Tema 3

Espacios vectoriales reales.

3.1 Espacios vectoriales.
Denicion 3.1 Un espacio vectorial real V es un conjunto de elementos denominados vec-
tores, junto con dos operaciones, una que recibe el nombre de suma de vectores y otra que
recibe el nombre de producto de vectores por n umeros reales o producto por escalares, que
verica las siguientes propiedades:
(1). u +v V ; u, v V
(2). u +v = v +u; u, v V
(3). u + (v +w) = (u +v) +w; u, v, w V
(4). Existe un vector, llamado vector cero y denotado por 0 , tal que: 0 + u = u + 0 = u;
u V
(5). Para cada vector u V , existe un vector de V , llamado opuesto de u y denotado por
u, tal que u + (u) = 0
(6). ku V ; k IR y u V
(7). k(u +v) = ku +kv; k IR y u, v V
(8). (k +l)u = ku +lu; k, l IR y u V
(9). (kl)u = k(lu); k, l IR y u V
(10). 1u = u; u V
Por ser los escalares de IR, se dice que V es un IR-espacio vectorial. Se pueden consid-
erar espacios vectoriales sobre cuerpos de escalares distintos de IR, en particular, suelen ser
interesantes los espacios vectoriales complejos, donde los escalares son de C.
Proposicion 3.2 Algunas propiedades que se deducen de las anteriores son:
a) 0u = 0
b) k0 = 0
c) (1)u = u
d) ku = 0 k = 0 o u = 0
e) El vector cero de un espacio vectorial es unico
f) El vector opuesto de cada vector del espacio vectorial es unico
3.2 Subespacios vectoriales.
Denicion 3.3 Un subconjunto W de un espacio vectorial V se dice que es un subespacio
vectorial de V si W es por si solo un espacio vectorial con las operaciones denidas en V .
Como W V , todos los vectores de W verican las propiedades 2 a 5 y 7 a 10, por tanto
es suciente probar que las operaciones suma y producto por escalares son internas en W , es
decir, que se verican las propiedades (1) y (6) en W :
Preliminares. 35
3.3 Base y dimension.
(1). u +v W ; u, v W
(6). ku W ; u W y k IR
Estas dos propiedades son equivalentes a la propiedad unica:
ku +lv W; u, v W y k, l IR.
Observacion:
Es claro, que si W es un subespacio de V , entonces 0 W .
Denicion 3.4 Se dice que un vector v V es una combinacion lineal de los vectores
v
1
, v
2
, . . . , v
n
si, y solo si, c
1
, c
2
, . . . , c
n
IR tales que v = c
1
v
1
+c
2
v
2
+ +c
n
v
n
.
Denicion 3.5 Dado un conjunto de vectores S = v
1
, v
2
, . . . , v
k
de un espacio vectorial V ,
podemos considerar el subespacio vectorial mas peque no que contiene al conjunto de vectores S
(ver ejercicios 3.4 y 3.5). Dicho subespacio, es el conjunto de todas las combinaciones lineales que
se pueden formar con los vectores del conjunto S, que se denomina subespacio lineal generado
por S y se denota por linS o linv
1
, v
2
, . . . , v
k
, y se dira que v
1
, v
2
, . . . , v
k
generan linS.
Denicion 3.6 Dado un conjunto S = v
1
, v
2
, . . . , v
k
de vectores del espacio vectorial V , la
ecuacion vectorial c
1
v
1
+c
2
v
2
+ +c
k
v
k
= 0 tiene al menos una solucion, a saber: c
1
= c
2
=
= c
k
= 0. Si esta solucion es unica, entonces se dice que S es un conjunto linealmente
independiente (o que los vectores de S son linealmente independientes). Si existen otras
soluciones, entonces se dice que S es linealmente dependiente (los vectores son linealmente
dependientes).
Se tiene la siguente caracterizacion para que un conjunto de dos o mas vectores sea lineal-
mente dependiente (ver ejercicio 3.9):
Un conjunto de dos o mas vectores es linealmente dependiente si, y solo si, al menos
uno de los vectores es una combinacion lineal de los restantes.
3.3 Base y dimension.
Denicion 3.7 Si V es un espacio vectorial y S = v
1
, . . . , v
n
es un conjunto nito de
vectores de V , diremos que S es una base de V si:
a) S es linealmente independiente, y
b) S genera a V .
Se podra pensar que dos bases de un mismo espacio vectorial pudieran tener un n umero distinto
de vectores, pero no es as, como nos asegura el teorema siguiente
Proposicion 3.8 Sean V un espacio vectorial y B una base de V formada por n vectores.
Entonces cualquier conjunto v
1
, v
2
, . . . , v
m
de vectores de V , con m > n, es linealmente
dependiente.
