Documente Academic
Documente Profesional
Documente Cultură
1
Capı́tulo 1
Espacios vectoriales y
transformaciones lineales
1.1. Introducción
Hasta ahora hemos trabajado con matrices y n- úplas. Como consecuencia, podemos
afirmar que el conjunto IRn de todas las n- úplas (o matrices columnas de n elementos si
se prefiere), con las operaciones ya conocidas
x1 y1 x1 + y1 x1 λx1
x2 y2 x2 + y2 x2 λx2
.. + .. = y λ .. = ..
..
. . . . .
xn yn xn + yn xn λxn
1. x + y = y + x, (propiedad conmutativa)
3. x + 0 = 0 + x = x, (elemento neutro)
7. λ(βx) = (λβ)x,
8. 1 x = x
Estas mismas propiedades se cumplen cuando se trabaja con matrices. Existen otros
conjuntos diferentes de estos, como veremos posteriormente, que con respecto a unas ope-
raciones suma y producto por un escalar satisfacen las ocho propiedades anteriores.
2
Algebra lineal 3
4. Existe un único vector cero 0, tal que u + 0 = u (el 0 se llama vector cero o
idéntico aditivo)
5. Para cada u ∈ V, existe un único vector −u ∈ V tal que: u + (−u) = 0 (−u se llama
inverso aditivo de u).
7. λ(u + v) = λu + λv
8. (λ + β)u = λu + βu
9. λ(βu) = λβ(u)
10. 1u = u
Nota.
1. 0 u = 0, ∀u ∈ V ∀ λ ∈ IR
Definimos en este conjunto las operaciones de suma y el producto por escalares como:
Este es el ejemplo más importante de espacio vectorial, pues en cierto sentido que se pre-
cisará que muchos de los espacios vectoriales con los que se trabajará, son “equivalentes”
a este espacio vectorial.
V = IR2 = { x = (x1 , x2 ) / i = 1, 2, xi ∈ IR }
Definimos en este conjunto las operaciones de suma y el producto por escalares como:
V = IR3 = { x = (x, y, z) / x, y, z ∈ IR }
En éste conjunto se definen las operaciones de suma de vectores y producto por escalares
como se indica en cada uno de los siguientes incisos. Determine en cada caso si el conjunto
IR3 con tales operaciones es un espacio vectorial.
V = Pn = { p(x) = a0 + a1 x + · · · + an xn / a0 , a1 . . . , an ∈ IR }
p(x) = a0 + a1 x + · · · + an xn y q(x) = b0 + b1 x + · · · + bn xn
Nota.
Ejemplo 1.8. Sea V = IR2 ; con las operaciones (a, b) + (c, d) = (a + d, b + c) y λ(a, b) =
(λ a, λ b) no es es un espacio vectorial . En efecto, mostremos que no cumple por ejemplo la
propiedad conmutativa.
En efecto
→
Sean − →
x, − →
y ∈ IR2 entonces − →
x +− →
y 6= − →
y +−
x , ya que:
→
− →
x +−
y = (2, 3) + (4, 6) = (8, 7) 6= (4, 6) + (2, 3) = (7, 8)
Ejemplo 1.9. Sea V = IR2 ; con las operaciones (a, b) + (c, d) = (a + c, b + d) y λ(a, b) =
(2 a, 2b) no es es un espacio vectorial. En efecto, mostremos que no cumple por ejemplo la
propiedad (λ + α)− → →
x = λ−x + α−→x.
→
En efecto Si −
x ∈ IR2 y λ, α ∈ IR entonces:
→
(λ + α)−
x = (λ + α)(a, b) = (2a, 2b),y
→
λ− →
x + α−
x = λ(a, b) + α(a, b) = (2a, 2b) + (2a, 2b) = (4a, 4b), luego vemos que
→
(λ + α)− →
x 6= λ − →
x + α−
x
luego tenemos:
→
λ(− →
x +− →
y ) 6= λ − →
x + λ−
y
Ejemplo 1.11. Sea V = {3}. El conjunto unitario formado por el numero 3, con las opera-
ciones definidos:
3+3=3
λ3 = 3
1. x + y = y + x, ya que 3 + 3 = 3 + 3 = 3, y 3 ∈ V
2. x + (y + z) = (x + y) + z; ya que 3 + (3 + 3) = 3 + 3 = 3 = (3 + 3) + 3 = 3 + 3 = 3
8. 1 · x = x, 1 · 3 = 3
!
a b
Ejemplo 1.12. Sea V = / a, b, c, d ∈ ZZ = M2 (IR) con las operaciones usua-
c d
→
les, es decir,− →
x ,−
y ∈ V, entonces
! ! !
→
− →
x +−
y =
a b
+
m n
=
a+m b+n
c d p q c+p d+q
y ! !
→
λ−
x =λ
a b
=
λa λb
c d λc λd
y ! !
→
λ−
x =λ
a b
=
0 0
c d 0 0
→
x =→
no es un espacio vectorial Real, pues no se cumple por ejemplo la propiedad 1 − −
x , ya
que si por ejemplo
√ ! ! √ !
→
si −
x =
2 2 →
, entonces 1 −
x =
0 0
6 =
2 2 →
=−x
π e 0 0 π e
1. 0 v = 0
2. λ0 = 0
3. Si λv = 0 ⇒ λ = 0 ∨ v = 0
1. Si λu = βu y u 6= 0, entonces λ = β
2. Si λu = λv y λ 6= 0, entonces u = v
1.3. Subespacios
Sea V un espacio vectorial y considérese un subconjunto no nulo W de V, W hereda de
manera natural, las operaciones de espacio vectorial que estaban definidas en V. Se tiene
ası́, un conjunto W en donde existen operaciones básicas de suma y producto por escalares.
Ejemplo 1.14. Sea V = IR2 el espacio vectorial. Sea W el subconjunto de IR2 formado por
todos aquellos vectores (x, y) que tiene su segunda componente positiva (geométricamente
W corresponde al semiplano superior del plano XY). Es decir,
Las operaciones entre los elementos de W son las que están definidas en IR2 , es decir
De hecho, existen muchas razones por las que la respuesta a esta pregunta es NO. En
principio, la operación de producto por escalares no es cerrada, pues si se toma el escalar
λ < 0, el vector λ(x, y) = (λ x, λ y) no pertenece a W, pues siendo y > 0, se tendrı́a λ y < 0.
Consecuencia de este hecho es que dado un vector (x, y) ∈ W, éste no tiene inverso aditivo.
Geométricamente esto se ve como muestra la figura
(O sea, W es el conjunto de los pares ordenados de la forma (x, 2x), x ∈ IR), se puede
ver que en este caso W si es un espacio vectorial con las operaciones usuales de IR2 . En
principio observemos que si u = (x1 , 2x1 ) y v = (x2 , 2x2 ) son dos vectores de W, entonces
u + v = (x1 + x2 , 2x1 + 2x2 ) = (x1 + x2 , 2[x1 + x2 ]) ∈ W. Similarmente podemos demostrar
que cualquier recta de IR2 que pase por el origen es un subespacio propio.
2. W es cerrado bajo la suma de vectores. Es decir, para cada par de vectores arbitrarios
u, v ∈ W, la suma u + v ∈ W.
Ejemplo 1.19. El conjunto que consta solo del vector 0, es decir, si W = {0} en un espacio
vectorial es un subespacio de V, llamado subespacio cero, o subespacio trivial y se re-
presenta por {0}.
Nota. Todo espacio vectorial V tiene al menos dos subespacios. El propio V es un subespa-
cio y el conjunto W = {0} que sólo consta del vector cero de V es otro subespacio denominado
subespacio cero, ambos subespacios son llamados los subespacios triviales. Si el espacio
contiene otros subespacios diferentes de los triviales, son llamados subespacios no tri-
viales.
Ejemplo 1.20. Sea V = IR2 , los subespacios no triviales de este espacio vectorial son cual-
quier recta que pasa por el origen, es decir:
W = { tu / t ∈ IR, u 6= 0, u = (a1 , a2 ) } ⊂ V
Ejemplo 1.21. Sea V = IR2 , con las operaciones usuales de IR2 y W = {(x, y) / y = x + 1}
→ →
− → →
−
no es un subespacio de V, pues si −
a , b ∈ IR2 , entonces −
a + b = (x, x + 1) + (y, y + 1) =
(x + y, x + y + 2) ∈
/ W.
Ejemplo 1.22. Sea V = IR2 , con las operaciones usuales de IR2 y W = {(x, y) / y = x2 } no es
→ →
− → →
−
un subespacio de V, pues si −a , b ∈ IR2 , entonces −
a + b = (x, x2 )+(y, y2 ) = (x+y, x2 +y2 ) ∈
/
2 2 2
W, pues (x + y, x + y ) 6= (x + y, (x + y) )
Ejemplo 1.23. Sea V = IR2 , con las operaciones usuales de IR2 y W = {(x, 1) / x ∈ IR} no es
→ →
− → →
−
un subespacio de V, pues si −
a , b ∈ IR2 , entonces −
a + b = (x, 1) + (y, 1) = (x + y, 2) ∈
/ W.
