40 Matematicas I

Parte II

Algebra
Lineal

Prof: Jos
e Antonio Abia Vian

I.T.I. en Electricidad


41 Matematicas I : Algebra
Lineal

Tema 4

Espacios vectoriales reales

4.1

Espacios vectoriales

Definici
on 88.- Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con
dos operaciones, una que recibe el nombre de suma de vectores y otra que recibe el nombre de producto de
vectores por n
umeros reales o producto por escalares, que verifican las siguientes propiedades:
(1) u + v V ;

u, v V .

(2) u + v = v + u ;

u, v V .

(3) u + ( v + w ) = ( u + v ) + w ;

u, v , w V .

(4) Existe un vector, llamado vector cero y denotado por 0 , tal que: 0 + u = u + 0 = u ;

u V.

(5) Para cada u V , existe un vector de V , llamado opuesto de u y denotado por u , tal que
u + ( u ) = 0 .
(6) k u V ;

k IR y u V .

(7) k( u + v ) = k u + k v ;
(8) (k + l) u = k u + l u ;
(9) (kl) u = k(l u );
(10) 1u = u ;

k IR y u , v V .
k, l IR y u V .

k, l IR y u V .

u V.

Por ser los escalares de IR , se dice que V es un IR -espacio vectorial. Se pueden considerar espacios vectoriales
sobre otros cuerpos de escalares, como C .
Ejemplo Los conjuntos IRn , los conjuntos de polinomios Pn [X] = {P (X) IR[X] : gr(P ) n} y los conjuntos
de matrices reales Mmn = {matrices de tama
no mn }, con las operaciones usuales en cada uno de ellos, son
espacios vectoriales reales.
Propiedades 89.- Algunas propiedades que se deducen de las anteriores son:
(i) 0u = 0 .

(ii) k 0 = 0 .

(iii) (1) u = u .

(iv) k u = 0 k = 0 o u = 0 .
(v) El vector cero de un espacio vectorial es u
nico.
(vi) El vector opuesto de cada vector del espacio vectorial es u
nico.

4.2

Subespacios vectoriales

Definici
on 90.- Un subconjunto W de un espacio vectorial V se dice que es un subespacio vectorial de V ,
si W es un espacio vectorial con las operaciones definidas en V .
Como W V , todos los vectores de W verifican las propiedades 2 a 5 y 7 a 10, por tanto es suficiente
probar que las operaciones suma y producto por escalares son internas en W , es decir, que se verifican las
propiedades (1) y (6) en W :
( 1 ) u + v W ;

Prof: Jos
e Antonio Abia Vian

u, v W

( 6 ) k u W ;

u W y k IR

I.T.I. en Electricidad


42 Matematicas I : Algebra
Lineal

4.3 Base y dimensi

on

Estas dos propiedades son equivalentes a la propiedad u

nica:
k u + l v W ; u , v W y k, l IR.
Nota: Es claro, que si W es un subespacio de V , entonces 0 W .
Ejemplo P2 [X] es un subespacio de P4 [X], pues es un subconjunto suyo y si P (X), Q(X) P2 [X], el grado de
kP (X) + lQ(X) es gr(kP + lQ) = max{gr(kP ), gr(lQ)} max{gr(P ), gr(Q)} 2, por lo que esta en P2 [X].
Sin embargo, {P (X) : gr(P ) = 2} no es un subespacio de P4 [X], por dos razones: primero, porque no contiene
al polinomio cero; y segundo, no verifica la propiedad (1 ) ya que X2 y 2X X2 son polinomios del conjunto
pero su suma X2 + (2X X2 ) = 2X es un polinomio de grado 1 que no esta en el conjunto.
4
Definici
on 91.- Se dice que un vector v V es una combinaci
on lineal de los vectores v1 , v2 , . . . , vn si,
y solo si, c1 , c2 , . . . , cn IR tales que v = c1 v1 + c2 v2 + + cn vn .
Definici
on 92.- Dado un conjunto de vectores S = {v1 , v2 , . . . , vk } de un espacio vectorial V , llamaremos
subespacio lineal generado por S y que denotaremos por lin S o lin{v1 , v2 , . . . , vk } , al conjunto de
todas las combinaciones lineales que se pueden formar con los vectores de S :
n
o
lin S = lin{ v1 , v2 , . . . , vk } = c1 v1 + c2 v2 + + ck vk : ci IR
y se dira que S genera lin S o que v1 , v2 , . . . , vk generan lin S .
Naturalmente lin S es un subespacio vectorial de V y, de hecho, es el mas peque
no que contiene a los
vectores de S (ver ejercicio 4.6).
Definici
on 93.- Dado un conjunto S = { v1 , v2 , . . . , vk } de vectores del espacio vectorial V , la ecuacion
vectorial c1 v1 + c2 v2 + + ck vk = 0 tiene al menos una solucion, a saber: c1 = c2 = = ck = 0 . Si esta
solucion es u
nica, entonces se dice que S es un conjunto linealmente independiente (o que los vectores
de S son linealmente independientes). Si existen otras soluciones, entonces se dice que S es linealmente
dependiente (los vectores son linealmente dependientes).
Ejemplo El vector 2X X2 de P2 [X] esta generado por los vectores X 1 y X2 2:
2 = 0
=2
2X X2 = (X 1) + (X2 2) = X + X2 2 = ( 2) + X + X2 =

= 1
luego 2X X2 = 2(X 1) + (1)(X2 2) .
Ejemplo Los polinomios X + 2 y X2 de P2 [X] son linealmente independientes: si (X + 2) + X2 = 0 (al
polinomio cero), se tiene que 0 = (X + 2) + X2 = 2 + X + X2 = 2 = 0 , = 0 y = 0, ya que los
coeficientes de ambos polinomios deben coincidir.
4
Nota: Si los vectores { v1 , v2 , . . . , vk } son linealmente dependientes, al menos uno de ellos se puede escribir
como una combinacion lineal de los restantes; y si son linealmente independientes ninguno de ellos puede ser
generado por los restantes. Es decir, se tiene la siguiente caracterizacion para que un conjunto de dos o mas
vectores sea linealmente dependiente (ver ejercicio 4.7):
Un conjunto de dos o mas vectores es linealmente dependiente si, y solo si, al menos uno
de los vectores es una combinacion lineal de los restantes.

