Está en la página 1de 26

Unidad IV. Espacios Vectoriales.

4.0. Vectores en R2 y R3.

Se ha estudiado los vectores renglón y columna como conjuntos de n números reales,


 a11 
a 
 21 
C   a31  (Vector columna) y F   a11 a12 a13  a1n  (Vector rengón)
 
 
a n1 
sin embargo es necesario definir los espacios vectoriales, para ello se requiere entender
las propiedades básicas de los vectores en el plano xy y en el espacio tridimensional.

A partir de estas tres unidades, el manejo algebraico de matrices y vectores se indicara


por medio de letra negrita, esta consideración, es el medio general para indicar que un
elemento u objeto es o bien una matriz o un vector.

R2 es el conjunto de vectores (x1, x2 ), x1 y x2 con números reales. Cada punto del


plano se puede escribir de la forma (x, y), es evidente que cualquier punto del plano se
puede ver como un vector en R 2 y viceversa. Es importante notar que un vector no es un
punto, sino un objeto que tiene “magnitud” y dirección”, y como se puede llegar a
utilizar los términos “el plano” y “R2” de forma indistinta.

Sean P y Q dos puntos en el plano, el segmento de recta


4.1. Definición De Espacio Vectorial Y Sus Propiedades.

Los conjuntos R2 y R3 se les llama espacios vectoriales.

Un espacio vectorial real V es un conjunto de objetos llamados vectores, junto con dos
operaciones llamadas suma y multiplicación por un escalar que satisface los siguientes
10 axiomas:

(un axioma es una "verdad evidente" que no requiere demostración, pues se justifica a sí
misma, y sobre la cual se construye el resto de conocimientos por medio de la
deducción)

1. Si x  V y y  V , entonces x  y  V (es decir, V es cerrado para la suma).


2. Para todos, x, y, z en V, (x  y )  z  x  (y  z ) (ley asociativa de la suma).
3. Existe un vector 0  V tal que para todo x  V , x  0  0  x  x (0 se conoce como
neutro aditivo).
4. Si x  V , existe un vector –x en V tal que x  ( x)  0 (-x se conoce como el
inverso aditivo de x) .
5. Si x y y están en V, entonces x  y  y  x (ley conmutativa de la suma de vectores).
6. Si x  V , y  es un escalar, entonces x  V (se dice que V es cerrado para la
multiplicación escalar).
7. Si x y y están en V y si es un escalar, entonces  (x  y )  x  y (primera ley
distributiva).
8. Si x  V , y si  y  son escalares, entonces (   )x  x  x (segunda ley
distributiva).
9. Si x  V , y si  y  son escalares, entonces  (  x)   x (ley asociativa de la
multiplicación por un escalar).
10. Para todo vector x  V , 1x  x (al escalar 1, se le conoce como neutro
multiplicativo).
4.2. Definición De Subespacio De Un Espacio Vectorial Y Sus Propiedades

Se vio que R 2   ( x, y ) : x  R y t  R (se lee: El espacio vectorial R2 es el conjunto de


todos los pares ordenados (x , y) tales que el elemento x pertenece a el conjunto de los
números reales y el elemento y pertenece a el conjunto de los números reales) es un
espacio vectorial. También se estudio que V   ( x, y ) : y  mx (se lee: El espacio
vectorial V es el conjunto todos los pares ordenados (x , y) tales que el elemento y es
igual al producto del escalar m por x) también un espacio vectorial. Además es claro que
que V  R 2 (Se lee, V es un subconjunto o subespacio del espacio R2). “Todos los
espacios vectoriales tienen subconjuntos que son a su vez espacios vectoriales”.

Subespacio. Sea H un subconjunto de un espacio vectorial H y supongamos que H es


en si un espacio vectorial con las operaciones de suma y multiplicación escalar
definidas sobre V. Se dice que H es un subespacio de V.

Teorema. Un subconjunto no vacío de H de un espacio vectorial V es un subespacio de


V si las dos reglas de cerradura son ciertas:
1. Si x  H y y  H , entonces y  x  H
2. Si x  H , entonces x  H para todo escalar .

Teorema 2. Sean H1 y H2 subespacios de un espacio vectorial V. Entonces H 1  H 2 es


un subespacio de V.
4.3. Propiedades De Vectores, Combinación Lineal, Dependencia E Independencia.

Dependencia e independencia lineal. Sean v1, v2, . . ., vn, n vectores en el espacio


vectorial V. Entonces se dice que los vectores son linealmente dependientes si existen n
escalares no todos cero tales que c1, c2, . . ., cn, no todos cero, tales que
c1 v1  c 2 v 2    c n v n  0
Si los vectores no son linealmente dependientes, entonces se dice que son linealmente
independientes.

 1   2  0 
    2  
Ejemplo: Determine si los vectores  2 ,   y 1  son linealmente dependientes
 3   0  
7 

o independientes.
Solución. Planteemos la ecuación

 1   2  0  0 
c1  2  c 2  2  c3 1   0  0 
 
 3   0  7  0

Al realizar las operaciones de multiplicación y suma la ecuación anterior se simplifica a

 c1  2c 2  0 
 2c  2c  c   0
 1 2 3  
 3c1  7c3  0

Esta ecuación representa un sistema homogéneo de tres ecuaciones con tres incógnitas,

c1  2c 2 0
 2c1  2c 2  c3 0
3c1  7c3 0

Los vectores serán linealmente dependientes si y sólo si el sistema posee una solución
no trivial (es decir, no todas las variables c’s. = 0)

1 2 0 0 A1, 2 ( 2)  1 2 0 0 1 2 0 0 A2,1 ( 2)


