Investigación

Ingeniería Electrónica, Instituto Tecnológico De Tuxtla

Gutiérrez

Del Porte Lopez Angel Jhair

Algebra Lineal

Ing. Gilbert Francis Pérez García

13 De Diciembre De 2022
1.Espacio vectorial

Un espacio vectorial es un conjunto no vacío V 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 axiomas que se dan a continuación. Los axiomas
deben ser válidos para todos los vectores u, v y w en V y todos los
escalares αα y ββ reales.
Llamamos u+v a la suma de vectores en V, y αv al producto de un número
real α por un vector v ∈ V.
1. u + (v + w) = (u + v) + w, ∀u, v, w ∈ V (asociativa).
2. u + v = v + u, ∀u, v ∈ V (conmutativa).
3. Existe e ∈ V tal que e + v = v + e = v, ∀v ∈ V (elemento neutro).
4. Para cada v ∈ V existe w tal que v + w = w + v = e (elemento opuesto).
5. λ(µv) =(λµ)v, ∀v ∈ V, ∀λ, µ ∈ R (seudo-asociativa).
6. λ(u+v) = λu+λv y (λ+µ) v = λv +µv, ∀u, v ∈ V y ∀λ, µ ∈ R (distributiva).
7. 1v = v, ∀v ∈ V (unimodular).
De forma abreviada, diremos que V es un espacio vectorial. A los elementos de
V lo llamamos vectores y a los de R, escalares.
Proposición 1.1 En un espacio vectorial V,
1. El elemento neutro es único. Se denotará por 0.
2. El elemento opuesto de un vector es ´única. Si v es un vector, su opuesto lo
denotamos por −v.
Proposición 1.2 En un espacio vectorial se tiene las siguientes propiedades:
1. λ0=0, λ ∈ R.
2. 0v = 0, v ∈ V.
3. (−λ) v = −(λv), λ ∈ R, v ∈ V.0
4. Si λv = 0, entonces λ = 0 o v = 0
Ejemplo 1
De acuerdo con las propiedades que vimos en la primera unidad, podemos
afirmar que R3 es un espacio vectorial.
Los espacios Rn, con n≥1, son los ejemplos principales de espacios vectoriales.
La intuición geométrica desarrollada para R3 nos ayudará a entender y visualizar
muchos conceptos de esta unidad.
Los vectores de Rn son n-uplas de números reales, o sea:
Rn= {(x1, x2, …, xn), con xi ∈R}
En Rn, la suma de vectores y el producto por un escalar se definen así:
Sean
u= (u1, u2…, un) y v= (v1, v2, …vn) ∈Rn
u+v= (u1+v1, u2+v2, …, un+vn) ∈Rn
αv= (αv1, αv2, …, αvn) ∈Rn

Puede comprobarse que las operaciones definidas verifican los axiomas de

espacio vectorial.

Ejemplo 2

De acuerdo con las propiedades enunciadas en la segunda unidad, para

cada m y n R mxn es un espacio vectorial.
Tenemos por ejemplo R2×3, espacio vectorial cuyos vectores son las matrices
de 2×3.

Bibliografía
Algebra Y Geometría Analítica (8 Noviembre, 2017) I. Pustilnik Y F. Gómez
https://aga.frba.utn.edu.ar/espacios-y-subespacios-
vectoriales/#:~:text=Videos%20relacionados-
,Definici%C3%B3n%20de%20espacio%20vectorial,que%20se%20dan%20a%2
0continuaci%C3%B3n.
Espacios vectoriales (2003-2004) (Rafael Lopez, Departamento de Geometría y
Topología Universidad de Granada)
https://www.ugr.es/~rcamino/docencia/geo1-03/g1tema1.pdf

2. Subespacio vectorial
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} ¿es un subespacio de R2?
Primero analicemos el conjunto W. Son todos vectores de R2 tales que la
segunda componente es el triple de la primera:
(x1,3x1) =x1(1,3)
WW 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.
Condiciones necesarias y suficientes para caracterizar subespacios
Sea W un subconjunto de un espacio vectorial V (W⊆V).
W es subespacio de V si y sólo si se cumplen las siguientes condiciones:
a. 0V está en W.
b. Si u y v están en W, entonces u+v está en W.
c. Si u está en W y k es un escalar, ku está en W.