Ejemplo 1.24. Sea V = IR2 , con las operaciones usuales de IR2 y W = {(x, y) / y = sen x}
→ →
− → →
−
no es un subespacio de V, pues si − a , b ∈ IR2 , entonces −a + b = (x, sen x) + (y, sen y) =
(x + y, sen x + sen y) ∈
/ W. Pues ((x + y, sen x + sen y) 6= (x + y, sen(x + y))
Ejemplo 1.25. Sea V = IR3 , los subespacios no triviales de este espacio vectorial son cual-
quier recta que pasa por el origen y cualquier plano que pasa por el origen.
Ejemplo 1.26. En el espacio vectorial V = IR3 con las operaciones usuales de IR3 , se consi-
dera el conjunto
W = {(x, y, z) ∈ IR3 / z = 0}
este conjunto es un subespacio de IR3 .
Ejemplo 1.27. En el espacio vectorial V = IR3 con las operaciones usuales de IR3 , sea W =
{(a, b, c) / b = 0, a, c ∈ IR} es un subespacio de V, pues si x, y ∈ W, entonces:
θ = (0, 0, 0) ∈ W
Ejemplo 1.28. En el espacio vectorial V = IR3 con las operaciones usuales de IR3 , sea W =
{(a, b, c) / a2 + b2 + c2 ≤ 1}, W no es un subespacio de V, Sea por ejemplo dos vectores de
W, por ejemplo x = (1, 0, 0), y = (0, 1, 0), entonces veamos con la suma x + y = (1, 1, 0), sin
embargo tenemos 12 + 12 + 02 = 2 ≥ 0 y debe ser ≤ 1, entonces x + y no pertenece a W.
Ejemplo 1.29. Sea P el conjunto de todos los polinomios con coeficientes reales, con opera-
ciones en P definidas como en las funciones. De esta forma, P es un subespacio del espacio
de todas las funciones de valores reales definidas en IR. Además, para cada n ≥ 0, Pn es un
subespacio de P, ya que Pn es un subconjunto de P que contiene el polinomio cero; la suma
de dos polinomios en Pn también está en Pn y un múltiplo escalar de un polinomio en Pn
también está en Pn .
Ejemplo 1.30. Comprobar que el conjunto C([a, b]) de las funciones continuas definidas
en el intervalo [a, b] es un subespacio vectorial del espacio vectorial F([a, b]) de todas las
funciones definidas en [a, b].
W es un subespacio de M2 (IR)
W no es un subespacio de M2 , pues:
Sean x, y ∈ W
" # " # " #
a1 b1 a2 b2 a1 + a2 b1 + b2
x+y= + = ∈W
0 c1 0 c2 0 c1 + c2
Ejemplo 1.35.
" W# = {A ∈"M2 / Det(A)
# = 0} no es subespacio
" #de M2 .
1 0 0 0 1 0
Sean A = , B= ; entonces A + B = = 1 6= 0
0 0 0 1 0 1
A = Θ, se cumple Θ = ΘT
W = {(s, t, 0) / s, t ∈ IR}
Ejemplo 1.38. Un plano en IR3 que no pasa por el origen no es un subespacio de IR3 , porque
el plano no contiene al vector cero de IR3 . Del mismo, una recta en el espacio vectorial IR2
que no pasa por el origen, como se ve en la Figura.1.1 no es un subespacio de IR2 .
Figura 1.1:
Ejemplo 1.39. (Espacio de sucesiones) Sea IR∞ = {u = (an )n∈IN / u es una sucesión}; es
decir IR∞ es el conjunto de las sucesiones de números reales u = (a1 , a2 , a3 , . . . , an , . . .). Con
la suma de sucesiones y el producto de un escalar por una sucesión; esto es:
Ejemplo 1.40. (Espacio solución) Sea A ∈ Rm×n , el conjunto x ∈ IRn que es solución del
sistema lineal homogéneo Ax = 0 ∈ IRm es un subespacio de IRn , llamado el subespacio
solución de dicho sistema o el espacio nulo de la matriz A.
En efecto.
v = λ1 x1 + λ2 x2 + · · · + λn xn
Ejemplo 1.41. El vector (3, 4) se puede escribir como una combinación lineal de los vecto-
res (1, 0) y (0, 1)
Solución. Veamos: (3, 4) = x(1, 0) + y(0, 1) = (x, y) ⇒ x = 3 ∧ y = 4
Ejemplo 1.42. El vector (2, 4, 5) se puede escribir como como una combinación lineal de
los vectores (1, 0, 0), (0, 1, 0) y (0, 0, 1).
Solución. Veamos:
Ejemplo 1.43. El vector (9, 2, 7) se puede escribir como como una combinación lineal de
los vectores (1, 2, −1), (6, 4, 2). Resolviendo el sistema se tiene que:
Ejemplo 1.44. El vector (4, −1, 8) no se puede escribir como como una combinación lineal
de los vectores (1, 2, −1), (6, 4, 2). Resolviendo el sistema no tiene solución.
Ejemplo 1.45. Determinar si el vector u = (7, 1, 16) es combinación lineal de los vectores
u1 = (−1, 2, 2) y u2 = (3, −1, 4).
Por lo tanto, a1 = 2 y a3 = 3.
Comprobación
Ejemplo 1.46. Comprobar si los vectores u = (4, −2, 5) y v = (1, −1, −1) de IR3 son combi-
naciones lineales de los vectores x1 = (1, −1, 2) y x2 = (2, 0, 1)
Solución.
Si
u = ax1 + bx2
entonces
(4, −2, 5) = a(1, −1, 2) + b(2, 0, 1)
⇒ 4 = a + 2b
−2 = −a
5 = 2a + b
el sistema lineal tiene como solución única a = 2 y b = 1, por lo tanto u es combina-
ción lineal de los vectores x1 y x2 .
Puesto que se puede escribir v = 3v1 − 2v2 , como se puede verificar directamente.
Ejemplo 1.49. Escribir el vector w = 3t2 + 8t − 5 como combinación lineal de M = {v1 =
2t2 + 3t − 4, v2 = t2 − 2t − 3}.
En efecto.
3t2 + 8t − 5 = a(2t2 + 3t − 4) + b(t2 − 2t − 3)
= (2a + b)t2 + (3a − 2b)t + (−4a − 3b)
entonces
2a + b = 3
3a − 2b = 8
−4a − 3b = −5
Ejemplo 1.50. Hallar condiciones sobre a, b, c tal que (a, b, c) c)sea una combinación
linea de (1, −3, 2) y (2, −1, 1)
En efecto.
luego
x + 2y = a
−3x − y = b
2x + y = c
Para demostrar que H es cerrado bajo la suma de vectores, tomemos dos vectores
arbitrarios de H, por ejemplo,
u = s1 v1 + s2 v2 y w = t 1 v1 + t 2 v2
Luego veremos, que todo subespacio vectorial del espacio IR3 distinto de los subespacios
triviales, es Gen{v1 , v2 } para algunos vectores v1 y v2 que sean linealmente independientes
o Gen{v} para v 6= 0. En el primer caso, el subespacio es un plano que pasa por el origen;
en el segundo caso caso, se trata de una recta que pasa por el origen (Véase la figura.1.2).
Es útil tener en mente estas imágenes geométricas, incluso para subespacios abstractos.
Figura 1.2:
Definición 1.4. Se llama envoltura lineal de los vectores x1 , x2 , . . . , xn del espacio vecto-
rial V, al conjunto de todas las combinaciones lineales de dichos vectores. La denotaremos
por
Env{x1 , x2 , . . . , xn }
Ejemplo 1.52. Obtener la envoltura lineal de los vectores x = (1, −1, 0) y y = (0, 1, 1) en
el espacio vectorial IR3 .
luego
Gen{ x, y} = {(a, b − a, b) ∈ IR3 / a, b ∈ IR }
1. F es un subespacio vectorial de V
Por ser G subespacio vectorial, también contiene a los vectores ai xi con ai ∈ IR, i =
1, 2, . . . , p. Y también a los vectores a1 x1 + a2 x2 + · · · + ap xp , que son justamente las
combinaciones lineales de los vectores x1 , x2 , . . . , xp
Definición 1.5. Sea W un subespacio vectorial de V. Se dice que {x1 , x2 , . . . , xp } es un
conjunto generador de W, si W = Gen{x1 , x2 , . . . , xp }
Ejemplo 1.53. Comprobar que el conjunto de vectores {e1 , e2 , e3 }, donde
2. Por otro lado, si v = (x, y, z) es cualquier vector arbitrario de IR3 , es evidente que
Solución.