Teorema de la base 3.9 Cualesquiera dos bases de un espacio vectorial tienen el mismo n umero
de elementos.
Denicion 3.10 Un espacio vectorial V se dice de dimension nita si contiene un conjunto
nito de vectores que forman una base.
Si no existe un conjunto de este tipo, se dice que V es de dimension innita.
Preliminares. 36
3.4 Interseccion y suma de subespacios vectoriales.
Al espacio vectorial 0 le consideramos de dimension nita, a un cuando no tiene conjuntos
linealmente independientes.
Si un espacio vectorial V es de dimension nita, teniendo en cuenta el teorema de la base,
diremos que la dimension de V , dimV , es el n umero de vectores de cualquier base de V .
Proposicion 3.11 Si V es un espacio vectorial de dimension nita, con dimV = n, entonces:
a) un conjunto de n vectores de V es base de V , si el conjunto es linealmente independiente
o si genera a V .
b) a un conjunto de r vectores de V linealmente independiente, con r < n, se le pueden
agregar n r vectores hasta formar una base de V .
3.4 Intersecci on y suma de subespacios vectoriales.
Denicion 3.12 Si V es un espacio vectorial y E y F son dos subespacios de V , llamaremos
interseccion de E y F , y lo denotaremos por E F , al conjunto:
E F = u V : u E, y u F.
Como puede probarse facilmente, la interseccion de dos subespacios vectoriales de un mismo
espacio vectorial V , tambien es un subespacio vectorial de V . En cambio la union de dos
subespacios no tiene porque serlo.
Denicion 3.13 Si V es un espacio vectorial y E y F son dos subespacios de V , llamaremos
suma de E y F , y lo denotaremos por E +F , al conjunto:
E +F = u V : u = v +w; v E, w F.
Es facil ver que E + F es un subespacio de V , y ademas se verica que lin(E F) = E + F ,
es decir, E +F es el menor subespacio que contiene a E F .
Denicion 3.14 Un espacio vectorial V se dice suma directa de los subespacios E y F , y
se escribe V = E F (tambien se dice que E y F son subespacios suplementarios de V ) si y
solo si:
V = E +F y E F = 0
Si se verica que V = E +F , la segunda propiedad es equivalente a decir que cualquier vector
u V puede escribirse de forma unica como suma de un vector de E y otro de F .
Teorema de Grassman 3.15 Sea V un espacio vectorial de dimension nita y E y F sube-
spacios de V , entonces:
dim(E +F) = dimE + dimF dim(E F).
3.5 El espacio vectorial IR
n
Es frecuente representar el conjunto de los n umeros reales, IR, mediante el conjunto de puntos
de una recta en la que se ha denido un sistema de referencia (un origen, un sentido, y una
unidad de medida). Esta representacion nos permite identicar gracamente cada n umero real
con un punto de la recta, y viceversa.
Tambien es conocida la representacion de IR
2
= IR IR mediante el conjunto de los puntos
de un plano en el que se ha denido un sistema de coordenadas cartesianas (dos rectas perpen-
diculares entre s en las que se denen dos sistemas de referencia que tienen en com un el punto
Preliminares. 37
3.5 El espacio vectorial IR
n
origen, y la unidad de medida). En este caso, se identican pares de n umeros reales, (x, y), con
puntos del plano.
Analogamente se identican ternas de n umeros reales (x, y, z) con puntos del espacio en el
que se ha denido un sistema de coordenadas cartesianas (tres rectas perpendiculares entre s
. . . ). De esta forma se establece una biyeccion entre el conjunto IR
3
= IRIRIR y el conjunto
de los puntos del espacio tridimensional.
Aunque no sea identicable con una representacion graca, nada impide considerar n-
uplas de n umeros reales (x
1
, x
2
, . . . , x
n
), con n 4. De este modo, llamaremos espacio n-
dimensional, IR
n
, al conjunto
IR
n
= IR IR IR = (x
1
, . . . , x
n
) : x
i
IR; i = 1, . . . , n..
Utilizaremos la notacion x para designar mas brevemente al punto (x
1
, . . . , x
n
) de IR
n
. En
este caso, al n umero real x
i
lo llamaremos coordenada o componente i-esima del punto o
vector x.
Esta claro que lo mas frecuente es trabajar con IR
2
o IR
3
, pero tambien es cierto que los
casos en que n > 3 se presentan con suciente frecuencia en la practica como para justicar su
