CAPITULO 4

ESPACIOS VECTORIALES

1.- Introducción

El termino vectorial esta asociado a vectores.

1.1.- vector: es una magnitud con dirección y sentido.

Sentido

Θ Dirección

*Forma Analica

Por (x,y)

𝑃⃗ = (𝑥, 𝑦) ∈ ℝ2 𝑃⃗ = (𝑥, 𝑦, 𝑧) ∈ ℝ3

Radio de vector de posición

P2
𝑢
⃗
 P1
P1 P2

⃗⃗⃗⃗⃗⃗
𝑃1 + 𝑢 ⃗ = 𝑃⃗2

⃗ = 𝑃⃗2 − 𝑃⃗1
𝑢 ⃗ = 𝑃⃗2 − 𝑃⃗1
𝑢

2.- Operaciones

2.1.- Producto por Escalar

⃗ = 𝑘(𝑢1 , 𝑢2 , 𝑢3 ) = (𝑘𝑢1 , 𝑘𝑢2 , 𝑘𝑢3 )

𝑘∘ 𝑢 𝑠𝑖𝑒𝑛𝑑𝑜 𝑘∈ℝ ≠0

2.2.- Suma de Vectores

⃗ = (𝑢1 , 𝑢2 , 𝑢3 ) + (𝑣1 , 𝑣2 , 𝑣3 ) = (𝑢1 + 𝑣1 , 𝑢2 + 𝑣2 , 𝑢3 + 𝑣3 )

𝑣+ 𝑢

Ejemplo

Sean a
⃗ =(2, -1, 3) ⃗b=(4, 2, -5) y c ⃗ - ⃗b+3c⃗
⃗ =(1, -3, 4). Hallar 2a

= 2(2, -1, 3) – (4, 2, -5) +(1, -3, 4)

= (4, -2, 6) – (4, 2, -5) + (3, -9, 12)

= (3, -13, 23)

El objetivo del capítulo es generalizar las propiedades de las operaciones vectoriales de suma y producto por
escalar a un conjunto de elementos “ѵ” con operaciones “⨁” ley de compocision interna, “⊙” ley de
composición externa, y un campo de escalares.

Entonces la cuaterna (𝑣 , ⨀, ⊙, 𝑘 ) se dice que forma una estructura de espacio vectorial si satisfacen los
siguientes axiomas.

1.) Ley de Composición Interna. (Clausura)

∀𝑢
⃗ ,𝑣 ∈ 𝑉 → 𝑢
⃗ ⨁𝑣 ∈ 𝑉

2.) Asociatividad

∀u
⃗ , ⃗⃗⃗v , ⃗w
⃗ ∈V → (u
⃗ ⨁v ⃗⃗ = u
⃗ )⨁w ⃗ ⨁(v ⃗⃗ )
⃗ ⨁w

3.) Existencia del Elemento Neutro

∀u
⃗ ∈V → ∃ e
⃗ ∈ V⁄u ⃗=u
⃗ ⨁e ⃗
4.) Existencia del Elemento Inverso
⃗ ∈V → ∃ u-1 ∈ V⁄u
∀u ⃗ ⨁u-1 = e
⃗
 5.) Conmutatividad

∀u
⃗ , ⃗v ∈V → u ⃗ =v
⃗ ⨁v ⃗ ⨁u
⃗

entonces (V,⨁) debe ser grupo ABELIANO

6.) Ley de Composición Externa

∀u
⃗ ∈V ;k∈K → k ⨀u
⃗ ∈V

7.) Distributividad de la ley de composición Externa (L.C.E) respecto a la L.C.I.

∀u
⃗ , ⃗v ∈V ∧k ∈K → k⨀(u ⃗ )=(k⨀u
⃗ ⨁v ⃗ )⨁(k⨀v
⃗)

8.) Distributividad con la Suma de Escalares

∀u
⃗ ∈V ∧ k1 , k2 ∈K → (k1 +k2 )⨀u
⃗ =(k1 ⨀u
⃗ )⨁(k2 ⨀u
⃗)

9.) Asociatividad del Producto de Escalares

∀u
⃗ ∈V ∧ k1 , k2 ∈K → (k1*k2 )⨀u
⃗ =k1 ⨀(k2 ⨀u
⃗)
10.) Identidad

∀u
⃗ ∈V → 1 ⨀u
⃗ =u
⃗

Ejemplo

En ℝ2 se definen las siguientes operaciones.

[k (u1+v1 ), u2 +v2 -1]

[k u1 +kv1 , u2 +v2 -1]

[(k u1 , u2 )⨁(kv1 , v2 -1)]

[(k ⨀u
⃗ )⨁(k⊙v
⃗ )]

Con la operación 8

(k1 +k2 )⊙u

⃗ =(k1 ⊙u
⃗ )⨁(k2 ⊙u
⃗)

[(k1 +k2 )u1, u2 ]=(ku1, u2 )⨁(k2 u1 , u2)

(k1u1 +k2 u1,u2 )=(k1 u1 +k2 u1 , u2 +u2 -1)

∴ (𝑅 2 , ⨁, ℝ, ⨀ ) no es un espacio vectorial.

Ejemplo

Analizar si (ℝ, ⨁, ℤ, ⨀) es un espacio vectorial.

𝑥⨁𝑦 = 𝑥𝑦

𝑘⨀𝑥 = 𝑥 𝑘
1.- L.C.I. por definición.

2.- (x⨁y)⨁z=x⨁(y⨁z)

xy⨁z=x⨁(y⨁z)

xyz=x⨁(y⨁z)

x⨁(yz)=x⨁(y⨁z)

x⨁(y⨁z)=x⨁(y⨁z

3.-
x⨁e
⃗ =x

xe=x

𝑒=1 → 𝑒=1∈ℝ

4.-
x⨁x-1 =e

x⨁x-1 =1

xx-1 =1
1 1
𝑥 −1 = 𝑥 →𝑥 ∈ℝ

5.-
x⨁y=y⨁x

xy=y⨁x

yx=y⨁x

y⨁x=y⨁x

6.-
𝑘⨀𝑥 ∈ ℝ 𝑝𝑜𝑟 𝑑𝑒𝑓𝑖𝑛𝑖𝑐𝑖𝑜𝑛

7.-
k⊙(x⨁y)=(k⊙x)⨁(k⊙y)

(x⨁y)k =(k⊙x)⨁(k⊙y)

(xy)k =(k⊙x)⨁(k⊙y)

xk yk =(k⊙x)⨁(k⊙y)

(𝑘⨀𝑥)⨁(𝑘⨀𝑦) = (𝑘 ⊙ 𝑥)⨁(𝑘 ⊙ 𝑦)

8.-
(k1 +k2 )⨀x=(k1 ⊙x)⨁(k2 ⊙y)

xk1 +k2 =(k1 ⊙x)⨁(k2⊙y)

 xk1 xk2 =(k1⊙x)⨁(k2 ⊙y)

(k1 ⨀x)⨁(k2 ⨀x)=(k1 ⊙x)⨁(k2 ⊙y)

Ejemplo

u ⃗ =(u1 +v1 , u2 +v2 -1)

⃗ ⨁v

k⨀u
⃗ =(ku1 , u2 )

Siendo u
⃗ =(𝑢1 , 𝑢2 ) y ⃗v=(v1 ,v2 ). analizar si (R2 , ⨀, ℤ, ⨁) es un espacio vecorial

Solución

1.-L.C.I. por definición.

∀u
⃗ = (u1 ,u2 ); ⃗v = (𝑣1 ,𝑣2 ) ; ⃗w
⃗ = (w1 ,w2 )

(u ⃗ )⨁w
⃗ ⨁v ⃗⃗ =u
⃗ ⨁(v ⃗⃗ )
⃗ ⨁w

(u1 +v1 , u2 +v2 -1)⨁(w1 ,w2 )

(u1 +v1 + 𝑤1 , u2 +v2 + 𝑤2 -1-1)

(u1 +(v1 + 𝑤1 ) , u2 +(v2 + 𝑤2 -1)-1)

(u1 , 𝑢2 )⨁(𝑣1 + w1 , v2 + 𝑤2 -1)

u
⃗ ⨁(v ⃗⃗ )=𝑢
⃗ ⨁𝑤 ⃗⃗ )
⃗ ⨁(𝑣⨁𝑤

3.-
u ⃗ =u
⃗ ⨁e ⃗

𝑒 = (𝑒⃗⃗⃗1 ,𝑒⃗⃗⃗2 )

(𝑢1 ,𝑢2 )⨁(𝑒1 ,𝑒2 ) = (𝑢1 ,𝑢2 )

(𝑢1 + 𝑒1 , 𝑢2 + 𝑒2 -1) = (𝑢1 ,𝑢2 )

(𝑢1 + 𝑒1 ) =𝑢1 → 𝑒1 = 0

(𝑢2 + 𝑒2 -1) =𝑢2 → 𝑒2 = 1

∴ 𝑒0 = (0,1)∈ℝ2

4.- ⃗ =(𝑢1 , 𝑢2 )
u 𝑢−1 = (𝑢1 −1 , 𝑢2 −1 )

𝑢1 ⨁𝑢1 -1 =𝑒

(𝑢1 ,𝑢2 )⨁(𝑢1 -1 ,𝑢2−1 )=(𝑒1 ,𝑒2 )

(𝑢1 +𝑢1 -1 , 𝑢2 + 𝑢2−1 -1)=(𝑒1 ,𝑒2 )

𝑢1 +𝑢1 -1 =𝑒1

𝑢1 +𝑢1 -1 =0
 𝑢1 = 𝑢1 -1

(𝑢2 + 𝑢2−1 -1)=𝑒2

(𝑢2 + 𝑢2−1 -1)=1

𝑢2 =2-𝑢2−1

𝑢1−1 = (−𝑢1 , 2 − 𝑢2 ) ∈ ℝ2

5.-
⃗u⨁𝑣 =𝑣⨁𝑢
⃗

(𝑢1 + 𝑣1 , 𝑢2 + 𝑣2 -1)

(𝑣1 + 𝑢1 , 𝑣2 + 𝑢2 -1)

⃗v⨁𝑢
⃗ =𝑣 ⨁𝑢
⃗⃗⃗ ∈ 𝑔𝑟𝑢𝑝𝑜 𝐴𝐵𝐸𝐿𝐼𝐴𝑁𝑂

6.- 𝑘⨀𝑢
⃗ ∈ ℝ 𝑝𝑜𝑟 𝑑𝑒𝑓𝑖𝑛𝑖𝑐𝑖𝑜𝑛

7.- k⊙(𝑢
⃗ ⨁𝑣 )=(𝑘1 ⊙𝑢
⃗⃗⃗⃗1 )⨁(𝑘2 ⊙𝑣
⃗⃗⃗⃗2 )

k⊙[(𝑢1 ,𝑢2 )⨁(𝑣1 , 𝑣2 )]

k⊙[𝑢1 +𝑣1 , 𝑢2 , 𝑣2 − 1]

8.-
(k1 +k2 )⨀u
⃗ =k1 ⨀(k2 ⨀u
⃗)

⃗ =(𝑢𝑘1 )𝑘2
(k1+k2 )⨀u

⃗ =𝑢𝑘1 ∗𝑘2
(k1 +k2 )⨀u

9.-
1 ⨀u
⃗ =u
⃗

⃗ =u
u ⃗

(𝑅, ⨀, ℤ, ⨁) Forman un espacio vectorial.

Los espacios vectoriales más conocidos y utilizados son:

1.) (ℝ2 , +, ℝ, ∘)
(𝑥1 , 𝑥2 , , … … 𝑥𝑛 ) + (𝑦1 , 𝑦2 , … , … . , 𝑦𝑛 ) = (𝑥1 + 𝑦1 , 𝑥2 + 𝑦2 , … … . , 𝑥𝑛 + 𝑦𝑛 )
𝑘(𝑥1 , 𝑥2 , , … … 𝑥𝑛 ) = (𝑘𝑥1 , 𝑘𝑥2 , , … … 𝑘𝑥𝑛 )

2.) (ℙ𝑛 , +, ℝ, ∘)
(𝑎𝑛 𝑥 𝑛 + 𝑎𝑛−1 𝑥 𝑛−1 + ⋯ . . 𝑎1 𝑥 + 𝑎0 ) + (𝑏𝑛 𝑥 𝑛 + 𝑏𝑛−1 𝑥 𝑛−1 + ⋯ . . 𝑏1 𝑥 + 𝑏0 )
= (𝑎𝑛 + 𝑏𝑛 )𝑥 𝑛 + (𝑎𝑛−1 + 𝑏𝑛−1 )𝑥 𝑛−1 +. . … . +(𝑎1 + 𝑏1 )𝑥 + 𝑎0 + 𝑏0
𝑘(𝑎𝑛 𝑥 𝑛 + 𝑎𝑛−1 𝑥 𝑛−1 + ⋯ . . 𝑎1 𝑥 + 𝑎0 ) = 𝑘𝑎𝑛 𝑥 𝑛 + 𝑘𝑎𝑛−1 𝑥 𝑛−1 + ⋯ . 𝑘𝑎0
3.) (𝑓(𝑥), +, ℝ, ∘)
4.) (𝑀𝑚∗𝑛 , +, ℝ, ∘ )
5.) (𝐶 𝑛 +, ℝ, ∘)
 Vectores Complejos.

3.- Sub espacio Vectorial

Un sub espacio vectorial es un sub conjunto “S” del espacio vectorial (V, +, k,°) tal que debe ser espacio
vectorial por si mismo con las mismas operaciones del espacio vectorial.

Espacio Vectorial

(s, +, k, °)

Entonces (S, +, k, ° ) debe satisfacer los 10 axiomas de espacio vectorial.

Pero al ser un subconjunto del espacio vectorial “V” solo es necesario demostrar dos axiomas:

𝑖) ∀ 𝑢
⃗ ,𝑣 ∈ 𝑆 → 𝑢
⃗ + 𝑣 ∈ 𝑆 ( 𝐿. 𝐶. 𝐼)

𝑖𝑖) ∀ 𝑢
⃗ ∈𝑆∧𝑘 ∈ 𝐾 →𝑘𝑢
⃗ ∈ 𝑆 ( 𝐿. 𝐶. 𝐸)

También es posible utilizar una combinación de las dos anteriores axiomas.