(a + b, 2a + b, 0) = a(1, 2, 0) + b(1, 1, 0) = ax + by
u = px + qy
= p(1, 2, 0) + q(1, 1, 0)
= (p + q, 2p + q, 0)
para algunos escalares p y q, con los que u está en W. Por lo tanto Gen{x, y} ⊂ W.
Gen{x1 , x2 , . . . , xp } = Gen{x1 , x2 , . . . , xp , x}
En efecto
1. Es evidente que
Gen{x1 , x2 , . . . , xp } ⊂ Gen{x1 , x2 , . . . , xp , x}
pues
a1 x1 + a2 x2 + · · · + ap xp = a1 x1 + a2 x2 + · · · + ap xp + 0x
u = a1 x1 + a2 x2 + · · · + ap xp + ax
x = b1 x1 + b2 x2 + · · · + bp xp
con lo que
u = a1 x1 + a2 x2 + · · · + ap xp + ax
= a1 x1 + a2 x2 + · · · + ap xp + a(b1 x1 + b2 x2 + · · · + bp xp )
= (a1 + b1 )x1 + (a2 + b2 )x2 + · · · + (ap + bp )xp
Gen{x1 , x2 , . . . , xp , x} ⊂ Gen{x1 , x2 , . . . , xp }
entonces
Gen{x1 , x2 , . . . , xp } = Gen{x1 , x2 , . . . , xp , x}
Ejemplo 1.58. Si u y v son dos vectores de un espacio vectorial cualquiera, entonces las
envolturas lineales siguientes son iguales:
Gen{u, v, u + v} = Gen{u, v, 2u + v}
= Gen{u, v, 2u − v}
= Gen{u, v, u + v, 2u − v}
= Gen{u, v}
En esta sección se compararán y contrastarán las dos descripciones para los subespacios,
lo cual permitirá practicar el uso del concepto de subespacio. En realidad, como pronto se
descubrirá, ya se ha realizado cierto trabajo con subespacios desde la sección. La principal
caracterı́stica nueva aquı́ es la terminologı́a. La sección termina con una explicación del
núcleo y del rango de una transformación lineal.
Recuerde que el conjunto de todas las x que satisfacen (1.1) se denomina conjunto solución
del sistema ((1.1)). A menudo conviene relacionar este conjunto directamente con la matriz
A y la ecuación Ax = 0. Al conjunto de las x que satisfacen Ax = 0 se le llamará espacio
nulo de la matriz A.
Definición 1.6. El espacio nulo de una matriz A ∈ Mm×n , que se escribe Nul A, es el
conjunto de todas las soluciones del sistema lineal homogénea Ax = 0. En notación de
conjuntos,
Ker(A) = Nul A = { x ∈ IRn / Ax = 0 }
Una descripción más dinámica de Nul A es el conjunto de todas las x en Rn que se mapean
en el vector cero de Rm mediante la transformación lineal x 7→ Ax.
5
Ejemplo 1.59. Sea A como (1.2) y sea u = 3 . Determine si u pertenece al espacio
−2
nulo de A.
El término espacio en espacio nulo resulta adecuado porque el espacio nulo de una
matriz es un espacio vectorial, como se verá en el teorema siguiente.
Teorema 1.6. El espacio nulo de una matriz A ∈ Mm×n es un subespacio de Rn . De manera
equivalente, el conjunto de todas las soluciones de un sistema Ax = 0 de m ecuaciones
lineales homogéneas con n incógnitas es un subespacio de Rn .
Ejemplo 1.60. Sea W el conjunto de todos los vectores en R4 cuyas coordenadas a, b, c, d
satisfacen las ecuaciones a − 2b + 5c = d y c − a = b. Demuestre que W es un subespacio
de R4 .
Solución. Al reacomodar las ecuaciones que describen los elementos de W, se observa que
W es el conjunto de todas las soluciones del siguiente sistema homogéneo de ecuaciones
lineales:
a − 2b + 5c − d = 0
−a − b + c =0
Por el teorema.1.6, W es un subespacio de R4 .
Es importante que las ecuaciones lineales que definen al conjunto W sean homogéneas.
En caso contrario, definitivamente, el conjunto de soluciones no será un subespacio (puesto
que el vector cero no es solución de un sistema no homogéneo). También, en algunos casos,
el conjunto de las soluciones podrı́a estar vacı́o.
No hay ninguna relación evidente entre los vectores de Nul A y las entradas de A. Se
dice que Nul A está definido implı́citamente, porque se define mediante una condición que
debe verificarse. No hay una descripción ni una lista explı́cita de los elementos contenidos
en Nul A. Sin embargo, resolver la ecuación Ax = 0 equivale a producir una descripción
explı́cita de Nul A.
= x2 u + x4 v + x5 w
b = a1 u1 + a2 u2 + . . . + an un
Ejemplo 1.63. Determine si b = (2, 6, 1) pertenece al espacio generado por u1 = (1, 2, 3), u2 =
(−2, −5, 2) y u3 = (1, 2, −1). En caso afirmativo, hallar a1 , a2 , a3 tales que
b = a1 u1 + a2 u2 + a3 u3
W1 ∩ W2 = {v ∈ V / v ∈ W1 ∧ v ∈ W2 }
W1 ∪ W2 = {v ∈ V / v ∈ W1 ∨ v ∈ W2 }
W1 + W2 = {v ∈ V / v = w1 + w2 , w1 ∈ W1 ∧ w2 ∈ W2 }
En efecto.
λ ∈ K ∧ u ∈ S ⇒ λ ∈ K ∧ u ∈ W1 ∧ u ∈ W2
⇒ λu ∈ W1 ∧ λu ∈ W2
⇒ λu ∈ S
Ejemplo 1.64. Sea V = IR3 el espacio vectorial, y consideremos los subespacios no triviales
W = W1 ∩ W2 = {(x, y, z) ∈ IR3 / x = 0 ∧ z = 0}
Esto significa que un vector genérico de W es una terna del tipo (0, y, 0) que puede expre-
sarse mediante (0, α, 0) para algún α ∈ IR.
Entonces
W = {(0, α, 0) ∈ IR3 / α ∈ IR}
o sea, W es el eje Y.
Unión de subespacios
pero u+v∈
/ W1 ∪ W2
S = { v ∈ V / v = u1 + u2 , u1 ∈ W1 ∧ u2 ∈ W2 }
O sea
S = { v ∈ V / ∃ u1 ∈ W1 ∧ ∃ u2 ∈ W2 , v = u1 + u2 }
El conjunto S se llama suma de los subespacios W1 y W2 y se denota
S = W1 + W2
S no es vacı́o, pues
0 ∈ W1 ∧ 0 ∈ W2 ⇒ 0 = 0 + 0 ∈ W1 + W2 ⇒ 0 ∈ S, ası́ S 6= ∅
x ∈ S ∧ y ∈ S ⇒ x = u1 + v1 ; y = u2 + v2 , donde u1 , u2 ∈ W1 ∧ v1 , v2 ∈ W2
⇒ x + y = (u1 + v1 ) + (u2 + v2 ) = (u1 + u2 ) + (v1 + v2 ),
(u1 + u2 ) ∈ W1 ∧ (v1 + v2 ) ∈ W2
⇒x+y∈S
λ ∈ K ∧ x ∈ S ⇒ λ ∈ K ∧ x = u1 + v1 ; u1 ∈ W1 ∧ v1 ∈ W2
⇒ λx = λu1 + λv1 , donde λu1 ∈ W1 ∧ λv1 ∈ W2
S = W1 ⊕ W2
S = W1 ⊕ W2 ⇐⇒ S = W1 + W2 ∧ W1 ∩ W2 = {0}
El subespacio suma S = W1 + W2 está formado por todas las ternas del tipo
(α, β 0 + β 00 , γ) = (α, β, γ)
2. En cambio, si
se tiene
S = W1 + W2 = {(α, β, 0) / α ∈ IR ∧ β ∈ IR}
O sea, la suma es directa y se identifica con el plano horizontal XY, es decir
Ejemplo 1.67. Hallar los vectores generadores del subespacio W de V = IR3 , donde
W = {(x, y, z) ∈ IR3 / x + y = 2z ↔ y = 2z − x }
Solución. Sea w ∈ W, donde w = (x, y, z), este se satisface ası́ w = (x, 2z − x, z), entonces
Luego los vectores generadores del subespacio W = h(1, −1, 0), (0, 2, 1)i
Ejemplo 1.68. Hallar los vectores generadores del subespacio U, si U ⊂ IR4 , donde
x = y + 3t, z = −2y − 3t
Luego para todo u ∈ U, tiene la forma u = (x, y, z, t) = (y + 3t, y, −2y − 3t, t), de donde
De manera que los vectores generadores del subespacio U = h(1, 1, −2, 0), (3, 0, −3, 1)i
3r + s = x1
3r − s = x2
1 1
cuya solución es: r = (x1 + x2 ), s = (3x1 − 2x2 ).
