Está en la página 1de 12

Tema 3

Espacios vectoriales reales.


3.1

Espacios vectoriales.

Definici
on 3.1 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
verifica 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 vector u V , existe un vector de V , llamado opuesto de u y denotado por
u, tal que u + (u) = 0
(6). ku V ; k IR y u V
(7). k(u + v) = ku + kv ; k IR y u, v V
(8). (k + l)u = ku + lu; k, l IR y u V
(9). (kl)u = k(lu); k, l IR y u V
(10). 1u = u; u V
Por ser los escalares de IR, se dice que V es un IR-espacio vectorial. Se pueden considerar espacios vectoriales sobre cuerpos de escalares distintos de IR, en particular, suelen ser
interesantes los espacios vectoriales complejos, donde los escalares son de C.
Proposici
on 3.2 Algunas propiedades que se deducen de las anteriores son:
a) 0u = 0
b) k 0 = 0
c) (1)u = u
d) ku = 0 k = 0 o u = 0
e) El vector cero de un espacio vectorial es u
nico
f) El vector opuesto de cada vector del espacio vectorial es u
nico

3.2

Subespacios vectoriales.

Definici
on 3.3 Un subconjunto W de un espacio vectorial V se dice que es un subespacio
vectorial de V si W es por si solo 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 :
Preliminares.

35

3.3 Base y dimension.

(1). u + v W ; u, v W
(6). ku W ; u W y k IR
Estas dos propiedades son equivalentes a la propiedad u
nica:
ku + lv W ;

u, v W y k, l IR.

Observacion:
Es claro, que si W es un subespacio de V , entonces 0 W .
Definici
on 3.4 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 3.5 Dado un conjunto de vectores S = {v1 , v2 , . . . , vk } de un espacio vectorial V ,
podemos considerar el subespacio vectorial mas peque
no que contiene al conjunto de vectores S
(ver ejercicios 3.4 y 3.5). Dicho subespacio, es el conjunto de todas las combinaciones lineales que
se pueden formar con los vectores del conjunto S , que se denomina subespacio lineal generado
por S y se denota por lin S o lin{v1 , v2 , . . . , vk }, y se dira que v1 , v2 , . . . , vk generan lin S .
Definici
on 3.6 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).
Se tiene la siguente caracterizacion para que un conjunto de dos o mas vectores sea linealmente dependiente (ver ejercicio 3.9):
Un conjunto de dos o mas vectores es linealmente dependiente si, y solo si, al menos
uno de los vectores es una combinaci
on lineal de los restantes.

3.3

Base y dimensi
on.

Definici
on 3.7 Si V es un espacio vectorial y S = {v1 , . . . , vn } es 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 .
Se podra pensar que dos bases de un mismo espacio vectorial pudieran tener un n
umero distinto
de vectores, pero no es as, como nos asegura el teorema siguiente
Proposici
on 3.8 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 3.9 Cualesquiera dos bases de un espacio vectorial tienen el mismo n
umero
de elementos.
Definici
on 3.10 Un espacio vectorial V se dice de dimensi
on finita si contiene un conjunto
finito de vectores que forman una base.
Si no existe un conjunto de este tipo, se dice que V es de dimension infinita.
Preliminares.

36

3.4 Interseccion y suma de subespacios vectoriales.

Al espacio vectorial {0} le consideramos de dimension finita, a


un cuando no tiene conjuntos
linealmente independientes.
Si un espacio vectorial V es de dimension finita, teniendo en cuenta el teorema de la base,
diremos que la dimensi
on de V , dim V , es el n
umero de vectores de cualquier base de V .
Proposici
on 3.11 Si V es un espacio vectorial de dimension finita, con dim V = n, entonces:
a) un conjunto de n vectores de V es base de V , si el conjunto es linealmente independiente
o si genera a V .
b) a un conjunto de r vectores de V linealmente independiente, con r < n, se le pueden
agregar n r vectores hasta formar una base de V .

3.4

Intersecci
on y suma de subespacios vectoriales.

