INSTITUTO TECNOLÓGICO DE VERACRUZ

RUBIO MORENO SELENA VIANEY

SÁNCHEZ HERNANDEZ JESSICA PAOLA

E19021139

ALGEBRA LINEAL

BRENDA EDITH MORALES FERNANDEZ

TEMA 4: ESPACIOS VECTORIALES

A 02 DE ABRIL DEL 2020

Contenido
Introducción ........................................................................................................................................ 3
Definición de espacio vectorial ........................................................................................................... 4
Espacio vectorial real. ..................................................................................................................... 5
Axiomas de un espacio vectorial. .................................................................................................... 5
Subespacio vectorial. .......................................................................................................................... 5
Propiedades de sub espacio vectorial ............................................................................................. 6
Combinación lineal - Independencia lineal. ........................................................................................ 6
Independencia lineal ....................................................................................................................... 8
Bases y dimensión de un espacio vectorial ....................................................................................... 12
Base: .............................................................................................................................................. 12
Dimensión ..................................................................................................................................... 15
Cambio de base ............................................................................................................................. 17
Espacio vectorial con producto interno y sus propiedades. ............................................................. 18
Espacio vectorial............................................................................................................................ 18
Propiedades............................................................................................................................... 19
Producto Interno: .......................................................................................................................... 19
Propiedades: ............................................................................................................................. 19
Bases ortonormales........................................................................................................................... 20
Proceso de ortonormalización de Gram - Schmidt ....................................................................... 22
Conclusiones ..................................................................................................................................... 24
Referencias bibliográficas ................................................................................................................. 25

Página | 2
 Introducción

El presente trabajo tiene la finalidad de recopilar información sobre el tema en

cuestión, espacios vectoriales, el cual es un tema de suma importancia en el curso
actual; los espacios vectoriales son una estructura algebraica creada a partir de un
conjunto no vacío que trabajan en conjunto con la algebra de matrices la cual tienen
una función matemática de forma más inconsciente en nuestro día a día, éstos son
estudiados en el álgebra lineal y forman parte de una innumerable cantidad de
programas de diseño y modelado gracias a que la estructura de éstos programas
trabaja y funciona con base en la teoría de vectores, de esta forma el estudio de los
vectores engloba todo tipo de área académica desde el diseño, principalmente,
hasta la programación.
Se tratará de relacionar uno de los cinco temas a conocerse en este trabajo en
función de nuestra ingeniería, sistemas computacionales, que como sabemos es
una de las principales bases económicas de la era actual gracias a los avances
tecnológicos. Poniendo un ejemplo de esto podemos hablar de dimensión y
espacios vectoriales, combinación lineal y matrices n x m, además de otros temas
que son considerablemente de importancia en nuestra carrera, por lo cual en el
transcurso del estudio de los temas aplicaremos el que se considere más
importante, eso enfocado en nuestra carrera, donde se verá más detalladamente
para que se podrían aplicar algunos de los siguientes temas.

Página | 3
 Definición de espacio vectorial
Sean K un cuerpo dado y V un conjunto no vacío, con reglas de suma y producto
por escalar que asigna a cada par u, vϵV una suma u+vϵV y a cada par uϵV, kϵK
un producto kuϵV. V recibe el nombre de espacio vectorial sobre K (y los
elementos de V se llaman vectores) si satisfacen los siguientes axiomas.

[A1] para toda terna de vectores u, v, wϵV, (u+v)+w=u+(v+w).

[A2] existe un vector en V, denotado por 0 y denominado el vector cero, tal que
u+0=u para todo vector uϵV.
[A3] para todo vector uϵV existe un único vector en V, denotado por –u, tal que
u+(-u)=0.
[A4] para todo par de vectores u, vϵV, u+v=v+u.
[M1] para todo escalar kϵK y todo par de vectores u, vϵV, k(u+v)=ku+kv.
[M2] para todo par de escalares a, bϵK y todo vector uϵV, (a+b)u=au+bu.
[M3] para todo par de escalares a, bϵK y todo vector uϵV, (ab)u=a(bu).
[M4] la escalar unidad 1ϵK cumple 1u=u para todo vector uϵV.