5 5
1 1
Por lo tanto: x = r(2, 3) + s(1, −1) ⇐⇒ x = (x1 + x2 )(2, 3) + (1, −1).
5 5
Esto verifica que IR2 ⊂ W1 ⊕ W2 . Y con ella el ejercicio esta probado.
a1 x1 + a2 x2 + · · · + ap xp = 0
Es decir, cuando se resuelve el sistema lineal homogéneo, que sabemos que un sistema
lineal homogéneo siempre tiene solución, pero es linealmente independiente si la solu-
ción del sistema lineal homogéneo es la trivial.
En caso contrario, es decir si la combinación lineal anterior no sólo ocurre con coefi-
cientes nulos, sino también con algún coeficiente no nulo, entonces se dice que los vectores
son linealmente dependiente (L. D.).
Obsérvese que si los vectores {u1 , u2 , . . . , uk } son L. I., entonces cualquier subconjunto
no vacı́o de ellos es también L. I.
Si M = {u} es L. I. si y sólo si u 6= 0V
Ejemplo 1.70. ¿Son los vectores v1 = (1, 2, 3, 1), v2 = (2, 2, 1, 3) y v3 = (−1, 2, 7, −3) L. I. o
L. D.?
Ejemplo 1.71. El conjunto de vectores {(2, 1, 1), (1, 1, −3), (1, 0, 0)} del espacio vectorial
IR3 , es L. I. pues:
a1 (2, 1, 1) + a2 (1, 1, −3) + a3 (1, 0, 0) = (0, 0, 0)
equivale a resolver el sistema lineal homogéneo
2a1 + a2 + a3 = 0
a1 + a2 = 0
a − 3a
1 2 = 0
Ejemplo 1.72. Los vectores (1, −2) y (−2, 4) de IR2 son L. D., puesto que de la combinación
lineal
a1 (1, −2) + a2 (−2, 4) = (0, 0)
se tiene el sistema lineal homogéneo
a1 − 2a2 = 0
−2a1 + 4a2 = 0
M = {1 − x, 2 + x + 2x2 , 1 + x2 }
es L. I. o L. D.
Solución. Sea la combinación lineal nula
a1 (1 − x) + a2 (2 + x + 2x2 ) + a3 (1 + x2 ) = 0 = 0 + 0 x + 0 x2
Ejemplo 1.74. Determinar si M = {x2 −1, x2 +1, 4x, 2x−3} son linealmente independientes
o linealmente dependiente en el espacio de polinomios.
Solución. Si
α1 (x2 − 1) + α2 (x2 + 1) + α3 (4x) + α4 (2x − 3) = 0
entonces
(α1 + α2 )x2 + (4α3 + 2α4 )x − α1 + α2 − 3α4 = 0
De donde obtenemos el sistema lineal homogéneo
α1 + α2 = 0,
4α3 + 2α4 = 0,
−α + α − 3α = 0,
1 2 4
son L. D.
En efecto. Escribamos el vector nulo de IR2×2 como combinación lineal de estos vectores, es
decir: " # " # " # " #
−1 16 2 3 −1 2 0 0
c1 + c2 + c3 =
−1 13 3 4 −2 1 0 0
Al realizar las operaciones indicadas se obtiene
" # " #
−c1 + 2c2 − c3 16c1 + 3c2 + 2c3 0 0
=
−4c1 + 3c2 − 2c3 13c1 + 4c2 + c3 0 0
−c1 + 2c2 − c3 = 0
16c1 + 3c2 + 2c3 = 0
−4c1 + 3c2 − 2c3 = 0
13c1 + 4c2 + c3 = 0
x1 u1 + x2 u2 + · · · + xk uk = 0RI n
Av = 0RI n
donde A es la matriz que tiene como columnas a los vectores ui , tiene soluciones no triviales.
Teorema 1.11. (Criterios para que k vectores de IRn son L. I. o L. D.) Sean u1 , u2 , . . . , uk , k
vectores de IRn y A la matriz que tiene como columnas a estos vectores. Entonces:
3. Si k = n:
2. {(1, −2, −3, 2), (−1, 0, 1, 1), (5, −4, −9, 1)}
3. {(1, 2, 1, 3), (1, 1, 1, 1), (−1, 1, 0, 0), (−1, 1, 0, 1), (1, 0, 0, 4)}
4. En este caso tenemos 4 vectores en IR4 , y serán L. I. si y sólo si la matriz A, que tiene de
columnas a estos vectores, es invertible. LLevemos esta matriz a la forma escalonada
1 2 −2 −3 1 0 0 0
0 −1 1 0
0 1 0 0
∼
1 1 1 0 0 0 1 0
0 1 3 1 0 0 0 1
Teorema 1.12. Sean u1 , u2 , . . . , un , n vectores de IRn y A es la matriz que tiene por colum-
nas a estos vectores, entonces las siguientes condiciones son equivalentes:
1. u1 , u2 , . . . , un son L. I.
2. u1 , u2 , . . . , un generan a IRn
3. A es invertible.
En efecto. Supongamos que el vector u se escribe de dos formas diferentes como com-
binación de los vectores de M, es decir:
u = a1 x1 + a2 x2 + · · · + ap xp
u = b1 x1 + b2 x2 + · · · + bp xp
a1 − b1 = a2 − b2 = · · · = ap − bp = 0 ⇒ a1 = b1 , a2 = b2 , . . . , ap = bp
Teorema 1.14. Los n vectores u1 , u2 , . . . , un del espacio vectorial V son linealmente depen-
dientes si y sólo si al menos uno de ellos puede escribirse como combinación de los n − 1
vectores restantes.
En efecto.
c1 u1 + c2 u2 + · · · + cn un = 0 (1.3)
2. {u1 , u2 , . . . , un } es L. I.
Ejemplo 1.77. Dados los vectores e1 = (1, 0) y e2 = (0, 1) de IR2 , comprobar que {e1 , e2 } es
una base de IR2 .
Si u = (−1, 2), el conjunto {e1 , e2 , u}, es L. D. de IR2
es una base de IRn . Esta base recibe el nombre de base canónica para el espacio vectorial
IRn .
Ejemplo 1.79. Sean v1 = (1, 2, 1), v2 = (2, 9, 0), v3 = (3, 3, 4). Demuéstrese que el conjunto
S = {v1 , v2 , v3 } es una base de IR3 .
Solución. Para demostrar que S es una base, se tiene que demostrar que primero que S es
L. I.
x + 2y + 3z = 0
2x + 9y + 3z = 0
x + 0y + 4z = 0
1 2 3
Pero la matriz de sus coeficientes es A = 2 9 3 . Puesto que D(A) = −1 6= 0, entonces
1 0 4
el sistema lineal homogéneo tiene solución única que es x = y = z = 0. Ası́ S es L. I..
x + 2y + 3z = λ1
2x + 9y + 3z = λ2
x + 0y + 4z = λ3
1 2 3
Pero vimos que la matriz de coeficientes A = 2 9 3 , su D(A) = −1, entonces el
1 0 4
sistema tiene solución única. Ası́ S genera el espacio vectorial IR3 . Ası́ tenemos:
u = (x, y, z, w) = (x, y, z, x + y − z)
3. Descomponer
u = x(1, 0, 0, 1) + y(0, 1, 0, 1) + z(0, 0, 1, −1)
Los vectores {(1, 0, 0, 1), (0, 1, 0, 1)} y (0, 0, 1, −1) forman una base del subespacio W.
4. Luego el conjunto de vectores {(1, 0, 0, 1), (0, 1, 0, 1), (0, 0, 1, −1)} es una base de W
Ejemplo 1.82. Demuestre que el conjunto M = {f(x) = x2 +1, g(x) = 3x−1, h(x) = −4x+1}
constituye una base para el espacio vectorial V = P2 [x].
Solución. hf, g, hi será una base para P2 [x] si estos generan a P2 y son linealmente inde-
pendientes. Veamos:
c1 f + c2 g + c3 h = 0
c1 (x + 1) + c2 (3x − 1) + c3 (−4x + 1) = 0 x2 + 0 x + 0
2
2. Demostremos ahora que M genera al espacio vectorial P2 [x]. Sea v = p(x) un vector
arbitrario de P2 [x]. Ası́ p es un polinomio de la forma
p(x) = ax2 + bx + c
c1 = a, c2 = 4a − 4c − b, c3 = 3a − 3c − b
Estas funciones generan a P2 [x] y son linealmente independientes. Constituyen una base
para P2 [x].
v = α1 u1 + α2 u2 + . . . + αn un
1. Por hipótesis se tiene que {u1 , u2 , . . . , un } es una base de V. Por lo tanto {u1 , u2 , . . . , un }
genera al espacio vectorial V y son L. I.