Observaciones
1. La condición (a) asegura que W no es vacío. La mejor manera de comprobar
si W es un subespacio es buscar primero si contiene al vector nulo. Si 0V está
en W, entonces deben verificarse las propiedades (b) y (c). Si 0V no está en W,
W no puede ser un subespacio y no hace falta verificar las otras propiedades.
2. Las propiedades a, b y c corresponden a los axiomas de espacios vectoriales.
3. Los axiomas de espacio vectorial se cumplen para W porque éste es un
subconjunto de V. Puede decirse que W «hereda» esas propiedades de V.
4. Faltaría comprobar que cada vector de W tiene su opuesto en W (axioma de
espacios vectoriales):
Teniendo en cuenta la condición (c) de subespacios,
c. Si u está en W y k es un escalar, ku está en W.
Si tomamos k=–1, resulta:
Para cada u ∈ W, (–1) u=–u ∈ W.
Y por lo tanto cada vector de W tiene su opuesto en W.
De las observaciones anteriores se deduce que las condiciones (a), (b) y (c) son
suficientes para demostrar que W es un espacio vectorial, y por lo tanto
subespacio de V.

Bibliografía
Algebra Y Geometría Analítica (8 Noviembre, 2017) I. Pustilnik Y F. Gómez
https://aga.frba.utn.edu.ar/espacios-y-subespacios-
vectoriales/#:~:text=Videos%20relacionados-
,Definici%C3%B3n%20de%20espacio%20vectorial,que%20se%20dan%20a%2
0continuaci%C3%B3n.
Espacios vectoriales (2003-2004) (Rafael Lopez, Departamento de Geometría y
Topología Universidad de Granada)
https://www.ugr.es/~rcamino/docencia/geo1-03/g1tema1.pdf
3. Combinación Lineal. Independencia Lineal
Combinación lineal

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 son linealmente

dependientes si sus componentes son proporcionales.

4. vectores en son linealmente dependientes si su determinante es igual

a cero.

Ejemplo
Sea un bloque sostenido por dos cuerdas sobre un plano inclinado donde no hay
rozamiento. El sistema está en reposo. Las fuerzas que actúan sobre el bloque
(F 1, F¯2 y W) son elementos de un espacio vectorial. Como el sistema está en
equilibrio estático, la resultante de la suma de fuerzas es el vector nulo; es decir
F1 + F 2 + W = 0
lo cual es una combinación lineal de fuerzas. Tomando las fuerzas F 1 = ( −2 √
3, 2) [N] y la masa del bloque es 1,223 [kg], calcula el valor de la fuerza en la
cuerda 2.
Tomando la dirección de la aceleración debida a la gravedad como g = (0, −9,81)
m/ s2, la combinación lineal se dará como
F1 + F2 + W = 0
F 2 = −F 1 – mg
donde F 2 es una combinación lineal de F1 y g.
F2 = − ( −2 √ 3, 2) − 1,223 (0, −9,81) = (2 √ 3, −2 + 12) ⇒ F2 = (2 √ 3, 10) [N]
que es el resultado buscado a partir combinaciones lineales.
Independencia lineal
Varios vectores libres son linealmente independientes si ninguno de ellos
puede ser escrito con una combinación lineal de los restantes, de manera que,
si la combinación lineal es igual a cero, entonces cada uno de sus coeficientes
es igual a cero

Los vectores linealmente independientes tienen distinta dirección y sus

componentes no son proporcionales.

vectores en son linealmente independientes si su determinante es distinto

de cero.

Ejemplo
Determina la independencia lineal de A = { 3x 2 + x + 1, x + 1, x2 − 2x} y B ={x 2
+ x + 1, −2x 2 + 2, x2 + 3x + 5} .
Si al plantear la ecuación de dependencia lineal entre los elementos del conjunto
se obtiene una solución trivial, el conjunto es independiente; en caso contrario
será dependiente. Conjunto A
α1 (3x2 + x + 1) + α2 (x + 1) + α3(x2 − 2x) = 0x2 + 0x + 0
El sistema de ecuaciones se obtiene por igualdad en polinomios:
(3α1 + α3) x2 + (α1 + α2 − 2α3) x + (α1 + α2) = 0x2 + 0x + 0
3α1 +α3 = 0
α1 +α2 −2α3 = 0 ⇒ α1 = 0, α2 = 0α3 = 0
α1 +α2 = 0
La única solución al sistema de ecuaciones es la trivial; por lo tanto, el conjunto
es linealmente independiente.
Conjunto B
α1(x 2 + x + 1) + α2 (−2x 2 + 2) + α3(x 2 + 3x + 5) = 0x2 + 0x + 0
Al plantear el sistema de ecuaciones (α1 − 2α2 + α3) x 2 + (α1 + 3α3) x + (α1 +
2α2 + 5α3) = 0x 2 + 0x+ 0
α1 −2α2 +α3 = 0 α1 +3α3 = 0
α1 +2α2 +5α3 = 0 ⇒ α1 −2α2 +α3 = 0
−2α2 −2α3 = 0 −4α2 −4α3 = 0
∴ α1 = −3α3, α2 = −α3, α3 ∈ R
Al escalonar se llega al sistema compatible indeterminado; es decir, la solución
trivial no es la única que satisface al sistema y en consecuencia el conjunto es
linealmente dependiente. Puede observarse que
x 2 + 3x + 5 = 3(x2 + x + 1) + (−2x2 + 2)
Es decir, el tercer polinomio es una combinación lineal de los dos primer.

