Métodos matematicos para la fı́sica II

Dr. Gilberto Tavares Velasco

27 de agosto de 2018
Índice general

1. Espacios Vectoriales 1
1.1. Conceptos preliminares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1. Estructuras algebraicas, leyes de composición, campos y anillos . . . . . . . . . . . . 1
1.2. Espacio euclidiano de n dimensiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.1. Adición de dos vectores y multiplicación de un vector por un escalar . . . . . . . . . . 2
1.2.2. Producto Interior euclidiano en Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.3. Norma de un vector y distancia en Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3. Espacios Vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.1. Axiomas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.2. Subespacio vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3.3. Combinación Lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.3.4. Independencia lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.3.5. Bases y dimensión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.3.6. Espacio de renglones de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.4. Espacios Vectoriales con producto interior . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.4.1. Desigualdad de Cauchy-Schwarz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.4.2. Longitud y ángulo en un espacios vectorial con producto interior . . . . . . . . . . . . 27
1.5. Bases ortonormales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.5.1. Proceso de Gram-Schmidt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.6. Métrica o función distancia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

I
Capı́tulo 1

Espacios Vectoriales

1.1. Conceptos preliminares

Empezaremos definiendo algunos conceptos que serán de utilidad durante la exposición del tema de
espacios vectoriales.

1.1.1. Estructuras algebraicas, leyes de composición, campos y anillos

Definición. Una estructura algebraica es un objeto matemático que consiste de un conjunto no vacı́o
de elementos A junto con un conjunto no vacı́o de leyes de composición que a cada par de elementos de
A le asocian un nuevo elemento en A. Sin embargo existen estructuras que contienen más de un conjunto
sobre los cuales se definen las leyes de composición. En general, las estructuras algebraicas se pueden
clasificar de acuerdo a si las leyes de composición que se asocian a ellas son internas o externas.
Definición. Se define a una ley de composición como una operación binaria que toma dos elementos
de un conjunto A o dos conjuntos A y B y le asocia un elemento que puede estar en uno de estos conjuntos
o en un tercer conjunto C. La ley de composición es interna si, por ejemplo, A × A → A pero es externa si,
por ejemplo, A × B → A, A × B → C.
Los anillos y los campos o cuerpos son estructuras algebraicas con leyes de composición internas,
mientras que los espacios vectoriales son estructuras con leyes de composición externas.
Definición. Un campo o cuerpo es una estructura algebraica que se compone de un conjunto no vacı́o
A más dos leyes de composición llamadas adición, denotada por +, y multiplicacion, denotada por ∗, tales
que se obedecen los siguientes axiomas para todos los elementos u, v y w ∈ A:

u + (v + w) = (u + v) + w, (1.1)
u+v = v + u, (1.2)
u+0 = u (elemento neutro o identidad aditivo), (1.3)
u + (−u) = 0 (elemento inverso aditivo), (1.4)
u ∗ (v ∗ w) = (u ∗ v) ∗ w, (1.5)
u∗v = v ∗ u, (1.6)
u∗1 = u (elemento neutro o identidad multiplicativo), (1.7)
u ∗ u−1 = 1 (elemento inverso multiplicativo), (1.8)
u ∗ (v + w) = u ∗ v + u ∗ w. (1.9)

Un anillo es una estructura más general en donde no existen los elementos identidad o inverso multi-
plicativos. El conjunto de los reales R o de los complejos C constituyen un campo, pero el conjunto de los
enteros Z es un anillo.

1
2 CAPÍTULO 1. ESPACIOS VECTORIALES

Una estructura algebraica de gran interés es un espacio vectorial. Enseguida presentamos un ejemplo
de un espacio vectorial y posteriormente presentaremos de manera más general la definición de espacio
vectorial.

1.2. Espacio euclidiano de n dimensiones

Definición: Si n es un entero positivo, entonces una n-ada ordenada es una sucesión de n números
reales (a1 , a2 , . . . , an ). Al conjunto de todas las n-adas ordenadas se les denomina espacio cartesiano de
n dimensiones y se le denota mediante Rn .

Definición: Dos vectores u = (u1 , u2 , . . . , un ) y v = (v1 , v2 , . . . , vn ) en Rn son iguales si y solo si:

u1 = v1 , u2 = v2 , . . . , un = vn . (1.10)

La suma de u + v se define como:

u + v = (u1 + v1 , u2 + v2 , . . . , un + vn ). (1.11)

Si k es un escalar real, el múltiplo ku se define como:

ku = (ku1 , ku2 , . . . , kun ). (1.12)

El vector cero 0 en Rn se define como el vector que cumple:

0 = (0, 0, . . . , 0). (1.13)

Si u = (u1 , u2 , . . . , un ) es un vector en Rn , el negativo o inverso aditivo se denota por −u y se define como:

−u = (−u1 , −u2 , . . . , −un ). (1.14)

La sustracción de vectores en Rn se define como:

v − u = v + (−u) = (v1 , . . . , vn ) + (−u1 , . . . , −un ) = (v1 − u1 , v2 − u2 , . . . , vn − un ). (1.15)

1.2.1. Adición de dos vectores y multiplicación de un vector por un escalar

La adición de dos vectores en Rn y la multiplicación por un escalar obedecen los siguientes axiomas.

Teorema 1.1. Si u = (u1 , . . . , un ), v = (v1 , . . . , vn ) y w = (w1 , . . . , wn ) son vectores en Rn , mientras k y l

son escalares reales, entonces:

u+v = v + u, (1.16)
u + (v + w) = (u + v) + w, (1.17)
u+0 = 0 + u, (1.18)
u+v = v + u, (1.19)
u + (−u) = 0, (1.20)
k(lu) = (kl)u, (1.21)
k(u + v) = ku + kv, (1.22)
(k + l)u = ku + lu, (1.23)
1u = u. (1.24)
1.2. ESPACIO EUCLIDIANO DE N DIMENSIONES 3

Este teorema permite manejar a los vectores en Rn sin tener que expresarlos en términos de sus com-
ponentes.

Ejercicio

1. Resolver la ecuación x + u = v para x:

Solución

x + u + (−u) = v + (−u),
x + (u − u) = v − u,
x+0 = v − u,
x = v − u.

1.2.2. Producto Interior euclidiano en Rn

Definición. El producto interior euclidiano entre dos vectores u y v en Rn se denota como u · v y se
define como:
n
X
u · v = u1 v1 + · · · + un vn = ui vi . (1.25)
i=0

n
Teorema 1.2. Si u, v y w son vectores en R y k es un escalar real entonces,

u·v = v · u, (1.26)
(u + v) · w = u · w + v · w, (1.27)
k(u · v) = ku · v = u · kv, (1.28)
u·u ≥ 0 y u·u=0 si solo si u = 0. (1.29)

El teorema anterior permite efectuar calculos de producto interior euclidiano de igual idéntica a como
se hace con números ordinarios.

Ejercicios

2. Calcular (3u + 2v) · (4u + v).

(3u + 2v) · (4u + v) = 3u · (4u + v) + 4u · (4u + v),

= 3u · 4u + 3u · v + 2v · 4u + 2v · v,
= 12u2 + 3u · v + 8v · u + 2v 2 ,
= 12u2 + 11u · v + 2v 2 .

1.2.3. Norma de un vector y distancia en Rn

La norma euclidiana de un vector u en Rn se define como:
√ q
kuk = u · u = u21 + . . . + u2n . (1.30)
4 CAPÍTULO 1. ESPACIOS VECTORIALES

La distancia entre dos vectores u = (u1 , . . . , un ) y v = (v1 , . . . , vn ) se define como:

p
d(u, v) = ku − vk = (u1 − v1 )2 + . . . + (un − vn )2 . (1.31)

Ejercicios

3. Sea u1 = (−1, 3, 2, 0) y u2 = (2, 0, 4, −1) y u3 = (7, 1, 1, 4) y u4 = (6, 3, 1, 2). Encuentre escalares c1 ,

c2 , c3 y c4 tales que c1 u1 + c2 u2 + c3 u3 + c4 u4 = (0, 5, 6, −3).
4. Determine todos los escalares k tales que ||ku|| = 3, donde u = (−1, 2, 0, 3).
5. Encuentre 2 vectores en R2 con norma euclideana 1 y cuyo producto interior con w = (−2, 4) sea
cero.
Solución
Sea u = (u1 , u2 ) entonces:

u·w = −2u1 + 4u2 = 0,

u1 = 2u2 ,

q √
||u|| = u21 + u22 = 5|u2 | = 1,

entonces u2 = ± √15 y se tiene u = ± √15 (2, 1),

6. Establezca la igualdad
||u + v||2 + ||u − v||2 = 2||u||2 + 2||v||2 . (1.32)
n 2
para vectores en R . Interprete el resultado para R .
Solución

p
||u + v||2 = ( (u + v) · (u + v))2 = ||u||2 + ||v||2 + 2u · v, (1.33)
p
||u − v||2 = ( (u − v) · (u − v))2 = ||u||2 + ||v||2 − 2u · v, (1.34)

de donde
||u + v||2 + ||u − v||2 = 2||u||2 + ||v||2 . (1.35)

7. Demuestre la desigualdad de Cauchy-Schwarz

(u · v)2 ≤ ||u||2 ||v||2 . (1.36)

Solución
b − vb, con u
Sea c = u b = u/||u|| y vb = v/||v||, entonces ||c|| ≥ 0, pero:

||c||2 = ||b
u||2 + ||b
v ||2 − 2b
u · vb ≥ 0,
2 − 2b
u · vb ≥ 0,
b · vb ≤ 1,
u
u·v
≤ 1,
||u||||v||
de donde
u · v ≤ ||u||||v||.
1.3. ESPACIOS VECTORIALES 5

1.3. Espacios Vectoriales

Ahora generalizaremos el concepto de espacio vectorial y vector. Se postularán una serie de axiomas,
de manera que todo conjunto de elementos que obedezca estos axiomas se llamará espacio vectorial y
los objetos se denominarán vectores.

