1

TECNOLÓGICO NACIONAL DE MÉXICO

Instituto Tecnológico de Tapachula

ACTIVIDAD 4

Espacios vectoriales

MATERIA

Álgebra lineal

DOCENTE

Castillejos Hernández José Sinar

ESTUDIANTE

Ximena Ortiz Rendón

GRADO

3er semestre “A”

FECHA

Sábado, 27 de noviembre del 2021

 2
ÍNDICE

Introducción…………………………………………………………….. Pág.3

4. Espacios vectoriales……………………………………………….. Pág.4

4.1 Definición de espacio vectorial. …………………………….........Pág.4 y 5

4.2 Definición de subespacio vectorial y sus

propiedades………………………………………………………Pág.6 y 7

4.3 Combinación lineal e independencia lineal………......………..….Pág. 8 y 9

4.4 Base y dimensión de un espacio vectorial,

cambio de base.………………………………………………Pág.10,11,12,13 y 14

4.5 Espacio vectorial con producto interno

y sus propiedades. .…………………………………………………... Pág.15 y 16

4.6 Base ortonormal, proceso de ortonormalización de Gram-

Schmidt………………………………………………….…… Pág.17 y 18

Conclusión….…………………………………………………………… Pág.19

Fuentes de consulta………………………………………………….... Pág.20

 INTRODUCCIÓN
3

En esta siguiente investigación se abordará el tema de espacio vectorial, así

como sus subtemas, Definición de espacio vectorial, subespacio, combinación
lineal etc. Un espacio vectorial real 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.
Los axiomas deben valer para todos los vectores u, v, y w en V y todos los
escalares c y d.

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 subespacio de V. 

La ventaja de trabajar con subespacios vectoriales es que no es necesario

verificar las diez propiedades de espacios vectoriales, como lo muestra en los
teoremas.
 4. ESPACIOS VECTORIALES.
4

4.1 DEFINICIÓN 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 multiplicación por un
escalar y que satisfacen los diez axiomas enumerados a continuación. Los
axiomas deben valer para todos los vectores u, v, y w en V y todos los
escalares c y d.

1. La suma de u y v, denotada por u + v, está en V.

2. u +v =v +u.

3. (u + v) + w =u +( v +w ).

4. Existe un vector 0 en V tal que u +0 =u.

5. Para cada U en V, existe un vector –u en V tal que u + (-u ) =u.

6. El múltiplo escalar de U por c, denotado cu, está en V.

7. c ( u + v) = cu+ cv.

8. (C +d ) u = cu + du.

9. c(du) = (cd)u.

10. 1u=u
Los espacios de nℜ con 1≥n, son los ejemplos principales de espacios
5
vectoriales. La intuición geométrica desarrollada para 3ℜ nos ayudará a
entender y a visualizar muchos conceptos.

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 a x.

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 R 2 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 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.

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 a es un escalar, entonces ax pertenece a V.

7-     Si X y Y están en V y a es un ecalar, 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.
6

10-   Para cada vector X pertenece a V, 1x = x.

4.2 DEFINICIÓN DE SUBESPACIO VECTORIAL Y SUS PROPIEDADES.

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 subespacio de V. 

La ventaja de trabajar con subespacios vectoriales es que no es necesario

verificar las diez propiedades de espacios vectoriales, como lo muestra el
siguiente teorema.

Existen múltiples ejemplos de subespacio, 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 subespacio

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:

1) Si x € H y y € H, entonces x + y € H.

2)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.
Este teorema demuestra que para probar si H es o no es un sub espacio de V,
7
es suficiente verificar que:

x + y y α X están en H cuando x y y están en H y α es un escalar

Propiedades de subespacio 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. 

Ejemplo

El conjunto que consta únicamente de un vector cero en un espacio vectorial V

es un subespacio de V llamado subespacio cero se escribe {0}.

1.- Sea (V, +, R) un subespacio vectorial, y sea W un subconjunto de V.

Diremos que W dotado con las mismas operaciones definidas en V, es un
subespacio
 8

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 escalares. Cualquier vector se puede
poner como combinación lineal de otros que tengan distinta dirección.

Esta combinación lineal es única.

Sean v1, v2,,vn vectores en un espacio vectorial V. Entonces cualquier vector

de la forma: α1v1+α2v2+…+αnvn donde α1v1+α2v2+…+αnvn son escalares se
denomina combinación 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 combinación lineal de los 3 vectores i,j,k.