Los axiomas precedentes se desdoblan de forma natural en dos categorías. Los

cuatro primeros atañen únicamente a la estructura aditiva de V y pueden
resumirse diciendo que V es un grupo conmutativo bajo la suma. De ello se deriva
que cualquier suma de vectores de la forma v1+v2+…+vm no requieren paréntesis
y no depende del orden de los sumandos, que el vector cero, 0, es único, que el
opuesto –u de u es único y que se verifica la ley de cancelación; esto es, para tres
vectores cualesquiera u, v, wϵV.

U+w=v+w implica u=v. Asimismo, la resta se define según u-v=u+(-v).

Por otra parte, los cuatro axiomas restantes se refieren a la <<acción>> del cuerpo
K sobre V. obsérvese que la rotulación de los axiomas refleja este desdoblamiento.

Empleando estos axiomas adicionales probaremos las siguientes propiedades

elementales de un espacio vectorial.

Teorema: sea V un espacio vectorial sobre un cuerpo K.

Para todo escalar kϵK y 0ϵV, k0-0.
Para 0ϵK y todo vector uϵV, 0u=0.
Si ku=0, donde kϵK y uϵV, entonces k=0 o u=0.
Para todo kϵK y todo uϵV, (-k)u=-ku.

Página | 4
 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.

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 útil pensar en R2 o R3 al manejar un espacio vectorial, con
frecuencia ocurre que el espacio vectorial parece ser muy diferente a estos cómodos
espacios. En segunda instancia, la definición 1 ofrece una definición de un espacio
vectorial real. La palabra “real” significa que los escalares que se usan son números
reales. Sería igualmente sencillo definir un espacio vectorial complejo utilizando
números complejos en lugar de reales. Este libro está 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- 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  es un escalar, entonces x pertenece a V.
7- Si X y Y están en V y  es un ecalar, entonces (x+y)= x + y
8- Si X pertenece a V y  y  son escalares, entonces (+) x = x+ y.
9- Si X pertenece a V y  y  son escalares, entonces (x) = ()x.
10- Para cada vector X pertenece a V, 1x = x.

Subespacio vectorial.
Un subconjunto no vacío W de un Espacio Vectorial Real V, es un subespacio
vectorial de V , sí y solo sí W conjuntamente con las operaciones de suma y
multiplicación escalar definidas en V , es en sí mismo un Espacio Vectorial Real.

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 sub espacio de V.

Página | 5
Existen múltiples ejemplos de sub espacio, sin embargo, en primer lugar, se
demostrará 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 vacío 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 vació es un sub espacio

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 sub espacio 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 sub espacio vectorial

1). El vector cero de V está

en H.2

2). H es cerrado bajo la suma de vectores. Esto es, para cada u y v en

H, la suma u + v está en H.

3). 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.

Combinación lineal - Independencia lineal.

Sean v1, v2, …, vn, vectores en un espacio vectorial V. entonces cualquier vector
de la forma: a1v1+a2v2+…+anvn, donde a1,a2,…,an son escalares se denomina
una combinación lineal de v1, v2,…,vn. Una combinación lineal en M23

Página | 6
Conjunto generador. Se dice que los vectores v1, v2, …, vn de un espacio vectorial
V generan a V si todo vector en V se puede escribir como una combinación lineal
de los mismo. Es decir, para todo vÎV, existen escalares a1, a2, …, an tales que
v=a1v1+a2v2+…+anvn Cuatro vectores que generan a M22.

Espacio generado por un conjunto de vectores. Sean v, v2, …, vk, k vectores de un

espacio vectorial V. el espacio generado por {v1, v2, …, vk} es el conjunto de
combinaciones lineales v1, v2, …, vk. Es decir
donde a1, a2, …, ak, son
escalares arbitrarios.
Teorema: si v1, v2, …, vk son vectores en un espacio vectorial V, entonces
gen{v1, v2, …, vk} es un subespacio de V.