Definici
on 3.12 Si V es un espacio vectorial y E y F son dos subespacios de V , llamaremos
intersecci
on de E y F , y lo denotaremos por E F , al conjunto:
E F = {u V : u E, y u F }.
Como puede probarse facilmente, la intersecci
on de dos subespacios vectoriales de un mismo
espacio vectorial V , tambien es un subespacio vectorial de V . En cambio la union de dos
subespacios no tiene porque serlo.
Definici
on 3.13 Si V es un espacio vectorial y E y F son dos subespacios de V , llamaremos
suma de E y F , y lo denotaremos por E + F , al conjunto:
E + F = {u V : u = v + w; v E, w F }.
Es facil ver que E + F es un subespacio de V , y ademas se verifica que lin(E F ) = E + F ,
es decir, E + F es el menor subespacio que contiene a E F .
Definici
on 3.14 Un espacio vectorial V se dice suma directa de los subespacios E y F , y
se escribe V = E F (tambien se dice que E y F son subespacios suplementarios de V ) si y
solo si:
V =E+F
y
E F = {0}
Si se verifica que V = E + F , la segunda propiedad es equivalente a decir que cualquier vector
u V puede escribirse de forma u
nica como suma de un vector de E y otro de F .
Teorema de Grassman 3.15 Sea V un espacio vectorial de dimension finita y E y F subespacios de V , entonces:
dim(E + F ) = dim E + dim F dim(E F ).

3.5

El espacio vectorial IRn

Es frecuente representar el conjunto de los n


umeros reales, IR, mediante el conjunto de puntos
de una recta en la que se ha definido un sistema de referencia (un origen, un sentido, y una
unidad de medida). Esta representaci
on nos permite identificar graficamente cada n
umero real
con un punto de la recta, y viceversa.
Tambien es conocida la representaci
on de IR2 = IR IR mediante el conjunto de los puntos
de un plano en el que se ha definido un sistema de coordenadas cartesianas (dos rectas perpendiculares entre s en las que se definen dos sistemas de referencia que tienen en com
un el punto
Preliminares.

37

3.5 El espacio vectorial IRn

origen, y la unidad de medida). En este caso, se identifican pares de n


umeros reales, (x, y), con
puntos del plano.
Analogamente se identifican ternas de n
umeros reales (x, y, z) con puntos del espacio en el
que se ha definido un sistema de coordenadas cartesianas (tres rectas perpendiculares entre s
. . . ). De esta forma se establece una biyecci
on entre el conjunto IR3 = IR IR IR y el conjunto
de los puntos del espacio tridimensional.
Aunque no sea identificable con una representaci
on grafica, nada impide considerar nuplas de n
umeros reales (x1 , x2 , . . . , xn ), con n 4. De este modo, llamaremos espacio ndimensional, IRn , al conjunto
IRn = IR IR IR = {(x1 , . . . , xn ) : xi IR; i = 1, . . . , n.}.
Utilizaremos la notacion x para designar mas brevemente al punto (x1 , . . . , xn ) de IRn . En
este caso, al n
umero real xi lo llamaremos coordenada o componente i-
esima del punto o
vector x.
Esta claro que lo mas frecuente es trabajar con IR2
o IR3 , pero tambien es cierto que los
casos en que n > 3 se presentan con suficiente frecuencia en la practica como para justificar su
estudio. Nos encontramos con un espacio n-dimensional cada vez que consideremos un objeto
cuyo estudio requiera contemplar n aspectos distintos susceptibles de variaci
on.
Definici
on 3.16 Diremos que dos puntos x = (x1 , . . . , xn ) e y = (y1 , . . . , yn ) de IRn son
iguales, y escribiremos x = y si y solo si xi = yi ; i = 1, . . . , n.
Definici
on 3.17 Llamaremos suma de dos puntos x, y IRn , y lo representaremos por x + y ,
al punto:
x + y = (x1 + y1 , . . . , xn + yn )
Definici
on 3.18 Llamaremos producto del punto x IRn por el n
umero real IR, y
lo denotaremos por x, al punto:
x = (x1 , . . . , xn ) = (x1 , . . . , xn )
Estas dos operaciones dotan a IRn de una estructura de espacio vectorial. Por esta razon,
llamaremos tambien vectores a los puntos de IRn .
El espacio vectorial IRn tiene dimension n, y cualquier vector puede escribirse de la forma
(x1 , x2 , . . . , xn ) = x1 (1, 0, . . . , 0) + x2 (0, 1, . . . , 0) + + xn (0, 0, . . . , 1).
El conjunto de los vectores
B = {e1 = (1, 0, . . . , 0), e2 = (0, 1, . . . , 0), . . . , en = (0, 0, . . . , 1)},
se denomina base can
onica, y es la base mas sencilla y comoda, en general.
Evidentemente, existen otras operaciones que pueden dotar a IRn de estructura de espacio
vectorial, pero las aqu definidas son las mas usuales ya que supone trabajar con ellas a nivel
geometrico en los casos IR2 y IR3 .
Otros ejemplos de espacios vectoriales son:
a) El conjunto de todas las matrices de tama
no n m con elementos reales, junto con las
operaciones de suma de matrices y producto de n
umeros reales por matrices, ya indicadas.
b) El conjunto de las funciones f : IR IR con las operaciones
(i) (f + g)(x) = f (x) + g(x); f, g: IR IR
(ii) (kf )(x) = kf (x); k IR y f : IR IR
Preliminares.