Bibliografía
Algebra lineal (2016) Ing. Aldo Jiménez A.
http://samhain.softgot.com/algebralineal/lecturas/AL-lectura4.pdf
Dependencia e independencia lineal. Bases (2021)
https://www.superprof.es/apuntes/escolar/matematicas/analitica/vectores/depen
dencia-e-independencia-lineal-bases.html

4. Base y dimensión 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 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
Cambio De Base
En un espacio vectorial V, dadas dos bases B y B’, se llama matriz de cambio de
base (o de cambio de coordenadas) de B a B’ a la matriz que contiene en sus
columnas las coordenadas de los vectores de la base B expresados en función
de la base B’.
Su utilidad es la siguiente: Conocidas las coordenadas de un vector en base B,
nos permitirá hallar las coordenadas de dicho vector en base B’.
En efecto, sean (a1, a2, . . . an) las coordenadas de un vector en base B, y sea
P la matriz de cambio de base de B a B’. Entonces:
P * (a1, a2, …an) = (b1, b2, …bn)
obteniéndose así (b1, b2, . . . bn) las coordenadas del vector en base B’.
Ejemplo.
Consideremos en R2 las dos bases siguientes:
la base del ejemplo (1) anterior, B = {(2,3), (1, –1)}
la base canónica B’ = {(1,0), (0,1)}
• Vamos a construir la matriz de cambio de base de B a B’.
Para ello debemos expresar los vectores de la base B en función de la base
canónica B’.
(2,3) = 2· (1,0) + 3· (0,1) --- coordenadas (2,3)
(–1,1) = 1· (1,0) –1· (0,1) --- coordenadas (1, –1)
Introduciendo estas coordenadas en las columnas de una matriz, tendremos la
matriz de cambio de base de B a B’:
P = (2 1)
(3 -1)

Bibliografía
ÁLGEBRA LINEAL - Bases y dimensión, (2021), (Neila Campos - Univ. de
Cantabria)
https://personales.unican.es/camposn/2_BASES_Y_DIMENSION.pdf
Base Y Dimensión De Un Espacio Vectorial- (9 Diciembre, 2015) (Yesenia Del
Angel) https://yeseniadelangel.wordpress.com/2015/12/09/4-4-base-y-
dimension-de-un-espacio-vectorial-cambio-de-base/
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.
EJEMPLO:
producto interno de dos vectores en C3
En C3 sean x= (1+i, -3, 4-3i) y y= (2-i, -i, 2+i). entonces
Sea V un espacio con producto interno y suponga que u y v están en V.
entonces

Nota 1. Aquí se usa la doble barra en lugar de una sola para evitar confusión
con el valor absoluto. Por ejemplo, ǁsen tǁ denota la norma de sen t como un
“vector” en C [0, 2π] mientras que |sen t| denota el valor absoluto de la función
sen t.
Nota 2. La ecuación anterior tiene sentido ya que (u, u) ≥0.
Bibliografía
Sistemas Algebra Lineal, (2021)
https://sites.google.com/site/sistemasalgebralineal/unidad-4---espacios-
vectoriales/espacio-vectorial-con-producto-interno
Algebraic Trick, (martes, 8 De diciembre De 2015), Brenda Ortiz
http://algebragoals.blogspot.com/2015/12/45-espacio-vectorial-con-
producto.html

6. Base ortonormal, proceso de orto-normalización

de Gram-Schmidt
en álgebra lineal, el proceso de orto normalización 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.

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, es perpendicular al primero. 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.