∀𝑢
⃗ , 𝑣 ∈ 𝑆 ∧ 𝑘1 , 𝑘2 ∈ 𝐾 → 𝑘1 𝑢
⃗ + 𝑘2 𝑣 ∈ 𝑆

Ejemplo

Analizar si los siguientes subconjuntos son sub espacios en los espacios vectoriales indicados.

a) 𝑆 = {(𝑥, 𝑦, 𝑧 ) ∈ ℝ3 ⁄2𝑥 − 𝑦 + 3𝑧 = 0}
b) 𝑇 = {𝑃(𝑡) ∈ ℙ2 ⁄𝑃(𝑡−1) = 𝑃(𝑡+1)+𝑡
𝑥
c) 𝐿 = {𝑓(𝑥) ∈ 𝑓(𝑥)⁄𝑓 ´ (𝑥) + ∫0 𝑓(𝑥)𝑑𝑥 = 𝑥 2 + 1}
d) 𝑈 = {𝐴 ∈ ℝ𝑛∗𝑛 ⁄𝐴 = 𝐴𝑡 }

Solución

a) 𝑖) 𝑆ea (u1 ,u2 ,u3 )∈S⟹2u1 -u2 +3u3 =0 y (v1 ,v2 ,v3 )∈S⟹2v1 -v2 +3v3 =0
(𝑢1 , 𝑢2 , 𝑢3 ) + (v1 ,v2 ,v3 ) = (𝑢1 + 𝑣1 , 𝑢2 + 𝑣2 , 𝑢3 + 𝑣3 )
2(𝑢1 + 𝑣1 ) −(𝑢2 + 𝑣2 ) +3 (𝑢3 + 𝑣3 ) = 0
2𝑢1 + 2𝑣1 − 𝑢2 − 𝑣2 + 3𝑢3 + 3𝑣3 = 0
(2u1 -u2 +3u3 ) + (2v1 -v2 +3v3 ) = 0
0=0
𝑖𝑖) 𝑘(u1 ,u2 ,u3 )∈S
(ku1 ,ku2,ku3 )∈S
(2𝑘u1 − 𝑘u2 + 3u3 ) = 0
𝑘(2u1 -u2 + 3u3 )= 0
0=0
El subconjunto S es un sub espacio
b) ∀ 𝑃(𝑡) ∈ 𝑇 → 𝑃(𝑡 − 1) = 𝑃 (𝑡 + 1) + 𝑡
∀ 𝑄(𝑡) ∈ 𝑇 → 𝑄(𝑡 − 1) = 𝑄 (𝑡 + 1) + 𝑡
∀ 𝑘1 𝑌 𝑘2 ∈ ℝ
𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑘1 𝑃(𝑡) + 𝑘2 𝑄(𝑡) ∈ 𝑇
[ 𝑘1 𝑃(𝑡) + 𝑘2 𝑄(𝑡)] ∕𝑡=𝑡−1 = [ 𝑘1 𝑃(𝑡) + 𝑘2 𝑄(𝑡)] ∕𝑡=𝑡−1 + 𝑡
 [ 𝑘1 𝑃(𝑡 − 1) + 𝑘2 𝑄(𝑡 − 1)] = [ 𝑘1 𝑃(𝑡 + 1) + 𝑘2 𝑄(𝑡 + 1)] + 𝑡
𝑘1 {𝑃(𝑡 − 1) − 𝑃(𝑡 + 1)} + 𝑘2 {𝑄(𝑡 − 1) − 𝑄(𝑡 + 1)} = 𝑡
𝑘1 𝑡 + 𝑘2 𝑡 = 𝑡
𝑡(𝑘1 + 𝑘2 ) = 𝑡
𝑘1 + 𝑘2 = 1
T no es un subconjunto por que 𝑘1 y 𝑘2 la suma en los reales no siempre será 1.
𝑥
c) Sean {𝑓(𝑥) ∈ 𝐿 → 𝑓´(𝑥) + ∫0 𝑓(𝑥)𝑑𝑥 = 𝑥 2 + 1}
𝑥
{𝑔(𝑥) ∈ 𝐿 → 𝑔´(𝑥) + ∫ 𝑔(𝑥)𝑑𝑥 = 𝑥 2 + 1}
0
∀ 𝑘1 𝑌 𝑘2 ∈ ℝ
𝑘1 𝑓(𝑥) + 𝑘2 𝑔(𝑥) ∈ 𝐿
𝑥
[ 𝑘1 𝑓(𝑥) + 𝑘2 𝑔(𝑥)]´ + ∫ (𝑘1 𝑓(𝑥) + 𝑘2 𝑔(𝑥))𝑑𝑥 = 𝑥 2 + 1
0
𝑥 𝑥
𝑘1 𝑓´(𝑥) + 𝑘2 𝑔´(𝑥) + 𝑘1 ∫0 𝑓(𝑥)𝑑𝑥 + ∫0 𝑔(𝑥)𝑑𝑥 = 𝑥 2 + 1
𝑥 𝑥
𝑘1 (𝑓´(𝑥) + ∫ 𝑓(𝑥)𝑑𝑥 ) + 𝑘2 (𝑔´(𝑥) + ∫ 𝑔(𝑥)𝑑𝑥 ) = 𝑥 2 + 1
0 0

𝑥2 + 1 𝑥2 + 1

(𝑥 2 + 1) (𝑘1 + 𝑘2 ) = 𝑥 2 + 1

(𝑘1 + 𝑘2 ) = 1

L no es un sub conjunto por que 𝑘1 y 𝑘2 la suma de ellos no siempre dará 1.

d) 𝐴 ∈ 𝑈 → 𝐴 = 𝐴𝑡

𝐵 ∈ 𝑈 → 𝐵 = 𝐵𝑡

∀ 𝑘1 𝑌 𝑘2 ∈ ℝ

𝑘1 𝐴 + 𝑘2 𝐵 ∈ 𝑈

𝑘1 𝐴 + 𝑘2 𝐵 = (𝑘1 𝐴 + 𝑘2 𝐵)𝑡

𝑘1 𝐴𝑡 + 𝑘2 𝐵𝑡 = (𝑘1 𝐴 + 𝑘2 𝐵)𝑡

(𝑘1 𝐴)𝑡 + (𝑘2 𝐵)𝑡 = (𝑘1 𝐴 + 𝑘2 𝐵)𝑡

(𝑘1 𝐴 + 𝑘2 𝐵)𝑡 = (𝑘1 𝐴 + 𝑘2 𝐵)𝑡

∴𝑢
⃗ 𝑒𝑠 𝑢𝑛 𝑠𝑢𝑏 𝑒𝑠𝑝𝑎𝑐𝑖𝑜

Ejemplo

En ℝ3 se define el subconjunto.

𝑆 = {(𝑥, 𝑦, 𝑧 ) ∈ ℝ3 ⁄2𝑥 − 3𝑦 − 𝑧 = 𝛼 − 2}

Hallar 𝛼 tal que S será un sub espacio en (ℝ3 , +, ℝ, ∘).

Solución
 Sean 𝑢 ⃗ =u1 ,u2 ,u3 ∈ 𝑆 → 2u1 +3u2 -u3 = 𝛼 − 2
𝑣=v1 ,v2 ,v3 ∈ 𝑆 → 2v1 +3v2 -v3 = 𝛼 − 2
𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠
𝑘1 𝑢
⃗ + 𝑘2 𝑣
⃗⃗⃗ ∈ 𝑆
𝑘1 (u1 ,u2 ,u3 ) + 𝑘2 (𝑣1 ,𝑣2 ,v3 ) = 𝛼 − 2
(𝑘1 u1 + 𝑘2 v1 , 𝑘1 u2 + 𝑘2 v2 , 𝑘1 u3 + 𝑘2 v3 ) = 𝛼 − 2
2(𝑘1 u1 + 𝑘2 v1 ) +3(𝑘1 u2 + 𝑘2 v2) – (𝑘1 u3 + 𝑘2 v3) = 𝛼 − 2
2𝑘1 u1 + 2𝑘2 v1 +3𝑘1 u2 + 3𝑘2 v2 – 𝑘1 u3 − 𝑘2 v3 = 𝛼 − 2
𝑘1 (2u1 +3u2 -u3 ) + 𝑘2 ( 2v1 +3v2 -v3 ) = 𝛼 − 2

𝛼−2 𝛼−2

𝑘1 (𝛼 − 2) + 𝑘2 (𝛼 − 2) = (𝛼 − 2)

(𝑘1 + 𝑘2 ) (𝛼 − 2)= 𝛼 − 2

(𝑘1 + 𝑘2 ) (𝛼 − 2)-( 𝛼 − 2) = 0

(𝛼 − 2)(𝑘1 + 𝑘2 − 1) =0

𝛼−2=0

𝛼=2

𝑘1 + 𝑘2 − 1 = 0

4.- Combinación Lineal

Sea un conjunto de vectores (𝑢 ⃗⃗⃗⃗1 , 𝑢

⃗ 2, , … … 𝑢
⃗ 𝑛 ) definidos en el espacio vectorial (V, +, k, °) y un vector 𝑥 en el
mismo espacio vectorial. Se dice que 𝑥 es combinación lineal del conjunto si existen escalares
(𝑘1 , 𝑘2 , … … . . , 𝑘𝑛 ) y son únicos tal que se verifique:

𝑥 = 𝑘1 ⃗⃗⃗⃗
𝑢1 + 𝑘2 ⃗⃗⃗⃗
𝑢2 + ⋯ … … . + 𝑘𝑛 ⃗⃗⃗⃗
𝑢𝑛

Ejemplo

Escribir el vector (2, 3, -1) como combinación lineal del conjunto.

{(1, 1, -1) ; (1, -1, 1) ; (4, 3, 2)} en R3

Solución

(2, 3, -1) = 𝑘1 (1, 1, −1) + 𝑘2 (1, −1, 1) + 𝑘3 (4, 3, 2)

(2, 3, −1) = ( 𝑘1 + 𝑘2 + 4 𝑘3 , 𝑘1 − 𝑘2 + 2 𝑘3 , − 𝑘1 + 𝑘2 + 3 𝑘3 )

𝑘1 + 𝑘2 + 4 𝑘3 = 2

𝑘1 − 𝑘2 + 2 𝑘3 = 3

− 𝑘1 + 𝑘2 + 3 𝑘3 = −1
 1 1 4 2 1 1 4 2 1 1 4 2
( 1 −1 2 3 ) (0 −2 −2 1) (0 −2 −2 1)
−1 1 3 −1 0 2 7 1 0 0 5 2

-F1 +F2 = F´2 F2+F3= F´3 (-1/2)F2

F1 + F3 = F´3 (1/5)F3

1 1 4 2 1 1 0 2/5 1 0 0 13/10
(0 1 1 −1/2) (0 1 0 −9/10) (0 1 0 −9/10)
0 0 1 2/5 0 0 1 2/5 0 0 1 2/5

-F3 +F2 = F´2 -F2 + F1 = F1

-4F3+F1 = F´1

13 −9 2
𝑘1 = 𝑘2 = 𝑘3 =
10 10 5

13 −9 2
(2, 3, -1) = 10 (1, 1, −1) + 10
(1, −1, 1) + 5 (4, 3, 2)

Ejemplo

Hallar el valor de “a” tal que l polinomio 3𝑡 3 − 2𝑡 2 + 3𝑡 + (𝑎 − 5) sea combinación lineal del conjunto:

{2𝑡 3 − 𝑡 2 + 𝑡 − 3, 𝑡 3 − 𝑡 + 1 , 3𝑡 3 + 4𝑡 2 − 5} en (ℙ3 , +, ℝ, ∘).

Solución

3𝑡 3 − 2𝑡 2 + 3𝑡 + (𝑎 − 5) = 𝑘1 (2𝑡 3 − 𝑡 2 + 𝑡 − 3) + 𝑘2 (𝑡 3 − 𝑡 + 1) + 𝑘3 (3𝑡 3 + 4𝑡 2 − 5)

3𝑡 3 − 2𝑡 2 + 3𝑡 + (𝑎 − 5) = (2 𝑘1 + 𝑘2 + 3 𝑘3 )𝑡 3 + (− 𝑘1 + 4 𝑘3 )𝑡 2+ ( 𝑘1 − 𝑘2 )t +(−3𝑘1 + 𝑘2 − 5 𝑘3 )

2 𝑘1 + 𝑘2 + 3 𝑘3 = 3

− 𝑘1 + 4 𝑘3 = −2

𝑘1 − 𝑘2 = 3

−3𝑘1 + 𝑘2 − 5 𝑘3 = 𝑎 − 5

2 1 3 3 0 3 3 −3 0 1 1 −1
[ −1 0 4 −2 ] [ 0 −1 4 1 ] [ 0 1 −4 −1 ]
1 −1 0 3 1 −1 0 3 1 −1 0 3
−3 1 −5 𝑎 − 5 0 −2 −5 𝑎 + 4 0 −2 −5 𝑎 + 4

F3 + F2 = F´2 (1/3) F1 -F1 +F2 =F´2

-2F3 + F1 =F´1 -F2

 0 1 1 −1 1 0 1 2 1 0 0 2
[0 0 −5 0 ] [0 1 1 −1 ] [0 1 0 −1 ]
1 0 1 2 0 0 1 0 0 0 1 0
0 0 −3 𝑎 + 2 0 0 −3 𝑎 + 2 0 0 0 𝑎+2

(-1/5)F2 F3 ͢ F1

𝑘1 = 2 𝑘2 = 1 𝑘3 = 0

𝑎 = −2

5.- Independencia y dependencia lineal.

Sea un conjunto de vectores:

⃗⃗⃗⃗1 , ⃗⃗⃗⃗
{𝑣 𝑣2 , … … . , 𝑣
⃗⃗⃗⃗𝑛 } Definidos en el espacio vectorial (V, +, k, °).

⃗ ” se puede escribir como combinación

Se dice que el conjunto es linealmente independiente si el vector nulo “0
lineal del conjunto.

⃗ = 𝑘1 𝑣1 + 𝑘2 𝑣2 + ⋯ … … . . +𝑘𝑛 𝑣𝑛
𝛩

Única solución

Por el contrario si el vector nulo no se puede escribir como combinación del conjunto, se dice que estos
vectores son linealmente dependientes.

⃗ = 𝑘1 𝑣1 + 𝑘2 𝑣2 + ⋯ … … . . +𝑘𝑖 𝑣𝑖
𝛩

Infinitas soluciónes
Ejemplo

Analizar el conjunto de vectores {(1, 3,-2,4) ; (2,5,-3,6) ; (3, -6,5,7)} en R4.

Solución

(0, 0, 0, 0) = 𝑘1 (1, 3,-2,4) + 𝑘2 (2,5, −3,6) +𝑘3 (3, -6, 5, 7)

(0, 0, 0, 0)= (𝑘1 + 2𝑘2 +3𝑘3 , 3𝑘1 +5𝑘2 − 6𝑘3 , −2𝑘1 − 3𝑘2 + 5𝑘3 , 4𝑘1 +6𝑘2 + 7𝑘3 )

𝑘1 + 2𝑘2 +3𝑘3 = 0

3𝑘1 +5𝑘2 − 6𝑘3 = 0

−2𝑘1 − 3𝑘2 + 5𝑘3 = 0

4𝑘1 +6𝑘2 + 7𝑘3 = 0

1 2 3 0 1 2 3 0 1 0 −19 0
[ 3 5 −6 0] [ 0 −1 −15 0] [0 0 −4 0 ]
−2 −3 5 0 0 1 11 0 0 1 11 0
4 6 7 0 0 −2 −5 0 0 0 17 0
-3F1+F2 = F2 -F3 +F2 = 0 (-1/4) F2

2F1 +F3= F3 2F3 + F4 = 0

-4F1+F4 = F4

1 0 −19 0 1 0 0 0
[0 0 1 0 ] [0 1 0 0]
0 1 11 0 0 0 1 0
0 0 17 0 0 0 0 0

F2 = F3

11F2 +F3 = F3

(1/17)=F4

𝑘1 = 0 𝑘2 = 0 𝑘3 = 0

El conjunto es linealmente independiente.

Ejemplo

Analizar el conjunto {3𝑡 3 + 2𝑡 2 − 𝑡 + 3, 𝑡 3 − 𝑡 + 1 , 4𝑡 3 + 2𝑡 2 − 3𝑡 + 4, 𝑡 2 − 𝑡 + 1} es linealmente independiente

o dependiente o dependiente en el espacio vectorial (ℙ3 , +, ℝ, ∘).

Solución

0t3 + 0t2 +0t+0= k1 (3t3 +2t2 -t+3)+k2 (t3 -t+1 )+ k3 (4t3 +2t2-3t+4)+k4 (t2 -t+1)

0t3 + 0t2 +0t+0= (3k1 +k2 +4k3 )t3 + (2k1+2k3 +k4 )t2 + (-k1 − k2 -2k3 − k4 )𝑡 + (3k1 + k2 +4k3 + k4 )

3k1 +k2 +4k3 = 0

2k1+2k3 +k4 = 0

-k1 − k2 -2k3 − k4 = 0

3k1 + k2 +4k3 + k4 = 0

3 1 4 0 k1 0
k
1 ] [ 2 ] = [ 0]
[ 2 0 2
−1 −1 −2 −1 k3 0
3 1 4 1 k4 0

3 1 4 0
| 2 0 2 1|
−1 −1 −2 −1
3 1 4 1

3F3 + F4 = F4

F1 + F4 =F4
 3 1 4 0
|2 0 2 1|
2 0 2 −1
0 0 0 1

Por chío

3 1 4
|2 0 2|
2 0 2

2 2
| |
2 2
|𝐴| = −(4 − 4) = 0

El conjunto es linealmente dependiente.

