REPÚBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA EDUCACIÓN

UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA
ARMADA NACIONAL BOLIVARIANA (UNEFA)
SAN CRISTÓBAL-ESTADO TÁCHIRA

ESPACIOS VECTORIALES

ALUMNOS:
FREDDY MANUEL CARREO ORELLANA
JHONNY ALEJANDRO CHACÓN RIVAS
YERSON ALEXANDER CAMARGO FINOL
C.I.:
29960119
30616758
30853387
SEMESTRE: 2DO.
SECCIÓN: 1321
CARRERA: INGENIERÍA CIVIL
MATERIA: ALGEBRE LINEAL

SAN CRISTÓBAL, 22 DE ENERO DEL 2022

 Nota sobre la distribución:

Freddy Carrero desde espacio vectorial hasta combinación lineal. Generación

de espacios. Ejercicios del 1 al 11

Jhonny Chacón desde Dependencia e independencia hasta los espacios Rn.

Ejercicios del 12 al 22.

Yerson Camargo desde Producto escalar, ortogonalidad, norma, ángulos

hasta método de Gram-Schmidt.Ejercicios del 23 al 32
 ÍNDICE
Pág.

Espacio vectorial..........................................................................................................4

Subespacio vectorial....................................................................................................5

Combinación lineal. Generación de espacios..............................................................6

Dependencia Lineal..................................................................................................... 7

Independencia Lineal...................................................................................................7

Bases........................................................................................................................... 8

Dimensiones................................................................................................................ 9

Teorema de la dimensión para transformaciones lineales...........................................9

Teorema de la Base Incompleta................................................................................10

Los espacios Rn........................................................................................................ 11

Producto Escalar, Ortogonalidad, Norma, Ángulos...................................................11

Método de Gram-Schmidt..........................................................................................13
 ESPACIOS VECTORIALES

Espacio Vectorial

Tal y como su nombre indica, un espacio vectorial es un espacio no vació en

el cual encontraremos vectores, los cuales se pueden definir como un “segmento

orientado de la recta”; estos vectores se caracterizan por tener “dirección”

(pendiendo de la recta), un “sentido” (orientación que adopta) y un “Modulo” (tamaño

del segmento). En los espacios vectoriales debe existir un conjunto no vacío en el

cual existan 2 operaciones binarias, la operación de adición (+) entre elementos de

ese conjunto y una multiplicación (·) de elementos de este conjunto vacío con un

conjunto de números conocidos como “cuerpo de escalares (K)”.

Para poder definir un espacio vectorial, no solo hace falta la presencia de la

adicción entre elementos del conjunto no vacío y una multiplicación de elementos

del conjunto con un número escalar, sino que también debe cumplir con una serie

de propiedades conocidas como axiomas. Los axiomas que deben cumplir los

vectores del espacio vectorial para poder definirlo como espacio vectorial son los

siguientes:

1. Axioma: Si v 1 ∈V (vector 1 existe en un espacio denominado V) y v 2 ∈V

→ v 1+ v 2=v 3 ; v 3 ∈V . (Cerradura bajo la suma)
2. Axioma: ∀ v 1 , v 2 , v 3 en V , ( v 1+ v 2 ) +v 3=v 1+(v 2+ v 3) (Asociatividad de suma
de vectores)
3. Axioma: ∃ v=0 ∈ V tal que ∀ nulo ∈V , v+ 0=0+ v y eso sea=V (vector cero o
idéntico aditivo)
4. Axioma: Si v ∈ V , ∃−v ∈ V ,tal que v + (−v )=0
5. Axioma: Si v 1 ∈V y v 2∈ V , entonces v1+v2=v2+v1 (ley conmutativa de suma
de vectores)

4
 6. Axioma: Si v ∈ V y ∝=escalar , entonces ∝ . v ∈ V (cerradura bajo la multiplicación
por un escalar)
7. Axioma: Si v 1 y v 2∈ V y ∝=escalar , entonces ∝ ( v 1+ v 2 )=∝ v 1+∝ v 2(primera ley
distributiva)
8. Axioma: Si v 1 ∈V y ∝ y un β=escalares , entonces ( ∝+ β ) v 1=∝ v 1+ βv 1 (segunda
ley distributiva)
9. Axioma: Si v 1 ∈V y ∝ y un β=escalares , entonces ∝ ( βv 1 )=∝ β ¿ v 1 (ley asociativa
de multiplicación por escalar)
10. Axioma: Para cada vector v 1 ∈V , 1. v 1=v 1 (1=elemento neutro para
multiplicación por escalares).

