ALGEBRA LINEAL

Docente: Alex Capuay Gonzales

Facultad de Ciencias,
Departamento de Matemtica-UBB.
Contenido
1 Vectores 2
1.1 Vectores en R
2
y R
3
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Operaciones bsicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Propiedades de los vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2 Producto Escalar y Vectorial 9
2.1 Producto escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.1.1 Norma(Euclidiana) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.1.2 ngulo entre vectores en R
3
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2 Producto vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.3 Paralelismo y perpendicularidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3 Rectas y Planos en el Espacio 18
3.1 Rectas en R
3
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.2 Paralelismo, perpendicularidad e interseccin entre rectas. . . . . . . . . . . . . . . . 20
3.3 Distancia de un punto a una recta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.4 Planos en R
3
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.5 Paralelismo, perpendicularidad y ngulo . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.6 Distancia de un punto al plano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.7 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4 Espacios Vectoriales 31
4.1 Nocin de una espacio vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.2 Subespacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.3 Operaciones con subespacios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.3.1 Interseccin de subespacios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.3.2 Uniones de subespacios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.3.3 Suma de subespacios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.4 Subespacio generado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.5 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
CONTENIDO 1
5 Base y dimensin 42
5.1 Conjunto linealmente independiente . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5.2 Conjunto linealmente dependiente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.3 Base de un espacio vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
5.4 Dimensin de un espacio vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
5.5 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
6 Cambios de Base y el Proceso de Gram-Schmidt 48
6.1 Coordenadas en un base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
6.2 Cambios de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
6.3 Espacios vectoriales con producto interno . . . . . . . . . . . . . . . . . . . . . . . . . 51
6.3.1 Producto interno, norma y distancia . . . . . . . . . . . . . . . . . . . . . . . . 51
6.3.2 Ortogonalidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
6.3.3 Bases ortonormales. Proceso de Gram-Schmidt . . . . . . . . . . . . . . . . . . 56
6.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
1 Vectores
1.1 Vectores en R
2
y R
3
A partir de la representacin de R, como recta numrica, los elementos (a, b) R
2
se asocian con
puntos de un plano denido por dos rectas perpendiculares que al mismo tiempo denen un
sistema de coordenadas rectangulares donde la interseccin representa a (0, 0) y cada (a, b) se
asocia con un punto de coordenada a (llamada abscisa) en la recta horizontal (eje X) y coordenada
b (llamada ordenada) en la recta vertical (eje Y). Ver gura 1.1.
Figura 1.1: Punto (a, b) en R
2
.
Anlogamente, los elementos (a, b, c) R
3
se asocian con puntos en el espacio tridimensional
denido con tres rectas mutuamente perpendiculares. Estas rectas forman los ejes del sistema
de coordenadas rectangulares (eje X, Y y Z). Ver gura 3.1.
3
Figura 1.2: Punto (a, b, c) en R
3
.
Los vectores se pueden representar mediante segmentos de recta dirigidos, o echas, en R
2
y en
R
3
. La direccin de la echa indica la direccin del vector y la longitud de la echa determina su
magnitud. Ver guras 1.3, 1.4.
Figura 1.3: Vector (a, b). Figura 1.4: Vector (a, b, c).
Notacin. Los vectores se denotarn con letras minsculas con una fecha arriba tales como

v ,

x ,

z . Los puntos se denotarn con letras maysculas tales como A, B, C. En el contexto de los
vectores, los nmeros reales sern llamados escalares y se denotarn con letras minsculas
tales como , , k.
4 CAPTULO 1. VECTORES
1 El vector nulo se denota con

0 = (0, 0, 0).
2 Los vectores estn anclados en el origen. Sin embargo,
frecuentemente visualizamos un vector un vector
como su traslacin: El vector

AB est anclado en el
origen pero la visualizamos como el vector que va
de A hasta B. Formalmente

AB =

OB

OA.
3 A veces hablamos del espacio R
n
. Un vector en R
n
es
una n-tuple (x
1
, x
2
, . . . , x
n
) con cada x
i
R. A x
i
se le
llama componente i-sima del vector.
1.2 Operaciones bsicas
Igualdad. Dos vectores son iguales si tienen, el mismo orden y los mismos componentes.
Si

v = (v
1
, v
2
, v
3
) R
3
y

w = (w
1
, w
2
, w
3
) R
3
, entonces

v =

w si y solo si v
1
= w
1
, v
2
= w
2
, v
3
= w
3
.
Denicin 1.1 (Igualdad).
Sean

v = (1, 3, 4) y

w = (3, 1, 4), entonces

v ,=

w.
Ejemplo 1.1
Suma y Resta. La suma y resta de vectores tanto en R
2
, como en R
3
, se hace componente a com-
ponente.
5
Si

v = (v
1
, v
2
, v
3
) R
3
y

w = (w
1
, w
2
, w
3
) R
3
;

v +

w = (v
1
+w
1
, v
2
+w
2
, v
3
+w
3
) y

v

w = (v
1
w
1
, v
2
w
2
, v
3
w
3
).
Denicin 1.2 (Suma y Resta).
Sean

v = (1, 3, 4) y

w = (3, 1, 4), entonces
_

v +

w = (4, 4, 8).

v

w = (2, 2, 0).
Ejemplo 1.2
Multiplicacin por un escalar. Un escalamiento de un vector, por una factor k R, se logra mul-
tiplicando cada componente por el mismo nmero real k.
Consideremos el vector

v = (v
1
, v
2
, v
3
) R
3
y el escalar k R, entonces
k

v = (kv
1
, kv
2
, kv
3
).
Denicin 1.3 (Multiplicacin por un escalar).
Sea

v = (1, 3, 4) entonces
_
2

v = (2, 6, 8).
1
2

v = (
1
2
,
3
2
,
4
2
).
Ejemplo 1.3
6 CAPTULO 1. VECTORES
Todo vector

v = (a, b, c) R
3
puede
ser escrito como:
(a, b, c) = a

e
1
+b

e
2
+c

e
3
,
donde

e
1
= (1, 0, 0),

e
2
= (0, 1, 0),

e
3
= (0, 0, 1) son los llamados vec-
tores unitarios.
Ejemplo 1.4
Sean los vectores

u = (4, 1, 1),

v = (0, 1/2, 3) y

w = (0, 3, 1/2), entonces
a.)

u +0.5

v +

w = (4, 1, 1) +[0.5(0, 1/2, 3) +(0, 3, 1/2)]
= (4, 1, 1) +(0, 13/4, 2)
= (4, 9/4, 3).
b.)

u +t

v +s

w = (4, 1, 1) +[t(0, 1/2, 3) +s(0, 3, 1/2)]
= (4, 1, 1) +(0, t/2+3s, s/2+3t)
= (4, t/2+3s 1, s/2+3t +1).
Ejemplo 1.5
1.3 Propiedades de los vectores
Las propiedades ms tiles de vectores, se enuncia en el siguiente teorema:
7
Si

v ,

w,

u R
3
y , R entonces,
1.) Conmutatividad:

v +

w =

w +

v .
2.) Asociatividad:

u +(

v +

w) = (

u +

v ) +

w
3.) Elemento neutro:

v +

0 =

v .
4.) Inversos:

v +(

v ) =

0 .
5.) 1.

v =

v .
6.)

v = (

v ).
7.) (

v +

w) =

v +

w.
8.) (+)

v =

v +

v .
Teorema 1.1 (Propiedades de los vectores).
1.4 Ejercicios
1.1 Dibuje los siguientes vectores

a = (5, 2);

b = (2, 3);

c = (3, 4);

d = (2, 5) y determine:
a.) 2

a +4

b

c .
b.) 4

d 3

a +b.
1.2 Localizar en el punto A indicado los vectores dados, segn el caso:
a.) A = (4, 2);

u = (3, 3).
b.) A = (4, 2);

w = (2, 2).
c.) A = (2, 3);

v = (2, 2).
d.) A = (2, 3);

x = (3, 2).
1.3 Determine el vector que inicia en el punto P(3, 3) y termina en el punto Q(2, 2). Tambin
determine un vector que va en sentido contrario al vector anterior.
1.4 Dados los puntos A = (3, 1, 2) y B = (1, 2, 1), Calcular:

AB y

BA. Que relacin hay entre

AB
y

BA.?
1.5 Dados

a = (2, 1),

b = (3, 2) y

c = (5, 4). Encontrar los escalares h, k tales que:

c = h

a +k

b .
1.6 Dados

a = (1, 2),

b = (2, 4) y

c = (7, 5). Demostrar que

c no se puede escribir en la
forma
h

a +k

b ,
donde h, k son escalares.
8 CAPTULO 1. VECTORES
1.7 La velocidad de un cuerpo tiene inicialmente el valor de V
1
= (5, 3)m/s, al instante t
1
=25 se-
gundos. Despus de transcurridos 4 segundos, la velocidad ha cambiado al valor V
2
= (4, 8)m/s.
Cunto vale el cambio de velocidad,

V ?. Cul es la variacin de la velocidad por unidad de
tiempo?.
1.8 Si

u = (2, 1, 4);

v = (3, 4, 5) obtenga

w tal que:

u +

w =

v

w.
1.9 Sean

x = (1, 2, 3);

y = (1, 2, 3);

z = (1, 6, 9). Encontrar , , R tal que:

x +

y +

z = (1, 1, 0).
1.10 El centro de masa (CM) de un sistema de k partculas de masa m
1
, m
2
, . . . , m
k
cuyos vectores
de posicin son

r
1
,

r
2
, . . . ,

r
k
, respectivamente es el punto cuyo vector de posicin se dene por:
CM =
m
1

r
1
+m
2

r
2
+. . . +m
k

r
k
m
1
+m
2
+. . . +m
k
.
Hallar el vector de posicin del centro de masa del sistema de cuatro partculas mostradas en la
gura 3.3 y sealarlo en R
2
.
Figura 1.5: Partculas en el plano.
2 Producto Escalar y Vectorial
2.1 Producto escalar
El producto escalar (o tambin conocido como producto punto), es una operacin entre vectores
que devuelve un escalar. Esta operacin es introducida para expresar algebraicamente la idea
geomtrica de magnitud de un vector y ngulo entre vectores.
Consideremos los vectores

v = (v
1
, v
2
, v
3
) R
3
y

w = (w
1
, w
2
, w
3
) R
3
. El producto escalar

v

w
se dene de la siguiente manera,

v

w = v
1
w
1
+v
2
w
2
+v
3
w
3
R.
Denicin 2.1 (Producto escalar).
a.) Sean

v = (1, 2, 5) y

w = (2,

2, 0), entonces

v

w = 1 2+(2)

2+5 0 = 22

2.
b.) Sea

u = (x, y, z) R
3
, entonces

u

u = x
2
+y
2
+z
2
.
De aqu deducimos que

u

u 0 y

u

u = 0 si y solamente si

u = 0.
Ejemplo 2.1
Propiedades del producto escalar. En los clculos que usan el producto escalar es frecuente invo-
car las propiedades que se enuncian en el teorema que sigue.
10 CAPTULO 2. PRODUCTO ESCALAR Y VECTORIAL
Consideremos los vectores

v ,

w,

u R
3
y R, entonces
1.)