Ejemplo

Hallar los valores de “𝜆” tal que e conjunto de polinomio en ℙ2 . Sea

a) Linealmente independiente.
2 2 2
b) Linealmente dependiente.{(5λ+1)t +2λt+(4λ+1), (4λ-1)t +(λ-1)t+(4λ-1), (6λ+2)t +2λt+(5λ+2)}

Solución

0t2 +0t+0= k1 ((5λ+1)t2 +2λt+(4λ+1)) +k2 ( (4λ-1)t2 +(λ-1)t+(4λ-1)) + k3 ((6λ+2)t2 +2λt+(5λ+2))

0t2 +0t+0=((5λ+1)k1 +(4λ-1)k2 +(6λ+2)k3 )t2 + (2λk1 + (λ-1)k2 +2λk3 )𝑡 + ((4λ+1)k1 + (4λ-1)k2 +(5λ+2)k3 )

(5λ+1)k1 +(4λ-1)k2 +(6λ+2)k3 = 0

2λk1 + (λ-1)k2 +2λk3 = 0

(4λ+1)k1 + (4λ-1)k2 +(5λ+2)k3 = 0

(5λ+1) 4λ-1 (6λ+2) k1 0

[ 2λ (λ-1) 2λ ] [k2 ] = [0]
(4λ+1) (4λ-1) 5λ+2 k3 0

(5λ+1) 4λ-1 (6λ+2)

|𝐴| = | 2λ (λ-1) 2λ |
(4λ+1) (4λ-1) 5λ+2

F1 – F2 = F1

(λ) 0 (λ)
|𝐴| = | 2λ (λ-1) 2λ |
(4λ+1) (4λ-1) 5λ+2
 C1 – C3 = C3

(λ) 0 0
|𝐴| = | 2λ (λ-1) 0 |
(4λ+1) (4λ-1) λ+1

Utilizando chío

|𝐴| = 𝜆(𝜆 − 1)(𝜆 + 1) = 0

Entonces. 𝜆=0 𝜆=1 𝜆 = −1

a) Es linealmente Independiente 𝜆 ≠ 0, 𝜆 ≠ 1 𝑦 𝜆 ≠ −1
b) Es Linealmnete Dependiente si 𝜆 = 0 𝜆 = 1 𝜆 = −1

TEOREMA

En todo conjunto linealmente dependiente un vector del conjunto se puede escribir como combinación
lineal de los resultantes.
Como:
𝛩⃗ = 𝑘1 𝑣1 + 𝑘2 𝑣2 + ⋯ … … . . +𝑘𝑖 𝑣𝑖
𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑙𝑜𝑠 𝑒𝑠𝑐𝑎𝑙𝑎𝑟𝑒𝑠 𝑘 ≠ 0.
⃗𝛩 = (−𝑘1 /𝑘1 )𝑣1 + (−𝑘2 /𝑘2 )𝑣2 + ⋯ … … . . +(−𝑘𝑖−1 /𝑘𝑛−1 )𝑣𝑖

Ejemplo.

Hallar los valores de “a” y “b” tal que el conjunto en R2*2 sea linealmente dependiente.

2 −1 3 2 𝑎 + 1 −3
{( ); ( );( )}
3 4 −1 5 −2 𝑏+5

Solución.

𝑎 + 1 −3 2 −1 3 2
[ ] = 𝛼1 [ ] + 𝛼2 [ ]
−2 𝑏+5 3 4 −1 5

2𝛼1 + 3𝛼2 = 𝑎 + 1

−𝛼1 + 2𝛼2 = −3

3𝛼1 − 𝛼2 = −2

4𝛼1 + 3𝛼2 = 𝑏 + 5

2 3 𝑎+1
( −1 2| −3 )
3 −1 −2
1 5 𝑏+5

2F2 + F1 = F´1

3F2 + F3 = F´3
 F2 + F4 = F´4

0 7 𝑎−5
( −1 2| −3 )
0 5 −11
0 13 𝑏 − 7

-F2 = F´2

(1/5)F3 =F´3

0 7 𝑎−5
(1 −2| 3 )
0 1 −11/5
0 13 𝑏 − 7

2F3 + F2 = F´2

-7F3 + F1 = F´1

(-13)F3 + F4 = F´4

0 0 𝑎 + 52/5
(1 0| −3/5 )
0 1 −11/5
0 0 𝑏 + 108/5

F2 ⟺ F1

F3 ⟺ F2

1 0 −7/5
(0 1| −11/5 )
0 0 𝑎 + 52/5
0 0 𝑏 + 108/5

52 108
𝑎+ 5
=0 𝑏+ 5
=0

−52 −108
𝑎= 𝑏=
5 5

En el caso del estudio de la independencia lineal o dependencia de un conjunto de funciones se tiene;

{𝑓1 (𝑥), 𝑓2 (𝑥), … … . . , 𝑓𝑛 (𝑥)}

De la definición

0 = 𝑘1 𝑓1 (𝑥) + 𝑘2 𝑓2 (𝑥) + ⋯ … . . +𝑘𝑛 𝑓𝑛 (𝑥)

Obtenemos los (n-1) ecuaciones restantes derivando (n-1) veces la anterior ecuación.

0 = 𝑘1 𝑓1 (𝑥) + 𝑘2 𝑓2 (𝑥) + ⋯ … . . +𝑘𝑛 𝑓𝑛 (𝑥)

0 = 𝑘1 𝑓´1 (𝑥) + 𝑘2 𝑓2 ´(𝑥) + ⋯ … . . +𝑘𝑛 𝑓´𝑛 (𝑥)

0 = 𝑘1 𝑓´´1 (𝑥) + 𝑘2 𝑓2 ´´(𝑥) + ⋯ … . . +𝑘𝑛 𝑓´´𝑛 (𝑥)

⋮ ⋮ ⋮

0 = 𝑘1 𝑓1𝑛−1 (𝑥) + 𝑘2 𝑓2𝑛−1 (𝑥) + ⋯ … . . +𝑘𝑛 𝑓𝑛𝑛−1 (𝑥)

En forma matricial.

𝑓1 𝑓2 𝑓𝑛 𝑘1 0
⋯
𝑓´1 𝑓´2 𝑓´𝑛
( 𝑘2⋮ ) = (0)
⋮ ⋮ ⋮ ⋮
) 𝑘𝑛
(𝑛−1) 0
(𝑓1𝑛−1 𝑓2𝑛−1 ⋯ 𝑓´𝑛

El determinante

𝑓1 𝑓2 … … . . 𝑓𝑛
𝑓´ 𝑓´2…….. 𝑓´𝑛
𝑊 (𝑊𝑟𝑜𝑠𝑛𝑘𝑖𝑎𝑛𝑜) = | 1 |
⋮ ⋮ ⋮
𝑓1𝑛−1 𝑛−1
𝑓2 … … . . 𝑓𝑛𝑛−1

Entonces la nomenclatura:

𝑓1 𝑓2 … … . . 𝑓𝑛
𝑓´1 𝑓´2…….. 𝑓´𝑛
𝑊 (𝑓1 , 𝑓2 , … … . , 𝑓𝑛 ) = | |
⋮ ⋮ ⋮
𝑛−1
𝑓1 𝑓2𝑛−1 … … . . 𝑓𝑛𝑛−1

Por lo tanto:

i) Si 𝑊 (𝑓1 , 𝑓2 , … … . , 𝑓𝑛 ) ≠ 0 el conjunto es linealmente independiente.

ii) Si 𝑊 (𝑓1 , 𝑓2 , … … . , 𝑓𝑛 ) = 0 el conjunto es linealmente dependiente.

Ejemplo.

Analizar si los siguientes conjuntos de funciones son linealmente independientes o dependientes.

a) 𝐶 = {𝑒 𝑥 , 𝑥𝑒 𝑥 , 𝑥 2 𝑒 𝑥 }
1 𝑥−1
b) 𝐷 = {1, , }
𝑥 𝑥

𝑒𝑥 𝑥𝑒 𝑥 𝑥 2 𝑒 𝑥
𝑊 (𝑓1 , 𝑓2 , … … . , 𝑓𝑛 ) = |𝑒 𝑥 𝑒 (𝑥 + 1) 𝑒 𝑥 (2𝑥 + 𝑥 2 ) |
𝑥

𝑒𝑥 𝑒 𝑥 (𝑥 + 2) 𝑒 𝑥 (2 + 4𝑥 + 𝑥 2 )

factorizando ex
 1 𝑥 𝑥2
𝑥 𝑥 𝑥
𝑊 (𝑓1 , 𝑓2 , … … . , 𝑓𝑛 ) = 𝑒 𝑒 𝑒 |1 (𝑥 + 1) (2𝑥 + 𝑥 2 ) |
1 (𝑥 + 2) (2 + 4𝑥 + 𝑥 2 )

-F1 +F2 = F´2

-F1 + F3 = F´3

1 𝑥 𝑥2
3𝑥
𝑊 (𝑓1 , 𝑓2 , … … . , 𝑓𝑛 ) = 𝑒 |0 1 2𝑥 |
0 2 2 + 4𝑥

- 2F2 + F3 = F´3

1 𝑥 𝑥2
3𝑥
𝑊 (𝑓1 , 𝑓2 , … … . , 𝑓𝑛 ) = 𝑒 |0 1 2𝑥 |
0 0 2

Utilizando chío.

𝑊 (𝑓1 , 𝑓2 , … … . , 𝑓𝑛 ) = 2𝑒 3𝑥 ≠ 0 ⟹ 𝑒𝑠 𝐿𝑖𝑛𝑒𝑎𝑙𝑚𝑒𝑛𝑡𝑒 𝐼𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒.

b.-
1 1
1 1−
𝑥 𝑥
| 1 1|
𝑊 (𝑓1 , 𝑓2 , … … . , 𝑓𝑛 ) = −
|0 𝑥2 𝑥2 |
0 2 −2
𝑥3 𝑥3
1 1
1 1−
𝑥 𝑥
𝑊 (𝑓1 , 𝑓2 , … … . , 𝑓𝑛 ) = || 1 1 || = 0
0 − 2
0 𝑥 𝑥2
0 0

Entonces se dice que es linealmente independiente.

Ejemplo

Si se tienen las funciones de la forma 𝑓(𝑥) = 𝑎𝑒 𝑥 + 𝑏 cos 𝑥 + 𝑐𝑠𝑒𝑛𝑥 , hallar una función f(x) tal que el conjunto
{3𝑒 𝑥 − 2 𝑐𝑜𝑠𝑥 + 𝑠𝑒𝑛𝑥, 2𝑒 𝑥 − 2𝑠𝑒𝑛𝑥, 𝑓(𝑥)} sea linealmente independiente.

Solución.

⃗ = 𝑘1 𝑣1 + 𝑘2 𝑣2 + 𝑘3 𝑣3
𝛩

0𝑒 𝑥 + 0 𝑐𝑜𝑠𝑥 + 0 𝑠𝑒𝑛𝑥 = 𝑘1 (3𝑒 𝑥 − 2 𝑐𝑜𝑠𝑥 + 𝑠𝑒𝑛𝑥) + 𝑘2 (2𝑒 𝑥 − 2𝑠𝑒𝑛𝑥) + 𝑘3 (𝑎𝑒 𝑥 + 𝑏 cos 𝑥 + 𝑐𝑠𝑒𝑛𝑥)
 3𝑘1 + 2𝑘2 + 𝑎𝑘3 = 0

−2𝑘1 + 𝑏𝑘3 = 0

𝑘1 − 2𝑘2 + 𝑐𝑘3 = 0

3 2 𝑎 𝑘1 0
[−2 0 𝑏] [𝑘2 ] = [0]
1 −2 𝑐 𝑘3 0

3 2 𝑎
|𝐴| = |−2 0 𝑏 |
1 −2 𝑐

F3 + F1 = F´3

3 2 𝑎
|𝐴| = |−2 0 𝑏 |
1 0 𝑐+𝑎

Por chío en la C2.

|𝐴| = −2 |−2 𝑏
|
4 𝑐+𝑎

2F1 + F2 = F´2

|𝐴| = −2 |−2 𝑏
|
0 𝑎 + 2𝑏 + 𝑐

|𝐴| ⟹ (−2)2 (𝑎 + 2𝑏 + 𝑐) ≠ 0

𝑎 + 2𝑏 + 𝑐 ≠ 0

Por lo mismo una función

𝑓(𝑥) = 𝑎𝑒 𝑥 + 𝑏 cos 𝑥 + 𝑐𝑠𝑒𝑛𝑥

Debe cumplir la condición

Si a=1, b=1 y c=1 cumple la condición 1 + 2(1) + 1 ≠ 0

4 ≠0

∴ 𝑓(𝑥) = 𝑒 𝑥 + cos 𝑥 + 𝑠𝑒𝑛𝑥

6.- Conjunto Generador

Se dice que un conjunto de vectores es generador del espacio vectorial si cualquier vector es combinación
lineal del conjunto.

𝐶𝑜𝑛𝑗𝑢𝑛𝑡𝑜 = {𝑣1 , 𝑣2, … … … . . , 𝑣𝑖 }

Entonces

𝑥 = 𝑘1 𝑣1 + 𝑘2 𝑣2 + ⋯ … … . . +𝑘𝑖 𝑣𝑖 (única solucion)

ESPACIO VECTORIAL

C.L.
{𝑣1 , 𝑣2, … . , 𝑣𝑖

TEOREMAS

i) Todo conjunto generador es linealmente independiente. Lo contrario no siempre es valido.

ii) Ii) todo conjunto linealmente dependiente no genera al espacio vectorial pero si genera un
subespacio vectorial.

Ejemplo.-

Analizar si el conjunto en R4 genera al espacio vectorial.

{(2,3,-1,2) ; (2, 4, -5, 6) ; (3, 1, 1, -1) ; (7, 9, 8, .1)}

Solucion

(a, b, c, d) = k1(2,3, −1,2)+k2 ( 2, 4, -5, 6)+ k3 (3, 1, 1, −1) + k4 (7, 9, 8, .1)

2𝑘1 + 2 𝑘2 + 3 𝑘3 + 7 𝑘4 = 𝑎

3𝑘1 + 4 𝑘2 + 𝑘3 + 9 𝑘4 = 𝑏

−𝑘1 − 5 𝑘2 + 𝑘3 + 8 𝑘4 = 𝑐

2𝑘1 + 6 𝑘2 − 𝑘3 − 𝑘4 = 𝑑

2 2 3 7 k1 𝑎
[ 3 4 1 9 ] [k 2 ] = [ 𝑏 ]
−1 −5 1 8 k3 𝑐
2 6 −1 −1 k4 𝑑

Genera a R4 por lo que tiene única solución.

2 2 3 7
|𝐴| = | 3 4 1 9 |
−1 −5 1 8
2 6 −1 −1

3F4 + F1 = F´1
 F4 + F2 = F´2

F4 + F3 = F´3

8 20 0 4
|𝐴| = |5 10 0 8 |
1 1 0 7
2 6 −1 −1
8 20 0 4
|𝐴| = |5 10 0 8 |
1 1 0 7
2 6 −1 −1

Utilizando chío en C3

8 12 −52
|𝐴| = |5 5 −27|
1 0 0

Por chío nuevamente

|𝐴| = 12(−27) − 5(−52)

|𝐴| = 64 ≠ 0

Si genera a R4.

Ejemplo.-

Hallar el sub espacio en ℙ3 generado por el conjunto:

Solución.

