2018-1 Capitulo 2. Espacios Vectoriales 20180318

Pontificia Universidad Javeriana. Facultad de Ingeniería.
1
Departamento de Electrónica. Sección Comunicaciones.
SEMANA 5. Lunes 19/02/2018
CAPITULO II. Representación de Señales y Sistemas.
2 Espacio de Señales. [1]
Repasar TEORÍA DE CONJUNTOS
Unión, intersección, diferencia, complemento, leyes de D`Morgan.
2.1 Conjuntos o grupos de números. [3]
 Grupos. (Abeliano = Conmutativo). Definido para una operación binaria que

cumple. Clausura, asociatividad, unidad o identidad y el inverso.
Ejemplo: Las funciones con la operación composición.
 Anillos. (Abeliano = Conmutativo). Definido para dos operaciones binaria

que cumple:
Una operación cumple Clausura, asociatividad, unidad o identidad y el

inverso. La otra operación no cumple ni el elemento inverso ni la unidad.
Ejemplo: Números enteros con la primera operación suma y la segunda el

producto.
 Campo. Definido para dos operaciones binaria que cumple:
Cuyas dos operaciones cumplen Clausura, asociatividad, unidad o identidad

y el inverso. Ejemplos: Reales Racionales.
Ejemplo: Números Complejos con las operaciones adición y producto.
2.2 Espacios Vectoriales o Lineales.
Un espacio vectorial es un conjunto de elementos de cualquier naturaleza sobre el

que pueden realizarse un par de operaciones, una entre elementos y la otra con
un elemento y los elementos de un campo escalar.
Al definir un espacio vectorial, no se especifica la naturaleza de los elementos ni

se dice como se realizarán las operaciones entre ellos, pero si se exige que las
operaciones posean ciertas propiedades tomadas como axiomas de un espacio
vectorial.
Apuntes de Clase. Prof. Jairo Alberto Hurtado Primer Semestre 2018

Pontificia Universidad Javeriana. Facultad de Ingeniería. 2
En el caso de un espacio lineal, estas operaciones son adición entre elementos

del espacio y multiplicación por elemento de un campo escalar.
2.2.1 Definición axiomática de un espacio lineal
Sea V un conjunto no vacío de objetos (elementos), donde los elementos x, y y z
pertenecen al conjunto ( x, y , z  V ), este se llamará espacio lineal (con

operación sume entre elementos y producto con escalar) si al asociarse con un
campo escalar F con elementos α y β pertenecientes al campo (  ,   F ),

satisface los siguientes diez (10) axiomas.
2.2.1.1 Axiomas de clausura
i) Clausura respecto de la adición.
x y  z Ecuación 2-1
ii) Clausura respecto de la multiplicación por números complejos o reales.
 x y Ecuación 2-2
2.2.1.2 Axiomas para la adición
iii) Ley conmutativa.
x y  y x Ecuación 2-3
iv) Ley asociativa.
x  y   z  x   y  z  Ecuación 2-4
v) Existencia del elemento nulo.

Ecuación 2-5
x0 x
vi) Existencia del elemento opuesto.
x   x   0 Ecuación 2-6
2.2.1.3 Axiomas para la multiplicación por números
vii) Ley asociativa.

 x     x Ecuación 2-7
viii) Ley distributiva para la adición en V.
 x  y    x   y Ecuación 2-8
ix) Ley distributiva para la adición de números.

Para todo x de V y todo par de números complejos o reales  y , se
tiene:
    x   x   x Ecuación 2-9
x) Existencia de elemento idéntico.