Ejemplo: el espacio generado por dos vectores en R3

Sea v1=(2,-1,4) y v2=(4,1,6). Entonces H=gen{v1, v2}={v:v=a1(2,-1,4)+a2(4,1,6)}.

¿Cuál es la apariencia de H? si v=(x, y,z)ÎH, entonces tiene x=2a1+4a 2, y=-a1+a2

y z=4a 1+6ª 2. Si se piensa que (x, y, z) este fijo, entonces estas ecuaciones se
pueden ver como un sistema de tres ecuaciones con tres incógnitas a1, a2. Este
sistema se resuelve en la forma usual:

Página | 7
Independencia lineal
En el estudio del algebra lineal, una de las ideas centrales es la de dependencia o
independencia lineal de los vectores. En esta sección se define el significado de
independencia lineal y se muestra su relación con la teoría de sistemas
homogéneos de ecuaciones y determinantes.

Existe una relación espacial entre los vectores, se puede apreciar que v2=2v1; o si
se escribe esta ecuación de otra manera. 2v1- v2=0.
En otras palabras, el vector cero se puede escribir como una combinación no trivial
de v1 y v2 (es decir, donde los coeficientes en la combinación lineal no son ambos
cero). ¿Qué tienen de especial los vectores? La respuesta a esta pregunta es más
difícil a simple vista. Sin embargo, es sencillo verificar que v3=3v1+2v2;

rescribiendo esto se obtiene .

Se ha escrito el vector cero como una combinación lineal de v1, v2, y v3. Parece
que los dos vectores de la ecuación y los tres vectores de la otra ecuación tienen
una relación más cercana que un par arbitrario de 2-vectores a una terna arbitraria
de 3-vectores. En cada caso, se dice que los vectores son linealmente
dependientes. En términos generales, se tiene la importante definición a
continuación presentada.

Definición: sean v1, v2, …, vn vectores en un espacio vectorial V. entonces se dice

que lois vectores son linealmente dependientes si existen n escalares c1, c2, …, cn
no todos ceros tales que:

Si los vectores no son linealmente dependientes, se dice que son linealmente

independientes.

Página | 8
Para decirlo de otra forma, v1, v2, .., vn son linealmente independientes si la
ecuación c1v1+c2v2+…+cnvn=0 se cumple únicamente para c1=c2=…=cn=0. Son
linealmente dependientes si el vector cero en V se puede expresar como una
combinación lienal de v1, v2,…,vn con coeficientes no todos iguales a cero.

Nota. Se dice que los vectores v1, v2, …, vn son linealmente independientes (o
dependientes), o que el conjunto de vectores {v1, v2, …, vn} es linealmente
independiente (o pendiente). Esto es, se usan las dos frases indistintamente.

Teorema: dependencia e independencia lineal

Dos vectores en un espacio vectorial son linealmente dependientes si y solo si uno

de ellos es un múltiplo escalar del otro.

Demostración: primero suponga que v2=cv1 para elgun escalar c≠0. Entonces cv1-
v2=0 y v1 y v2 son linealmente dependientes. Por otro parte, suponga que v1 y v2
son linealmente dependientes. Entonces existen constantes c1 y c2 al menos uno
distinto a cero, tales que c1v1+c2v2=0. Si c1≠0, entonces dividiendo entre c1 se
obtiene v1+(c2/c1)v2=0, o sea.
Es decir, v1 es un múltiplo escalar de v2. Si c1=0, entonces c2≠0 y, por lo tanto,
v2=0=0v1.
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.

Esta combinación lineal es única.

Vectores linealmente dependientes

Varios vectores libres del plano se dice que son linealmente dependientes si hay
una combinación lineal de ellos que es igual al vector cero, sin que sean cero todos
los coeficientes de la combinación lineal.

Página | 9
Propiedades
1) Si varios vectores son linealmente dependientes, entonces al menos uno de ellos
se puede expresar como combinación lineal de los demás.

