FACULTAD DE CIENCIAS E INGENIERÍA

CARRERA DE INGENIERÍA AMBIENTAL

TEMA:

Espacios Vectoriales

AUTOR:
Allan Cabezas

Fernando Gallardo

Allison Chele
LINK DE EXPOSICION
Idania García
[Link]
CJL0bjPZ9tbkAiyMKBhx/view?usp=drives
Kevin Barreno
dk

ASIGNATURA:
Algebra lineal

DOCENTE:

Ing. Juan Carlos Barco Q.

FECHA DE ENTREGA:
20/5/2025

PERIODO:
Abril 2024 a agosto 2025

MILAGRO-ECUADOR
 1. Introducción

• El álgebra lineal es una rama de las matemáticas que estudia los vectores, matrices,
sistemas de ecuaciones lineales y los espacios vectoriales. Se enfoca en las
relaciones lineales entre elementos y las transformaciones que conservan esa
linealidad. Importancia:
En matemáticas, es fundamental para áreas como geometría, cálculo multivariable y
teoría de matrices.
En física, describe fenómenos como el movimiento y las fuerzas
• El álgebra lineal se encuentra uno de sus conceptos más fundamentales: el espacio
vectorial. Este concepto generaliza la idea de vectores más allá del plano o el
espacio tridimensional, extendiéndose a cualquier conjunto donde se puedan
operaciones definir de suma y multiplicación por escalares que cumplan ciertas
propiedades. Los espacios proporcionados proporcionan un marco abstracto pero
poderoso para describir fenómenos en diversas disciplinas, desde la física y la
ingeniería
• mencionar brevemente que subtemas se abordaran
A lo largo del ensayo se abordarán los siguientes subtemas: La definición formal de
espacio vectorial. y su importancia en línea álgebra. y su importancia en álgebra
lineal. Las propiedades fundamentales que deben cumplir un conjunto para ser un
espacio. que debe cumplir un conjunto para ser un espacio vectorial, como la
existencia del neutro, el inverso aditivo, y la cerradura bajo las operaciones. Algunos
ejemplos comunes de espacios vectoriales, como vectores en norte R norte,
matrice.
• El objetivo principal de este ensayo es explicar el concepto de espacio vectorial,
analizando sus propiedades fundamentales, su relevancia dentro del álgebra lineal y
su aplicación en diversas disciplinas. A través de este enfoque, se busca mostrar
cómo esta noción abstracta se convierte en una herramienta esencial para la
resolución de problemas en contextos tanto teóricos como prácticos.
  Definición formal de un espacio vectorial
Un espacio vectorial es una estructura
algebraica de 4 elementos que son:

y una estructura es una terna (V, +, ·), donde

V es un conjunto no vacío y +, · son dos
operaciones del tipo + : V × V → R, · : R × V
→ V a las que llamaremos ’suma de vectores’
y ’producto por escalares respectivamente y
con las siguientes propiedades: denotando
+(u, v) = u + v y ·(λ, v) = λv

1. u + (v + w)=(u + v) + w, ∀u, v, w ∈ V (asociativa).

2. u + v = v + u, ∀u, v ∈ V (conmutativa).

3. Existe e ∈ V tal que e + v = v + e = v, ∀v ∈ V (elemento neutro).

De forma abreviada, diremos que V es un espacio vectorial. A los elementos de V lo

llamamos vectores y a los de R, escalares.

 Ejemplos de espacios vectoriales comunes

1. \( \mathbb{R}^n \): El conjunto de todos los n-ples ordenados de números reales es

un espacio vectorial donde la suma y el producto por escalar se definen componente a
componente.

2. Espacio de funciones: El conjunto de todas las funciones continuas en un intervalo

cerrado puede ser considerado como un espacio vectorial bajo la suma de funciones y el
producto por escalares.

3. Polinomios: El conjunto de todos los polinomios con coeficientes en un campo dado

forma un espacio vectorial.

4. Matrices: El conjunto de todas las matrices de tamaño m x n con entradas en un campo

también constituye un espacio vectorial.
  Definición de combinación lineal de vectores

Una combinación lineal de un conjunto de vectores \( v_1, v_2, \ldots, v_k \) en un

espacio vectorial \( V \) es una expresión de la forma:

\[ c_1 v_1 + c_2 v_2 + \ldots + c_k v_k \]

donde \( c_1, c_2, \ldots, c_k \) son escalares del campo \( F \) (por ejemplo, números
reales) y \( v_i \) son los vectores del conjunto.

 Importancia de la combinación lineal

La combinación lineal es fundamental en el estudio de la dependencia e independencia

lineal de un conjunto de vectores:

- Dependencia lineal: Un conjunto de vectores \( v_1, v_2, \ldots, v_k \) se dice que es
linealmente dependiente si existe una combinación lineal no trivial (es decir, al menos
uno de los coeficientes \( c_i \) es diferente de cero) que resulta en el vector cero:

\[c_1 v_1 + c_2 v_2 + \ldots + c_k v_k = 0\]

Esto significa que al menos uno de los vectores puede ser expresado como una
combinación lineal de los otros.