1.3.1. Axiomas
Definición: Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con
dos operaciones: adición de dos vectores y multiplicación de un vector por un escalar real. Por adición se
entenderá que dados dos vectores u y v en V , hay una regla para determinar la adición de u y v, que se
denotará como u + v. Por multiplicación por un escalar se entenderá que dado un vector en V y un número
real k, hay una regla para determinar un objeto ku llamado multiplo escalar de u por k. Los siguientes
axiomas se deben de cumplir para todos los vectores u, v y w ∈ V , y para todos los escalares k y l ∈ R.
Si u y v ∈ V, entonces u + v ∈ V, (1.37)
u + v = v + u, (1.38)
u + (v + w) = (u + v) + w, (1.39)
Existe un vector 0 para todo u ∈ V, tal que u + 0 = 0 + u = u, (1.40)
Para todo u ∈ V existe −u ∈ V tal que u + (−u) = −u + u = 0, (1.41)
Si k ∈ R y u ∈ V entonces ku ∈ V, (1.42)
k(u + v) = ku + kv, (1.43)
(k + l)u = ku + lu, (1.44)
k(lu) = (kl)u, (1.45)
1u = u. (1.46)
Ejercicios

8. El conjunto Rn con las operaciones ordinarias de adición y multiplicación por escalares es un espacio
vectorial.
9. Sea V cualquier plano que pasa por el origen en R3 . Demuestre que todos los puntos en V forman
un espacio vectorial bajo las operaciones ordinarias para vectores en R3 de adición de vectores y
multiplicación de un vector por un escalar.
Solución
Los axiomas (1.38), (1.39),(1.43),(1.44) y (1.45) se cumplen para todos los puntos en R3 y por con-
siguiente para todos los puntos en el plano. Solo quedan los axiomas (1.37), (1.40), (1.41), (1.42) y
(1.46) por demostrar.
La ecuación del plano se escribe como:
ax + by + cz = 0, (1.47)
si u = (u1 , u2 , u3 ) y v = (v1 , v2 , v3 ) se localizan en el plano, entonces:
au1 + bu2 + cu3 = 0 av1 + bv2 + cv3 = 0, (1.48)
podemos escribir
a(u1 + v1 ) + b(u2 + v2 ) + c(u3 + v3 ) = 0, (1.49)
por lo tanto, el vector u + v = (u1 + v1 , u2 + v2 , u3 + v3 ), también está en el plano.
Ahora se cumple que:
−(au1 + bu2 + cu3 ) = 0,
a(−u1 ) + b(−u2 ) + c(−u3 ) = 0,
6 CAPÍTULO 1. ESPACIOS VECTORIALES

entonces el vector −u = (−u1 , −u2 , −u3 ) también está en V .

Multiplicando por k:
k(au1 + bu2 + cu3 ) = a(ku1 ) + b(ku2 ) + c(ku3 ) = 0, (1.50)
vemos que también ku está en el plano.
10. El conjunto V de todas las matrices de m × n con elementos reales junto con las operaciones de
adición de matrices y multiplicación por escalares es un espacio vectorial. La matriz de m × n es el
vector 0. A este espacio vectorial se le denomina Mmn . Demuestre que todas las matrices de m × n
satisfacen los axiomas (1.37)-(1.46).
11. Sea V el conjunto de las funciones reales que están definidas para todo x real. Si f (x) y g(x) son
dos de estas funciones y k es un número real, entonces:

(f + g)(x) = f (x) + g(x),

(kf )(x) = kf (x),

definen la suma de funciones y la multiplicación por un escalar. El vector cero será la función cero
para todo x.
12. Demuestre que todos los puntos (x, y) en R2 que pertenecen al primer cuadrante no forman un
espacio vectorial bajo las operaciones ordinarias en R2 .
Solución
Sea k = −1 y u = (u1 , u2 ), entonces ku = (−u1 , −u2 ) no está en V . Tampoco existe un vector −u en
V tal que u + (−u) = 0.
Teorema 1.3. Sea V un espacio vectorial, u un vector en V y k un escalar, entonces:

0u = 0, (1.51)
k0 = 0, (1.52)
−1u = −u, (1.53)
si ku = 0 entonces k = 0 o u=0 (1.54)

Ejercicios
Determine cuál de los siguientes conjuntos con las operaciones de adición de dos vectores y multiplicación
por un escalar que se indican es un espacio vectorial.
13. El conjunto de todas las ternas de números reales (x, y, z) con las operaciones

(x, y, z) + (x0 , y 0 , z 0 ) = (x + x0 , y + y 0 , z + z 0 ),

y
k(x, y, z) = (kx, y, z).
Solución
Debemos verificar que se cumplan los axiomas antes mencionados. Es fácil ver que se cumplen los
axiomas (1.37)-(1.42), veamos ahora los restantes. Sea u = (x, y, z) y v = (x0 , y 0 , z 0 ),

k(u + v) = k(x + x0 , y + y 0 , z + z 0 ) = (k(x + x0 ), y + y 0 , z + z 0 )),

k(u + v) = (kx, y, z) + (kx0 , y 0 , z 0 ),
k(u + v) = ku + kv,
(k + l)u = (k + l)(x, y, z) = ((k + l)x, y, z),
(k + l)u = (kx, y, z) + (lx, 0, 0),
(k + l)u 6= ku + lu,

Por lo tanto este conjunto no es un espacio vectorial.

1.3. ESPACIOS VECTORIALES 7

14. El conjunto de todas las ternas de números reales (x, y, z) con las operaciones

(x, y, z) + (x0 , y 0 , z 0 ) = (x + x0 , y + y 0 , z + z 0 ),

y
k(x, y, z) = (0, 0, 0).
Solución
En este ejemplo no se cumple el siguiente axioma:

1u = 0 6= u, (1.55)

por lo tanto no es un espacio vectorial.

15. El conjunto de todos los pares de números reales con las operaciones

(x, y) + (x0 , y 0 ) = (x + x0 , y + y 0 ),

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

Solución
En este ejemplo igual que el anterior, no se cumple el mismo axioma ya que:

1u = 1(x, y) = 2u 6= u, (1.56)

por lo tanto no es un espacio vectorial.

16. El conjunto de todos los números reales x con las operaciones de adición y multiplicación.Solución
Sea u = x, con x un número real, se puede mostrar que se cumplen todos los axiomas y por lo tanto
este es un espacio vectorial.

17. El conjunto de todos los números reales de la forma (x, 0) con las operaciones ordinarias en R2 .
Solución
Es evidente que este conjunto es el de todos los vectores en R2 que yacen sobre el eje x. Por lo
tanto, este si es un espacio vectorial.

18. El conjunto de todos los números reales de la forma (x, y) donde x ≥ 0 con las operaciones ordinarias
en R2 .
Solución
Sea u = (x, y), se deduce que no existe el vector negativo tal que: u + (−u) = 0, ya que −u = (x, y)
no está en V y por lo tanto no es un espacio vectorial.

19. El número de todas las n − adas de números reales de la forma (x1 , . . . , xn ) con las operaciones
ordinarias en Rn .
Solución
Es evidente que este conjunto es un espacio vectorial porque se cumplen todos los axiomas.

20. El conjunto de todos los pares de números reales (x, y) con las operaciones (x, y) + (x0 + y 0 ) =
(x + x0 + 1, y + y 0 + 1) y k(x, y) = (kx, ky).
Solución
8 CAPÍTULO 1. ESPACIOS VECTORIALES

Debemos verificar que se cumplan todos los axiomas, por ejemplo:

k(u + v) = k((x, y) + (x0 , y 0 )),
= k(x + x0 + 1, y + y 0 + 1),
= (kx + kx0 + k, ky + ky 0 + k),
mientras que:
ku + kv = (kx + kx0 + 1, ky + ky 0 + 1),
por lo tanto k(u + v) 6= ku + kv, luego entonces este conjunto no es un espacio vectorial.
21. El conjunto de todos los números reales positivos x con las operaciones x + x0 = xx0 y kx = xk .
Solución
Veamos si se cumplen los axiomas. Sea u = x, v = x0 y w = x00 ∈ R, entonces
u + v = xx0 ∈ R.
u + v = xx0 = x0 x = v + u.
u + (v + w) = x + x0 x00 = xx0 x00 = xx0 + x00 = (u + v) + w.
El vector cero es la unidad 0 = 1 ya que u + 0 = x ∗ 1 = u = 1 ∗ x = 0 + u.
El vector −u = 1/x ya que u + (−u) = x ∗ 1/x = 1 = 0.
ku = xk ∈ R.
k(u + v) = k(xx0 ) = (xx0 )k = xk (x0 )k = (kx)(kx0 ) = (kx) + (kx0 ) = ku + kv.
(k + l)u = xk+l = (xk )(xl ) = (kx)(lx) = (kx) + (lx) = ku + lu.
k(lu) = k(xl ) = (xl )k = xlk = xkl = l(xk ) = lkx = lku.
1u = x1 = x = u
22. El conjunto de todas las matrices de 2 × 2 de la forma:
 
a 1
A= (1.57)
1 b
Con las operaciones ordinarias de multiplicación de matrices y multiplicación de una matriz por un
escalar.
Solucion
Sean  
a 1
u= ,
1 b
y
a0
 
1
v= ,
1 b0
entonces
a + a0
 
2
u+v = . (1.58)
2 b + b0
Vemos que u + v no está en V , por lo tanto este no es un espacio vectorial.
23. El conjunto de todas las matrices de la forma:
 
a 0
A= , (1.59)
0 b
con las operaciones ordinarias de adición de matrices y multiplicación de una matriz por un escalar.
Solucion
Este sı́ es un espacio vectorial pues es posible demostrar todos los axiomas.
1.3. ESPACIOS VECTORIALES 9

1.3.2. Subespacio vectorial

Definición. Un subconjunto de W de un espacio vectorial V es un subespacio de V si W es por si
solo un espacio vectorial bajo las operaciones de adición de vectores y de multiplicación por un escalar
definidas en V .

Ejercicios

24. Los vectores en R2 son un subespacio de R3 .

25. Un plano o una recta son subespacios de R3 siempre que el origen forme parte ya sea del plano o
de la recta.

Teorema 1.4. Si W es un conjunto de uno o más vectores de un espacio vectorial V , entonces W es un

subespacio de V si y solo satisface las siguientes condiciones:

Si u y v estań en W , entonces u + v está en W.