v

v 0
2.)

v

w =

w

v
3.)

u (

v +

w) =

u

v +

u

w
4.) (

v )

w = (

v

w)
Teorema 2.1 (Propiedades del producto escalar).
Nota: No hay propiedad asociativa pues

v (

w

u ) no tiene sentido dado que

w

u es nmero
real.
2.1.1 Norma(Euclidiana)
La norma dene la longitud de un vector desde el punto de vista de la geometra euclidiana.
Consideremos el vector

v = (v
1
, v
2
, v
3
) R
3
. La norma de

v se denota |

v | y se dene de la
siguiente manera,
|

v | =
_

v

v =
_
v
2
1
+v
2
2
+v
2
3
.
La distancia de A a B se dene como d(A, B) =|BA|.
Denicin 2.2 (Norma).
a.) Sea

w = (2, 1,

3), entonces |

w| =
_
2
2
+1
2
+(

3)
2
= 2

2.
b.) La distancia de A = (x, y, z) a B = (1, 2, 3) es |BA| =
_
(x 1)
2
+(y 2)
2
+(z +3)
2
.
Ejemplo 2.2
Consideremos los vectores

v ,

w R
3
y R, entonces,
1.) |

v | 0 y |

v | = 0 si y solo si

v = 0
2.) |

v | =[[|

v |
3.) |

v +

w| |

v |+|

w| (desigualdad triangular)
4.) [

v

w[ |

v ||

w| (desigualdad de Cauchy-Schwarz)
Teorema 2.2 (Propiedades de norma).
11
Un vector

v se dice unitario si su norma es 1. Es decir: |

v | = 1.
Denicin 2.3 (Vector unitario).
Observe que si

w ,=

0 entonces
w
|w|
es unitario.
El vector

w = (cos, sin) es unitario para todo R, pues |(cos, sin)| =
_
cos
2
+sin
2
=
1.
2.1.2 ngulo entre vectores en R
3
A partir de la Ley de los cosenos podemos establecer una relacin entre el producto escalar, normas
y ngulos, como se muestra a continuacin.
Ley de lo cosenos. Si a, b y c son las longitudes
de los lados de un tringulo arbitrario, se
tiene la relacin
c
2
= a
2
+b
2
2accos,
donde es el ngulo entre los lados de
longitud a y b.
Para visualizar esta ley usando vectores,
consideremos el tringulo determinado
por los vectores

v ,

w R
3
, como se
muestra en la gura.
Entonces
|

v

w|
2
=|

v |
2
+|

w|
2
2|

v ||

w|cos. (2.1)
Ahora, puesto que
|

v

w|
2
= (

v

w) (

v

w) =|

v |
2
+|

w|
2
2

v

w
entonces, despejando en (3.1) obtenemos

v

w =|

v ||

w|cos.
ngulo entre vectores en R
n
. En el caso de R
n
, si

v ,

w R
n
son vectores no nulos, entonces
usando la desigualdad de Cauchy-Schwarz: [

v

w[ |

v ||

w| y la propiedad del valor
absoluto: [x[ k k x k, para un nmero k 0, obtenemos: |

v ||

w|

v

w
|

v ||

w| y entonces: 1

v

w
|

v ||

w|
1.
Se puede garantizar que para

v ,

w R
n
vectores no nulos, es posible encontrar un nico
[0, ] tal que

v

w =|

v ||

w|cos. Formalmente
12 CAPTULO 2. PRODUCTO ESCALAR Y VECTORIAL
Si

v ,

w R
n
son vectores no nulos, el ngulo entre

v y

w es el nico [0, ] tal que

v

w =|

v ||

w|cos, es decir: = arccos
_

v

w
|

v ||

w|
_
.
Denicin 2.4
Como consecuencia, tenemos una caracterizacin para vectores ortogonales. Recordemos que dos
vectores son ortogonales si al menos uno de ellos es nulo o si el ngulo entre ellos es /2. Entonces
Los vectores

v ,

w R
n
son ortogonales si y slo si

v

w = 0.
Teorema 2.3 (Vectores ortogonales).
Nota: El nico vector ortogonal consigo mismo es el vector

0 .
Sean

w = (1, 0,

2) y

v =
(2, 1,

2) entonces

w y

v son or-
togonales pues

w

v =2+2 = 0.
Ejemplo 2.3
13
Sean

w = (2, 0, 2) y

v = (0, 2, 2) entonces el an-
gulo entre

w y

v es
= arccos
_
1
2
_
= /3;
pues,
cos =

v

w
|

v ||

w|
= arccos
_

v

w
|

v ||

w|
_
Ejemplo 2.4
2.2 Producto vectorial
El producto vectorial entre dos vectores en R
3
es un vector que es simultneamente perpendicular
a

v y a

w.
Consideremos los vectores

v = (v
1
, v
2
, v
3
) R
3
y

w = (w
1
, w
2
, w
3
) R
3
. El producto vectorial

v

w
se dene de la siguiente manera,

v

w = (v
2
w
3
v
3
w
2
, v
3
w
1
v
1
w
3
, v
1
w
2
v
2
w
1
).
Ver gura 2.1
Denicin 2.5
Una observacin importante, es que el producto vectorial

v

w, es un vector que es perpendic-
ular tanto a

v , como a

w.
Sean los vectores

v = (5, 0,

2) y

w = (2, 1,

2), entonces el producto vectorial es:

v

w = (

2, 3

2, 5).
Ejemplo 2.5
Propiedades del producto vectorial. Recordemos que el producto vectorial solo lo hemos denido
en R
3
,
14 CAPTULO 2. PRODUCTO ESCALAR Y VECTORIAL
Figura 2.1: Producto vectorial.
Consideremos los vectores

v ,

w,

u R
3
y R, entonces
1.)

v (

v

w) = 0.
2.)

w (

v

w) = 0.
3.) |

u

v |
2
=|

u |
2
|

v |
2
(

u

v )
2
. (Identidad de Lagrange)
4.)

v

w =

w

v .
5.)

v (

w +

u ) =

v

w +

v

u
6.) (

v +

w)

u =

v

u +

w

u .
7.) (

v

w) = (

v )

w =

v (

w).
8.)

v

0 =

0

v =

0 .
9.)

v

v = 0.
Teorema 2.4 (Propiedades del producto vectorial).
Observaciones:
1 Observe que no tenemos la propiedad de asociatividad para el producto cruz.
2 De la propiedad 9 y la propiedad 7 podemos deducir que si dos vectores son paralelos, el
producto vectorial es cero.
3 De la igualdad de Lagrange se puede deducir la frmula (de rea)
|

u

v | =|

u ||

v |sin (2.2)
15
4 Consideremos un paralelogramo determinado por dos vectores

u ,

v R
3
, como se ve en la
gura de la derecha. Si es el ngulo entre estos vectores, el rea del paralelogramo es,
A =|

u ||

v |sin =|

u

v |.
5 Consideremos un paraleleppedo en el espacio determinado por tres vectores no coplanares

u ,

v ,

w R
3
, como se ve en la gura. El volumen del paraleleppedo es,
V =[

w (

u

v )[.
El rea del tringulo con vertices en P = (1, 3, 2), Q = (2, 1, 4) y R = (3, 1, 6) es
rea =
|

PQ

QR|
2
=
|(1, 2, 6) (5, 0, 2)|
2
=
|(4, 32, 10)|
2
=
_
(4)
2
+(32)
2
+(10)
2
2
=

1140
2
.
Ejemplo 2.6
16 CAPTULO 2. PRODUCTO ESCALAR Y VECTORIAL
El volumen del paraleleppedo determinado por los vectores

u = (1, 3, 2),

v = (2, 1, 4),

w =
(3, 1, 6) es
Volumen = [

w (

u

v )[
= [(3, 1, 6) (14, 8, 5)[
= [(3)(14) +(1)(8) +(6)(5)[ = 80.
Ejemplo 2.7
2.3 Paralelismo y perpendicularidad
Dos vectores

u ,

v R
3
distinto de cero,
a.) son paralelas si

u =

v , para algn
R.
b.) son perpendiculares si

u

v = 0. Es
decir los vectores forman ngulo
/2.
Denicin 2.6
2.4 Ejercicios
2.1 Se dan los puntos A(2, 4); B(5, 2); C(7, 3) calcular:
a.) El ngulo formado por los vectores

OA y

OB.
b.) El ngulo C

AB.
17
2.2 Dados

a = (5, 12) y

b = (1, k), donde k es un escalar, encontrar k tal que la medida en radianes
del ngulo entre

a y

b sea

2
.
2.3 Se dan los vectores

u = (1, 2);

v = (4, 2)
a.) Prueba que

u y

v son perpendiculares.
b.) Prueba que k

u es perpendicular a

v , para todo k R.
2.4 Encuentre el valor de x para que los vectores

u = (1, 1, 4);

v = (x
2
, x, 3) sean perpendicu-
lares.
2.5 Sean

u ,

w
1
,

w
2
R
3
. Si

u es perpendicular tanto a

w
1
como a

w
2
. Probar que

u es perpen-
dicular al vector a

w
1
+b

w
2
, para todo a, b R.
2.6 Dados

a = (5, k) y

b = (k, 6), donde k es un escalar, encontrar
a.) k tal que

a y

b sean perpendiculares.
b.) k tal que

a y

b sean paralelas.
2.7 Demostrar que los tres puntos (1, 1, 3), (2, 1, 7) y (4, 2, 6) son los vrtices de un tringulo
rectngulo calcular su rea.
2.8 Calcular el rea del tringulo que tiene sus vrtices en A(2, 3, 1), B(1, 2, 3) y C(3, 1, 2).
2.9 Demuestre que si

a +

b +

c = 0

a

b =

b

c =

c

a .
2.10 Si

u = (2, 1, 4);

v = (3, 4, 5) obtenga

w tal que

u +

w =

v

w.
Tambin determine: |3

u 3

v +

w|.
2.11 Determine todos los escalares k tales que |k

v | = 1, donde

v = (1, 2, 3).
2.12 Sean dos vectores

a y

b perpendiculares entre s. Si |

a | = 3 y |

b | = 4, calcula:
(

a +

b ) (

a

b )
2.13 Hallar el rea del paralelogramo denido por los vectores:

AB = (2, 2, 3) y

AC = (2, 0, 3).
2.14 Calcular el valor de k para que el volumen del paraleleppedo denido por los siguientes
vectores:

u (1, 1, 1),

v (1, 1, 1), y

w(2, 3, k)
sea igual a 12 unidades cbicas.
3 Rectas y Planos en el Espacio
3.1 Rectas en R
3
.
Consideremos la recta L que pasa por P y por
Q. Esta recta es paralela al vector

v =

PQ, por
lo tanto, dado un punto R = (x, y, z) L, se debe
cumplir que

PR =t

v , o sea RP =t

v ; t R.
De donde L =(x, y, z) R
3
: (x, y, z) =

OP+t

v .
Informalmente escribimos L : (x, y, z) = P+t

v .
Si L es una recta que pasa por los puntos P = (p
1
, p
2
, p
3
), Q = (q
1
, q
2
, q
3
) y si

v = QP, entonces
1.) La ecuacin vectorial de L es (x, y, z) = P+t

v , t R.
2.) Despejando x, y y z obtenemos las ecuaciones paramtricas de L :
_

_
x(t) = p
1
+tv
1
y(t) = p
2
+tv
2
z(t) = p
3
+tv
3
3.) Si cada v
i
,= 0, despejando t obtenemos las ecuaciones simtricas de L :
x p
1
v
1
=
x p
2
v
2
=
x p
3
v
3
Denicin 3.1
19
Consideremos la recta L que pasa por P =
(1, 3, 2) y Q = (2, 1, 4). En este caso

v =

PQ =
QP = (1, 2, 2), luego
Ecuacin vectorial: (x, y, z) = (1, 3, 2) +
t(1, 2, 2).
Ecuaciones paramtricas:
x(t) = 1+t
y(t) = 32t
z(t) = 2+2t
Ecuaciones simtricas:
x 1
1
=
y 3
2
=
z 2
2
.
Ejemplo 3.1
a.) Consideremos la recta L que pasa por P = (1, 3, 2) y Q = (2, 1, 2). En este caso

v = QP =
(1, 2, 0), luego
Ecuacin vectorial L : (x, y, z) = (1, 32) +t(1, 2, 0)
Ecuaciones paramtricas:
L :
_

_
x(t) = 1+t
y(t) = 32t
z(t) = 2
Ecuaciones simtricas:
x 1
1
=
y 3
2
; z =2.
b.) Consideremos la recta L
1
de ecuaciones simtricas,
x +1
3
=
y +2
2
= z 1,
entonces L
1
va en la direccin de

v = (3, 2, 1).
Ejemplo 3.2
20 CAPTULO 3. RECTAS Y PLANOS EN EL ESPACIO
3.2 Paralelismo, perpendicularidad e interseccin entre rectas.
Consideremos dos rectas,
L
1
: (x, y, z) = P+t

v ; t R L
2
: (x, y, z) = Q+s

w; s R.
Estas son paralelas, denotado por: L
1
[[L
2
si y solo si

v [[

w.
Estas son perpendiculares, denotado por: L
1
L
2
si y solo si

v

w, es decir:

v

w = 0.
El ngulo entre L
1
y L
2
es igual al ngulo entre

v y

w.
Interseccin. Sean P = (p
1
, p
2
, p
3
) y Q= (q
1
, q
2
, q
3
) en
R
3
. Consideremos las rectas
L
1
: (x, y, z) = P+t

v y L
2
: (x, y, z) = Q+s

w.
Para determinar si hay interseccin igualamos
las ecuaciones,
P+t

v = Q+s

w
_

_
tv
1
sw
1
= q
1
p
1
tv
2
sw
2
= q
2
p
2
tv
3
sw
3
= q
3
p
3
.
Si este sistema tiene solucin, entonces esta
solucin nos da el o los puntos de interseccin
entre L
1
y L
2
. Como el sistema es lineal puede
pasar que,
hay solucin nica: las rectas se intersectan
en un solo punto,
hay innitas soluciones: las rectas coinci-
den,
no hay solucin: las rectas no se inter-
sectan.
21
Consideremos la recta L
1
: (1, 3, 1) +t(4, 1, 0).
L
1
y la recta L
2
: (13, 3, 2) +s(12, 6, 3), se intersectan en el punto (1, 3, 1). Este punto se
obtiene con t = 0 en la primera recta y con s = 1 en la segunda recta.
(1, 3, 1) = (1, 3, 1) +0(4, 1, 0)
(1, 3, 1) = (13, 3, 2) +1(12, 6, 3)
L
1
es paralela a la recta L
3
: (x, y, z) = (1, 3, 2) +t(8, 2, 0) pues (8, 2, 0) = 2(4, 1, 0)
L
1
es perpendicular a la recta L
4
: (x, y, z) = (0, 2, 1) +t(1, 4, 3) pues (1, 4, 3) (4, 1, 0) = 0
L
1
no intersecta a L
4
: (x, y, z) = (0, 2, 1) +t(1, 4, 3) pues el sistema
_

_
1+4t = s
3+t = 2+4s
1 = 1+3s
no tiene solucin (es inconsistente).
Ejemplo 3.3
3.3 Distancia de un punto a una recta
Sea L una recta y P y Q dos puntos distintos en L. Dador R L, queremos calcular la distancia
mnima de R a L y el punto E L en el que se alcanza este mnimo. Por supuesto, la distancia
mnima es la longitud del segmento perpendicular que va desde R a L, la denotamos por d(R, L):
La distancia mnima de R a la recta es
d(R, L) =
_
_

PRproy
PQ

PR
_
_
y esta distancia mnima se alcanza en el punto E = P+proy
PQ

PR. Recordemos proy

u

v denota la
proyeccin del vector

v sobre el vector

u y es denido por:
proy
u

v =

v

u
|

u |
2

u .
Ver gura 3.1.
De la gura 3.1, tambin podemos observar que:
_
_
proy
PQ

PR
_
_
2
+|

ER|
2
=|PR|
2
,
22 CAPTULO 3. RECTAS Y PLANOS EN EL ESPACIO
Figura 3.1: Distancia de un punto R a la recta L.
de esto tenemos que
[d(R, L)]
2
= |ER|
2
=|PR|
2

_
_
proy
PQ

PR
_
_
2
= |

PR|
2

PR

PQ
_
2
|

PQ|
2
=
|

PQ|
2
|

PR|
2

PR

PQ
_
2
|

PQ|
2
=
_
|

PR

PQ|
_
2
|

PQ|
2
d(R, L) =
_
_

PR

PQ
_
_
|

PQ|
. (3.1)
23
Sea R = (2, 2, 5) y consideremos la recta L : (x, y, z) = (2, 0, 1) +t(0, 2, 1). Para calcular la distancia de
R a L, tomamos P = (2, 0, 1) y el vector direccin de la recta L es:

v = (0, 2, 1). Entonces la distancia
de R = (2, 2, 5) a L es
d(R, L) =
_
_

PR

v
_
_
|

v |
=
_
_
(0, 2, 4) (0, 2, 1)
_
_
|(0, 2, 1)|
=
6

5
.
La distancia mnima se alcanza en
E = P+proy
v

PR = (2, 0, 1) +
8
5
(0, 2, 1) =
_
2,
16
5
,
13
5
_
L.
Ejemplo 3.4
Observacin. Cuando tenemos una recta L : ab+by +c = 0 en R
2
, se puede deducir de (3.1), que
la distancia de un punto R = (x
0
, y
0
) a la recta dada L es:
d(R, L) =
[ax
0
+by
0
+c[

a
2
+b
2
.
3.4 Planos en R
3
.
As como una recta esta determinada por dos puntos distintos, un plano est determinado por tres
puntos no colineales.
Sean P, Q, R R
3
no colineales y sea el plano que contiene estos tres puntos. Si M = (x, y, z)
entonces,
M = P+t

PQ+s

PR; t, s R.
Esta es una ecuacin vectorial de .
24 CAPTULO 3. RECTAS Y PLANOS EN EL ESPACIO
Figura 3.2: Plano en R
3
.
Consideremos un plano que pasa por los puntos no colineales P, Q, R.

N = (a, b, c) es un vector normal al plano si:

N [(x, y, z) P] = 0 para cualquier (x, y, z) .
Si

N = (a, b, c) es un vector normal al plano entonces
[(x, y, z) P]

N = 0
se llama una ecuacin normal de .
Si

N es un vector normal del plano entonces
ax +by +cz =

N P
se llama una ecuacin cartesiana del plano .
Si

v =

PQ y si

w =

PR entonces
(x, y, z) = P+t

v +s

w; t, s R
se llama una ecuacin vectorial del plano .
Denicin 3.2 (Ecuaciones del plano).
Tres puntos P, Q, R R
3
son no colineales si [P (QR)] ,= 0.
25
Hallar la representacin vectorial del plano que contiene a los puntos P = (1, 2, 1), Q =
(4, 2, 1), R = (0, 1, 1).
En efecto. Consideremos los vectores

v =

PQ = QP = (5, 4, 0),

w =

PR = RP = (1, 1, 2).
Por tanto la ecuacin vectorial del plano es:
(x, y, z) =
(x, y, z) = P+t

v +s

w
= (4, 2, 1) +s(5, 4, 0) +t(1, 1, 2), t, s R.
Ejemplo 3.5
Hallar la ecuacin normal y la ecuacin general del plano que pasa por los puntos
P = (1, 2, 3), Q = (2, 1, 2), R = (0, 1, 1).
En efecto. Consideremos los vectores

v =

PQ = QP = (3, 1, 5),

w =

PR = RP = (1, 1, 4),
y como el vector normal

N es paralelo a

v

w = (1, 7, 2) entonces elegimos

N = (1, 7, 2). Luego,
la ecuacin normal del plano ser:
[(x, y, z) P]

N = 0
[(x, y, z) (1, 2, 3)] (1, 7, 2) = 0.
Adems
(x, y, z)

N = P

N
(x, y, z) (1, 7, 2) = (1, 2, 3) (1, 7, 2)
x +7y +2z = 9. Ecuacin general del plano .
Ejemplo 3.6
26 CAPTULO 3. RECTAS Y PLANOS EN EL ESPACIO
Hallar la ecuacin vectorial y las ecuaciones paramtricas de la recta que pasa por P = (1, 2, 3),
paralela a la normal al plano que contiene a los puntos A = (1, 1, 1), B = (2, 1, 1), C = (1, 1, 3).
En efecto. Dos vectores paralelos al plano indicado sern

v =

AB = (1, 0, 0),

b =

AC = (0, 2, 2).
Adems,

v

w = 2(0, 1, 1), elegimos como vector normal al plano

N = (1/2)

v

w =
(0, 1, 1). As,

N ser el vector direccional de la recta L que pasa por el punto P = (1, 2, 3). Luego,
para (x, y, z) L, tenemos la ecuacin vectorial y las ecuaciones paramtricas de la recta:
L : (x, y, z) = P+t

N
= (1, 2, 3) +t(0, 1, 1), t R.
Entonces
L : x = 1, y =2+t, z = 3+t, t R.
Ejemplo 3.7
3.5 Paralelismo, perpendicularidad y ngulo
Consideremos la recta L
1
: (x, y, z) = P+t

v y los dos planos

1
: a
1
x +b
1
y +c
1
z = d
1
y
2
: a
2
x +b
2
y +c
2
z = d
2
.
Entonces, siendo

N
1
= (a
1
, b
2
, c
2
), y

N
2
= (a
2
, b
2
, c
2
) los vectores normal a
1
y
2
, respectiva-
mente,

1
//
2
si y solo si

N
1
//

N
2
.