Luego, si v ∈ V ⇒ ∃αi ∈ IR / v = α1 u1 + α2 u2 + . . . + αn un
v = β1 u1 + β2 u2 + . . . + βn un
3. Restar:
v = α1 u1 + α2 u2 + . . . + αn un
v = β1 u1 + β2 u2 + . . . + βn un
0 = (α1 − β1 )u1 + (α2 − β2 )u2 + . . . + (αn − βn )un
α1 − β1 = α2 − β2 = · · · = αn − βn ⇒ α1 = β1 , α2 = β2 , · · · , αn = βn
Este teorema nos dice que dos bases cualesquiera de un espacio vectorial V contienen el
mismo número de vectores.
Observación.
3. Se considera al espacio vectorial cero como de dimensión finita, aún cuando no tiene
conjunto linealmente independientes, y como consecuencia, no tiene base.
Observación. Además, por definición, el espacio vectorial cero tiene dimensión cero
Ejemplo 1.83. La base estándar para el espacio vectorial IRn contiene n−vectores, y es
β = {e1 , e2 , . . . , en }, ej = (0, 0, . . . , 1, . . . , 0)
Ejemplo 1.84. Determı́nese una base y la dimensión para el espacio de soluciones del
sistema lineal homogéneo
2x1 + 2x2 − x3 + x5 = 0
−x1 − x2 + 2x3 − 3x4 + x5 = 0
x1 + x2 − 2x3 − x5 = 0
x3 + x4 + x5 = 0
generan el espacio de soluciones de este sistema lineal homogéneo. Dado que estos vectores
son linealmente independientes, {v1 , v2 } es una base, y el espacio de soluciones es bidimen-
sional.
Para lograr entender el concepto de producto punto de los espacios vectoriales IRn a otros
espacios vectoriales necesitamos abstraer esenciales del producto punto que son, precisa-
mente. Recordemos estas caracterı́sticas esenciales
2. (λx).y = λ(x.y)
4. x.x ≥ 0
5. x.x = 0 ⇐⇒ x = 0
Estas propiedades se cumplen para cualquier vectores x, y, z ∈ IRn , ∀ λ ∈ IR.
P.5. hu, ui = 0 ⇐⇒ u = 0
Un espacio vectorial con un producto interior se conoce como espacio vectorial euclı́deo.
Nota. La condición P.1. establece que el producto interior es conmutativo o simétrico. Las
condiciones P.2. y P.3. indican que el producto interno es lineal en la primera componente;
mientras que las condiciones P.4. y P.5. manifiestan que el producto escalar de un vector
por si mismo siempre debe ser no negativo, pudiendo ser cero en cuestión cuando el vec-
tor es el vector nulo; esta propiedad se indica que el producto escalar es definido positivo.
3. hu, 0i = h0, vi = 0
En efecto. (1) y (2) son inmediatas utilizando las condiciones P.1., P.2. y P.3. de la defini-
ción de producto interno.
(4) Sea hu, vi = 0 para todo v de V. En particular cuando v = u, se tendrá que el pro-
ducto escalar hu, ui y por la condición P.5. del producto interno se deduce que u = 0.
Observación. Las propiedades (1) y (2) que acabamos de comprobar indican que el pro-
ducto interno es una función lineal en la segunda componente. Podemos resumir estas pro-
piedades con las de la definición, diciendo que el producto interno es una forma bilineal
definida simétrica.
hu, vi = u1 v1 + u2 v2 + · · · + un vn
Si w = (w1 , w2 ), entonces
A continuación
Por último,
hv, vi = 3v1 v1 + 2v2 v2 = 3v21 + 2v22 ≥ 0
Además hv, vi = 3v21 + 2v22 = 0 ⇐⇒ v1 = 0 = v2 , es decir v = (0, 0). Por lo tanto, se satisface,
el cuarto axioma.
Ejemplo 1.87. En el espacio vectorial IR2 , sean x = (x1 , x2 ), y = (y1 , y2 ) se define:
2.
hλx, yi = h(λx1 , λx2 ) (y1 , y2 )i
= λx1 y1 − 2λx1 y2 − 2λx2 y1 + 5λx2 y2 = λ[x1 y1 − 2x1 y2 − 2x2 y1 + 5x2 y2 ]
= λhx, yi
3.
hx + y, zi = h(x1 + y1 , x2 + y2 ); (z1 + z2 )i
= (x1 + y1 )z1 − 2(x1 + y1 )z2 − 2(x2 + y2 )z1 + 5(x2 + y2 )z2
= (x1 z1 − 2x1 z2 − 2x2 z1 + 5x2 z2 ) + (y1 z1 − 2y1 z2 − 2y2 z1 + 5y2 z2 )
= hx, zi + hy, zi
4.
hx, xi = x1 x1 − 2x1 x2 − 2x2 x1 + 5x2 x2 = x21 − 4x1 x2 + 5x22
= x21 − 4x1 x2 + 4x22 + x22
= (x1 − 2x2 )2 + x22 ≥ 0
de donde hx, xi ≥ 0
El producto interior de estos dos ejemplos es diferente del producto interior eu-
clidiano sobre IR2 ; esto indica que un espacio vectorial puede tener más de un producto
interior. En general el espacio vectorial IRn se puede definir infinitos espacios vectoriales
euclidianos.
hU, Vi = u1 v1 + u2 v2 + u3 v3 + u4 v4
Solución. La comprobación de las tres primeras condiciones P.1., P.2. y P.3. de la de-
finición de producto escalar, estas se deducen fácilmente de las propiedades del producto
de matrices y de que la matriz A es simétrica. Veamos ahora las condiciones P.4. y P.5.
h i 2 1 −1 x1
hx, xi = x1 x2 x3 1 1 0 x2
−1 0 2 x3
h i 2x1 + x2 − x3
= x1 x2 x3 x1 + x2
−x1 + 2x3
= x1 (2x1 + x2 − x3 ) + x2 (x1 + x2 ) + x3 (−x1 + 2x3 )
= 2x21 + 2x1 x2 + x22 − 2x1 x3 + 2x23
= (x21 + 2x1 x2 + x22 ) + (x21 − 2x1 x3 + x23 ) + x23
= (x1 + x2 )2 + (x1 − x3 )2 + x23 ≥ 0
De acuerdo con lo que acabamos de ver hx, xi = 0 ⇐⇒ hx, xi = (x1 + x2 )2 + (x1 − x3 )2 + x23 ⇐⇒
x1 + x2 =0
x1 − x3 = 0
x3 = 0
hp, qi = a0 b0 + a1 b1 + a2 b2
en donde a y b son números reales fijos cualesquiera tales que a < b. Se demostrará que
(1.4) define un producto interior sobre el espacio vectorial V = Pn [x].
hx + z, x − z + yi = hx, x − z + yi + hz, x − z + yi
= hx, xi − hx, zi + hx, yi + hz, xi − hz, zi + hz, yi
= hx, xi + hx, yi − hz, zi + hz, yi
2. Si λ ∈ IR, f, g ∈ C[a, b]
Zb
hλf, gi = (λf)(x)g(x)dx
a
Zb
= λf(x)g(x)dx
a
Zb
=λ g(x)f(x)dx
a
= λhf, gi
4. Si f ∈ C[a, b]
Zb Zb
hf, fi = f(x)f(x)dx = f2 (x)dx ≥ 0
a a
hf, fi = hθ, θi
Zb
= θ2 (x)dx
a
Zb
= 0dx
a
=0
Si u 6= 0 y sean a = hu, ui, b = 2hu, vi, c = hv, vi y t cualquier número real. Por el
axioma de positividad, el producto interior de cualquier vector por sı́ mismo siempre
es no negativo.
Por lo tanto,
Esta desigualdad implica que el polinomio cuadrático at2 + 2bt + c no tiene raı́ces
reales, o bien, tiene una raı́z repetida. Por lo tanto, su discriminante debe satisfacer
b2 − 4ac ≤ 0
Al expresar a, b y c en términos de u y v da
X X n X
X
* n n
+ n
ai x i , bj y j = ai bj hxi , yj i
i=1 j=1 i=1 j=1
x = x1 b1 + x2 b2 + · · · + xn bn
y que
y = y1 b1 + y2 b2 + · · · + yn bn
Entonces
X X
* n n
+
hx, yi = xi bi , yj bj
i=1 j=1
X
n X
n
= xi yj hbi , bj i
i=1 j=1
X
n X
n
= xi gij yj ,
i=1 j=1
La matriz cuadrada G se llama matriz de Gram del producto interno respecto de la base
β. Nótese que sus componentes de esta matriz son los productos internos de los vectores de
la base considerada.
Por lo tanto
he1 , e1 i he1 , e2 i he1 , e3 i 2 1 −1
G = he2 , e1 i he2 , e2 i he2 , e3 i = 1 1 0
he3 , e1 i he3 , e2 i he3 , e3 i −1 0 2
que es precisamente la matriz que hemos utilizado para definir el producto interno.