Si k es un escalar y u está en W , entonces ku está en W.

Todo espacio vectorial V tiene al menos 2 subespacios: V es un subespacio de si mismo y el conjunto

0 que consiste únicamente del vector cero.
Ejercicios

26. Demuestre que el conjunto W de todas las matrices de 2×2 que tienen ceros en la diagonal principal,
es un subespacio del espacio vectorial M22 .
Solucion
a0
   
0 a 0
Sea: u = yv= , entonces:
b 0 b0 0

a + a0
 
0
u+v = ,
b + b0
0
 
0 ka
ku = ,
kb 0

Asi que podemos ver que u + v y ku están en W , por lo tanto W es un subespacio de V .

27. El conjunto de todos los polinomios de grado ≤ n, denominado Pn , es un subespacio del espacio de
todas las funciones reales.
Solucion
Sea u = a0 + a1 x + · · · + an xn y v = b0 + b1 x + · · · + bn xn , entonces:

u+v = (a0 + b0 ) + (a1 + b1 )x + · · · + (an + bn )xn ,

ku = ka0 + ka1 x + · · · + kan xn .

Vemos que tanto u + v y ku están en W y por lo tanto este es un subespacio de V .

28. Las funciones reales continuas en todo x son un subespacio del conjunto de todas las funciones
reales.
Solucion
Si f (x) y g(x) son funciones continuas, entonces f (x) + g(x) y kf (x) son funciones continuas.
10 CAPÍTULO 1. ESPACIOS VECTORIALES

29. Sea Ax = 0 un sistema homogéneo de m ecuaciones lineales con n incógnitas. Sea W el conjunto
de vectores solución al sistema y sean s y s0 dos vectores solución. W es un subespacio del espacio
de todos los vectores en Rn .
Solucion
Se tiene que: As = 0 y As0 = 0, entonces:

A(s + s0 ) = As + As0 = 0 + 0,

A(ks) = kAs = k0 = 0.
Por lo tanto s + s0 y ks están en W .

30. Determine cuál de los siguientes conjuntos es un subespacio de R3 .

Todos los vectores de la forma (a, 0, 0).

Solución
Sean u = (a, 0, 0) y v = (a0 , 0, 0), u + v = (a + a0 , 0, 0) está en W y ku = (ka, 0, 0) también está
en W . Por lo tanto W es un subespacio de V .
Todos los vectores de la forma (a, 1, 1).
Solución
Sean u = (a, 1, 1) y v = (a0 , 1, 1) entonces u + v = (a + a0 , 2, 2) no está en W . Por lo tanto W no
es un subespacio de V .

31. Determine cuál de los siguientes conjuntos es un subespacio de M2×2 .

Las matrices de la forma  

a b
A= ,
c d
con a, b, c y d enteros.
Solución
Si k es un real, entonces    
a b ka kb
kA = k =
c d kc kd
no está en W y por lo tanto W no es un subespacio.
Todas las matrices de la forma  
a b
A= ,
c d
donde a + d = 0.
Solución
Sean  
a b
u= ,
c d
y
a0 b0
 
v= ,
c0 d0
entonces:
a0 b0 a + a0 b + b0
     
a b
u+v = + = , (1.60)
c d c0 d0 c + c0 d + d0
1.3. ESPACIOS VECTORIALES 11

en donde se tiene que a + a0 + d + d0 = (a + d) + (a0 + d0 ) = 0 + 0 = 0. Además

 
ka kb
ku = , (1.61)
kc kd

en donde se tiene que ka + kd = k(a + d) = 0. Por lo tanto u + v y ku están en W y este es un

subespacio de M2×2 .

32. Determine si los siguientes conjuntos son subespacios de R3 .

Todos los vectores de la forma u = (a, b, c) donde (b = a + c).

Solución
Sean u = (a, b, c) y v = (a0 , b0 , c0 ), que satisfacen b = a + c y b0 = a0 + c0 . Debemos mostrar que
u + v y ku están en V , es decir, son de la misma forma que u.
Solución

u + v = (a + a0 , b + b0 , c + c0 ) = (a00 , b00 , c00 ), (1.62)

con a00 = a + a0 , b00 = b + b0 , c00 = c + c0 . Veamos si se cumple que b00 = a00 + c00 , esto asegurará
que u + v está en V :

a00 + c00 = (a + a0 ) + (c + c0 ) = (a + c) + (a0 + c0 ) = b + b0 = b00 . (1.63)

Ahora vemos que pasa con ku

ku = k(a, b, c) = (a00 , b00 , c00 ), (1.64)

de donde a00 = ka, b00 = kb, c00 = kc, entonces vemos que:

a00 + c00 = ka + kc = k(a + c) = kb = b00 , (1.65)

con ésto queda demostrado que este conjunto si es un subespacio de R3 .

Todos los vectores de la forma (a, b, c) donde b = a + c + 1.
Solución
Sean u = (a, b, c) y v = (a0 , b0 , c0 ) entonces:

u + v = (a + a0 , b + b0 , c + c0 ) = (a00 , b00 , c00 ), (1.66)

en donde se debe cumplir que:

a00 + c00 + 1 = b00 ,

00 00
a +c +1 = (a + c) + (a0 + c0 ) + 1,
= b − 1 + b0 − 1 + 1 = b + b0 − 1 6= b + b0 ,

entonces este no es un subespacio de R3

33. Determine cuál de los siguientes conjuntos es un subespacio de M2×2 .

Las matrices de 2 × 2 tales que A = AT .

Solución
Sea  
a b
A= ,
c d
12 CAPÍTULO 1. ESPACIOS VECTORIALES

si A = AT entonces    
a c a b
AT = = ,
b d c d
de modo que b = c, entonces estas matrices tienen la forma:
 
a b
A= , (1.67)
b d

Ahora sea
a0 b0
 
B= ,
b0 d0
entonces:
a + a0 b + b0
     
a b a b
A+B= + = , (1.68)
c d c d b + b0 d + d0
y es evidente que CT = (A + B)T está en V . Ahora sea
 
ka kb
C = kA = ,
kb kd

de donde CT = C. Por lo tanto este conjunto es un subespacio de M2×2 .

Todas las matrices de 2 × 2 tales que |A| = 0.
Solución
Sea  
a b
A= ,
c d
con determinante
|A| = ad − bc.
Ahora sea
a0 b0
 
B= ,
c0 d0
entonces:
a + a0 b + b0
 
C=A+B= , (1.69)
c + c0 d + d0
con determinante

|C| = (a + a0 )(d + d0 ) − (b + b0 )(c + c0 ) = a0 d + ad0 − b0 c − bc0 6= 0, (1.70)

En general det(A + B) 6= det A + det B. Por consiguiente este no es un subespacio de M2×2 .

34. El espacio vectorial de todos los polinómios de grado ≤ n se denota como Pn . Determine cuál de los
siguientes conjuntos es un subespacio de P3 .

Todos los polinómios P (x) = a0 + a1 x + a2 x2 + a3 x3 para los cuales a0 = 0.

Solución
Sean
P (x) = b0 + b1 x + b2 x2 + b3 x2 ,
y
Q(x) = c0 + c1 x + c2 x2 + c3 x2 ,
con b0 = 0 y c0 = 0. Es facil ver que P (x) + Q(x) y kP (x) están en W , por lo tanto éste es un
subespacio de P3 .
1.3. ESPACIOS VECTORIALES 13

Todos los polinómios de la forma P (x) = a0 + a1 x + a2 x2 + a3 x3 , con a0 + a1 + a2 + a3 = 0.

Solución
Sea
Q(x) = b0 + b1 x + b2 x2 + b3 x3 ,
con b0 + b1 + b2 + b3 = 0, entonces

P (x) + Q(x) = (a0 + b0 ) + (a1 + b1 )x + (a2 + b2 )x2 + (a3 + b3 )x3 = c0 + c1 x + c2 x2 + c3 x3 , (1.71)

con cn = an + bn (n = 0, . . . , 3), de donde se deduce que se cumple c0 + c1 + c2 + c3 = 0:

(a0 + b0 ) + (a1 + b1 ) + (a2 + b2 ) + (a3 + b3 ) = (a0 + a1 + a2 + a3 ) + (b0 + b1 + b2 + b3 ) = 0. (1.72)

Ahora se tiene que

kP (x) = ka0 + ka1 x + ka2 x2 + ka3 x3 ,
de donde
ka0 + k1 a1 + ka2 + ka3 = k(a1 + a2 + a3 ) = 0 (1.73)
Por lo tanto W es un subespacio vectorial de P3 .
Todos los polinómios P (x) para los cuales a0 , a1 , a3 son enteros.
Solución
Es fácil ver que kP (x) no está en W , pues los respectivos coeficientes ka0 , ka1 , ka3 no están en
los enteros. Entonces W no es un subespacio de P3 .
Todos los polinómios P (x) de la forma P (x) = a0 + a1 x donde a0 , a1 son reales.
Solución
Es fácil ver que este si es un subespacio de P3 .

35. Determine cuál de los siguientes conjuntos es un subespacio de todas las funciones reales definidas
en la recta real.

Todas las f (x) tales que f (x) ≤ 0 para toda x.

Solución
Sean f (x) y g(x) con f (x) ≤ 0 g(x) ≤ 0. Se cumple que h(x) = f (x) + g(x) ≤ 0, pero kf (x)
depende del valor de k: si k < 0, kf (x) ≥ 0 y entonces kf (x) no está en W . Este conjunto no es
un subespacio.

36. Todas las funciones f tales que f (0) = 0.

Solución
Sean f (x) y g(x) tales que f (x) = g(x) = 0, entonces h(x) = f (x) + g(x) y h(0) = f (0) + g(0) = 0.
Ahora sea h(x) = kf (x), h(0) = kf (0) = 0. Tanto f (x) + g(x) como kf (x) está en W y este sı́ es un
subespacio.