4.3

Base y dimensi
on

Lema 94.- Si vn+1 = c1 v1 + + cn vn , entonces lin{v1 , . . . , vn , vn+1 } = lin{ v1 , . . . , vn } .

Es facil asumir que este resultado es cierto, ya que cualquier combinacion lineal de los n + 1 vectores puede
reconvertirse a una combinacion lineal de los n primeros, por simple sustitucion. En otras palabras, puede
reducirse el n
umero de generadores mientras haya dependencia lineal, lo que nos lleva a:
Definici
on 95.- Sean V un espacio vectorial y S un conjunto finito de vectores de V . Diremos que S es una
base de V si:
a) S es linealmente independiente
y
b) S genera a V

Prof: Jos
e Antonio Abia Vian

I.T.I. en Electricidad


43 Matematicas I : Algebra
Lineal

4.3 Base y dimensi

on

Observaci
on: El comentario anterior a esta definicion nos indica la manera de reducir un conjunto generador
del espacio a una base.
Igualmente, podemos construir una base a partir de un conjunto linealmente independiente de vectores: si
S es linealmente independiente y lin S 6= V , tomando v V pero que v
/ lin S , el conjunto S { v } es
linealmente independiente (ver el Lema 96 siguiente); y as, se a
naden vectores a S hasta generar V .
Lema 96.- Si S es un conjunto linealmente independiente de vectores de V y v V lin S , entonces S{v }
es linealmente independiente.
.
De cierta forma, estamos diciendo que una base tiene el menor n
umero posible de generadores y el mayor
n
umero posible de vectores linealmente independientes (ver Lema 97 siguiente); luego no tendra una base un
n
umero fijo de vectores? La respuesta la proporciona el Teorema de la base.
Lema 97.- Sean V un espacio vectorial y B una base de V formada por n vectores. Entonces cualquier
conjunto { v1 , v2 , . . . , vm } de vectores de V, con m > n , es linealmente dependiente.
.
Teorema de la base 98.- Cualesquiera dos bases de un espacio vectorial tienen el mismo n
umero de elementos.
Demostracion:
La demostracion es muy sencilla si tenemos en cuenta el Lema anterior, pues si B1 es una base de n elementos
y B2 es una base de m elementos, por ser B1 base y B2 linealmente independiente, m 6> n y por ser B2 base
y B1 linealmente independiente n 6> m , luego n = m.
Definici
on 99.- Un espacio vectorial V se dice de dimensi
on finita si tiene un conjunto finito de vectores
que forman una base, y llamaremos dimensi
on de V , dim V , al n
umero de vectores de cualquier base de V .
Al espacio vectorial V = {0 } le consideramos de dimension finita, de dimension cero, a
un cuando no tiene
conjuntos linealmente independientes.
Si no existe un conjunto finito de este tipo, se dice que V es de dimensi
on infinita (y no nos son ajenos pues
IR[X] es un espacio vectorial de dimensi
on infinita).

Ejemplo P2 [X] = {P (X) IR[X] : gr(P ) 2} tiene dimension 3, pues B = {1, X, X2 } forman una base. En
general, dim(Pn [X]) = n + 1 y B = {1, X, . . . , Xn } es una base suya.
Ejemplo 100 Los conjuntos IRn = IR IR IR = {(x1 , . . . , xn ) : xi IR, i}
habituales de suma y producto por escalares
x + y = (x1 , . . . , xn ) + (y1 , . . . , yn ) = (x1 + y1 , . . . , xn + yn )
x = (x1 , . . . , xn ) = (x1 , . . . , xn )

con las operaciones

son espacios vectoriales con dim IRn = n , ya que cualquier vector x IRn puede escribirse de la forma
x = (x1 , x2 , . . . , xn ) = x1 (1, 0, . . . , 0) + x2 (0, 1, . . . , 0) + + xn (0, 0, . . . , 1)
y este conjunto de vectores
n
o
B = e1 = (1, 0, . . . , 0), e2 = (0, 1, . . . , 0), . . . , en = (0, 0, . . . , 1)
es linealmente independiente. A esta base se la denomina base can
onica de IRn .