Teorema 1.20. Sea β una base del espacio vectorial euclı́deo V de dimensión n y supon-
gamos que G es la matriz de Gram del producto escalar respecto a dicha base, entonces:
Nota. Cuando una matriz G cumple la condición (iii) del teorema.1.20, se dice que es
definida positiva.
y
d(u, v) = ||u − v|| =
p
(u1 − v1 )2 + (u2 − v2 )2 + · · · + (un − vn )2
Ejemplo 1.99. Supóngase que el espacio vectorial IR2 tiene definido el producto interior
hx, xi = x1 y1 + x2 y2 + x3 y3
||x|| = 22 + (−1)2 + 22 = 3,
p
Teorema 1.21. Sea V un espacio vectorial euclı́deo, entonces la norma ||v|| = hv, vi1/2 y la
distancia d(u, v) = ||u − v|| satisfacen las siguientes propiedades:
En efecto.
Este teorema se conoce generalmente con el nombre de “Ley del Paralelogramo” debido
a que en el espacio euclı́deo IR2 con el producto escalar canónico (Ver Figura.1.3), esta
propiedad afirma
||v + u||2 = hu + v, u + vi
= hu, ui + 2hu, vi + hv, vi
≤ hu, ui + 2|hu, vi| + hv, vi
≤ hu, ui + 2||u|| ||v|| + hv, vi
= ||u||2 + 2||u|| ||v|| + ||v||2 i
= (||u|| + ||v||)2
es un vector normalizado.
Supóngase que los vectores u y v son vectores no nulos en un espacio vectorial euclı́deo.
La desigualdad de Cauchy- Schwartz, se puede escribir ası́:
2
hu, vi
hu, vi ≤ ||v|| ||u|| ⇐⇒
2 2 2
≤1
||u||||v||
o, de modo equivalentemente,
hu, vi
−1 ≤ ≤1
||u||||v||
Como consecuencia de este resultado, existe un único ángulo θ tal que:
hu, vi
Cosθ = y 0≤θ≤π
||u||||v||
Ejemplo 1.102. Determine el coseno del ángulo θ entre los vectores con el producto interno
canónico
u = (4, 3, 1, −2) y v = (−2, 1, 2, 3)
Definición 1.14. En un espacio vectorial euclı́deo, se dice que dos vectores u y v son orto-
gonales si hu, vi = 0. Además, si u es ortogonal a cada vector en un conjunto W, se dice
que u es ortogonal a W.
Observación.
1. Si u y v son ortogonales, denotaremos por u ⊥ v
Entonces
Z 1
1/2 Z 1 1/2 r
2
||p(x)|| = hp(x), p(x)i = x xdx = 2
x dx =
−1 −1 3
Z 1 1/2 Z 1 1/2 r
2
||q(x)|| = hq(x), q(x)i = x2 x2 dx = x4 dx =
−1 −1 5
Z 1 1/2 Z 1 1/2
hp(x), q(x)i = x x2 dx = 3
x dx =0
−1 −1
Debido a que hp(x), q(x)i, los vectores p(x) = x y q(x) = x2 son ortogonales en relación con
el producto interior dado.
Ejemplo 1.104. En el espacio vectorial euclidiano V = C[0, π], si f(x) = sen x y g(x) = cos x
Zπ
hsen x, cos xi = sen x cos xdx
0 2 π
sen x
=
2 0
=0
Por lo tanto, f⊥g. Es decir, las funciones seno y coseno son ortogonales en V = C[0, π].
Teorema 1.23. (Teorema de Pitágoras generalizado) Si u y v son vectores ortogonales
en un espacio vectorial euclı́deo, entonces:
En efecto.
3. u ⊥ v, ∀ v ∈ V ⇐⇒ u = 0
Sea un conjunto ortogonal en el que cada vector tiene norma 1, se dice que es un
conjunto ortonormal.
Ejemplo 1.105. Sea V = IR3 un espacio vectorial con producto interior canónico y sean los
vectores
1 1 1 1
v1 = (0, 1, 0), v2 = √ , 0, √ , v3 = √ , 0, − √
2 2 2 2
El conjunto S = {v1 , v2 , v3 } es ortonormal en IR , ya que:
3
y
||v1 || = ||v2 || = ||v3 || = 1
1
Probar que el conjunto {1, x, (3x2 − 1)} es ortogonal.
3
1
Solución. Definimos por p(x) = 1, q(x) = x y r(x) = (3x2 − 1). Entonces
3
Z1 2 1
x
hp, qi = x dx = = 0,
−1 2 −1
Z1
1 1 3 1
hp, ri = (3x2 − 1)dx = x − x −1 = 0,
−1 3 3
Z1
1 1 4 1 1 2 1
hq, ri = x (3x2 − 1)dx = x −1 − x −1 = 0
−1 3 4 6
x = x1 u1 + x2 u2 + · · · + xn un
u = k 1 v1 + k 2 v2 + · · · + k n vn
hu, vi i = hk1 v1 + k2 v2 + · · · + kn vn , vi i
= k1 hv1 , vi i + k2 hv2 , vi i + · · · + ki hvi , vi i + · · · + kn hvn , vi i
ki = hu, vi i
4 3 3 4
Ejemplo 1.108. Sea v1 = (0, 1, 0), v2 = − , 0, , v3 = , 0, . Es fácil de verificar
5 5 5 5
que β = {v1 , v2 , v3 } es una base ortonormal para el espacio vectorial IR3 , con el producto
interior euclidiano. Expresar el vector u = (1, 1, 1) como una combinación lineal de β.
0 = k 1 v1 + k 2 v2 + · · · + k n vn
hk1 v1 + k2 v2 + · · · + kn vn , vi i = h0, vi i = 0
o de modo equivalentemente,
ki hvi , vi i = 0 ⇒ ki = 0
De manera análoga se demuestra que todos los ki son iguales a cero, ası́ S es linealmente
independiente.
Ahora determinemos las coordenadas del vector x, pero como β es una base ortogonal,
entonces ortonormalizamos, es decir, tenemos:
u1 1 u2 1 u3 1
v1 = = (1, 1, 0), v2 = = (−1, 1, 2), v3 = = (−1, 1, −1)
||u1 || 2 ||u2 || 6 ||u3 || 3
3
k1 = hx, v1 i =
2
7
k2 = hx, v2 i = −
6
2
k3 = hx, v3 i =
3
Las componentes del vector x respecto de la base β son
3 7 2
Cβ [x] = ,− ,
2 6 3
2. (u − p) ⊥ v
Por la primera condición, se tiene que p = λv y por la segunda condición
0 = hu − p, vi
= hu, vi − hp, vi
= hu, vi − hλv, vi
= hu, vi − λ||v||2
lo que implica que
hu, vi
λ=
||v||2
Con lo que hemos probado el siguiente teorema
Teorema 1.27. Si u, v 6= 0 ∈ V, entonces el vector proyección p de u sobre v está dado por
hu, vi
p= v
||v||2
Ejemplo 1.111. Si f(x) = ex , g(x) = e−2x vectores de V = C[0, 1], con el producto interno
definido del modo siguiente Z 1
hf, gi = f(x)g(x)dx
0
determine la proyección ortogonal de f sobre g.
Subespacio ortogonal
Teorema 1.28. Sea F un subespacio vectorial del espacio vectorial euclidiano V. Entonces
F⊥ es un subespacio vectorial de V.
En efecto.
Desde luego que 0 ∈ F⊥ ya que el vector nulo es ortogonal a todos los vectores de V, en
particular es ortogonal a los vectores de F.
hu + v, yi = hu, yi + hv, yi = 0
Ejemplo
1.113. Supóngase
que V = IR3 tiene un producto interior euclidiano y que W =
4 3
v1 = (0, 1, 0), v2 = − , 0, . La proyección ortogonal de u = (1, 1, 1) sobre W es:
5 5
ProyW u = hu, v1 iv1 + hu, v2 iv2
1 4 3
= (1)(0, 1, 0) + − − , 0,
5 5 5
4 3
= , 1, −
25 25
El componente de u ortogonal a W es
4 3 21 28 7 3 4
u − ProyW u = (1, 1, 1) − , 1, − = , 0, = , 0,
25 25 25 25 5 5 5
Teorema 1.32. Todo espacio vectorial euclı́deo V, V 6= {0} y de dimensión finita, entonces
el espacio vectorial V tiene una base ortonormal.
