Portafolio de Evidencia Unidad 4

PORTAFOLIO
DE EVIDENCIA
UNIDAD 4
Jesús Herrera Triana
Manuel Alejandro Bosquez Robles

ING.Naval
índice
Definición de Espacio Vectorial
Definición de subespacio vectorial
Combinación y dependencia lineales
Base y dimensión de un espacio vectorial
Espacio Vectorial con producto interno y sus

propiedades
BASE ORTONORMAL. PROCESO DE

ORTONORMALIZACION DE GRAND SMITH
4.1 ESPACIO VECTORIAL
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 a continuación.
Un espacio vectorial es un conjunto no vacío VV de objetos, llamados vectores, en

el que se han definido dos operaciones: la suma y el producto por un escalar
(número real) sujetas a los diez axiomas que se dan a continuación. Los axiomas
deben ser válidos para todos los vectores uu, vv y ww en VV y todos los
escalares αα y ββ reales.
Llamamos u+vu+v a la suma de vectores en VV, y αvαv al producto de un número
real αα por un vector v∈Vv∈V.
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 ecalar, 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.

4.2 DEFINICION DE SUB ESPACIO VECTORIAL Y
SUS PROPIEDADES
Sea V un espacio vectorial y W un subconjunto no vacío de V.
W es un subespacio de V si W es en sí mismo un espacio vectorial con las
mismas operaciones (suma de vectores y producto por un escalar) definidas en V.
Ejemplo
W={(x1,x2)∈R2:x2=3x1}W={(x1,x2)∈R2:x2=3x1} ¿es un subespacio de R2R2?
Primero analicemos el conjunto WW. Son todos vectores de R2R2 tales que la
segunda componente es el triple de la primera:
(x1,3x1)=x1(1,3)(x1,3x1)=x1(1,3)
W es la recta que pasa por el origen y tiene vector director (1,3), o sea la recta de
ecuación y = 3x.
Para decidir si W es un subespacio de R2 habría que verificar que se cumplen los

axiomas del 1 al 10. El lector puede comprobar que todos se cumplen en este
caso.
Pero en general no es necesario verificar los axiomas porque existe un criterio

sencillo para determinar si un subconjunto W de un espacio vectorial V es un
subespacio, es el que sigue.
Propiedades de los espacios vectoriales
A partir de los axiomas de espacios vectoriales, pueden demostrarse estas

propiedades que resultan «naturales»:
Propiedad 1
0u=0V
Propiedad 2
α0V=0V
Propiedad 3
(–α)u=–(αu)
En particular, para α=1: (–1)u=–u
Propiedad 4
αu=0V ⇒ α=0 ∨ u=0V
Veamos cómo puede demostrarse esta última propiedad:
Si α=0, se cumple la proposición.
Si α≠0, podemos multiplicar por 1/ α:
1 1
𝛼𝑢 = 0𝑣 → 𝛼𝑢 = 0𝑣 → 𝑢 = 0𝑣
𝛼 𝛼
4.3 COMBINACION LINEAL, INDEPENDENCIA

LINEAL
Combinación Lineal
Vectores:𝑅2 , 𝑅3
Escalares: R
1 5
Producto escalar de un vector : {𝑓 ∗𝑉 = 5 (−3) = (−15)
5 25
Dado n vectores: 𝑣1 , 𝑣2 , 𝑣3 … . . 𝑣𝑛 𝑓1 , 𝑓2
Cuando hablamos de una combinación lineal es el escalar 1 por el vector 1 mas el
escalar 2 por el vector 2
(𝑓1∗𝑣1 )+(𝑓2 ∗𝑣2)
3 9 3
Si el vector V es igual 𝑉 = ( 4 ) ; 𝑊 = (0) ; 𝑍 = ( 8 ) a que equivale la
−2 2 −1
combinación: 2v+3w-1z
3 9 3 6 27 −3 30
2 4 + 3 0 − 8 = 8 + 0 + −8 = 0 )
( ) ( ) ( ) ( ) ( ) ( ) (
−2 2 −1 −4 6 1 3
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
Restar 2-1
0 = (c1- k1) v1+(c2- k2) v2+…+(cn- kn) vn
Ejemplo:
demostrar si S = {v1, v2,…, v3} es base de R3, v1 = (1,2,1); v2 = (2,9,0); v3 = (3,3,4)
Proponer vector arbitrario, combinación lineal
b = c1v1+ c2v2+ c3v3
(b1, b2, b3) = c1(1,2,1)+ c2(2,9,0)+ c3(3,3,4)
(b1, b2, b3) = c1+2c2+3c3;2c1+9c2+3c3; c1+4c3
c1 + 2c2 + 3c3 = b1 det A = [(1*9*4)+(2*3*1)+0]-[(1*9*3)+0+(4*2*2)]
2c1 + 9c2 + 3c3 = b2 = [36+6]-[27+16]
c1 + 4c3 = b3 = -1 Si genera a R3
Unicidad representación de la base
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 manera), se supone que u tiene otra representación u= b1v1 + b2v2+…+bnvn.
Al restar la segunda representación de la primera se obtiene:
u-u = (c1-b1)v1 + (c2-b2)v2 +… + (cn-bn)vn = 0.
Sin embargo como S es linealmente independiente, entonces la única solución de

