REPÚBLICA BOLIVARIANA DE VENEZUELA.

MINISTERIO DEL PODER POPULAR PARA LA DEFENSA.

UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA
DE LA FUERZA ARMADA NACIONAL BOLIVARIANA.
NÚCLEO FALCÓN – EXTENSIÓN PUNTO FIJO.
INGENIERÍA DE SISTEMAS – 2DO SEMESTRE, SECCIÓN A.
ÁLGEBRA LINEAL

ESPACIOS VECTORIALES

Integrantes:
Aguirre, Valeria C.I. 28.679.936
Cumare, Milimar C.I. 28.403.870
Rodríguez, Laura C.I. 28.026.255

Docente:
Ing. Gutiérrez, Violeta

Comunidad Cardón, diciembre de 2019

1
 ÍNDICE
Introducción………………………………………………………………………….3
Espacio Vectorial…………………………………………………………………….4
 Subespacios………………………………………………………………..….5
Combinación Lineal………………………………………………………………….7
 Generación De Espacios. ……………………………………………………7
Dependencia E Independencia Lineal………………………………………………8
Bases Y Dimensión………………………………………………………………….11
 Teorema De La Base Incompleta……………………………………..……11
 Teorema De La Dimensión…………………………………………………12
Los Espacios “R” …………………………………………………………………..13
 Producto Escalar, Ortogonalidad, Norma, Ángulos. …………………….13
 Producto Vectorial Y Mixto. …………………………………...………….16
 Método De Gram-Schmidt. ……………………………………..…………17
Conclusión………………………………………..…………………………………18

Bibliografía………………………………………………………...………………..19

2
 INTRODUCCIÓN

El espacio puede ser la extensión que contiene la materia existente, la capacidad

de un lugar o la parte que ocupa un objeto sensible. Vectorial, por su parte, es lo
perteneciente o relativo a los vectores; se refiere al agente que transporta algo de un
lugar a otro o aquello que permite representar una magnitud física y que se permite
representar una magnitud física y que se define por un módulo y una dirección u
orientación.

En algebra lineal, los espacios vectoriales son estructuras algebraicas creadas a

partir de una operación de suma y una operación por producto escalar, con sus
propiedades fundamentales en cada campo que esto abarca.

3
 ESPACIO VECTORIAL

El espacio vectorial se utiliza para nombrar a la estructura matemática que se crea

a partir de un conjunto no vacío y que cumple con diversos requisitos y propiedades
iniciales. Esta estructura se forma mediante una operación de suma (interna al
conjunto) y una operación de producto entre dicho conjunto y un cuerpo.

A los elementos de un espacio vectorial se les llama vectores y a los elementos del
cuerpo, escalares.

Todo espacio vectorial dispone de una base y todas las bases de un espacio
vectorial, a su vez, presentan la misma cordinalidad.

Propiedades

 Suma de vectores
 u = (u1 , u2 ) v = (v1 , v2)
 u + v = (u1 + v1 , u2 + v2)
 Resta de vectores
 u = (u1 , u2 ) v = (v1 , v2)
 u + v = (u1 - v1 , u2 - v2)
 Producto de un número por un vector
 u = (u1 , u2 )
 K . u (K . u1 , K. u2 )

 0u=0V
 α0V=0V
 (–α)u=–(αu)

En particular, para α=1:(–1) u= –u

 α u=0V ⇒ α =0 ∨ u=0V

4
  Subespacios Vectoriales.

Un subespacio vectorial es el subconjunto de un espacio vectorial. 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.

Existen múltiples ejemplos de subespacio, sin embargo, en primer lugar, se

demostrará un resultado que hace relativamente sencillo determinar si un subconjunto
de V es en realidad sub espacio de V

 Teorema de subespacio.

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

i) Si x € H y y € H, entonces x + y € H.

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

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.

 Propiedades de subespacio vectorial.

5
1) El vector cero de V está en H.2

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

3) 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.

6
 COMBINACIÓN 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. Esta combinación lineal es
única.

Sean v1,v2,…,vn vectores en un espacio vectorial V. Entonces cualquier vector de la

forma:

α1v1 + α2v2 + … + αnvn

Donde α α1v1 + α2v2 + … + αnvn son escalares; se denomina combinación lineal de

v1,v2,…,vn.