Los vectores son linealmente independientes si tienen distinta dirección y sus

componentes no son proporcionales.
Un conjunto de vectores {v1, v2,…,vk} es un espacio vectorial V es linealmente
9
dependiente si existen escalares 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 únicamente solución trivial.

Los vectores son linealmente dependientes si el sistema Ax=0 tiene

soluciones no triviales (solución múltiple).

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 múltiplo escalar del otro. Un conjunto de vectores linealmente
independientes en n contiene a lo más n vectores. Tres vectores en 3 son
linealmente dependientes si y sólo si son coplanares, esto es, que están en un
mismo plano. 

Teoremas

 Cualquier conjunto que contenga al vector 0 es linealmente dependiente.

 Cualquier conjunto que contenga un único vector diferente de cero, v ≠0,
es linealmente independiente.
  Cualquier conjunto formado por dos vectores diferentes de cero, S = {v1,
10
v2}, donde v1 ≠ 0, v2 ≠ 0, es linealmente dependiente si, y sólo si, uno
de los vectores es múltiplo escalar del otro.
 Cualquier conjunto que contenga un subconjunto linealmente
dependiente es linealmente dependiente.
 Cualquier subconjunto de un conjunto linealmente independiente es
linealmente independiente.

4.4 BASE Y DIMENSIÓN DE UN ESPACIO VECTORIAL, CAMBIO DE BASE

Base de un vector: Si un espacio vectorial V tiene una base con n vectores,

entonces toda base de V tiene n vectores.

Base un conjunto finito de vectores es una base para un espacio vectorial de V

si:

Todo conjunto de n vectores linealmente independientes en ℜn es una base

de ℜn.

Propiedades

1. Sea V un espacio vectorial de dimensión finita. Entonces todas las bases de

V tienen el mismo número de elementos. El espacio vectorial {0} tiene
dimensión 0 por definición. Cuando un espacio vectorial no es de dimensión
finita, se dice que es de dimensión infinita.

2. Sea V un espacio vectorial de dimensión finita n, cualquier conjunto de n+1 o

más vectores son linealmente dependientes.

Dimensión de un espacio vectorial

La definición de dimensión es la misma para un espacio vectorial que para un
11
subespacio de Rn: el número de vectores en una base para el espacio.

• Dado que un espacio vectorial puede tener más de una base, es

necesario demostrar que esta definición tiene sentido

La dimensión de un espacio vectorial no nulo V es el número de vectores en

una base para V. Con frecuencia escribimos dim V para la dimensión de V.
Como el conjunto (0) es linealmente dependiente, es natural decir que el
espacio vectorial (0) tiene dimensión 0.

Todo conjunto de vectores linealmente independientes en Rn forma una base

en Rn.

Rn Se define:

e1-(1, 0, 0,0,...,0)

e2 = (0, 1, 0,0,...,0)

e3 = (0, 0, 1,0,...,0)

en = (0 0 0 0 ...,1)

A esta base se le Ilama base canónica o de Rn.

Las bases canónicas generan todo el espacio vectorial de acuerdo el número

de elementos que tenga R.
 12

Cambio de base

Cuando se elige una base B para un espacio vectorial V de dimensión n, la

función de coordenadas asociada sobre Rn proporciona un sistema de
coordenadas para V. Cada x en V se identifica de manera única con su vector
de B-coordenadas [x]B.

En algunas aplicaciones, inicialmente se describe un problema usando una

base B, pero la solución del problema se facilita al cambiar la base B a una
nueva base C.

Teorema

Sean B = {b1, . . . , bn} y C = {c1, . . . , cn} las bases de un espacio vectorial V.

Entonces existe una sola matriz P C←B de n × n tal que

[ x ]C = P C←B [ x ]B (4)

Las columnas de P C←B son los vectores de C-coordenadas de los vectores

de la base B.
Esto es,
13

P C←B = [b1]C [b2]C · · · [bn]C]

La matriz P C←B del teorema se denomina matriz de cambio de coordenadas

de B a C. La multiplicación por P C←B convierte B-coordenadas en C-
coordenadas.

En la figura se muestra la ecuación de cambio de coordenadas.

Las columnas de P C←B son linealmente independientes porque son los

vectores de coordenadas del conjunto linealmente independiente B.

Como P C←B es cuadrada, debe ser invertible, según el teorema de la matriz

invertible. Al multiplicar por la izquierda ambos lados de (4) por ( P C←B) −1 se
obtiene:

( P C←B) −1 [ x ]C = [ x ]B

Entonces
 ( P C←B) −1
14

Es la matriz que convierte C-coordenadas en B-coordenadas.

