Contenido

Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Espacios vectoriales
Jose Angel Nieves Vazquez
Instituto Tecnol
ogico Superior de San Andr
es Tuxtla, Veracruz, M
exico

4 de mayo de 2016

Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Espacio vectorial

Subespacio vectorial

Independencia lineal

Base y dimension

Producto interno

Base ortonormal

Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Definicion de espacio vectorial

Sea V un conjunto de elementos sobre el cual se definen dos
operaciones llamadas suma vectorial y multiplicaci
on escalar.
Entonces, se dice que V es un espacio vectorial si se satisfacen las
siguientes diez propiedades.
Axiomas para la suma vectorial:
si u V y v V , entonces u + v V
tenga la propiedad conmutativa, es decir
u + v = v + u, u, v V
tenga la propiedad asociativa, es decir
u + (v + w) = (u + v) + w, u, v , w V
tenga elemento neutro 0, es decir 0 V : u + 0 = u, u V
tenga elemento opuesto, es decir
u V , u V : u + (u) = 0
Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Axiomas para la multiplicaci

on escalar:
si x V y K es un escalar, entonces K x V
asociativa de la multiplicai
on por escalares
a(bu) = (ab)u, a, b K , u V
1 K , 1u = u, u V
primera ley distribuitiva
a(u + v) = au + av , a K , u, v V
segunda ley distribuitiva
(a + b)u = au + bu, a, b K , u V
Los elementos de K se llaman escalares.
Los elementos de V se llaman vectores.
Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Espacios vectoriales importantes

el conjunto R de n
umeros reales

el conjunto R 2 de pares ordenados

el conjunto R 3 de tripletas ordenadas

el conjunto R n de ntuplas ordenadas

el conjunto Pn de polinomios de grado menor o igual a n

el conjunto P de todos los polinomios

Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Definicion de subespacio

Sea V un espacio vectorial sobre K y U V no vaco,U es un

subespacio vectorial de V si:
u, v U, u + v U
u U, k K , ku U
U hereda las operaciones de V como aplicaciones bien definidas, es
decir que no escapan de U, y como consecuencia tenemos que U
es un espacio vectorial sobre K .

Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Ejemplo con demostracion

Queremos ver que R2 es un espacio vectorial sobre R. Veamos
pues que R2 juega el papel de V y R el de K :
Los elementos de V = R2 = R R son, de forma generica, pares
(x, y ) de nmeros reales.
Defino la operacion
u + v = (x1, y 1) + (x2, y 2) = (x1 + x2, y 1 + y 2) = (x3, y 3) que
pertenece a V , esto implica que la suma de vectores es interna y
bien definida.
u + v = (x1, y 1) + (x2, y 2) = (x1 + x2, y 1 + y 2) = (x2 +
x1, y 2+y 1) = (x2, y 2)+(x1, y 1) = v +u, esdeciru +v = v +u

Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Continua Ejemplo con demostracion

u + (v + w ) = u + ((x2, y 2) + (x3, y 3)) =

u + (x2 + x3, y 2 + y 3) = (x1, y 1) + ((x2 + x3), (y 2 + y 3)) =
(x1+(x2+x3), y 1+(y 2+y 3)) = (x1+x2+x3, y 1+y 2+y 3),
ahora vease que (u + v ) + w es lo mismo, es decir
u + (v + w ) = (u + v ) + w .

Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Ejemplo con demostracion

Continua ejemplo
u + (0, 0) = (x, y ) + (0, 0) = (x + 0, y + 0) = (x, y ) = u, es
decir (0, 0) = 0 cero de V .
u = (x, y ), u + (x, y ) = (x, y ) + (x, y ) =
(x x, y y ) = (0, 0) = 0, es decir u = (x, y ) en
general.

Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Ejemplo con demostracion

Defino la operacion au = a(x, y ) = (ax, ay ) = (x2, y 2) que

pertenece a V , esto implica que la multiplicaci
on de escalar por
vector es interna y bien definida.
a(bu) = a(b(x, y )) = a(bx, by ) = (a(bx), a(by )) =
((ab)x, (ab)y ) = (ab)(x, y ) = (ab)u, es decir a(bu) = (ab)u.
1u = 1(x, y ) = (1x, 1y ) = (x, y ) = u, es decir 1u = u.

Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Continua ejemplo

a(u + v ) = a((x1, y 1) + (x2, y 2)) = a(x1 + x2, y 1 + y 2) =

(a(x1 + x2), a(y 1 + y 2)) = (ax1 + ax2, ay 1 + ay 2) =
(ax1, ay 1) + (ax2, ay 2) = au + av , es decir
a(u + v ) = au + av .
(a + b)u = (a + b)(x, y ) = ((a + b)x, (a + b)y ) =
(ax + bx, ay + by ) = (ax, ay ) + (bx, by ) = au + bu, es decir
(a + b)u = au + bu.
Queda demostrado que es espacio vectorial.

Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Combinacion lineal
Un vector x se dice que es combinaci
on lineal de un conjunto de
vectores A = x1 , x2 , x3 , ..., xn si existe una forma de expresarlo
como suma de parte o todos los vectores de A multiplicados cada
uno de ellos por un coeficiente escalar a1 , a2 , ..., an , de forma que:
x = a1 x1 + a2 x2 + ... + an xn =

n
X

ai x i .

i=1

As, x es combinacion lineal de vectores de A si podemos expresar

x como una suma de m
ultiplos de una cantidad finita de elementos
de A.
Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Ejemplo:
2x + 3y 2z = 0.
Se dice que z es combinaci
on lineal de x y de y , porque podemos
3
escribir z = x + 2 y sin mas que despejar la z. De la misma
manera, despejando oportunamente, cada una de estas variables se
podra expresar como combinaci
on lineal de las otras dos. En otras
palabras, cuanto de cada vector del conjunto A necesito para que,
cuando se combinen linealmente dichos elementos, pueda formar al
vector x en cuestion.

Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Independencia lineal

Se dice que un conjunto de vectores x1 , x2 , . . . , xn es linealmente

independiente si las u
nicas constantes que satisfacen la ecuacion
a1 x1 + a2 x2 + + an xn = 0.
son a1 = a2 = = an = 0. Si el conjunto de vectores no es
linealmente independiente, entonces se dice que es linealmente
dependiente.

Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Ejemplo
Sea V = Rn y consideremos los siguientes elementos en V :
e1 =
e2 =
..
.

(1, 0, 0, . . . , 0)
(0, 1, 0, . . . , 0)

en = (0, 0, 0, . . . , 1).
Entonces e1, e2, ..., en son linealmente independientes. Estos
vectores constituyen la base can
onica en R.

Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Demostraci
on
Supongamos que a1 , a2 , , an son elementos de R tales que:
a1 e1 + a2 e2 + + an en = 0
Pero
a1 e1 + a2 e2 + + an en = (a1 , a2 , . . . , an )
entonces ai = 0 para todo i en 1, , n.

Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Base

En algebra lineal, se dice que un conjunto ordenado B es base de

un espacio vectorial V si se cumplen las siguientes condiciones:
1

Todos los elementos de B pertenecen al espacio vectorial V.

Los elementos de B forman un sistema linealmente

independiente.

Todo elemento de V se puede escribir como combinacion

lineal de los elementos de la base B (es decir, B es un sistema
generador de V).

Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Base
Observaciones adicionales
1

Las bases son conjuntos ordenados. Es decir que si bien a,b,c

y b,a,c generan el mismo espacio vectorial, las bases no son
iguales.

De la observacion anterior se desprende que las bases no son

u
nicas. En general, suele haber infinitas bases distintas para
un mismo espacio vectorial. Por ejemplo, si V = R3 , una base
muy sencilla de V es:B = {(1, 0, 0); (0, 1, 0); (0, 0, 1)}

la cual
onica de R3 . Otras bases de R3
es conocida como base can
0

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

son: B 00 = {(1, 1, 1); (1, 1, 0); (1, 0, 0)}

000
B = {(504, 0, 0); (0, 7, 0); (0, 0, 1/2)}
Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Base
Observaciones adicionales
En general, toda base de R3 estara formada por tres vectores
linealmente independientes que pertenezcan a R3 . Cuando el
espacio vectorial en s mismo es un conjunto finito entonces el
n
umero de bases distintas es finito.
1

Si V es un espacio vectorial de dimensi

on finita, entonces
todas las bases de V seran finitas y tendran la misma cantidad
de elementos.

No todas las bases tienen un n

umero finito de elementos. Por
ejemplo, las bases del espacio vectorial de los polinomios de
una variable tienen infinitos elementos. Una posible base es la
formada por las potencias de X:B = {1, X , X 2 , X 3 , . . . }
Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Base para un espacio vectorial

Considerese un conjunto de vectores B = x1 , x2 , x3 , , xn en un

espacio vectorial V . Si el conjunto B es linealmente independiente,
y si cada vector en V puede expresarse como una combinacion
lineal de dichos vectores, entonces se dice que B es una base para
V.

Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Base estandar
Aunque no es posible demostrarlo aqu, cada espacio vectorial tiene
una base. Por ejemplo, el espacio vectorial Pn de todos los
polinomios de grado menor o igual a n tiene la base
{1, x, x 2 , . . . , x n } ya que cualquier vector (polinomio) p(x) de
grado n o menor puede escribirse como la combinacion lineal
p(x)an x n + + a2 x 2 + a1 x + a0 . Para el espacio vectorial Rn , la
base estandar esta conformada por los n vectores
e1 = (1, 0, 0, . . . , 0), e1 = (0, 1, 0, . . . , 0) . . . , en = (0, 0, 0, . . . , 1)
Si B es una base para el espacio vectorial V , entonces para
cualquier vector v en V existen escalares ai , i = 1, 2, . . . , n tales
que
v = a1 x1 + a2 x2 + + an xn
Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Ejemplo
Demostrar que los vectores
v1 = (1, 0, 0), v2 = (1, 1, 0) v3 = (0, 2, 3)
forman una base.
Son linealmente independiente det(A)=-3
Son sistemas generadores de R3 porque cualquier vector
b = (b1 , b2 , b3 ) se puede poner como combinacion lineal de
ellos. Dado (b1 , b2 , b3 ), buscamos c1 , c2 , c3 que satisfagan.

Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Dimension de un espacio vectorial

La dimension de un espacio vectorial se define como el n
umero de
elementos o cardinal de una base de dicho espacio.
Ejemplo
Las dimensiones de los espacios vectoriales R, R2 , R3 y Rn son
de dimension 1,2,3 y n.
Puesto que existen n + 1 vectores en la base estandar
B = {1, x, x 2 , x 3 , . . . , x n }, la dimensi
on del espacio vectorial
Pn de polinomios de grado menor o igual a n es n + 1.

Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Cambio de base

Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Espacio vectorial con producto interno

Se sabe que para los vectores a y b en Rn puede definirse un

producto interior a = aT b. Esta definici
on puede ampliarse a
espacios vectoriales reales generales tomando las propiedades
basicas de a b como axiomas de un producto interior abstracto,
denotado por (a, b).

Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Definicion de un espacio con producto interior real

Un espacio vectorial real V se llama espacio con producto interior

real (o preespacio real de Hilbert) se tiene la siguiente propiedad.
Con cada par de vectores a y b en V esta asociado un n
umero
real, el cual se denota por (a, b) y se llama el producto interior de
a y b, de tal modo que los siguientes axiomas se satisfacen.

Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

para cualquiera escalar q1 y q2 y cualesquiera vectores a, b, c

en V ,
(q1 a, c + q2 b, c) = q1 (a, c) + q2 (b, c)
Para cualesquiera vectores a y b en V , (a, b) = (b, a)
Para cualquier a en V
a, a = 0, (a, a) = 0 si y solo si a = 0
Los vectores cuyo producto interior es cero se llaman ortogonales.
La longitud o norma de un vector en V se define ahora por
p
||a|| = (a, a) (= 0)
Un vector de norma 1 se llama vector unitario
Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Base ortonormal
En Rn se vio que n vectores linealmente independientes
constituyen una base. La de uso mas com
un es la base canonica
E = {e1 , e2 , . . . , en }. Estos vectores tienen 2 propiedades:
1

ei ej = 0 si i 6= j

ei ei = 1

Definici
on: Conjunto ortonormal en Rn se dice que un conjunto de
vectores S = {u1 , u2 , . . . , uk } en Rn es un conjunto ortonormal si
1

ui uj = 0 si i 6= j

ui ui = 1
Si solo se satisface la primera se dice que el conjunto es
ortogonal.
Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Longitud o norma de un vector

Si v Rn , entonces la longitud o norma de v, denotado por |v|,

esta dada por

|v| = v v
(1)
Nota: Si v = (x1 , x2 , . . . , xn ) entonces v v = x12 + x22 + + xn2 .
Esto significa que v v 0 y v v = 0 si y solo si v = 0. As, se
puede obtener la raz cuadrada en 1, y se tiene

|v| = v v para toda v Rn

|v| = 0 si y solo si v = 0

Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Ejemplo
La norma de unvector en R5 , si v = (2,
1, 3, 4, 6) R5 ,
entonces |v| = 4 + 1 + 9 + 16 + 36 = 66.
Podemos decir entonces que un conjunto de vectores es ortonormal
si cualquier par de ellos es ortogonal y cada uno tiene longitud 1.
Los conjuntos de vectores ortonormales son bastante sencillos de
manejar. Ahora se probara que cualquier conjunto finito de vectores
ortogonales diferentes de cero es linealmente independiente.
Teorema 1 Si S = {v1 , v2 , . . . , vn } es un conjunto ortogonal de
vectores diferentes de cero, entonces S es linealmente
independiente.

Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Demostracion
Suponga que c1 v1 + c2 v2 + + cn vn = 0. Entonces para
cualquier i = 1, 2, . . . , n
0 = 0 vi = (c1 v1 + c2 v2 + + ci vi + + cn vn ) vi
= c1 0 + c2 0 + + ci |vi |2 + + cn 0 = ci |vi |2
Como vi 6= 0 por hipotesis, |vi |2 > 0, y se tiene ci = 0. Esto es
cierto para i = 1, 2, . . . , n lo que completa la prueba.
Ahora se vera como cualquier base en Rn se puede convertir en
una base ortonormal. El metodo descrito en seguida se llama
proceso de ortogonalizaci
on de Gram-Schmidt.

Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Proceso de ortogonalizacion de Gram-Schmidt

Descripcion del algoritmo de ortogonalizaci

on de Gram-Schmidt
Los dos primeros pasos del proceso de Gram-Schmidt
Se define, en primer lugar, el operador proyecci
on mediante
cos
hv,ui
u
u = ||v||||u||
u
=
||v||
cos

proju v = hu,ui
||u||||u||1
||u|| ,
donde los corchetes angulares representan el producto interior. Es
evidente que v proju v
es un vector ortogonal a u. Entonces, dados los vectores
v1 , . . . , vn , el algoritmo de Gram-Schmidt construye los vectores
ortonormales e1 , . . . , en de la manera siguiente:

Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Proceso de ortogonalizacion de Gram-Schmidt

u1
u2
u3
..
.
uk

= v1 ,
e1 =
= v2 proju1 v2 ,
e2 =
= v3 proju1 v3 proju2 v3 , e3 =
..
.
Pk1
= vk j=1 projuj vk ,
ek =

u1
||u1 ||
u2
||u2 ||
u3
||u3 ||
uk
||uk ||

A partir de las propiedades de la proyecci

on y del producto escalar,
es sencillo probar que la sucesi
on de vectores u1 , . . . , un es
ortogonal.

Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Ejemplo 1

Considera el siguiente conjunto de vectores


enR2 (conel 
3
2
convencional producto interno)S = v1 =
, v2 =
.
1
2
Ahora, aplicamos Gram-Schmidt,para
 obtener un conjunto de
3
vectores ortogonales: u1 = v1 =
u = v2 proju1 v2 =
1 2
 
  

2
2
2/5
proj( 3 )
=
.
2
2
6/5
1

Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Ejemplo

Continua... Verificamos
quelosvectores
u1 y u2 son de hecho
3
2/5
ortogonales: hu1 , u2 i =
,
= 56 + 56 = 0.
1
6/5
Entonces podemos normalizar los vectores dividiendo por su norma
como hemos mostrado  
 


3
2/5
1
1
1
1
e2 = q 40
.
anteriormente:e1 = 10
= 10
1
3
6/5
25

Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Ejemplo 2
Construcci
on de una base ortonormal en R3 . Comenzamos con
la base

0
1
1
{v1 , v2 , v3 } = 1 , 1 , 0 .

0
1
1

1/2

Soluci
on Se tiene |v1 | = 2, entonces u1 = 1/ 2. Entonces
0
v20 = v2 (v2 u1 )u1 =

!
0
1/2
1
1 1/ 2 =
2
1
0

Jos
e Angel Nieves V
azquez

Algebra
Lineal

1
0
2
1 12
1
0

!
=

21
1
2

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

1
1/ 6
2
p
p
Como |v20 | = 3/2, u2 = 2/3 21 = 1/6 .
1
2/ 6
Continuando, se tiene
v30 = v3 (v3 u
(v3 u2 )u
1 )u1
2

!
v30 =

1
0
1

1
2

1/2

1/ 2
0

1
6

1/ 6

1/ 6

2/ 6
2

1 1
6
1
3
2
v30 = 0 12 16 = 32
2
2
1
0
6
3

Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Por u
timo, |v30 | = 12/9 =2/ 3 de manera que

1/ 3
2/3

u3 = 23 2/3 = 1/ 3. As una base ortonormal en R3

2/3
1/ 3
es


1/ 6
1/ 3
1/2
1/ 2 , 1/ 6 , 1/ 3
(2)

0
2/ 6
1/ 3

Jos
e Angel Nieves V
azquez

Algebra
Lineal

Contenido
Espacio vectorial
Subespacio vectorial
Independencia lineal
Base y dimensi
on
Producto interno
Base ortonormal

Bibliografa:
Algebra lineal Grossman quinta edicion
Mate avanzada para ing. vol.1 Kreyszing
Mate avanzada para ing. 2 Dennis Zill

Jos
e Angel Nieves V
azquez

Algebra
Lineal