INDICE

4.1 ESPACIO VECTORIAL REAL.............................................................................................................1

4.2 SUBESPACIOS VECTORIAL Y SUS PROPIEDADES............................................................................4
4.3 COMBINACIÓN LINEAL, INDEPENDENCIA LINEAL.........................................................................7
4.4 BASE Y DIMENSION DE UN ESPACIO VECTORIAL, CAMBIO DE BASE...........................................11
4.5 ESPACIO VECTORIAL CON PRODUCTO INTERNO Y SUS PROPIEDADES........................................15
4.6 BASE ORTONORMAL, PROCESO DE ORTONORMALIZACION DE GRAM-SCHMIDT......................18
4.1 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 en el siguiente recuadro.

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 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 breve tocaremos este tema). En segunda instancia, la
definición 5.1.1 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.

Axiomas de un espacio vectorial

Nota

Los primeros cinco axiomas se utilizan para definir a un grupo abeliano, y los
axiomas vi) al x) describen la interacción de los escalares y los vectores mediante
la operación binaria de un escalar y un vector.

1
2
3
4.2 SUBESPACIOS VECTORIAL Y SUS PROPIEDADES

1. x y definición del espacio vectorial y sus propiedades.

2. Un espacio vectorial es una estructura algebraica creada a partir de un conjunto

no vacío, una operación interna (llamada suma, definida para los elementos del
conjunto) y una operación externa (llamada producto por un escalar, definida entre
dicho conjunto y un cuerpo matemático), con 8 propiedades fundamentales. A los
elementos de un espacio vectorial se les llama vectores ya los elementos del
cuerpo, escalares.

3. Sea V un conjunto no vacío sobre el cual existen dos operaciones. Una llamada
suma de vectores y otra llamada multiplicación de un escalar por un vector. La
suma de vectores, o simplemente suma, es una regla o función que asocia a dos
vectores, digamos u y v un tercer vector, a este se le representara como u + v. La
multiplicación es una regla que asocia a un escalar y a un vector, digamos c y u un
segundo vector representado por c ⊙ u. Diremos que el conjunto V se llama
espacio vectorial si cumple todos y cada uno de los siguientes axiomas:• Para
cualquiera dos vectores u y v en V : u⊕v∈VEste axioma se conoce como el
axioma de cerradura bajo la suma: La suma de dos elementos del conjunto debe
dar como resultado también un elemento del conjunto

4. •Para cualquiera dos vectores u y v en V: u⊕v=v⊕uEste axioma se conoce

como el axioma de la conmutatividad de la suma: El orden de los sumandos no
altera el resultado de la suma.• Para cualquiera tres vectores u, v y w en V: u ⊕ (v
⊕ w) = (u ⊕ v) ⊕ w (3)Este axioma se conoce como axioma de la asociatividad
de la suma: En una suma de vectores, no importa el orden cómo asocien la sumas
entre dos; el resultado será siempre el mismo.

5. •Para cualquier vector u ∈ V existe un único vector también en V y simbolizado

por −u que cumple: u ⊕ (−u) = (−u) ⊕ u = 0 (5)Este axioma se conoce como
axioma de la existencia de inversos aditivos:Cada elemento del conjunto posee un
inverso aditivo; un elemento del conjunto que sumado con él da el neutro aditivo..

Se dice que H es un sub espacio vectorial de V si H es un subconjunto no vacío

de V, y H es un espacio vectorial, junto con las operaciones de suma entre
vectores y multiplicación por un escalar definidas para V.

4
Se puede decir que el sub espacio H hereda las operaciones del espacio vectorial
“padre” V. Existen múltiples ejemplos de sub espacios en este capítulo; sin
embargo, en primer lugar, se demostrará un resultado que hace relativamente
sencillo determinar si un subconjunto de V es en realidad un sub espacio de V.

Este teorema demuestra que para probar si H es o no un sub espacio de V, es

suficiente verificar que

La prueba anterior contiene un hecho que por su importancia merece ser

mencionado de forma explícita:

Este hecho con frecuencia facilitará la averiguación de si un subconjunto de V en

particular no es un sub espacio de V. Es decir, si un subconjunto no contiene al 0,
entonces no es un sub espacio. Note que el vector cero en H, un sub espacio de
V, es el mismo que el vector cero en V.

5
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.

6
4.3 COMBINACIÓN LINEAL, INDEPENDENCIA LINEAL

Combinación lineal

En matemática, particularmente en álgebra lineal, una combinación lineal es una

expresión matemática que consiste en la suma entre pares de elementos, de
determinados conjuntos, multiplicados entre sí.

En particular, la combinación lineal de un sistema de vectores se trata de un vector

de la forma

Dados dos conjuntos cualesquiera A y B.

Resulta de especial interés la definición de combinación lineal de vectores con

respecto a un conjunto de escalares.

Espacios vectoriales

En términos no tan formales, diremos que Ʋ es combinación lineal de vectores

de A si podemos expresarlo como una suma de productos por escalar de una

7
cantidad finita de elementos de A. En este caso, también se dice que Ʋ depende
linealmente de los vectores de A.1

Sean V1, V2,. . ., Vn vectores en un espacio vectorial V. Entonces cualquier vector

de la forma

Donde, a1, a2, . . . , an son escalares se denomina una combinación lineal de v1,
v2,. . . , vn.