Sea un polinomio 𝑝(𝑡) = 𝑎𝑡 3 + 𝑏𝑡 2 + 𝑐𝑡 + 𝑑 ∈ 𝑆𝑢𝑏𝑒𝑠𝑝𝑎𝑐𝑖𝑜.

at3 + bt2 +ct+d= k1 (3t3 +2t2 -t+3)+k2 (t3 -t+1 )+ k3 (4t3+2t2 +2t-4)+k4 (5t3 + 𝑡 2 -1)

3k1 +k2 +4k3 + 5𝑘4 = 𝑎

−2k1 − 2k3 +k4 = 𝑏

k1 + k2 +2k3 = 𝑐

-3k1 − k2 -4k3 − k4 = 𝑑

3 1 4 5 𝑎
( −2 0 −2 1 |𝑏 )
1 1 2 0 𝑐
−3 −1 −1 −1 𝑑
 -3F3 + F1 = F´1

2F3 + F2 = F´2

3F3 + F4 = F´4

0 −2 −2 5 𝑎 − 3𝑐
(0 2 2 1 |𝑏 + 2𝑐 )
1 1 2 0 𝑐
0 2 2 −1 𝑑 + 3𝑐

F1 + F2 = F´2

-F2 + F4 = F´4

0 −2 −2 5 𝑎 − 3𝑐
0 0 0 6| 𝑎 +𝑏+𝑐
𝑐
1 1 2 0𝑎 2 2 +𝑑
(0 0 0 0 3 − 3𝑏 + 3𝑐 )

𝑟(𝐴) = 𝑟(𝐴𝑚) < 4

3=3

𝑎 2 2
− 𝑏+ 𝑐+𝑑 =0
3 3 3

𝑎 − 2𝑏 + 2𝑐 + 3𝑑 = 0 (𝑐𝑜𝑛𝑑𝑖𝑐𝑖𝑜𝑛)

Entonces

𝑆 = {at3 + bt2 + ct + d /𝑎 − 2𝑏 + 2𝑐 + 3𝑑 = 0}

7.- Base y Dimensión

⃗⃗⃗⃗1 , 𝑣2 , 𝑣3 , … … . . , 𝑣𝑛 ) se dice que el conjunto es una base si:

Sea un conjunto de vectores (𝑣

i) Es linealmente independiente.
ii) Genera al espacio vectorial.

La dimensión de una base es la cantidad de vectores que tiene ella.

Ejemplo

Hallar una base y dimensión del sub espacio generado por el conjunto en R4 .

{(2, -3, 4, -3), (1, 2, -1, 2) , (3, -1, 3, -1) , (4, 1, 2, 1)}

Solución

(a , b, c, d) = k1 (2, −3, 4, −3)+k2 (1, 2, −1, 2)+ k3 (3, −1, 3, −1)+k4(4, 1, 2, 1)

 2 1 3 4𝑎
( −3 2 −1 1| 𝑏 )
1 −1 3 2 𝑐
−3 2 −1 1𝑑

-F2 + F4 = F´4

F1 + F2 = F´1

F2 + F3 = F´3

−1 3 2 5 𝑎 + 𝑏
(−3 2 −1 1| 𝑏 )
1 1 2 3 𝑐+𝑏
0 0 0 0 𝑑−𝑏

3F3 + F2 = F´2

F3 + F1 = F´1

0 4 4 8 𝑎 + 2𝑏 + 𝑐
(0 5 5 10| 4𝑏 + 3𝑐 )
1 1 2 3 𝑐+𝑏
0 0 0 0 𝑑−𝑏

(1/4)F1 = F´1

(1/5)F2 = F´2

𝑎 + 2𝑏 + 𝑐
0 1 1 2 4
0 1 1 2| 4𝑏 + 3𝑐
1 1 2 3| 5
0 0 0 0 𝑐+𝑏
( 𝑑−𝑏 )

-F1 + F2 = F´2

𝑎 + 2𝑏 + 𝑐
0 1 1 2 4
0 0 0 0|−𝑎 3𝑏 7𝑐
1 1 2 3| 4 + 10 + 20
0 0 0 0 𝑐+𝑏
( 𝑑−𝑏 )

−𝑎 3𝑏 7𝑐
+ + =0 ∧ 𝑑−𝑏 =0
4 10 20

𝑆 = {(a, b, c, d) /5𝑎 − 6𝑏 + 7𝑐 = 0 ∧ 𝑏 − 𝑑 = 0}

De las condiciones
𝑏−𝑑 =0 5𝑎 − 6𝑏 − 7𝑐 = 0
1
𝑑=𝑏 𝑎 = (6𝑑 + 7𝑐)
5

6𝑑 + 7𝑐
(𝑎, 𝑏, 𝑐, 𝑑) = ( , 𝑑, 𝑐, 𝑑)
5
𝑑 𝑐
(𝑎, 𝑏, 𝑐, 𝑑) = (6, 5, 0, 5) + (7, 0, 5, 0)
5 5

𝐵𝑆 = {(6, 5, 0, 5) ; (7, 0, 5, 0)}

Dimensión de la Base = 2

7.- Bases Canónicas o Euclidianas y dimensión de espacios Vectoriales

Una base se llama canónica o euclidiana cuando es la base representativa de todo espacio vectorial y que se
genera a partir de un vector arbitrario. La dimensión de un espacio vectorial corresponde a la dimensión de su
base canónica.

Por ejemplo.

*En ℝ2 (x, y) = x (1,0) + y (0, 1)

𝐵𝑒 = {(1, 0) ; ( 0, 1)}

𝐷𝑖𝑚 ℝ2 =2

 En ℝ3 (x, y, z) = x(1, 0, 0) +y(0, 1, 0) + z(0, 0, 1)

𝐵𝑒 = {(1, 0, 0) ; ( 0, 1, 0); (0, 0, 1)}

𝐷𝑖𝑚 ℝ3 =3

 En forma general
En ℝ𝑛

𝐵𝑒 = {(1, 0, 0, … . ,0) ; ( 0, 1, … . ,0); … … … . . ; (0, … . . ,0, 1)}

𝐷𝑖𝑚 ℝ𝑛 =n

 En ℙ2 at2 +bt +c = a(t2 )+ b(t) + c(1)

𝐵𝑒 = {𝑡 2 , 𝑡, 1}
𝐷𝑖𝑚 ℙ2 =3

Generalizando

En ℙ𝑛

𝐵𝑒 = {𝑡 𝑛 , 𝑡 𝑛−1 , … … … , 𝑡, 1}

𝐷𝑖𝑚 ℙ𝑛 = n+1

 En ℝ2∗2
 𝑎 𝑏 1 0 0 1 0 0 0 0
[ ] = 𝑎[ ]+𝑏[ ]+𝑐[ ]+𝑑[ ]
𝑐 𝑑 0 0 0 0 1 0 0 1

1 0 0 1 0 0 0 0
𝐵𝑐 = {[ ];[ ];[ ];[ ]}
0 0 0 0 1 0 0 1

𝐷𝑖𝑚 ℝ2∗2 =4

En forma generalizada

𝐷𝑖𝑚 ℝ𝑛∗𝑚 = n*m

No existe una base canónica para el espacio vectorial de

las funciones de variable real

Ejemplo.-

Hallar una base y dimensión del espacio solución del sistema.

2𝑥1 + 3𝑥2 − 𝑥3 + 𝑥4 + 2𝑥5 = 0

3𝑥1 + 2𝑥2 + 2𝑥3 − 2𝑥4 + 5𝑥5 = 0

4𝑥1 − 2𝑥2 − 𝑥3 + 2𝑥4 − 3𝑥5 = 0

9𝑥1 + 3𝑥2 + 𝑥4 + 4𝑥5 = 0

7𝑥1 + 𝑥3 + 2𝑥5 = 0

Solución

2 3 −1 1 2 0
3 2 2 −2 5 0
4 −2 −1 2 −3||0
9 3 0 1 4 0
( 7 0 1 0 2 0)

F2 – F1 = F2

F3 – F2 = F´3

F4 -2F3 = F´4

2 3 −1 1 2 0
1 1 3 −3 5 0
0 −8 1 0 −7||0
1 −9 4 −3 −4 0
(1 −9 4 −3 −4 0)

-2F2 + F1 = F´1

-F4 + F5 = F´5
 2F1 + F3 = F´3

-F2 + F3 = F´3

-F2 + F4 = F´4

0 5 −7 7 −4 0
1 −1 3 −3 3 0
0 −8 1 0 −7||0
1 −9 4 −3 −4 0
(0 0 0 0 0 0)

2F3 + F1 = F´1

4F3 + F5 = F´5

0 5 −7 7 −4 0
1 −1 3 −3 3 0
0 2 −13 14 −15||0
0 −8 1 0 −7 0
( 0 0 0 0 0 0)

-F3 + F4 = F´4

F1 ⟺ F2

0 1 19 −21 26 0
1 −1 3 −3 3 0
0 2 −13 14 −15||0
0 0 −51 56 −67 0
(0 0 0 0 0 0)

(-1/51) F3

0 1 19 −21 26 0
1 0 22 −24 29 0
0 0 −51 56 −67||0
0 0 −51 56 −67 0
(0 0 0 0 0 0)

-22F3 + F1 = F´1

-19F3 + F2 = F´2
 1 0 22 −24 29 0
0 1 19 −21 26 0
0 0 −51 56 −67||0
0 0 0 0 0 0
(0 0 0 0 0 0)

1 0 22 −21 29 0
0 1 19 −21 26 0
−56 |
0 0 1 −67/51 0
51 |0
0 0 0 0 0
(0 0 0)
0 0 0

1 0 0 −8/51 5/515 0
0 1 0 −17/51 53/51 0
0 0 1 −56/51 67/51 ||0
0 0 0 0 0 0
(0 0 0 0 0 0)

8 5 8 5
𝑥1 − 𝑥4 + 𝑥 =0 ⟹ 𝑥1 = 𝑡− 𝑟
51 51 5 51 51
17 53 17 53
𝑥2 − 𝑥4 + 𝑥 =0 ⟹ 𝑥2 = 𝑡− 𝑟
51 51 5 51 51
56 67 56 67
𝑥3 − 𝑥4 + 𝑥 =0 ⟹ 𝑥5 = 𝑡− 𝑟
51 51 5 51 51

Si
𝑥4 = 𝑡 ⟹ 𝑥3 = 𝑟
8 5
𝑡 − 𝑟
𝑥1 51 51 8 −5
𝑥2 ⌈17 53 ⌉
⌈ ⌉ ⌈51 𝑡 − 51 𝑟⌉ 𝑡 ⌈
17
⌉ 𝑟 ⌈ −53 ⌉
La solución ⌈𝑥3 ⌉ = ⌈56 63 ⌉ = 51 ⌈56⌉ + 51 ⌈−67⌉
⌈𝑥4 ⌉ ⌈51 𝑡 − 51 𝑟⌉ ⌈51⌉ ⌈ 0 ⌉
⌈𝑥5 ⌉ ⌈ 𝑡 ⌉ [0] [ 51 ]
[ 𝑟 ]

8 −5
17
⌈ ⌉ ⌈−53 ⌉
𝐵𝑐 = ⌈56⌉ ; ⌈−67⌉
⌈51⌉ ⌈ 0 ⌉
{[ 0 ] [ 51 ]}

𝐷𝑖𝑚 𝐸𝑠𝑝𝑎𝑐𝑖𝑜 𝑆𝑜𝑙𝑢𝑐𝑖𝑜𝑛 =2

8.- Espacios de Filas y Columnas de una Matriz

Sea una matriz Am*n se define el espacio de filas de la matriz A como un sub espacio en ℝ𝑛 cuya base son
los vectores fila no nulos que quedan en la matriz A luego de llevarla a su forma escalonada solo utilizando
operaciones elementales en filas.
De manera similar el espacio de columnas de A es un sub espacio en ℝ𝑛 , cuya base son los vectores
columna no nulos que quedan en la matriz A luego de la escalonada utilizando operaciones elementales en
columnas.

Ejemplo.-

Hallar una base y dimensión del espacio de filas y columnas de la matriz.

2 3 −1 4 5 6
𝐴=[ 3 2 4 −1 3 2]
5 5 3 3 8 8
7 8 2 7 13 14

-F1 +F2 = F´2

-2F1 + F3 = F´3

-3F1 + F4 = F´4

2 3 −1 4 5 6
𝐴 = [1 −1 5 −5 −2 −4]
1 −1 5 −5 −2 −4
1 −1 5 −5 −2 −4

-2F2 + F1 = F´1

-F2 + F3 = F´3

-F3 + F4 = F´4

0 5 −11 14 9 14
𝐴 = [1 −1 5 −5 −2 −4]
0 0 0 0 0 0
0 0 0 0 0 0

𝐵𝑒𝑥𝑝.𝑓𝑖𝑙𝑎𝑠 = {(0, 5, −11, 14, 9, 14); (1, −1, 5, −5, −2, −4)}

𝐷𝑖𝑚𝑒𝑥𝑝.𝑓𝑖𝑙𝑎𝑠 = 2

Para el espacio de columnas

2 3 5 7
5 2 5 8
⌈−1 4 8 2 ⌉
𝐴=⌈ ⌉
⌈4 −1 3 7 ⌉
⌈5 3 8 13 ⌉
[6 2 8 14 ]

2F3 +F1 = F´1

3F3 + F2 = F´2

-F4 + F5 = F´5
 -F4 + F6 = F´6

0 11 11 11
0 14 14 14
⌈−1 4 3 2 ⌉
𝐴=⌈ ⌉
⌈4 −1 3 7 ⌉
⌈1 4 5 6 ⌉
[2 3 5 7 ]

4F3 +F4 = F´4

2F3 + F6 = F´6

(1/11) F1 = F´1

( 1 / 14 ) F2 = F´2

0 1 1 1
0 1 1 1
⌈−1 4 3 2 ⌉
𝐴=⌈ ⌉
⌈4 15 15 15 ⌉
⌈1 8 8 8 ⌉
[2 11 11 11 ]

-F1 + F2 = F´2

-15 F1 + F4 = F´4

-8F1 +F5 = F´5

-11F1 + F6 = F´6

0 1 1 1
0 0 0 0
⌈1 −4 −3 −2 ⌉⌉
𝐴=⌈
⌈0 0 0 0 ⌉
⌈0 0 0 0 ⌉
[0 0 0 0 ]

𝐵𝑒𝑥𝑝.𝐶𝑜𝑙𝑢𝑚𝑛𝑎𝑠 = {(0, 1, 1,1); (1, −4, −3, 2 )}

𝐷𝑖𝑚𝑒𝑥𝑝. 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠 =2

TEOREMA

DIMexp. filas = DIMEXP. COLUMNAS

Operaciones con Sub espacios

Los sub espacios al ser sub conjuntos son suceptibles de operarse el algebra de conjuntos. Las operaciones
mas utilizadas son:

 INTERSECCION DE SUB ESPACIOS

Sea S1 y S2 dos sub espacios en el espacio vectorial “V”, se define:
𝑆1 ∩ 𝑆2 = {𝑥 ∈ 𝑉 \𝑥 ∈ 𝑆1 ∧ 𝑥 ∈ 𝑆2 }
 SUMA DE SUB ESPACIOS

Si se tienen los sub espacios S1 y S2 en el espacio vectorial “V” se define:

𝑆1 + 𝑆2 = {𝑥 \𝑥 ∈ 𝑆1 + 𝑆2 }

TEOREMA

Dim (S1 +S2 )=Dim (S1 )+Dim(S2 )-Dim(S1 ∩S2 )

 SUMA DIRECTA DE DUB ESPACIOS

Al ser S1 y S2 dos sub espacios en el espacio vectorial “V” se define:

S1 ⊕S2 ={x
⃗ \x
⃗ ∈S1 +S2 ⟺ S1 ∩ S2 =∅}
TEOREMA

Dim (S1 ⨁S2 )=Dim (S1 )+Dim(S2 )

NOTA: “El vacío ∅ no tiene elementos pero es generado por el vector nulo.