1

2
si y solo si

N
1


N
2
.
El ngulo entre los planos es el ngulo entre los vectores normales.
L
1
//
1
si y solo si

N
1


v .
L
1

1
si y solo si

N
1
//

v .
Denicin 3.3
27
Consideremos el problema de obtener una ecuacin cartesiana del plano
1
que contenga a la
recta
L
1
: (x, y, z) = (1, 2, 1) +t(0, 2, 3)
y al punto P = (0, 0, 1) (que no est en L
1
). En efecto. Para encontrar una ecuacin cartesiana
del plano
1
, buscamos tres puntos no colineales en este plano; el punto P que ya tenemos y
dos puntos de la recta. Para obtener estos dos puntos de la recta, le damos un par de valores al
parmetro t tal que nos generen al nal tres puntos no colineales.
En este caso con t = 0 y t = 1 obtenemos los dos puntos que faltan. Tres puntos no colineales en el
plano son
P = (0, 0, 1), Q = (1, 2, 1), R = (1, 4, 4)
Estos puntos no son colineales pues P (QR) = (0, 0, 1) (4, 3, 2) = 2 ,= 0. Ahora, tomemos

N =

PQ

PR = (1, 2, 2) (1, 4, 5) = (2, 3, 2). Como

N

P = 2, una ecuacin cartesiana es: 2x
3y +2z =2.
Ejemplo 3.8
Obtener la ecuacin cartesiana del plano
1
que sea paralelo a las rectas
L
1
: (x, y, z) = (1, 2, 1) +t(0, 2, 3), L
2
: (x, y, z) = (1, 0, 1) +t(5, 0, 0)
y que contenga al punto P = (1, 1, 1). En efecto. De acuerdo a la teora, un vector normal al plano
debe ser perpendicular a (0, 2, 3) y a (5, 0, 0); entonces para encontrar la ecuacin cartesiana del
plano , podemos tomar

N = (0, 2, 3) (5, 0, 0) = (0, 15, 10). Como

N P = 5, una ecuacin
cartesiana del plano es:
: 15y 10z = 5.
Ejemplo 3.9
Obtener la ecuacin cartesiana del plano que sea perpendicular que se perpendicular a la
recta
L
1
: (x, y, z) = (1, 2, 1) +t(0, 2, 3)
y que contenga al punto P = (1, 1, 1). En efecto. Para encontrar la ecuacin cartesiana del plano ,
podemos tomar

N = (0, 2, 3). Como

N P = 5, una ecuacin cartesian del plano es: : 2y +3z = 5.
Ejemplo 3.10
28 CAPTULO 3. RECTAS Y PLANOS EN EL ESPACIO
3.6 Distancia de un punto al plano
Consideremos un plano de ecuacin ax +by +cz = d. Sea P . Un vector normal al plano es

N = (a, b, c). La distancia d(Q, ) de Q = (x, y, z) a es
d(Q, ) =
_
_
proy
N

PQ
_
_
=
_
_
_
_
(QP)

N
|

N|
2

N
_
_
_
_
=

(QP)

N
|

N|
2

|

N|
=
[(x, y, z)

N P

N[
|

N|
=
[ax +by +cz d[

a
2
+b
2
+c
2
.
Ver gura 3.3.
Figura 3.3: Distancia d(Q, ) del punto Q al Plano .
Consideremos el plano : 2x +3y 2z = 5. La distancia del plano al origen es
[2 0+3 02 05[
_
2
2
+3
2
+(2)
2
=
5
12
.
Ejemplo 3.11
29
3.7 Ejercicios
3.1 Halle la ecuacin de la recta que pasa por el punto (1, 1, 1) y es paralela a la recta que pasa
por los puntos A(2, 0, 1); B(1, 2, 3).
3.2 Muestre que las rectas dadas son paralelas.
L
1
: x 2 =
y +5
3
=
z 2
2
; L
2
:
_

_
x = 2t +5
y = 6t +1
z = 4t +2.
3.3 Hallar la ecuacin paramtrica de la recta que pasa por el origen y cuya direccin es ortogonal
a los vectores

u = (2, 1, 3),

v = (1, 1, 2).
3.4 Hallar las ecuaciones de la recta que pasa por el punto (2, 2, 3) y es perpendicular a las rectas
cuyos vectores direccin son (2, 1, 3) y (1, 2, 0).
3.5 Demuestre que las dos ecuaciones

P = (1, 0, 5) +t(4, 2, 6) y

Q = (3, 1, 8) +s(2, 1, 3)
representan la misma recta.
3.6 Hallar la ecuacin de la recta que pasa por el punto (3, 6, 4), corta al eje z y es paralela al plano
: x 3y +5z 6 = 0.
3.7 Demuestre que las rectas dadas
L
1
:
_
x = 3z +7
y = 5z +7
y L
2
:
_
x = 2z +3
y = 4z +4
se intersectan.
3.8 Hallar la ecuacin del plano que contiene a P
0
= (1, 2, 3) y normal a

N = (1, 1, 1).
3.9 Hallar la ecuacin del plano que contiene a los puntos A(1, 2, 1); B(1, 0, 1); C(0, 1, 1).
3.10 Hallar la ecuacin del plano que contiene al punto (1, 2, 1) y es perpendicular a la recta que
resulta de la interseccin de los planos:
_

1
: x 2y +z 4 = 0,

2
: 2x y z = 0.
30 CAPTULO 3. RECTAS Y PLANOS EN EL ESPACIO
3.11 Encontrar la ecuacin del plano determinado por las rectas
L
1
:
_

_
x +1 = 4t
y 3 = t
z 1 = 0
y L
2
:
_

_
x +13 = 12s
y 1 = 6s
z 2 = 3s.
3.12 Determinar los puntos de interseccin de la recta L : (x, y, z) = (2, 1, 7)+t(0, 6, 4) con los planos
coordenados x = 0, y = 0 y z = 0.
3.13 Encuentre la longitud de la perpendicular del origen al plano : 2x 4y +z 8 = 0.
3.14 Muestre que el vector

v = (a, b) es ortogonal a la recta L : ax +by +c = 0.
3.15 Determinar la ecuacin paramtrica de la recta que pasa por los puntos P(5, 1, 4) y Q(6, 2, 5).
3.16 Demuestre que la recta L : x = 0, y =t, z =t, t R.
a.) Pertenece al plano 6x +4y 4z = 0.
b.) Es paralela al plano 5x 3y +3z 1 = 0.
3.17 Encuentre el punto de interseccin de la recta
L :
_

_
x = 4+5t
y = 2+t, t R.
z = 4t
y el plano : 3x y +7z +8 = 0.
3.18 Demuestre que la recta
L :
_

_
x = 4+2t
y = t, t R.
z = 14t
es paralelo al plano 3x +2y +z 7 = 0.
3.19 Encuentre la ecuacin del plano que pasa por el punto P(2, 4, 5) y es paralelos al plano
: 5x 2y z +9 = 0.
4 Espacios Vectoriales
4.1 Nocin de una espacio vectorial
Los espacios vectoriales es el terreno donde se desarrolla todo el Algebra Lineal. En esta seccin se presentan
los axiomas de espacio vectorial, se deducen algunas consecuencias inmediatas y se darn algunos ejemplos
importantes de esta nocin.
Un espacio vectorial E es un conjunto, cuyos elementos son llamados vectores, en el que estn
denidas dos operaciones: La adicin, que a cada par de vectores u, v E le hace corresponder un
nuevo vector u+v E, llamado suma de u y v; y la multiplicacin por un nmero real, que a cada
nmero R y a cada vector v E le hace corresponder un vector .v v, llamado producto
de por v. Estas operaciones deben satisfacer, para cualquier , R y u, v, w E los siguiente
axiomas, llamado axiomas de espacio vectorial:
Conmutatividad: u+v = v +u.
Asociatividad: (u+v) +w = u+(v +w) y ()v = (v).
Vector nulo: Existe un vector 0 E, llamado vector nulo o vector cero, tal que v +0 = 0 +v = v,
para todo v E.
Inverso aditivo: Para cada vector v E existe un vector v E, llamado inverso aditivo, u op-
uesto de v, tal que v +v = v +(v) = 0.
Distributividad: (+)v = v +v y (u+v) = u+v.
Multiplicacin por 1: 1 v = v.
32 CAPTULO 4. ESPACIOS VECTORIALES
Para todo nmero natural n, el smbolo R
n
representa al espacio vectorial euclidiano n-dimensional.
Los elementos de R
n
son las secuencias u = (
1
, . . . ,
n
), v = (
1
, . . . ,
n
) de nmeros reales.
Diremos que los nmeros
1
, . . . ,
n
son las coordenadas del vector u. Las operaciones de este espa-
cio vectorial R
n
, son denidas de manera natural, como:
u+v = (
1
+
1
, . . . ,
n
+
n
),
u = (
1
, . . . ,
n
).
El vector cero es, por denicin, aquel cuyas coordenadas son todas iguales a cero: 0 = (0, 0, . . . , 0). El
inverso aditivo de u = (
1
, . . . ,
n
), es u = (
1
, . . . ,
n
). Se prueba que, con estas deniciones R
n
es un espacio vectorial. Para n =1, tenemos que R
1
=R=recta numrica, R
2
es el plano euclidiano
y R
3
es el espacio euclidiano tridimensional.
Ejemplo 4.1
Una matriz (real) mn, A = [a
i j
], es una lista de nmeros reales a
i j
con ndices dobles, donde
1 i m y 1 j n. Una matriz A se representa como un cuadrado numrico de m las y n
columnas, en la cual el elemento a
i j
est ubicado en la interseccin de la i-sima la con la j-sima
columna:
A =
_