También se cumple el reciproco: si un vector es combinación lineal de otros,

entonces todos los vectores son linealmente dependientes.
2) Dos vectores del plano son linealmente dependientes si, y sólo si, son paralelos.

3) Dos vectores libres del plano son linealmente

dependientes si sus componentes son proporcionales.

4) vectores en son linealmente dependientes si su determinante es igual a

cero.
Ejemplo:
Determinar los valores de para que sean linealmente dependientes los
vectores .
Escribir como combinación lineal de y , siendo el valor calculado.
Los vectores son linealmente dependientes si el determinante de la matriz que
forman es nulo, es decir que el rango de la matriz es menor que 3.
1.-Calculamos el determinante

2.-Igualamos el determinante a cero

Página | 10
3.-Resolvemos la ecuación y obtenemos

4.-Así para los vectores

son . Escribimos en
términos de y

5.-Calculamos los valores de los escalares

6.-Igualando las coordenadas del lado izquierdo con las del derecho y resolviendo
las ecuaciones obtenemos

7.-Así la combinación lineal buscada es

8.-Se repiten los pasos 4, 5, 6 y 7 para

Vectores linealmente independientes
Varios vectores libres son linealmente independientes si ninguno de ellos puede ser
escrito con una combinación lineal de los restantes, de manera que si la
combinación lineal es igual a cero, entonces cada uno de sus coeficientes es igual
a cero.

Los vectores linealmente independientes tienen distinta dirección y sus

componentes no son proporcionales.
vectores en son linealmente dependientes si su determinante es distinto de
cero.
Ejemplo:
Estudiar si son linealmente dependientes o independientes los
vectores

Página | 11
1.-Calculamos el determinante de los vectores

2.-Como el determinante es igual a cero, concluimos que los vectores son

linealmente dependientes.

Bases y dimensión de un espacio vectorial

Base:

Un conjunto finito de vectores es una base para un espacio

vectorial V si
Todo conjunto de n vectores linealmente independiente en Rn es una base en Rn.

En Rn se define
Puesto que los vectores e, son las columnas d una matriz identidad (que tiene

determinante 1), es un conjunto linealmente independiente y, por

lo tanto, constituye una base en Rn. Esta base especial se denomina base canónica
en Rn. Ahora se encontrarán bases para otros espacios.

EJEMPLO: base canónica para M22

Página | 12
Se vio que generan
a

, entonces es evidentemente que . Así, estas cuatro

matrices son linealmente independientes y forman una base para M22, lo que se
denomina base canónica para M22.

TEOREMA: si es una base para V y si vÎV, entonces existe un

conjunto único de escalares tales que

Existe cuando menos un conjunto de dichos escalares porque

genera a V. suponga entonces que v se puede escribir e dos maneras como una
combinación lineal de los vectores de la base.

Es decir, suponga que

Sea dos bases para V. debe

demostrarse que m=n. esto se prueba mostrando que si m>n, entonces S es un
conjunto literalmente independiente, lo que contradice la hipótesis de que S es una
base. Esto demostrara que m≤n. la misma prueba demostrara que ≤m y esto prueba
el teorema. Así, basta demostrar que si m>n, entonces S es independiente. Como
S constituye una base, todo u se puede expresar como una combinación lineal de

las v. se tiene (1)

TEOREMA: suponga que dimV=n. si

Página | 13
Entonces, restando se obtiene la ecuación
pero como los v son linealmente
independientes, esta ecuación se cumple si y solo si

Así, y el teorema queda demostrado.

TEOREMA: si son bases en un espacio

vectorial V, entonces m=n; es decir, cualesquiera dos bases en un espacio vectorial
V tienen el mismo número de vectores.
Para demostrar que S es dependiente, deben encontrarse escalares

no todos cero, tales que (2)

Sustituyendo (1) en (2) se obtiene (3)

La ecuación (3) se puede reescribir como

Pero como son linealmente independientes, se debe tener (5)

El sistema (5) es un sistema homogéneo de n ecuaciones con las m incógnitas

y como m>n, el teorema dice que el sistema tiene un numero infinito
de soluciones. De esta forma, existen escalares no todos cero,

Página | 14
tales que (2) se satisface y, por lo tanto, S es un conjunto linealmente dependiente.
Esta contradicción prueba que m≤n si se cambian los papeles de S1 y S2, se
demuestra que n≤m y la prueba queda completa.
Por este teorema se puede definir uno de los conceptos centrales en el algebra
lineal.