  A1, 3 ( 3)   M 2 ( 12 )   A2, 3 (6)
 2  2 1 0   0 2 0  0
1 1 2 0   
1

 3 0 7 0  0  6 7 0  0  6 7 0


1 0  1 0 1 0  1 0 A3,1 (1) 1 0 0 0
  M ( 1
)   A3, 2 (  12 )  
0 1 12 0 3 10
 0 1 12 0   0 1 0 0
 0 0 10 0  0 0 1 0 0 0 1 0

Los valores para las variables son c1 = 0, c2 = 0 y c3 = 0 (solución trivial 0). Es decir los
vectores son linealmente independientes.
 1   3  11 
  0   
Ejemplo: Determine si los vectores   3 ,   y  6 son linealmente dependientes

 0  
 4
  12 
o independientes.
Solución. Planteemos la ecuación

1  3  11  0
c1  3  c 2 0  c 3  6  0
   

 0  4  12  0

Al realizar las operaciones de multiplicación y suma la ecuación anterior se simplifica a


un sistema homogéneo de tres ecuaciones con tres incógnitas,

c1  3c 2 11c3 0
 3c1  6c 3 0
4c 2  12c3 0

Los vectores serán linealmente dependientes si y sólo si el sistema posee una solución
trivial (es decir, no todas las variables c’s. = 0).

 1 3 11 0 1 3 11 0 M 2 ( 19 ) 1 3 11 0 A2 ,1 ( 3) 1 0 2 0
  A1, 2 ( 3)   M 3 ( 14 )   A2 , 3 ( 1)  
 3 0  6 0  0 9 27 0   0 1 3 0   0 1 3 0
 0 4 12 0 0 4 
12 0 0 1 3 0 0 0 0 0

El sistema tiene solución múltiple, es decir c 2  3c3 y c1  2c3 , si se elige c3  1 ,


c 2  3 y c1  2 , verificando
 1  3  11  0
 2  3  30   6  0
 
 0  4  12  0

Es decir que los vectores son linealmente dependientes.

A continuación se enuncian los teoremas relacionados con dependencia e independencia


lineal de vectores.

Teorema. Un conjunto de n vectores en Rm es siempre linealmente dependiente si n >


m. Es decir el sistema que se forma c1 v1  c2 v 2    c n v n  0
a11 c1  a12 c 2   a1n c n 0
a 21c1  a 22 c 2   a2n cn 0
   
a m1c1 am2 c2   a mn c n 0
tiene más variables que ecuaciones.

Teorema. Sea
 a11 a1n a12 
a
a 22  a 2 n 
A   21
   
 
a m1
a m 2  a mn 
Entonces las columnas de A, consideradas como vectores, son linealmente dependientes
si y sólo si el sistema
 a12 c 2    a1n c n  0
a11 c1
 a 22 c 2    a 2 n c n  0
a 21c1
  
a m1c1
am2 c2    a mn c n  0
que puede ser expresado como Ac  0 , posee un número infinito de soluciones. Aquí
 c1 
c 
c   2
 
 
c n 

Teorema. Sean v1, v2, . . ., vn, n vectores en Rn, y sea A una matriz de n x n cuyas
columnas son v1, v2, . . ., vn. Entonces v1, v2, . . ., vn, son linealmente independientes si y
sólo si la única solución al sistema homogéneo Ax  0 es la solución trivial x  0

Teorema. Sea A una matriz de n x n. Entonces det A ≠ 0 si y solamente las columnas de


A son linealmente independientes.

Problemas. Determine si el conjunto dado de vectores es linealmente independiente o


dependiente.

En P2: 1  x , 1  x , x 2 R. Independiente

En P3: 2 x , x 3  3 , 1  x  4 x 3 , x 3  18 x  9 R. dependiente

2  1 0  3 4 1 
En M22:  , , R. Es ejercicio par
4 0  1 5  7  5

1  1   1 0  1 1 0 1
En M22:  , , , R. Independiente
0 6   3 1   1 2 1
 0

En C[0,1]: sen x , cos x R. Independiente

En C[0,1]: x, x, 3
x R. Es ejercicio par
Combinación lineal y generación de espacio.

Combinación lineal. Sean v 1 , v 2 ,..., v n , vectores en un espacio vectorial V. Entonces,


toda expresión de la forma
a1 v 1  a 2 v 2    a n v n
en donde a1 , a 2 ,..., a n , son escalares, se llama combinación lineal de v 1 , v 2 ,..., v n .

 7    1  5 
 7   2  
Ejemplo. En R ,   es una combinación lineal de   y   3 ya que
3

 7  
 4  
 1 

  1  5    7 
2  2    3   7 
 4   1   7 

 3 2 8  1 0 4
Ejemplo. En M23   es una combinación lineal de  y de
1 9 3 1 1 5
 0 1  2
 2 , como se puede demostrar por medio de
 3  6 
  1 0 4  0 1  2   3 2 8
3   2 
 1 1 5   2 3  6   1 9 3

Generación de un espacio vectorial. Los vectores v 1 , v 2 ,..., v n , en un espacio vectorial


V se dice que generan V, si todo vector en V puede expresarse como combinación
lineal de ellos. Esto es, para todo v  V , existen escalares a1, a2,..., an, tales que
v  a1v1  a 2 v 2    a n v n

Teorema. Un conjunto de n vectores linealmente independientes en Rn genera a Rn.