estudio. Nos encontramos con un espacio n-dimensional cada vez que consideremos un objeto
cuyo estudio requiera contemplar n aspectos distintos susceptibles de variacion.
Denicion 3.16 Diremos que dos puntos x = (x
1
, . . . , x
n
) e y = (y
1
, . . . , y
n
) de IR
n
son
iguales, y escribiremos x = y si y solo si x
i
= y
i
; i = 1, . . . , n.
Denicion 3.17 Llamaremos suma de dos puntos x, y IR
n
, y lo representaremos por x+y,
al punto:
x +y = (x
1
+y
1
, . . . , x
n
+y
n
)
Denicion 3.18 Llamaremos producto del punto x IR
n
por el n umero real IR, y
lo denotaremos por x, al punto:
x = (x
1
, . . . , x
n
) = (x
1
, . . . , x
n
)
Estas dos operaciones dotan a IR
n
de una estructura de espacio vectorial. Por esta razon,
llamaremos tambien vectores a los puntos de IR
n
.
El espacio vectorial IR
n
tiene dimension n, y cualquier vector puede escribirse de la forma
(x
1
, x
2
, . . . , x
n
) = x
1
(1, 0, . . . , 0) +x
2
(0, 1, . . . , 0) + +x
n
(0, 0, . . . , 1).
El conjunto de los vectores
B = e
1
= (1, 0, . . . , 0), e
2
= (0, 1, . . . , 0), . . . , e
n
= (0, 0, . . . , 1),
se denomina base canonica, y es la base mas sencilla y comoda, en general.
Evidentemente, existen otras operaciones que pueden dotar a IR
n
de estructura de espacio
vectorial, pero las aqu denidas son las mas usuales ya que supone trabajar con ellas a nivel
geometrico en los casos IR
2
y IR
3
.
Otros ejemplos de espacios vectoriales son:
a) El conjunto de todas las matrices de tama no n m con elementos reales, junto con las
operaciones de suma de matrices y producto de n umeros reales por matrices, ya indicadas.
b) El conjunto de las funciones f: IR IR con las operaciones
(i) (f +g)(x) = f(x) +g(x); f, g: IR IR
(ii) (kf)(x) = kf(x); k IR y f: IR IR
Preliminares. 38
3.6 Espacios de las las y las columnas de una matriz. Coordenadas.
3.6 Espacios de las las y las columnas de una matriz. Coorde-
nadas.
Denicion 3.19 Consideremos la matriz A
mn
,
A =
_
_
_
_
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
. . . .
.
.
.
a
m1
a
m2
. . . a
mn
_
_
_
_
_
_
.
Los m vectores r
1
= (a
11
, . . . , a
1n
), r
2
= (a
21
, . . . , a
2n
), . . . , r
m
= (a
m1
, . . . , a
mn
) IR
n
, se
denominan vectores la de A y el subespacio vectorial de IR
n
generado por ellos, E
f
(A) =
linr
1
, r
2
, . . . , r
m
, espacio de las las de A.
Los n vectores c
1
= (a
11
, . . . , a
m1
), c
2
= (a
12
, . . . , a
m2
), . . . , c
n
= (a
1n
, . . . , a
mn
) IR
m
,
se denominan vectores columna de A y el subespacio vectorial de IR
m
generado por ellos,
E
c
(A) = linc
1
, c
2
, . . . , c
n
, espacio de las columnas de A.
Proposicion 3.20 Si A es una matriz de tama no mn, entonces las operaciones elementales
sobre las las (resp. columnas) de A no cambian el espacio de las las (resp. columnas) de A.
Corolario 3.21 Sea A una matriz, entonces:
a) Los vectores no nulos en la forma escalonada de la matriz A, forman una base del espacio
de las las de A.
b) Los vectores no nulos en la forma escalonada de la matriz A
t
, forman una base del espacio
de las columnas de A.
Teorema 3.22 Sea A una matriz de tama no mn, entonces:
dim(E
f
(A)) = dim(E
c
(A)).
Demostracion:
El resultado es inmediato, teniendo en cuenta que rg(A) = rg(A
t
), y que el rango de una
matriz coincide con el n umero de vectores no nulos en la forma escalonada, as como el resultado
anterior.
Denicion 3.23 Dado un espacio vectorial V de dimension nita y B = v
1
, v
2
, . . . , v
n
una
base de V , para cada vector v V existen unos unicos n umeros reales c
1
, c
2
, . . . , c
n
tales que
v = c
1
v
1
+ c
2
v
2
+ + c
n
v
n
. Estos n umeros se denominan coordenadas de v relativas a la
base B. El vector de coordenadas de v relativo a la base B se denota mediante (v)
B
y es
el vector de IR
n
: (v)
B
= (c
1
, c
2
, . . . , c
n
). La matriz de coordenadas de v relativas a la base
B se denota por [v]
B
y es la matriz n 1 denida por: [v]
B
= (v)
t
B
=
_
_
_
_
_
_
c
1
c
2
.
.
.
c
n
_
_
_
_
_
_
.
3.7 Cambios de base.
Denicion 3.24 Sean B = u
1
, u
2
, . . . , u
n
y B