Si se cumplen estos 10 axiomas, y la adicción y multiplicación por un escalar

entonces podemos confirmar que si es un espacio vectorial.

Subespacio Vectorial

Si existe un subconjunto no vacío de vectores (pongámosle W), el cual se

encuentra dentro de una conjunto (pongámosle V) y a su vez posee las mismas

operaciones definidas que en el conjunto V, entonces podemos decir que W es un

espacio vectorial, pero como este se encuentra contenido dentro de otro espacio

vectorial, entonces pasaría a ser un subespacio vectorial de en este caso V.

Un criterio empleado por varios autores para identificar si es un subconjunto,

es el siguiente:

1. W no es vacío.
2. Existe vector nulo.
3. W es cerrado para la adicción de vectores, es decir v 1+ v 2=v 3 ∈W (la suma
de dos vectores genéricos debe resultar en ese mismo subespacio).
4. W es cerrado para la multiplicación por escalares, es decir
v ∈ W y k ∈ K (escalar perteneciente al cuerpo de los escalares), entonces
k . v =v 2∈ W

5
 Si cumple con estos 4 axiomas, y con la condición establecida en el “:” o “/”,

(leído como tal que), entonces podemos afirmar que es un subespacio vectorial.

Combinación lineal. Generación de espacios

Una combinación lineal de vectores consiste en la suma o resta de vectores

por un escalar para obtener otro vector. Si se tiene “v1, v2,….,vn”, como vectores

de V, entonces un escalar por cada vector de la forma “α1v1+a2v2+…+αnvn” dará

como resultado un nuevo vector (=v3). Es decir, que tal y como su nombre indica,

una combinación lineal no es más que combinar operaciones lineales (vectores)

para obtener otro vector.

Un ejemplo más fácil de ver de lo que se está diciendo es el vector (-11, -19),

pues este puede expresarse como la combinación lineal del escalar 3 por el vector

(-1,3) con la resta del escalar 4 por el vector (2,7).

Para saber si un vector es combinación lineal de otros, se hace de la

siguiente forma

V = (a, b, c) = a.(i) + b.(j) + c.(k)

 V: Vector que se desea saber si es combinación lineal.

 (a,b,c…….n): Como escalares.
 i,i,k…….n: Vectores para saber si al combinarse forman otro.
 Se resuelve mediante operaciones del algebra lineal, como sistemas de
ecuaciones, matrices y los métodos de reducción.

Generación de espacios:

En algebra lineal se define como conjunto generador a aquel grupo de

vectores que tienen la capacidad de generar cualquier vector del espacio vectorial.

6
 Al conjunto resultado de todas las combinaciones lineales de los vectores

“v1,v2,….vn” lo llamaremos espacio o subespacio vectorial generado por los

vectores “v1,v2,….vn”

Vectores linealmente dependientes

Un conjunto de vectores de un espacio vectorial V, se dice que es linealmente

dependiente o en forma de acrónimo como l.D. cuando al menos uno de los

vectores del conjunto se puede escribir como combinación lineal de los demás.

Observaciones de la dependencia lineal:

 Si varios vectores son linealmente dependientes, entonces al menos uno de

ellos se puede expresar como combinación lineal de los demás.

−a 2 an
a 1 v 1+a 2 v 2+…+ anvn=0 → v 1= v 2−…− vn
a 1. a1

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

entonces todos los vectores son linealmente dependientes.

 Si existen 2 vectores paralelos, entonces estos serán dependientes.

 Si las componentes llegan a ser proporcionales serán dependientes. Es decir:

v 1 v2
= =k
u1 u2

 En caso de tener vectores de dimensión 3, se puede emplear el método de

la lluvia para hallar su determinante y si resulta dar 0, entonces es
dependiente.

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

7
cero (también conocida como solución trivial). También se pueden expresar con el

acrónimo L.I.

a 1 v 1+a 2 v 2+…+ anvn=0 → v 1=a1=a 2=…=an=0

Observaciones de la independencia lineal:

 Los vectores linealmente independientes tienen distinta dirección y sus

componentes no son proporcionales.
 En caso de tener vectores de dimensión 3, se puede emplear el método de
la lluvia para hallar su determinante y si resulta diferente de 0, entonces es
independiente.