1.3.3. Combinación Lineal

Definición. Se dice que un vector w es una combinación lineal del conjunto de vectores S = {v1 , . . . , vn }
si es posible expresarlo como:
w = k 1 v1 + · · · + k n vn , (1.74)
para escalares k1 , . . . , kn ∈ R.

Definicı́on. Un conjunto de vectores S = {v1 , . . . , vr } genera un espacio vectorial V si S ∈ V y cada

14 CAPÍTULO 1. ESPACIOS VECTORIALES

vector u ∈ V es una combinación lineal de {v1 , . . . , vr }.

Ejercicios

37. Si v1 y v2 son vectores no colineales en R3 y sus puntos iniciales están en el origen, las combinaciones
lineales k1 v1 + k2 v2 determinan a un plano.
38. Determine si v1 = (1, 1, 2), v2 = (1, 0, 1) y v3 = (2, 1, 3) generan a R3 .
Solución
Si esto es cierto, todo vector en R3 será una combinación lineal de {v1 , v2 , v3 }. Sea u = (x, y, z) un
vector arbitrario, entonces:
u = k1 v1 + k2 v2 + k3 v3 , (1.75)
para algunos escalares k1 , k2 y k3 :

k1 + k2 + 2k3 = x,
k1 + k3 = y,
2k1 + k2 + 3k3 = z.
Debemos ver si este sistema tiene solución para todo (x, y, z). Podemos escribir:

Ak = u,

donde     
1 1 2 k1 x
A= 1 0 1 , k =  k2  , u =  y . (1.76)
2 1 3 k3 z

El sistema tendrá solución para todo u si A es invertible. Si A es invertible, entonces det A ≡ |A| =
6 0.
   
 1 1 2   1 1 2 
   
|A| =  1 0 1  =  1 0 1  = 0, (1.77)
 2 1 3   0 0 0 

en donde sumamos al tercer renglón el negativo de los dos primeros renglones. Por lo tanto A es no
invertible y los vectores {v1 , v2 , v3 } no generan a R3 .
39. Demuestre que el vector w = (9, 2, 7) es una combinación lineal de u = (1, 2, −1) v = (6, 4, 2).
Solucion

a(1, 2, −1) + b(6, 4, 2) = (9, 2, 7), (1.78)

de donde

a + 6b = 9, (1.79)
2a + 4b = 2, (1.80)
−a + 2b = 7, (1.81)

vemos que la ecuación (1.81) es redundante pues se obtiene de restar (1.79) con (1.80). La solución
del sistema es entonces:

−8b = 2 − 18 = −16, (1.82)

de donde b = 2 y a = −3, de modo que:

(9, 2, 7) = −3(1, 2, −1) + 2(6, 4, 2) = 3u + 2v. (1.83)

1.3. ESPACIOS VECTORIALES 15

40. Demuestre que el vector (4, −1, 3) no es una combinación lineal de los vectores u y v del ejercicio
anterior.
Solucion
Vemos que
(4, −1, 3) = a(1, 2, −1) + b(6, 4, 2), (1.84)
de donde

a + 6b = 4,
2a + 4b = −1,
−a + 2b = 4.

Este sistema no tiene solución y por lo tanto (4, −1, 3) no es combinación lineal de u y v.
Teorema 1.5. Sean {v1 , . . . , vr } vectores de un espacio vectorial V , entonces:
El conjunto W de todas las combinaciones lineales de {v1 , . . . , vr } es un subespacio de V .
W es el subespacio más pequeño de V que tiene como a elementos a {v1 , . . . , vr }, es decir, cualquier
otro subespacio de V que contiene como elementos a {v1 , . . . , vr } debe contener a W .

Demostración:
Sean:

u = k1 v1 + · · · + kr vr ,
v = k10 v1 + · · · + kr0 vr ,
u+v = (k1 + k10 )v1 + · · · + (kr + kr0 )vr ,

entonces u + v está en W .
ku = (kk1 )v1 + · · · + (kkr )vr ,
y ku también está en W .
Todo vector vi es una combinación lineal de S = {v1 , . . . , vr } puesto que:

vi = 0v1 + 0v2 + · · · + 1vi + · · · + 0vr , (1.85)

y por lo tanto todo vi está en W .

Ejercicios

41. Diga cuál de los siguientes vectores son combinación lineal de u = (1, −1, 3) y v = (2, 4, 0).
w = (3, 3, 3).
Solucion
Debemos poder escribir w = au + bv para escalares reales a y b:

(3, 3, 3) = a(1, −1, 3) + b(2, 4, 0), (1.86)

de donde

a + 2b = 3, (1.87)
−a + 4b = 3, (1.88)
3a = 3, (1.89)
16 CAPÍTULO 1. ESPACIOS VECTORIALES

de donde de la ecuación (1.89) se tiene que a = 1 y de la ecuación (1.88) vemos que b = 1.

Estos valores si satisfacen la ecuación (1.87) y por lo tanto w si es una combinación lineal de u
y v.
w = (4, 2, 6).
Solucion
Sea w = au + bv, entonces se deduce que

a + 2b = 4, (1.90)
−a + 4b = 2, (1.91)
3a = 6, (1.92)

de donde se tiene que de la ecuación (1.92) a = 2 y de (1.91) tenemos que b = 1. Estos valores
satisfacen la ecuación w = au + bv y por lo tanto si hay dependencia lineal.
42. Exprese los siguientes polinomios como combinaciones lineales de: p1 = 2 + x + 4x2 , p2 = 1 − x + 3x2
y p3 = 3 + 2x + 5x2 .
q = 5 + 9x + 5x2 .
Solucion
Escribamos q = ap1 + bp2 + cp3 :

q = 5 + 9x + 5x2 = ap1 + bp2 + cp3 ,

= a(2 + x + 4x2 ) + b(1 − x + 3x2 ) + c(3 + 2x + 5x2 ),
= (2a + b + 3c) + (a − b + 2c)x + (4a + 3b + 5c)x2 ,

de donde:
2a + b + 3c = 5,
a − b + 2c = 9, (1.93)
4a + 3b + 5c =, 5
Este sistema de ecuaciones lineales se puede escribir como:
    
2 1 3 a 5
 1 −1 2   b  =  9  , (1.94)
4 3 5 c 5

Por eliminación gaussiana tenemos la solución:

1 21 3 5
    
2 a 2
 0 1 − 1   b  =  − 13  , (1.95)
3 3
0 0 − 23 c − 23

de donde c = 1, b = −4 y a = 3. Entonces q(x) = 3p1 (x) − 4p2 (x) + p3 (x).

43. Diga cuáles de las siguientes matrices son combinaciones lineales de las matrices A, B y C dadas
por      
1 2 0 1 4 −2
A= , B= C= . (1.96)
−1 3 2 4 0 −2
 
6 3
D= .
−0 8
Solucion
Si D es combinación lineal de A,B y C, entonces:

D = aA + bB + cC, (1.97)
1.3. ESPACIOS VECTORIALES 17

es decir    
6 3 a + 4c 2a + b − 2c
D= = , (1.98)
−0 8 −a + 2b 3a + 4b − 2c
de donde

a + 4c = 6, (1.99)
2a + b − 2c = 3, (1.100)
−a + 2b = 0, (1.101)
3a + 4b − 2c = 8, (1.102)

de donde se obtiene que de la ecuación (1.101) tenemos a = 2b y de (1.99) vemos que a = 6−4c,
de donde 2b = 6 − 4c entonces b = 3 − 2c. Sustituyendo en (1.100), se tiene c = 1, entonces
b = 1 y a = 2. Sustituyendo en (1.102) tenemos 6 + 4 − 2 = 8. El sistema es consistente y D es
combinación lineal de A, B y C:
D = 2A + B + C
 
−1 7
D= .
5 1

44. Determine si los vectores dados generan a R3 .

v1 = (1, 1, 1), v2 = (2, 2, 0) y v3 = (3, 0, 0).
Solucion
Cualquier vector en R3 puede ser escrito en términos de v1 , v2 y v3 si estos generan a R3 .
Sea u = (x, y, z), entonces:

u = av1 + bv2 + cv3 ,

(x, y, z) = (a + 2b + 3c, a + 2b, a),

de donde:
a + 2b + 3c = x,
a + 2b = y, (1.103)
a = z,
en forma matricial:     
1 2 3 a x
 1 2 0  b  =  y , (1.104)
1 0 0 c z
que puede escribirse como 
  
a x
A b  =  y , (1.105)
c z
con  
1 2 3
A= 1 2 0 .
1 0 0
Para que el sistema tenga solución, la matriz A debe tener inversa y por lo tanto det A 6= 0.
Vemos que  
 1 2 3 
 
det A =  1 2 0  = 6 6= 0, (1.106)

 1 0 0 

es decir, estos vectores generan a R3 .

v1 = (2, −1, 3), v2 = (4, 1, 2) y v3 = (8, −1, 8).
18 CAPÍTULO 1. ESPACIOS VECTORIALES

45. Determine cuál de los siguientes vectores pertenecen al espacio generado por f (x) = cos2 (x) y
g(x) = sin2 (x).

h(x) = cos(2x).
Solucion
Si h(x) es una combinación lineal de f (x) y g(x) se puede escribir como

h(x) = af (x) + bg(x) = a cos2 (x) + b sin2 (x),

de donde

a cos2 (x) + b sin2 (x) = a cos2 (x) + b(1 − cos2 )(x) = b + (a − b) cos2 (x), (1.107)

pero cos2 (x) = 21 (1 + cos(2x)), entonces:

1
af (x) + bg(x) = b + (a − b) (1 + cos(2x)),
2
1 1
= (a + b) + (a − b) cos(2x),
2 2
= h(x) = cos(2x),

entonces se debe cumplir que :

a+b=0 y a − b = 2, (1.108)

de donde a = −b y b = −1, entonces a = 1. Entonces h(x) = af (x) + bg(x) = cos2 (x) − sin2 (x).
h(x)=1.
Solucion
Inmediatamente deducimos que:

h(x) = cos2 (x) + sin2 (x) = f (x) + g(x). (1.109)

h(x) = 3 + x2 .
Solucion
No hay forma de escribir x2 en términos de cos2 (x) y sin2 (x), por lo tanto no es una combinación
lineal.
h(x) = sin(x).

