Equipo: 1

Nombres:
Aguilar Coatzozon María Teresa
Hernández Betanzo Oliver
Hernández Collado Ulises Uriel
Hernández Fuentes Alejandro
Lucho Cobos José Luis

Temas:
 4.1-. Definición de espacio Vectorial
 4.2-. Definición de sub-espacio vectorial y sus
propiedades
4.3-. Combinación lineal, independencia lineal
 4.4.- Base y dimensión de un espacio vectorial
 4.5.- Espacio vectorial con producto interno y sus
propiedades
 4.6.- Base ortonormal, proceso de ortonormalizacion
de Gram-Schmidt

Materia: Algebra Lineal

Maestro: Ing. Jesús Herrera Triana
4.1.- Definición de 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.

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.

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 a es un escalar, entonces ax pertenece a V.
7. Si X y Y están en V y a es un escalar, 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.
10. Para cada vector X pertenece a V, 1x = x.
1-. Si X pertenece a V y Y pertenece a V, entonces X+Y pertenece a V.

Ejercicio: (0,6)
𝑥=0 0+6=6
𝑦=6 6=6 Cerradura de la suma

2.-Para todo X, Y y Z en V, (x+y)+z = x(y+z).

Ejercicio: (0,6)
Ley asociativa
𝑥=0 (0 + 6) + 0 = 0 + (6 + 0)
𝑦=6 6=6
𝑧=0

3.- Existe un vector |0 pertenece V tal que para todo X pertenece a V, X+0=0+X=X.

Ejercicio: (0,6)
Idéntico aditivo
𝑥=0 0+0=0+0
0=0

4.-Si x pertenece a V, existe un vector –x en V tal que x+(-x)=0.

Si −𝑥 ∈ 𝑣⃗ tal que 𝑥 + (−𝑥) = ∅

𝑥=0
Inverso Aditivo
0 + (−0) = ∅
0=0

5.-Si X y Y están en V, entonces x+y=y+x.

Si “x” y “y” están en 𝑣⃗, entonces 𝑥 + 𝑦 = 𝑦 + 𝑥

𝑥=0
Ley Conmutativa
𝑦=6
0+6=6+0
6=6
6.-Si x pertenece a V y a es un escalar, entonces ax pertenece a V.

𝑥=0 (8)(0) = 0
Cerradura de la multiplicación
∝= 8 0=0

7.-Si X y Y están en V y a es un escalar, entonces a(x+y)= ax + ay

𝑥=0 8(0 + 6) = 8(0) + (8)(6)

𝑦=6 48 = 48 1ra ley distributiva
∝= 8

8.-Si X pertenece a V y a y b son escalares, entonces (a+b) x = ax+ by.

𝑥=0 (8 + 12)0 = (8)(0) + (12)(0)

∝= 8 (20)(0) = 0 + 0 2da Ley distributiva
𝛽 = 12 0=0

9.-Si X pertenece a V y a y b son escalares, entonces a(bx) = (ab)x.

Si 𝑥 ∈ 𝑣⃗ y 𝛼 𝛽 son escalares, entonces 𝛼(𝛽𝑥) = (𝛼𝛽)𝑥

𝑥=0
𝛼=8
𝛽 = 12 Ley asociativa de la multiplicación
8(12) = (8)(12)
(8)(12)(0) = (8)(12)(0)

8(0) = 96(0)

0=0

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

Para cada vector 𝑥 ∈ 𝑣⃗ 1𝑥 = 𝑥

𝑥=0
Elemento neutro de la multiplicación
1(0) = 0 0=0

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 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

Si x € H y y € H, entonces x + y € H.

Si x € H, entonces αx € H para todo escalar α.

Propiedades de sub-espacio vectorial

El vector cero de V esta en H.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.

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.
4.3.- Combinación lineal, 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.

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

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) esta fijo,
entonces estas ecuaciones se pueden ver como un sistema de tres
ecuaciones con tres incognitas a1, a2. Este sistema se resuelve en la forma
usual:

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.

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
indistintivamente.

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.
4.4.- Base y dimensión de un espacio vectorial.

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 v1, 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

Restar 2-1

0 = (c1- k1) v1+(c2- k2) v2+…+(cn- kn) vn

Dimensión

Se llama dimensión de un espacio vectorial V al número de vectores que hay en

cualquiera de sus bases. Se denota dim (V).
La dimensión de Rn con las operaciones normales es n.

La dimensión de Pn con las operaciones normales es n+1.

La dimensión de Mm, n con las operaciones normales es mn.

Si W es un subespacio de un espacio vectorial n-dimensional, entonces se puede

demostrar que la dimensión de W es finita y que la dimensión de W es menor o igual
que n.
4.5.- Espacio vectorial con producto interno y sus propiedades.

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.

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.

4.6.- Base ortonormal, proceso de ortonormalizacin de gram-

schmidt.
Un conjunto S de vectores en un espacio V con producto interior se llama
ortogonal si todo par de vectores en S es ortogonal, además cada vector
en este conjunto es unitario, entonces S se denomina ortonormal.
En álgebra lineal, el proceso de ortonormalización de Gram–Schmidt es un
algoritmo para construir, a partir de un conjunto de vectores linealmente
independientes de un espacio prehilbertiano (usualmente, el espacio
euclídeo Rn), otro conjunto ortonormal de vectores que genere el mismo
subespacio vectorial.

Proceso de ortonormalizacion 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 probará el teorema construyendo

una base ortonormal a partir de vectores en S.

Paso 1. Elección del primer vector unitario

Sea (12)

Entonces

De manera que |u|=1.

Paso 2. Elección de un segundo vector ortogonal a u

Como anteriormente se ha visto que, en R2, el vector es la

ortogonal a v. en este caso es la proyección de u sobre v.

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.

Sea (13)

entonces de manera
que v’ es ortogonal a u. mas aun, por el teorema, u y v´son linealmente
independientes. v’≠0 porque de otra manera lo que contradice la
independencia de v1 y v2.

Paso 3. Elección de un segundo vector unitario

Sea (14) entonces es evidente que {u1,u2} es un conjunto

ortonormal. Suponga que se han construido los vectores u1, u2,…,uk(k<m) y
que forman un conjunto ortonormal. Se mostrará como construir uk+1.