38

3.6 Espacios de las filas y las columnas de una matriz. Coordenadas.

3.6

Espacios de las filas y las columnas de una matriz. Coordenadas.

Definici
on 3.19 Consideremos la matriz Amn ,

A=

a11
a21
..
.

a12
a22
..
.

...
...

a1n
a2n
..
.

...
am1 am2 . . . amn

Los m vectores r1 = (a11 , . . . , a1n ), r2 = (a21 , . . . , a2n ), . . . , rm = (am1 , . . . , amn ) IRn , se


denominan vectores fila de A y el subespacio vectorial de IRn generado por ellos, Ef (A) =
lin{r1 , r2 , . . . , rm }, espacio de las filas de A.
Los n vectores c1 = (a11 , . . . , am1 ), c2 = (a12 , . . . , am2 ), . . . , cn = (a1n , . . . , amn ) IRm ,
se denominan vectores columna de A y el subespacio vectorial de IRm generado por ellos,
Ec (A) = lin{c1 , c2 , . . . , cn }, espacio de las columnas de A.
Proposici
on 3.20 Si A es una matriz de tama
no m n, entonces las operaciones elementales
sobre las filas (resp. columnas) de A no cambian el espacio de las filas (resp. columnas) de A.
Corolario 3.21 Sea A una matriz, entonces:
a) Los vectores no nulos en la forma escalonada de la matriz A, forman una base del espacio
de las filas de A.
b) Los vectores no nulos en la forma escalonada de la matriz At , forman una base del espacio
de las columnas de A.
Teorema 3.22 Sea A una matriz de tama
no m n, entonces:
dim(Ef (A)) = dim(Ec (A)).
Demostracion:
El resultado es inmediato, teniendo en cuenta que rg(A) = rg(At ), y que el rango de una
matriz coincide con el n
umero de vectores no nulos en la forma escalonada, as como el resultado
anterior.
Definici
on 3.23 Dado un espacio vectorial V de dimension finita y B = {v1 , v2 , . . . , vn } una
base de V , para cada vector v V existen unos u
nicos n
umeros reales c1 , c2 , . . . , cn tales que
v = c1 v1 + c2 v2 + + cn vn . Estos n
umeros se denominan coordenadas de v relativas a la
base B . El vector de coordenadas de v relativo a la base B se denota mediante (v)B y es
el vector de IRn : (v)B = (c1 , c2 , . . . , cn ). La matriz de coordenadas de
a la base
v relativas

c1

c2
t

B se denota por [v]B y es la matriz n 1 definida por: [v]B = (v)B = .


.
..
cn

3.7

Cambios de base.