Ecuación 2-10
1x  x
Los escalares como su nombre lo indica, escalizan los elementos del espacio
vectorial.
Ejemplos de espacios lineales
i) V = C (Conjunto de los número complejos) asociados al campo escalar

complejo.
ii) V= Las matrices de tamaño 2x2, asociadas al campo escalar real.
2.2.2 Señales como un espacio lineal
Al tomar los espacios funcionales, estos se toman como un conjunto de elementos

(funciones), asociados a la operación suma entre funciones y producto con escalar
que conforman un espacio lineal. Esta misma definición se puede aplicar a las
señales, formando los espacios de señales. En ambos casos (funciones y
señales), se deben cumplir con todos los axiomas, propiedades y definiciones de
los espacios lineales.
Ejemplos de espacio funcionales y espacios de señales:
 El conjunto de todas las funciones continuas definidas en un intervalo dado.

(espacio funcional).
 El conjunto de todos los polinomios. (espacio funcional).
 El conjunto de todos los polinomios de grado  n. (espacio funcional).

 El conjunto de todas las señales periódicas con tiempo de repetición T.
(espacio de señales).
 El conjunto de todas las señales continuas en el intervalo [0,2]. (Espacio de

señales).
Ejemplo de un conjunto que NO es un espacio vectorial:
 El conjunto de los polinomios de grado n. (¿Qué axiomas no cumple?)
2.2.3 Conjuntos dependientes e independientes en un espacio vectorial.
Un conjunto S de elementos de un espacio vectorial V se llama dependiente si

existe un conjunto finito de elementos distintos que pertenecen a S, x1, x2, ..., xk, y
un correspondiente conjunto de escalares c1, c2, ..., ck, no todos cero, tales que:
c x
i 1
i i 0 Ecuación 2-11
Dicho de otra forma, si dentro de este conjunto de elementos existe al menos un

elemento que pueda ser expresado como una combinación lineal (suma de
elementos multiplicados por escalares) de los demás elementos del conjunto, este
elemento se considera linealmente dependiente del conjunto, por ende el conjunto
es linealmente dependiente.
El conjunto se llama independiente si es no dependiente. En tal caso, sin importar

los elementos distintos x1, x2, ..., xk de S y los escalares c1, c2, ..., ck, se debe
cumplir que la única solución a la Ecuación 2-12 es que todos los coeficientes
fuesen igual a cero.
c x
i 1
i i 0
, implica c1 = c2 = ... = ck = 0
Ecuación 2-12
En otras palabras, si ningún elemento del conjunto puede expresarse como una
combinación lineal de los demás elementos, se dice todos los elementos del

conjunto son linealmente independientes, por ende, el conjunto es linealmente
independiente.
Ejemplo:
Sea V el espacio vectorial del conjunto de parejas ordenadas de número reales, es

decir R2, asociado al campo escalar real
- Escriba un elemento que pertenezca al espacio vectorial:
Dado que son elementos que pertenecen a R2, estos tiene al forma: (R, R ), por
lo tanto un elemento puede ser: (4,-3)
- Determine si el conjunto conformado por los siguientes tres elementos es

linealmente dependiente o independiente; A = (4,0), B = (0, 3), C = (4,-3), es
decir: Conjunto = { (4,0), (0, 3), (4,-3) }
Si es posible expresar alguno de los elementos del conjunto como una

combinación lineal de los demás el conjunto sería linealmente dependiente.
Por observación nos podemos dar cuanta que: C = A – B, es decir que el elemento
C, puede expresar como una combinación lineal de los elementos A y B, por lo
tanto, este conjunto es linealmente dependiente.
Si tomáramos un nuevo conjunto compuesto solo por A y B, este sería linealmente

independiente, ya que no podría expresarse el elemento A en función de B, o
aplicando la Ecuación 2-2, la única forma que se puede obtener que la sumatoria
de estos elementos escalizados sea igual a cero, es que cada uno de los
escalares que los multiplican sea igual a cero, es decir que:
c x i i  c A A  cB B  c A  4, 0   cB  0,3   (4c A ,3cB )

i 1
(4c A ,3cB )  (0, 0)

Por lo tanto, la única solución para esta expresión es que cA = 0 y cB = 0, por lo
tanto este conjunto es linealmente independiente.