= v
1
, v
2
, . . . , v
n
son bases de un espacio
vectorial V . Recibe el nombre de matriz de transicion o matriz de cambio de la base B a
la base B

, la matriz de dimensiones n n, que por columnas es

P =
_
[u
1
]
B
[u
2
]
B
[u
n
]
B

_
,
es decir, la columna i-esima esta constituida por las coordenadas del vector u
i
en la base B

.
Preliminares. 39
3.8 Espacios vectoriales con producto interior.
Proposicion 3.25 Sea P la matriz de paso de una base B en otra base B

para un espacio
vectorial V . Entonces:
a) x V se tiene que [x]
B
= P [x]
B
.
b) P es inversible y su inversa, P
1
, es la matriz de paso de la base B

a la base B.
3.8 Espacios vectoriales con producto interior.
3.8.1 Producto interior. Norma. Distancia
Denicion 3.26 Un producto interior en un espacio vectorial real V es una funcion que a
cada par de vectores u, v V le asocia un n umero real, que denotaremos por u, v), de tal
manera que se cumplen las siguientes propiedades:
a) u, v) = v, u); u, v V .
b) u +v, w) = u, w) +v, w); u, v, w V .
c) ku, v) = ku, v); u, v V y k IR.
d) u, u) 0; u V y u, u) = 0 u = 0 .
Otra propiedades que se deducen de las anteriores son:
a) 0, u) = 0
b) u, v +w) = u, v) +u, w)
c) u, kv) = ku, v)
A partir de un producto interior sobre un espacio vectorial V se denen los conceptos de
norma, distancia y angulo.
Denicion 3.27 Si V es un espacio vectorial con producto interior, entonces la norma o
longitud de un vector v V se denota mediante |v| y se dene como
|v| = +
_
v, v).
La distancia entre dos vectores u y v de V se denota mediante d(u, v) y se dene como
d(u, v) = |u v| = +
_
u v, u v).
Desigualdad de Cauchy-Schwarz 3.28 Para todo u, v V , espacio con producto interior, se
tiene que
u, v)
2
|u|
2
|v|
2
.
Denicion 3.29 Si u y v son vectores, distintos de cero, de un espacio con producto interior,
entonces, como consecuencia de la desigualdad de Cauchy-Schwarz se tiene que
1
u, v)
|u| |v|
1
y por tanto existe un unico angulo, , tal que
cos =
u, v)
|u| |v|
, con 0
Preliminares. 40
3.8 Espacios vectoriales con producto interior.
Denicion 3.30 En un espacio vectorial con producto interior, V , dos vectores u y v se dicen
ortogonales si u, v) = 0.
Ademas, si u V es ortogonal a todos los vectores de un conjunto W , se dice que u es
ortogonal a W .
Propiedades basicas de la norma 3.31
a) |u| 0; u V
b) |u| = 0 u = 0
c) |ku| = [k[ |u|; u V y k IR
d) |u +v| |u| +|v|; u, v V
Propiedades basicas de la distancia 3.32
a) d(u, v) 0; u, v V
b) d(u, v) = 0 u = v
c) d(u, v) = d(v, u); u, v V
d) d(u, v) d(u, w) +d(w, v); u, v, w V
3.8.2 El espacio eucldeo n-dimensional IR
n
Sobre el espacio vectorial IR
n
denimos la siguiente funcion
IR
n
IR
n
IR
(x, y) x y = x
1
y
1
+ +x
n
y
n
=
n