Definici
on 3.24 Sean B = {u1 , u2 , . . . , un } y B 0 = {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 B a
la base B 0 , la matriz de dimensiones n n, que por columnas es

P =

[u1 ]B 0

[u2 ]B 0

[un ]B 0

es decir, la columna i-esima esta constituida por las coordenadas del vector ui en la base B 0 .
Preliminares.

39

3.8 Espacios vectoriales con producto interior.

Proposici
on 3.25 Sea P la matriz de paso de una base B en otra base B 0 para un espacio
vectorial V . Entonces:
a) x V se tiene que [x]B 0 = P [x]B .
b) P es inversible y su inversa, P 1 , es la matriz de paso de la base B 0 a la base B .

3.8
3.8.1

Espacios vectoriales con producto interior.


Producto interior. Norma. Distancia

Definici
on 3.26 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 hu, vi, de tal
manera que se cumplen las siguientes propiedades:
a) hu, vi = hv, ui; u, v V .
b) hu + v, wi = hu, wi + hv, wi; u, v, w V .
c) hku, vi = khu, vi; u, v V y k IR.
d) hu, ui 0; u V y hu, ui = 0 u = 0 .
Otra propiedades que se deducen de las anteriores son:
a) h0, ui = 0
b) hu, v + wi = hu, vi + hu, wi
c) hu, kvi = khu, vi
A partir de un producto interior sobre un espacio vectorial V se definen los conceptos de
norma, distancia y angulo.
Definici
on 3.27 Si V es un espacio vectorial con producto interior, entonces la norma o
longitud de un vector v V se denota mediante kvk y se define como
q

kvk = + hv, vi.


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

d(u, v) = ku vk = + hu v, u vi.
Desigualdad de Cauchy-Schwarz 3.28 Para todo u, v V , espacio con producto interior, se
tiene que
hu, vi2 kuk2 kvk2 .
Definici
on 3.29 Si u y v son vectores, distintos de cero, de un espacio con producto interior,
entonces, como consecuencia de la desigualdad de Cauchy-Schwarz se tiene que
1

hu, vi
1
kuk kvk

y por tanto existe un u


nico
angulo, , tal que
cos =

Preliminares.

hu, vi
, con 0
kuk kvk

40

3.8 Espacios vectoriales con producto interior.

Definici
on 3.30 En un espacio vectorial con producto interior, V , dos vectores u y v se dicen
ortogonales si hu, vi = 0.
Ademas, si u V es ortogonal a todos los vectores de un conjunto W , se dice que u es
ortogonal a W .
Propiedades b
asicas de la norma 3.31
a) kuk 0; u V
b) kuk = 0 u = 0
c) kkuk = |k| kuk; u V y k IR
d) ku + vk kuk + kvk; u, v V
Propiedades b
asicas de la distancia 3.32
a) d(u, v) 0; u, v V
b) d(u, v) = 0 u = v
c) d(u, v) = d(v, u); u, v V
d) d(u, v) d(u, w) + d(w, v); u, v, w V

3.8.2

El espacio eucldeo n-dimensional IRn

Sobre el espacio vectorial IRn definimos la siguiente funcion


IRn IRn IR
(x, y) x y = x1 y1 + + xn yn =

n
X

xi yi

i=1

siendo x = (x1 , . . . , xn ) e y = (y1 , . . . , yn ).


Como puede verse facilmente dicha funcion es un producto interior, el que se conoce como
producto interior eucldeo. Este producto interior da lugar a las conocidas como norma y
distancia eucldeas.
Se llama espacio eucldeo n-dimensional a IRn con las operaciones de suma, producto
por escalares y producto interior definidos.
El producto interior eucldeo, aqu definido, constituye una generalizacion a IRn del producto
escalar definido, y bien conocido, en IR2 y IR3 .
Teorema general de Pit
agoras 3.33 Si u y v son dos vectores ortogonales de un espacio
vectorial con producto interior, entonces
ku + vk2 = kuk2 + kvk2 .
Este resultado de facil demostracion, se reduce en IR2 con el producto interior eucldeo, al
conocido teorema de Pitagoras.

