INDICE

Introduccin
4.1 Definicin de espacio vectorial.
4.2Definicin de subespacio vectorial y sus
propiedades.

Pg.
2
3
4

4.3 Combinacin lineal. Independencia

lineal.

4.4 Base y dimensin de un espacio

vectorial, cambio de base.

4.5 Espacio vectorial con producto interno

y sus propiedades.

11

4.6 Base ortonormal, proceso de

ortonormalizacin de Gram Schmidt.
Conclusin

11

13

INTRODUCCIN
La idea de vector esta tomada de la Fisica, donde sirven para representar magnitudes
vectoriales como fuerzas, velocidades o aceleraciones. Para ello se emplean vectores de
dos componentes en el plano, de tres componentes en el espacio...
Se supone conocida la representacion grafica y manejo de los vectores de R 2 y de R 3.
En Matematicas, tratamos de abstraer las propiedades que caracterizan a los vectores
para
extenderlas tambien a otro tipo de objetos diferentes de los vectores de la Fisica.
Esencialmente, el comportamiento que caracteriza a los vectores es el siguiente:
Podemos sumar dos vectores y obtenemos otro vector;
Podemos multiplicar un vector por un numero (escalar) y obtenemos otro vector.
Ademas estas operaciones cumplen ciertas propiedades, que observamos en los vectores
de R 2 y de R 3 :
En lo sucesivo, utilizaremos habitualmente la siguiente notacion: u,v,w (u otras letras
latinas) para vectores, mientras que las letras griegas designaran escalares.

4.1 Definicin de espacio vectorial

Espacio vectorial real.
Un espacio vectorial real V es un conjunto de objetos, denominados vectores, junto con
dos operaciones binarias llamadas suma y multiplicacin por un escalar y que
satisfacen los diez axiomas enumerados a continuacin.
Notacin. Si x y y estan en V y si a es un nmero real, entonces la suma se escribe
como
x + y y el producto escalar de a y x como ax.
Antes de presentar la lista de las propiedades que satisfacen los vectores en un espacio
vectorial deben mencionarse dos asuntos de importancia. En primer lugar, mientras que
puede ser til pensar en R2 o R3 al manejar un espacio vectorial, con frecuencia ocurre
que el espacio vectorial parece ser muy diferente a estos cmodos espacios (en breve
tocaremos este tema). En segunda instancia, la definicin 1 ofrece una definicin de un
espacio vectorial real. La palabra real significa que los escalares que se usan son
nmeros reales. Sera igualmente sencillo definir un espacio vectorial complejo utilizando
nmeros complejos en lugar de reales. Este libro esta dedicado principalmente a espacios
vectoriales reales, pero las generalizaciones a otros conjuntos de escalares presentan
muy
poca
dificultad.
[1]
Axiomas de un espacio vectorial. [1]
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 estan 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 estan en V y a es un escalar, 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.

4.2 Definicin de subespacio vectorial y sus propiedades

DEFINICION DE SUB ESPACIO VECTORIAL
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 demostrara
un resultado que hace relativamente sencillo determinar si un subconjunto de V es en
realidad sub espacio de V.
Teorema de sub espacio
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) Si x H y y H, entonces x + y H.
ii) 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
deberan cumplir. De lo contrario, para demostrar que es un espacio vectorial, se deber a
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 estan en H cuando x y y estan en H y es un escalar.
PROPIEDADES DE SUB ESPACIO VECTORIAL
1). El vector cero de V esta en H.
2). H es cerrado bajo la suma de vectores. Esto es, para cada u y v en H, la suma u + v
esta en H.
3). H es cerrado bajo la multiplicacin por escalares. Esto es, para cada u en H y cada
escalar c, el vector cu esta en H.

4.3 Combinacin lineal

Una combinacin lineal de dos o mas 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
=
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.

(1,0,0);

4.3 Dependencia e Independencia lineal

Los vectores son linealmente independientes si tienen distinta
componentes no son proporcionales.
Un conjunto de vectores {v1,v2,,vk} es un espacio vectorial V
dependiente si existen escalares c1,c2,,ck, al menos uno de los cuales
que:
c1v1+c2v2++ckvk=0
Si los vectores no son linealmente dependientes, se dice que
independientes.

direccin y sus
es linealmente
no es cero, tales
son linealmente

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 mas n vectores.
Tres vectores en 3 son linealmente dependientes si y slo si son coplanares, esto es, que
estan en un mismo plano.
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 independiente.
3
Cualquier conjunto formado por dos vectores diferentes de cero, S = {v 1, 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.

4.5 Espacio vectorial con producto interno

Producto Interno:
Un producto interno sobre un espacio vectorial V es una operacin que asigna a cada par
de vectores u y v en V un 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 mas 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.

4.6 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 vectores en S es ortogonal, ademas cada vector en este conjunto es unitario,
entonces S se denomina ortonormal.
Proceso de ortonormalizacin de Gram-Schmidt
1.
2.

Sea B = {v1, v2, . . ., vn} una base de un espacio V con producto interno
Sea B= {w1, w2, . . ., wn} donde wi esta dado por:

w1= v1

Entonces B es una base ortogonal de V.

3.
V.

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

Ejemplo: Forma alternativa del proceso de ortonormalizacin de Gram-Schmidt

Determine una base ortonormal del espacio solucin del siguiente sistema homogneo de
ecuaciones lineales
w+ x +

z= 0

2w+x + 2y+ 6z=0

Solucin: La matriz aumentada se reduce como se sigue.

-->
Entonces cada solucin del sistema es de la forma

Una base del espacio solucin es:

B= {v1, v2,} = {(-2,2,1,0), (1,-8,0,1)}.
Para hallar una base ortonormal B= {u1, u2}, se usa la forma alternativa del proceso de
ortonormalizacin de Gram- Schmidt como sigue.

CONCLUSIN
Despus de haber realizado a plenitud este trabajo se han relacionado todos los temas
que se han visto en el transcurso del ciclo de la materia de lgebra Lineal
Se han visto mas detallado y con mas exactitud los teoremas y propiedades que hilan
todos los temas propuestos por este trabajo y se ha se ha llegado a la conclusin de
todos los temas estan relacionados en cierta forma ya que en varios de estos se necesita
recurrir a las propiedades que se han visto en temas anteriores.
Con esto podramos decir que nos ha enseado a tener un amplio criterio de la utilidad de
temas ya vistos en nuestra carrera, ya que no podemos omitir las enseanzas pasadas ya
que estas nos forman las bases para comprender y analizar y poder poner en practica los
temas futuros.
Este trabajo se ha hecho con el fin de comprender de que no hay que dejar tirado lo ye
hemos aprendido antes ya que eso nos va a ayudar a solucionar problemas en nuestro
futuro, citando el dicho popular si no aprendemos de nuestros errores del pasado los
mismo nos estaran esperando en un futuro.