_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
_

_
mn
Cuando m = n, se dice que A es una matriz cuadrada. El conjunto M(mn) de todas la matrices
mn se convierte en un espacio vectorial cuando en l se dene la suma de las matrices A = [a
i j
] y
b = [b
i j
] como a+b = [a
i j
+b
i j
] y el producto de la matriz A por el nmero real como A = [a
i j
].
La matriz nula 0 M(mn) es aquella formada por ceros y el inverso aditivo de la matriz A = [a
i j
]
es A = [a
i j
].
Ejemplo 4.2
33
Sea X cualquier conjunto no vaci. El smbolo F (X, R) representa al conjunto de todas las fun-
ciones reales f , g : X R. El se convierte en un espacio vectorial cuando se denen la suma f +g
de dos funciones y el producto f del nmero por la funcin f de manera natural:
( f +g)(x) = f (x) +g(x), (f )(x) = f (x).
Variando el conjunto X, se obtiene diversos ejemplos de espacios vectoriales de la forma F (X, R).
Por ejemplos, si X =1, . . . , n entonces F (X, R) =R
n
. Si X es el producto cartesiano de los conjunto
1, . . . , m y 1, . . . , n entonces F (X, R) = M(mn).
Ejemplo 4.3
Otros ejemplos de espacios vectoriales se presentan como subespacios, como veremos en la sigu-
iente seccin.
1.) Si w+u =w+v entonces u =v. En particular, w+u =w implica u =0 y w+u =0 implica u =w.
2.) Dados 0 Ry v E tenemos: 0v =0 E. Anlogamente, dados Ry 0 E, se cumple 0 =0.
3.) Si ,= 0 y v ,= 0 entonces v ,= 0.
4.) (1)v =v.
Teorema 4.1 (Propiedades de un espacio vectorial).
En adelante, escribiremos uv para representar u+(v). Evidentemente, uv = w u = v +w.
4.2 Subespacios vectoriales
Sea E un espacio vectorial. Un subespacio vectorial (o simplemente un subespacio) de E es un
subconjunto F E, con las siguientes propiedades:
1.) 0 F,
2.) Si u, v F entonces u+v F,
3.) Si v F entonces, para todo R, v F.
Denicin 4.1
El conjunto 0 y todo el espacio E, son ejemplos triviales de subespacios de E. Todo subespacio
vectorial es, en s mismo, un espacio vectorial.
34 CAPTULO 4. ESPACIOS VECTORIALES
Sea v E un vector no nulo. El conjunto F = v : R de todos los mltiplos de v es un
subespacio vectorial de E llamado la recta que pasa por el origen y contiene a v.
Ejemplo 4.4
Consideremos el espacio E =R
2
y los subconjuntos
F =(x, y) R
2
: y = x +1 y G =(x, y) R
2
: y = 2x.
F no es un subespacio, pues el vector nulo (0, 1) , F. Por otro lado, G si es un subespacio de R
2
,
ya que
1.) 0 = (0, 0) G.
2.) Si (x, y), (x
/
, y
/
) G entonces y = 2x, y
/
= 2x
/
, de esto tenemos que y +y
/
= 2(x +x
/
) y por tanto
(x, y) +(x
/
, y
/
) G.
3.) Si (x, y) G, entonces y = 2x, luego para cualquier R, tenemos que y = 2(x), por tanto
(x, y) G.
Ejemplo 4.5
El espacio vectorial E =R
3
, y el conjunto
F =(x, y, z) R
3
: z = x +y.
Veamos si satisface las condiciones para ser un subespacio de R
3
.
1.) (0, 0, 0) F.
2.) Si (x, y, z), (x
/
, y
/
, z
/
) F, entonces z = x +y y z
/
= x
/
+y
/
, de esto tenemos que z +z
/
= (x +x
/
) +
(y +y
/
), luego (x, y, z) +(x
/
, y
/
, z
/
) F.
3.) Si (x, y, z) F, entonces z = x +y, luego para cualquier R, tenemos que: z = x +y, por
tanto (x, y, z) F (x, y, z) F.
Ejemplo 4.6
35
Sean a
1
, . . . , a
n
nmeros reales. El conjunto H de todos los vectores v = (x
1
, . . . , x
n
) R
n
tales que
a
1
x
1
+. . . +a
n
x
n
= 0
es un subespacio vectoriales de R
n
. En el caso no interesante en que a
1
= . . . =a
n
=0, el subespacio
H es todo R
n
. Si, al contrario, por los menos unos de los a
i
,= 0 diremos que H es un hiperplano de
R
n
que pasa por el origen.
Ejemplo 4.7
Sea M(nn) es el espacio vectorial de las matrices cuadradas reales de n las y n columnas.
Si A M(nn) escribimos
A =
_

_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_

_
nn
Por denicin, la traza de una matriz cuadrada es la suma de los elementos de si diagonal. La
notacin es
traz(A) = a
11
+a
22
+. . . +a
nn
=
n

i=1
a
ii
.
El conjunto F = A M(n n) : traz(A) = 0, es el de las matrices de traza nula de M(n n),
constituye un subespacio de M(nn). En efecto:
1.) La matriz nula es de traza nula y en consecuencia 0 F.
2.) Sean A, B F, entonces traz(A) = 0 = traz(B), luego
n

i=1
a
ii
= 0 =
n

i=1
b
ii
, esto implica que
n

i=1
(a
ii
+b
ii
) =
n

i=1
a
ii
+
n

i=1
b
ii
= 0 traz(A+B) = 0 A+B F.
3.) Si A F, entonces traz(A) =
n

i=1
a
ii
= 0, luego para cualquier R, tenemos que
n

i=1
a
ii
=
n

i=1
a
ii
= 0 traz(A) = 0 A F.
Ejemplo 4.8
36 CAPTULO 4. ESPACIOS VECTORIALES
4.3 Operaciones con subespacios
4.3.1 Interseccin de subespacios
Sea I un conjunto de ndices y sea F
i
con i I una familia de subespacios del espacio vectorial
E. Entonces la interseccin F =

iI
F
i
es un subespacio de E.
F =

iI
F
i
es un subespacio de E.
Teorema 4.2
En efecto:
1.) Ya que 0 F
i
, para cada i I, entonces 0 F =

iI
F
i
.
2.) Si x, y F, entonces x, y F
i
, para cada i I, y como F
i
es subespacio de E, entonces x +y F
i
,
para cada i I. Por tanto x +y
n

i=1
F
i
, luego x +y F.
3.) Si x F, entonces x F
i
, para cada i I, y para cualquier R, tenemos que x F
i
, para cada
i I, esto por ser F
i
subespacio de E. As tenemos que x F, para cualquier R.
En R
3
consideremos los subespacios
F
1
=(x, y, z) R
3
: z = 0, F
2
=(x, y, z) R
3
: x = 0,
la interseccin de estos es:
F = F
1
F
2
=(x, y, z) R
3
: x = 0 z = 0.
Ejemplo 4.9
4.3.2 Uniones de subespacios
Si F
1
y F
2
son dos subespacios de E, entonces F
1
F
2
, no es necesariamente un subespacios de E,
como lo prueba el siguiente ejemplo:
Consideremos en R
2
los subespacios F
1
y F
2
de la gura 4.1.
La unin de ambos es par de rectas, y eligiendo x F
2
, y F
1
, distintos del vector nulo, tenemos
x F
2
x F
1
F
2
,
y F
1
y F
1
F
2
,
37
Figura 4.1: Unin de F
1
y F
2
no necesariamente es un subespacio.
pero
x +y , F
1
F
2
.
4.3.3 Suma de subespacios
Sean F
1
y F
2
dos subespacios de E. Denimos el conjunto
F =x E : x = x
1
+x
2
, x
1
F
1
, x
2
F
2
.
El conjunto F se llama suma de los subespacios F
1
y F
2
y se denotar por:
F = F
1
+F
2
.
La suma de dos subespacios de E es un subespacio de E.
Teorema 4.3
En efecto:
1.) Ya que 0 = 0+0, entonces 0 F = F
1
+F
2
.
2.) Si x, y F, entonces x = x
1
+x
2
, y = y
1
+y
2
, para ciertos x
1
, y
1
F
1
, x
2
, y
2
F
2
. Luego x +y =
(x
1
+y
1
) +(x
2
+y
2
) y como F
1
y F
2
son subespacios, entonces (x
1
+y
1
) F
1
y (x
1
+y
2
) F
2
, por
tanto x +y F = F
1
+F
2
.
3.) Si x F = F
1
+F
2
, entonces x = x
1
+x
2
, para ciertos x
1
F
1
, x
2
F
2
. Luego para cualquier R,
tenemos que x = x
1
+x
2
, y como F
1
y F
2
son subespacios, entonces x
1
F
1
y x
2
F
2
.
Por tanto x F, para cualquier R.
Un caso particularmente importante se presenta cuando los subespacios F
1
y F
2
solo se intersectan
en 0, es decir: F
1
F
2
=0. En esta situacin, el subespacio F =F
1
+F
2
recibe el nombre de suma
directa de F
1
y F
2
, y se utiliza la notacin
F = F
1
F
2
.
38 CAPTULO 4. ESPACIOS VECTORIALES
F = F
1
F
2
F = F
1
+F
2
F
1
F
2
=0.
Denicin 4.2 (Suma directa).
Extendemos la denicin de suma de subespacios:
La suma de los subespacios F
1
, F
2
, . . . , F
n
de E es el conjunto
F =
n

i=1
F
i
=x E : x =
n

i=1
x
i
, x
i
F
i
, i 1, 2, . . . , n.
Resulta F =
n

i=1
F
i
ser un subespacio de E. Adems, Si i ,= j F
i
F
j
= 0, entonces diremos que
F es la suma directa de ellos, y escribiremos
F = F
1
F
2
. . . F
n
.
Denicin 4.3
4.4 Subespacio generado
Queremos construir subespacios vectoriales de un espacio vectorial V dado, a partir de un vector
o de varios vectores bajo ciertas condiciones y relaciones existentes entre dichos vectores.
Sea X un subconjunto del espacio vectorial E. El subespacio vectorial de E generado por X es denido,
como el conjunto de todas las combinaciones lineales