- Independencia lineal: Un conjunto de vectores es linealmente independiente si la única

combinación lineal que resulta en el vector cero es la trivial (donde todos los
coeficientes son cero):

\[c_1 v_1 + c_2 v_2 + \ldots + c_k v_k = 0 \implies c_1 = c_2 = \ldots = c_k = 0\]

La independencia lineal es crucial para entender la estructura y dimensionalidad del

espacio vectorial.
  Ejemplos concretos de combinación lineal

1. Ejemplo en \( \mathbb{R}^2 \):

Consideremos los vectores \( v_1 = (1, 2) \) y \( v_2 = (3, 4) \). Una combinación lineal
podría ser:
\[2v_1 + 3v_2 = 2(1, 2) + 3(3, 4) = (2, 4) + (9, 12) = (11, 16)\]

Aquí hemos utilizado los escalares \( 2 \) y \( 3 \).

2. Ejemplo en \( \mathbb{R}^3 \):

Tomemos los vectores \( u = (1, 0, -1) \), \( w = (0, 1, 2) \), y \( z = (3, 4, -5) \).
Verifiquemos si son dependientes:
Supongamos que existe una combinación lineal tal que:
\[a(1, 0, -1) + b(0, 1, 2) + c(3, 4, -5) = (0, 0, 0) \]
Esto se traduce en el sistema:
- Para la primera componente: \( a + 3c = 0 \)
- Para la segunda componente: \( b + 4c = 0 \)
- Para la tercera componente: \( -a + 2b - 5c = 0 \)
Resolviendo este sistema se puede demostrar que hay soluciones no triviales para
ciertos valores de \( a\), \( b\), y \( c\), indicando que los vectores son dependientes.
3. Ejemplo con polinomios:
Consideremos los polinomios \( p(x) = x^2\), \( q(x) = x\), y \( r(x) = x^3\). Una
combinación lineal sería:
\[ a p(x) + b q(x) + c r(x) = a x^2 + b x + c x^3 \]

Aquí podemos elegir diferentes valores para \( a\), \( b\), y \( c\). Por ejemplo:

Si tomamos \( a=1\), \( b=2\), y \( c=0\):

\[p(x) + 2q(x) = x^2 + 2x \]}

  Definición de un subespacio de un espacio vectorial
Sea VV un espacio vectorial y WW un subconjunto no vacío de VV.

WW es un subespacio de VV si WW es en sí mismo un espacio vectorial con las

mismas operaciones (suma de vectores y producto por un escalar) definidas en VV.

Ejemplo

W={(x1,x2)∈R2:x2=3x1}W={(x1,x2)∈R2:x2=3x1} ¿es un subespacio de R2R2?

Primero analicemos el conjunto WW. Son todos vectores de R2R2 tales que la
segunda componente es el triple de la primera:

(x1,3x1)=x1(1,3)(x1,3x1)=x1(1,3)

WW es la recta que pasa por el origen y tiene vector director (1,3), o sea la recta de
ecuación y = 3x.

Pero en general no es necesario verificar los axiomas porque existe un criterio

sencillo para determinar si un subconjunto WW de un espacio vectorial VV es un
subespacio, es el que sigue.

• Un subespacio vectorial debe cumplir con las siguientes condiciones:

1. Cerradura bajo la suma: Para cualquier par de vectores u y v en el subespacio, la
suma u + v también debe estar en el subespacio.
2. Cerradura bajo el producto escalar: Para cualquier vector u en el subespacio y
cualquier escalar c, el producto _c_u* también debe estar en el subespacio.
• 1. Subespacios en Rn: - El conjunto de todos los vectores de la forma (x, 0, 0, ..., 0)
en Rn, donde x es un número real. - El conjunto de todos los vectores de la forma (x,
y, 0, ..., 0) en Rn, donde x e y son números reales.
2. Subespacios de matrices: - El conjunto de todas las matrices 2x2 con entradas
reales y traza cero (la suma de los elementos de la diagonal principal es cero). -
El conjunto de todas las matrices simétricas 3x3 con entradas reales.

3. 3. Subespacios de polinomios: - El conjunto de todos los polinomios de grado

menor o igual a 2 con coeficientes reales. - El conjunto de todos los polinomios
que tienen un cero en x = 0 (es decir, polinomios sin término constante). 4.
Subespacios de funciones: - El conjunto de todas las funciones continuas en el
intervalo [0, 1] que se anulan en x = 0. - El conjunto de todas las funciones pares
en el intervalo [-1, 1] (es decir, funciones que satisfacen f(-x) = f(x)).
Conclusiones

• Los espacios vectoriales y sus subespacios forman la base de gran parte

del álgebra lineal, ya que proporcionan una estructura matemática sólida para
trabajar con vectores, funciones, matrices y polinomios. Su estudio permite
comprender cómo se comportan los sistemas lineales y cómo pueden
combinarse diferentes elementos respetando ciertas reglas. Esta comprensión
es fundamental para abordar problemas más complejos en matemáticas puras
y aplicadas, así como en disciplinas como la física. (Fernando Gallardo)

• Identificar y verificar las condiciones que definen un subespacio vectorial

como la cerradura bajo la suma de vectores y el producto escalar, es esencial
para asegurar que un conjunto puede operar dentro del marco del álgebra
lineal. Estas propiedades no solo garantizan coherencia matemática, sino que
también permiten aplicar técnicas analíticas y computacionales efectivas para
modelar fenómenos del mundo real, optimizar procesos y resolver sistemas en
múltiples campos científicos y tecnológico. (Allan Cabezas)

• En conclusión, el estudio de los espacios vectoriales no solo proporciona

herramientas matemáticas fundamentales, sino que también capacita a los
profesionales en ingeniería ambiental para abordar desafíos contemporáneos
con una base sólida en teoría y aplicación práctica. (Idania García)

Anexos