2.2.4 Bases en el espacio de las señales
Un conjunto finito o infinito S de elementos de un espacio lineal V se llama base

finita de V si el conjunto S es linealmente independiente y genera V. Si el espacio
V es de dimensión k, tiene al menos una base compuesta por k elementos, con k
perteneciente a los naturales (k ϵ N).
La dimensión de un espacio vectorial se puede definir como el mayor número

posible de elementos linealmente independientes que pueden ser tomados para
generar el espacio vectorial. Dicho de otra forma, también puede considerarse
como los grados de libertad que tenga un elemento para poder ser expresado.
Ejemplo:
Sea V el espacio vectorial del conjunto de parejas ordenadas de número reales, es

decir R2, asociado al campo escalar real, indique si el conjunto compuesto por los
elementos C= (4,-3) y D = (3,4): Conjunto = {C,D} = { (4,-3), (3,4) }.
Para que el conjunto sea base del espacio vectorial debe cumplir dos condiciones:
i) Que se linealmente independiente
ii) Que el número de elementos de la base sea igual a la dimensión del

espacio.
Con estas dos condiciones se garantiza que el conjunto (base) puede generar
espacio vectorial (mediante combinación lineal de los elementos de la base, se
puede obtener cualquier elemento del espacio vectorial).
Como el espacio vectorial tiene dimensión dos, se requieren dos elementos

linealmente independientes para conformar una base. Al ya tener los dos
elementos, habría que verificar que estos dos elementos son linealmente
independientes, para que conformen una base.
Al aplicar la Ecuación 2-2, se obtiene que:

c x i i  cC C  cD D  cC  4, 3   cD  3, 4  
i 1
(4cC  3cC , 3cD  4cD )  (7 cC , cD )  (0, 0)

Lo que da como resultado, que la única solución es que cC = 0 y cD = 0, por lo
tanto este conjunto es linealmente independiente.
Esta verificación de independencia o dependencia también podría realizarse en

algunos casos especiales, formando una matriz con las componentes de los
elementos y hallando su determinante, así:
4 3
Matriz 
3 4
 4 3 
det( Matriz )  det    16   9   25
3 4 
Dado que el determinante es diferente de cero, esta matriz es no singular o
invertible, lo que indica que los elementos que la componen son linealmente
independientes.
Ejercicios:
Hallar una base para cada uno de los siguientes espacios vectoriales:
- Polinomios de orden menor o igual a tres.
- Polinomios.

2.2.5 Espacio vectorial normado (euclídeo)
Un espacio vectorial normado es aquel que tiene definido un producto interior o

producto escalar, también llamado producto punto, el cual es una operación
algebraica entre dos elementos del espacio vectorial que da como resultado un
escalar real.
Cuando se realiza este producto interno entre un elemento consigo mismo, el

resultado es la norma al cuadrado del elemento, de ahí el nombre espacio
2
vectorial normado, es decir: x, x  x .
La definición de espacio vectorial puede ser: Un espacio vectorial real (o complejo)

V tiene producto interno si a cada par de elementos x y y de V, corresponde un
número real único <x,y> que satisface los siguiente axiomas cualesquiera que
sean x, y, z de V y para todos los escalares reales (o complejos) c.
i) Hermiticidad o conmutatividad.
x, y  y , x Ecuación 2-13
ii) Distributiva o linealidad.
x,  y  z   x, y  x, z Ecuación 2-14
iii) Asociatividad u homogeneidad.

c x, y  cx, y Ecuación 2-15
iv) Positividad
x, x  0 si x  0 Ecuación 2-16
Un espacio vectorial normado puede tener más de un producto interior, solamente

es necesario definir una operación entre dos elementos que cumpla con los cuatro
axiomas anteriores. Sin embargo, aunque matemáticamente estos productos
interiores adicionales definidos en un espacio vectorial dado cumplen con los
axiomas, no necesariamente son de utilidad para el análisis de este.