46. Determine si los siguientes vectores generan a P3 :

Q1 = 1 + 2x − x2 ,

Q2 = 3 + x2 ,

Q3 = 5 + 4x − x2 ,

Q4 = −2 + 2x − 2x2 .

Solucion
Vemos que no existe ningún término de orden x3 , por lo que es inmediato ver que estos polinómios
no generan a P3
1.3. ESPACIOS VECTORIALES 19

47. Encuentre la ecuación del plano generado por u = (1, 1, −1) y v = (2, 3, 5).
Solucion
Cualquier vector en este plano se puede escribir como combinación lineal de u y v. Sea w un vector
en este plano:

w = au + bv = a(1, 1, −1) + b(2, 3, 5), (1.110)

de donde:
x = a + 2b, y = a + 3b,
(1.111)
z = −a + 5b,
Otra forma de obtener esta ecuación es si observamos que si u, v y w están en el plano no generan
a R3 y por lo tanto α1 u + α2 v + α3 u = 0.

α1 + 2α2 + xα3 = 0,
α1 + 3α2 + yα3 = 0,
−α1 + 5α2 + zα3 = 0,

lo cual se puede escribir como

  
1 2 x α1
Aα =  1 3 y   α2  = 0,
−1 5 z α3

Para que este sistema tenga una solución válida el determinante de la matriz A debe ser igual a cero:
 
 1 2 x       
 1 3 
 − y  1 2  + z  1 2  = 8x − 7y + z = 0,
     
det A =  1 3 y  = x  (1.112)
 −1 5 z  −1 5   −1 5   1 3 

entonces: 8x − 7y + z = 0 es la ecuación del plano.

1.3.4. Independencia lineal

Definición. Si S = {v1 , . . . , vr } es un conjunto de vectores, entonces la ecuación:

k1 v1 + k2 v2 + · · · + kr vr = 0 (1.113)

tiene al menos una solución, que es la trivial k1 = · · · = kr = 0. Si esta solución es única, se dice que S es
linealmente independiente. Si existen otras soluciones, se dice que S es linealmente dependiente.

Nota:

Un conjunto de vectores es linealmente dependiente si al menos uno de los vectores en este conjunto
se puede expresarse como combinación lineal de los restantes.

Dos vectores v1 y v2 forman un conjunto linealmente dependiente si y sólo si uno de ellos es múltiplo
escalar del otro: Si hay dependencia lineal k1 v1 +k2 v2 = 0 para k1 6= 0 y k2 6= 0, entonces v1 = − kk12 v2 .

Ejercicios
20 CAPÍTULO 1. ESPACIOS VECTORIALES

48. Diga si los siguientes vectores forman un conjunto linealmente dependiente. S = {v1 , v2 , v3 }, con
v1 = (2, −1, 0, 3), v2 = (1, 2, 5 − 1) y v1 = (7, −1, 5, 8).
Solucion
Se puede mostrar que 3v1 + v2 − v3 = 0. Por tanto este es un conjunto linealmente dependiente.
49. Los polinomios p1 = 1 − x, p2 = 5 + 3x − 2x2 , p3 = 1 + 3x − x2 forman un conjunto linealmente
dependiente ya que 3p1 − p2 + 2p3 .
50. Determine si el conjunto formado por los vectores v1 = (1, −2, 3), v2 = (5, 6, −1) y v3 = (3, 2, 1) es
linealmente dependiente.
Solucion
Si hay independencia lineal, se debe tener que la ecuación:

k1 v1 + k2 v2 + k3 v3 = 0 (1.114)

solo tiene la solución trivial k1 = k2 = k3 = 0. Al sustituir los vectores en la ecuación (1.114), se

obtiene un sistema de ecuaciones en forma matricial, por lo que podemos expresar dichas ecuaciones
de la siguiente manera:
    
1 5 3 k1 0
Ak =  −2 6 2   k2  =  0  = 0. (1.115)
3 −1 1 k3 0

Si hay una solución distinta a la trivial, entonces det A 6= 0, pero el cálculo explı́cito demuestra que
det A = 0, entonces este conjunto es linealmente dependiente.
51. Demuestre que si v1 , v2 y v3 son tres vectores en R3 , entonces el conjunto S = {v1 , v2 , v3 } es
linealmente dependiente si y sólo si los tres vectores pertenecen a un plano.
Teorema 1.6. Sea S = {v1 , · · · vr } un conjunto de vectores en Rn . Si r < n entonces S es linealmente
dependiente.
Demostración:
Sea vi = (vi 1, vi 2, . . . , vi n). Consideremos:

k1 v1 + · · · + kr vr = 0 (1.116)

Esto da lugar a un sistema de n ecuaciones con r incógnitas. Tal sistema admite soluciones no triviales.
En consecuencia S es un conjunto linealmente dependiente.

Ejercicios:
52. Diga cuál de los siguientes conjuntos de vectores en P2 son linealmente independientes.
S = {u1 = 2 − x + 4x2 , u2 = 3 + 6x + 2x2 , u3 = 2 + 10x − 4x2 .
Solución
Si el conjunto el linealmente independiente, entonces k1 u1 +k2 u2 +k3 u3 = 0 admite una solución
no trivial. Ahora

k1 (2 − x + 4x2 ) + k2 (3 + 6x + 2x2 ) + k3 (2 + 10x − 4x2 ) = 0, (1.117)

lo que da lugar a tres ecuaciones lineales con incógnitas k1 , k2 , k3 que se pueden expresar
matricialmente como:   
2 3 2 k1
 −1 6 10   k2  = 0, (1.118)
4 2 −4 k3
1.3. ESPACIOS VECTORIALES 21

o bien Ak = 0, con  
2 3 2
A =  −1 6 10  . (1.119)
4 2 −4
El determinante de A es distinto de 0, por lo tanto solo existe la solución trivial y este conjunto
es linealmente independiente.
u1 = 3 + x + x2 , u2 = 2 − 1x + 5x2 , u3 = 4 − 3x2 .
Solución
Mediante un procedimiento similar se obtiene el sistema de ecuaciones siguiente
    
3 2 4 k1 0
Ak =  1 −1 0   k2  =  0  (1.120)
1 −5 3 k3 0
Se puede mostrar que el determinante de A es distinto de cero, por lo tanto es un conjunto
linealmente independiente.
53. Sea V el espacio de todas las funciones reales definidas en toda la recta real . ¿Cuáles de los
siguientes conjuntos de vectores en V son linealmente dependientes?
S = {v1 = 2, v2 = 4 sin2 (x), v3 = cos2 (x)}.
Solución
Se puede verificar que k1 v1 + k2 v2 + k3 v3 = 0 solo tiene como solución k1 = k2 = k3 = 0, por lo
tanto éste un conjunto linealmente independiente.
S = {v1 = 1, v2 = sin(x), v3 = sin(2x)}.
Solución
Para que k1 v1 + k2 v2 + k3 v3 = 0 se debe cumplir que k1 = k2 = k3 = 0, por lo tanto éste un
conjunto linealmente independiente.
54. ¿Para qué valores de λ el conjunto de vectores siguientes forman un conjunto linealmente depen-
diente en R3 ?
      
1 1 1 1 1 1
S = v1 = λ, − , − , v2 = − , λ, − , v3 = − , − , λ .
2 2 2 2 2 2

Solución
La ecuación k1 v1 + k2 v2 + k3 v3 = 0 da lugar al sistema de ecuaciones siguiente:
λ − 12 − 12
    
k1 0
Ak =  − 21 λ − 12   k2  =  0  . (1.121)
− 21 − 12 λ k3 0

Este sistema tiene solución diferente a la trivial si det A 6= 0. El cálculo del determinante de A da lugar
a una ecuación de tercer grado en λ, esto es:
  
1 1 1
det A = λ + λ2 − λ − = 0, (1.122)
2 2 2

de donde las raices de la ecuación cuadrática son λ = 1, − 21 . Entonces podemos expresar el deter-
minante de A como:    
1 1
det A = λ + (λ − 1) λ + . (1.123)
2 2
Entonces el conjunto es linealmente dependiente para λ = 1 y λ = − 21 .
22 CAPÍTULO 1. ESPACIOS VECTORIALES

1.3.5. Bases y dimensión

Definición. Si V es un espacio vectorial y S = {v1 , . . . , vr } es un conjunto finito de vectores en V ,
entonces se dice que S es una base de V si y solo si:

S es linealmente independiente.

S genera a V .

Nota:
Un espacio vectorial V tiene una definicón finita si hay un subconjunto finito de vectores de V que forman
una base de V . Si no existe tal conjunto, se dice que V tiene dimensión infinita.
Ejercicios

55. El conjunto S = {e1 , . . . , en } con e1 = (1, . . . , 0), . . . , en = (0, . . . , 1) es una base de Rn porque es un
conjunto linealmente independiente y genera a Rn .

56. Demuestre que los vectores v1 = (1, 2, 1), v2 = (2, 9, 0), v3 = (3, 3, 4) forman una base de R3 .
Solución
Se debe mostrar que:

S es linealmente independiente, esto es, k1 v1 + k2 v2 + k3 v3 = 0 si y solo si k1 = k2 = k3 = 0.

