subespacio).

En forma paramtrica: Para ver si A B, tendremos que ver si todo vector genrico de A,
est en B.

4.3. COMBINACIN LINEAL. INDEPENDENCIA LINEAL.

Definicin de Combinacin Lineal: Dado un conjunto de vectores v1,..,v se llama una

combinacin lineal de ellos a cualquier vector de la forma v = 1 v1 + . . . + v donde 1 ,
. . . , son escalares, llamados coeficientes de la combinacin lineal.

Para probar que un conjunto S es subespacio, basta probar que: La combinacin lineal de
elementos de S est en S. Esto se suele expresar diciendo que un subespacio es un conjunto
cerrado para las combinaciones lineales.

Definicin de Independencia Lineal: En caso de que un conjunto de vectores no sea

linealmente dependiente, se dice que es linealmente independiente (o libre).

Espacios Vectoriales

Por tanto, escribiendo la negacin de la definicin de dependencia lineal, tendremos que un

INSTITUTO TECNOLGICO

conjunto de vectores es linealmente independiente cuando:

SUPERIOR DE APATZINGN

a) Ninguno de ellos es combinacin lineal de los dems.

b) El vector no es combinacin lineal de ellos, a no ser que la combinacin tenga
coeficientes todos nulos.
PROPIEDADES DE LA DEPENDENCIA / INDEPENDENCIA LINEAL.

1. El conjunto formado por un solo vector v no nulo, es libre.

2. Dos vectores v, w son linealmente dependientes cuando uno es mltiplo del otro, v=w (ya
que esto equivale a decir que uno es combinacin lineal del otro).
3. Todo conjunto que contenga al es ligado
4. Si un conjunto es ligado, aadindole vectores sigue siendo ligado. (En efecto, si un vector
es combinacin de otros, aunque aadamos ms vectores seguir sindolo.)
5. Si un conjunto es libre, quitndole vectores sigue siendo libre. (En efecto, si no se puede
formar como combinacin de ellos, al quitar vectores tampoco se podr).
4.4. BASE Y DIMENSIN DE UN ESPACIO VECTORIAL, CAMBIO DE BASE.
La base de un espacio vectorial es un subconjunto de un espacio vectorial que se extiende sobre un
espacio vectorial determinado y es linealmente independiente en el mismo. Esto es, si tenemos un
espacio vectorial V y tenemos S como un subconjunto de este espacio vectorial, el cual consiste de
n vectores de la forma v1, v2, v3 vn entonces podemos definir que este subconjunto es
la base del espacio vectorial dado, si cumple las dos condiciones siguientes:
1. Este subconjunto se extiende a travs del espacio vectorial dado
2. S es subconjunto de V conteniendo los vectores de V, los cuales son linealmente independientes.
Con la ayuda de una ecuacin lineal podemos representar tal conjunto como,

Aqu v es un vector que yace en el espacio vectorial dado y los vectores n representados como v1, v2, v3 vn forman parte de la base del espacio vectorial dado.