esta ecuación es la trivial,
c1-b1=0 c2-b2=0, …, cn-bn=0.
Ejemplo: Unicidad de la Representación de la Base
Sea u = (u1, u2, u3) cualquier vector en R3. Demuestre que la ecuación u= c1v1+
c2v2 + c3v3 tiene solución única para la base S= {v1, v2, v3}= {(1,2,3),(0,1,2), (-
2,0,1).
Solución: Con base en la ecuación
(u1, u2, u3)= c1(1,2,3) + c2(0,1,2)+c3(-2,0,1)

= (c1-2c, 2c1 + c2, 3c1 + 2c2 + c3),
Se obtiene el siguiente sistema de ecuaciones
C1 -2c3= u1
2C1 + C2 = u2
3C1 + 2C2 + C3= u3
A C U
Como la matriz A es invertible, se sabe que este sistema tiene una solución única
dada por C=A-1U. Al despejar A-1 se obtiene
Lo cual implica que
c1= -u1 + 4u2 – 2u3

c2= 2u1 – 7u2 + 4u3
c3= -u1 + 2u2 – u3
Por ejemplo, el vector u = (1,0,0) puede representarse de manera única como una
combinación lineal de v1, v2 y v3 en la forma siguiente.
(1,0,0) = -v1 + 2v2 – v3
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.
Ejemplo: Determinación de la dimensión de un subespacio
Sea W el subespacio de todas las matrices simétricas en M2,2 ¿Cuál es la

dimensión de W?
Solución: Toda matriz simétrica 2 X 2 es de la forma
Por consiguiente, el conjunto
Genera a W. Además puede demostrarse que S es linealmente independiente, y

se concluye que la dimensión de W es 3.
Para concluir que un conjunto S= { v1, v2, …, vn} es una base de un espacio
vectorial V es necesario saber que S satisface dos condiciones: que S genera a V
y es linealmente independiente.
Definición de Espacio Renglón y Espacio Columna de una matriz
Sea A una matriz m x n.
El espacio renglón de A es el subespacio de Rn generado por los vectores

renglón de A.
El espacio columna de A es el subespacio de Rn generado por los vectores
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 puede obtenerse a partir de la otra al aplicar
operaciones elementales en los renglones. El siguiente teorema establece que las
matrices equivalentes por renglones tienen el mismo espacio renglón.
Base para el Espacio Renglón de una Matriz
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.
Ejemplo: Determinación de una base para un espacio renglón
Encuentre una base para el espacio renglón de
Solución: Mediante las operaciones elementales en los renglones, A vuelve a

escribirse en forma escalonada como se muestra a continuación
Los vectores renglón diferente de cero, w1=(1,3,1,3), w2=(0,1,2,0), w3= (0,0,1,-1),
forman una base del espacio renglón de A.
Ejemplo: Determinación de una base del espacio columna de una Matriz
Determine una base del espacio columna de la matriz A
Se empieza considerando la traspuesta de A, y luego aplicar las operaciones

elementales en los renglones para volver a escribir A´ en forma escalonada.
Así w1=(1,0,-3,3,2), w2= (0,1,9,-5,-6), y w3 =(0,0,1,-1,-1) forman una base del

espacio renglón de At, lo que equivale a afirmar que forman una base del espacio
columna de A.
Definición del Rango de una Matriz
La dimensión del espacio renglón (o columna) de una matriz A se llama rango de

A y se denota por rango (A).
Ejemplo: Determinación del Rango de una Matriz

Encuentre el rango de la matriz
Solución: La matriz dada se convierte a la forma escalonada como sigue:
Como B tiene tres renglones diferentes de cero, entonces el rango de A es 3.