𝐷𝑖𝑚 ∅ = 0

Ejemplo

3
sean los subespecios en ℝ 𝑆1 = {(x, y, z)\x = 2t, y = −t, z = 4t } t ℝ

y S2 generado por el conjunto {(2, −1, 3); (3, 2, 1); (5, 1, 4)}. Se pide hallar:

𝑎) 𝑆1 ∩ 𝑆2

𝑏) 𝑆1 + 𝑆2

solución

(𝑥, 𝑦, 𝑧) ∈ 𝑆2

(𝑥, 𝑦, 𝑧) = 𝑘1 (2, −1, 3) + 𝑘2 (3, 2, 1) + 𝑘3 (5, 1, 4)

2 3 5 𝑥
(−1 2 1|𝑦)
3 1 4 𝑧

2F2 + F1 = F´1

3F2 + F3 = F´3
 0 7 7 𝑥 + 2𝑦
(−1 2 1| 𝑦 )
0 7 7 𝑧 − 3𝑦

-F3 +F1 = F´1

0 0 0 𝑥−𝑦−𝑧
(−1 2 1| 𝑦 )
0 7 7 𝑧 − 3𝑦

𝑥 −𝑦 −𝑧 =0

𝑆2 = {(𝑥, 𝑦, 𝑧 ) 𝑥 − 𝑦 − 𝑧 = 0}

𝑎) 𝑆1 ∩ 𝑆2

𝑎) 𝑆1 ∩ 𝑆2 = {(𝑥, 𝑦, 𝑧)\𝑥 = 2𝑡, 𝑦 = −𝑡, 𝑧 = 4𝑡 𝑦 𝑥 − 𝑦 − 𝑧 = 0 }

𝑥 = 2𝑡

𝑦 = −𝑡

𝑧 = 4𝑡

𝑥−𝑦−𝑧 = 0

2𝑡(−𝑡) − 4𝑡 = 0

−𝑡 = 0

𝑡=0

𝑥 = 0, 𝑦 = 0, 𝑧=0

(0,0,0) ∈ 𝑆1 ∩ 𝑆2 ⟹ 𝐵𝑆1 ∩ 𝑆2 = ∅

𝐷𝑖𝑚 𝑆1 ∩ 𝑆2 = 0

𝑏) 𝑆1 + 𝑆2 = 𝑆1 ⨁𝑆2

Para 𝑆1

(𝑥, 𝑦, 𝑧) = (2𝑡, −𝑡, 4𝑡) = 𝑡(2, −1, 4)

𝐵𝑆1 = {((2, −1, 4))}

𝐷𝑖𝑚 𝑆1 = 1

Para 𝑆2
𝑥−𝑦−𝑧 =0 ⟹ 𝑥 =𝑦+𝑧

(𝑥, 𝑦, 𝑧) = (𝑦 + 𝑧, 𝑦, 𝑧)
 = 𝑦(1, 1, 0) + 𝑧(1, 0, 1)

𝐵𝑆2 = {(1, 1, 0) ; (1, 0, 1) }

𝐷𝑖𝑚 𝑆2 = 2

𝑆1 ⨁𝑆2 = {(𝑥, 𝑦, 𝑧) ∈ 𝑆1 + 𝑆2 }

= (2𝑡, −𝑡, 4𝑡 ) + (𝑦 + 𝑧, 𝑦, 𝑧)

= (2𝑡 + 𝑦 + 𝑧 , −𝑡 + 𝑦, 4𝑡 + 𝑧)

(2𝑡 + 𝑦 + 𝑧 , −𝑡 + 𝑦, 4𝑡 + 𝑧) = 𝑡(2, −1, 4) + 𝑦(1, 1, 0) + 𝑧(1, 0, 1)

𝐵𝑆1 + 𝑆2 = { (2, −1, 4); (1, 1, 0) ; (1, 0, 1)}

𝐷𝑖𝑚 𝑆1 + 𝑆2 = 3

Dim (S1 +S2 )=Dim (S1 )+Dim(S2 )-Dim(S1 ∩S2 )

3=1+2−0

3= 3

Ejemplo

En el espacio vectorial 𝑅 2𝑥2 define los subespacios

𝑎 𝑏 2 −1 −3 2 −1 1 −4 3
S={( )/ 3a-2b+c-2d=0 y el subespacio generado por el conjunto {( )( )( )( )}
𝑐 𝑑 3 5 4 −1 7 4 11 3

Se pide hallar una base y una dimensión para a) S∩T , b) S+T c)que restricciones debe darse para que exista
S⨁T

Solución: primero generamos T

𝑎 𝑏 2 −1 −3 2 −1 1 −4 33
( )=𝐾1 ( ) + 𝐾2 ( ) + 𝐾3 ( ) + 𝐾4 ( )
𝑐 𝑑 3 5 4 −1 7 4 11 33

2 −3 −1 −4 𝑎 0 1 1 2 𝑎 + 2𝑏 0 1 1 2 𝑎 + 2𝑏
(−1 2 1 3 𝑏
| )~(−1 2 1 3 | 𝑏 ) ~(−1 2 1 3| 𝑏 )
3 4 7 11 𝑐 0 10 10 20 𝑐 + 3𝑏 0 0 0 0 −10𝑎 + 𝑐 − 17𝑏
5 −1 4 3 𝑑 0 9 9 18 𝑑 + 4𝑏 0 0 0 0 −9𝑎 − 13𝑏 + 𝑑

−10𝑎 + 𝑐 − 17𝑏=0

−9𝑎 − 13𝑏 + 𝑑=0

𝑎 𝑏
T={( )/−10𝑎 + 𝑐 − 17𝑏=0 ^ −9𝑎 − 13𝑏 + 𝑑=0}
𝑐 𝑑
𝑎 𝑏
El sistema a) S∩T={( )/−10𝑎 + 𝑐 − 17𝑏=0 ^ −9𝑎 − 13𝑏 + 𝑑=0 ^ 3a-2b+c-2d=0 }
𝑐 𝑑

El sistema:

3a-2b+c+2d=0
10a+17b-c=0
9a+13b-d=0
3 −2 1 2 0 3 −2 −1 2 0 0 −71 13 20 0
→ (10 17 −1 0|0)~(1 23 −4 −6|0) ~(1 23 −4 −6|0)
9 13 0 −1 0 0 19 −3 −7 0 0 19 −3 −7 0

0 5 1 −8 0 0 15 1 −8 0 0 0 −34 117 0
~(1 4 −1 1 |0) ~(1 4 −1 1 |0)~(1 0 −29 101|0)
0 19 −3 −7 0 0 −1 −7 25 0 0 −1 −7 25 0

1 0 −29 101 0 1 0 0 41/34 0

(0 1 7 −25 |0) ~(0 1 0 31/34 |0) a=-41d/34 , b=-31d/34 , c=117d/34
0 0 1 −117/34 0 0 0 1 −117/34 0

𝑎 𝑏
S∩T={( )/ a=-41d/34 , b=-31d/34 , c=117d/34}
𝑐 𝑑

𝑎 𝑏 −41𝑑/34 −31𝑑/34 −41 −31

( )=( )=d/34( )
𝑐 𝑑 117𝑑/34 𝑑 117 1

−41 −31
𝐵S∩T={( )} dimension S∩T=1
117 1
1
De S → 3a-2b+c-2d=0 →a= (2b-c+2d)
3
1
𝑎 𝑏 (2b − c + 2d) 𝑏 2 3 −1 0 −2 0
( )=(3 )=-b/3( )+c/3( )+d/3( )
𝑐 𝑑 𝑐 𝑑 0 0 3 0 0 3

2 3 −1 0 −2 0
𝐵S ={( ),( ), ( )} dimension=3
0 0 3 0 0 3

De T →−10𝑎 + 𝑐 − 17𝑏=0 ^ −9𝑎 − 13𝑏 + 𝑑=0

c=10a+17b d=9a+13b

𝑎 𝑏 𝑎 𝑏 1 0 0 1
( )=( )=a( )+b( )
𝑐 𝑑 10𝑎 + 17𝑏 9a + 13b 10 9 17 15
1 0 0 1
𝐵T ={( ),( ) } dimensión =2
10 9 17 15
1
(2b − c + 2d) 𝑏 𝑎 𝑏
S+T=(3 )( )
𝑐 𝑑 10𝑎 + 17𝑏 9a + 13b

2𝑏 1𝑐 2𝑑
𝑎+ 3 − 3 − 3 2𝑏 1 0 2/3 2 −1/3 0 −2/3 0
=( )=a( )+b( )+c( )+d( )
10𝑎 + 17𝑏 + 𝑐 9𝑎 + 13𝑏 + 𝑑 10 9 17 17 1 0 0 1

1 0 2/3 2 −1/3 0 −2/3 0

𝐵S+T={( ),( ), ( ), ( )}
10 9 17 17 1 0 0 1

Dimensión S+T=4

Dimensión S+T=dimensión S + dimensión T - dimensión S∩T

4=2+3-1

4=4
C ) para que exista S⨁T → S∩T =∅

Para que S∩T=∅ → a=0 ,b=0, c=0, d=0

𝑎 𝑏
𝑆 ` ={( )/ 3a-2b+c=0 ; d=0}
𝑐 𝑑

𝑎 𝑏
𝑇 ` ={( )/ 10a+17b-c=0 ^ 9a+13b ^ d=0}
𝑐 𝑑

𝑆 ` ∩ 𝑇 ` =∅ Dim∅ = 0
La condición d=0
Matriz y vector de coordenadas

⃗⃗⃗⃗1, ⃗⃗⃗⃗
Sea un vector 𝑋 y una base B = {𝑉 𝑉2, ⃗⃗⃗⃗
𝑉3, . . . . . . . . . . . , ⃗⃗⃗⃗
𝑉n} en el mismo espacio vectorial, entonces:

𝐿. 𝐼.
B
𝐶. 𝐺.

𝑋 = 𝑘1⃗⃗⃗⃗
𝑉1 + 𝑘2⃗⃗⃗⃗
𝑉2 + 𝑘3⃗⃗⃗⃗
𝑉3+ . . . . . . . . . . . +𝑘n⃗⃗⃗⃗
𝑉n

Única solución

Se define al vector de coordenadas de 𝑋 respecto a la base B, como aquel vector cuyos componentes son los
escalares de la combinación lineal.

(𝑋)B = (𝑘1 + 𝑘2 + 𝑘3 + … … … . . +𝑘n)

Se define matriz de coordenadas de 𝑋 respecto a la base B, como aquella matriz columna cuyos elementos
son los escalares de la combinación lineal

𝑘1
𝑘
⌈ 2⌉
[𝑋]B2 = ⌈𝑘3⌉
⌈⋮⌉
[𝑘n]

Ejemplo.-

Hallar el vector y la matriz de coordenadas de

3𝑡 2 − 4𝑡 + 5

Respecto a la base 𝐵 = {2𝑡 2 − 𝑡 + 1; 𝑡 2 − 𝑡 + 1; 3𝑡 2 + 𝑡 + 1} 𝑒𝑛 𝑃2

Solución:

3𝑡 2 − 4𝑡 + 5 = 𝑘1 (2𝑡 2 − 𝑡 + 1) + 𝑘2 (𝑡 2 − 𝑡 + 1) + 𝑘3 (3𝑡 2 + 𝑡 + 1)
 2 1 3 3 2𝐹3 + 𝐹1 → 𝐹1 0 3 5 −5
[−1 1 1| −4] 𝐹2 + 𝐹3 → 𝐹3 → [−1 1 1| −4] (−1)𝐹2
1 −1 1 5 0 0 2 1 1
2𝐹3

1 −1 −1 4 1 −1 −1 4
[0 3 5 | −5] 13𝐹3 → [0 1 5/3| −5/3] − 53𝐹3 + 𝐹2 → 𝐹2
0 0 1 1 0 0 1 1 𝐹3 + 𝐹1 → 𝐹1
1 −1 0 9/2
[0 1 0| −15/6] 𝐹2 + 𝐹1 → 𝐹1
0 0 1 1/2

1 0 0 2 𝑘1 = 2
[0 1 0| −5/2] 𝑘2 = −5/2
0 0 1 1/2 𝑘3 = 1/2

5 1
(3𝑡 2 − 4𝑡 + 5)𝐵 = (2, − , )
2 2
2
2
[3𝑡 − 4𝑡 + 5]𝐵 = [ −5/2 ]
1/2
Matriz de transición

Sean dos bases 𝐵1 = {𝑣

⃗⃗⃗⃗1 , ⃗⃗⃗⃗
𝑣2 , ⃗⃗⃗⃗ ⃗⃗⃗⃗𝑛 } y 𝐵2 = {𝑢
𝑣3 , … … , 𝑣 ⃗⃗⃗⃗1 , 𝑢
⃗⃗⃗⃗2 , 𝑢 ⃗⃗⃗⃗𝑛 } en el mismo espacio vectorial.
⃗⃗⃗⃗3 , … … , 𝑢

Entonces al ser 𝐵1 y 𝐵2 bases es posible escribir cada vector de la base 𝐵1 como combinación lineal de la base
𝐵2 lo que implica.

𝑣
⃗⃗⃗⃗1 = 𝛼1 ⃗⃗⃗⃗
𝑢1 + 𝛼2 𝑢 ⃗⃗⃗⃗2 + 𝛼3 ⃗⃗⃗⃗
𝑢3 + ⋯ + 𝛼𝑛 ⃗⃗⃗⃗
𝑢𝑛
𝑣
⃗⃗⃗⃗1 = 𝛽1 ⃗⃗⃗⃗
𝑢1 + 𝛽2 𝑢 ⃗⃗⃗⃗2 + 𝛽3 ⃗⃗⃗⃗
𝑢3 + ⋯ + 𝛽𝑛 ⃗⃗⃗⃗𝑢𝑛
𝑣
⃗⃗⃗⃗1 = 𝛾𝑢
⃗⃗⃗⃗1 + 𝛾2 ⃗⃗⃗⃗
𝑢2 + 𝛾3 𝑢 ⃗⃗⃗⃗3 + ⋯ + 𝛾𝑛 ⃗⃗⃗⃗
𝑢𝑛 única solucion
⋮
𝑣
⃗⃗⃗⃗1 = 𝜓1 ⃗⃗⃗⃗
𝑢1 + 𝜓2 ⃗⃗⃗⃗𝑢2 + 𝜓3 ⃗⃗⃗⃗𝑢3 + ⋯ + 𝜓𝑛 ⃗⃗⃗⃗𝑢𝑛 }

Por lo que se puede hallar las matrices de coordenadas de vector de la base 𝐵1 respecto a las base 𝐵2

𝛼1 𝛽1 𝛾1 𝜓1
𝛼2 𝛽 𝛾2 ψ
⌈ ⌉ ⌈ 2⌉ ⌈ ⌉ ⌈ 2⌉
[𝑣
⃗⃗⃗⃗1 ]𝐵2 = ⌈ 𝛼3 ⌉ ; [𝑣 ⃗⃗⃗⃗3 ]𝐵2 = ⌈𝛾3 ⌉ ; ⋯ [𝑣
⃗⃗⃗⃗2 ]𝐵2 = ⌈ 𝛽3 ⌉ ; [𝑣 ⃗⃗⃗⃗𝑛 ]𝐵2 = ⌈𝜓3 ⌉
⌈⋮ ⌉ ⌈⋮⌉ ⌈⋮⌉ ⌈ ⋮ ⌉
[𝛼𝑛 ] [𝛽𝑛 ] [𝛾 𝑛 ] [𝜓𝑛 ]

Se define la matriz de transición o de paso de la base 𝐵1 respecto a la base 𝐵2 , como aquella matriz cuadrada
cuyas columnas son matrices de coordenadas de cada vector de la base 𝐵1 respecto a la base 𝐵2

Nomenclatura.-

𝑀𝑎𝑡𝐵𝐵21 (𝐼) = Matriz de transición de la base B1 a la base B2

 | | |
𝑀𝑎𝑡𝐵𝐵21 (𝐼) =[ ⃗⃗⃗⃗
[(𝑉 1)] B2 ⃗⃗⃗⃗ ⃗⃗⃗⃗n)]B2 ]
|[(𝑉2)]B2 |. . . . . . . . . . |[(𝑉
| | |