3.8.3

Bases ortonormales. Proceso de Gram-Schmidt

Definici
on 3.34 Sean V un espacio vectorial de dimension n con producto interior y
B = {v1 , v2 , . . . , vn } una base de V . Se dice que B es una base ortonormal de V si kvi k = 1,
i = 1, . . . , n y hvi , vj i = 0; i, j = 1, . . . , n con i 6= j .
La ventaja de trabajar con bases ortonormales es muy grande como ya es conocido en IR2 o
IR3 .
Preliminares.

41

3.8 Espacios vectoriales con producto interior.

Teorema 3.35 Si B = {v1 , v2 , . . . , vn } es una base ortonormal para un espacio, V , con producto interior, entonces v V se tiene que:
v = hv, v1 iv1 + hv, v2 iv2 + + hv, vn ivn ,
es decir, (v)B = (hv, v1 i, hv, v2 i, . . . , hv, vn i).
Teorema 3.36 Si S = {v1 , v2 , . . . , vk } un conjunto finito de vectores no nulos, ortogonales
dos a dos, entonces S es linealmente independiente.
Teorema 3.37 Si P es la matriz de paso de una base ortonormal B a otra base ortonormal
B 0 , entonces P es una matriz ortogonal (es decir, P t = P 1 ).
Definici
on 3.38 Sean V un espacio vectorial con producto interior, W subespacio de V y
B = {v1 , v2 , . . . , vk } una base ortonormal de W . Para cada v V , llamaremos proyecci
on
ortogonal de v sobre W al vector de W
ProyW v = w1 = hv, v1 iv1 + hv, v2 iv2 + + hv, vk ivk .
Al vector v ProyW v se le llama componente ortogonal de v sobre W .
Teorema 3.39 Sean V un espacio vectorial con producto interior, W subespacio de V y B =
{v1 , v2 , . . . , vk } una base ortonormal de W , entonces para cada v V , el vector v ProyW v
es ortogonal a cada vector de W .
Proceso de ortonormalizaci
on de Gram-Schmidt 3.40 Sean V un espacio vectorial con producto interior de dimension finita y B = {v1 , v2 , . . . , vn } una base de V . Vamos a describir un
proceso para conseguir a partir de la base B una base ortonormal B 0 = {u1 , u2 , . . . , un }. Este
proceso de ortonormalizacion es el de Gram-Schmidt y se basa en el teorema anterior.
Demostracion:
1 a etapa.- Como v1 6= 0 por ser de la base B , el vector u1 =

v1
tiene norma 1.
kv1 k

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


a W1 , en particular a u1 , y como es distinto del vector 0 se tiene que
v2 ProyW1 v2
v2 hv2 , u1 iu1

u2 =
v2 Proy v2 = kv2 hv2 , u1 iu1 k
W1
es ortogonal a u1 y tiene norma 1. En efecto, si fuera v2 hv2 , u1 iu1 = 0 , entonces
0 = v2 hv2 , u1 iu1 = v2 hv2 , u1 i

v1
= 1 v1 + 2 v2 ,
kv1 k

hv2 , v1 i
y 2 = 1 y, en consecuencia, {v1 , v2 } sera un conjunto linealmente dekv1 k
pendiente, lo que es absurdo por ser B = {v1 , v2 , . . . , vn } una base de V .
para 1 =

3 a etapa.- Sea W2 = lin{u1 , u2 }, aplicando el teorema anterior, sabemos que el vector v3


ProyW2 v3 es ortogonal a W2 , en particular a u1 y u2 , y como es distinto del vector 0 , se tiene
que
v3 ProyW2 v3
v3 hv3 , u1 iu1 hv3 , u2 iu2

u3 =
v3 Proy v3 = kv3 hv3 , u1 iu1 hv3 , u2 iu2 k
W2
Preliminares.