Dimensión
Si el espacio vectorial V tiene una base con un numero finito de elementos, entonces
la dimensión de V es el numero de vectores en todas las bases y V se denomina
espacio vectorial de dimensión finita. De otra manera, V se denomina espacio
vectorial de dimensión infinita. Si V={0}, entonces se dice que V tiene dimensión
cero.
Notación. La dimensión V se denota por dimV.
EJEMPLO: la dimensión de Mmn
En Mmn sea A la matriz de mxn con un uno en la posición ij y cero en otra parte. Es
sencillo demostrar que las matrices a para i=1,2,…,m y j=1,2,…,n forman una base
para Mmn. Así, dimMmn=mn.

TEOREMA: suponga que dimV=n. si es un conjunto de m

vectores linealmente independientes en V, entonces m≤n.

Sea entonces, igual que la prueba del teorema, se pueden

encontrar constantes no todas cero, tales que la ecuación (2) se
satisface. Esto contradice la independencia lineal de los vectores u. así, m≤n.

TEOREMA: sea H un subespacio de un espacio vectorial de dimensión finita V.

entonces H tiene dimensión finita y (6)

Sea dimV=n. cualquier conjunto de vectores linealmente independientes en H es

también linealmente independiente en V. por el teorema anterior, cualquier conjunto
linealmente independiente en H puede contener a lis mas n vectores. Si H={0},
entonces dimH=0. Si dimH≠{0}, sea v≠0 un vector en H y H=gen{v}. si H=H, dimH=1
y la prueba queda completa. De lo contrario, elija a vÎH tal que vÏH y sea
H=gen{v1,v2}, y así sucesivamente. Continuamos hasta encontrar vectores

Página | 15
linealmente independientes tales que H=gen{ }.
El proceso tiene que terminar porque se pueden encontrar a lo mas n vectores
linealmente independientes en H. entonces H-k≤n.

TEOREMA: cualquier conjunto de n vectores linealmente independientes en eun

espacio vectorial V de dimensión n constituyen una base apara V.

Sean , n vectores. Si generan el espacio V, entonces constituyen

una base. De lo contrario, existe un vector uÎV tal que uÏgen .

Esto significa que los n+1 vectores , u donde linealmente

independientes. Para ver esto observe que si
(8)

Entonces porque de lo contrario podríamos escribir u como una

combinación lineal de dividiendo la ecuación (8) entre y

poniendo todos los términos, excepto u, en el lado derecho. Pero si

entonces (8) es

Lo que significa que ya que los v son linealmente

independientes. Ahora sea W=gen{ ,u}. como todos los vectores

entre las llaves están en V, W es un subespacio de V. como ,u son

linealmente independientes, forman una base para W, y dimW=n+1. Pero por el
teorema, dimW≤n. esta contradicción muestra que no existe el vector uÎV tal que

uÏgen{ }. Así, genera a V y, por lo tanto, constituye

una base para V.

Página | 16
 Cambio de base

En R2 se expresaron vectores en términos de la base canónica

. En Rn se definió la base canónica . En Pn se definió la base

estándar como . Estas bases se usan ampliamente por la

sencillez que ofrecen a la hora de trabajar con ellas. Pero en ocasiones ocurre que
es más conveniente alguna otra base. Existe un numero infinito de bases para
elegir, ya que en un espacio vectorial de dimensión n, cualesquiera n vectores,
linealmente independientes, forman una base. En esta sección se verá como
cambiar de una base a otra mediante el cálculo de cierta matriz. Iniciaremos por un

ejemplo sencillo. Sean u . entonces, es la base canónica

en R2. Sean Como v1 y v2 son linealmente independientes

(porque v1 no es un múltiplo de v2), es una segunda base en R2. Sea

un vector en R2. Esta notación significa que

Es decir, x está expresando en términos de los vectores de la base B. para hacer

hincapié en este hecho, se escribe Como B es otra base en R2,

existen escalares c1 y c2 tales que (1) Una vez que se

encuentran estos escalares. Se puede escribir para indicar que x

esta ahora expresado en términos de los vectores en B. para encontrar los números
c1 y c2, se escribe la base anterior en términos de la nueva base. Es sencillo

verificar que (2)