De manera similar se puede definir la matriz de transicion de la base B2 respecto a la base B1

| | |
𝑀𝑎𝑡𝐵𝐵12 (𝐼) =[ ⃗⃗⃗⃗
[(𝑉 1)] B1 ⃗⃗⃗⃗ ⃗⃗⃗⃗n)]B1 ]
|[(𝑉2)]B1 |. . . . . . . . . . |[(𝑉
| | |

En forma practica se aplica la propiedad de las matrices de transicion son inversas mutuas

𝑀𝑎𝑡𝐵𝐵21 (𝐼) = [𝑀𝑎𝑡𝐵𝐵12 (𝐼)]−1

𝑀𝑎𝑡𝐵𝐵12 (𝐼) = [𝑀𝑎𝑡𝐵𝐵21 (𝐼)]−1

Ejemplo:

Hallar las matrices de transicion entre las bases

B1= {(2, −1); (1, 3)} y B2 = {(1, 1); (3, −1)} en ℝ2

Solucion.-

Para la matris de transicion de B1 a B2

(2, −1) = 𝛼1(1, 1) + 𝛼2(3, −1)

(1, 3) = 𝛽1(1, 1) + 𝛽2(3, −1)

Como se puede ver, tiene la misma matriz de coeficientes, entonces resolvemos en uno solo

1 3 2 1 1 3 2 1 1 3 2 1
[ | ] [ | ] [ | ]
1 −1 −1 3 0 −4 −3 2 0 1 3/4 −1/2

F1(-1)+f2→f2’ f2(-1/4) f2(-3)+f1→f1’

1 5
1 0 1/4 5/2 𝛼1= - 4 𝛽1 = 2
[ | ] 3 1
0 1 −3/4 −1/2 𝛼2 = 4 𝛽2 = −2

1 5
−
[(2, −1)]B2 = [ 4] ; [(1, 3)]B2 = [ 2 ]
3 1
−
4 2
1 5
−4 2 1 −1 10
𝑀𝑎𝑡𝐵𝐵12 (𝐼) = [ 3 1] ⇒ 𝑀𝑎𝑡𝐵𝐵12 (𝐼) = [
4 3
]
−2 −2
4

Como:

𝑀𝑎𝑡𝐵𝐵21 (𝐼) = [𝑀𝑎𝑡𝐵𝐵12 (𝐼)]−1

 −1
1 −1 10
𝑀𝑎𝑡𝐵𝐵21 (𝐼) = [ [ ]]
4 3 −2

Entonces:

1 1 −2 −10
𝑀𝑎𝑡𝐵𝐵21 (𝐼) = ∙ ∙[ ]
1 2 − 30 −3 −1
4
1 −2 −10
𝑀𝑎𝑡𝐵𝐵21 (𝐼) = 4 ∙ ∙[ ]
−28 −3 −1
1 2 10
𝑀𝑎𝑡𝐵𝐵21 (𝐼) = [ ]
7 3 1

CAPÍTULO 5.

ESPACIOS VECTORIALES CON PRODUCTO INTERIOR

Introducción:

En los espacios vectoriales de R3 se tiene la operación conocida como producto interior que se define como:

⃗ ∘ v
u ⃗ = u1 v1 + u2 v2 + u3 v3

Si:

⃗ = (u1 , u2 , u3 ) Y v
u ⃗ = (v1 , v2 , v3 )

El objetivo del capítulo es generalizar la operación el producto escalar hacia cualquier espacio vectorial bajo
el denominativo de “producto interior”.

Nomenclatura:

〈u ⃗ 〉= producto interior entre u

⃗ ,v ⃗ yv
⃗.

Definición:

El producto interior es una regla de asignación entre dos vectores hacia un escalar, la mencionada regla para
que sea denominada producto interior debe satisfacer los siguientes axiomas:

1) Axioma de conmutatividad
〈u ⃗〉 = 〈v
⃗ ,v ⃗ 〉
⃗,u
2) Axioma de distributividad
〈u
⃗ ,v
⃗ + w ⃗⃗ 〉 = 〈u
⃗ ,v⃗ 〉 + 〈u ⃗⃗ 〉
⃗ ,w
3) Axioma de homogeneidad
〈ku ⃗ 〉 = 〈u
⃗ ,v ⃗ 〉 = k〈u
⃗ , kv ⃗ ,v⃗〉
4) Axioma de positividad
∀u⃗ ≠⊖ ⃗⃗⃗⃗ → 〈u ⃗ ,u⃗〉≥0

Ejemplo:

Hallar el valor de a talque la siguiente regla sea un producto interior en R2 .

〈u ⃗ 〉 = u1 v1 + 2u1 v2 + 2u2 v1 + (a2 − 5a + 6)u2 v2

⃗ ,v
Donde: ⃗ = (u1 , u2 ) Y v
u ⃗ = (v1 , v2 )

Solución:

i. Conmutatividad:
〈u ⃗〉 = 〈v
⃗ ,v ⃗ 〉
⃗,u

u1 v1 + 2u1 v2 + 2u2 v1 + (a2 − 5a + 6)u2 v2 = 〈 v ⃗ 〉

⃗,u

v1 u1 + 2v2 u1 + 2v1 u2 + (a2 − 5a + 6)v2 u2 = 〈 v ⃗ 〉

⃗,u

v1 u1 + 2v1 u2 + 2v2 u1 + (a2 − 5a + 6)v2 u2 = 〈 v ⃗ 〉

⃗,u

〈v ⃗ 〉 =〈v
⃗,u ⃗ 〉
⃗,u

ii. Distributividad:

⃗⃗ = (w1 , w2 )
w

〈u
⃗ ,v ⃗⃗ 〉 = 〈u
⃗ + w ⃗ 〉 + 〈u
⃗ ,v ⃗⃗ 〉
⃗ ,w

〈(u1 u2 ), (v1 + w1, v2 + w2 )〉 = 〈u ⃗ 〉 + 〈u

⃗ ,v ⃗⃗ 〉
⃗ ,w

u1 (v1 + w1 )2u2 (v2 + w2 ) + 2u2 (v1 + w1 ) + (a2 − 5a + 6)u2 +(v2 + w2 ) = 〈u ⃗ 〉 + 〈u

⃗ ,v ⃗⃗ 〉
⃗ ,w

u2 v1 + 2u1 v2 + 2u2 v1 + (a2 − 5a + 6)u2 v2 + u1 w1 + 2u1 w2 + 2u2 w1 + (a2 − 5a + 6)u2 w2 = 〈u ⃗ 〉 + 〈u

⃗ ,v ⃗⃗ 〉
⃗ ,w

〈u ⃗ 〉 + 〈u
⃗ ,v ⃗⃗ 〉 = 〈u
⃗ ,w ⃗ 〉 + 〈u
⃗ ,v ⃗⃗ 〉
⃗ ,w

iii. Homogeneidad:

〈ku ⃗ 〉 = 〈u
⃗ ,v ⃗ 〉 = k〈u
⃗ , kv ⃗〉
⃗ ,v

〈(ku1 , kv2 ); (v1 , v2 )〉 = k〈u ⃗〉

⃗ ,v

ku1 v1 + 2ku1 v2 + 2ku2 v1 + (a2 − 5a + 6)ku2 v2 = k〈u ⃗〉

⃗ ,v

k(u2 v1 + 2u1 v2 + 2u2 v1 + (a2 − 5a + 6)u2 v2 ) = k〈u ⃗〉

⃗ ,v

k〈u ⃗ 〉 = k〈u
⃗ ,v ⃗〉
⃗ ,v

iv. Positividad:
〈u ⃗〉≥0
⃗ ,u

〈(u1 , w2 ); (u1 , u2 )〉 ≥ 0
 u1 u1 + 2u1 u2 + 2u2 u1 + (a2 − 5a + 6)u2 u2 ≥ 0

u1 2 + 4u1 u2 + (a2 − 5a + 6)u2 2 ≥ 0

u1 2 + 4u1 u2 + 4u2 2 − 4u2 2 + (a2 − 5a + 6)u2 2 ≥ 0

(𝑢1 + 2𝑢2 )2 + (a2 − 5a + 6)u2 2 ≥ 0

a2 − 5a + 2 = 0

5 ± √25 − 4(1)(2)
𝑎=
2(1)

5 + √17
𝑎1 =
2

5 − √17
𝑎2 =
2

5−√17 5+√17
2 2

5−√17 5+√17
∴ a e]−∞, ] ∪ [ 2 , +∞[
2

Norma y distancia y angulo:entre vectores

Dados dos vectores u

⃗ yv
⃗ en espacio vectorial se definen.

Norma ó magnitud ó modulo:

Se define:

⃗ ∥= √(u
∥u ⃗ ,u
⃗)

Entonces:

⃗ ∥2 = 〈u
∥u ⃗〉
⃗ ,u

Distancia entre vectores:

⃗d = v
⃗ −u
⃗

La distancia:

⃗du
⃗ ,v
⃗ =∥ v
⃗ −u
⃗ ∥=∥ u
⃗ −v
⃗ ∥
Angulo entre vectores:

De manera similar

〈u ⃗ 〉 =∥ u
⃗ ,v ⃗ ∥∥ v
⃗ ∥ cos 𝜃
〈u ⃗〉
⃗ ,v
cos 𝜃 = ∥u⃗∥∥v⃗∥

Un caso especial del angulo 𝜃es cuando este forma un valor de 90°.

〈u ⃗〉
⃗ ,v
cos 90° =
∥u
⃗ ∥∥ v ⃗ ∥

Por tanto:

〈u ⃗〉 = 0
⃗ ,v

Condición de la ortogonalidad dos vectores son ortogonales cuando el ángulo formado es 90°.

Vectores unitarios:

Sea un vector v
⃗ , se define el vector unitario de v
⃗ como:

∥ unit ∥ = 1

Condición de normalidad

1
⃗ nit v
u ⃗ = ⃗
v
∥v
⃗ ∥

Ejemplo.
Hallar el valor de “a” tal que p(x)=1+2x-x2 y q(x)=x+ax2 sean ortogonales en ℙ2

Solución

<𝑝(𝑥), 𝑞(𝑥)>=0
1
∫ (1 + 2𝑥 2 − 𝑥 3 )(𝑥 + 𝑎𝑥 2 )𝑑𝑥 = 0
−1

1
∫ (𝑥 + 2𝑥 2 − 𝑥 3 + 𝑎𝑥 2 + 2𝑎𝑥 3 − 𝑎𝑥 4 )𝑑𝑥 = 0
−1

1
𝑥2 𝑥3 𝑥4 𝑥5
+ (2 + 𝑎) + (2𝑎 − 1) − 𝑎 | =0
2 3 4 5 −1
 1 (2 + 𝑎) (2𝑎 − 1) 𝑎 1 (2 + 𝑎) (2𝑎 − 1) 𝑎
[ + + − ]−[ − + + ]=0
2 3 4 5 2 3 4 5

𝑎+2 𝑎 𝑎+2 𝑎
− + − =0
3 5 3 5
2(𝑎 + 2) 2𝑎
− = 0 //15
3 5

10(𝑎 + 2) − 6𝑎 = 0

4𝑎 = −20

𝑎 = −5

Ejemplo.
−1 0
En el espacio vectorial ℝ2𝑥2 . Hallar todas las matrices que forman 60° con la matriz A=[ ] y sea
2 2
2 −1
ortogonal a la matriz B=[ ] asuma el producto interior:
2 0

〈[𝑎 𝑏 𝑥 𝑦
];[ ]〉 = 𝑎𝑥 − 𝑏𝑦 + 𝑐𝑧 + 𝑑𝑢
𝑐 𝑑 𝑧 𝑢

Solución
𝑎11 𝑎12
Sea la matriz [𝑎
21 𝑎22 ] = 𝐶

Condición

〈𝐴,𝐶〉
i) cos 60° = ‖𝐴‖‖𝐶‖ ∧ ii) 〈𝐵, 𝐶〉 = 0

2 −1 𝑎11 𝑎12
〈𝐵, 𝐶〉 = 〈[ ] , [𝑎 𝑎22 ]〉
2 0 21

〈𝐵, 𝐶〉 = 2𝑎11 − 𝑎12 + 2𝑎21 + 0 = 0

2𝑎11 − 𝑎12 + 2𝑎21 = 0 (1)

𝑎 𝑎12
〈𝐴, 𝐶〉 = 〈[−1 0] ; [𝑎11 𝑎22 ]〉 = −𝑎11 + 2𝑎21 + 2𝑎22
2 2 21

‖𝐴‖ = √〈𝐴, 𝐴〉 = √〈[−1 0] ; [−1 0]〉

2 2 2 2

‖𝐴‖ = √(−1)2 + 02 + 22 + 22 = 3

𝑎11 𝑎12 𝑎11 𝑎12

Asumimos ‖𝐴‖ = 1 → √〈[𝑎 𝑎22 ] ; [𝑎21 𝑎22 ]〉 = 1
21

2 2 2 2 (2)
𝑎11 + 𝑎12 + 𝑎21 + 𝑎22 =1
 −𝑎11 + 2𝑎21 + 2𝑎22 1
cos 60° = =
3(1) 2

3
−𝑎11 + 2𝑎21 + 2𝑎22 = (3)
2

El sistema

2𝑎11 − 𝑎12 + 2𝑎21 = 0 → 𝑎12 = 2𝑎11 + 2𝑎21

3 3
{ −𝑎11 + 2𝑎21 + 2𝑎22 = → 𝑎11 = 2𝑎21 + 2𝑎22 −
2 2
2 2 2 2
𝑎11 + 𝑎12 + 𝑎21 + 𝑎22 =1

Reemplazando

3 2 3
(2𝑎21 + 2𝑎22 − )2 + (6𝑎21 + 4𝑎22 − 3)2 + 𝑎21 + 𝑎22 =1
2

𝑅𝑝𝑡𝑎. ∄ 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛

Subespacio Ortogonal.- Sea un conjunto de vectores {𝑣

⃗⃗⃗⃗1 , ⃗⃗⃗⃗
𝑣2 , ⃗⃗⃗⃗ 𝑣𝑖 }, se define el subespacio ortogonal como
𝑣3 , … ⃗⃗⃗
aquel que verifica:

𝑆𝑜𝑟𝑡 = {𝑥 ⁄〈𝑥 , 𝑣
⃗⃗⃗⃗1 〉 = 〈𝑥 , ⃗⃗⃗⃗
𝑣2 〉 =.. . 〈𝑥 , ⃗⃗⃗
𝑣𝑖 〉 = 0}

Complemento Orotogonal de un Subespacio

Si se tiene un subespacio S, se define el complemento ortogonal de S como:

𝑆 ∟ = {𝑥 ⁄〈𝑥, ⃗⃗⃗
𝑣𝑖 〉 = 0 ↔ ∀⃗⃗⃗⃗
𝑣𝑖 𝜖 𝐵𝑎𝑠𝑒 𝑑𝑒 𝑆}
Ejemplo

Hallar una base y dimensión del complemento ortogonal al subespacio en 𝑅 4 generado por el conjunto
{(2, −2,5,3), (3,2, −1,6), (5,0,4,9)(1, −6,11,0)}. 𝑈𝑡𝑖𝑙𝑖𝑐𝑒 𝑒𝑙 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑖𝑛𝑡𝑒𝑟𝑖𝑜𝑟:

〈(𝑢1 , 𝑢2 , 𝑢3 , 𝑢4 )|(𝑣1 , 𝑣2 , 𝑣3 , 𝑣4 )〉 = 𝑢1 𝑣1 + 2𝑢2 𝑣2+2𝑢3 𝑣3+𝑢4 𝑣4

(a,b,c,d)=𝐾1 (2, −2,5,3) + 𝐾2 (3,2, −1,6) + 𝐾3 (5,0,4,9) + 𝐾4 (1, −6,11,0)
Solución
2 3 5 1 𝑎 0 5 5 −5 𝑎 + 𝑏 0 5 5 −5 𝑎+𝑏
(−2 2 0 −6 | 𝑏 ) ~(−2 2 0 −6| 𝑏 ) ~(0 8 8 −8| 5𝑏 + 2𝑐 )
5 −1 4 11 𝑐 1 3 4 −1 𝑐 + 2𝑏 1 3 4 −1 𝑐 + 2𝑏
3 6 9 0 𝑑 1 8 9 −6 𝑑 + 𝑏 0 5 5 −5 −𝑏 − 𝑐 + 𝑑