Base de un Espacio Vectorial

Un conjunto de vectores B=(u1, u2, . . . , uk) forman una base del espacio

vectorial V si: Los vectores de B pueden generar todo el espacio vectorial V, es

decir, cada combinación que existe en ese espacio vectorial.

Dada una base B=(u1, u2, . . . , uk) y un vector V, este se puede escribir de la

siguiente forma: V=a1.v1 + a2*v2+ . . . + an.vn. Donde los números a1,a2, . . . ,an

van a recibir el nombre de “coordenadas del vector V”.

Una condición para que sea una base es que todos los elementos de la base

(B) deben ser linealmente independientes, es decir que no debe haber

combinaciones lineales entre los elementos.

Observaciones de las bases:

 El rango de una matriz es igual al número de vectores independientes.

 La dimensión de un espacio es el número máximo de vectores linealmente
independientes que este contiene (De este tema se hablará más adelante)
 Si el número de vectores es finito, la dimensión es un número natural y se
dice que la base es finita.

8
 Dimensión de un Espacio Vectorial:

La dimensión de un espacio vectorial V es de dimensión n, donde n es igual

al número de elementos que se tengan en la base. La dimensión se puede recordar

fácilmente con la siguiente formula “dim V= n”.

Teorema de la dimensión para transformaciones lineales:

Este teorema establece una relación aritmética sencilla entre la dimensión

de VV y la dimensión del núcleo y de la imagen. Es decir, que

Sea F:V→WF:V→W transformación lineal. Si dim(V)=ndim(V)=n (finita) entonces:

dim(V)=dim(Nu(F))+dim(Im(F))

Ejemplo detallado para mayor compresión:

Buscar el núcleo y la imagen de la siguiente transformación lineal:

Procedimiento:

Buscar el núcleo de la transformación lineal es buscar los vectores del

dominio cuya imagen es el vector nulo del codominio: T((x,y,z))=(0,0)⇒{x+z=0y–

2z=0⇒x=–z∧y=2zT((x,y,z))=(0,0)⇒{x+z=0y–2z=0⇒x=–z∧y=2z

Luego los vectores del núcleo son de la forma:(–z,2z,z)=z(–1,2,1)(–

z,2z,z)=z(–1,2,1)

9
 Así podemos escribir: Nu={(x,y,z)∈R3|x=–z∧y=2z}=gen{(–

1,2,1)}Nu={(x,y,z)∈R3|x=–z∧y=2z}=gen{(–1,2,1)}BNu={(–1,2,1)}⇒dim(Nu)=1BNu={(–

1,2,1)}⇒dim⁡(Nu)=1

El núcleo es una recta porque tiene dimensión 1.

Y ahora, ¿Cuál es la dimensión de la imagen? Por el teorema de las

dimensiones debe ser:

dim(V)=dim(NuT)+dim(ImT)dim⁡(V)=dim⁡(NuT)+dim(ImT)

La imagen es todo el espacio R2R2 porque el único subespacio de dimensión

2 que está en R2R2 es R2R2.

Como la imagen coincide con el codominio entonces se puede decir que

TT es una transformación lineal sobreyectiva.

· Teorema de la Base Incompleta

Sea E un espacio vectorial tal que la dim(E)=n. Si {b1,b2,..., bp} es un

conjunto libre de E, entonces se pueden encontrar n-p vectores de E tales que con

los anteriores forman una base de E.

Propiedades:

Sea F un subespacio vectorial de un e. v. E de dimensión finita y {d1,d2,...,

dp} una base de F. Entonces se puede encontrar una base de E que contiene al

conjunto {d1,d2,..., dp}.

10
 Sea E un e. v. de dimensión finita. Si F es un subespacio vectorial de E,

entonces: “dim F £ dim E”

El Espacio vectorial Rn

El espacio vectorial n-dimensional, cuyos elementos reciben el nombre de

vectores, es el conjunto de las matrices columna de orden n × 1 que, por

comodidad, se representan por n-tuplas:

Rn = {(u1, u2, . . . , un)/u1, u2, . . . , un ∈ R}

En términos más sencillos, podemos decir que Rn es aquel espacio vectorial

que posee N dimensiones, todas sus operaciones algebraicas son iguales a la de un

espacio vectorial ya que es igual.