Página | 17
y es decir,

Entonces,

Así, de (1),

Espacio vectorial con producto interno y sus propiedades.

Espacio vectorial

Definición. El espacio vectorial complejo V se conoce como un espacio con

producto interior si para cualquier par de vectores u y v en V, existe un único

Página | 18
número complejo (u, v), llamado el producto interior de u y v, tal que si u, v y w están
en V y si α ∈ C, entonces

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 en las condiciones (v) y (vii) denota el conjugado complejo.

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)
Espacios con producto interior:
El producto interior euclidiano es solo uno más 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 notación.
u ●v = producto punto (producto interior euclidiano para Rn)
‹u, v› = producto interno general para espacio vectorial V.

Página | 19
Propiedades de los productos interiores:
1. ‹0, v› = ‹v, 0› = 0
2. ‹u + v, w› = ‹u, w› + ‹v, w›
3. ‹u, cv› = c‹u, v›.

Bases ortonormales
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.

Si se tiene un conjunto de tres vectores u, v y w en , y se quiere verificar

que sean un conjunto ortogonal, se necesitan realizar todas las combinaciones de
los productos punto:

u·v , u·w , v·w

Ejemplo 1.

Sean los vectores u = (1, 2, 1), v = (4, 0, -4) y w = (1, -1, 1), ¿son un conjunto
ortogonal?

Al realizar los productos punto

u·v=0 , u·w=0 , v·w=0

nos damos cuenta de que todos son iguales a cero, por lo que el conjunto de
vectores es ortogonal.

Un conjunto de n vectores en es una base ortogonal si:

· El conjunto es base de y
· Es un conjunto ortogonal.

Página | 20
Ejemplo 2.

Sean los vectores u = (1, 2, 1), v = (4, 0, -4) y w = (1, -1, 1); queremos
determinar si son una base ortogonal de .

Son 3 vectores en , se forma la matriz

cuyo determinante detA = –24 (diferente de cero) , lo que implica que los vectores
son linealmente independientes, y el conjunto es base de .

Realizamos los productos punto y obtenemos que

u · v = 0, u · w = 0 y v·w=0

por lo que el conjunto es ortogonal, entonces, es una base ortogonal.

Un conjunto de n vectores en es una base ortonormal si:

· El conjunto es base de
· Es un conjunto ortogonal y
· Sus vectores son unitarios

Ejemplo 3.

En el ejemplo 2 se determinó que los vectores u = (1, 2, 1), v = (4, 0, -4) y w = (1, -
1, 1) forman una base ortogonal y se quiere saber si son base ortonormal, esto es,
hay que calcular sus magnitudes.

Obtenemos que no son vectores unitarios, por lo tanto, no es una base ortonormal.

Recordamos que se puede obtener un vector unitario, paralelo y en la misma

dirección de un vector dado, dividiéndolo entre su magnitud:

Página | 21
Vector unitario =

Se dice que el nuevo vector está normalizado.

Ejemplo 4.

Al normalizar los vectores de la base ortogonal de los ejemplos 2 y 3 ,

u’ =

v’ =

w‘=

se obtiene una nueva base ortonormal.

Ejemplo 5.

Sean los vectores . ¿Forman estos vectores

una base ortonormal en ?

Son tres vectores en , y la matriz que obtenemos al poner los

vectores como columnas es la matriz identidad, cuyo determinante vale 1. Esto
implica que los vectores forman una base en .
Los productos punto son todos cero. Y los tres son vectores
unitarios, por lo que la base es ortonormal.
A esta base de se le conoce como la base canónica.