1
v
1
+
2
v
2
+. . . +
n
v
n
,
de vectores v
1
, v
2
, . . . , v
n
X.
Denicin 4.4
Notemos que el conjunto de todas la combinaciones lineales que es posible formar con vectores
del conjunto X es un subespacio vectorial. Lo denotaremos por el smbolo X.
El subespacio X, generado por el subconjunto X E, contiene al conjunto X y, adems, es el
menor subespacio de E que contiene a X. En otras palabras, si F es un subespacio de E y que
X F entonces X F. Evidentemente si X es ya un subespacio vectorial, entonces X = X.
Cuando el subespacio X coincide con E, decimos que X es un conjunto de generadores de E.
Explcitamente: X es un conjunto de generadores del espacio vectorial E, si todo w E se puede
expresar como combinacin lineal
w =
1
v
1
+
2
v
2
+. . . +
n
v
n
39
de vectores v
1
, v
2
, . . . , v
n
pertenecientes a X.
Si v E es un vector no nulo, el subespacio generado por v es la recta que pasa por el origen y
contiene a v.
Ejemplo 4.10
Los llamados vectores cannicos
e
1
= (1, 0, . . . , 0),
e
2
= (0, 1, . . . , 0),
.
.
.
e
n
= (0, 0, . . . , 1).
Constituye un conjunto de generadores del espacio R
n
. En efecto: Dado un v = (
1
,
2
, . . . ,
n
) R
n
,
tenemos que
v =
1
e
1
+. . . +
n
e
n
.
Ejemplo 4.11
4.5 Ejercicios
4.1 Consideremos E = F (R, R) el espacio vectorial de las funciones reales con una variable real,
investigar si son espacios vectoriales sobre R:
i.) El conjunto de las funciones continuas.
ii.) El conjunto de las funciones derivables.
iii.) El conjunto de las funciones pares, es decir: Las funciones f E tales que f (x) = f (x).
iv.) El conjunto de las funciones impares, es decir: Las funciones f E tales que f (x) =f (x).
v.) El conjunto de las funciones constantes.
vi.) El conjunto de las funciones no negativas.
40 CAPTULO 4. ESPACIOS VECTORIALES
4.2 Sean E =R
2
. Determine si las siguientes operaciones denen sobre E una estructura de espa-
cio vectorial sobre R.
(a, b) +(a
/
, b
/
) =
_
a+a
/
2
,
b+b
/
2
_
.
(a, b) = (a, b).
4.3 Considerando el espacio vectorial E = R
3
sobre R, investigar si los siguientes conjuntos son
subespacios de R
3
:
i.) F =(x, y, z) R
3
: x +z = 0.
ii.) F =(x, y, z) R
3
: [x[ =[y[.
iii.) F =(x, y, z) R
3
: z = x +2.
4.4 Sea el espacio vectorial E =R
n
sobre R. Determinar si los siguientes conjuntos son subespacios
de R
n
:
i.) F =(x
1
, x
2
, . . . , x
n
) R
n
: x
n
Z.
ii.) F =(x
1
, x
2
, . . . , x
n
) R
n
:
n
i=1
a
i
x
i
= 0, a
i
R.
4.5 Dados los espacios vectoriales E
1
, E
2
, consideremos el conjunto E = E
1
E
2
(producto carte-
siano de E
1
por E
2
), cuyos elementos son pares ordenados v = (v
1
, v
2
), con v
1
E
1
y v
2
E
2
. dena
operaciones que convierten a E en un espacio vectorial. Verique la validez de los axiomas de es-
pacio vectorial y muestre que su denicin se puede extender para el caso de n espacios vectoriales
E
1
, . . . , E
n
.
4.6 M(nn) denota el espacio vectorial de las matrices reales nn. Por denicin, la matriz A
M(nn) se llama triangular superior si y solo si
i > j a
i j
= 0.
demostrar que F es subespacio de M(n n), siendo F el conjunto de las matrices triangulares
superiores.
4.7 Determinar si los siguientes subconjuntos subespacios de E =R
2
:
i.) S =(x, y) R
2
: (x y)
2
= (x +y)
2
.
ii.) T =(x, y) R
2
:
1
2
x +y = x
1
2
y.
4.8 Sean S, T y U subespacios de E. Demostrar
i.) S+T = T +S.
ii.) S+(T +U) = (S+T) +U.
41
iii.) S S+T.
4.9 Demostrar que si el subespacio F de E es la suma directa de los subespacios F
1
y F
2
, entonces
todo vector de F se puede expresar de modo nico como la suma de un vector de F
1
y uno de F
2
.
4.10 Sea E = M(nn) el espacio vectorial de matrices reales y sean los subconjuntos
F
1
= A M(nn) : a
i j
= a
ji
, i, j,
F
2
= A M(nn) : a
i j
=a
ji
, i, j,
Por denicin, los elementos de F
1
se llaman matrices simtricas, y los de F
2
matrices antisimtri-
cas.
Demostrar
1.) F
1
y F
2
son subespacios de M(nn).
2.) M(nn) = F
1
F
2
.
4.11 Pruebe que, en la denicin de subespacio vectorial, la condicin 0 F puede ser sustitu-
ida por F ,= / 0.
4.12 Sea F
1
= f : RR[ f (x) = f (x), x R y F
2
= f : RR[ f (x) =f (x), x R. Probar
que F (R, R) = f : R R[ f es funcin es suma directa de F
1
y F
2
.
4.13 Exprese el vector (1, 3, 10) como combinacin lineal de los vectores u = (1, 0, 0), v = (1, 1, 0)
y w = (2, 3, 5).
4.14 Pruebe que la matriz d =
_
4 4
6 16
_
se puede expresar como combinacin lineal de las matrices
a =
_
1 2
3 4
_
, b =
_
1 2
3 4
_
, y c =
_
1 2
3 4
_
4.15 Determinar el valor de x para que el vector (1, x, 5) R
3
pertenezca al subespacio (1, 2, 3), (1, 1, 1).
5 Base y dimensin
5.1 Conjunto linealmente independiente
Sea E un espacio vectorial. Diremos que un conjunto X E es linealmente independiente (abre-
viadamente, L.I.) si ningn vector v X es combinacin lineal de los otros vectores de X.
Denicin 5.1
Para evitar ambigedades, si X tiene un nico elemento v ,= 0, diremos que X es L.I., por deni-
cin. Cuando X es L.I. se dice tambin que los elementos de X son vectores linealmente indepen-
dientes.
Cuando el conjunto X es L.I., sus elementos son todos no nulos, pues el vector nulo es combinacin
lineal de otros cualesquiera: 0 = 0.v
1
+. . . +0.v
n
.
Un criterio muy til para vericar la independencia lineal de un conjunto, es dado por el siguiente
teorema:
Sea X un conjunto L.I. en el espacio vectorial E. Si
1
v
1
+. . . +
n
v
n
= 0 con v
1
, . . . , v
n
X entonces

1
= . . . =
n
= 0. Recprocamente, si la nica combinacin lineal nula de vectores de X es aquella
cuyos coecientes son todos iguales a cero, entonces X es un conjunto L.I.
Teorema 5.1
43
Los vectores cannicos e
1
= (1, 0, . . . , 0), . . . e
n
= (0, 0, . . . , 1) en R
n
son L.I. En efecto:
1
e
1
+ . . . +

n
e
n
= 0 signica (
1
, . . . ,
n
) = 0 luego
1
= . . . =
n
= 0. Anlogamente, los monomios 1, x, . . . , x
n
en P
n
(el conjunto de polinomios de grado n) son L.I. pues
0
+
1
x+. . . +
n
x
n
= p(x) es el vector
nulo en P
n
slo si p(x) es la funcin idnticamente nula, esto es p(x) = 0, para todo x R. Esto
implica
0
=
1
= . . . =
n
= 0.
Ejemplo 5.1
Si un vector es combinacin lineal de una familia linealmente independiente, entonces dicha com-
binacin lineal es nica.
Teorema 5.2
En efecto: Sea v E (espacio vectorial) combinacin lineal de la familia v
1
, . . . , v
n
, y sta lineal-
mente independiente. Entonces existen escalares
i
tal que
v =
n

i=1

i
v
i
.
Debemos probar que esta combinacin es nica. Supongamos que existan escalares
i
tales que
v =
n

i=1

i
v
i
.
Entonces
n

i=1

i
v
i
=
n

i=1

i
v
i
n

i=1
(
i

i
)v
i
= 0.
Ya que la familia es linealmente independiente, se deduce que

i
= 0, i = 1, 2, . . . , n.
Por tanto, la combinacin lineal es nica.
5.2 Conjunto linealmente dependiente
Un conjunto X E se dice que es linealmente dependiente (abreviadamente, L.D.) si no es L.I.
Denicin 5.2
44 CAPTULO 5. BASE Y DIMENSIN
Esto signica que alguno de los vectores v X es combinacin lineal de otros elementos de X, o
que X =0. Para que X sea L.D., es necesario y suciente que exista una combinacin lineal nula

1
v
1
+ . . . +
n
v
n
= 0 de vectores v
1
, . . . , v
n
X con algn coeciente
i
,= 0. Si X Y y X es L.D.
entonces Y es tambin L.D. Si 0 X entonces X es L.D.
Los vectores u = (1, 2, 3), v = (4, 5, 6), w = (7, 8, 9) en R
3
son L.D. pues w = 2v u.
Ejemplo 5.2
Cuando los vectores v
1
, . . . , v
n
son L.D., ello no signica que cualquiera de ellos sea combinacin
lineal de los dems. Por ejemplo si u = (1, 2), v = (3, 4) y w = (4, 8) entonces, u, v, w R
2
es un
conjunto L.D. pues w = 4u+0v, pero v no es combinacin de u y w.
Ejemplo 5.3
5.3 Base de un espacio vectorial
Una base de un espacio vectorial E es un conjunto B E linealmente independiente que genera
E.
Denicin 5.3
Esto signica que todo vector v E se expresa, de modo nico, como combinacin lineal v =

1
v
1
+. . . +
n
v
n
de elementos de la base B. Si B =v
1
, . . . , v
n
es una base de E y v =
1
v
1
+. . . +
n
v
n
entonces se dice que los nmeros
1
, . . . ,
n
son las coordenadas del vector v en la base B.
Los vectores e
1
= (1, 0, . . . , 0), . . . e
n
= (0, 0, . . . , 1) constituyen una base e
1
, . . . , e
n
de R
n
llamada
base cannica. Anlogamente, los monomios 1, x, . . . , x
n
, forman una base para el espacio vectorial
P

polinomios de grado n.
Ejemplo 5.4
45
5.4 Dimensin de un espacio vectorial
Dimensin de un espacio vectorial E es el nmero de elementos de cualquiera de las bases de E.
SI E consiste nicamente en el vector nulo, diremos que su dimensin es 0.
Denicin 5.4
La denicin de base, esta bien dada, pues es posible demostrar que si un espacio vectorial E
admite base con n elementos entonces todas las bases de E tiene el mismo nmero de n elementos.
Denotaremos por dim(E) = n.
Si la dimensin de E es n, un conjunto de n vectores genera E si y solo si, es L.I.
Teorema 5.3
Como la base cannica e
1
, . . . , e
n
R
n
tiene n elemento, R
n
es un espacio vectorial de dimensin
nita n. Se sigue del anterior teorema, que para demostrar que n vectores v
1
, . . . , v
n
R
n
forman
una base, basta con demostrar que ellos son L.I. o alternativamente, que generan R
n
.
Sea E un espacio vectorial de dimensin nita n. Entonces:
1.) Todo conjunto X de generadores de E contiene una base.
2.) Todo conjunto L.I. v
1
, . . . , v
n
E est contenido en una base.
3.) Todo subespacio vectorial F E tiene dimensin nita, que es n.
4.) Si la dimensin del subespacio F E es n entonces F = E.
Teorema 5.4
5.5 Ejercicios
5.1 Expresar en cada caso, si es posible, al vector v como combinacin lineal de v
1
y v
2
. El espacio
vectorial sobre el que se trabaja es E =R
2
.
i.) v = (