Conocer a priori la dimension de un espacio facilita la obtencion de bases:

Proposici
on 101.- Si V es un espacio vectorial, con dim V = n. Entonces, un conjunto de n vectores de V
es base de V ,
b) si genera a V .
.
a) si el conjunto es linealmente independiente, o

4.3.1

Coordenadas en una base

Definici
on 102.- Sean V un espacio vectorial de dimension finita y B = {v1 , v2 , . . . , vn } una base de V .
Para cada vector v V , se llaman coordenadas de v en la base B a los n u
nicos n
umeros reales
c1 , c2 , . . . , cn tales que v = c1 v1 + c2 v2 + + cn vn .
Fijando un orden para los vectores de la base, el vector de IRn , de las coordenadas de v en B se denota
por ( v )B = (c1 , c2 , . . . , cn ) y mas usualmente por [ v ]B cuando lo escribimos como vector columna en las
operaciones con matrices: [ v ]B = (c1 , c2 , . . . , cn )t .
Prof: Jos
e Antonio Abia Vian

I.T.I. en Electricidad


44 Matematicas I : Algebra
Lineal

4.3 Base y dimensi

on

Ejemplo Si B = { v1 , v2 , v3 } es una base de V y v = v1 v2 + 2 v3 , se tiene que

( v )B = (1, 1, 2)
( v1 )B = (1, 0, 0)
( v2 )B = (0, 1, 0)
( v3 )B = (0, 0, 1)

o tambien
1
1
0
0
[v]B = 1
[v1 ]B = 0
[v2 ]B = 1
[v3 ]B = 0
2
0
0
1

Nota: Al usar vectores de coordenadas, es imprescindible mantener el orden de los vectores. Si, en el ejemplo
anterior, tomamos como base B1 = { v2 , v3 , v1 }, tenemos que ( v )B1 = (1, 2, 1) que es un vector de
coordenadas distinto de ( v )B = (1, 1, 2).
Fijada una base, la unicidad de las coordenadas asigna a cada vector de V un u
nico vector de IRn , de manera
que disponer de las coordenadas es, en el fondo, disponer del vector. Ademas, se cumple (ver ejercicio 4.14):
[ v + w ]B = [ v ]B + [w ]B

[ v ]B = [v ]B ,

luego [1 v1 + +n vn ]B = 1 [v1 ]B + + n [ vn ]B

y con esto, no es dificil probar que:

v lin{v1 , . . . , vk } V [v]B lin{[v1 ]B , . . . , [vk ]B } IRn
{v1 , . . . , vk } lin. independiente en V {[v1 ]B , . . . , [vk ]B } lin. independiente en IRn
{v1 , . . . , vn } base de V {[v1 ]B , . . . , [vn ]B } base de IRn
por lo que se puede trabajar sobre las coordenadas en lugar de sobre los vectores.

4.3.2

Espacios de las filas y las columnas de una matriz

De lo anterior, tenemos que independientemente del espacio vectorial en que nos encontremos, fijada una base,
podemos trasladar todo el trabajo operativo sobre los vectores de IRn ; por lo que resulta muy interesante
conocer esta seccion.

a11 a12 . . . a1n

a21 a22 . . . a2n

Definici
on 103.- Consideremos la matriz Amn = .
..
.. .
..
.
...
.
am1 am2 . . . amn
Los m vectores de IRn : r1 = (a11 , . . . , a1n ), r2 = (a21 , . . . , a2n ), . . . , rm = (am1 , . . . , amn ) , se denominan
vectores fila de A y al subespacio lineal generado por ellos, Ef (A) = lin{r1 , r2 , . . . , rm } , espacio de las
filas de A. Por supuesto Ef (A) IRn .
Los n vectores de IRm : c1 = (a11 , . . . , am1 ) , c2 = (a12 , . . . , am2 ), . . . , cn = (a1n , . . . , amn ), se denominan
vectores columna de A y el subespacio lineal generado por ellos, Ec (A) = lin{c1 , c2 , . . . , cn } , espacio de
las columnas de A. Por supuesto Ec (A) IRm .
Proposici
on 104.- Si A es una matriz de tama
no mn , entonces las operaciones elementales sobre las filas
(resp. columnas) de A no cambian el espacio de las filas (resp. columnas) de A.
Demostracion:
Puesto que hacer operaciones elementales sobre las filas es hacer combinaciones lineales de los vectores fila, el
subespacio lineal generado es el mismo. (Igual para las columnas.)
Corolario 105.- Sea A una matriz, entonces:
a) Los vectores no nulos de una forma escalonada de la matriz A , forman una base de Ef (A) .
b) Los vectores no nulos de una forma escalonada de la matriz At , forman una base de Ec (A) .
Demostracion:
Basta probar que los vectores no nulos de una forma escalonada son linealmente independientes, pero eso se
comprueba facilmente ya que debajo de cada elemento principal solo hay ceros.
Prof: Jos
e Antonio Abia Vian

I.T.I. en Electricidad


45 Matematicas I : Algebra
Lineal

4.4 Cambios de base

Teorema 106.- Sea A una matriz de tama

no mn , entonces:

dim(Ef (A)) = dim(Ec (A)).

Demostracion:
El resultado es inmediato, teniendo en cuenta que rg(A) = rg(At ), y que el rango coincide con el n
umero de
vectores no nulos en la forma escalonada, as como el resultado anterior.
Estos resultados nos permiten usar el metodo de Gauss, y por lo tanto nos ofrecen un operativo sencillo, para
comprobar cuando un conjunto de vectores es linealmente independiente y para obtener bases.
Ejemplo Los vectores X 1, X + 1 y X2 1 de P2 [X] son linealmente independientes?
Tomemos la base B = {1, X, X2 } de P2 [X], entonces formamos por filas la matriz:

F2 +F1
(X 1)B
1 1 0 F + 1 F
1 1 0
1 1 0
F3 F1
2 2
0 2 0 3
0 2 0
A = (X + 1)B = 1 1 0
2
0 1 1
0 0 1
1 0 1
(X 1)B
Por lo anterior, los vectores fila de la u
ltima matriz son linealmente independientes y dim Ef (A) = 3 . En
consecuencia, los tres vectores fila de la matriz A inicial que generan Ef (A) son tambien base, luego linealmente
independientes y los polinomios del enunciado tambien son linealmente independientes.
Ademas, forman una base de P2 [X] (por que?).
4