Independencia lineal

En el estudio del álgebra 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. Empezamos tratando de contestar la
siguiente pregunta: ¿existe una relación especial entre

En álgebra lineal, un conjunto de vectores es linealmente independiente si ninguno

de ellos puede ser escrito con una combinación lineal de los restantes. Por

8
ejemplo, en R3, el conjunto de vectores (1, 0, 0), (0, 1, 0) y (0, 0, 1) es linealmente
independiente, mientras que (2, −1, 1), (1, 0, 1) y (3, −1, 2) no lo es, ya que el
tercero es la suma de los dos primeros.

9
10
4.4 BASE Y DIMENSION DE UN ESPACIO VECTORIAL, CAMBIO
DE BASE

Un conjunto de vectores S= {v1, v2,…, vn} en un espacio vectorial V se denomina

base de V si se cumplen las siguientes condiciones.

* S genera a V.

* S es linealmente independiente

Una base posee 2 características que se acaban de ver, debe tener suficientes
valores para generar a V, pero no tantos de modo que uno de ellos pueda
escribirse como una combinación lineal de los demás vectores en S. Si un espacio
vectorial consta de un número finito de vectores, entonces V es de dimensión
finita. En caso contrario, V es de dimensión infinita.

Base

En términos generales, una “base” para un espacio vectorial es un conjunto de

vectores del espacio, a partir de los cuales se puede obtener cualquier otro vector
de dicho espacio, haciendo uso de las operaciones en él definidas.

La base es natural, estándar o canónica si los vectores v 1, v2,…, vn forman base

para Rn.

Si S={v1, v2,…, vn} es una base para un espacio vectorial V entonces todo vector v
en V se puede expresar como:

1. V = c1v1+ c2v2+…+ cnvn

2. V = k1v1+ k2v2+…+ knvn

11
Dimensión

Si el espacio vectorial V tiene una base con un número finito de elementos,

entonces la dimensión de V es el número 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 5 {0}, entonces se dice que V tiene
dimensión cero.

Todas las bases de un mismo espacio o sub espacio tienen el mismo número de
vectores. Se llama dimensión de dicho espacio o sub espacio.

Propiedades de la dimensión.

1. Significado físico de la dimensión: el espacio tiene dimensión 3, los planos

dimensión 2, las rectas dimensión 1, el punto dimensión 0. El sub espacio {0} es el
único de dimensión 0.

2. La dimensión de un sub espacio en ℜn , coincide con el número de parámetros

libres en su forma paramétrica. (1 parámetro=recta, 2 parámetros= plano...)

3. Si S y T son sub espacios y S está contenido en T, entonces dim S ≤ dim T.

Además, si se da la igualdad, dim S = dim T, entonces ambos espacios han de
coincidir.

4. El rango de una familia de vectores, es igual a la dimensión del sub espacio que
generan. Es decir: si v1,v2,. . . vn generan un cierto sub espacio S, y si el rango de
dicho conjunto es r, entonces dim S = r. (Si un cierto conjunto de vectores tienen
rango 2, entonces generan un plano; etc.)

12
Matriz del cambio de base.

En un espacio vectorial V, dadas dos bases B y B’ , se llama matriz de cambio de

base (o de cambio de coordenadas) de B a B’ a la matriz que contiene en sus
columnas las coordenadas de los vectores de la base B expresados en función de
la base B’. Su utilidad es la siguiente: Conocidas las coordenadas de un vector en
base B, nos permitirá hallar las coordenadas de dicho vector en base B’. En
efecto, sean (a1, a2, . . . an) las coordenadas de un vector en base B, y sea P la
matriz de cambio de base de B a B’. Entonces:

13
14
4.5 ESPACIO VECTORIAL CON PRODUCTO INTERNO Y SUS
PROPIEDADES

Esta sección utiliza los conocimientos sobre las propiedades elementales de los
números complejos (resumidas en el apéndice B) y requiere alguna familiaridad
con el material del primer año de cálculo. En la sección 2.2 se vio cómo se podían
multiplicar dos vectores en Rn para obtener un escalar. Este producto escalar se
denomina también producto interno. Otros espacios vectoriales tienen productos
internos definidos de formas diversas. Antes de ofrecer una definición general, se
observa que en Rn el producto interno de dos vectores es un escalar real. En otros
espacios el resultado del producto interno es un escalar complejo. Por lo tanto,
para incluir todos los casos, en la siguiente definición se supone que el producto
interno es un número 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:

15
La barra en las condiciones v) y vii) denota el conjugado complejo.

16
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.

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.

17
4.6 BASE ORTONORMAL, PROCESO DE ORTONORMALIZACION
DE GRAM-SCHMIDT.

Basase otonormal

Los vectores de una base pueden ser mutuamente perpendiculares, o pueden no

serlo. Cuando son mutuamente perpendiculares se dice que es una base
ortogonal.

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.

Ejemplo 2.

18
 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 otonormal si:

· El conjunto es base de

· Es un conjunto ortogonal y

· Sus vectores son unitarios

19
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 ortonormalización de
Gram – Schmidt. Este método fue desarrollado por Jorgen Gram (1850-1916),
actuario danés, y Erhardt Schmidt (1876-1959), matemático alemán.

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 :

20
Tercer paso.

Normalizar :

Cuarto paso.

Obtener un vector ortogonal a y a :

Quinto paso.

Normalizar :

Ejemplo 5.

Considere los vectores = (1, 0, 1), = (0, 1, 1) y = (1, 0, 0) base

de . Transformar esta base en una base ortonormal por el proceso de Gram –
Schmidt.

21
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 :

22
Quinto paso.

Normalizar :

Finalmente, el conjunto de vectores , , y es una base ortonormal de

.

23