1  0 
Ejemplo. Note como los vectores i    y j    , generan R2, note como al aplicar
0  1  
v  a1v1  a 2 v 2    a n v n
se comprueba
 x
R 2  xi  yj    , donde
 y
“x” y “y” son cualquier escalar dentro del conjunto de los números reales. Observe
como en esta matriz se puede comprobar det R2 ≠ 0, por lo que los vectores que forman
dicho espacio son independientes, y en consecuencia se puede considerar que se forma
un espacio vectorial.
1  0  0 
También para los vectores i  0 , j  1   
  y k  0 generan R , el procedimiento
3

0 0 1


para demostrarlo es similar a R2.
Ejemplo. Los vectores  2,1,4 , 1,0,2 y  3,1,5 generan R3, dado el determinante
2 1 3
1 0  1  1 , los vectores son linealmente independientes y en consecuencia si
4 2 5
generan R3.
Espacio generado por un conjunto de vectores. Sean v 1 , v 2 ,..., v n n vectores en un
espacio vectorial V. El espacio generado por  v 1 , v 2 ,..., v n  es el conjunto de las
combinaciones lineales de v 1 , v 2 ,..., v n . Esto es,
gen v 1 , v 2 ,..., v n    v : v  a1v1  a 2 v 2    a n v n 
donde a1 , a 2 ,..., a n son escalares

Teorema. El gen v 1 , v 2 ,..., v n  es un subespacio de V.

Teorema. Sean los n + 1 vectores v 1 , v 2 ,..., v n , v n 1 de un espacio vectorial V. Si


v 1 , v 2 ,..., v n generan V, entonces v 1 , v 2 ,..., v n , v n 1 también genera V. Esto es, la
adición de uno (o más vectores) a un conjunto generador resulta en otro conjunto
generador.

Problemas. Determine si el conjunto de vectores dado genera al espacio vectorial que


se da:

1   3
1. En R2:   ,   R. si
 2  4

1  2 5
3. En R2:   ,   ,   R. no
1  2 5

1 0 0


3      
5. En R : 1 , 1 , 0 R. si

1
  1 
 1 

7. En R3: 1,1,2 , 1,1,2 ,  0,0,1 R. si

9. En P2: 1  x , 3  x 2 R. no

2 1 0 0 3  1 0 0
11. En M22:  , , , R. si
0 0  2 1 0
 0  3
 1

1 0 0  0 1 0  0 0 1
13. En M23: 0 , ,
 0 0 0 0 0 0 0 0
0 0 0  0 0 0  0 0 0
1 , , R. si
 0 0 0 1 0 0 0 1 
4.4. Base Y Dimensión De Un Espacio Vectorial.

Base. Un conjunto de vectores  v 1 , v 2 ,..., v n  forman una base V si


1.  v 1 , v 2 ,..., v n  es linealmente independiente
2.  v 1 , v 2 ,..., v n  generan V

Todo conjunto de n vectores linealmente independientes en Rn es una base de Rn.

En Rn definimos
1 0  0  0
0  1  0  0
       
e 1  0 , e 2  0 , e 3  1 ,…. e n  0
       
       
0 0 0 1
Como los términos ei son las columnas de la matriz identidad (cuyo determinante es 1),
entonces  e 1 , e 2 ,..., e n  es linealmente independiente y, por tanto constituye una base
en Rn. Esta entidad especial se llama base canónica en Rn.

Teorema. Si  v 1 , v 2 ,..., v n  es una base de V y si v  V , entonces existe un conjunto


único de escalares c1 , c 2 ,..., c n tales que v  c1 v 1  c 2 v 2    c n v n .

Teorema. Si  u 1 , u 2 ,..., u m  y  v 1 , v 2 ,..., v n  son bases del espacio vectorial V,


entonces m = n; esto es, cualesquiera dos bases en un espacio vectorial V poseen el
mismo número de vectores.

Dimensión. Si el espacio vectorial V posee una base finita, la dimensión de V es el


número de vectores en la base, y V se llama espacio vectorial de la dimensión finita. De
otra manera, V se denomina espacio vectorial de la dimensión infinita. Si V = {0},
entonces, V se dice que es de dimensión cero. Se simboliza la dimensión de V como
dim V.

Teorema. Supóngase que dim V = n. Si u 1 , u 2 ,..., u m es un conjunto de m vectores


linealmente independientes en V, entonces m  n .

Teorema. Sea H un subespacio del espacio vectorial V de dimensión finito. Entonces es


finito-dimensional y
dim H  dim V

Teorema. Teorema. Cualesquiera n vectores linealmente independientes en un espacio


vectorial V de dimensión n, constituyen una base.

Ejemplo. Encontrar una base para el conjunto de vectores en el plano


 x  
  
    y  : 2 x  y  3 z  0
 z  
  
 x
 
Para encontrar una base, nótese que si x, y, y z se eligen arbitrariamente y  y    ,
 z 
 x 
 
entonces y  2 x  3z . Así que los vectores en  son del a forma 2 x  3z  . Como x y
 z 
z son arbitrarios, se eligen algunos valores simples para ellos.
1  0
   
Tomando x  1, z  0 , se obtiene v1  2 ; Tomando x  0, z  1 , se obtiene v 2  3 ;
0  1
 x  1  0 
 2 x  3 z   x  2   z  3
Entonces      
  . Es decir que v 1 , v 2 , generan  , dado que son
 z  0 1
linealmente independientes, forman una base de  . La base del espacio generado es
 1  0 
    
  2  ,  3 
  0  1  
    

Ejemplo. Encontrar una base (y su dimensión) del espacio solución S del sistema
homogéneo.
x  2y  z  0
2 x  y  3z  0
Para encontrar la solución S, del sistema se plantea la matriz extendida A. Esta matriz es
un subespacio de R3. Reduciendo se encuentra

1 2  1 0 A1, 2 ( 2 ) 1 2  1 0 M 2 (  15 ) 1 2  1 0 A2 ,1 ( 2 )
             
2  1 3 0 0  5 5 0 0 1  1 0
1 0 1 0
 
0 1  1 0
 z 
 
Entonces y  z y x  z , así que todas las soluciones de la forma  z  . De modo
 z 
  1
 
que  1  es una base de S, y dim S =1. Note que S es el conjunto de vectores sobre la

 1 
recta x  t , y  t , z  t

Problemas. Determine si el conjunto de vectores dados es una base del espacio


vectorial correspondiente.