4.4

Cambios de base

Puesto que las coordenadas estan referidas a una base, al cambiar la base de trabajo, habra que cambiar a las
coordenadas en la nueva base. Pero este proceso puede realizarse facilmente, teniendo en cuenta lo siguiente:
Definici
on 107.- Sean B1 = {u1 , u2 , . . . , un } y B2 = { v1 , v2 , . . . , vn } son bases de un espacio vectorial
V . Recibe el nombre de matriz de transici
on o matriz de cambio de la base B1 a la base B2 , la matriz
de dimensiones nn , que por columnas es

[u1 ]B2
[u2 ]B2

[un ]B2
P =
,
es decir, la columna i -esima esta constituida por las coordenadas en la base B2 , del vector ui de la base B1 .
En otras palabras, la matriz de cambio de base tiene por columnas las coordenadas en la base de llegada de
los vectores de la base de partida.
El porque la matriz de paso se contruye as, puede observarse en la prueba de la proposicion siguiente:
Proposici
on 108.- Sea P la matriz de paso de una base B1 en otra base B2 de un espacio V . Entonces:
1.- x V se tiene que [ x ]B2 = P [x ]B1 .
2.- P es inversible y su inversa, P 1 , es la matriz de paso de la base B2 a la base B1 .
Demostracion:
Sea B1 = {u1 , u2 , . . . , un } y sea x = c1 u1 + c2 u2 + + cn un . Entonces, Apartado 1:

c1

c
2
P [x]B1 = [u1 ]B2 [u2 ]B2 [un ]B2 .
..
cn
= c1 [u1 ]B2 + c2 [u2 ]B2 + + cn [un ]B2 = [c1 u1 + c2 u2 + + cn un ]B2 = [x]B2
Apartado 2: como los vectores de la base B1 son linealmente independientes, sus vectores de coordenadas en
la base B2 tambien lo son. Luego las columnas de P son vectores linealmente independientes y rg(P ) = n,
por lo que P es inversible.
Ademas, [ x ]B2 = P [ x ]B1 = P 1 [x ]B2 = P 1 P [x ]B1 = P 1 [x ]B2 = [ x ]B1
y P 1 es la matriz
de cambio de la base B2 en la base B1 .

Prof: Jos
e Antonio Abia Vian

I.T.I. en Electricidad


46 Matematicas I : Algebra
Lineal

4.5 Espacios vectoriales con producto interior

Ejemplo Consideremos las bases B = {1, X, X2 } y B1 = {X 1, X + 1, X2 1} de P2 [X].

La matriz de paso de la base B1 a la base B sera:

1 1

1 1 1
2
2
P = [X 1]B [X + 1]B [X2 1]B = 1 1 0 y P 1 = 21 12
0 0 1
0 0

1
2
1
2

la matriz de paso de B a B1 .
Ejemplo Consideremos en IR3 la base can
onica Bc = { e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)} y la base
B1 = {v1 = (1, 0, 1), v2 = (2, 1, 1), v3 = (0, 1, 1)}.
Como v1 = 1(1, 0, 0) + 0(0, 1, 0) 1(0, 0, 1) = e1 e3 , se tiene que ( v1 )Bc = (1, 0, 1) ; y lo mismo para
los otros vectores, luego la matriz de paso de la base B1 a la base Bc sera:

P =

[v1 ]Bc

[v2 ]Bc

[v3 ]Bc

1 2 0
= 0 1 1
1 1 1

1
1 2 0
= 0 1 1
1 1 1

P 1

la matriz de paso de la base Bc a la base B1 .

Nota: A la vista del ejemplo anterior, obtener las coordenadas de un vector de IRn en la base canonica de IRn
es inmediato, pues ( x )Bc = x . Pero ciudado!, al trabajar con vectores de IRn no hay que confundir el vector
con las coordenadas en una base, pues la igualdad anterior u
nicamente es cierta en la base canonica.

4.5
4.5.1

Espacios vectoriales con producto interior

Producto interior. Norma. Distancia

Definici
on 109.- Un producto interior en un espacio vectorial real V es una funcion que a cada par de
vectores u , v V le asocia un n
umero real, que denotaremos por h u , v i , de tal manera que se cumplen las
siguientes propiedades:
1.- h u , v i = h v , u i ; u , v V .
2.- h u + v , w i = h u , w i + h v , w i ; u , v , w V .
3.- hk u, v i = kh u , v i ; u , v V y k IR .
4.- h u , u i 0; u V

h u , u i = 0 u = 0 .

Otra propiedades que se deducen de las anteriores son:

1.- h 0, u i = 0

2.- h u , v + w i = h u , v i + h u , w i

3.- h u , k v i = kh u , v i

Ejemplo Considerar en P2 [X], la funcion hP (X), Q(X)i = P (1)Q(1) + P 0 (1)Q0 (1) + P 00 (1)Q00 (1) .
(1) hP (X), Q(X)i = P (1)Q(1) + P 0 (1)Q0 (1) + P 00 (1)Q00 (1)
= Q(1)P (1) + Q0 (1)P 0 (1) + Q00 (1)P 00 (1) = hQ(X), P (X)i

(2) hP (X) + R(X), Q(X)i = P (1) + R(1) Q(1) + P 0 (1) + R0 (1) Q0 (1) + P 00 (1) + R00 (1) Q00 (1)

= P (1)Q(1)+P 0 (1)Q0 (1)+P 00 (1)Q00 (1) + R(1)Q(1)+R0 (1)Q0 (1)+R00 (1)Q00 (1)
= hP (X), Q(X)i + hR(X), Q(X)i
0
0
00
00
(3) hkP (X), Q(X)i = kP
(1)Q(1) + kP (1)Q (1) + kP (1)Q (1)