i=1
x
i
y
i
siendo x = (x
1
, . . . , x
n
) e y = (y
1
, . . . , y
n
).
Como puede verse facilmente dicha funcion es un producto interior, el que se conoce como
producto interior eucldeo. Este producto interior da lugar a las conocidas como norma y
distancia eucldeas.
Se llama espacio eucldeo n-dimensional a IR
n
con las operaciones de suma, producto
por escalares y producto interior denidos.
El producto interior eucldeo, aqu denido, constituye una generalizacion a IR
n
del producto
escalar denido, y bien conocido, en IR
2
y IR
3
.
Teorema general de Pitagoras 3.33 Si u y v son dos vectores ortogonales de un espacio
vectorial con producto interior, entonces
|u +v|
2
= |u|
2
+|v|
2
.
Este resultado de facil demostracion, se reduce en IR
2
con el producto interior eucldeo, al
conocido teorema de Pitagoras.
3.8.3 Bases ortonormales. Proceso de Gram-Schmidt
Denicion 3.34 Sean V un espacio vectorial de dimension n con producto interior y
B = v
1
, v
2
, . . . , v
n
una base de V . Se dice que B es una base ortonormal de V si |v
i
| = 1,
i = 1, . . . , n y v
i
, v
j
) = 0; i, j = 1, . . . , n con i ,= j .
La ventaja de trabajar con bases ortonormales es muy grande como ya es conocido en IR
2
o
IR
3
.
Preliminares. 41
3.8 Espacios vectoriales con producto interior.
Teorema 3.35 Si B = v
1
, v
2
, . . . , v
n
es una base ortonormal para un espacio, V , con pro-
ducto interior, entonces v V se tiene que:
v = v, v
1
)v
1
+v, v
2
)v
2
+ +v, v
n
)v
n
,
es decir, (v)
B
= (v, v
1
), v, v
2
), . . . , v, v
n
)).
Teorema 3.36 Si S = v
1
, v
2
, . . . , v
k
un conjunto nito de vectores no nulos, ortogonales
dos a dos, entonces S es linealmente independiente.
Teorema 3.37 Si P es la matriz de paso de una base ortonormal B a otra base ortonormal
B

, entonces P es una matriz ortogonal (es decir, P

t
= P
1
).
Denicion 3.38 Sean V un espacio vectorial con producto interior, W subespacio de V y
B = v
1
, v
2
, . . . , v
k
una base ortonormal de W . Para cada v V , llamaremos proyeccion
ortogonal de v sobre W al vector de W
Proy
W
v = w
1
= v, v
1
)v
1
+v, v
2
)v
2
+ +v, v
k
)v
k
.
Al vector v Proy
W
v se le llama componente ortogonal de v sobre W .
Teorema 3.39 Sean V un espacio vectorial con producto interior, W subespacio de V y B =
v
1
, v
2
, . . . , v
k
una base ortonormal de W , entonces para cada v V , el vector v Proy
W
v
es ortogonal a cada vector de W .
Proceso de ortonormalizacion de Gram-Schmidt 3.40 Sean V un espacio vectorial con pro-
ducto interior de dimension nita y B = v
1
, v
2
, . . . , v
n
una base de V . Vamos a describir un
proceso para conseguir a partir de la base B una base ortonormal B

= u
1
, u
2
, . . . , u
n
. Este
proceso de ortonormalizacion es el de Gram-Schmidt y se basa en el teorema anterior.
Demostracion:
1
a
etapa.- Como v
1
,= 0 por ser de la base B, el vector u
1
=
v
1
|v
1
|
tiene norma 1.
2
a
etapa.- Sea W
1
= linu
1
, por el teorema anterior, el vector v
2
Proy
W
1
v
2
es ortogonal
a W
1
, en particular a u
1
, y como es distinto del vector 0 se tiene que
u
2
=
v
2
Proy
W
1
v
2
_
_
v
2
Proy
W
1
v
2
_
_
=
v
2
v
2
, u
1
)u
1
|v
2
v
2
, u
1
)u
1
|
es ortogonal a u
1
y tiene norma 1. En efecto, si fuera v
2
v
2
, u
1
)u
1
= 0 , entonces
0 = v
2
v
2
, u
1
)u
1
= v
2
v
2
, u
1
)
v
1
|v
1
|
=
1
v
1
+
2
v
2
,
para
1
=
v
2
, v
1
)
|v
1
|
y
2
= 1 y, en consecuencia, v
1
, v
2
sera un conjunto linealmente de-
pendiente, lo que es absurdo por ser B = v
1
, v
2
, . . . , v
n
una base de V .
3
a
etapa.- Sea W
2
= linu
1
, u
2
, aplicando el teorema anterior, sabemos que el vector v
3