Ejercicio de producto interior:
Si x   x1 , x 2  y y   y1 , y 2  son dos elementos pertenecientes al
espacio lineal R2, al cual se le define una operación entre cualquier par de
elementos así: x, y  2 x1 y1  x1 y2  x2 y1  x2 y2 .
Comprobar si dicha operación corresponde a un producto interior.
A continuación, se mencionan algunos espacios vectoriales y sus productos

interiores más usuales:
 Espacio lineal Rn. Producto interior:

A B  A, B   ai  bi .
i 1
 Funciones reales continuas en el intervalo a,b.
Producto interior:
f  t  , g  t    f  t   g  t  dt
a
 Funciones complejas continuas en el intervalo 0 a T.
Producto interior:
f  t  , g  t    f  t   g *  t  dt Donde g* t 
0
denota el conjugado de la función g(t).
 Espacio lineal de las matrices de tamaño n x n, con elementos reales.
n n
Producto interior:
A B  A, B   aij  bij
i 1 j 1
 Espacio lineal de los polinomios de grado menor o igual a n.
Producto interior:
A  x  , B  x    A  xi   B  xi 
i 1

2.2.6 Ortogonalidad en un espacio euclídeo
En un espacio euclídeo V, dos elementos se llaman ortogonales si su producto

interior es cero:
Ecuación 2-17
x, y  0
Ejercicio de ortogonalidad:
Sea V el espacio lineal compuesto por las funciones reales continuas en el

intervalo [-1,1], asociado al campo escala real y con producto interior definido
1
como:
f  t  , g t    f  t   g  t  dt
1
Indique si los dos elementos: f t   t y g t   t 2 son ortogonales.
2.2.7 Bases ortogonales
Si se tiene un conjunto de elementos que forman una base del espacio vectorial V,
S  x1 , x 2 , x3 , , x n  y adicionalmente se cumple que:
x , x   0
i j i j Ecuación 2-18
Entonces se dice que el conjunto S es una base ortogonal del espacio vectorial V.
Ejemplo:
Sea S un conjunto de funciones trigonométricas {s0 , s1 , s2 , } , dadas por:
s0  x   1 . s2n 1  x   cos  nx  ,
Si su producto interior está definido como:
2
 s2 n1 , s2 m1    s2 n1  x   s2 m1  x  dx .

0
Demostrar que los elementos que conforman dicho conjunto son ortogonales.

Solución:
2 2
 s2 n1 , s2m1    s2 n1  x   s2m1  x  dx   cos  nx   cos  mx  dx

0 0
2 2 2
1 
         
0 cos nx  cos mx dx  2  0 cos n  m x dx  0 cos n  m x dx 

1  0  0  0
2
2.2.8 Ortonormalidad
Un conjunto de elementos se les llama ortonormal, si todos los elementos son

ortogonales entre ellos y adicionalmente la norma de cada uno de ellos es igual a
uno.
Ejercicio:
 2 2  2 2
A   ,  B   , 
a. Indicar si los elementos 2 2 y 2 2 forman
   
una base para el espacio vectorial R2.
b. Indicar si estos dos elementos forman una base ortogonal del espacio vectorial
R2.
c. Indicar si estos dos elementos forman una base ortonormal del espacio vectorial
R2.
d. Obtener otra base ortonormal del espacio vectorial R2.