= k P (1)Q(1) + P 0 (1)Q0 (1) + P 00 (1)Q00 (1) = khP (X), Q(X)i

Prof: Jos
e Antonio Abia Vian

I.T.I. en Electricidad


47 Matematicas I : Algebra
Lineal

4.5 Espacios vectoriales con producto interior

2
2
2
(4) hP (X), P (X)i = P (1)P (1) + P 0 (1)P 0 (1) + P 00 (1)P 00 (1) = P (1) + P 0 (1) + P 00 (1) 0 .
Y, se da la igualdad si y solo si, P (1) = P 0 (1) = P 00 (1) = 0. Entonces, sea P (X) = a + bX + cX2 , de donde
P (X) = b + 2cX y P 00 (X) = 2c ; de las igualdades se
tiene:
a+b+c=0
b + 2c = 0
P (1) = P 0 (1) = P 00 (1) = 0
a = b = c = 0 P (X) = 0 .

2c = 0
Luego tenemos un producto interno definido en P2 [X] .
4
0

A partir de un producto interior sobre un espacio V se definen los conceptos de norma, distancia y angulo.
Definici
on 110.- Si V es un espacio vectorial con producto interior, entonces la
m
odulo) de un vector v V se denota mediante kv k y se define como
p
k v k = + h v , v i.

norma (o longitud o

La distancia entre dos vectores u y v de V se denota mediante d( u , v ) y se define como

p
d( u, v ) = ku v k = + h u v , u v i.
Desigualdad de Cauchy-Schwarz 111.- Para todo u , v V, espacio con producto interior, se tiene
2

hu, vi2 kuk kvk

Propiedades b
asicas de la norma 112.-

o en la forma

|hu, vi| kuk kvk .

Propiedades b
asicas de la distancia 113.-

1.- ku k 0 ; u V

1.- d( u , v ) 0; u , v V

2.- ku k = 0 u = 0

2.- d( u , v ) = 0 u = v

3.- kk u k = |k| k u k; u V y k IR

3.- d( u , v ) = d(v , u) ; u, v V

4.- ku + v k k uk+kv k ; u , v V

4.- d( u , v ) d(u , w )+d( w , v ); u, v , w V

La prueba de estas propiedades es analoga a la de las propiedades del modulo colplejo.

Observaci
on: Sean V un espacio con producto interior y B = {u1 , . . . , un } una base de V . Tomemos dos
vectores v = a1 u1 + + an un y w = b1 u1 + + bn un , entonces
hv, wi = ha1 u1 + + an un , wi = a1 hu1 , wi + + an hun , wi
= a1 hu1 , b1 u1 + + bn un i + + an hun , b1 u1 + + bn un i
= a1 hu1 , u1 ib1 + + a1 hu1 , un ibn + + an hun , u1 ib1 + + an hun , un ibn

hu1 , u1 i hu1 , un i
b1

..
..
..
t
..
= a1 an
. = (v)B QB [w]B = [v]B QB [w]B
.
.
.
hun , u1 i hun , un i

bn

luego, fijada una base, un producto interior se puede obtener a partir de las coordenadas en la base. La matriz
QB obtenida se denomina matriz de Gram o matriz metrica. Por las propiedades del producto interior, QB
es simetrica y los elementos de la diagonal positivos.
4.5.1.1

El espacio eucldeo n -dimensional IRn

Definici
on 114.- Sobre el espacio vectorial IRn definimos la funcion que a cada x , y IRn le asocia
n
P
h x , y i = x y = (x1 , . . . , xn ) (y1 , . . . , yn ) = x1 y1 + + xn yn =
xi yi
i=1

Como puede comprobarse facilmente dicha funcion es un producto interior, el que se conoce como producto
interior eucldeo o producto escalar eucldeo (ya usado en IR2 y IR3 ).
Este producto interior da lugar a la norma y distancia eucldeas, ya conocidas:
p
p
k x k = x21 + + x2n y d( x , y ) = kx y k = (x1 y1 )2 + + (xn yn )2 .
Se llama espacio eucldeo n -dimensional a IRn con el producto interior eucldeo.
Prof: Jos
e Antonio Abia Vian

I.T.I. en Electricidad


48 Matematicas I : Algebra
Lineal

4.5 Espacios vectoriales con producto interior

Nota: Si la matriz metrica del producto interior en la base B , QB , es la identidad, el producto interior se
reduce al producto escalar eucldeo de los vectores de coordenadas. Esto ocurre precisamente para las bases
ortonormales que se estudian en la siguiente seccion.

4.5.2

Ortogonalidad

Definici
on 115.- Si u y v son vectores distintos de cero de un espacio con producto interior, como conse,v i
cuencia de la desigualdad de Cauchy-Schwarz se tiene que 1 khuukk
nico
v k 1 y, por tanto, existe un u