2, 1), v
1
= (

3, 2), v
2
= (

6, 2).
ii.) v = (2, 4), v
1
= (1, 3), v
2
= (2, 6).
46 CAPTULO 5. BASE Y DIMENSIN
5.2 Comprobar que los vectores de R
3
v
1
= (1, 3, 1), v
2
= (3, 1, 1) y v
3
= (4, 0, 2)
son linealmente dependiente, y expresar a v
3
como combinacin lineal de v
1
y v
2
.
5.3 En M(23) matrices de tamao 23 se consideran las matrices
A =
_
0 1 2
1 1 1
_
, B =
_
1 1 2
0 1 1
_
Probar que son linealmente independientes.
5.4 Dados los vectores (1, 4, 6), (1, 4, 4) y (0, 4, x) en R
3
, determinar x para que sean linealmente
dependientes.
5.5 Demostrar que si a, b y c son tres nmeros reales distintos, entonces los vectores (1, a, a
2
),
(1, b, b
2
) y (1, c, c
2
) en R
3
son linealmente independientes.
5.6 En el espacio vectorial de las funciones reales denidas en R, se consideren las funciones
f , g y h denidas por
f (t) =t
2
+2t 1, g(t) =t
2
+1, h(t) =t
2
+t
Demostrar que son linealmente dependientes.
5.7 En R
2
, los vectores (a, b) y (c, d) verican la condicin ad bc ,= 0. Demostrar que son lineal-
mente independientes.
5.8 Sabiendo que v
1
, v
2
, v
3
son vectores linealmente independientes del espacio E, investigar la
dependencia o independencia lineal de los siguientes conjuntos de vectores:
i.) v
1
+av
2
+bv
3
, v
2
+cv
3
, v
3

ii.) v
1
, v
2
+av
3
, v
3
+bv
2

donde a, b, c R.
5.9 Sean x
1
, x
2
, . . . , x
n
un conjunto L.I. de E y k R. Demostrar
kx
1
, x
2
, . . . , x
n
es L.I. k ,= 0.
5.10 Calcular bases de los subespacios de S, T, S +T y S T en R
4
, siendo S = (x
1
, x
2
, x
3
, x
4
) :
x
1
x
2
= 0 y T =(1, 1, 2, 1), (2, 3, 1, 1).
5.11 Encontrar una base y la dimensin del subespacio vectorial
F =(1, 2, 1, 3), (2, 1, 0, 2), (0, 1, 2, 1), (3, 4, 1, 2).
47
5.12 Si E es un espacio vectorial de dimensin 1, cmo son sus bases?.
5.13 Determinar los valores de a y b, si es que existen, para que
(a, 1, 1, 2), (1, b, 0, 3) =(1, 1, 1, 2), (2, 0, 0, 6).
5.14 Demuestre que las matrices a, b, c siguientes, son L.I.:
a =
_
1 1
0 0
_
, b =
_
1 0
0 1
_
, c =
_
1 1
1 1
_
.
5.15 Sea F el subespacio vectorial (plano) de R
3
formado por los vectores v = (x, y, z) tales que
x 2y +4z = 0. Halle una base u
1
, u
2
, u
3
R
3
tales que u
1
y u
2
pertenezcan a F.
5.16 Pruebe que los polinomios 1, x 1, y x
2
3x +1 forman una base de P
2
polinomios de grado
2. Exprese el polinomio 2x
2
5x +6 como combinacin lineal de los elementos de dicha base.
6
Cambios de Base y el Proceso
de Gram-Schmidt
6.1 Coordenadas en un base
Sea E un espacio vectorial de dimensin nita y B = v
1
, v
2
, . . . , v
n
una base de E. Para cada
vector v E, se llaman coordenadas de v en la base B a los nmeros reales
1
,
2
, . . . ,
n
tales
que v =
1
v
1
+
2
v
2
+. . . +
n
v
n
.
Fijando el orden para los vectores de la base, el vector de R
n
, de las coordenadas de v en B se
denota por (v)
B
= (
1
,
2
, . . . ,
n
) y mas usualmente por [v]
B
cuando lo escribimos como vector
columna en las operaciones con matrices:
[v]
B
=
_
_
_
_
_
_

2
.
.
.

n
_
_
_
_
_
_
.
Este es llamado matriz coordenada de v relativa a la base B.
Denicin 6.1
49
Si B =v
1
, v
2
, v
3
es una base de E y v = v
1
v
2
+2v
3
, tenemos que
(v)
B
= (1, 1, 2), (v
1
)
B
= (1, 0, 0), (v
2
)
B
= (0, 1, 0), (v
3
)
B
= (0, 0, 1)
o tambin
[v]
B
=
_
_
_
1
1
2
_
_
_, [v
1
]
B
=
_
_
_
1
0
0
_
_
_, [v
2
]
B
=
_
_
_
0
1
0
_
_
_, [v
3
]
B
=
_
_
_
0
0
1
_
_
_.
Ejemplo 6.1
Nota 1: Al usar el orden de los vectores, es imprescindible mantener el orden de los vectores. Si,
en el ejemplo anterior, tomamos como base B
1
= v
2
, v
3
, v
1
, tenemos que (v)
B
1
= (1, 2, 1)
que es un vector de coordenadas distinto de (v)
B
= (1, 1, 2)
Nota 2: Fijada una base, la unicidad de las coordenadas asigna a cada vector de E un nico vector
de R
n
, de manera que disponer de las coordenadas es, en el fondo, disponer del vector.
Adems, se cumple:
[v +w]
B
= [v]
B
+[w]
B
y [v]
B
= [v]
B
, luego [
1
v
1
+. . . +
n
v
n
]
B
=
1
[v
1
]
B
+. . . +
n
[v
n
]
B
y con esto, tenemos que:
v v
1
, . . . , v
k
E [v]
B
[v
1
]
B
, . . . , [v
k
]
B
R
n
.
v
1
, . . . , v
k
linealmente independientes en E [v
1
]
B
, . . . , [v
n
]
B
linealmente independientes en R
n
.
v
1
, . . . , v
n
base de E [v
1
]
B
, . . . , [v
n
]
B
base de R
n
.
Por lo que se puede trabajar sobre las coordenadas en lugar de sobre los vectores.
6.2 Cambios de base
Puesto que las coordenadas estn referidas a una base, al cambiar la base de trabajo, habr que
cambiar las coordenadas en una nueva base. Pero este proceso puede realizarse fcilmente, tendi-
endo en cuenta lo siguiente:
50 CAPTULO 6. CAMBIOS DE BASE Y EL PROCESO DE GRAM-SCHMIDT
Sean B
1
=u
1
, u
2
, . . . , u
n
y B
2
=v
1
, v
2
, . . . , v
n
son base de una espacio vectorial E. Recibe el nombre
de matriz de transicin o matriz de cambio de la base B
1
a la base B
2
, la matriz de dimensin nn,
que por columnas es
P =
_
[u
1
]
B
2
[u
2
]
B
2
[u
n
]
B
2
_
es decir, la i-sima columna est constituida por las coordenadas en la base B
2
, del vector u
i
de la
base B
1
.
Denicin 6.2
En otras palabras, la matriz de cambio de base tiene por columnas las coordenadas en la base de
llegada de los vectores de la base de partida.
El porqu la matriz de cambio se construye as, puede observarse en la prueba de la proposicin
siguiente:
Sea P la matriz de cambio de una base B
1
en otra base B
2
de un espacio vectorial E. Entonces:
1.) x E tenemos que [x]
B
2
= P.[x]
B
1
.
2.) P es invertible y su inversa, P
1
, es la matriz de cambio de la base B
2
a la base B
1
.
Teorema 6.1
En efecto: Sea B
1
=u
1
, u
2
, . . . , u
n
y sea x =
1
u
1
+
2
u
2
+. . . +
n
u
n
. Entonces
1.)
P.[x]
B
1
=
_
[u
1
]
B
2
[u
2
]
B
2
[u
n
]
B
2
_
_
_
_
_
_
_

2
.
.
.

n
_
_
_
_
_
_
=
1
[u
1
]
B
2
+
2
[u
2
]
B
2
+. . . +
n
[u
n
]
B
2
= [
1
u
1
+
1
u
2
+. . . +
n
u
n
]
B
2
= [x]
B
2
.
2.) Como los vectores de la base B
1
son linealmente independientes, sus vectores coordenadas en
la base B
2
tambin lo son. Luego las columnas de P son vectores linealmente independientes
y por tanto P es invertible.
Adems, [x]
B
2
= P.[x]
B
1
P
1
.[x]
B
2
= P
1
.P.[x]
B
1
P
1
[x]
B
2
= [x]
B
1
y P
1
es la matriz de
cambio de la base B
2
en la base B
1
.
51
Consideremos las base B
1
=x 1, x +1, x
2
1 y B
2
=1, x, x
2
de P
2
polinomio de grado 2. La
matriz de cambio de la base B
1
a la base B
2
ser:
P=
_
[x 1]
B
2
[x +1]
B
2
[x
2
1]
B
2
_
=
_
_
_
1 1 1
1 1 0
0 0 1
_
_
_ y P
1
=
_
_
_
1/2 1/2 1/2
1/2 1/2 1/2
0 0 1
_
_
_.
la matriz de cambio de B
2
a B
1
.
Ejemplo 6.2
Consideremos en R
3
la base cannica B = e
1
= (1, 0, 0), e
2
= (0, 1, 0), e
3
= (0, 0, 1) y la base B
1
=
v
1
= (1, 0, 1), v
1
= (2, 1, 1), v
2
= (0, 1, 1).
Como v
1
= 1(1, 0, 0) +0(0, 1, 0) 1(0, 0, 1) = e
1
e
3
, tenemos que (v
1
)
B
= (1, 0, 1); y lo mismo para
los otros vectores, luego la matriz de cambio de la base B
1
a la base B ser:
P =
_
[v
1
]
B
[v
2
]
B
[v
3
]
B
_
=
_
_
_
1 2 0
0 1 1
1 1 1
_
_
_.
Ejemplo 6.3
6.3 Espacios vectoriales con producto interno
6.3.1 Producto interno, norma y distancia
Un producto interno en un espacio vectorial E es una funcin que a cada para de vectores u, v E
le asocia un nmero real, que denotaremos por u v, de tal manera que se cumplen las siguientes
axiomas:
1.) u v = v u, u, v E.
2.) (u+v) w = u w+v w, u, v, w E.
3.) (u) v = (u v) = u (v), u, v E, R.
4.) u u 0, u E y u u = 0 u = 0.
Denicin 6.3
52 CAPTULO 6. CAMBIOS DE BASE Y EL PROCESO DE GRAM-SCHMIDT
De los anterior podemos deducir, las siguientes propiedades:
1.) 0 u = 0.
2.) u (v +w) = u w+v w.
3.) u (v) = (u v).
Sea C([1, 1]) el conjunto de las funciones reales continuas denidas en el intervalo [1, 1]. Se
puede demostrar C([1, 1]) es un espacio vectorial, con las operaciones usuales de suma de fun-
ciones y producto de una escalar por una funcin.
Denamos la siguiente operacin
f g =