2.2.9 Bases ortonormales
Si además de cumplir con ortogonalidad, los elementos de la base
S  x1 , x 2 , x3 , , x n  cumplen:
2
 xi , xi   xi  1,  i Ecuación 2-19
Entonces se dice que el conjunto S es una base ortonormal, ya que el producto

interior entre un mismo elemento es igual a uno (1), es decir, todos los elementos
poseen norma igual a uno (1).
Se define la norma como la raíz cuadrada del producto interior de un elemento

consigo mismo.
xi   xi , xi  Ecuación 2-20

2.3 Sistemas lineales como transformaciones
2.3.1 Transformaciones de bases
Como se ya mencionó, un Espacio Vectorial pueden tener múltiples bases

diferentes, pero entre las múltiples bases que puede tener, existe una o algunas
bases cuyos elementos son ortogonales entre ellos, lo que resulta ser
particularmente conveniente en la solución de varios problemas.
A continuación se mencionará un procedimiento con el cual a partir de cualquier

base de un espacio vectorial, se puede hallar una base ortogonal de dicho espacio
vectorial y así mismo normalizar dicha base (dividir cada elemento por su norma)
para obtener una base ortonormal.
2.3.1.1 Construcción de conjuntos ortogonales. Método de Gram-Schmidt
El proceso por el cual se puede obtener una base ortogonal a partir de cualquier
base de un Espacio Vectorial Euclídeo, se conoce como Método de
Ortogonalización de Gram-Schmidt, en honor del matemático danés Jørgen
Pedersen Gram (1850-1916) y el matemático alemán Erhardt Schmidt (1876-
1959).
El proceso consta de tres pasos:
a) Empezar con una base del espacio vectorial euclídeo (No se requiere que
sea una base ortogonal ni que conste de elementos de norma uno)
b) Convertir la base dada a una base ortogonal
c) Normalizar cada uno de los vectores de la base ortogonal a fin de obtener

una base ortonormal.
A continuación, se menciona el teorema de ortogonalización que sustenta lo dicho

anteriormente.

2.3.1.2 Teorema de Ortogonalización. [1]
Sea x1, x2, ..., una sucesión de elementos (finita o infinita) de un espacio
euclídeo V. Si se designa a L(x1, ..., xk,) como el subespacio generado por los
primeros k de esos elementos. Existe una sucesión correspondiente a esos
elementos y1, y2, ..., de V que tiene las siguientes propiedades para cada
entero k:
i) El elemento yk es ortogonal a todo elemento del subespacio L(y1, ..., yk-1,).
ii) El subespacio generado por y1, ..., yk es el mismo espacio que el generado
por x1, ..., xk:
L(x1, ..., xk,) = L(y1, ..., yk,)
y1, y2, ... es única, salvo por los factores escalares. Esto es,
iii) La sucesión
que si y’1, y’2, ..., es otra sucesión de elementos de V que satisfacen las
propiedades i) e ii), entonces para cada k existe un escalar ck tal que cumple
que: y’k = ck yk.
De tal forma que al desarrollar la demostración del teorema se obtiene las

siguientes ecuaciones que definen los elementos y1, ..., yk:
y0  x0 Ecuación 2-21
yr 1  xr 1  
 xr 1 , yi 
r
 yi Ecuación 2-22
i  0  yi , yi 
, para r = 0,1, 2, ..., k-1
Donde los escalares pueden escribirse como:
xr 1 , yi   a Ecuación 2-23

 yi , yi  i

Ejemplo:
Hallar la base ortogonal para el espacio generado por:
x1  1,  1, 1,  1 , x2  5, 1, 1, 1 y x3   3,  3, 1,  3 .
Son linealmente dependientes si se suman de la siguiente manera
 2 x1  x 2  x3  0
Respuesta: y1  1,  1, 1, 1 , y 2  4, 2, 0, 2 y y3  0, 0, 0, 0 
1,  1, 1,  1 y2 
2, 1, 0, 1
Si se pidiera ortonormal sería: y1  ,
2 6
TAREA.
Polinomios de Legendre.
V = Todos los polinomios definidos en el intervalo entre [-1,1].