Esto equivale a demostrar que el siguiente sistema de ecuaciones solo tiene una solución trivial
  
1 2 3 k1
Ak =  2 9 3   k2  = 0. (1.124)
1 0 4 k3

Se puede mostrar que det A = −1, por lo tanto A es invertible y se deduce que k1 = k2 = k3 = 0.
Se puede mostrar que la inversa de A es
 
−36 8 21
A−1 =  5 −1 −3
9 −2 −5

S genera a R3 , es decir, cualquier vector b = (x, y, z) ∈ R3 puede escribirse como b = k1 v1 +

k2 v2 + k3 v3 . Esto equivale a encontrar k1 , k2 , k3 en términos de x, y, z:
    
1 2 3 k1 x
Ak =  2 9 3   k2  =  y  , (1.125)
1 0 4 k3 z

después de multiplicar ambos lados a la izquierda por A−1 se obtiene

    
k1 −36 8 21 x
 k2  =  5 −1 −3  y  . (1.126)
k3 9 −2 −5 z

57. Mostrar que el conjunto S = {1, x, x2 , x3 , . . . , xn } es una base de Pn .

       
1 0 0 1 0 0 0 0
58. Mostrar que las matrices M1 = , M2 = , M3 = y M4 = son
0 0 0 0 1 0 0 1
una base de M2×2 .
1.3. ESPACIOS VECTORIALES 23

59. Encuentre una base y la dimensión del sistema homogéneo de ecuaciones:

2x1 + 2x2 − x3 + x5 =0
−x1 − x2 − 2x3 − 3x4 + x5 =0
. (1.127)
x1 + x2 − 2x3 − x5 =0
x3 + x4 + x5 =0

Solución
Este es un sistema con más ecuaciones que incógnitas y tiene infinitas soluciones. La matriz aumen-
tada del sistema es:
 
2 2 −1 0 1
 −1 −1 2 −3 1 
A= . (1.128)
 1 1 −2 0 −1 
0 0 1 1 1
Aplicando reducción de Gauss se tiene
     
1 1 −2 0 −1 1 1 −2 0 −1 1 1 −2 0 −1
 0 0 0 −3 0   0 0 1 1 1   0 0 1 1 1 
A∼ ∼  ∼  , (1.129)
 0 0 3 0 3   0 0 0 −3 0   0 0 0 3 0 
0 0 1 1 1 0 0 0 −37 0 0 0 0 0 0

de donde x4 = 0, x3 + x5 = 0, x1 + 2x3 − x5 = 0. Eligiendo x5 = t y x2 = s, con s y t ∈ R, se tiene

x3 = −x5 = −t y x1 = 2x3 + x5 − x2 = −s − t, entonces toda la solucioń al sistema puede escribirse
como
u = (−s − t, s, −t, 0, t)m (1.130)
que puede escribirse como

u = s(−1, 1, 0, 0, 0) + t(−1, 0, −1, 0, 1). (1.131)

Entonces el conjunto de vectores {v1 = (−1, 1, 0, 0, 0), v2 = (−1, 0, −1, 0, 1)} es una base de este
espacio vectorial que tiene dimensión 2.
60. Determine la dimensión de cada uno de los siguientes subespacios de R4 .
Todos los vectores de la forma (a, b, c, 0).
Todos los vectores de la forma (a, b, c, d), donde d = a + b y c = a − b.
Teorema 1.7. Si S = {v1 , . . . , vn } es una base de un espacio vectorial V de dimensión finita, entonces
cualquier subconjunto de V con más de n vectores es linealmente dependiente.
Demostración:
Sea S 0 = {w1 , . . . , wm } un conjunto de m vectores, m > n. Sea S = {v1 , . . . , vn } es una base de un espacio
vectorial V . Si S 0 es un conjunto linealmente dependiente, entonces existen escalares k1 , ...km diferentes
de cero tales que:

k1 w1 +, . . . , km wm = 0, (1.132)
Si S es una base, cada wi puede expresarse en términos de los vectores en S:

wi = ai1 v1 +, . . . , +ain vn , (1.133)

la ecuación (1.132) puede expresarse como:

k1 (a11 v1 + a12 v2 + · · · + a1n vn ) + k2 (a21 v1 + a22 v2 + · · · + a2n vn )+

(1.134)
· · · + km (am1 v1 + am2 v2 + · · · + amn vn ) = 0,
24 CAPÍTULO 1. ESPACIOS VECTORIALES

esto se puede escribir como

(k1 a11 + k2 a21 + · · · + km am1 )v1

+(k1 a12 + k2 a22 + · · · + km am2 )v2
+(k1 a13 + k2 a23 + · · · + km am3 )v3
+(k1 a14 + k2 a24 + · · · + km am4 )v4
..
.
+(k1 amn + k2 amn + · · · + km amn )vn = 0.

Como {v1 , ...vn } forman un conjunto linealmente independiente, entonces:

k1 a11 + k2 a21 + . . . + km am1 = 0,

k1 a12 + k2 a22 + . . . + km am2 = 0,
k1 a13 + k2 a23 + . . . + km am3 = 0,
k1 a14 + k2 a24 + . . . + km am4 = 0,
..
.
k1 amn + k2 amn + · · · + km amn = 0.

Este es un sistema de n ecuaciones con m incógnitas y por lo tanto tiene solución no trivial y S 0 es
linealmente dependiente.

Teorema 1.8. Cualesquiera dos bases de un espacio vectorial de dimensión finita tienen el mismo número
de vectores.

Definición. La dimensión de un espacio vectorial de dimensión finita se define como el número de

vectores en una base de V .

Teorema 1.9.

Si S = {v1 , . . . , vn } es un conjunto de vectores linealmente independientes en un espacio V de n

dimensiones entonces S es una base de V .

Si S = {v1 , . . . , vn } es un conjunto de n vectores que generan un espacio de n dimensiones entonces

S es una base de V .

Si S = {v1 , . . . , vn } es un conjunto de vectores linealmente independientes en un espacio V de n

dimensiones y r < n, entonces a S se le pueden agregar vectores hasta formar una base de V , es
decir, existen vectores vr+1 , vr+2 , . . . , vn tal que Si {v1 , . . . , vn } es una base de V .

Ejercicios
Sea V el espacio generado por S = v1 = cos2 x, v2 = sin2 x, v3 = cos 2x .


Demuestre que S no es una base de V .

Encuentre una base de V .

Solución
1 + cos 2x 1 − cos 2x
Tenemos que cos2 x = y sin2 x = , entonces:
2 2

k 1 v1 + k 2 v2 + k 3 v3 = k1 cos2 x + k2 sin2 x + k3 cos 2x,

 
1 1
= (k1 + k2 ) + (k1 − k2 ) + k3 cos 2x,
2 2
1.3. ESPACIOS VECTORIALES 25

de donde se obtiene que k1 = −k2 , k1 + k3 = 0, entonces es posible elegir k1 = −k2 = −k3 = t, con t un
parámetro real. De modo que v1 − v2 − v3 = 0, por lo tanto este conjunto no es linealmente independiente
y no es una base de V .
Sin embargo, los vectores v1 y v2 forman un conjunto linealmente independiente pues se puede mostrar
que:
k1 v1 + k2 v2 = 0, (1.135)
si y solo si k1 = k2 = 0. Entonces una base de V es S 0 = {v1 = cos2 2x, v2 = sin2 2x} y la dimensión del
espacio es 2.

1.3.6. Espacio de renglones de una matriz

Definición. Considere la matriz A:
 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
A= . (1.136)
 
.. .. ..
 . . ··· . 
am1 am2 · · · amn

Los vectores:

r1 = (a11 a12 ··· a1n ),

r2 = (a21 a22 ··· a2n ),
..
.
rn = (am1 am2 ··· amn ),

se denominan los vectores renglón de A. El subespacio de Rn generado por los vectores renglón se llama
espacio de los renglones de A.
Teorema 1.10. Las operaciones elementales aplicados a los renglones de una matriz no alteran el espacio
de renglones de dicha matriz.
Nota.Si se desea generar una base para los vectores {v1 , . . . , vm } entonces se puede formar la matriz
de vectores renglón A. El problema se reduce a encontrar una base para el espacio de renglones de A.
Teorema 1.11. Los vectores renglón diferentes de cero, en la forma escalonada de una matriz A constitu-
yen una base para el espacio de renglones de A.
Teorema 1.12. Si S = {v1 , . . . , vn } es una base de un espacio vectorial V , entonces todo vector en V se
puede expresar en la forma v = c1 v1 + c2 v2 + · · · de una sola manera.
A los escalares ci se les denomina coordenadas de v relativas a la base S.

Ejercicios

61. Encuentre una base para el subespacio de p4 generado por el conjunto S = {p1 , p2 , p3 , p4 } con
p1 = 1 − 2x + 3x4 , p2 = 2 − 5x − 3x2 − 2x3 + 6x4 , p3 = 5x + 15x2 + 10x3 y p4 = 2 + 6x + 18x2 + 8x3 + 6x4 .
Solución
La base canónica es {1, x, x2 , x3 , x4 }. En esta base las coordenadas de los polinomios pi son:

p1 = (1, −2, 0, 0, 3),

p2 = (2, −5, −3, −2, 6),
(1.137)
p3 = (0, 5, 15, 10, 0),
p4 = (2, 6, 18, 8, 6),
26 CAPÍTULO 1. ESPACIOS VECTORIALES

La matriz de vectores renglón es:

 
1 −2 0 0 3
 2 −5 −3 −2 6 
A=
 0
. (1.138)
5 15 10 0 
2 6 18 8 6

Reduciendo a la forma escalonada mediante operaciones elementales sobre los rengloes de A lle-
gamos a la siguiente matriz:  
1 −2 0 0 3
 0 1 3 2 0 
A∼  0
, (1.139)
0 1 1 0 
0 0 0 0 0
de modo que los vectores :
q1 = (1 −2 0 0 3)
q2 = (0 1 3 2 0) (1.140)
q3 = (0 0 1 1 0)

forman una base del subespacio de vectores generado por p1 , p2 , p3 y p4 .