1. En P2: 1  x 2 , x R. No, no genera espacio

3. En P2: x 2  1 , x 2  2 , x 2  3 R. No, dependiente


5. En P2: 3 , x 3  4 x  6 , x 2 R. No no genera espacio

3 1  3 2   5 1 0 1 
6. En M22:  ,  , , R.
0 0   0 0  0 6 0
  7 

a 0  0 b  0 0  0 0
7. En M22:  , , , , en donde abcd  0 R. Si
0 0 0 0  c 0 0 d 

9. H  ( x, y )  R 2 : x  y  0 ; (1,1) R. Si

11.Halle una base en R3 para el conjunto de vectores en el plano 2 x  y  z  0


  0  1  
    
R.  1 , 0 
 1 2 
    

13. Halle una base en R3 para el conjunto de vectores en el plano x / 2  y / 3  z / 4


  2 
  
R. 3 
  4 
  

En los problemas obtenga una base para el espacio solución del sistema homogéneo
indicado.

x y0 1 
19.  2 x  2 y  0 R.   
1
  

   2 
x yz0   
21. R.   3 
2x  y  z  0  1  
  

2x  6 y  4z  0   3   2  
    
23.  x  3 y  2 z  0 R. 1,  0  
 3x  9 y  6 z  0  0   1  
    
4.5. Espacio Vectorial Con Producto Interno Y Sus Propiedades.

Espacio con producto escalar. El espacio vectorial complejo V se conoce como un


espacio con producto interior si para cualquier par de vectores u y v en V, existe un
único número complejo (u , v), llamado el producto interior de u y v, tal que u, v y w
están en V y si   C (alfa pertenece al conjunto de los números complejos), entonces
1. ( v, v )  0
2. ( v, v )  0 si y solo si v = 0
3. (u, v  w )  (u, v )  (u, w )
4. (u  v, w )  (u, w )  ( v, w )
5. (u, v )  ( v, u)
6. (u, v)   (u, v )
7. (u, v )   (u, v )

Las condiciones 5 y 7 denotan el complejo conjugado. Si (u, v ) es real, entonces


(u, v )  (u, v ) y se puede quitar la barra en (v )
Las condiciones 1 a la 7 se verifican mediante la ecuación:
( x, y )  x1 y 1  x 2 y 2    x n y n
La cual permite definir si un espacio vectorial complejo es un espacio con producto
escalar.

Ejemplo. En C3 sea x  (1  i,3,4  3i ) y y  (2  i,i,2  i ) . Entonces


Aplicando (x, y )  x1 y 1  x 2 y 2    x n y n
(x, y )  (1  i )( 2  i )  (3)(i )  ( 4  3i )( 2  i )
 (1  i )(2  i )  (3)(i )  (4  3i )(2  i )
 (1  3i )  (3i )  (5  10i )
 6  10i

Dado que existe un número complejo (u , v), x y y forman un espacio con producto
escalar.

El producto interior también se puede definir a partir de


b
( f , g )   f (t ) g (t )dt
a

Donde a  b y sea V  C a, b

Ejemplo. Sea f (t )  t 2  C 0,1 y g (t )  (4  t )   0,1 . Entonces


1
1 1
 4t 3 t4  13
( f , g )   t 2 (4  t )dt   (4t 2  t 3 )dt     
0 0  3 4 0 12

Sea V un con producto interior y supóngase que u y v están en V. Entonces:


1. u y v son ortogonales si (u, v )  0
2. La norma de u, denotada por u , esta dada por
u   u, u 
Ejemplo. En C2 los vectores (3,i ) y ( 2,6i ) son ortogonales puesto que
((3,i ), ( 2,6i ))  3(2)  (i )(6i )  6  ( i )(6i )  6  6  0
También
(3,i )  3  3  ( i )(i )  10

Ejemplo. En C 0,2  las funciones sen t y cos t son ortogonales puesto que
2 2 2
1 cos 2t
(sen t , cos t )   sen t cos tdt 
0 2  sen 2tdt  
0 4 0
0

También
1/ 2 1/ 2 2 1/ 2
 2   1 2  1  sen 2t  
sen t   sen t , sen t     sen 2 tdt     (1 - cos2t)dt   
1/ 2
  t   
0  2 0   2  2  0 
Propiedades de los espacios vectoriales con producto interno.

Estas propiedades se aplicarán en el siguiente tema una vez que se vea el procedimiento
de ortonormalización Gram-Schmidt.

Conjunto Ortonormal. El conjunto de vectores v 1 , v 2 ,..., v n es un conjunto ortonormal


en V si
( v i , v j )  0 para i  j
y vi   vi , vi  1

Si se cumple únicamente la primer condición se dice que el conjunto es ortogonal.

Teorema. Cualquier conjunto ortogonal finito de vectores no nulos en un espacio con


un producto interior es linealmente independiente.

Teorema. Cualquier conjunto finito y linealmente independiente en un espacio con un


producto interior puede transformarse en un conjunto ortonormal por medio del Proceso
Gram-Schmidt. En particular, cualquier espacio con producto interior de dimensión
finita tiene una base ortonormal.