En efecto Sea V cualquier espacio vectorial euclı́deo, diferente del espacio cero y de di-
mensión n, y supóngase que S = {u1 , u2 , . . . , un } es cualquier base para V. La sucesión
siguiente de pasos produce una base ortonormal {v1 , v2 , . . . , vn } para V
u1
Paso 1. Sea v1 = el vector v1 que tiene norma 1
||u1 ||
Paso 2. Para construir un vector v2 de norma 1 que sea ortogonal a v1 se calcula la componente
de u2 ortogonal al espacio W1 generado por v1 y, a continuación, se normaliza, es
decir:
Paso 3. Para construir un vector v3 de norma 1 que sea ortogonal tanto a v1 como a v2 , se
calcula la componente de u3 ortogonal al espacio W2 generado por los vectores v1 y v2 ,
y luego se normaliza, es decir:
u3 − ProyW2 u3 u3 − hu3 , v1 iv1 − hu3 , v2 iv2
v3 = =
||u3 − ProyW2 u3 || ||u3 − hu3 , v1 iv1 − hu3 , v2 iv2 ||
Como en el paso 2, la independencia lineal de {u1 , u2 , . . . , un } asegura que
u3 − hu3 , v1 iv1 − hu3 , v2 iv2 6= 0
de modo que siempre se puede efectuar la normalización.
La construcción paso a paso que acaba de darse, para convertir una base arbitraria
en una base ortonormal, se conoce como proceso de Gram- Schmidt.
Ejemplo 1.114. Encontrar una base ortonormal para el subespacio vectorial W = hex , xi
en el espacio vectorial V = C[0, 1].
Solución. En este caso, v1 = ex , v2 = x, entonces
Luego calculemos √ √
2 2
w2 = x − hx, 2 1/2
ex i 2 ex
(e − 1) (e − 1)1/2
Calculamos el producto interno de la última igualdad
√ √
2 2
hx, 2 1/2
ex i = 2 hx, ex i
(e − 1) (e − 1)1/2
y
Z1
x
hx, e i xex dx
0
=1
Por lo tanto,
√ √
2 x 2
hx, 2 1/2
e i= 2
(e + 1) (e + 1)1/2
Ası́
√ √
2 2
w2 = x − 2 ex
(e − 1) (e − 1)1/2
1/2 2
2
=x− 2 ex
(e − 1)
Ejemplo 1.115. Considérese el espacio vectorial V = IR3 con el producto euclidiano inte-
rior. Aplı́quese el proceso de Gram- Schmidt para transformar la base u1 = (1, 1, 1), u2 =
(0, 1, 1), u3 = (0, 0, 1) en una base ortonormal.
Solución.
u1 1, 1, 1
Paso 1. v1 = = √
||u1 || 3
Paso 2.
Por lo tanto,
u2 − ProyW1 u2 3 2 1 1 2 1 1
v2 = =√ − , , = −√ , √ , √
||u2 − ProyW1 u2 || 6 3 3 3 6 6 6
Paso 3.
ya que el segundo miembro de esta ecuación es una combinación lineal de los vectores de
β, la independencia lineal de β implica que:
c1 − k1 = 0, c2 − k2 = 0, . . . , cn − kn = 0
es decir,
c1 = k1 , c2 = k2 , . . . , cn = kn
En resumen, se tiene el siguiente resultado:
v = c1 v1 + c2 v2 + · · · + cn vn
CS [v] = (c1 , c2 , . . . , cn )
La matriz de coordenadas de v relativa a S se denota CS [v] y es la matriz de IRn×1 definida
por
c1
c2
CS [v] = .
..
cn
Ejemplo 1.116. Sea β = {v1 , v2 , v3 } una base del espacio vectorial V = IR3 , donde v1 =
(1, 2, 1), v2 = (2, 9, 0) y v3 = (3, 3, 4)
como tenemos una igualdad, entonces igualamos las respectivas componentes, es de-
cir, se tiene el siguiente sistema lineal
x + 2y + 3z = 5
x= 1
2x + 9y + 3z = −1 ⇒ y = −1
x + 4z = 9 z= 2
2. Determinase el vector en IR3 cuyo vector de coordenadas con respecto a la base β sea
−1
Cβ [w] = 3
2
Solución.
w = (−1)v1 + (3)v2 + (2)v3
w = (−1)(1, 2, 1) + (3)(2, 9, 0) + (2)(3, 3, 4)
w = (11, 31, 7)
Para que este problema se entienda, se resolverá este problema para espacios vectoriales
bidimensionales. Pues la solución para los espacios vectoriales con dimensión n es seme-
jante.
Sean
β1 = {u1 , u2 } y β2 = {v1 , v2 }
las bases inicial y nueva, respectivamente. Se necesitan las matrices de coordenadas para
los vectores de la base inicial, con relación a la nueva base. Supóngase que son:
" # " #
a c
Cβ2 [u1 ] = y Cβ2 [u2 ] = (1.5)
b d
es decir,
v = k1 u1 + k2 u2 (1.8)
Para determinar las nuevas coordenadas de Cβ2 [v], se debe expresar v en términos de
la nueva base β2 , es decir hallar ¿Cβ2 [v]? Para hacerlo, se reemplaza (1.6) en (1.8), esto
conduce a
v = k1 u1 + k2 u2 = k1 (av1 + bv2 ) + k2 (cv1 + dv2 )
o bien
v = (k1 a + k2 c)v1 + (k1 b + k2 d)v2 )
Por lo tanto, la nueva matriz de coordenadas de v es
" #
k1 a + k2 c
Cβ2 [v] =
k1 b + k2 d
En esta ecuación se afirma que es posible obtener la nueva matriz de cambio de coordena-
das Cβ2 [v], multiplicándose la matriz de coordenadas inicial, Cβ1 [v] del primer miembro,
por la matriz " #
a c
P=
b d
cuyas columnas son las coordenadas de los vectores de la base inicial, con relación a la
nueva base (1.5). Ası́ entonces, se tiene la solución siguiente del problema del cambio de
base.
Solución del problema del cambio de base. Si se cambia la base para un espacio
vectorial V, de cierta base β1 = {u1 , u2 , . . . , un } hacia otra nueva base β2 = {v1 , v2 , . . . , vn }
entonces la matriz de coordenadas inicial, Cβ1 [v], de un vector v está relacionada con la
nueva matriz de coordenadas Cβ2 [v] por medio de la ecuación
Cβ2 [v] = P Cβ1 [v] (1.9)
en donde las columnas de P son las matrices de coordenadas de los vectores de la base
inicial con respecto a la nueva base, es decir los vectores columnas de P son
Cβ2 [u1 ], Cβ2 [u2 ], . . . , Cβ2 [un ]
Simbólicamente, la matriz P se puede escribir
P = [Cβ2 [u1 ] | Cβ2 [u2 ] | . . . | Cβ2 [un ]]
esta matriz se conoce como la matriz de cambio o de transición de la base β1 a la nueva
base β2 .
Nota.
Sea β = {u1 , u2 , . . . , un } una base de un espacio vectorial V. Dado un vector
x1
x2
x = . ∈ IRn ,
.
.
xn
con lo que,
a1j
a2j
Cβ2 (uj ) =
..
.
anj
Sea x un vector de V, tal que:
Cβ1 (x) = x1 u1 + x2 u2 + · · · + xn un
teniendo en cuenta (1.10), resulta
X
n X
n X
n
x = x1 ai1 vi + x2 ai2 vi + · · · + xn ain vi
i=1 i=1 i=1
X X
n n
!
= xj aij vi
j=1 i=1
X X
n n
!
= aij xj vi ,
i=1 j=1
luego Pn
j=1 a1j xj a11 a12 · · · a1n x1
P n
j=1 a2j xj
a21 a22 · · · a2n x2
Cβ2 (x) = =
.. .. .. ... .. ..
. . . . .
Pn
j=1 anj xj an1 an2 · · · ann xn
o equivalentemente
Cβ2 (x) = [Cβ2 (u1 ) Cβ2 (u2 ) · · · Cβ2 (un )] Cβ1 (x)
donde la matriz
Pβ1 →β2 = [Cβ2 (u1 ) Cβ2 (u2 ) · · · Cβ2 (un )]
se llama matriz de cambio de la base β1 a la base β2 .
Obsérvese que la primera columna de Pβ1 →β2 esta formado por las componentes del vector
u1 respecto de la base β2 ; la segunda columna de Pβ1 →β2 esta formado por las componentes
del vector u2 respecto de la base β2 y ası́ sucesivamente.
Ejemplo 1.117. Sea S = {u1 = (1, 2, 1), u2 = (2, 9, 0), u3 = (3, 3, 4)} una base para el
espacio vectorial V = IR3
Solución.
v = c1 u1 + c2 u2 + c3 u3
c1 + 2c2 + 3c3 = 5
2c1 + 9c2 + 3c3 = −1
c1 + 4c3 = 9
Observación. Los vectores y las matrices de coordenadas dependen del orden en el que
se escriban los vectores de la base, un cambio de orden de los vectores base conduce a un
cambio correspondiente en el orden de los elementos de las matrices y los vectores de coor-
denadas.