Proy
W
2
v
3
es ortogonal a W
2
, en particular a u
1
y u
2
, y como es distinto del vector 0 , se tiene
que
u
3
=
v
3
Proy
W
2
v
3
_
_
v
3
Proy
W
2
v
3
_
_
=
v
3
v
3
, u
1
)u
1
v
3
, u
2
)u
2
|v
3
v
3
, u
1
)u
1
v
3
, u
2
)u
2
|
Preliminares. 42
3.9 Ejercicios.
es ortogonal a u
1
y u
2
, y tiene norma 1. En efecto, si fuera v
3
v
3
, u
1
)u
1
v
3
, u
2
)u
2
= 0 ,
entonces
0 =v
3
v
3
, u
1
)u
1
v
3
, u
2
)u
2
=
=v
3
v
3
, u
1
)
v
1
|v
1
|
v
3
, u
2
)
v
2
v
2
, u
1
)u
1
|v
2
v
2
, u
1
)u
1
|
=
1
v
1
+
2
v
2
+
3
v
3
;
y como
3
= 1, v
1
, v
2
, v
3
sera un conjunto linealmente dependiente, lo que es absurdo por
ser B = v
1
, v
2
, . . . , v
n
una base de V .
Continuando con el proceso se va construyendo un conjunto ortonormal de n vectores no nulos,
B

= u
1
, u
2
, . . . , u
n
. Dado que dimV = n y que todo conjunto ortonormal es linealmente
independiente, se concluye que B

es una base ortonormal de V .

3.9 Ejercicios.
3.1 Determinar si son espacios vectoriales los siguientes conjuntos:
a) IR
2
con las operaciones: (x, y) + (x

, y

) = (x +x

, y +y

) y k(x, y) = (2kx, 2ky).

b) A = (x, 0) : x IR con las operaciones usuales de IR
2
.
c) IR
2
con las operaciones: (x, y) +(x

, y

) = (x +x

+1, y +y

+1) y k(x, y) = (kx, ky).

d) El conjunto de los n umeros reales estrctamente positivos, IR
+
0, con las opera-
ciones: x +x