Proyeccion ortogonal. Sea H un subespacio de un espacio con producto escalar (o


interior) V y sea una base ortonormal  u 1 , u 2 ,..., u k  . Si v  V , entonces la proyeccion
ortogonal de v sobre H, se denota proy H v , esta dada por

proy H v  ( v, u 1 )u 1  ( v, u 2 )u 2    ( v, u k )u k
Teorema. Sea H un subespacio de un espacio V finito-dimensional con producto
interior. Suponga que H tiene dos bases ortonormales  u 1 , u 2 ,..., u k  y  w 1 , w 2 ,..., w k 
. Sea v  V . Entonces
( v, u 1 )u 1  ( v, u 2 )u 2    ( v, u k )u k  ( v, w 1 )w 1  ( v, w 2 )w 2    ( v, w k )w k

Complemento ortogonal. Sea H un subespacio de un espacio V con producto interior.


Entonces el complemento ortogonal de H, denotado por H  esta dado por
H    x  V : (x, h)  0 para toda h  H

Teorema. Si H es un subespacio de un espacio V con producto interior, entonces


1. H  es un subespacio de un espacio V.
2. H   H   0
3. dim H   n  dim H si dim V  n  

Teorema de la proyección. Sea H un subespacio finito-dimensional de un espacio V con


producto interior. Entonces, existe un único par de vectores h y p tales que h  H ,
pH y
vhp
donde h  proy H v
si V es finito-dimensional, p  proy H v 

Teorema de aproximación en norma. Sea H un subespacio finito-dimensional de un


espacio V con un producto interior, y sea v un vector en V. Entonces, en H proy H v es
la mejor aproximación a v en el sentido siguiente: Si h es cualquier otro elemento de H,
entonces
v  proy H v  v  h
4.6. Cambio De Base, Base Ortonormal, Proceso De Ortonormalización Gram-Schmidt.

Matriz de transición. La matriz de A de n x n, cuyas columnas están dadas por


 a1 j 
a 
 
2j
(u j ) B2
 
 
 a nj 
recibe el nombre de matriz de transición de la base B1 a la base B2. Esto es,

 a11 a12  a1n 


a a 22  a 2 n 
 21
A   
 
 a n1 an2  a nn 
  
(u1 ) B
2
(u1 ) B
2
 (u n ) B
2

Teorema. Sean B1 y B2 bases para un espacio vectorial V. Sea A la matriz de transición


de B1 y B2. Entonces para todo x  V
(x) B2  A(x) B1

Teorema. Si A es la matriz de transición de B1 y B2 entonces A-1 es la matriz de


transición de B2 y B1.

Procedimiento para encontrar la matriz de transición de una base estándar a una base
B2   v 1 , v 2  , v n 
1. Escribir la matriz C cuyas columnas son v 1 , v 2  , v n
2. Calcular C-1. Ésta es la matriz de transición requerida.

 1   3  0    x
        
Ejemplo. En R3 sean B1   i, j, k y B 2  0,  1, 1   . Si x   y   R , escriba x
3

  2  0   2   z 
      
en términos de los vectores de B2.

Sol. Nota, los vectores B1 y B2 son bases de un espacio vectorial R3, el vector x es un
vector que pertenece a un espacio vectorial R3 representado por medio de la base B1 y se
desea representar por medio de la base B2.

Es necesario verificar que B2 es una base. Esto se hace evidente calculando el


1 3 0
determinante 0 1 1  8, dado que es diferente de cero, asegura que los
2 0 2
vectores que forma esta base son linealmente independiente y que forman un espacio
vectorial R3.
1 0  0 
0  u2  1 0 
u1      u3   
Dado que , , y , se ve que la matriz de
0 0 1 
  
Es el vector i Es el vector j Es el vector k

transición, C, de B2 a B1 esta dada por


1 3 0
C  0 1 1 
2 0 2
Consecuentemente por el teorema:
Si A es la matriz de transición de B1 y B2 entonces A-1 es la matriz de transición de B2 y
B1.

la matriz de transición de A de B1 a B2 es
2 6 3
1
AC 1
 2 2  1
8
 2 6  1
(esta matriz inversa se obtuvo por el método de la adjunta)

 1 
Por ejemplo, si (x) B 1
  2 , entonces
 4 

2 6 3   1   2   14 
1 1
(x) B2  2  2  1  2   2    14 
8 8
2 6  1  4   14  74 
Como comprobación observe lo siguiente
1  3  0   1  1  0   0
1  1  7 
 0   1   1     2  10  2 1  4 0
     
4 4 4
2  0   2  4  0 0 1


Ejemplo. En P2 la base estándar es B1  1, x, x 2 . En consecuencia, otra base es 
 2 2

B 2  4 x  1,2 x  x,3 x  3 . Si p  a0  a1 x  a 2 x , escriba p en términos de los
2

polinomios en B2.

Sol. Es necesario que B2 es una base. Si c1 (4 x  1)  c 2 ( 2 x  x)  c3 (3 x  3)  0 para


2 2

todo x, entonces, ordenando los términos se obtiene


 c1  3c3 0
4c1  c2 0
2c 2  3c3 0
1 0 3
El determinante del sistema anterior es 4 1 0  27 , lo cual significa que el
0 2 3
sistema planteado son ecuaciones independientes y c1  c 2  c3  0 es la única solución.
Además
 1 0  3
( 4 x  1) B1   4  , ( 2 x  x ) B1   1 , y (3  3 x ) B1  0
  2   2

 0   2  3
Por lo tanto
 1 0 3
C   4 1 0
 0 2 3
es la matriz de B2 a B1, de modo que
 3 6 3
1 
A  C 1   12  3 12
27 
 8 2 1 
a0 
es la matriz de transición de B1 a B2. Como  a 0  a1 x  a 2 x  B1   a1  se tiene que
 