0 5 5 −5 𝑎+𝑏
8
0 0 0 0 |5𝑏 + 2𝑐 − 5 (𝑎 + 𝑏) 5𝑏 + 2𝑐 − 8 (𝑎 + 𝑏) = 0
1 3 4 −1 𝑐 + 2𝑏 5
(0 0 0 0 −𝑎 − 2𝑏 − 𝑐 + 𝑑 )

-25b-10c+8a+8b=0 −𝑎 − 2𝑏 − 𝑐 + 𝑑=0
8a-17b-10c=0 a+2b2c-d=0
S={(a,b,c,d)/ 8a-17b-10c=0 ^ a+2b2c-d=0 }
Hallamos base de S

8 −17 −10 0 0 0 −33 −18 8 0 0 1 18/33 −8/33 0

( | ) ~( | ) ~( | )
1 2 1 −1 0 1 2 1 −1 0 1 2 1 −1 0

0 1 18/33 −8/33 0 −18𝑐 8𝑑 3𝑐 17𝑑

( | ) b= 33 +33 a=33+ 33
1 0 −3/33 −17/33 0
3𝑐 17𝑑 −18𝑐 8𝑑
(a,b,c,d)=( 33+ 33 , + ,c,d)=c/33(3,-18,33,0)+d/33(7,8,0,33)
33 33

𝐵𝑠 ={(3,-18,33,0), (7,8,0,33)}

Sea(x,y,z,w)∈ 𝑆 ℎ

〈(x, y, z, w )|(3, −18,33,0)〉=0

→ 3x+2(-18y)+2(33z)+0=0
3x-36y+66z=0
x-12y+22z=0 (1)

〈(x, y, z, w )|(7,8,0,33)〉=0
→17x+2(8y)+0(33w)=0
17x+16y+33w=0
𝑆 ℎ ={(x,y,z,w)/ x-12y+22z=0 ^ 17x+16y+33w=0}
12𝑦−𝑥 −17𝑥−16𝑦
Z= 22 w= 33

12𝑦−𝑥 −17𝑥−16𝑦
(x,y,z,w)=(x,y, 22 , 33
)
=x/66(66,0,-3,-34)+y/66(0,66,36,32)

𝐵𝑆 ℎ ={(66,0,-3,-34), (0,66,36,32)}
dimension𝑆 ℎ =2

Producto interno euclidiano.- el procucto euclidiano es el producto mas simple en el espacio vectorial y se los
utiliza cuando no existe uno especificado los productos euclidianos son:
1.- en 𝑅 𝑛 ⟨𝑢|𝑣⟩=u°𝑣=𝑢𝑡 v
𝑢1 𝑣1
𝑢2 𝑣2
Cuando u=(𝑢 ) ^ v=(𝑣 )
3 3
𝑢𝑛 𝑣𝑛

⟨𝑢|𝑣⟩=u°𝑣 =𝑢1 𝑣1+𝑢2 𝑣2+𝑢3 𝑣3+𝑢𝑛 𝑣𝑛

2.- en 𝑃𝑛
1
〈𝑝(𝑡), 𝑞(𝑡)〉=∫0 𝑝(𝑡)𝑞(𝑡)𝑑𝑡
3.- en funciones
1
〈𝑓(𝑥), 𝑔(𝑥)〉=∫0 𝑓(𝑥)𝑔(𝑥)𝑑𝑥

1
Si 𝑓(𝑥), 𝑔(𝑥) ≥ ∫0 𝑓(𝑥)𝑔(𝑥)𝑑𝑥
Si 𝑓(𝑥), 𝑔(𝑥)=0 hallar T entonces [,T] se llama intervalo de ortogonalidad
No existe producto euclidiano para el espacio vectorial de matrices
Proyección ortogonal de un vector sobre otro
Sean los vectores u y v

U
𝑝𝑟𝑜𝑦𝑣 𝑢

⟨𝑢|𝑣⟩ 𝑝𝑟𝑜𝑦𝑣𝑢 ⟨𝑢 |𝑣 ⟩
Entonces cos= = → 𝑝𝑟𝑜𝑦𝑣 𝑈 =
𝑢𝑣 |𝑢| | 𝑣|

⟨𝑢 |𝑣 ⟩1𝑣
Pero 𝑝𝑟𝑜𝑦𝑣 𝑈 = Vunitario|𝑝𝑟𝑜𝑦𝑣 𝑈 | → 𝑝𝑟𝑜𝑦𝑣 𝑈 = | 𝑣|| 𝑣|

⟨𝑢 |𝑣⟩ 𝑣
𝑝𝑟𝑜𝑦𝑣 𝑈 =
|| 𝑣||2

Además

𝑝𝑟𝑜𝑦𝑣 𝑈 +𝑝𝑟𝑜𝑦𝑣 𝑈 ℎ =u

𝑝𝑟𝑜𝑦𝑣 𝑈 ℎ =u-𝑝𝑟𝑜𝑦𝑣 𝑈

Base ortonormal.-una base se denomina ortonormal si se verifica

B={𝑢1 , 𝑢2 , 𝑢3 , 𝑢4 … … 𝑢𝑛 }

1.- ⟨𝑢|𝑢⟩=1 → unitario (normalidad)

2.- ⟨𝑢𝑖 |𝑢𝑗 ⟩=0 ∀ 𝑖 ≠ 𝑗 (ortogonalidad)

Ejemplo
Hallar el valor de t y el vector x tal que la base sea ortonormal utilice el producto escalar.
1 1 1
B={( , ,0),( 2 , 𝑡, 0), 𝑥}
√2 √2 √
Solución:
Si 𝑢3 =x=(a,b,c)
1 1 1 1 𝑡
⟨𝑢1 |𝑢2 ⟩=0 → ⟨( , , 0)|( 2 , 𝑡, 0)⟩ =2 + +0 = 0
√2 √2 √ √2

1 1 𝑎 𝑏
⟨𝑢1 |𝑢3 ⟩=0 → ⟨( , , 0)|( 𝑎, 𝑏, 𝑐)⟩=2 + + 0 = 0 → a+b=0
√2 √2 √2

1 −√2 √2𝑎 √2𝑏

⟨𝑢2 |𝑢3 ⟩=0 → ⟨( , , 0)|( 𝑎, 𝑏, 𝑐)⟩= − +0=0 a-b=0
2 2 2 √2
Del sistema
a+b=0
a-b=0
2a=0
a ^ b a=0 ^ b=0

1 1 1 1 1 1
⟨𝑢1 |𝑢1 ⟩=0 → ⟨( , , 0)|( 2 , 2 , 0)⟩ =2 + 2 + 0 = 1
√2 √2 √ √
 1 −√2 1 −√2 1 1
⟨𝑢2 |𝑢2 ⟩=0 → ⟨( , , 0)|(2 , 2 , 0)⟩=2 +2+0 =1
2 2

⟨𝑢3 |𝑢3 ⟩=0 → ⟨(0,0. 𝑐)|(0,0. 𝑐)⟩=0 + 0 + 𝐶 2 =1

C=±1
1 1 1
B={( 2 , ,0),( 2 , 𝑡, 0), (0,0. ±1)}
√ √2 √

Proyección de un vector sobre una base ortonormal.-sea un vector x y una base orto normal

B={𝑢1 , 𝑢2 , 𝑢3 , 𝑢4 … … 𝑢𝑛 }
Se define:
𝑝𝑟𝑜𝑦𝑏 𝑥=∑𝑛𝑖=1⟨𝑥𝑖 |𝑢𝑖 ⟩ 𝑢𝑖

𝑝𝑟𝑜𝑦𝑏 𝑥=⟨𝑥1 |𝑢1 ⟩𝑢1 +⟨𝑥2 |𝑢2 ⟩𝑢2 …….+⟨𝑥𝑛 |𝑢𝑛 ⟩𝑢𝑛

Proceso de Gram Schmidt

Es un proceso por el cual toda base 𝐵 = {𝑣

⃗⃗⃗⃗1 , ⃗⃗⃗⃗
𝑣2 , ⃗⃗⃗⃗ ⃗⃗⃗⃗𝑛 } se puede transformar en una base ortonormal 𝐵∗ =
𝑣3 , … … , 𝑣
{𝑢
⃗⃗⃗⃗1 , 𝑢
⃗⃗⃗⃗2 , 𝑢 ⃗⃗⃗⃗𝑛 }
⃗⃗⃗⃗3 , … … , 𝑢

1er Paso

1
𝑢1 =
⃗⃗⃗⃗ 𝑣
⃗⃗⃗⃗
⃗⃗⃗⃗1 ‖ 1
‖𝑣

2do Paso
𝑣2
⃗⃗⃗⃗

𝑃𝑟𝑜𝑦𝑢⃗⊾1 ⃗⃗⃗⃗
𝑣2 𝜃 𝑣
⃗⃗⃗⃗1

𝑢1
⃗⃗⃗⃗
𝑃𝑟𝑜𝑦𝑢⃗⊾1 ⃗⃗⃗⃗
𝑣2 = ⃗⃗⃗⃗
𝑣2 − 𝑃𝑟𝑜𝑦⃗⃗⃗⃗⃗
𝑢1 ⃗⃗⃗⃗
𝑣2

⊾ < ⃗⃗⃗⃗
𝑣2 , 𝑢 ⃗⃗⃗⃗1 > 𝑢
⃗⃗⃗⃗1
𝑃𝑟𝑜𝑦⃗⃗⃗⃗⃗
𝑢1 ⃗⃗⃗⃗
𝑣2 = ⃗⃗⃗⃗
𝑣2 − 2
‖𝑢⃗⃗⃗⃗1 ‖
⊾
𝑃𝑟𝑜𝑦⃗⃗⃗⃗⃗
𝑢1 ⃗⃗⃗⃗
𝑣2 = ⃗⃗⃗⃗
𝑣2 −< ⃗⃗⃗⃗
𝑣2 , 𝑢
⃗⃗⃗⃗1 > 𝑢
⃗⃗⃗⃗1

⃗⃗⃗⃗2 −< ⃗⃗⃗⃗

𝑣 𝑣2 , 𝑢
⃗⃗⃗⃗1 > 𝑢
⃗⃗⃗⃗1
𝑢
⃗⃗⃗⃗2 =
‖𝑣
⃗⃗⃗⃗2 −< ⃗⃗⃗⃗
𝑣2 , 𝑢 ⃗⃗⃗⃗1 ‖
⃗⃗⃗⃗1 > 𝑢

3er Paso
𝑣2
⃗⃗⃗⃗

𝑢
⃗⃗⃗⃗2
𝑣3
⃗⃗⃗⃗
𝑣
⃗⃗⃗⃗1
⃗⃗⃗⃗1
𝑢
⊾
𝑃𝑟𝑜𝑦⃗⃗⃗⃗⃗ 𝑢2 ⃗⃗⃗⃗
𝑢1, ⃗⃗⃗⃗⃗ 𝑣3 = ⃗⃗⃗⃗
𝑣3 −< ⃗⃗⃗⃗
𝑣3 , ⃗⃗⃗⃗
𝑢1 > 𝑢
⃗⃗⃗⃗1 −< ⃗⃗⃗⃗
𝑣3 , 𝑢
⃗⃗⃗⃗2 > 𝑢
⃗⃗⃗⃗2
 ⃗⃗⃗⃗3 −< ⃗⃗⃗⃗
𝑣 𝑣3 , 𝑢
⃗⃗⃗⃗1 > 𝑢
⃗⃗⃗⃗1 −< ⃗⃗⃗⃗
𝑣3 , 𝑢
⃗⃗⃗⃗2 > 𝑢
⃗⃗⃗⃗2
𝑢
⃗⃗⃗⃗3 =
‖𝑣
⃗⃗⃗⃗3 −< ⃗⃗⃗⃗
𝑣3 , 𝑢
⃗⃗⃗⃗1 > 𝑢
⃗⃗⃗⃗1 −< ⃗⃗⃗⃗
𝑣3 , 𝑢 ⃗⃗⃗⃗2 ‖
⃗⃗⃗⃗2 > 𝑢

En forma general

𝑣𝑖 − ∑𝑖=1
⃗⃗⃗ 𝑗=1 < ⃗⃗⃗⃗⃗
𝑣3𝑖 , ⃗⃗⃗
𝑢𝑗 > ⃗⃗⃗
𝑢𝑗
𝑢𝑖 =
⃗⃗⃗ ∀𝑖 = 1,2,3, … 𝑛
⃗⃗⃗𝑖 − ∑𝑖=1
‖𝑣 𝑗=1 < ⃗⃗⃗⃗⃗
𝑣3𝑖 , ⃗⃗⃗
𝑢𝑗 > ⃗⃗⃗
𝑢𝑗 ‖

Ejemplo.-hallar una base ortonormal para el subespacio 3𝑥 − 2𝑦 + 𝑧 = 0 𝑒𝑛 𝑅 3

Solución:

𝑆 = {(𝑥, 𝑦, 𝑧) ∕ 3𝑥 − 2𝑦 + 𝑧 = 0}

𝑧 = −3𝑥 + 2𝑦

(𝑥, 𝑦, 𝑧) = (𝑥, 𝑦, −3𝑥 + 2𝑦) = 𝑥(1,0, −3) + 𝑦(0,1,2)

𝐵 = {(1,0, −3); (0,1,2)}

𝑣
⃗⃗⃗⃗1 𝑣2
⃗⃗⃗⃗
Ortonormalizando por Gram Schmidt

1er Paso

1
𝑢1 =
⃗⃗⃗⃗ 𝑣
⃗⃗⃗⃗
⃗⃗⃗⃗1 ‖ 1
‖𝑣

⃗⃗⃗⃗1 ‖ = √〈𝑣
‖𝑣 ⃗⃗⃗⃗1 〉 = √𝑣
⃗⃗⃗⃗1 , 𝑣 ⃗⃗⃗⃗1 = √12 + 02 + (−3)2 = √10
⃗⃗⃗⃗1 ∘ 𝑣

1
𝑢1 =
⃗⃗⃗⃗ (1,0, −3)
√10

2do Paso

⃗⃗⃗⃗2 − 〈𝑣
𝑣 ⃗⃗⃗⃗1 〉𝑢
⃗⃗⃗⃗2 , 𝑢 ⃗⃗⃗⃗1
𝑢
⃗⃗⃗⃗2 =
‖𝑣
⃗⃗⃗⃗2 − 〈𝑣 ⃗⃗⃗⃗1 〉𝑢
⃗⃗⃗⃗2 , 𝑢 ⃗⃗⃗⃗1 ‖

1 1 6
〈𝑣 𝑢1 〉 = 〈(0,1,2);
⃗⃗⃗⃗2 , ⃗⃗⃗⃗ (1,0, −3)〉 = (0 + 0 − 6) = −
√10 √10 √10
6 1
(0,1,2) − (− ) (1,0, −3)
𝑢
⃗⃗⃗⃗2 = √10 √10
6 1
‖(0,1,2) − (− ) (1,0, −3)‖
√10 √10
3 3 5 1 1
(0,1,2) + (1,0, −3) ( , , ) (3,5,1)
𝑢
⃗⃗⃗⃗2 = 5 = 5 5 5 = 5
3 3 5 1 1
‖(0,1,2) + 5 (1,0, −3)‖ ‖(5 , 5 , 5)‖ ‖5 (3,5,1)‖