42

3.9 Ejercicios.

es ortogonal a u1 y u2 , y tiene norma 1. En efecto, si fuera v3 hv3 , u1 iu1 hv3 , u2 iu2 = 0 ,


entonces
0 = v3 hv3 , u1 iu1 hv3 , u2 iu2 =
v1
v2 hv2 , u1 iu1
= v3 hv3 , u1 i
hv3 , u2 i
= 1 v1 + 2 v2 + 3 v3 ;
kv1 k
kv2 hv2 , u1 iu1 k
y como 3 = 1, {v1 , v2 , v3 } sera un conjunto linealmente dependiente, lo que es absurdo por
ser B = {v1 , v2 , . . . , vn } una base de V .
Continuando con el proceso se va construyendo un conjunto ortonormal de n vectores no nulos,
B 0 = {u1 , u2 , . . . , un }. Dado que dim V = n y que todo conjunto ortonormal es linealmente
independiente, se concluye que B 0 es una base ortonormal de V .

3.9

Ejercicios.

3.1 Determinar si son espacios vectoriales los siguientes conjuntos:


a)
b)
c)
d)

IR2 con las operaciones: (x, y) + (x0 , y 0 ) = (x + x0 , y + y 0 ) y k(x, y) = (2kx, 2ky).


A = {(x, 0) : x IR} con las operaciones usuales de IR2 .
IR2 con las operaciones: (x, y) + (x0 , y 0 ) = (x + x0 + 1, y + y 0 + 1) y k(x, y) = (kx, ky).
El conjunto de los n
umeros reales estrctamente positivos, IR+ {0}, con las opera0
0
ciones: x + x = xx y kx = xk .

3.2 Cuales de los siguientes conjuntos son subespacios vectoriales de IR3


o IR4 ?
a)
b)
c)
d)

Todos
Todos
Todos
Todos

los
los
los
los

vectores
vectores
vectores
vectores

de
de
de
de

la
la
la
la

forma
forma
forma
forma

(a, 1, 1).
(a, b, c) con b = a + c.
(a, b, c, d) con a + 2d = 7.
(a, b, c, d) con ba = 0.

3.3 Sean v1 = (2, 1, 0, 3), v2 = (3, 1, 5, 2) y v3 = (1, 0, 2, 1). 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 }?
3.4 Sea V un espacio vectorial y S = {v1 , . . . , vk }. Probar que lin S es un subespacio vectorial
de V .
3.5 Sea V un espacio vectorial y S = {v1 , . . . , vk }. Probar que si W es un subespacio vectorial
de V que contiene a los vectores de S , entonces lin S W .
3.6 Sean V un espacio vectorial y E y F dos subespacios de V . Probar que E F y E + F
son subespacios de V .
1
1
1
3.7 Para que valores reales de los vectores v1 = (, 1
2 , 2 ) v2 = ( 2 , , 2 ) y v3 =
3
1 1
( 2 , 2 , ) forman un conjunto linealmente dependiente en IR ?

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


w + u son tambien linealmente independientes.
3.9 Probar que si los vectores v1 , . . . , vk son linealmente dependientes, al menos uno de ellos
se puede escribir como una combinaci
on lineal de los restantes.
3.10 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.

Preliminares.

43

3.9 Ejercicios.

3.11 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?
3.12 Considerar en IR4 los siguientes conjuntos de vectores:
A = {(1, 2, 1, 3), (0, 1, 0, 3)}
a)
b)
c)
d)
e)

Hallar
Hallar
Hallar
Hallar
Hallar

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

las dimensiones de lin(A) y de lin(B).


las ecuaciones parametricas de lin(A) y de lin(B).
una base de lin(A) + lin(B).
las ecuaciones cartesianas de lin(A) y de lin(B).
la dimension de lin(A) lin(B).