2

a 2 
 3 6 3  a 0 
 a0  a1 x  a2 x  B2  27  12  3 12  a1 
2 1 

 8 2 1  a 2 

 271   3a0  6a1  3a 2  


 
  271   12a0  3a1  12a 2  
 271  8a0  2a1  a 2  
Por ejemplo, si p ( x )  5 x 2  3 x  4 , entonces

  3 6 3   4   1527 
  1
5x 2  3x  4 B2   12  3 12  3   2721 
27
 8 2 1   5   2731 
o bien
15 21 31
5 x 2  3x  4   (4 x  1)  ( 2 x 2  x)  (3x 2  3)
27 27 27

3  2   2  5  1 b 
Ejemplo. Sean B1   ,    y B 2   ,    dos bases en R2. Si (x) B    ,
1  1
     4 3
     b
 2
1

escribir x en términos de los vectores en B2.

Sol. Este problema requiere el escribir los vectores de B1 como combinaciones lineales
de los vectores B2. Esto es, se tiene que hallar constantes a11, a21, a12, a22, tales que
3  2  5 2  2   5
1  a11 4  a 21  3  y   1  a12  4  a 22  3 
           
Esto genera los siguientes dos sistemas
2a11  5a 21  3 2a12  5a 22  2
y
4a11  3a 21  1 4a12  3a 22  1
Las soluciones a los dos sistemas son
7 5 1 5
a11  , a 21   , a12  y a 22   , por tanto
13 13 26 13
1  14 1 
A
26  10  10
y

1  14 1  b1   261 (14b1  b2 )


( x ) B2        10 
26  10  10 b2    26 (b1  b2 ) 
7 
Si por ejemplo, sea x    , entonces
4  
7  3 2 3  2 
4  b1 1  b2  1  31   1
  B1        
y

7 1  14 1   3   2641 
4  26  10  10  1   20 
  B2      26 
7  41 2 20  5
4  26 4  26  3 
     

 x
Problemas. Escriba    R en términos de la base dada
2

 y
1  1  x  y 1 x  y  1   x 
1.  ,   R.  
1 1
    2 1 2  1  y 

3  3  4x  3y 5  7 x  5 y  3   x 
3.  ,   R. 7   
41  4  y 
7    4  41  

 x
 
Escriba  y   R en términos de la base dada
3

 z 
1  1  1 1  1 1  x 
0 , 1  , 1     z 1   y 
7.       R. ( x  y ) 0  ( y  z ) 1 
0 0 1 0 0 1  z 
 2  1  3 
     
9. 1 ,  4 ,  2 R.
 3  5    4
 2  1  3   x
6 x  11 y  10 z   2 x  17 y  7 z  4   7 x  13 y  9 z   2   y 
31 1   31   31    
3  5   4  z 

Escriba el polinomio a0  a1 x  a 2 x 2 en P2 en términos de la base dada.

R. a 0  a1 x  a 2 x  (a0  a1  a 2 )1  a1 ( x  1)  a 2 ( x  1)
2 2
11. 1, x  1, x 2  1

13. x  1, x  1, x 2  1 R.
(a  a1  a 2 ) (a  a 0  a 2 )
a 0  a1 x  a 2 x 2  0 ( x  1)  1 ( x  1)  a 2 ( x 2  1)
2 2

Bases ortonormales y proyecciones en Rn.

Conjunto ortonormal en Rn. El conjunto de vectores S   u1 , u 2 , , u k  en Rn es un


conjunto ortonormal si
u i  u j  0 si i  j
ui  ui  1
Si solamente se satisface la primera ecuación, el conjunto se llama ortogonal.

Norma o longitud de un vector. Si v  R n , entonces la norma o longitud de v denotada


por v está dada por
v  vv

Teorema. Si S   v 1 , v 2 , , v k  es el conjunto ortogonal de vectores no nulos, entonces


S es linealmente independiente.

Proceso de ortonormalizacion de Gram-Schimdt. Sea H un subespacio de dimensión m


de Rn. Entonces H tiene una base ortonormal.
Procedimiento
Sea S   v 1 , v 2 , , v m  una base para H.
Paso 1. Sea
v1
u1 
v1
 
Entonces u1  u 1   v 1 / v 1    v 1 / v 1   1 / v 1  v 1  v 1   1 de donde
2
u1  1 .

Paso 2. Sea
v '2  v 2  ( v 2  u1 )u1
Entonces v '2  u1  v 2  u1  ( v 2  u1 )(u1  u1 )  v 2  u1  v 2  u1  0 , de tal forma que v '2 es
ortogonal a u 1 . Además por el teorema: “Si S   v 1 , v 2 , , v k  es el conjunto ortogonal
de vectores no nulos, entonces S es linealmente independiente”, u 1 y v '2 son
linealmente independientes y v '2  0 .
Paso 3. Sea
v '2
u2 
v2
claramente es un conjunto  u 1 ,u 2  ortonormal.
Supóngase ahora que los vectores u1 , u 2 , , u k ( k  m) ya han sido construidos y que
forman un conjunto ortonormal. u k 1 se construye de la siguiente forma.