Espacios Vectoriales

Existen numerosos ejemplos de la base de un espacio vectorial. Imagina tres dimensiones las
TECNOLGICO
cuales constan de dosINSTITUTO
vectores. Imagina que
estos vectores no son planos. El plano definido con la
ayuda de estos dos vectores slo formar una base para los espacios tridimensionales actuales.
SUPERIOR
DE lineal
APATZINGN
Esto es porque si definimos
una combinacin
con la ayuda de estos dos vectores, entonces
este se encontrara definitivamente dentro el plano mismo e inversamente tambin es posible
expresar un vector dentro del plano como una combinacin lineal de ambos. Ahora extendamos
esta definicin para formar la base de la definicin de la dimensin del espacio vectorial.
Imaginemos que tenemos un espacio vectorial V y sea S la base de este espacio vectorial. Ahora
coloquemos un nmero limitado de vectores en la base de espacio vectorial S, entonces
definiramos este espacio vectorial dado como un espacio vectorial de dimensin finita y la
dimensin real se obtendra mediante calcular el nmero total de vectores en la base de ese
espacio vectorial.
En caso de que tengamos un nmero infinito de vectores en la base del espacio vectorial dado,
entonces llamaremos al espacio vectorial un espacio vectorial de dimensin infinita, y la dimensin
de tal espacio vectorial es y la dimensin de un espacio vectorial nulo es el valor 0.
Puede haber ms de una base para un espacio vectorial dado. Esto significara que es posible
definir los vectores dentro de un espacio vectorial dado como la sumatoria de los vectores de ambas
bases. Sea V un espacio vectorial y S la base de este espacio vectorial. Ahora definamos todos los
vectores v V en trminos de los elementos finitos de esta base. Definamos ahora otra base para
este espacio vectorial. Ahora bien, si intentamos redefinir los elementos del espacio vectorial como
una sumatoria de los elementos del segundo vector, llamamos a este proceso cambio de base.
Este proceso puede ser considerado como una funcin identidad sobre los elementos del espacio
vectorial.

4.5. ESPACIO VECTORIAL CON PRODUCTO INTERNO Y SUS PROPIEDADES.

Siempre que se utiliza el trmino espacio en un contexto matemtico, se refiere a un espacio

vectorial, es decir, real o n-espacio complejo, el espacio de funciones continuas en la recta, el
espacio de operadores lineales adjuntos y as sucesivamente. Por lo tanto, es un hecho
innegable, que este tema tiene su propia importancia en el campo de las matemticas.
Fijaremos el espacio vectorial de una manera ms amplia, con una definicin que contiene
todos los conceptos relacionados. Sea F un campo y V un conjunto. Supongamos que hay una
operacin binaria sobre V llamada adicin, la cual asigna a cada par de elementos a y b de V
una suma nica a + b V. Imagina tambin, que hay una segunda operacin, llamada

Espacios Vectoriales

multiplicacin escalar, que asigna a cualquier r F y a cualquier 2 V, un mltiplo escalar nico ra

TECNOLGICO
V. Supongamos queINSTITUTO
tanto la suma como
la multiplicacin escalar satisfacen los siguientes
axiomas:

SUPERIOR DE APATZINGN

a.
b.
c.
d.
e.

La suma de los vectores es conmutativa. Es decir, a + b = b + a para todo a, b V.

La suma de los vectores es asociativa. Es decir, (a + b) + c = a + (b + c) para todo a, b, c V.
Existe una identidad aditiva 0 V de manera que 0 + a = a para todos los a V.
Para todo a V, 1a = a, donde 1 es la identidad multiplicativa de F.
Por cada elemento v de V, hay un elemento -v tal que v + (-v) = 0. De este modo -v es un

inverso aditivo de v.
f. La multiplicacin escalar es asociativa. Si r, s F y a V, entonces (rs)a = r(sa).
g. La multiplicacin escalar es distributiva. Si r, s F y a, b V, entonces r(a + b) = ra + rb, and (r +
s)a = ra + sa.

4.6. BASE ORTONORMAL, PROCESO DE ORTONORMALIZACIN DE GRAM-SCHMIDT.

La base es el subconjunto de algn espacio vectorial, tal que este es linealmente independiente
y se extiende sobre todos los elementos de ese espacio vectorial. La base ortonormal es un tipo
especial de base, la cual es un subconjunto de un tipo especial de espacio vectorial el cual es el
producto escalar del espacio vectorial. Antes de ahondar en el tema, primero aclararemos
nuestro concepto sobre un conjunto ortonormal.
Sea un V producto escalar de un espacio vectorial, si cada vector par discreto dentro de ese
espacio vectorial es ortogonal, entonces podemos definir el espacio vectorial como un conjunto
ortogonal. Adems, ampliando esta definicin, en un conjunto ortogonal si tenemos cada vector
con una norma igual a uno, entonces este es definido como conjunto ortonormal. Sea V
producto escalar de un espacio vectorial, y tenemos a S como base de ese espacio vectorial
dado, entonces, si S es un conjunto ortogonal, entonces lo llamamos una base ortogonal y si S
es un conjunto ortonormal entonces lo denominamos una base ortonormal.
Formalmente hablando, una base S del producto escalar de un espacio vectorial V que contiene
vectores de la forma v1, v2, v3 vn se define como una base ortonormal si satisface
la condicin <vi . vj> = 0 donde i no debe ser igual a j. Aqu . es el producto escalar del
espacio vectorial dado.