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

ORTONORMALIZACION DE GRAND SMITH
El proceso se basa en un resultado de la geometría euclídea, el cual establece
que la diferencia entre un vector y su proyección sobre otro vector, es
perpendicular al vector. Dicho resultado constituye una herramienta para construir,
a partir de un conjunto de dos vectores no paralelos, otro conjunto, conformado
por dos vectores perpendiculares.
Este algoritmo recibe su nombre de los matemáticos Jørgen Pedersen
Gram y Erhard Schmidt.

Portafolio de Evidencia Unidad 4

Cargado por

Copyright:

Formatos disponibles

Portafolio de Evidencia Unidad 4

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Portafolio de Evidencia Unidad 4

Cargado por

Copyright:

Formatos disponibles

PORTAFOLIO

Manuel Alejandro Bosquez Robles

Definición de subespacio vectorial

Combinación y dependencia lineales

Base y dimensión de un espacio vectorial

Espacio Vectorial con producto interno y sus

BASE ORTONORMAL. PROCESO DE

Un espacio vectorial real V es un conjunto de objetos, denominados vectores,

Un espacio vectorial es un conjunto no vacío VV de objetos, llamados vectores, en

Si “x” y “y” están en V y si a es un número real, entonces la suma se escribe

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,

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 ecalar, 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.

W={(x1,x2)∈R2:x2=3x1}W={(x1,x2)∈R2:x2=3x1} ¿es un subespacio de R2R2?

Para decidir si W es un subespacio de R2 habría que verificar que se cumplen los

Pero en general no es necesario verificar los axiomas porque existe un criterio

Propiedades de los espacios vectoriales

A partir de los axiomas de espacios vectoriales, pueden demostrarse estas

En particular, para α=1: (–1)u=–u

αu=0V ⇒ α=0 ∨ u=0V

Veamos cómo puede demostrarse esta última propiedad:

Si α=0, se cumple la proposición.

Si α≠0, podemos multiplicar por 1/ α:

4.3 COMBINACION LINEAL, INDEPENDENCIA

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

u-u = (c1-b1)v1 + (c2-b2)v2 +… + (cn-bn)vn = 0.

Sin embargo como S es linealmente independiente, entonces la única solución de

c1-b1=0 c2-b2=0, …, cn-bn=0.

Ejemplo: Unicidad de la Representación de la Base

(u1, u2, u3)= c1(1,2,3) + c2(0,1,2)+c3(-2,0,1)

Se obtiene el siguiente sistema de ecuaciones

c1= -u1 + 4u2 – 2u3

(1,0,0) = -v1 + 2v2 – v3

La dimensión de Rn con las operaciones normales es n.

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

Ejemplo: Determinación de la dimensión de un subespacio

Sea W el subespacio de todas las matrices simétricas en M2,2 ¿Cuál es la

Solución: Toda matriz simétrica 2 X 2 es de la forma

Por consiguiente, el conjunto

Genera a W. Además puede demostrarse que S es linealmente independiente, y

Definición de Espacio Renglón y Espacio Columna de una matriz

Sea A una matriz m x n.

El espacio renglón de A es el subespacio de Rn generado por los vectores

Estos dos comparten muchas propiedades, pero debido al conocimiento que se

Base para el Espacio Renglón de una Matriz

Ejemplo: Determinación de una base para un espacio renglón

Encuentre una base para el espacio renglón de

Solución: Mediante las operaciones elementales en los renglones, A vuelve a

Ejemplo: Determinación de una base del espacio columna de una Matriz

Determine una base del espacio columna de la matriz A