angulo, , tal que

hu, v i
cos =
, con 0
k uk k v k
Definici
on 116.- En un espacio vectorial con producto interior, dos vectores u y v se dicen que son ortogonales si h u, v i = 0. Suele denotarse por u v .
Si u es ortogonal a todos los vectores de un conjunto W , se dice que u es ortogonal a W .
Se dice que S = {v1 , v2 , . . . , vk } es un conjunto ortogonal si los vectores son ortogonales dos a dos, es
decir, si vi vj para todo i 6= j .
Ejemplo Los vectores de la base canonica de IR3 con el producto escalar eucldeo son ortogonales entre si,
pero no lo son si el producto interior definido es:
h v , w i = v1 w1 + v1 w2 + v2 w1 + 2v2 w2 + v3 w3 . (Pruebese
que es un producto interior). En efecto: h e1 , e2 i = h(1, 0, 0), (0, 1, 0)i = 0 + 1 + 0 + 0 + 0 = 1 6= 0.
4
Nota: Si dos vectores son ortogonales, el angulo que forman es de radianes (los famosos 90 grados). De hecho,
en IRn con el producto escalar eucldeo, la ortogonalidad coincide con la perpendicularidad.
Una curiosidad:
Teorema general de Pit
agoras 117.- Si u y v son dos vectores ortogonales de un espacio vectorial con
producto interior, entonces
2
2
2
ku + v k = kuk + kv k .
Este resultado, de facil comprobacion, se reduce en IR2 con el producto escalar al Teorema de Pitagoras.
Tambien es sencillo probar el resultado siguiente (ver ejercicio 4.21):
Proposici
on 118.- Si w { v1 , v2 , . . . , vk } , entonces w lin{ v1 , v2 , . . . , vk } .
Mucho mas interesante es el siguiente, que relaciona ortogonalidad e independencia:
Teorema 119.- Si S = {v1 , v2 , . . . , vk } un conjunto finito de vectores no nulos, ortogonales dos a dos,
entonces S es linealmente independiente.
.
4.5.2.1

Bases ortonormales. Proceso de Gram-Schmidt

Definici
on 120.- Sean V un espacio vectorial de dimension n con producto interior. Se dice que la base
B = {v1 , v2 , . . . , vn } es una base ortonormal de V , si B es un conjunto ortogonal y kvi k = 1 , i .
n

o
1 1
1 , 1 ,
Ejemplo Las bases canonica y B1 =
,
son ortonormales en IR2 con el producto escalar
2
2
2
2

eucldeo. La base B2 = {(2, 0), (0, 2)} es ortonormal para el producto interior hx, yi = x14y1 + x22y2 . 4
Teorema 121.- Si B = {v1 , v2 , . . . , vn }es una base ortonormal para un
espacio V con producto interior,
entonces v V se tiene que ( v )B = h v , v1 i, hv , v2 i, . . . , h v , vn i . Es decir,
v = h v , v1 i v1 + h v , v2 i v2 + + h v , vn i vn ,
Demostracion:
Si v = c1 v1 + + ci vi + + cn vn , para cada i, se tiene que
hv, vi i = hc1 v1 + + ci vi + + cn vn , vi i
2

= c1 hv1 , vi i + + ci hvi , vi i + + cn hvn , vi i = ci hvi , vi i = ci kvi k = ci

Prof: Jos
e Antonio Abia Vian

I.T.I. en Electricidad


49 Matematicas I : Algebra
Lineal

4.6 Ejercicios

Es decir, en una base ortonormal, la obtencion de cordenadas puede resultar mas sencilla. Pero no solo eso, si
no que tambien se tiene:
Teorema 122.- Si P es la matriz de paso de una base ortonormal B1 a otra base ortonormal B2 , entonces
P es una matriz ortogonal (es decir, P 1 = P t ).
La prueba es puramente operativa, usando la definicion de matriz de paso y el apartado b) del ejercicio 4.24
(ver tambien el ejercicio 4.29).
Definici
on 123.- Sean V un espacio vectorial con producto interior, W subespacio de V y B =
{ w1 , w2 , . . . , wk } una base ortonormal de W . Para cada v V , llamaremos proyecci
on ortogonal
de v sobre W al vector de W
ProyW ( v ) = h v , w1 i w1 + h v , w2 i w2 + + h v , wk iwk .
Al vector v ProyW ( v ) se le llama componente ortogonal de v sobre W .
El vector proyeccion ortogonal no depende la base ortonormal elegida, es decir, tomando cualquier base
ortonormal se obtiene el mismo vector. La prueba puede encontrarse en el Anexo 1, pag. 49, tras la demostracion
del Lema 124 siguiente.
Lema 124.- Sean V un espacio vectorial con producto interior, W un subespacio de V y B una base ortonormal de W . Entonces para cada v V , el vector v ProyW ( v ) es ortogonal a W .
.
Proceso de ortonormalizaci
on de Gram-Schmidt 125.- Sean V un espacio vectorial con producto interior y
de dimension finita. Vamos a describir este proceso que construye a partir de una base B = { v1 , v2 , . . . , vn }
una base ortonormal B = { u1 , u2 , . . . , un } .
Demostracion:
1 a etapa.- Como v1 6= 0 por ser de B , el vector u1 =

v1
tiene norma 1 y lin{u1 } = lin{v1 } .
kv1 k

2 a etapa.- Sea W1 = lin{ u1 }, por el Lema anterior, el vector v2 ProyW1 ( v2 ) es ortogonal a W1 , en

particular a u1 , y es distinto del vector 0 pues ProyW1 ( v2 ) W1 y v2
/ W1 = lin{ v1 }, entonces tiene que
v2 ProyW1 ( v2 )
v2 h v2 , u1 i u1

u2 =
v2 ProyW ( v2 ) = k v2 h v2 , u1 i u1 k lin{ v1 , v2 }
1
es ortogonal a u1 y tiene norma 1. Ademas, lin{ u1 , u2 } = lin{v1 , v2 } .
3 a etapa.- Sea ahora W2 = lin{ u1 , u2 } , como antes, el vector v3 ProyW2 ( v3 ) es ortogonal a W2 , en
particular a u1 y u2 , y es distinto del vector 0 , pues ProyW2 ( v3 ) W2 y v3
/ W2 = lin{v1 , v2 },
entonces se tiene que
v3 ProyW2 (v3 )
v3 h v3 , u1 i u1 h v3 , u2 iu2

u3 =
v3 ProyW (v3 ) = k v3 h v3 , u1 i u1 h v3 , u2 iu2 k lin{v1 , v2 , v3 }
2
es ortogonal a u1 y u2 , y tiene norma 1. Ademas, lin{ u1 , u2 , u3 } = lin{v1 , v2 , v3 } .
n a etapa.- Con la repeticion del proceso se ha construido un conjunto ortonormal de n vectores no nulos,
B = { u1 , u2 , . . . , un } , tal que lin B = lin B = V . Luego B es una base ortonormal de V .