Producto escalar, ortogonalidad, norma, ángulos:

 Producto Escalar:

Sean x⃗ =( x 1 , x 2 , x 3 ) e ⃗y=( y 1 , y 2 , y 3) vectores de R3 Se define como producto

escalar de dos vectores ⃗x e ⃗y , y lo denotamos por ⃗x . ⃗y , al número: ⃗x . ⃗y =

x1 y1 + x2 y2 + x3 y3

El producto escalar tiene las siguientes propiedades:

a) Conmutatividad: ⃗x . ⃗y =⃗y . ⃗x

b) Homogeneidad: ∝ ( ⃗x . ⃗y ) =( ∝ ⃗x ) . y=⃗x ( ∝ y )

c) Distributividad: ⃗x ( ⃗y+ ⃗z ) =⃗x . ⃗y +⃗x . ⃗z

d) Positividad Estricta: ⃗x . ⃗x >0 si ⃗x ≠ ⃗0

⃗x . ⃗x =0 si ⃗x =⃗0

11
  Ortogonalidad: si se tiene un espacio euclideo. Decimos que los vectores

x , y ∈V son ortogonales o perpendiculares y escribimos XIY si ⃗x . ⃗y =0 (no

nulos).

 Norma: Es la longitud del segmento dirigido que contiene al vector, se

expresa:

|V⃗|=√ x2 + y 2 + z 2

 Ángulo: θ=cos
−1
(|⃗x⃗x|..|⃗y⃗y|)
Siendo θ, el menor ángulo formado entre los vectores.

Producto vectorial y mixto:

 Producto vectorial: El producto vectorial es la multiplicación de dos

vectores, cuyo resultado es un vector. El vector producto ⃗

Uy ⃗
V se escribe

⃗ ⃗
U xV

⃗
U = ( a1 , a2 , a3 ) ⃗
V = ( b1 , b2 ,b 3 )

| ||
i⃗ ⃗j k⃗
⃗
U xV
b 1 b2 b3
b2 b3 b3 b1 || || |
⃗ = a 1 a2 a3 = a2 a3 i⃗ + a3 a1 ⃗j + a1 a 2 k⃗
b1 b 2

⃗ ⃗ =( a 1 i⃗ +a2 ⃗j + a3 ⃗k ) x ( b1 ⃗i +b 2 ⃗j+ b3 ⃗k )
U xV

Tenemos: i⃗ x ⃗j= ⃗j x ⃗j =⃗k x k⃗ =0

i⃗ x ⃗j= ⃗k ; ⃗j x k⃗ =⃗i ; k⃗ x ⃗i =⃗j

⃗j x i⃗ =−⃗k ; ⃗k x ⃗j=−i⃗ ; i⃗ x k⃗ =− ⃗j

Entonces: ⃗ ⃗ =( a2 b3 −a3 b2 , a3 b1−a1 b3 , a1 b 2−a 2 b1 )

U xV

12
  Producto Mixto: El producto mixto o triple producto escalar es una operación
entre vectores, que combina el producto escalar con el producto vectorial
para obtener de resultado un escalar.
⃗
U = ( a1 , a2 , a3 ) ⃗
V = ( b1 , b2 ,b 3 ) ⃗
W =( c 1 ,c 2 , c 3 )

| |
a1 a 2 a3
(⃗
U ,⃗ ⃗ )=det ( ⃗
V ,W U ,⃗
V ,⃗
W ) = b1 b 2 b3
c 1 c2 c 3

Aplico Regla de Sarrus:

| |
a1 a 2 a3
(⃗
U ,⃗ ⃗ )=det ( ⃗
V ,W U ,⃗
V ,⃗
W )= b1 b 2 bc 2
c 1 c2 c 3

= a 1 . b2 . c3 + a2 .b 3 . c 1 +b1 . c2 . a3−a3 .b 2 . c 1−a 2 . b1 . c 3−b3 . c 2 . a1

Método de Gram-Schmidt:

Es un algoritmo para construir a partir de un conjunto de vectores de un

espacio vectorial con producto interno, otro conjunto ortonormal de vectores que

genere el mismo subespacio vectorial.

13