3.13 Consideremos en el espacio vectorial IR3 la base B = {u1 , u2 , u3 }. Sea E el subespacio


engendrado por los vectores
v1 = u1 + 3u3 , v2 = 2u1 3u2 + u3 , v3 = 4u1 3u2 + 7u3 .
Sea F el subespacio engendrado por los vectores
w1 = u1 + u2 + u3 , w2 = 2u1 + 3u2 + 4u3 , w3 = 3u1 + 4u2 + 5u3 .
Hallar una base de E , una base de F , el subespacio E F y una base de E F .
3.14 Sea M22 el espacio vectorial de las matrices cuadradas de orden
sea E
2 sobre IR y !
a
b+c
el subconjunto de M22 formado por las matrices de la forma
con
b + c
a
a, b, c IR.
a) Demostrar que E es un subespacio vectorial.

b) Probar que las matrices A1 =

1 0
0 1

, A2 =

0 1
1 0

, A3 =

0 1
1 0

, forman

una base de E .
3.15 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 .
3.16 Sean u = (u1 , u2 , u3 ) y v = (v1 , v2 , v3 ). Determinar si hu, vi = u1 v1 u2 v2 + u3 v3 define
un producto interior en IR3 .
3.17 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 }.
3.18 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.
3.19 Demostrar que si V es un espacio con producto interior, entonces u, v V ,
hu, vi =

1
ku + vk2 ku vk2
4

3.20 Sea {v1 , v2 , . . . , vk } una base del espacio vectorial V con producto interior. Demostrar
que 0 es el u
nico vector en V que es ortogonal a todos los vectores de la base.
1
3.21 Sean a = ( 15 ,
) y b = ( 230 , 330 ). Demostrar que {a, b} es ortonormal si IR2 tiene el
5
producto interior hu, vi = 3u1 v1 + 2u2 v2 donde u = (u1 , u2 ) y v = (v1 , v2 ), y que no lo es
si IR2 tiene el producto interior eucldeo.

Preliminares.

44

3.9 Ejercicios.

3.22 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).
3.23 Considera IR3 con el producto interior hu, vi = u1 v1 + 2u2 v2 + 3u3 v3 . Utiliza 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.
3.24 Sea {v1 , v2 , v3 } una base ortonormal de un espacio V con producto interior. Demostrar
que si w es un vector de V , entonces:
kwk2 = hw, v1 i2 + hw, v2 i2 + hw, v3 i2
3.25 Tomemos en IR4 el producto interior euclideo. Expresar el vector w = (1, 2, 6, 0) en
la forma w = w1 + w2 donde, w1 esta en el subespacio W generado por los vectores
u1 = (1, 0, 1, 2) y u2 = (0, 1, 0, 1), y w2 es ortogonal a W .
3.26 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 .
3.27 Aplicar la desigualdad de Cauchy-Schwarz para demostrar que si a1 , a2 , . . . , an son n
umeros
reales positivos, entonces

(a1 + a2 + + an )

1
1
1
+
+ +
a2 a2
an

n2

3.28 Hallar la distancia del vector u = (1, 1, 1, 1) al subespacio generado por los vectores v1 =
(1, 1, 1, 0) y v2 = (1, 1, 0, 0).
3.29 Dados los vectores x = (x1 , x2 , x3 ) e y = (y1 , y2 , y3 ) de IR3 , demostrar que la expresion
hx, yi = 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.
3.30 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 = 2u4 u1 , v3 = u2 u3 ,
v4 = 2u1 u2 .
3.31 En IR3 se consideran las bases B = {e1 , e2 , e3 } (la base canonica) y B 0 = {v1 , v2 , v3 }
donde v1 = (2, 0, 0), v2 = (0, 1, 2) y v3 = (0, 0, 3). Hallar las coordenadas respecto de
la base B 0 del vector x = 4e1 + e2 5e3 .
3.32 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
3.33 Sea V el espacio generado por f1 (x) = sen(x) y f2 (x) = cos(x).
Preliminares.

45

3.9 Ejercicios.

a)
b)
c)
d)

Demostrar que g1 (x) = 2 sen x + cos x y g2 = 3 cos x forman una base para V .
Hallar la matriz de transicion de B = {f1 , f2 } a B 0 = {g1 , g2 }.
Calcular la matriz de coordenadas, [h]B 0 , donde h(x) = 2 sen x 5 cos x.
Calcular la matriz de transicion de B 0 a B .

3.34 Probar que una matriz A de orden n es ortogonal si, y solo si sus vectores fila forman un
conjunto ortonormal en IRn .

Preliminares.

46

También podría gustarte