1
Producto interior =
x, y    xt   y t dt
1
La sucesión indefinida x0, x1, x2,..., genera el espacio vectorial, donde
x n t   t n
Hallar la base ortonormal utilizando el método de Gram-Schmidt.
Elementos ortogonales:
1 3
y0 t   1 , y1 t   t , y 2 t   t 2  , y3 t   t 3  t ,
3 5
6 3 10 3 5
y 4 t   t 4  t 2  , y5 t   t 5  t  t, ...
7 35 9 21
n! d n 2
y n t    n

 n t  1 . Polinomios de Legendre.
2n ! dt

A partir de los elementos ortogonales de la base, puede hallarse la base
ortonormal, esto se logra dividiendo cada uno de los elementos por su
respectiva norma.
Ortonormales serían así:
1 3 1 5 2
 0 t   , 1 t   t,  2 t  
2 2
 
3t  1 ,
2 2
1 7 3 1 9
3 t  
2 2
5t  3t ,  4 t  
8 2

35t 4  30t 2  3 ,
1 11
 5 t  
8 2
 
63t 5  70t 3  15t , ...

2.4 Espacios lineales de señales.
Hasta el momento se han tratado los espacios vectoriales en una gran variedad de
elementos (conjuntos numéricos, vectores, matrices, polinomios, funciones, etc),
todos ellos se suma importancia en aplicaciones y desarrollos en ingeniería, sin
embargo, en nuestro caso particular, nos limitaremos de ahora en adelante al
trabajo con señales, particularmente señales de tiempo continuo.
Haciendo un pequeño resumen de lo que se ha visto hasta el momento con

respecto a los espacios lineales, para que se aplicado a las señales se tiene que:
Un espacio lineal se define como un conjunto de elementos que tiene asociada
una operación entre ellos y una operación con un campo escalar cumpliendo los
axiomas de clausura, asociatividad, nulidad y distribución para ambas operaciones
y de conmutatividad y elemento opuesto para la operación entre elementos.
Para nuestro caso en el trabajo que se realizará con las señales, las operaciones
asociadas se limitarán a suma entre señales y multiplicación por un escalar.
2.4.1 Espacios normados o espacios euclídeos
El espacio de las señales también puede ser un espacio vectorial normado, es

aquel que tiene asociado un producto interior entre elementos. El producto interior
da como resultado un escalar.
x  t  , y  t   Escalar real Ecuación 2-24
Es decir, sin importar que la operación producto interior se realice entre un par de
señales en función del tiempo, su resultado será un número real, el cual NO es
una función constante en el tiempo, sino simplemente un número real.

Usualmente el producto que se maneja en las señales viene dado por:
T
f  t  , g  t    f  t   g *  t  dt Ecuación 2-25
0
Donde g* t  denota el conjugado de la función g(t).
Aunque en algunos casos puede tener algunas pequeñas variaciones al

multiplicarse por un escalar, según se desee.
Asociado al producto interior, está el concepto de norma. De esta forma el

producto interior de un elemento por el mismo da como resultado la norma al
cuadrado del elemento.
 
f t  , f t    f  t   f *  t  dt   f  t  2 dt
 
Por lo tanto,
T
2
f  t  , f  t    f  t  2 dt  f  t  Ecuación 2-26
0
Es importante aclarar que el concepto norma para las señales de tiempo continuo
puede tomarse como el valor absoluto de la señal (para señales reales), la cual
quedaría en función del tiempo, así: Norma de x(t) = |x(t)|, x(t) función real.
Para señales complejas (imagen con valores complejos) la norma de la señal

equivaldrá a la raíz cuadrada de la parte real al cuadrado más la parte imaginaría
al cuadrado, para cada valor de tiempo, es decir:
Norma  x  t   x  t   Re 2  x  t   Im 2  x  t 
Con x(t) una función compleja.

Estas dos normas no están relacionadas con la pertenencia a algún espacio de
señales en particular.
Cuando la norma se refiere a un elemento en particular que pertenezca a un

espacio de señales, usualmente se escribe con doble barra vertical y corresponde
a un valor escalar. Recuerden que la norma de un elemento es siempre un
número real y positivo. Esta diferencia de notación entre la norma de una función
en el tiempo y de un elemento de un espacio de señales se puede claramente en
la Ecuación 2-26.
2.5 Ejemplos de espacios de señales.