1.4. Espacios Vectoriales con producto interior

Definiremos una función llamada producto interior pero no especificaremos la forma que debe tener
dicha operación, sino que definiremos una serie de axiomas que debe obedecer esta operación.
Definición. Un producto interior en un espacio vectorial V es una función que a cada par de vectores
u y v en V asocia un número real hu, vi de tal manera que se satisfacen los siguientes axiomas para todos
los vectores u, v y w en V y para todos los escalares k ∈ R.
hu, vi = hv, ui (conmutatividad).
hu + v, wi = hu, wi + hv, wi (aditividad).
hku, vi = khu, vi (homogeneidad).
hu, vi ≥ 0 y hv, vi = 0 si y solo si v = 0 (positividad).
Si se cumplen los axiomas anteriores se sigue que el producto interior tiene las siguientes propiedades
h0, vi = 0.
hu + v, wi = hu, wi + hv, wi.
hu, kvi = khu, vi.
Ejercicio

62. Sean p = p(x) y q = q(x) dos polinómios en Pn con el producto interior dado por
Z b
hp, qi = p(x)q(x)dx (1.141)
a

donde a y b son números reales. Demuestre que esta operación define un producto interior.
Solución
Se deben cumplir los axiomas dados anteriormente. Los axiomas 1 y 2 se demuestran como sigue:
1.4. ESPACIOS VECTORIALES CON PRODUCTO INTERIOR 27

Z b Z b
a) hp, qi = p(x)q(x)dx = q(x)p(x)dx,
a a
Rb
Z b Z b
b) hp + q, si = a
(p(x) + q(x))s(x)dx = p(x)s(x)dx + q(x)s(x)dx = hp, si + hq, si.
a a

Se deja como demostración los axiomas 3 y 4.

1.4.1. Desigualdad de Cauchy-Schwarz

Teorema 1.13. Si u y v son dos vectores en V con producto interior, entonces:

hu, vi2 ≤ hu, uihv, vi (1.142)

u v
Demostración: Sea w = − , entonces como hw, wi ≥ 0 se tiene
hu, ui hv, vi
!
hu, ui hv, vi hu, vi hu, vi
hw, wi = + − 2p =2 1− p ≥0 (1.143)
hu, ui hv, vi hu, vihu, vi hu, vihu, vi

de donde
hu, vi
p ≤ 1. (1.144)
hu, uihv, vi
Finalmente
hu, vi2 ≤ hu, uihv, vi. (1.145)

1.4.2. Longitud y ángulo en un espacios vectorial con producto interior

Definición. Si V es un espacio con producto interior, entonces la norma de un vector u se denota por
||u|| y se define como:
p
||u|| = hu, ui (1.146)
Teorema 1.14. Si V es un espacio con producto interior, entonces la norma de ||u|| satisface todas las
siguientes propiedades:
a) ||u|| ≥ 0,
b) ||u|| = 0 si u = 0,
(1.147)
c) ||ku|| = |k|||u||,
d) ||u + v|| ≤ ||u|| + ||v||.
Demostración: La demostración de a)-c) es inmediata. Solo demostraremos explı́citamente la propie-
dad d):

||u + v||2 = hu + v, u + vi = hu, ui + hv, vi + 2hu, vi,

= ||u||2 + ||v||2 + 2hu, vi ≤ ||u||2 + ||v||2 + |2hu, vi|,

por la desigualdad de Cauchy-Schwarz |hu, vi| ≤ ||u||||v||, entonces:

||u + v||2 = ||u||2 + ||v||2 + 2||u||||v|| = (||u|| + ||v||)2 . (1.148)

hu, vi
Definición. Sea cos θ = , entonces −1 ≤ cos θ ≤ 1. Se define el ángulo entre dos vectores u y
||u||||v||
v como:
hu, vi
cos θ = . (1.149)
||u||||v||
28 CAPÍTULO 1. ESPACIOS VECTORIALES

1.5. Bases ortonormales

Definición. Se dice que un conjunto de vectores S = {v1 , v2 , . . . , vn } en un espacio con producto inte-
rior es ortonormal si cada vector en el conjunto tiene norma 1 y además cualesquiera de dos vectores en
el conjunto son ortonormales.

Definición: En un espacio con producto interior dos vectores u y v son ortogonales si hu, vi = 0. Si u
es ortogonal a todos los vectores que están en el conjunto W , se dice que u es ortogonal a W .

Teorema 1.15. Si S = {v1 , v2 , . . . , vn } es una base ortonormal para un espacio con producto interior V y u
es un vector en V , entonces:

u = hu, v1 iv1 + hu, v2 iv2 + · · · + hu, vn ivn , (1.150)

Es decir, el vector de coordenadas de u con respecto a la base S es:

(u)S = (hu, v1 iv1 , hu, v2 iv2 , . . . , hu, vn ivn ) (1.151)

Demostración: Si S es una base de V y u ∈ V , entonces

u = k 1 v 1 + · · · + k n vn . (1.152)

Ahora

hu, vi i = k1 hv1 , vi i + · · · + kn hhu, vi i = vn , vi i, (1.153)

hu, vi i = ki hvi , vi i = ki , (1.154)
(1.155)

de donde ki = hu, vi i.

Teorema 1.16. Si S = {v1 , v2 , . . . , vn } es un conjunto ortonormal de vectores diferentes de cero en un

espacio con producto interior, entonces S es linealmente independiente.

Demostración: Si S es linealmente independiente, entonces:

k1 v1 + · · · + kn vn = 0, (1.156)

de modo que

hk1 v1 + · · · + kn vn , vi i = 0, (1.157)
ki hvi , vi i = ki = 0. (1.158)

Teorema 1.17. Sea V un espacio vectorial con producto interior y {v1 , . . . , vr } un conjunto otonormal de
vectores en V . Si W denota un espacio generado por v1 , . . . , vr entonces todo vector u en V tiene una
representación única de la forma
u = w1 + w2 , (1.159)
donde w1 pertenece a W y w2 es ortogonal a W . Los vectores w1 y w2 están determinados por:

w1 ≡ proy W u = hu, v1 iv1 + hu, v2 iv2 + · · · + hu, vr ivr ,

(1.160)
w2 ≡ w⊥ = u − w1 .
1.5. BASES ORTONORMALES 29

1.5.1. Proceso de Gram-Schmidt

Teorema 1.18. Todo espacio de dimensión finita tiene una base ortonormal.
Demostración. Sea S = {u1 , . . . , un } una base de un espacio vectorial V de dimensión n con producto
interior. El siguiente proceso producirá una base ortonormal S 0 = {u1 , ...un } para V :
u1
Sea v1 = .
||u1 ||
u2 − proyw1 u2 u2 − hu2 , v1 iv1
Sea v2 = = .
||u2 − proyw1 u| | ||u2 − hu2 , v1 iv1 − ||
u3 − proyw2 u3 u3 − hu3 , v1 iv1 − hu3 , v2 iv2
Sea v3 = = .
||u3 − proyw2 u3 || ||u3 − hu3 , v1 iv1 − hu3 , v2 iv2 ||
Sucesivamente podemos construir un conjunto de n vectores ortonormales. Todo conjunto de n vectores
en un espacio de n dimensiones es una base ortonormal. Este proceso se llama proceso de ortogonaliza-
ción de Gram-Schmidt.

Ejercicios

63. Considere al espacio vectorial R4 con el producto interior euclidiano. Exprese w = (−1, 2, 6, 0) en la
forma w = w1 + w2 donde w1 pertenece al subespacio W generado por u1 = (−1, 0, 1, 2) y u2 =
(0, 1, 0, 1), mientras que w2 es perpendicular a W .
Solución
Debemos obtener una base ortonormal S 0 = {v1 , v2 } para el espacio W generado por los vectores
u1 y u2 por el proceso de Gram-Schmidt.
u1 (−1, 0, 1, 2)
a) Sea v1 = = √ .
||u1 || 6
b) Ahora obtenemos un vector ortonormal a v1
u2 − hu2 , v1 iv1
v2 = ,
||u2 − hu2 , v1 iv1 ||
donde
2 1 1
u2 − hu2 , v1 iv1 = (0, 1, 0, 1) − √ √ (−1, 0, 1, 2) = (1, 3, −1, 1),
6 6 3
y r r
1 2 12 2
||u2 − hu2 , v1 iv1 || = (1 + 32 + 12 + 12 ) = =√ ,
9 9 3
1
entonces v2 = √ (1, 3, −1, 1).
12
Ahora se tiene que el vector w = (−1, 2, 6, 0) puede escribirse como w = w1 + w2 , donde w1 ∈ W , es
decir
7 1 −1 1
w1 = hw, v1 iv1 + hw, v2 iv2 = √ √ (−1, 0, 1, 2) + √ √ (1, 3, −1, 1)
6 6 12 12
1 1
= (−15, −3, 15, 27) = (−5, −1, 5, 9),
12 4
y w2 es perpendicular a W
1 1
w2 = w − w1 = (−1, 2, 6, 0) − (−5, −1, 5, 9) = (1, 9, 19, −9).
4 4
Es fácil mostrar que hw2 , v1 i = hw2 , v2 i = 0.
30 CAPÍTULO 1. ESPACIOS VECTORIALES

63. Considere al espacio vectorial R3 con el producto interior euclidiano. Utilice el proceso de Gram-
Schmidt para transformar el conjunto S = {u1 = (1, 1, 1), u2 = (0, 1, 1), u3 = (0, 0, 1)} en una base
ortonormal.
Solución

u1
Sea v1 = .
||u1 ||

La norma de u1 es
||u1 ||2 = hu1 , u1 i = (1)2 + (1)2 + (1)2 = 3,
entonces
1
v1 = √ (1, 1, 1)
3
u2 − hu2 , v1 iv1
Sea v2 = .
||u2 − hu2 , v1 iv1 ||

Obtengamos cada término de esta expresión:

(0)(1) + (1)(1) + (1)(1) 2

hu2 , v1 i = √ =√ ,
3 3
 
2 (1, 1, 1) 2 1 1
u2 − hu2 , v1 iv1 = (0, 1, 1) − √ √ = − , , ,
3 3 3 3 3
 2  2  2
2 1 1 6 2
||u2 − hu2 , v1 iv1 ||2 = − + + = = ,
3 3 3 9 3

entonces
( −2 1 1
3 , 3, 3) 1
v2 = q = √ (−2, 1, 1)
2 6
3

u3 − hu3 , v1 iv1 − hu3 , v2 iv2

Sea v3 = .
||u3 − hu3 , v1 iv1 − hu3 , v2 i||
Los cálculos necesarios dan como resultado:
(0)(1) + (0)(1) + (1)(1) 1
hu3 , v1 i = √ =√ ,
3 3
(0)(−2) + (0)(1) + (1)(1) 1
hu3 , v2 i = √ =√ ,
6 6
1 (−2, 1, 1) 1 (1, 1, 1) 1
u3 − hu3 , v2 iv2 − hu3 , v1 iv1 = (0, 0, 1) − √ √ −√ √ = (0, −1, 1) ,
6 6 3 3 2
 2  2
2 1 1 1
||u3 − hu3 , v2 iv2 − hu3 , v1 iv1 ||2 = (0) + − + = ,
2 2 2

entonces
(0,−1,1)
2 1
v3 = = √ (0, −1, 1). (1.161)
√1 2
2

La base ortonormal está dada por S 0 = {v1 , v2 , v3 }, con v1 = √1 (1, 1, 1),

3
v2 = √1 (−2, 1, 1)
6
y
v3 = √12 (0, −1, 1).
1.5. BASES ORTONORMALES 31

64. Considere al espacio vectorial R3 con el producto interior hu, vi = u1 v1 + 2u2 v2 + 3u3 v3 . Utilice el
proceso de Gram-Schmidt para transformar S = {u1 = (1, 1, 1), u2 = (0, 1, 1), u3 = (0, 0, 1)} en una
base ortonormal.
Solución

u1
Sea v1 = .
||u1 ||

La norma de u1 es
||u1 ||2 = hu1 , u1 i = (1)2 + 2(1)2 + 3(1)2 = 6,

entonces
1
v1 = √ (1, 1, 1)
6

u2 − hu2 , v1 iv1
Sea v2 = .
||u2 − hu2 , v1 iv1 ||

Obtengamos cada término de esta expresión:

(0)(1) + 2(1)(1) + 3(1)(1) 5

hu2 , v1 i = √ =√ ,
6 6
 
5 (1, 1, 1) 5 1 1 1
u2 − hu2 , v1 iv1 = (0, 1, 1) − √ √ = − , , = (−5, 1, 1) ,
6 6 6 6 6 6
 2  2  2
5 1 1 30
||u2 − hu2 , v1 iv1 ||2 = − +2 +3 = ,
6 6 6 36

entonces

( −5 1 1
6 , 6, 6) 1
v2 = q = √ (−5, 1, 1)
30 30
36

u3 − hu3 , v1 iv1 − hu3 , v2 iv2

Sea v3 = .
||u3 − hu3 , v1 iv1 − hu3 , v2 i||

Después de hacer los cálculos necesarios se tiene que:

1
v3 = √ (0, −3, 2). (1.162)
30

65. Sea S = {u1 , u2 , u3 }, con u1 = 1, u2 = x, u3 = x2 una base del espacio vectorial P2 con producto
interior definido como
Z 1
hq, pi = p(x)q(x)dx. (1.163)
−1

Encuentre una base ortonormal para este conjunto.

Solución
32 CAPÍTULO 1. ESPACIOS VECTORIALES

u1
Sea v1 = .
||u1 ||
Calculemos la norma de u1 :
Z 1
2
||u1 || = (1)2 dx = x|1−1 = 2,
−1

entonces
1
v1 = √ .
2

u2 − hu2 , v1 iv1
Sea v2 = .
||u2 − hu2 , v1 iv1 ||
Ahora
Z 1  
1
hv1 , u2 i = √ xdx = 0,
−1 2
Z 1
2
||u2 ||2 = x2 dx = ,
−1 3

entonces
r
u2 3
v2 = = x.
||u2 || 2

u3 − hv1 , u3 iv1 − hv2 , u3 iv2

Sea v3 = .
||u3 − hv1 , u3 iv1 − hv2 , u3 iv2 ||
El cálculo da como resultado
Z 1
√
1 2 2
hv1 , u3 i = √ x dx = ,
−1 2 3
Z 1 √
3 2
hv2 , u3 i = xx dx = 0,
−1 2
√
2 2 1 1
u3 − hu3 , v2 iv2 − hu3 , v1 iv1 = x − √ = x2 − ,
3 2 3
Z 1 2
1 8
||u3 − hu3 , v2 iv2 − hu3 , v1 iv1 ||2 = x2 − dx = ,
−1 3 45

de donde
r  
45 21
v3 = x − .
8 3

66. Exprese el polinómio P (x) = 1 + x + 4x2 como combinación lineal de v1 , v2 , v3 del ejercicio anterior.
Solución
La combinación lineal de P (x) en términos de la base ortonormal S = {v1 , v2 , v3 } está dada por

P (x) = hP, v1 iv1 + hP, v2 iv2 + hP, v1 iv3 . (1.164)

1.6. MÉTRICA O FUNCIÓN DISTANCIA 33

Calculemos los respectivos productos interiores:

Z 1

1 √ 7
hP, v1 i = 1 + x + 4x2 √ dx = 2 ,
−1 2 3

Z 1
r r
2

3 2
hP, v2 i = 1 + x + 4x xdx = ,
−1 2 3

Z 1
r   r
2

45 2 1 8
hP, v3 i = 1 + x + 4x x − dx = 4 ,
−1 8 3 45

entonces:
√ 7
r r
2 8
P (x) = 2 v1 + v2 + 4 v3 . (1.165)
3 3 45

Se puede comprobar que al sustituir cada vector v1 , v2 , v3 se obtiene P (x).

67. Considere la base de R4 S = {u1 , u2 , u3 , u4 }, con u1 = (0, 2, 1, 0), u2 = (1, −1, 0, 0), u3 = (1, 2, −1, 0) y
u4 = (1, 0, 0, 1), con el producto interior euclidiano. Utilice el proceso de Gram-Schmidt para encontrar
una base ortonormal.

1.6. Métrica o función distancia

Definición. Una métrica o función distancia en un espacio vectorial V es una función real que obedece:

d(u, v) ≥ 0 ∀ u, v ∈ V, (1.166)
(1.167)
d(u, v) = 0 si solo si u = v, (1.168)
(1.169)
d(u, v) = d(v, u), (1.170)
(1.171)
d(u, v) + d(v, w) ≥ d(u, w). (1.172)

Si ||u|| es la norma de un vector en un espacio vectorial V con producto interior, entonces se define una
métrica sobre V como sigue
d(u, v) = ||u − v||.

Ejercicios adicionales
1. Diga cuales de los siguientes conjuntos con las operaciones de adición y multiplicación por un escalar
constituyen un espacio vectorial. Demuestre explı́ticamente si se cumplen todos los axiomas o en su
caso si alguno no se cumple.
El conjunto de duplas de números reales (x, y) con las operaciones de adición y multiplicación
tales que (x, y) + (x0 , y 0 ) = (x + x0 , y + y 0 ) y k(x, y) = (kx, 0).
El conjunto de todos los números reales u = x con las operaciones de adición y multiplicación
tales que x + x0 = x + x0 + 7 y kx = k(x − 1).
2. Diga cuál de los siguientes conjuntos son subespacios vectoriales del espacio vectorial V indicado.
Los vectores de R3 de la forma (x, y, z) con x + y + z = 1.
34 CAPÍTULO 1. ESPACIOS VECTORIALES

Todos los polinomios de P3 con a0 + a1 = 0.

Todas las funciones reales f (x) para x real tal que f (2) = 0.
3. Diga cuál de los siguientes vectores son combinación lineal de u1 = (1, −1, 3) y u2 = (2, 4, 0): a)u =
(3, 3, 3), b)u = (4, 2, 6).

4. Determine si los siguientes conjuntos de vectores generan a R3 : a)S = {u1 = (1, 1, 1), u2 = (2, 2, 0), u3 =
(3, 0, 0)}, b)u1 = (1, 3, 3), u2 = (1, 3, 4), u3 = (1, 4, 3), u4 = (6, 2, 1)}.
5. Diga cuáles de los siguientes conjuntos de vectores son linealmente independientes: a)S = {u1 =
(2, −1, 4), u2 = (3, 6, 2), u3 = (2, 10, −4)}, b)S = {p1 = 2−x+4x2 , p2 = 3+6x+2x2 , p3 = 2+10x−4x2 }.

6. Diga cuáles de los siguientes conjuntos de vectores constituyen una base del espacio vectorial que
se indica:
S = {u1 = (2, 1), u2 = (3, 0)} para R2 .
S = {u1 = 1 − 3x + 2x2 , u2 = 1 + x + 4x2 , u3 = 1 − 7x} para P2 .

7. Determine una base para los siguientes subespacios de R4 : a)Todos los vectores de la forma (x, y, z, u)
con u = x + y y z = x − y, b)Todos los vectores de la forma (x, y, z, u) con x = y = z = u.
8. En R4 se define la siguiente operación entre dos vectores u y v: hu, vi = u1 v1 + u2 v2 + u3 v3 − u4 v4 .
Diga si esta función es un producto interior válido.
9. Considere la bases de R3 siguientes. Asuma que se obedece el producto interior euclidiano. Obtenga
una base ortonormal mediante el procedimiento de ortogonalización de Gram-Schmidt: a)S = {u1 =
(1, 1, 0), u2 = (1, 0, 1), u3 = (1, 1, 1)}, b)S = {u1 = (3, 2, 1), u2 = (3, 2, 0), u3 = (0, 1, 0)}.
10. Encuentre la proyección ortogonal del vector w = (1, 1, 1) sobre el subespacio W generado por el
conjunto de vectores S = {u1 , u2 } del problema anterior. Posteriormente escriba el vector w en la
forma w = w1 + w2 , donde w1 es la proyección ortogonal de w sobre W y w2 es ortogonal a W .

11. Los polinomios de Hermite, Hn , se pueden obtener de la base S = {Q0 , Q1 , · · · , Qn } con Qn = xn

mediante el procedimiento de ortogonalización de Gram-Schmidt si se considera el siguiente producto
interior.
Z ∞
2
< Hn , Hm >= Hn (x)Hm (x)e−x dx
−∞

Obtenga los primeros tres polinomios H0 , H1 y H2 .

Sugerencia: use las siguientes integrales
Z ∞ √
2
e−x dx = π
−∞
, √
Z ∞
π 2
x2 e−x dx = ,
−∞ 2
Z ∞ √
2 3 π
x4 e−x dx = ,
−∞ 4
Z ∞
2
x2n+1 e−x = 0 n ∈ N.
−∞