Espacios Vectoriales

Sin embargo no es indispensable que una base ya determinada est en forma ortogonal.

INSTITUTO TECNOLGICO

Podemos, si es necesario, transformar la base a la forma ortonormal. El procedimiento para

hacerlo se llama proceso
de ortonormalizacin
de Gram Schmidt. La entrada del procedimiento
SUPERIOR
DE APATZINGN
es generalmente una base finita y la salida es una base ortonormal definida en algn perodo
arbitrario.
El teorema establece: Para un conjunto k de elementos, el cual es lineal e independiente, es
posible construir un conjunto ortonormal, y el conjunto resultante es la agrupacin lineal del
conjunto de entrada y se extiende sobre el mismo espacio vectorial.
Es esencial que la base est ordenada para que sea una base ortonormal. Sea V un producto
escalar de un espacio vectorial, y si tenemos a S como la base del espacio vectorial dado que
contiene los elementos de la forma v1, v2, v3 vn. Ahora, que tenemos otra base S,
que contiene los elementos de la forma w1, w2, w3 wn. Aqu v1 = w1,
entonces,

Tambin podemos afirmar lo definido de una manera inversa diciendo que si S es un subconjunto
ortonormal de V que consiste en vectores no cero, entonces podemos decir que S es linealmente
independiente.
Si tenemos S como base ortonormal para cualquier producto escalar de un espacio vectorial,
entonces por cada elemento en el espacio vectorial dado tenemos,

Aqu x es un vector en el espacio vectorial dado y los coeficientes [x, vi] son llamados
coeficientes de Fourier. Un punto digno de mencin es que todos los productos de los espacios
vectoriales que tienen tamao finito, tienen esencialmente una base ortonormal

Espacios Vectoriales

INSTITUTO TECNOLGICO
SUPERIOR DE APATZINGN

CONCLUSIN
Despus de haber realizado este trabajo sobre los espacios vectoriales he podido comprender
mejor estos temas y pude darme cuenta que sin entender cualquiera de estos temas no habra
podido

lograr

comprender

de

mejor

manera

los

dems.

Al ver detalladamente todos estos temas me di cuenta de la importancia que tienen en esta
materia de Algebra Lineal y que tambin necesitamos tener un conocimiento de otras materias

Espacios Vectoriales

ya vistas en mi bachillerato como lo Matemticas III. As que pues ahora tengo una mejor idea

INSTITUTO TECNOLGICO

de lo que es un espacio vectorial y de los dems temas que se relacionan entre s.

SUPERIOR DE APATZINGN

HEMEROGRAFIA
Disponible en internet:

http://mitecnologico.com/igestion/Main/DefinicionDeEspacioVectorial#sthash.FWC5kvoE.d
puf

Espacios Vectoriales

http://mitecnologico.com/igestion/Main/DefinicionDeSubespacioVectorial#sthash.3qTLbmGx.dpu

INSTITUTO TECNOLGICO

SUPERIOR DE APATZINGN
http://mitecnologico.com/igestion/Main/CombinacionLineal#sthash.rp6HO0La.dpuf

http://mitecnologico.com/igestion/Main/IndependenciaLineal#sthash.e6XZ4Qzy.dpuf

http://mitecnologico.com/igestion/Main/BaseYDimensionDeUnEspacioVectorial#sthash.RTzklQO
K.dpuf

http://mitecnologico.com/igestion/Main/BaseOrtonormal#sthash.dtP90nNA.dpuf

http://personales.unican.es/camposn/espacios_vectoriales1.pdf