2.5.1 Espacio de señales L1
Es aquel conformado por todas las señales que son absolutamente integrables y
se define como:

 
L1   f : R  C :  f    Ecuación 2-27
  
0 t0
x t    t
Ejemplo: Comprobar si
e t  0 pertenece a L1
Para saber si esta señal x(t) pertenece a L1, se debe evaluar la condición de
pertenencia así, solucionado la integral, así:
 0 
 x  t  dt   x  t  dt   x t  dt 
  0
0  
t t  t 
 0 dt   e
 0
dt  e
0
dt  e
0
 0  1  1

Dado que el resultado es un escalar menor a infinito, en este caso uno (1), la señal
x(t) pertenece a L1.
2.5.2 Espacio vectorial L2

Es aquel conformado por todas las señales que son absolutamente integrables al
cuadrado y se define como:

 2 
L2   f : R  C :  f   Ecuación 2-28
  
También puede expresarse como aquellas señales, cuyo producto interior (norma
al cuadrado) converge (es menor a infinito), ya que si nos basamos en la definición
de producto interior de la Ecuación 2-26, se tendría que:

2 2
L2  f  t  , f  t    f t  dt  f  t   
 0
Lo cual equivaldría a l definición mostrada en la Ecuación 2-28.
0 t0
x t    t
Ejemplo 1: Comprobar si
e t0 pertenece a L2.
Para saber si esta señal x(t) pertenece a L2, se debe evaluar la condición de
pertenencia así, solucionado la integral, así:
 0 
2 2 2
 x t 

dt   x t 

dt   x t 
0
dt 
0   2 t 
e 1 1
 0 dt   e 2t dt   e 2t dt   0  
 0 0
2 0
2 2

Dado que el resultado es un escalar menor a infinito, en este caso un medio (1/2),
la señal x(t) pertenece a L2.
TAREA: Demostrar que la siguiente señal pertenece a L2 y no a L1:

0 t  1

 
xt 
1
 t t  1
TAREA: Encontrar una señal que pertenezca a L1 y no L2.
Bibliografía
[1]. APÓSTOL, Tom M. Calculus. Volumen 2. Capítulo 1. Ed. Reverté.
[2]. BAY, John S.Fundamental of Linear State Space Systems. Capítulo 2 y 3.
[3]. BLAHUT, Richard E. Theory and practice of error control codes. Capítulo 2
- ¿Qué es un Espacio Vectorial? - ¿Qué significa que dos elementos sean

ortogonales?
- ¿Qué es un espacio de señales?
- Cómo se puede encontrar una base
- ¿Qué es una base de un espacio vectorial?
ortogonal?
- ¿Qué es la dependencia y la independencia
- ¿Cómo se puede obtener una base
lineal entre elementos?
ortonormal?
- Condiciones del conjunto de elementos para
- ¿Cómo se puede expresar un elemento
ser base.
como combinación de la base ortonormal?
- ¿Cómo se puede expresar un elemento como
- ¿Por qué queremos trabajar con bases
combinación de la base?
ortogonormales?
- ¿Qué es el producto interior de un espacio
vectorial?
- ¿Qué es la norma de un espacio vectorial?

2018-1 Capitulo 2. Espacios Vectoriales 20180318

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

2018-1 Capitulo 2. Espacios Vectoriales 20180318

Încărcat de

Drepturi de autor:

Formate disponibile

Pontificia Universidad Javeriana. Facultad de Ingeniería.

Unión, intersección, diferencia, complemento, leyes de D`Morgan.

2.1 Conjuntos o grupos de números. [3]

 Grupos. (Abeliano = Conmutativo). Definido para una operación binaria que

Ejemplo: Las funciones con la operación composición.