4.6

Ejercicios

4.1 Determinar si son espacios vectoriales los siguientes conjuntos:

a) IR2 con las operaciones: (x, y) + (x0 , y 0 ) = (x + x0 , y + y 0 ) y k(x, y) = (2kx, 2ky) .
b) A = {(x, 0) : x IR} con las operaciones usuales de IR2 .
c) IR2 con las operaciones: (x, y) + (x0 , y 0 ) = (x + x0 + 1, y + y 0 + 1) y k(x, y) = (kx, ky) .
d) El conjunto de los n
umeros reales estrctamente positivos, IR+ {0} , con las operaciones: x+x0 = xx0
k
y kx = x .

Prof: Jos
e Antonio Abia Vian

I.T.I. en Electricidad


50 Matematicas I : Algebra
Lineal

4.6 Ejercicios

4.2 Cuales de los siguientes conjuntos son subespacios vectoriales de IR3 o IR4 ?
a) {(a, 1, 1) IR3 : a IR} IR3

b) {(a, b, c) IR3 : b = a + c} IR3

c) {(a, b, c, d) IR4 : a + 2d = 7} IR4

d) {(a, b, c, d) IR4 : ba = 0} IR4

4.3 Sean v1 = (2, 1, 0, 3) , v2 = (3, 1, 5, 2) y v3 = (1, 0, 2, 1) vectores de IR4 . Cuales de los vectores
(2, 3, 7, 3) , (0, 0, 0, 0), (1, 1, 1, 1) y (4, 6, 13, 4) , estan en lin{ v1 , v2 , v3 } ?
1
1
1
1 1
4.4 Para que valores reales de los vectores v1 = (, 1
2 , 2 ) v2 = ( 2 , , 2 ) y v3 = ( 2 , 2 , ) forman
un conjunto linealmente dependiente en IR3 ?

4.5 Dados tres vectores linealmente independientes u , v y w , demostrar que u + v , v + w y w + u son

tambien linealmente independientes.
4.6 Sea V un espacio vectorial y S = { v1 , . . . , vk } un conjunto de vectores de V . Probar que:
a) lin S es un subespacio vectorial de V .
b) Si W es un subespacio de V que contiene a los vectores de S , entonces lin S W .
4.7 Probar que si los vectores v1 , . . . , vk son linealmente dependientes, al menos uno de ellos se puede
escribir como una combinacion lineal de los restantes.
4.8 Determinar la dimension de los siguientes subespacios de IR4 :
a) Todos los vectores de la forma (a, b, c, 0) .
b) Todos los vectores de la forma (a, b, c, d) con d = a + b y c = a b .
c) Todos los vectores de la forma (a, b, c, d) con a = b = c = d.
4.9 Demostrar que los vectores solucion de un sistema no homogeneo compatible, AX = B , de m ecuaciones
con n incognitas no forman un subespacio de IRn . Que ocurre si el sistema es homogeneo, es decir, si
B = 0?
4.10 Sean E y F subespacios de un espacio V . Probar que:
subespacio de V .

E F = {v V : v E y v F } es un

4.11 Considerar en IR4 los conjuntos de vectores:

A = {(1, 2, 1, 3), (0, 1, 0, 3)}

B = {(1, 1, 1, 0), (2, 3, 1, 2), (0, 0, 0, 1)}

a) Hallar las dimensiones de lin(A) y de lin(B), y encontrar una base

b) Hallar las ecuaciones parametricas de lin(A) y de lin(B) .
c) Hallar las ecuaciones cartesianas de lin(A) y de lin(B).
d) Hallar la dimension de lin(A) lin(B) .
4.12 Consideremos en el espacio vectorial IR3 la base B = {u1 , u2 , u3 } . Sea E el subespacio engendrado
por los vectores
v1 = u1 + 3 u3 , v2 = 2 u1 3 u2 + u3 , v3 = 4u1 3u2 + 7 u3 .
Sea F el subespacio engendrado por los vectores
w1 = u1 + u2 + u3 , w2 = 2 u1 + 3 u2 + 4 u3 , w3 = 3 u1 + 4 u2 + 5 u3 .
Hallar una base de E , una base de F , el subespacio E F y una base de E F .
4.13 Sea M22 el espacio vectorial de las matrices cuadradas de orden 2 sobre IR y sea E el subconjunto de

a
b+c
M22 formado por las matrices de la forma
con a, b, c IR .
b + c a
a) Demostrar que E es un subespacio vectorial.