El problema
Sea A = {(0 2 0), (4 -1 -3), (3 2 4)} una base de R3. ¿Encuentre la matriz de
cambio de base de la base A, a la base ortonormal obtenida al ortogonalizar A
utilizando el proceso de Gram-Schmidt?

La respuesta

El primer paso es utilizar el proceso de Gram-Schmidt para obtener una base

ortogonal a partir de la base A.

Llamemos V = {v1, v2, v3} a esta base:

v1 = a1 = (0 2 0)

<a2, v1>
v2 = a2 - ——————— • v1
‖v1‖²

<a2, v1> = < (4 -1 -3), (0 2 0)> = -2

‖v1‖² = 4

v2 = (4 -1 -3) - (-2) • (0 2 0) /4
v2 = (4 -1 -3) - (0 -1 0)
v2 = (4 0 -3)

<a3, v1> <a3, v2>

v3 = a3 - ——————— • v1 - ——————— • v2
‖v1‖² ‖v2‖²

<a3, v1> = < (3 2 4), (0 2 0)> = 4

‖v1‖² = 4

<a3, v2> = < (3 2 4), (4 0 -3)> = 0

‖v2‖² = 25

v3 = (3 2 4) - 4• (0 2 0) /4 - 0• (4 0 -3) /25
v3 = (3 2 4) - (0 2 0)
v3 = (3 0 4)

Luego, necesitamos normalizar la base ortogonal, dividiendo cada vector por su

norma.

‖v1‖ = 2
‖v2‖ = 5
‖v3‖ = 5

La base ortonormal B, obtenida después de normalizar todos los vectores de la

base V es:
B = {(0 1 0), (4/5 0 -3/5), (3/5 0 4/5)}
El paso final es encontrar la matriz de cambio de base de A a B.

Este paso puede ser resuelto usando diferentes métodos, aquí emplearemos la
vía matricial. La matriz de cambio de base C[A->B] de la base A a la base B, se
puede calcular multiplicando la inversa de la matriz de la base B por la matriz de
la base A.

La matriz de la base B (matriz de cambio de base de la base B a la base canónica

N) es:

┌ ┐
│ 0 4/5 3/5 │
C[B->N] = │ 1 0 0 │
│ 0 -3/5 4/5 │
└ ┘
Calculemos su inversa:

│ 0 4/5 3/5 │
│ 1 0 0 │ = -1
│ 0 -3/5 4/5 │

┌ ┐
│ 0 -4/5 -3/5 │
Cof(C[B->N]) = │ -1 0 0 │
│ 0 3/5 -4/5 │
└ ┘
┌ ┐
│ 0 -1 0 │
Adj(C[B->N]) = │ -4/5 0 3/5 │
│ -3/5 0 -4/5 │
└ ┘
┌ ┐
│ 0 1 0 │
Inv(C[B->N]) = C[N->B] = │ 4/5 0 -3/5 │
│ 3/5 0 4/5 │
└ ┘

La matriz de la base A (matriz de cambio de base de la base A, a la base canónica

N) es:

┌ ┐
│ 0 4 3 │
C[A->N] = │ 2 -1 2 │
│ 0 -3 4 │
└ ┘
Finalmente, multipliquemos las matrices C[N->B] y C[A->N].

C[A->B]11 = 0•0 + 1•2 + 0•0 = 2

C[A->B]12 = 0•4 + 1•(-1) + 0•(-3) = -1
C[A->B]13 = 0•3 + 1•2 + 0•4 = 2

C[A->B]21 = 4/5•0 + 0•2 + (-3/5)•0 = 0

C[A->B]22 = 4/5•4 + 0•(-1) + (-3/5)•(-3) = 5
C[A->B]23 = 4/5•3 + 0•2 + (-3/5)•4 = 0

C[A->B]31 = 3/5•0 + 0•2 + 4/5•0 = 0

C[A->B]32 = 3/5•4 + 0•(-1) + 4/5•(-3) = 0
C[A->B]33 = 3/5•3 + 0•2 + 4/5•4 = 5
┌ ┐
│ 2 -1 2 │
C[A->B] = │ 0 5 0 │
│ 0 0 5 │
└ ┘
La cual es la respuesta final.

Bibliografía
Algebra lineal, ( 29 de noviembre de 2016), anónimo
http://algebraitesielectroma.blogspot.com/2016/11/46-base-ortonormal-proceso-
de.html
El proceso de Gram-Schmidt, (6 febrero 2019)
https://www.nibcode.com/es/blog/1178/el-problema-de-la-semana-el-proceso-de-gram-
schmidt