Paso 4. Sea
v 'k 1  v k 1  ( v k 1  u1 )u1  ( v k 1  u 2 )u 2    ( v k 1  u k )u k
Entonces, para i = 1, 2, . . ., k,
v 'k 1  u i  v k 1  ( v k 1  u1 )(u1  u i )  ( v k 1  u 2 )(u 2  u i )
   ( v k 1  u i )(u i  u i )    ( v k 1  u k )(u k  u i )
Pero u i  u j  0 si i  j y u i  u i  1 . Así
v 'k 1  u i  v k 1  u1  v k 1  u 1  0
 '

Por lo tanto u1 , u 2 , , u k , v k 1 es un conjunto ortogonal y linealmente independiente.
Además v k 1  0 .
'

'

Paso 5. Sea u k 1  v k 1 / v k 1 . Claramente u 1 , u 2 , , u k , u k 1
' '
 es un conjunto
ortnormal, así se continua este proceso hasta que k + 1 = m.

Ejemplo. Encontrar una base ortonormal para el conjunto de vectores en R3 que están
 x  
  
sobre el plano    y  : 2 x  y  3z  0
 z  
  
Tal y como se vio en un ejemplo anterior una base para este subespacio de dimensión
1  0 
   
dos es v 1  2 y v 2  3 .
0 1 
1 / 5 
v1  
Entonces v 1  5 y u1   2 / 5  , para continuar, se define
v1  0 
 
v '2  v 2  ( v 2  u1 )u1

0  1 / 5  0  6 / 5   6 / 5
 
v  3  (6 / 5 ) 2 / 5   3  12 / 5   3 / 5 
'
2
 
1  0  1   0   1 
       
Finalmente se tiene v 2  70 / 25  70 / 5 , de tal forma que u 2  v '2 / v '2 
'

 6 / 5  6 / 70  1 / 5   6 / 70  
1  3 / 5    3 / 70     
  . Así la base ortonormal es   2 / 5  ,  3 / 70  .
70 / 5  
 0   5 / 70  
 1   5 / 70 
     
Para verificar este resultado notese que cada uno tiene longitud 1 y satisface
2 x  y  3z  0 .

Ejemplo. Construya una base ortonormal en R3 a partir de la base  v1 , v 2 , v 3  


1 0 1  
      
 1  , 1  , 0   .
0 1 1  
      
1 / 2 
v1  
Se tiene que v 1  2 de tal forma que u 1   1 / 2  , entonces
v1  0 
 
 
0 1 / 2    1 / 2  1 / 2
0
  1        
v 2  v 2  ( v 2  u 1 )u1  1 
'
1 / 2   1  1 / 2   1 / 2 
2    
1   
 0  1   0   1 
  1 / 2   1 / 6 
 
Como v  3 / 2 , u 2 
'
2 3 / 2  1 / 2    1 / 6  , Continuando, se tiene
 1   2 / 6 
 
v 3'  v 3  ( v 3  u 1 )u 1  ( v 3  u 2 )u 2
1  1 / 2   1 / 6  1 1 / 2  1 / 6  2 / 3 
  1   1          
 0   1 / 2    1 / 6   0  1 / 2   1 / 6    2 / 3
2  6  2 / 6  1   0   2 / 6   2 / 3 
1
 0           
 2 / 3   1/ 3 
3  
Finalmente v 3  12 / 9  2 / 3 , de tal forma que u 3 
'
 2 / 3   1 / 3  .
2 
 2 / 3   1 / 3 
 
1 / 2   1 / 6   1 / 3  
     
Asi la base ortonormal es 1 / 2 ,  1 / 6 ,  1 / 3   . Para comprobarse notese que
 0   2 / 6   1 / 3  
     
cada uno tiene longitud 1, y satisface R3.

Matriz ortogonal. Se dice que una matriz Q de tamaño n x n es ortogonal si Q es


invertible y
Q 1  Q t

Teorema. Una matriz Q de tamaño n x n es ortogonal si y sólo si las columnas de Q


forman una base ortonormal para Rn.
1 / 2    1 / 6   1 / 3 
     
Ejemplo. Los vectores 1 / 2 ,  1 / 6 ,  1 / 3  forman una base ortonormal en R3.
 0   2 / 6   1/ 3 
     
1 / 2  1 / 6 1 / 3 
 
Así la matriz Q  1 / 2 1 / 6  1 / 3  es una matriz ortogonal, para verificar
 0 2/ 6 1 / 3 

esto, nótese que
 1/ 2 1/ 2 0  1 / 2  1/ 6 1 / 3  1 0 0
  
Q Q    .1 / 6
t
1/ 6 2 / 6  1 / 2 1/ 6  1 / 3   0 1 0
 1/ 3  1/ 3 1 / 3   0 2/ 6 1 / 3  0 0 1 

Proyección ortogonal. Sea H un subconjunto de Rn con base ortonormal  u1 , u 2 , , u k 


. Si v  R n , entonces la proyección ortogonal de v sobre H, denotada por proy H v , está
denotada por
proy H v  ( v  u1 )u1  ( v  u 2 )u 2    ( v  u k )u k

Teorema. Sea H un subespacio de Rn. Supóngase que H tiene dos bases ortonormales
 u1 , u 2 , , u k  y  w 1 , w 2 , , w k  . Sea v un vector en Rn. Entonces
( v  u1 )u1  ( v  u 2 )u 2    ( v  u k )u k  ( v  w 1 )w 1  ( v  w 2 )w 2    ( v  w k )w k

 x  
  
Ejemplo. Encuentre proy  v , donde  es el plano  y  : 2 x  y  3 z  0 y asimismo v
 z  
  
 3 
 
es el vector   2
 4 
1 / 5    6 / 70 
   
En un ejemplo anterior se vio que u 1  2 / 5  y u 2   3 / 70  son una base
 0   5 / 70 
   
ortonormal para , entonces

  3  1 / 5   1 / 5    3    6 / 70    6 / 70 
         
proy v    2  2 / 5   2 / 5     2   3 / 70    3 / 70 
   
  4   0    0    4   5 / 70    5 / 70 
          
1 / 5   6 / 70    1 / 5   24 / 70   1 / 7 
1   4        
proy  v   2 / 5    3 / 70    2 / 5    12 / 70    4 / 7 
5  70  5 / 70   0    20 / 70  2 / 7 
 0         