1 0
0 1
0 1
b) Probar que las matrices A1 =
, A2 =
y A3 =
, forman una base de E .
0 1
1 0
1 0
4.14 Sea B una base de un espacio vectorial V de dimension n. Demostrar que el conjunto {v1 , v2 , . . . , vn }
es una base de V si, y solo si el conjunto {[ v1 ]B , [ v2 ]B , . . . , [vn ]B } es una base de IRn .
Prof: Jos
e Antonio Abia Vian

I.T.I. en Electricidad


51 Matematicas I : Algebra
Lineal

4.6 Ejercicios

4.15 En una cierta base { u1 , u2 , u3 , u4 } de un espacio vectorial V , un vector w tiene por coordenadas
(3, 1, 2, 6). Hallar las coordenadas de W en otra base { v1 , v2 , v3 , v4 } cuyos vectores verifican que
v1 = u1 + u2 ,
v2 = 2 u4 u1 ,
v3 = u2 u3
y
v4 = 2 u1 u2 .
4.16 En IR3 se consideran las bases B = { v1 = (2, 0, 0), v2 = (0, 1, 2), v3 = (0, 0, 3)} y la base canonica
Bc = {e1 , e2 , e3 }. Hallar las coordenadas respecto de la base B del vector x = 4 e1 + e2 5 e3 .
4.17 Se consideran en IR3 las bases B = { u1 , u2 , u3 } y B 0 = {v1 , v2 , v3 }, siendo
u1 = (3, 0, 3) , u2 = (3, 2, 1) , u3 = (1, 6, 1) y
v1 = (6, 6, 0) , v2 = (2, 6, 4) , v3 = (2, 3, 7).
a) Hallar la matriz de paso de B a B 0 .
b) Calcular la matriz de coordenadas, [ w ]B , siendo w = (5, 8, 5).
c) Calcular [ w ]B 0 de dos formas diferentes
4.18 Sean u = (u1 , u2 , u3 ) y v = (v1 , v2 , v3 ) . Determinar si h u, v i = u1 v1 u2 v2 + u3 v3 define un producto
interior en IR3 .
4.19

a) Encontrar dos vectores de IR2 con norma eucldea uno y cuyo producto interior eucldeo con (2, 4)
sea cero.
b) Demostrar que hay un n
umero infinito de vectores en IR3 con norma eucldea uno y cuyo producto
interior eucldeo con (1, 7, 2) es cero.

1
4.20 Sean a = ( 15 ,
) y b = ( 230 , 330 ) . Demostrar que { a , b} es ortonormal si IR2 tiene el producto
5
interior h u , v i = 3u1 v1 + 2u2 v2 donde u = (u1 , u2 ) y v = (v1 , v2 ), y que no lo es si IR2 tiene el producto
interior eucldeo.

4.21 Sea V un espacio con producto interior. Demostrar que si w es ortogonal a cada uno de los vectores
v1 , v2 , . . . , vk entonces es ortogonal a lin{v1 , v2 , . . . , vk }.
4.22 Considera IR3 con el producto interior euclideo. Utiliza el proceso de Gram-Schmidt para transformar,
en cada caso, la base {u1 , u2 , u3 } en una base ortonormal.
a) u1 = (1, 1, 1) , u2 = (1, 1, 0) , u3 = (1, 2, 1).
b) u1 = (1, 0, 0) , u2 = (3, 7, 2) , u3 = (0, 4, 1).
4.23 Sea IR3 con el producto interior h u , v i = u1 v1 + 2u2 v2 + 3u3 v3 . Utilizar el proceso de Gram-Schmidt
para transformar la base formada por los vectores u1 = (1, 1, 1) , u2 = (1, 1, 0) y u3 = (1, 0, 0) en una
base ortonormal.
4.24 Sea B = { v1 , v2 , v3 } una base ortonormal de un espacio V con producto interior. Probar que:
2

a) k w k = h w , v1 i2 + h w , v2 i2 + h w , v3 i2 ;
b) h u , w i = ( u )B ( w )B = [ u ]tB [ w ]B ;

w V.

u, w V .

4.25 Tomemos en IR4 el producto interior euclideo. Expresar el vector w = (1, 2, 6, 0) en la forma w = w1 +
w2 donde, w1 este en el subespacio W generado por los vectores u1 = (1, 0, 1, 2) y u2 = (0, 1, 0, 1),
y w2 sea ortogonal a W .
4.26 Suponer que IR4 tiene el producto interior euclideo.
a) Hallar un vector ortogonal a u1 = (1, 0, 0, 0) y u4 = (0, 0, 0, 1), y que forme angulos iguales con los
vectores u2 = (0, 1, 0, 0) y u3 = (0, 0, 1, 0) .
b) Hallar un vector x de longitud 1, ortogonal a u1 y a u2 , tal que el coseno del angulo entre x y
u3 sea el doble del coseno del angulo entre x y u4 .
4.27 Hallar la distancia del vector u = (1, 1, 1, 1) de IR4 al subespacio generado por los vectores v1 = (1, 1, 1, 0)
y v2 = (1, 1, 0, 0) .

Prof: Jos
e Antonio Abia Vian

I.T.I. en Electricidad


52 Matematicas I : Algebra
Lineal

4.6 Ejercicios

4.28 Dados los vectores x = (x1 , x2 , x3 ) e y = (y1 , y2 , y3 ) de IR3 , demostrar que la expresion h x , y i =
2x1 y1 + 2x2 y2 + x3 y3 + x1 y2 + x2 y1 define un producto interior.
Encontrar una base { u1 , u2 , u3 } ortonormal respecto al producto interior anterior tal que u2 y u3
tengan igual direccion y sentido que los vectores (0, 1, 0) y (0, 0, 1) , respectivamente.
4.29 Probar que una matriz A de orden n es ortogonal si, y solo si sus vectores fila forman un conjunto
ortonormal en IRn .

Prof: Jos
e Antonio Abia Vian

I.T.I. en Electricidad