Todo vector V = (a, b, c) en R3 se puede expresar como

i = (1,0,0); j = (0,1,0); k =(0,0,1)

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

Entonces se dice que V es una combinación lineal de los 3 vectores i, j, k.

 Generador de Espacios.

Un sistema generador de un espacio vectorial es un conjunto de vectores que

tienen la propiedad de que cualquier vector del espacio vectorial es combinación
lineal de los vectores del sistema generador.

Ejemplo:

1 1
En R2, los vectores 𝑣1 = ( , 0) y 𝑣2 = (0, ) forman un sistema generador
2 3
ya que cualquier vector (x, y) en R2 se pueden poner como combinación lineal de V1
y V2. Es decir: (𝑥, 𝑦) = 2𝑥 . 𝑣1 + 3𝑦 . 𝑣2

7
 DEPENDENCIA E INDEPENDENCIA LINEAL

 Vectores Linealmente Dependientes:

Varios vectores libres del plano se dice que son linealmente dependientes si hay
una combinación lineal de ellos que es igual al vector cero, sin que sean cero todos
los coeficientes de la combinación lineal.

Propiedades:

1. Si varios vectores son linealmente dependientes, entonces al menos uno de ellos se puede
expresar como combinación lineal de los demás.

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

todos los vectores son linealmente dependientes.

2. Dos vectores del plano son linealmente dependientes si, y sólo si, son paralelos.

3. Dos vectores libres del plano = (u1, u2) y = (v1, v2) son linealmente
dependientes si sus componentes son proporcionales.

8
Ejemplo:

Determinar los valores de k para que sean linealmente dependientes los

vectores , y .

escribir como combinación lineal de y , siendo k el valor calculado.

Los vectores son linealmente dependientes si el determinante de la matriz que forman

es nulo, es decir que el rango de la matriz es menor que 3.

 Vectores Linealmente Independientes:

Varios vectores libres son linealmente independientes si ninguno de ellos puede

ser escrito con una combinación lineal de los restantes.

a1 = a2 = ··· = an = 0

Los vectores linealmente independientes tienen distinta dirección y

sus componentes no son proporcionales.

9
Ejemplo:

Estudiar si son linealmente dependientes o independientes los vectores:

= (2, 3, 1), = (1, 0, 1), = (0, 3, −1)

a (2, 3, 1) + b(1, 0, 1) + c (0, 3, −1) = (0, 0, 0)

r = 2 n = 3 Sistema compatible indeterminado.

El sistema tiene infinitas soluciones, por tanto los vectores son linealmente
dependientes.

10
 BASES Y DIMENSIÓN

 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

 Teorema de Base Incompleta:

Sea V un espacio vectorial de dimensión finita n y sea S= {u1, u2,…, up} un sistema
libre de p<n vectores de V, entonces existe un sistema S´ formado por n – p vectores
de V tal que S U S´ es una base de V. De forma equivalente puede enunciarse el
Teorema diciendo que a todo sistema libre S de un espacio vectorial V se le pueden
añadir n – S vectores hasta completar una base de V.

Sean v1,…, vk vectores linealmente independientes en Rm. Si K<m se pueden

escoger vectores

wk + 1,…, wm tal que v1,…, vk,wk+1, … ,wm forman una base para Rm.

11
  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.

12
 ESPACIO EN RN

El espacio Rn es uno de los modelos para el estudio de los denominados espacios

vectoriales (generales). Sin entrar en más detalles y definiciones, un espacio vectorial
es un conjunto de elementos sobre el que hay definida una operación suma (de dichos
elementos) y una operación producto de un número por uno de dichos elementos. Por
ejemplo, son espacios vectoriales:

 El conjunto de las matrices de unas dimensiones dadas, con la operación suma

de matrices y producto de un escalar (real, complejo) por una matriz.
 El conjunto de todos los polinomios en una variable, con las operaciones
suma de polinomios y producto de un escalar por un polinomio.
 El conjunto de todos los polinomios en una variable y con grado menor o
igual que un cierto valor prefijado. Por ejemplo, el conjunto de todos los
polinomios de grado menor o igual que 3.

 Producto Escalar.

