Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Producto Interno
Producto Interno
Parte II
Algebra
Lineal
Prof: Jos
e Antonio Abia Vian
I.T.I. en Electricidad
41 Matematicas I : Algebra
Lineal
Tema 4
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
= 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
Prof: Jos
e Antonio Abia Vian
I.T.I. en Electricidad
43 Matematicas I : Algebra
Lineal
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 )
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 .
4.3.1
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
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
4.3.2
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.
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
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
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
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
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 .
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)
Prof: Jos
e Antonio Abia Vian
I.T.I. en Electricidad
47 Matematicas I : Algebra
Lineal
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
o en la forma
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
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
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
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
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
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
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
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
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 ?
E F = {v V : v E y v F } es un
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