= xx

y kx = x
k
.
3.2 Cuales de los siguientes conjuntos son subespacios vectoriales de IR
3
o IR
4
?
a) Todos los vectores de la forma (a, 1, 1).
b) Todos los vectores de la forma (a, b, c) con b = a +c.
c) Todos los vectores de la forma (a, b, c, d) con a + 2d = 7.
d) Todos los vectores de la forma (a, b, c, d) con ba = 0.
3.3 Sean v
1
= (2, 1, 0, 3), v
2
= (3, 1, 5, 2) y v
3
= (1, 0, 2, 1). Cuales de los vectores
(2, 3, 7, 3), (0, 0, 0, 0), (1, 1, 1, 1) y (4, 6, 13, 4), estan en linv
1
, v
2
, v
3
?
3.4 Sea V un espacio vectorial y S = v
1
, . . . , v
k
. Probar que linS es un subespacio vectorial
de V .
3.5 Sea V un espacio vectorial y S = v
1
, . . . , v
k
. Probar que si W es un subespacio vectorial
de V que contiene a los vectores de S, entonces linS W .
3.6 Sean V un espacio vectorial y E y F dos subespacios de V . Probar que E F y E +F
son subespacios de V .
3.7 Para que valores reales de los vectores v
1
= (,
1
2
,
1
2
) v
2
= (
1
2
, ,
1
2
) y v
3
=
(
1
2
,
1
2
, ) forman un conjunto linealmente dependiente en IR
3
?
3.8 Dados tres vectores linealmente independientes u, v y w, demostrar que u+v, v +w y
w +u son tambien linealmente independientes.
3.9 Probar que si los vectores v
1
, . . . , v
k
son linealmente dependientes, al menos uno de ellos
se puede escribir como una combinacion lineal de los restantes.
3.10 Determinar la dimension de los siguientes subespacios de IR
4
:
a) Todos los vectores de la forma (a, b, c, 0).
b) Todos los vectores de la forma (a, b, c, d) con d = a +b y c = a b.
c) Todos los vectores de la forma (a, b, c, d) con a = b = c = d.
Preliminares. 43
3.9 Ejercicios.
3.11 Demostrar que los vectores solucion de un sistema no homogeneo compatible, AX = B, de
m ecuaciones con n incognitas no forman un subespacio de IR
n
. Que ocurre si el sistema
es homogeneo, es decir, si B = 0?
3.12 Considerar en IR
4
los siguientes conjuntos de vectores:
A = (1, 2, 1, 3), (0, 1, 0, 3) B = (1, 1, 1, 0), (2, 3, 1, 2), (0, 0, 0, 1)
a) Hallar las dimensiones de lin(A) y de lin(B).
b) Hallar las ecuaciones parametricas de lin(A) y de lin(B).
c) Hallar una base de lin(A) + lin(B).
d) Hallar las ecuaciones cartesianas de lin(A) y de lin(B).
e) Hallar la dimension de lin(A) lin(B).
3.13 Consideremos en el espacio vectorial IR
3
la base B = u
1
, u
2
, u
3
. Sea E el subespacio
engendrado por los vectores
v
1
= u
1
+ 3u
3
, v
2
= 2u
1
3u
2
+u
3
, v
3
= 4u
1
3u
2
+ 7u
3
.
Sea F el subespacio engendrado por los vectores
w
1
= u
1
+u
2
+u
3
, w
2
= 2u
1
+ 3u
2
+ 4u
3
, w
3
= 3u
1
+ 4u
2
+ 5u
3
.
Hallar una base de E, una base de F , el subespacio E F y una base de E F .
3.14 Sea M
22
el espacio vectorial de las matrices cuadradas de orden 2 sobre IR y sea E
el subconjunto de M
22
formado por las matrices de la forma
_
a b +c
b +c a
_
con
a, b, c IR.
a) Demostrar que E es un subespacio vectorial.
b) Probar que las matrices A
1
=
_
1 0
0 1
_
, A
2
=
_
0 1
1 0
_
, A
3
=
_
0 1
1 0
_
, forman
una base de E.
3.15 Sea B una base de un espacio vectorial V de dimension n. Demostrar que el conjunto
v
1
, v
2
, . . . , v
n
es una base de V si, y solo si el conjunto [v
1
]
B
, [v
2
]
B
, . . . , [v
n
]
B
es una
base de IR
n
.
3.16 Sean u = (u
1
, u
2
, u
3
) y v = (v
1
, v
2
, v
3
). Determinar si u, v) = u
1
v
1
u
2
v
2
+u
3
v
3
dene
un producto interior en IR
3
.
3.17 Sea V un espacio con producto interior. Demostrar que si w es ortogonal a cada uno de
los vectores v
1
, v
2
, . . . , v
k
entonces es ortogonal a linv
1
, v
2
, . . . , v
k
.
3.18 a) Encontrar dos vectores de IR
2
con norma eucldea uno y cuyo producto interior eucldeo
con (2, 4) sea cero.
b) Demostrar que hay un n umero innito de vectores en IR
3
con norma eucldea uno y
cuyo producto interior eucldeo con (1, 7, 2) es cero.
3.19 Demostrar que si V es un espacio con producto interior, entonces u, v V ,
u, v) =
1
4
_
|u +v|
2
|u v|
2
_
3.20 Sea v
1
, v
2
, . . . , v
k
una base del espacio vectorial V con producto interior. Demostrar
que 0 es el unico vector en V que es ortogonal a todos los vectores de la base.
3.21 Sean a = (
1