P−1 = Pt
A = At
b) Los vectores filas de A forman un conjunto ortonormal en IRn , con el producto interior
euclidiano interior.
y
f1 .f2 = f1 .f3 = f2 .f3 = 0
de modo que los vectores filas de A forman un conjunto ortonormal en IR3 . Por lo tanto, A
es una matriz ortogonal y
1
√ 0 √1
2 2
A−1 = At = √12 0 − √12
0 1 0
(x, y, z) + (x 0 , y 0 , z 0 ) = (x + x 0 , y + y 0 , z + z 0 )
λ(x, y, z) = (0, 0, 0)
2. El conjunto de todos los números reales x con las operaciones estándar de adición y
multiplicación.
5. Justifique que una recta que pasa por el origen de IR3 es un espacio vectorial bajo las
operaciones estándar sobre IR3
6. Dado el vector no nulo v = (a, b) y el vector v0 = (x0 , y0 ), demuestre que la recta que
pasa por v0 y es paralela a la recta en la que se encuentra v puede ser descrita de la
siguiente manera
c(y1 − y0 ) − d(x1 − x0 )
x = x0 + a
cb − ad
c(y1 − y0 ) − d(x1 − x0 )
y = y0 + b
cb − ad
10. Diga si cada uno de los siguientes subconjuntos del espacio vectorial IRn son subespa-
cios o no lo son:
a) A = {(x1 , x2 , . . . , xn ) ∈ IRn / x1 + x2 + · · · + xn = 0}
b) B = {(x1 , x2 , . . . , xn ) ∈ IRn / x1 = x2 = · · · = xn }
c) C = {(x1 , x2 , . . . , xn ) ∈ IRn / c1 x1 + c2 x2 + · · · + cn xn = 0}
d) D = {(x1 , x2 , . . . , xn ) ∈ IRn / x1 = x2 = 0}
e) E = {(x1 , x2 , . . . , xn ) ∈ IRn / x1 = 1}
f) F = {(x1 , x2 , . . . , xn ) ∈ IRn / x21 + x22 + · · · + x2n = 0}
11. Analizar cuales de los conjuntos siguientes son espacios vectoriales, consideralos co-
mo subespacio
a) W = { f / f es función creciente }
b) W = { f / f es función acotada }
c) W = { f / f es función continua }
d) W = { f / f es función impar }
e) W = { f / f(2) = f(3) }
f) W = { f / f(0) = f(1) + 2 }
15. Exprese los siguientes vectores como combinación lineal de los vectores de M, donde:
16. Exprese los polinomios siguientes como combinación lineal de M = {p1 (x), p2 (x), p3 (x)} ⊂
P2 [x], donde:
17. Mostrar que w = cos 2x, se puede escribir como combinación lineal de los vectores
v1 = cos2 x, v2 = sen2 x
18. En cada inciso determine si los vectores generan al espacio vectorial IR3
19. Halle una ecuación para el plano generado por los vectores u = (1, 1, −1) y v = (2, 3, 5)
a) L = h(1, 2, −1)i
b) P = h(1, 1, 0), (−3, 3, 0)i
c) M = h(5, 1, 2), (6, 1, 3), (−1, 0, 1)i
P = {(x, y, z) / 2x − 3y + 5z = 0}
23. ¿Cuáles de los subconjuntos siguientes en el espacio vectorial P2 [x] son L. I. o L. D.?
24. ¿Para cuáles valores de λ los vectores que siguen forman un conjunto L. D. en el
espacio vectorial IR3
1 1 1 1 1 1
v1 = λ, − , − , v2 = − , λ, − , v1 = − , − , λ
2 2 2 2 2 2
29. ¿Cuáles de los conjuntos siguientes de vectores son bases para el espacio vectorial IR2
30. ¿Cuáles de los siguientes conjuntos de vectores son bases para el espacio vectorial IR3
a) A = {(1, 0, 0), (2, 2, 0), (3, 3, 3)} d) D = {(1, 1, 1), (0, 1, 1), (0, −1, 1) }
b) B = {(3, 1, −4), (2, 5, 6), (1, 4, 8)} e) E = {(1, 2, 2), (2, 1, 3), (0, 0, 0) }
c) C = {(1, 6, 4), (2, 4, −1), (−1, 2, 5)} f) F = {(2, 1, 3), (1, 2, 1), (1, 1, 4) (1, 5, 1)}
31. ¿Cuáles de los siguientes conjuntos de vectores son bases para el espacio vectorial P2
b) B = {4 + 6x + x2 , −1 + 4x + 2x2 , 5 + 2x − x2 }
c) C = {1 + x + x2 , x + x2 , x2 }
d) D = {1, x, 1 − x2 , x2 }
32. Determine la dimensión del espacio de soluciones del sistema que se da y encuentre
una base para él
x1 + x2 − x3 = 0
x1 − 3x2 + x3 = 0
a) −2x1 − x2 + 2x3 = 0 b) 2x1 − 6x2 + 2x3 = 0
−x1 + x3 = 0 3x1 − 9x2 + 3x3 = 0
a) El Plano: 3x − 2y + 5z = 0
b) El Plano: x − y = 0
x = 2t,
c) La recta: y = −t, t ∈ IR
z = 4t.
a) W1 = h(1, 2, −1)i
b) W2 = h(2, 1, 4), (3, −1, 0)i
c) W3 = h(1, 1, 0), (3, −3, 0)i
d) W4 = h(2, 1, 2), (−1, 0, 4), (3, 1, 4)i
e) W5 = h(1, 1, 2), (4, 2, 1), (3, 1, −1), (−1, 1, 5)i
37. Sea β = {v1 , v2 } una base del espacio vectorial IR2 , suponga que:
38. Sea β = {v1 , v2 , v3 } una base del espacio vectorial P2 [x], suponga que:
hp, qi = a0 b0 + a1 b1 + a2 b2
41. Si u = (u1 , u2 ) y v = (v1 , v2 ) son vectores del espacio vectorial IR2 . Demuestre que las
siguientes expresiones son productos interiores sobre IR2
42. Sean u = (u1 , u2 , u3 ) y v = (v1 , v2 , v3 ) son vectores del espacio vectorial IR3 . Determine
cuáles de las expresiones siguientes son productos interiores sobre IR3 . Para los que no
lo sean, liste los axiomas que no se cumplen:
(a) hu, vi = u1 v1 + u3 v3 (b) hu, vi = u21 v21 + u22 v22 + u23 v22
(c) hu, vi = 2u1 v1 + u2 v2 + 4u3 v3 (d) hu, vi = u1 v1 − u2 v2 + u3 v3
43. Suponga que IR2 tiene el producto interior euclidiano. Aplique la desigualdad de
Cauchy - Schwartz a los vectores u = (a, b) y v = (Cosθ, Senθ) para demostrar
que se cumple: |aCosθ + bSenθ| ≤ a2 + b2
hu, vi = c1 u1 v1 + c2 u2 v2 + c3 u3 v3
(a) p(x) = 1 − x + x2 + 5x3 q(x) = x − 3x3 (b) p(x) = x − 5x3 q(x) = 2 + 8x2
47. Si u = (u1 , u2 ) y v = (v1 , v2 ) son vectores del espacio vectorial IR2 con producto interior
dado:
hu, vi = 3u1 v1 + 2u2 v2
Halle ||w||
48. Suponga que IR4 tiene el producto interior euclidiano. Halle dos vectores de norma 1
ortogonales a todos los vectores u = (2, 1, −4, 0), v = (−1, −1, 2, 2), w = (3, 2, 5, 4)
49. Sea V es un espacio vectorial con producto interior. Demuestre que si w es ortogonal
a u1 como u2 , entonces es ortogonal a k1 u1 + k2 u2 , para todos los escalares k1 , k2 ∈ IR
50. Sea V es un espacio vectorial con producto interior. Demuestre que si w es ortogonal
a cada uno de los vectores M = {u1 , u2 , . . . , ur }, entonces w es ortogonal a la combina-
ción lineal de los vectores de M.
51. Encuentre una base ortogonal para el subespacio W de IR3 dado por
W = {(x, y, z) ∈ IR3 / x − y + 2z = 0}
52. Sea V = IR4 es un espacio vectorial con producto euclidiano interior. Aplique el pro-
ceso de Gram Schmidt para transformar la base β1 = {u1 , u2 , u3 , u4 } en una base
ortonormal.
53. Sea {v1 , v2 , v3 } una base ortonormal para un espacio vectorial V con producto interior.
Sea w un vector arbitrario de V, entonces demostrar que:
a) W = {(x, y) ∈ IR2 / 2x − y = 0}
b) W = {(x, y) ∈ IR2 / 3x + 2y = 0}
c) W = {(x, y, z) ∈ IR3 / x + y − z = 0}
d) W = {(x, y, z) ∈ IR3 / x = t, y = −t, z = 3t}
e) W = h(2, 1, −2), (4, 0, 1)i