Proceso de ortonormalización de Gram - Schmidt

Es posible transformar cualquier base en (no ortogonal y, por lo tanto, no
ortonormal) en una base ortonormal usando el proceso de orto normalización de
Gram – Schmidt. Este método fue desarrollado por Jorgen Gram (1850-1916),
actuario danés, y Erhardt Schmidt (1876-1959), matemático alemán.

Página | 22
 Las fórmulas para este proceso incluyen normalizaciones (vectores unitarios),
así como proyecciones de un vector sobre otro para obtener vectores ortogonales.
Consideremos el proceso para n = 3.

Sean los vectores , y una base de . Obtendremos una base

ortonormal a partir de estos vectores.
Primer paso.

Obtener un primer vector unitario :

Segundo paso.

Obtener un vector ortogonal a :

Tercer paso.

Normalizar :

Cuarto paso.

Obtener un vector ortogonal a y a :

Quinto paso.

Normalizar :

Página | 23
 Conclusiones
En la actualidad gracias a las nuevas tecnologías la representación de un vector
puede ser llevada a cabo de forma más simple, mediante la creación de diversos
programas que nos brindan la facilidad de trazar una línea que traducida a lenguaje
de programación y a su vez matemático puede ser trazada gracias a la teoría de
vectores. Partiendo desde la definición de un espacio vectorial obtenemos que un
vector es la representación lineal de una matriz, esto cuando los elementos que
contiene pertenecen a los números reales, así, podemos tomar un plano cartesiano
cualquiera y transformar los datos que introduce el usuario mediante la interacción
con el programa y trazar bit por bit lo que quiera dibujar.
De esta manera concluimos que la realización de este trabajo nos permitió enlazar
algunos de los temas enfocados en nuestra carrera, ya que los pudimos estudiar
con más detenimiento e incluso aplicarlos y descubrir cómo podríamos solucionar
algún un problema con recursos de esta materia.

Página | 24
 Referencias bibliográficas

➢ Grossman S. S. I. (2008). Álgebra lineal (6a. ed.). Mexico: McGraw-Hill

Interamericana. Recuperado de
https://elibro.net/es/ereader/bibliotecauv/73789?page=1.
➢ Gutiérrez García, I. (2012). Álgebra lineal. Barranquilla, Colombia:
Universidad del Norte. Recuperado de
https://elibro.net/es/ereader/bibliotecauv/69865?page=32.
➢ Marta. (n/a). Dependencia e independencia lineal. Bases. n/a. superprof
Recuperado de
https://www.superprof.es/apuntes/escolar/matematicas/analitica/vector
es/dependencia-e-independencia-lineal-bases.html
➢ Mesa, F. (2012). Introducción al álgebra lineal. Bogotá, Colombia: Ecoe
Ediciones. Recuperado de
https://elibro.net/es/ereader/bibliotecauv/69224?page=1.
➢ Morales, Jazmín. (jueves, 31 de mayo de 2012). Álgebra Lineal. [].
Recuperado de http://itsavbasicas.blogspot.com/2012/06/43-
combinacion-lineal-independencia.html
Grossman S, S.I., Álgebra Lineal Sexta Edición, 2007.
➢ Sureyma. (29 octubre 2009). Matemáticas IV. Recuperado de
https://www.superprof.es/apuntes/escolar/matematicas/analitica/vector
es/dependencia-e-independencia-lineal-bases.html
➢ Unidad IV
(http://itpn.mx/recursosisc/2semestre/algebralineal/Unidad%20IV.pdf)
➢ YESENIADELANGEL. (9 DICIEMBRE, 2015). 4.5 ESPACIO VECTORIAL CON
PRODUCTO INTERNO Y SUS PROPIEDADES. Recuperado de
https://yeseniadelangel.wordpress.com/2015/12/09/4-5-espacio-
vectorial-con-producto-interno-y-sus-propiedades/

Página | 25