5
,
1

5
) y b = (
2

30
,
3

30
). Demostrar que a, b es ortonormal si IR
2
tiene el
producto interior u, v) = 3u
1
v
1
+2u
2
v
2
donde u = (u
1
, u
2
) y v = (v
1
, v
2
), y que no lo es
si IR
2
tiene el producto interior eucldeo.
Preliminares. 44
3.9 Ejercicios.
3.22 Considera IR
3
con el producto interior euclideo. Utiliza el proceso de Gram-Schmidt para
transformar, en cada caso, la base u
1
, u
2
, u
3
en una base ortonormal.
a) u
1
= (1, 1, 1), u
2
= (1, 1, 0), u
3
= (1, 2, 1).
b) u
1
= (1, 0, 0), u
2
= (3, 7, 2), u
3
= (0, 4, 1).
3.23 Considera IR
3
con el producto interior u, v) = u
1
v
1
+2u
2
v
2
+3u
3
v
3
. Utiliza el proceso de
Gram-Schmidt para transformar la base formada por los vectores
u
1
= (1, 1, 1), u
2
= (1, 1, 0) y u
3
= (1, 0, 0) en una base ortonormal.
3.24 Sea v
1
, v
2
, v
3
una base ortonormal de un espacio V con producto interior. Demostrar
que si w es un vector de V , entonces:
|w|
2
= w, v
1
)
2
+w, v
2
)
2
+w, v
3
)
2
3.25 Tomemos en IR
4
el producto interior euclideo. Expresar el vector w = (1, 2, 6, 0) en
la forma w = w
1
+ w
2
donde, w
1
esta en el subespacio W generado por los vectores
u
1
= (1, 0, 1, 2) y u
2
= (0, 1, 0, 1), y w
2
es ortogonal a W .
3.26 Suponer que IR
4
tiene el producto interior euclideo.
a) Hallar un vector ortogonal a u
1
= (1, 0, 0, 0) y u
4
= (0, 0, 0, 1), y que forme angulos
iguales con los vectores u
2
= (0, 1, 0, 0) y u
3
= (0, 0, 1, 0).
b) Hallar un vector x de longitud 1, ortogonal a u
1
y a u
2
, tal que el coseno del angulo
entre x y u
3
sea el doble del coseno del angulo entre x y u
4
.
3.27 Aplicar la desigualdad de Cauchy-Schwarz para demostrar que si a
1
, a
2
, . . . , a
n
son n umeros
reales positivos, entonces
(a
1
+a
2
+ +a
n
)
_
1
a
2
+
1
a
2
+ +
1
a
n
_
n
2
3.28 Hallar la distancia del vector u = (1, 1, 1, 1) al subespacio generado por los vectores v
1
=
(1, 1, 1, 0) y v
2
= (1, 1, 0, 0).
3.29 Dados los vectores x = (x
1
, x
2
, x
3
) e y = (y
1
, y
2
, y
3
) de IR
3
, demostrar que la expresion
x, y) = 2x
1
y
1
+ 2x
2
y
2
+x
3
y
3
+x
1
y
2
+x
2
y
1
dene un producto interior.
Encontrar una base u
1
, u
2
, u
3
ortonormal respecto al producto interior anterior tal que
u
2
y u
3
tengan igual direccion y sentido que los vectores (0, 1, 0) y (0, 0, 1), respectiva-
mente.
3.30 En una cierta base u
1
, u
2
, u
3
, u
4
de un espacio vectorial V , un vector w tiene por coorde-
nadas (3, 1, 2, 6). Hallar las coordenadas de W en otra base v
1
, v
2
, v
3
, v
4
cuyos vectores
verican que v
1
= u
1
+ u
2
, v
2
= 2u
4
u
1
, v
3
= u
2
u
3
,
v
4
= 2u
1
u
2
.
3.31 En IR
3
se consideran las bases B = e
1
, e
2
, e
3
(la base canonica) y B

= v
1
, v
2
, v
3

donde v
1
= (2, 0, 0), v
2
= (0, 1, 2) y v
3
= (0, 0, 3). Hallar las coordenadas respecto de
la base B

del vector x = 4e
1
+e
2
5e
3
.
3.32 Se consideran en IR
3
las bases B = u
1
, u
2
, u
3
y B

= v
1
, v
2
, v
3
, siendo
u
1
= (3, 0, 3), u
2
= (3, 2, 1), u
3
= (1, 6, 1) y
v
1
= (6, 6, 0), v
2
= (2, 6, 4), v
3
= (2, 3, 7).
a) Hallar la matriz de paso de B a B

.
b) Calcular la matriz de coordenadas, [w]
B
, siendo w = (5, 8, 5).
c) Calcular [w]
B
de dos formas diferentes
3.33 Sea V el espacio generado por f
1
(x) = sen(x) y f
2
(x) = cos(x).
Preliminares. 45
3.9 Ejercicios.
a) Demostrar que g
1
(x) = 2 senx + cos x y g
2
= 3 cos x forman una base para V .
b) Hallar la matriz de transicion de B = f
1
, f
2
a B

= g
1
, g
2
.
c) Calcular la matriz de coordenadas, [h]
B
, donde h(x) = 2 senx 5 cos x.
d) Calcular la matriz de transicion de B

a B.
3.34 Probar que una matriz A de orden n es ortogonal si, y solo si sus vectores la forman un
conjunto ortonormal en IR
n
.
Preliminares. 46