Esto es:

( P C←B) −1 = P B←C

Cambio de base en Rn

Si B = {b1, . . . , bn} y E es la base estándar {e1, . . . , en} en Rn, entonces

[b1]E = b1, y lo mismo es válido para los otros vectores en B. En este caso, P
E←B es igual a la matriz de cambio de coordenadas PB que se introdujo, a
saber,

PB = [ b1 b2 · · · bn ]

Para cambiar coordenadas entre dos bases no estándar en Rn, se requiere el

teorema. El teorema establece que, para resolver el problema de cambio de
coordenadas, se necesitan los vectores de coordenadas de la base anterior
relativos a la base nueva.
 15

4.5 ESPACIO VECTORIAL CON PRODUCTO INTERNO Y SUS

PROPIEDADES

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)

 Espacio vectorial con producto interior
16

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.

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›.

Un espacio vectorial con producto interno se denomina espacio con producto

interno.

La barra es las condiciones v) y vii) denota el conjugado complejo.

Nota. Si (u,v) es real, entonces (u,v)=(u,v) y se puede eliminar la barra en v).

EJEMPLO: producto interno de dos vectores en C3, en C3 sean x= (1+i, -3, 4-

3i) y y= (2-i, -i, 2+i) entonces:

 
Sea V un espacio con producto interno y suponga que u y v están en V.
17
entonces

Nota 1. Aquí se usa la doble barra en lugar de una sola para evitar confusión
con el valor absoluto. Por ejemplo, ǁsen tǁ 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.

4.6 BASE ORTONORMAL, PROCESO DE ORTONORMALIZACIÓN DE

GRAM-SCHMIDT.
Una base ortonormal se forma con vectores perpendiculares entre sí y cuyo
módulo además vale 1 (vectores unitarios). Recordemos que una base B en un
espacio vectorial V, se define como un conjunto de vectores linealmente
independientes capaces de generar dicho espacio.

A su vez un espacio vectorial es una entidad matemática abstracta entre cuyos

elementos están los vectores, generalmente asociados a magnitudes físicas
como la velocidad, la fuerza y el desplazamiento o también a matrices,
polinomios y funciones.
 18

Los vectores tienen tres elementos distintivos: magnitud o módulo, dirección y

sentido. Una base ortonormal es especialmente útil para representarlos y
operar con ellos, pues cualquier vector que pertenezca a cierto espacio
vectorial V, se puede escribir como una combinación lineal de los vectores que
forman la base ortonormal.

Proceso de ortonormalización de Gram-Schmidt

Sea H un subespacio de dimensión m de Rn. Entonces H tiene una base

ortonormal. Sea S=  una base de H. se probara el teorema

construyendo una base ortonormal a partir de vectores en S.
antes de dar los pasos para esta construcción, se observa el hecho sencillo de
19
que un conjunto de vectores linealmente independiente no contiene al vector
cero.

Resulta que el vector w dado es ortogonal a v cuando w y v están en Rn para

cualquier n≥2. Obsérvese que como u es un vector unitario,

 para cualquier vector v.

CONCLUSIÓN

En esta investigación se logró abordar el tema de espacios lineales y sus

subtemas como pudieron darse cuenta los espacios lineales y sus subtemas
son de gran importancia para el álgebra lineal, ya que con ellos se pueden
hacer cálculos de manera rápida, además de que los teoremas son de gran
ayuda para la ingeniería.
 20

FUENTES DE CONSULTA

-Gómez, F & Pustilnik,I .(Noviembre, 2017). Espacios y subespacios

vectoriales. algebra y geometría analítica. [Link]. Accesado el 24 de
octubre de [Link] de [Link]
subespacios-vectoriales/
-Morales, J. (Mayo, 2012). 4.3 Combinación lineal. Independencia lineal.
Algebra lineal. Blogspot. Accesado el 24 de octubre de
[Link] de [Link]
[Link]
-Grossman, S. (2007). 4.1 Definición de espacio vectorial. Sistema de algebra
21
lineal. Google site. Accesado el 24 de octubre de [Link] de
[Link]
vectoriales/definicion-de-espacio-vectorial
-García, A.(Mayo, 2016). 4.4 Base y Dimensión de un espacio vectorial. Prezi.
Accesado el 24 de octubre de [Link] de
[Link]
vectorial/
-Ángel, Y. (Diciembre, 2015). 4.5 Espacio vectorial con producto interno y
22
sus propiedades. Wordpress. Accesado el 24 de octubre de
[Link] de
[Link]
vectorial-con-producto-interno-y-sus-propiedades/
23
24
25
26
27
28