Beruflich Dokumente
Kultur Dokumente
INGENIERÍA CIVIL
NOMBRE DE LA ASIGNATURA:
ALGEBRA LINEAL
ESPACIOS VECTORIALES
PRESENTA (N):
ESPACIOS VECTORIALES 2
Contenido
Resumen......................................................................................................................... 4
Base .......................................................................................................................... 12
Dimensión ................................................................................................................ 13
CONCLUSION. ........................................................................................................... 19
Referencias.................................................................................................................. 20
ESPACIOS VECTORIALES 4
Resumen
Un espacio vectorial es una estructura algebraica. Se tiene esta estructura, con las
operaciones usuales, por ejemplo, los pares de números reales y los polinomios, para que
poder tener un espacio vectorial, se tiene que cumplir con las operaciones de suma y
multiplicación por un escalar, si cumplen con esas dos operaciones entonces podemos decir
Por eso en el siguiente documento les presentaremos los espacios vectoriales donde le
direcciones en las dos operaciones básicas que es la adición y multiplicación escalar, que
Propiedades de la suma
vector y es parte del espacio vectorial, y el vector resultante de la suma de estos dos vectores,
parte del espacio vectorial, y tenemos un vector resultante de la suma de estos dos vectores,
parte del espacio vectorial y el vector z es parte del espacio vectorial, y tenemos un vector
(x + y) + z.
4. Identidad aditiva: todo espacio vectorial contiene un vector nulo que es un vector
cero, lo que se denomina como la identidad aditiva, de tal manera que su suma con cualquiera
5. Inverso aditivo: Para todos los vectores de un espacio vectorial determinado, existe
un vector inversa disponible en el mismo espacio de tal manera que la suma de los dos
vectorial entonces debemos también tener un vector -x del mismo vector en el espacio.
ESPACIOS VECTORIALES 6
espacio vectorial bajo las operaciones de suma y multiplicación por un escalar definidas en
sin embargo, en primer lugar, se demostrará un resultado que hace relativamente sencillo
Teorema de subespacio
i) Si x € H y y € H, entonces x + y € H.
demostrar que los axiomas i) a x) de la definición cumplen bajo las operaciones de suma de
[axiomas i) y iv)] se cumplen por hipótesis, como los vectores en H son también vectores 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
Combinación lineal
Sean v1, v2, …, vn, vectores en un espacio vectorial V. entonces cualquier vector de
Sean v, v2, …, vk, k vectores de un espacio vectorial V. el espacio generado por {v1, v2, …,
escalares arbitrarios.
Teorema: si v1, v2, …, vk son vectores en un espacio vectorial V, entonces gen {v1, v2, …,
vk} es un subespacio de V.
se piensa que (x, y, z) esta fija, entonces estas ecuaciones se pueden ver como un sistema de
tres ecuaciones con tres incógnitas a1, a2. Este sistema se resuelve en la forma usual:
Independencia lineal
ecuaciones y determinantes.
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
difícil a simple vista. Sin embargo, es sencillo verificar que v3=3v1+2v2; rescribiendo esto se
obtiene .
ESPACIOS VECTORIALES 10
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: 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
dependientes si el vector cero en V se puede expresar como una combinación lienal de v1,
Nota. Se dice que los vectores v1, v2, …, vn son linealmente independientes (o
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
sea,
Es decir, v1 es un múltiplo escalar de v2. Si c1=0, entonces c2≠0 y, por lo tanto, v2=0=0v1.
ESPACIOS VECTORIALES 12
* 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
infinita.
Base
vectores del espacio, a partir de los cuales se puede obtener cualquier otro vector de dicho
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
Restar 2-1
Ejemplo:
c1 +4c3 = b3 = -1 Si genera a R3
Si S = {v1, v2,…, vn} es una base de un espacio vectorial V, entonces todo vector
en V puede escribirse de una y solo una forma como combinación lineal de vectores en S.
Para demostrar la unicidad (que en un vector dado puede representarse sólo de una
ecuación es la trivial,
Dimensión
demostrar que la dimensión de W es finita y que la dimensión de Wes menor o igual que n.
columna de A.
Estos dos comparten muchas propiedades, pero debido al conocimiento que se tiene
sobre las operaciones elementales en los renglones se empieza por considerar el espacio
renglón de una matriz. Cabe recordar que dos matrices son equivalentes por renglones si una
siguiente teorema establece que las matrices equivalentes por renglones tienen el mismo
espacio renglón.
Si una matriz A es equivalente por renglones a una matriz B que está en forma
escalonada, entonces los vectores renglón de B diferentes de cero forman una base del
espacio renglón de A.