 Anillos. (Abeliano = Conmutativo). Definido para dos operaciones binaria

Una operación cumple Clausura, asociatividad, unidad o identidad y el

Ejemplo: Números enteros con la primera operación suma y la segunda el

 Campo. Definido para dos operaciones binaria que cumple:

Cuyas dos operaciones cumplen Clausura, asociatividad, unidad o identidad

Ejemplo: Números Complejos con las operaciones adición y producto.

2.2 Espacios Vectoriales o Lineales.

Un espacio vectorial es un conjunto de elementos de cualquier naturaleza sobre el

Al definir un espacio vectorial, no se especifica la naturaleza de los elementos ni

Apuntes de Clase. Prof. Jairo Alberto Hurtado Primer Semestre 2018

En el caso de un espacio lineal, estas operaciones son adición entre elementos

2.2.1 Definición axiomática de un espacio lineal

Sea V un conjunto no vacío de objetos (elementos), donde los elementos x, y y z

pertenecen al conjunto ( x, y , z  V ), este se llamará espacio lineal (con

campo escalar F con elementos α y β pertenecientes al campo (  ,   F ),

2.2.1.1 Axiomas de clausura

i) Clausura respecto de la adición.

ii) Clausura respecto de la multiplicación por números complejos o reales.

2.2.1.2 Axiomas para la adición

iii) Ley conmutativa.

iv) Ley asociativa.

v) Existencia del elemento nulo.

2.2.1.3 Axiomas para la multiplicación por números

vii) Ley asociativa.

Apuntes de Clase. Prof. Jairo Alberto Hurtado Primer Semestre 2018

 x     x Ecuación 2-7

viii) Ley distributiva para la adición en V.

ix) Ley distributiva para la adición de números.

x) Existencia de elemento idéntico.

Ejemplos de espacios lineales

i) V = C (Conjunto de los número complejos) asociados al campo escalar

2.2.2 Señales como un espacio lineal

Al tomar los espacios funcionales, estos se toman como un conjunto de elementos

Ejemplos de espacio funcionales y espacios de señales:

 El conjunto de todas las funciones continuas definidas en un intervalo dado.

 El conjunto de todos los polinomios. (espacio funcional).

 El conjunto de todos los polinomios de grado  n. (espacio funcional).

Apuntes de Clase. Prof. Jairo Alberto Hurtado Primer Semestre 2018

 El conjunto de todas las señales continuas en el intervalo [0,2]. (Espacio de

Ejemplo de un conjunto que NO es un espacio vectorial:

 El conjunto de los polinomios de grado n. (¿Qué axiomas no cumple?)

2.2.3 Conjuntos dependientes e independientes en un espacio vectorial.

Un conjunto S de elementos de un espacio vectorial V se llama dependiente si

Dicho de otra forma, si dentro de este conjunto de elementos existe al menos un

El conjunto se llama independiente si es no dependiente. En tal caso, sin importar

Apuntes de Clase. Prof. Jairo Alberto Hurtado Primer Semestre 2018

Sea V el espacio vectorial del conjunto de parejas ordenadas de número reales, es

- Escriba un elemento que pertenezca al espacio vectorial:

- Determine si el conjunto conformado por los siguientes tres elementos es

Si es posible expresar alguno de los elementos del conjunto como una

Si tomáramos un nuevo conjunto compuesto solo por A y B, este sería linealmente

c x i i  c A A  cB B  c A  4, 0   cB  0,3   (4c A ,3cB )

(4c A ,3cB )  (0, 0)

Apuntes de Clase. Prof. Jairo Alberto Hurtado Primer Semestre 2018

Un conjunto finito o infinito S de elementos de un espacio lineal V se llama base

La dimensión de un espacio vectorial se puede definir como el mayor número

Sea V el espacio vectorial del conjunto de parejas ordenadas de número reales, es

i) Que se linealmente independiente

ii) Que el número de elementos de la base sea igual a la dimensión del