Porque
 𝑘𝑥 𝑘𝑥 𝑘𝑥 𝑥
= = =
‖𝑘𝑥 ‖ √〈𝑘𝑥 , 𝑘𝑥 〉 𝑘‖𝑥 ‖ ‖𝑥 ‖

‖(3,5,1)‖ = √32 + 52 + 12 = √35

1
𝑢
⃗⃗⃗⃗2 = (3,5,1)
√35
1 1
∴ 𝐵∗ = { (1,0, −3); (3,5,1)}
√10 √35

Ejemplo.-Ortonormalizar la base canonica de P2

𝐵 = {1, 𝑡, 𝑡 2 }

Con el producto interior

1

〈𝑝(𝑡) , 𝑞(𝑡) 〉 = ∫ 𝑝(𝑡) ∙ 𝑞(𝑡) 𝑑𝑡

0

Solución

𝐵 = {1, 𝑡, 𝑡 2 } = {𝑝1 , 𝑝2 , 𝑝3 }

La ortonormalizada será: 𝐵∗ = {𝑞1 , 𝑞2 , 𝑞3 }

Por Gram Schmidt

1er Paso

1
𝑞1 =
⃗⃗⃗⃗ 𝑝
⃗⃗⃗⃗
⃗⃗⃗⃗1 ‖ 1
‖𝑝

1 1
⃗⃗⃗⃗1 ‖ = √〈𝑝
‖𝑝 𝑝1 〉 = √∫ 𝑝1 ∙ 𝑝1 𝑑𝑡 = √∫ 12 𝑑𝑡 = √𝑡|10 = √1 = 1
⃗⃗⃗⃗1 , ⃗⃗⃗⃗
0 0

1
𝑞1 = 1 = 1
⃗⃗⃗⃗ → ⃗⃗⃗⃗
𝑞1 = 1
1

2do Paso

⃗⃗⃗⃗2 − 〈𝑞
𝑞 𝑝1 〉𝑝
⃗⃗⃗⃗2 , ⃗⃗⃗⃗ ⃗⃗⃗⃗1
𝑞2 =
⃗⃗⃗⃗
‖𝑞
⃗⃗⃗⃗2 − 〈𝑞 𝑝1 〉𝑝
⃗⃗⃗⃗2 , ⃗⃗⃗⃗ ⃗⃗⃗⃗1 ‖

1 1
𝑡2 1
〈𝑞 𝑝1 〉 = √〈𝑞
⃗⃗⃗⃗2 , ⃗⃗⃗⃗ 𝑝1 〉 = ∫ 𝑡(1) 𝑑𝑡 =
⃗⃗⃗⃗2 , ⃗⃗⃗⃗ | =
0 2 0 2

1
𝑡 − 2 (1) (2𝑡 − 1)
𝑞2 =
⃗⃗⃗⃗ =
1 ‖(2𝑡 − 1)‖
‖𝑡 − 2 (1)‖
 1 1
(2𝑡 − 1)3
‖(2𝑡 − 1)‖ = √〈2𝑡 − 1,2𝑡 − 1〉 = √∫ (2𝑡 − 1)2 𝑑𝑡 = √ |
0 3∙2 0

1 1
‖(2𝑡 − 1)‖ = √ {1 − (−1)} = √
6 3

𝑞2 = √3(2𝑡 − 1)
⃗⃗⃗⃗

3er Paso

⃗⃗⃗⃗3 −< ⃗⃗⃗⃗

𝑝 𝑝3 , ⃗⃗⃗⃗
𝑞1 > ⃗⃗⃗⃗
𝑞1 −< ⃗⃗⃗⃗
𝑝3 , ⃗⃗⃗⃗
𝑞2 > ⃗⃗⃗⃗
𝑞2
𝑞3 =
⃗⃗⃗⃗
‖𝑝
⃗⃗⃗⃗3 −< ⃗⃗⃗⃗
𝑝3 , ⃗⃗⃗⃗
𝑞1 > 𝑞
⃗⃗⃗⃗1 −< ⃗⃗⃗⃗
𝑝3 , ⃗⃗⃗⃗ ⃗⃗⃗⃗2 ‖
𝑞2 > 𝑞

1 1
2
𝑡3 1
〈𝑝 𝑞1 〉 = ∫ 𝑡 ∙ 1𝑑𝑡 = | =
⃗⃗⃗⃗3 , ⃗⃗⃗⃗
0 3 0 3

1 1
2
2𝑡 4 𝑡 3 1 1 √3
〈𝑝 𝑞2 〉 = ∫ 𝑡 √3(2𝑡 − 1)𝑑𝑡 = √3
⃗⃗⃗⃗3 , ⃗⃗⃗⃗ − | = √3 ( ∙ ) =
0 4 3 0 2 3 6

1 √3
𝑡 2 − 3 (1) − 6 [√3(2𝑡 − 1)]
𝑞3 =
⃗⃗⃗⃗
1 √3
‖𝑡 2 − (1) − − 1)]‖
3 6 [√3(2𝑡

1
1
𝑡2 − 𝑡 + 6 (6𝑡 2 − 6𝑡 + 1)
𝑞3 =
⃗⃗⃗⃗ = 6
1 1
‖𝑡 2 − 𝑡 + 6‖ ‖6 (6𝑡 2 − 6𝑡 + 1)‖

1 1
35𝑡 5 36𝑡 3 72𝑡 4 12𝑡 3 12𝑡 2
‖(6𝑡 2 − 6𝑡 + 1)‖ = √∫ (6𝑡 2 − 6𝑡 + 1)2 𝑑𝑡 = √ + +𝑡− + − |
0 5 3 4 3 2 0

36 36 1
‖(6𝑡 2 − 6𝑡 + 1)‖ = √ + + 1 − 18 + 4 − 6 = √
5 3 5

𝑞3 = √5(6𝑡 2 − 6𝑡 + 1)
⃗⃗⃗⃗

Entonces la base ortonormal será:

𝐵∗ = { 1 ; √3(2𝑡 − 1) ; √5(6𝑡 2 − 6𝑡 + 1)}

Ejemplo.-sea R4 con producto euclidiano. Encontrar un vector ortogonal a

⃗⃗⃗⃗1 = (1,0,0,0) y a 𝑢
𝑢 ⃗⃗⃗⃗4 = (0,0,0,1) y que forme angulos iguales con:

⃗⃗⃗⃗2 = (0,1,0,0) y 𝑢
𝑢 ⃗⃗⃗⃗3 = (0,0,1,0)

Solución.-
Sea 𝑥 = (𝑎, 𝑏, 𝑐, 𝑑) que buscamos entonces

〈𝑥, ⃗⃗⃗⃗1 〉 = 0
⃗⃗⃗ 𝑢 ∧ 〈𝑥, ⃗⃗⃗⃗4 〉 = 0
⃗⃗⃗ 𝑢

〈(𝑎, 𝑏, 𝑐, 𝑑), (1,0,0,0)〉 = 0 ∧ 〈(𝑎, 𝑏, 𝑐, 𝑑), (0,0,0,1)〉 = 0

𝑎+0+0+0=0 ∧ 0+0+0+𝑑 =0

𝑎=0 ∧ 𝑑=0

〈𝑥, ⃗⃗⃗⃗2 〉
⃗⃗⃗ 𝑢 〈𝑥, ⃗⃗⃗⃗3 〉
⃗⃗⃗ 𝑢
cos 𝜃 = = … … … … … (𝛼)
‖𝑥 ‖‖𝑢 ⃗⃗⃗⃗2 ‖ ‖𝑥 ‖‖𝑢 ⃗⃗⃗⃗3 ‖

⃗⃗⃗⃗2 ‖ = √〈𝑢
‖𝑢 ⃗⃗⃗⃗2 〉 = √02 + 12 + 02 + 02 = √1 = 1
⃗⃗⃗⃗2 , 𝑢

⃗⃗⃗⃗3 ‖ = √〈𝑢
‖𝑢 ⃗⃗⃗⃗3 〉 = √02 + 02 + 12 + 02 = √1 = 1
⃗⃗⃗⃗3 , 𝑢

〈𝑥, ⃗⃗⃗⃗2 〉 = 〈(𝑎, 𝑏, 𝑐, 𝑑), (0,1,0,0)〉 = 0 + 𝑏 + 0 + 0 = 𝑏

⃗⃗⃗ 𝑢

〈𝑥, ⃗⃗⃗⃗3 〉 = 〈(𝑎, 𝑏, 𝑐, 𝑑), (0,0,1,0)〉 = 0 + 0 + 𝑐 + 0 = 𝑐

⃗⃗⃗ 𝑢

𝑟𝑒𝑒𝑚𝑝𝑙𝑎𝑧𝑎𝑛𝑑𝑜 𝑙𝑜𝑠 𝑑𝑎𝑡𝑜𝑠 𝑒𝑛 (𝛼)

‖𝑢
⃗⃗⃗⃗3 ‖〈𝑥, ⃗⃗⃗⃗2 〉 = ‖𝑢
⃗⃗⃗ 𝑢 ⃗⃗⃗⃗2 ‖〈𝑥, ⃗⃗⃗⃗3 〉
⃗⃗⃗ 𝑢

1(𝑏) = 1(𝑐)
𝑏=𝑐
𝑥 = (𝑎, 𝑏, 𝑐, 𝑑) = (0, 𝑏, 𝑏, 0) = 𝑏(0,1,1,0)

∴ 𝑥 = (0,1,1,0)

Ejemplo.-

Hallar una base ortonormal para el subespacio e 𝑅 2𝑥2 generado por el conjunto:

2 −1 3 1 5 0 3 −4
{[ ];[ ];[ ];[ ]}
3 1 −1 4 2 5 10 −1

Utilice el producto interior

〈[𝑎 𝑏 𝑥 𝑦
];[ ]〉 = 𝑎𝑥 + 2𝑏𝑦 + 2𝑐𝑧 + 𝑑𝑢
𝑐 𝑑 𝑧 𝑢

Solución: generamos el subespacio

𝑎 𝑏 2 −1 3 1 5 0 3 −4
[ ] = 𝛼1 [ ] + 𝛼2 [ ] + 𝛼3 [ ] + 𝛼4 [ ]
𝑐 𝑑 3 1 −1 4 2 5 10 −1

2 3 5 3 𝑎 2𝐹2 + 𝐹1 → 𝐹1 0 5 5 −5 𝑎 + 2𝑏 (−1)𝐹1 + 𝐹3 → 𝐹3
−1 1 0 −4 𝑏 3𝐹 + 𝐹 → 𝐹 −1 1 0 −4 𝑏 (−2/5)𝐹1 + 𝐹2 → 𝐹2
[ | ] 2 3 3
→ [ | ]
3 −1 2 10 𝑐 𝐹2 + 𝐹3 → 𝐹3 0 2 2 −2 𝑐 + 3𝑏
1 4 5 −1 𝑑 0 5 5 −5 𝑏 + 𝑑
 0 5 5 −5 𝑎 + 2𝑏 2
−1 1 0 −4 𝑏 𝑐 + 3𝑏 − ( ) (𝑎 + 2𝑏) = 0
[ | ] 5
0 0 0 0 𝑐 + 3𝑏 − (2/5)(𝑎 + 2𝑏)
0 0 0 0 −𝑎 − 𝑏 + 𝑑
−𝑎 − 𝑏 + 𝑑 = 0
2
𝑐 + 3𝑏 − ( ) (𝑎 + 2𝑏) = 0 ⁄ ⁄5 ∧ −𝑎 − 𝑏 + 𝑑 = 0
5

5𝑐 + 15𝑏 − 2(𝑎 + 2𝑏) = 0

2𝑎 − 11𝑏 − 5𝑐 = 0

𝑎 𝑏
𝑆 = {[ ] ⁄ 2𝑎 − 11𝑏 − 5𝑐 = 0 ∧ −𝑎 − 𝑏 + 𝑑 = 0}
𝑐 𝑑
𝑎 𝑏 𝑎 5 𝑏 0
𝑎 𝑏 0 5
[ ]=[ 2 11 ]= [ ]+ [ ]
𝑐 𝑑 𝑎 − 𝑏 𝑎 + 𝑏 5 2 5 5 −11 5
5 5
5 0 0 5
𝐵 = {[ ];[ ]}
2 5 −11 5
𝑣1 𝑣2
Ortonormalizando por Gram Schmidt

1er Paso

1
𝑢1 = 𝑣
‖𝑣1 ‖ 1

‖𝑣1 ‖ = √〈𝑣1 , 𝑣1 〉 = √[5 0] ; [5 0]

2 5 2 5
‖𝑣1 ‖ = √52 + 2(0)2 + 2(2)2 + 52 = √58

1 5 0
𝑢1 = [ ]
√58 2 5

2do Paso

𝑣2 −< 𝑣2 , 𝑢1 > 𝑢1
𝑢2 =
‖𝑣2 −< 𝑣2 , 𝑢1 > 𝑢1 ‖

1 5 1 19
〈𝑣2 , 𝑢1 〉 = 〈[ 0 5
]; [
0
]〉 = {0 + 2(0) + 2(−22) + 25} = −
−11 5 √58 2 5 √58 √58
0 5 19 1 5 0
[ ] − (− ) [ ]
−11 5 √58 √58 2 5
𝑢2 =
0 5 19 1 5 0
‖[ ] − (− ) [ ]‖
−11 5 √58 √58 2 5

0 5 19 5 0 1 95 290
[ ] + 58 [ ] [ ]
𝑢2 = −11 5 2 5 = 58 −600 385
0 5 19 5 0 1 95 290
‖[ ] + 58 [ ]‖ ‖58 [ ]‖
−11 5 2 5 −600 385
 5 19 58
[ ]
58 −120 77
𝑢2 =
5 19 58
‖ [ ]‖
58 −120 77
19 58
‖[ ]‖ = √192 + 2(58)2 + 2(−120)2 + 772 = √41818
−120 77
1 19 58
𝑢2 = [ ]
√41818 −120 77

Por tanto la base ortonormal será:

1 5 0 1 19 58
𝐵∗ = { [ ] ; [ ])}
√58 2 5 √41818 −120 77

TEOREMA

Todo producto interior se puede escribir como

〈𝑥 , 𝑦〉 = 𝑥 𝑡 ∙ 𝐴 ∙ 𝑦

Donde Anxn puede ser generado a partir de una base 𝐵 = {𝑣

⃗⃗⃗⃗1 , ⃗⃗⃗⃗
𝑣2 , ⃗⃗⃗⃗ ⃗⃗⃗⃗𝑛 } según el siguiente detalle:
𝑣3 , … … , 𝑣

〈𝑣1 , 𝑣1 〉 〈𝑣1 , 𝑣2 〉 〈𝑣1 , 𝑣3 〉 ⋯ 〈𝑣1 , 𝑣𝑛 〉

〈𝑣2 , 𝑣1 〉 〈𝑣2 , 𝑣2 〉 〈𝑣2 , 𝑣3 〉 ⋯ 〈𝑣2 , 𝑣𝑛 〉
⌈ ⌉
𝐴𝑛𝑥𝑛 = ⌈〈𝑣3 , 𝑣1 〉 〈𝑣3 , 𝑣2 〉 〈𝑣3 , 𝑣3 〉 ⋯ 〈𝑣3 , 𝑣𝑛 〉⌉
⌈ ⋮ ⋮ ⋮ ⋮ ⌉
[〈𝑣𝑛 , 𝑣1 〉 〈𝑣𝑛 , 𝑣2 〉 〈𝑣𝑛 , 𝑣3 〉 〈𝑣𝑛 , 𝑣𝑛 〉]

La matriz A debe ser definida positiva, ello implica que

determinando |𝐴| > 0

En algunas ocasiones es posible hallar A con elementos de la combinación lineal respecto a la base canonica,
por ejemplo:

𝐵 = {(1,1,0); (0,1,1); (1,0,1)}

(1,1,0) = 1(1,0,0) + 1(0,1,0) + 0(0,0,1)

(0,1,1) = 0(1,0,0) + 1(0,1,0) + 1(0,0,1)

(1,0,1) = 1(1,0,0) + 0(0,1,0) + 1(0,0,1)

1 1 0
𝐴 = [0 1 1]
1 0 1