1
1
f (x)g(x)dx.
Esto es un producto interno para dicho espacio C([1, 1]). Para ello es suciente probar que se
cumplen con los axiomas de la denicin teniendo en cuenta propiedades de la integral denida.
Ejemplo 6.4
53
En R
n
la funcin
: R
n
R
n
R
(X,Y) X Y := X
t
Y =
n
i=1
x
i
y
i
,
donde
X =
_
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
_
, Y =
_
_
_
_
_
_
y
1
y
2
.
.
.
y
n
_
_
_
_
_
_
y X
t
denota la transpuesta de X. Esta funcin es un producto interno para R
n
. Para probar esto
vericamos los axiomas de la denicin:
1.) X Y = X
t
Y = (X
t
Y)
t
=Y
t
X =Y X.
2.) (X +Y) Z = (X +Y)
t
Z = (X
t
+Y
t
)Z = X
t
Z +Y
t
Z = X Z +Y Z.
3.) (X) Y = (X)
t
Y = (X
t
Y) = (X Y).
4.) X X = X
t
X =
n

i=1
x
2
i
0. Adems
X X = 0
n

i=1
x
2
i
= 0 x
i
= 0, i. X = 0.
As tenemos que denido un producto interno en R
n
, llamado producto interno usual en R
n
.
Ejemplo 6.5
A partir de un producto interno sobre el espacio E se denen los conceptos de norma, distancia y
ngulo.
Si E es un espacio vectorial con producto interno, entonces la norma (o longitud o mdulo) de un
vector v E se denota mediante |v| y se dene como
|v| =

v v
La distancia entre vectores u y v de E se denota por d(u, v) y se dene como
d(u, v) =|uv| =
_
(uv) (uv)
Denicin 6.4
54 CAPTULO 6. CAMBIOS DE BASE Y EL PROCESO DE GRAM-SCHMIDT
Para todo u, v E, espacio con producto interno, tenemos
[u v[ |u||v|.
Teorema 6.2 (Desigualdad de Cauchy-Schwarz).
1.) |u| 0, u E
2.) |u| = 0 u = 0.
3.) |u| =[[|u|, u E, R.
4.) |u+v| |u|+|v|, u, v E.
Teorema 6.3 (Propiedades de norma).
1.) d(u, v) 0, u, v E.
2.) d(u, v) = 0 u = v.
3.) d(u, v) = d(v, u), u, v E.
4.) d(u, v) d(u, w) +d(w, v), u, v, w E.
Teorema 6.4 (Propiedades de distancia).
55
6.3.2 Ortogonalidad
Si u y v son vectores distintos de cero de un espacio con producto internos, como consecuencia
de la desigualdad de Cauchy-Schwarz tenemos que 1
u v
|u||v|
1 y, por tanto, existe un nico
ngulo, tal que:
cos =
u v
|u||v|
, con 0 .
Denicin 6.5
En un espacio vectorial con producto interno, dos vectores u y v se dicen que son ortogonales si
u v = 0. Suele denotarse por u v.
Si u es ortogonal a todos los vectores de un conjunto W, se dice que u es ortogonal a W.
Se dice que S =v
1
, v
2
, . . . , v
k
es un conjunto ortogonal si los vectores son ortogonales dos a dos,
es decir, si v
i
v
j
para todo i ,= j.
Denicin 6.6
Los vectores de la base cannica de R
3
con producto interno usual son ortogonales entre si, pero
no lo son si el producto interno es denido por: v w = v
1
w
1
+v
1
w
2
+v
2
w
1
+2v
2
w
2
+v
3
w
3
. (Prubese
que es un producto interno). En efecto: e
1
e
2
= (1, 0, 0) (0, 1, 0) = 0+1+0+0+0 = 1 ,= 0.
Ejemplo 6.6
Nota: Si dos vectores son ortogonales, el ngulo que forma es de /2 radianes (los famosos 90
grados). De hecho en R
n
con el producto interno usual, la ortogonalidad coincide con la
perpendicularidad.
Si u y v son dos vectores ortogonales de un espacio vectorial con producto interno, entonces
|u+v|
2
=|u|
2
+|v|
2
.
Teorema 6.5 (Pitgoras).
1.) Si w v
1
, v
2
, . . . , v
k
, entonces w v
1
, v
2
, . . . , v
k
.
2.) 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 6.6
56 CAPTULO 6. CAMBIOS DE BASE Y EL PROCESO DE GRAM-SCHMIDT
6.3.3 Bases ortonormales. Proceso de Gram-Schmidt
Sean E un espacio vectorial de dimensin n con producto interno. Se dice que la base B =
v
1
, v
2
, . . . , v
n
es una base ortonormal de E, si B es un conjunto ortogonal y |v
i
| = 1, i.
Denicin 6.7
Las bases cannicas y B
1
=
_
1

2
,
1

2
_
,
_

2
,
1

2
_
son ortonormales en R
2
con el producto
interno usual. La base B
2
= (2, 0), (0,

2) es ortonormal para el producto interno dado por:

x y =
x
1
y
1
4
+
x
2
y
2
2
.
Ejemplo 6.7
Si B =v
1
, v
2
, . . . , v
n
es una base ortonormal para el espacio E con producto interno, entonces para
todo v E, tenemos que
v = (v v
1
)v
1
+(v v
2
)v
2
+. . . +(v v
n
)v
n
.
Teorema 6.7
Es decir, en una base ortonormal, la obtencin de coordenadas puede ser ms sencilla. Pero no
slo eso, si no que tambin se tiene:
Si P es la matriz de cambio de una base ortonormal B
1
a otra base ortonormal B
2
, entonces P es
una matriz ortogonal (es decir: P
1
= P
t
).
Teorema 6.8
Sean E un espacio vectorial con producto interno, W un subespacio de E y B =w
1
, w
2
, . . . , w
k
una
base ortonormal de W. Para cada v E, llamaremos proyeccin ortogonal de v sobre W al vector
de W
proy
W
v = (v w
1
)w
1
+(v w
2
)w
2
+. . . +(v w
k
)w
k
.
Al vector v proy
W
v se le llama componente ortogonal de v sobre W.
Denicin 6.8
El vector proyeccin ortogonal no depende de la base ortonormal elegida, es decir, tomando
cualquier base ortonormal se obtiene el mismo vector.
57
Lema 6.1 Sean E un espacio vectorial con producto interno, W un subespacio de E y B una base ortonormal
de W. Entonces para cada v E, el vector v proy
W
v es ortonormal a W.
Proceso de ortonormalizacin de Gram-Schmidt. Sea E un espacio vectorial con producto in-
terno y de dimensin nita. Vamos a describir este proceso que construye a partir de una
base B =v
1
, v
2
, . . . , v
n
una base ortonormal B

=u
1
, u
2
, . . . , u
n
.
En efecto:
1
a
etapa: Como v
1
,= 0 por ser de B, el vector u
1
=
v
1
|v
1
|
tiene norma 1 y adems u
1
=v
1
.
2
a
etapa: Sea W
1
=u
1
, por el Lema anterior, el vector v
2
proy
W
1
v
2
es ortogonal a W
1
, en partic-
ular a u
1
, y es distinto del vector 0 pues proy
W
1
v
2
W
1
y v
2
,W
1
= v
1
, entonces tenemos
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
|
v
1
, v
2
,
es ortogonal a u
1
y tiene norma 1. Adems, u
1
, u
2
=v
1
, v
2
.
3
a
etapa: Sea ahora W
2
= u
1
, u
2
, como antes, el vector v
3
proy
W
2
v
3
es ortogonal a W
2
, en partic-
ular a u
1
y u
2
, y es distinto del vector 0, pues proy
W
2
v
3
W
2
y v
3
, W
2
= v
1
, v
2
, entonces
tenemos 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
|
v
1
, v
2
, v
3
,
es ortogonal a u
1
y u
2
, y tiene norma 1. Adems, u
1
, u
2
, u
3
=v
1
, v
2
, v
3
.
n
a
etapa: Con la repeticin del proceso se ha construido un conjunto ortonormal de n vectores no
nulos B

=u
1
, u
2
, . . . , u
n
, tal que B

=B = E. Luego es una base ortonormal de E.

6.4 Ejercicios
6.1 En una cierta base u
1
, u
2
, u
3
, u
4
de un espacio vectorial E, un vector w tiene por coordenadas
(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
, y v
4
= 2u
1
u
2
.
6.2 En R
3
se consideran las bases B =v
1
= (2, 0, 0), v
2
= (0, 1, 2), v
3
= (0, 0, 3) y la base cannica
B
c
=e
1
, e
2
, e
3
. Hallar las coordenadas respecto a la base B del vector x = 4e
1
+e
2
5e
3
.
6.3 Se consideran en R
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).
58 CAPTULO 6. CAMBIOS DE BASE Y EL PROCESO DE GRAM-SCHMIDT
a.) Hallar la matriz de cambio de B a B
/
b.) Calcular la matriz de coordenadas, [w]
B
, siendo w = (5, 8, 5).
c.) Calcular [w]
B
/ .
6.4 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 pro-
ducto interno en R
3
.
6.5 a.) Encontrar dos vectores de R
2
con norma eucldea uno y cuyo producto interno usual con
(2, 4) sea cero.
b.) Demostrar que hay un innito de vectores en R
3
con norma uno y cuyo producto interno usual
con (1, 7, 2) es cero.
6.6 Sean a =
_
1

5
,
1

5
_
y b =
_
2

30
,
3

30
_
. Demostrar que a, b es ortonormal si R
2
tiene
producto interno 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 R
2
tiene el
producto interno usual.
6.7 Sean V un espacio con producto interno. Demostrar que si w es ortogonal a cada uno de los
vectores v
1
, v
2
, . . . , v
k
entonces es ortogonal a v
1
, v
2
, . . . , v
k
.
6.8 Considera R
3
con el producto interno eucldeo. Utilizar 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).
6.9 Sea R
3
con el producto interno u v =u
1
v
1
+2u
2
v
2
+3u
3
v
3
. Utilizar el proceso de Gram-Schmidt
para transformar la base formada por los vectores u
1
= (1, 1, 1), u
2
= (1, 1, 0), u
2
= (1, 0, 0) en una
base ortonormal.
6.10 Hallar la distancia del vector u = (1, 1, 1, 1) de R
4
al subespacio generado por los vectores
v
1
= (1, 1, 1, 0) y v
2
= (1, 1, 0, 0).
6.11 Dados los vectores x = (x
1
, x
2
, x
3
) e y = (y
1
, y
2
, y
3
) de R
3
, demostrar que la expresin 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 interno.
6.12 Considere el siguiente conjunto de tres vectores
_

_
x
1
=
_
_
_
_
_
1
1
0
2
_
_
_
_
_
, x
2
=
_
_
_
_
_
1
1
1
0
_
_
_
_
_
, x
3
=
_
_
_
_
_
1
1
2
0
_
_
_
_
_
_

_
.
Usando el producto interno usual en R
4
vericar que estos vectores son mutuamente ortogonales.
59
6.13 Sea E =C([1, 1]) el espacio con producto interno de la funciones continuas denidas en el
intervalo [1, 1], donde el producto interno es denido por
f g =

1
1
f (x)g(x)dx,
y sea S el subespacio de E generado por los tres polinomios linealmente independientes q
0
=
1, q
1
= x, q
2
= x
2
. Use el proceso de Gram-Schmidt para determinar un conjunto ortonormal de
polinomios p
0
, p
1
, p
2
que genera al subespacio S.