Se le denomina producto escalar (o producto punto o producto interno) de dos

vectores A y B a un escalar cuyo valor será igual al producto de sus módulos
multiplicado por el coseno del ángulo que ellos forman:

A ∙ B = |A| |B| cosθ

El producto escalar representa la proyección del vector A sobre el vector B y

equivalentemente a la proyección de B sobre A (Figura I). Otra forma de expresar el
producto escalar es:

A • B = AxBx + AyBy + AzBz

13
  Propiedades:

1. El producto escalar de un vector consigo mismo, siempre es positivo:

ζA = A ∙ A = |A|2 ≥ 0

Y sólo será nulo si A es un vector nulo. Por lo tanto:

|A| = √( A ∙ A ) = √ ζA

2. El producto escalar es conmutativo:

A∙B=B∙A

Ya que el ángulo entre los vectores es el mismo y la multiplicación entre escalares es

conmutativa.

3. El producto escalar es distributivo:

A ∙ (B + C) = A ∙ B + A ∙ C

4. La multiplicación por un escalar:

β ∙ (A ∙ B) = |β||A||B| cosθ

(βA) ∙ (βB) = |βA||B| cosθ = |A||βB|cosθ

5. Del producto escalar surge el Teorema del Coseno:

C=A+B

C • C = (A + B) • (A + B)

|C|2 = |A|2 + |B|2 + 2|A||B| cosθ

Que no es otra cosa que el teorema del coseno.

14
6. Diremos que dos vectores, no nulos, son ortogonales (perpendiculares) si su
producto escalar es nulo (cero):

A⊥B → θ = π/2 → A ∙ B = |A||B| cosθ = 0

 Ortogonalidad.

Cuando dos vectores A = (Ax, Ay, Az) y B = (Bx, By, Bz) son perpendiculares
entre sí, es decir, que forman un ángulo recto, se dice que son vectores ortogonales.
Esta situación se denota como A – B. Dos vectores serán ortogonales cuando su
producto escalar (también llamado producto punto y producto interino) es cero:

A - B → A . B = AxBx + AyBy +AzBz

Ó A-B → θ = π/2 → A . B = │ A│ │B│ cosθ = 0

Ya que cos π/2 = 0

Cuando dos vectores de A y B son ortogonales, forman un triángulo rectángulo,

cuya hipotenusa es igual a la suma de dos vectores.

 Norma.

Dado un producto escalar (a,b), podemos definir su norma asociada como ││ u

││ = √((u,u)) que cumple con las siguientes propiedades:

 Positividad: ││u││≥ 0 y ││u││ = 0 si y solo sí u=0

 Proporcionalidad: ││ʎu││ = │ʎ│ ││u││
 Desigualdad triangular: ││u+v││ ≤ ││u││+││v││

Por ejemplo, en el plano la norma asociada al producto escalar es

││u││ = √((u,u)) = √(x^2+y^2 ) = │u│

Es decir, coincide con el modulo o longitud del vector u = (x1 , y1).

 Ángulo.

15
Es la figura formada por dos elementos unidos por un extremo.

Dados los vectores v= (v1,v2) y w= (w1,w2), el angulo que forman es

𝑣1 × 𝑤1 + 𝑣2 × 𝑤2
∝= 𝑎𝑟𝑐𝑐𝑜𝑠
│𝑣│ × │𝑤│

 Producto Vectorial.

El producto vectorial de dos vectores libres, u y v es otro vector que se designa por
u x v, se define del siguiente modo:

1. Si u y v son vectores no nulos, y no proporcionales, u x v es un vector

caracterizado por:
 Módulo: │u x v│=│u│ │v│ sen(u x v)
 Dirección: La de la recta perpendicular a los vectores u y v.
 Sentido: el de avance de un sacacorchos que gira en sentido positivo de u a v.

2. U x V = 0 si:
 U= 0
 V= 0
 U y V son proporcionales.

 Propiedad:

El producto vectorial es anti conmutativo

U x V = -V x U (Expresión analítica del producto vectorial)

Componentes de los vectores U y V

U = (u1, u2, u3) V= (v1, v2, v3)

 Producto Mixto.

El valor del producto mixto de tres vectores viene dado por el desarrollo del
determinante que tiene por filas las coordenadas de dichos vectores. Este valor (valor
absoluto) se corresponde con el volumen de un paralelepípedo que tiene por aristas
las coordenadas de dichos vectores.

16
 El producto mixto de tres vectores en el espacio u, v y w es un número real que se
designa por {u,v,w} = u . (v . w).

El valor del producto mixto de tres vectores viene dado por el desarrollo del
determinante de dichos vectores.