ESPACIOS VECTORIALES 15
Un espacio vectorial
(𝒗, 𝒗) ≥ 𝟎
(𝒗, 𝒗) = 𝟎 𝒔𝒊 𝒚 𝒔ó𝒍𝒐 𝒔𝒊 𝒗 = 𝟎.
(𝒖 + 𝒗, 𝒘) = (𝒖, 𝒘) + (𝒗, 𝒘)
̅̅̅̅̅̅̅̅
(𝒖, 𝒗) = (𝒗, 𝒖)
‖𝒖‖ = √(𝒖, 𝒖)
ESPACIOS VECTORIALES 16
Schmidt
Conjunto ortormal
𝒖𝒊 ∙ 𝒖𝒊 = 𝟏
siguiente fórmula:
|𝒗| = √𝒗 ∙ 𝒗
ejemplo.
ESPACIOS VECTORIALES 17
1 0 1
tomamos a 𝑠 = {𝒗𝟏 , 𝒗𝟐 , 𝒗𝟑 } = {(1) , (1) , (0) } (es una base en 𝘙3 );
0 1 1
1
primer vector de la base que se nos dio, es decir; 𝒗𝟏 = (1). A este vector le sacaremos su
0
norma la cual es |𝒗𝟏 | = √(1)2 + (1)2 + (0)2 = √2; ahora el para sacar a 𝒖𝟏 a cada
1 √2
1
elemento de nuestro vector 𝒗𝟏 = (1) lo dividiremos entre su norma es decir 𝒖𝟏 = √2
=
0 0
(√2)
1
√2
( 1 ). Este es nuestro primer vector de la base ortonormal.
√2
0
Ahora para sacar el segundo vector; es decir 𝒖𝟐 sacaremos otro vector 𝒗′𝟐 que se
1
0 √2 0
1
obtendrá con la siguiente formula 𝒗′𝟐 = 𝒗𝟐 − (𝒗𝟐 ∙ 𝒖𝟏 )𝒖𝟏 = (1) − ( 1 ) = (1) −
√2
1 √2 1
0
1⁄ − 1⁄2
2 3
(1⁄ ) = ( 1⁄ ), despues obtendremos su norma, es decir; |𝒗′𝟐 | = √2. Ya obtenido esto
2 2
0 1
se sacara 𝒖𝟐 el cual es igual al dividir cada elemento del vector 𝒗′𝟐 entre su norma (entre
− 1⁄
√6
′
|𝒗𝟐 |). Por lo que obtenemos que el vector 𝒖𝟐 = 1⁄ .
√6
2
( ⁄√6 )
Ahora obtendremos nuestro último vector que es 𝒖𝟑 ; al igual que en el paso anterior
1
1
√6
1 1 √2 1 1
𝒗′𝟑 = 𝒗𝟑 − (𝒗𝟑 ∙ 𝒖𝟏 )𝒖𝟏 − (𝒗𝟑 ∙ 𝒖𝟐 )𝒖𝟐 = (0) − 1 −
2 √6 √6
1 √2 2
(0)
(√6)
−1
1 2
6 3
1 √2 1 2
= (0) − 1 − = −
1 6 3
√2 2 2
(0) ( ) ( 3 )
6
2
De la misma forma sacamos su norma es decir|𝒗′𝟑 | = ; para obtener el vector que
√3
nos interesa que es el 𝑢3 hay que dividir cada elemento de nuestro vector 𝒗′𝟑 entre su norma
1⁄
√3
′ 2
|𝒗𝟑 | = con lo que obtendremos que 𝑢3 = −1⁄ .
√3 √3
1
( ⁄√3 )
Por último ya obtenidos nuestros tres vectores concluimos que nuestra base
1⁄ − 1⁄ 1⁄
√6 √3
√2 1 −1
ortonormal es 𝑠 ′ = 1⁄ , ⁄ , ⁄
√6 √3
√2 2 1
( 0 )
{ ( ⁄√6 ) ( ⁄√3 )}
Para generalizar la formula anterior la cual nos da los vectores de la nueva base la
CONCLUSION.
Con este trabajo nos pudimos dar una idea de que los vectores están muy relacionados
con las matrices y además del amplio campo que tiene el álgebra lineal. Así mismo pudimos
ver que hay muchas maneras de trabajar con ellos; así como de las diferentes operaciones que
se puede realzar con estos como lo son el producto punto, la bases ortotormales, la norma o
longitud, etc.
También nos sirvió para darnos cuenta de que todo lo que hemos visto en la materia
está muy relacionado con estos últimos temas y de la gran importancia que tienen; ya que son
Referencias
https://www.youtube.com/watch?v=85INoJkycAU