Teorema. Sea B   u 1 , u 2 , , u n  una base ortonormal de Rn y v  R n . Entonces


v  ( v  u 1 )u1  ( v  u 2 )u 2    ( v  u n )u n
Es decir v  proy R v n
 2
 
Ejemplo. Escriba el vector  1 en R3 en términos de la base ortonormal que sigue:

 3
1 / 2   1 / 6   1 / 3  
     
1 / 2  ,  1 / 6 ,  1 / 3   .
 0   2 / 6   1 / 3  
     
Sol.
 2    2  1 / 2   1 / 2    2   1 / 6    1 / 6    2   1 / 3    1 / 3 
 1    1  1 / 2   1 / 2     1   1 / 6    1 / 6     1   1 / 3    1 / 3  
      


 
  


 
  


 3    3   0    0    3   2 / 6    2 / 6    3   1 / 3    1 / 3 
              
1 / 2   1 / 6   1/ 3 
1   3   6  
 1 / 2    1/ 6    1 / 3  
2  6  3 
 0   2/ 6   1/ 3 

Complemento ortogonal. Sean H un subespacio de Rn. Entonces el complemento


ortogonal de H, denotado por H  , esta dado por

H   x  R n : x  h  0 para todo h  H 
Teorema. Si H es un subespacio de Rn, entonces:
1. H  es un subespacio de Rn.
2. H  H    0 .
3. dim H   n  dim H .

Teorema de proyección. Sea H es un subespacio de Rn y sea v  R n . Entonces existe un


único par de vectores h y p tal que h  H , p  H  y
v  h  p  proy H v  proy H  v

 x    3 
    
Ejemplo. En R sea    y  : 2 x  y  3z  0 . Escriba el vector  2 como h + p
3

 z    4 
  
donde h  H , p  H  .
Tal y como se vio en un ejemplo anterior una base para este subespacio de dimensión
1  0 
   
dos es v 1  2 y v 2  3 .
0 1 
1 / 5 
v1  
Entonces v 1  5 y u1   2 / 5  , para continuar, se define
v1  0 
 
v '2  v 2  ( v 2  u1 )u1

0  1 / 5  0  6 / 5   6 / 5
 
v  3  (6 / 5 ) 2 / 5   3  12 / 5   3 / 5 
'
2
 
1  0  1   0   1 
       
Finalmente se tiene v 2  70 / 25  70 / 5 , de tal forma que u 2  v 2 / v 2 
' ' '

 6 / 5  6 / 70  1 / 5   6 / 70  
1  3 / 5    3 / 70     
  . Así la base ortonormal es   2 / 5  ,  3 / 70  .
70 / 5  
 0   5 / 70  
 1   5 / 70 
     
y

  3  1 / 5   1 / 5    3   6 / 70    6 / 70 
         
proy v    2  2 / 5   2 / 5     2   3 / 70    3 / 70 
   
  4   0    0    4   5 / 70    5 / 70 
          
1 / 5   6 / 70    1 / 5   24 / 70   1 / 7 
1   4        
proy v   2 / 5    3 / 70    2 / 5    12 / 70     4 / 7 
5  70        
 0   5 / 70   0   20 / 70   2 / 7 
 3   1 / 7   20 / 7 
p  h  v   2   4 / 7   10 / 7 
 4   2 / 7  30 / 7 

Problemas. Construya una base ortonormal para el espacio vectorial dado o


subespacio.

1  1 1 / 2   1 / 2 
1. En R2, empezando con los vectores base   ,   R.  ,  
1  1  1 / 2   1/ 2 

i)a  b  0,  (1,0), (0,1)


ii )Si a  0, b  0 (1,0)
3. H  ( x, y )  R 2 : ax  by  0 R.
iii)Si a  0, b  0 (0,1)
iv)Si a  0, b  0 (b  a 2  b2 ,  a a2  b2 ) 
5. π  ( x, y, z )  R 3 : 2 x  y  z  0
R. (1 5 ,0, 2 5 ), ( 2 30 , 5 30 ,  1 
30 )

7. L  ( x, y, z )  R 3 : x / 2  y / 3  z / 4
R. (2 29 , 3 29 , 4 29 ) 
9. H  ( x, y, z , w)  R 4 : 2 x  y  3 z  w  0
R. (1 5 ,0,0, 2 5) 
x  3y z 0
13. H es el espacio solución de  2 x  2y  3z 0
4x  8y  5z 0
R. ( 7 66 ,  1 66 , 4 
66 )

Se da un subespacio H y un vector v. a) Encuentre proy H v ; b) encuentre una base


ortonormal para H  ; c) escriba v como h + p, en donde h  H , p  H  .
 x   a 
23. H     R : ax  by  0; v   
2

y
   b  
R. a )0
1 a 
b)  
a 2  b 2 b 
 a  0 
c) v      
 b  0 

 x    3
    
25. H   y   R : 3x  3 y  6 z  0; v   1 
3

 z    4 
  
 186
1 
R. a) 75 
49 
 118 
 3 
1
b)  2
7
 6 
  186  3 
1   13 
c )v  75    2
49  49 
 118   6 
 x   1
    1
 y  
27. H    R : 2 x  y  3 z  w  0; v   
4

  z   2
 w   
3
 1 
 
1  3
R. a) 
5 4 
 
 17 
2
 
1  1
b)
15  3 
 
 1
 1  2
 3  
1 2 1
c)     
5 4  5 3 
   
 17   1