Coordenadas de u, v y w

U= (u1, u2, u3), V= (v1,v2,v3), w= (w1, w2, w3)

𝑢1 𝑢2 𝑢3
[𝑢, 𝑣, 𝑤] = 𝑢 . (𝑣 𝑥 𝑤) = | 𝑣1 𝑣2 𝑣3 |
𝑤1 𝑤2 𝑤3

 Método De Gram-Schmidt.

Dado un producto escalar en V y una base B = {e1, e2,…, en} de V, decimos que B
es una base ortogonal si sus vectores son ortogonales dos a dos, es decir (ei, ej) = 0
siempre que i ≠ j.

A partir de una base cualquiera puede calcularse una base ortogonal utilizando el
método Gram-Schmidt, que consiste en ir modificando los vectores dados
convenientemente para que cada uno sea ortogonal con los anteriores.

17
 CONCLUSIÓN

Como se pudo apreciar en la investigación antes mostrada, los espacios vectoriales

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 otro
conjunto, con estructura de cuerpo), con 8 propiedades fundamentales. Además, los
espacios vectoriales se derivan de la geometría afín a través de la introducción de
coordenadas en el plano o el espacio tridimensional.

A los elementos de un espacio vectorial se les llama vectores y a los elementos del
cuerpo, escalares.

Los espacios vectoriales tienen aplicaciones en otras ramas de la matemática, la

ciencia y la ingeniería. Se utilizan en métodos como las series de Fourier, que se
utiliza en las rutinas modernas de compresión de imágenes y sonido, o proporcionan
el marco para resolver ecuaciones en derivadas parciales. Además, los espacios
vectoriales proporcionan una forma abstracta libre de coordenadas de tratar con
objetos geométricos y físicos, tales como tensores, que a su vez permiten estudiar las
propiedades locales de variedades mediante técnicas de linealización.

18
 BIBLIOGRAFÍA

SlideShare (2015). Subespacio Vectoral. Recuperado de:

https://pt.slideshare.net/mrmagoo1005/subespacio-vectorial-2/6

Pustilnik, I. y Gómez, F. (2017). Espacios Y Subespacios Vectoriales. Recuperado

de: https://aga.frba.utn.edu.ar/espacios-y-subespacios-vectoriales/

Sistemas Algebra Lineal (2013). Combinación Lineal. Recuperado de:

https://sites.google.com/site/sistemasalgebralineal/unidad-4---espacios-
vectoriales/combinacion-lineal

WikiLibros (2019). Sistemas De Generadores Y Base De Un Espacio Vectorial.

Recuperado de:
https://es.wikibooks.org/wiki/%C3%81lgebra/%C3%81lgebra_Lineal/Sistemas_de_g
eneradores_y_Base_de_un_espacio_vectorial

SuperProf (2019). Dependencia E Independencia Lineal. Recuperado de:

https://www.superprof.es/apuntes/escolar/matematicas/analitica/vectores/dependencia
-e-independencia-lineal-bases.html

Campos, N. (2019). Bases Y Dimensión. Recuperado de:

https://personales.unican.es/camposn/espacios_vectoriales2.pdf

Universidad de Salamanca (2019). Espacios Vectoriales. Recuperado de:

http://campus.usal.es/~mpg/Personales/PersonalMAGL/Docencia/AlgebraTema1Teo(
09-10).pdf

Rodas (2019). Espacio Vectorial Rn. Recuperado de:

https://rodas5.us.es/items/99535f35-80df-724a-e0bd-e676de5e88c4/3/viewscorm.jsp

MiProfe (2016). Producto Escalar. Recuperado de: https://miprofe.com/producto-

escalar/

MiProfe (2016). Vectores Ortogonales. Recuperado de: https://miprofe.com/vectores-

ortogonales/

Universidad Politécnica de Cataluña (2018). Producto Escalar, Norma y Distancia.

Recuperado de: https://mat-web.upc.edu/people/josep.fabrega/q0/escalar.pdf

19
Vadenumeros (2019). Producto Vectorial Y Producto Mixto. Recuperado de:
https://www.vadenumeros.es/segundo/producto-vectorial-y-mixto.htm

Universidad de Granada (2019). Cálculo de Una Base Ortogonal Usando El Método

de Gram-Schmidt. Recuperado de: https://www.ugr.es/~lmerino/3-2.html

20