Instituto Tecnológico de La Paz

Álgebra Lineal
Francisco José Bareño Peralta

Unidad I: Números Complejos

Ingeniería en Gestión Empresarial
Turno Matutino

Alumnos:
 Alvarado Almaraz Luis Javier 17310777
 Gutierrez Ramírez Rosalva Ariadna 17310800
 Haro González Claudia Andrea 17310836
 Higuera Ceja Mariana Guadalupe 19311019
 Lara Meza Elizabeth 19310997
 Ortega Gallegos Martín 19311003
 Ruíz Flores Emmanuel 18310856
 Tan Yajing 17310855
 Yepiz Smith Anette 19310962

La Paz, Baja California Sur

Fecha de entrega: 07 de Septiembre del 2020
Un espacio vectorial real V es un conjunto de objetos, denominados vectores, junto
con dos operaciones binarias llamadas suma y multiplicación por un escalar y que
satisfacen los diez axiomas enumerados a continuación.

Notación.
Si “x” y “y” están en V y si a es un número real, entonces la suma se escribe
como

“x + y” y el producto escalar de a y x como a x.

Axiomas de un espacio vectorial

1. Si “X” pertenece a “V” y “Y” pertenece a “V”, entonces “X+Y” pertenece a
“V”
2. Para todo “X,Y y Z” en “V”, “(x+y)+z=x(y+z)”
3. Existe un vector |0 pertenece “V” tal que para todo “X” pertenece a “V”,
“X+0=0+X=X”
4. Si “x” pertenece a “V”, existe un vector –x en “V” tal que “x+(-x)=0
5. Si “X” y ”Y” están en “V” entonces x+y=y+x
6. Si x pertenece a V y 𝛼 es un escalar, entonces 𝛼𝑥 pertenece a V
7. Si “X” y ”Y” están en V y 𝛼 es un escalar, entonces 𝛼(𝑥 + 𝑦) = 𝛼 x + 𝛼 y
8. Si X pertenece a V y 𝛼 y 𝛽 son escalares, entonces (𝛼 + 𝛽 )𝑥 = 𝛼 x + βy
9. Si X pertenece a V y 𝛼 y 𝛽 son escalares, entonces 𝛼(𝛽𝑥 ) = (𝛼𝛽 )𝑥
10. Para cada vector X pertenece a V, 1x=x

Definición de subespacio vectorial

Sea H un subconjunto no vacío de un espacio vectorial V y suponga que H es un
si un espacio vectorial bajo las operaciones de suma y multiplicación por un
escalar definidas en V. Entonces se dice que H es un subespacio de V.

Existen múltiples ejemplos de subespacio, sin embargo, en primer lugar, se

demostrará un resultado que hace relativamente sencillo determinar si un
subconjunto de V es en realidad sub espacio de V.

Un subconjunto no vacío de H de un espacio vectorial V es un sub espacio de V si

se cumplen las dos reglas de cerradura:
Reglas de cerradura para ver si un subconjunto no vació es un sub espacio

i) Si x € H y “y” € H, entonces x + y € H.

ii) Si x € H, entonces αx € H para todo escalar α.

Es obvio que si H es un espacio vectorial, entonces las dos reglas de cerradura se

deberán cumplir. De lo contrario, para demostrar que es un espacio vectorial, se
deberá demostrar que los axiomas i) a x) de la definición cumplen bajo las
operaciones de suma de vectores y multiplicación por un escalar definidas en V. Las
dos operaciones de cerradura [axiomas i) y iv)] se cumplen por hipótesis, como los
vectores en H son también vectores en V, las identidades asociativa, conmutativa,
distributiva y multiplicativa [axiomas ii), v), vii), viii), ix) y x)] se cumplen.

Este teorema demuestra que para probar si H es o no es un sub espacio de V, es

suficiente verificar que:

x + y “y” αX están en H cuando x y y están en H y α es un escalar.

Ejemplos de subespacios vectoriales

1) 𝑉 = ℝ2 𝐻 = {(𝑥, 𝑦): 𝑥 = 𝑦}

𝐻 ≠ ∅ 𝑝𝑜𝑟𝑞𝑢𝑒 (0,0) ∈ 𝐻

2) (𝑥, 𝑦) ∈ 𝐻 𝑋1 = 𝑦1

(𝑥2 , 𝑦2 ) ∈ 𝐻 𝑋2 = 𝑦2

(𝑥1 , 𝑦1 ) + (𝑥2 , 𝑦2 ) = (𝑥1 + 𝑥2 , 𝑦1 + 𝑦2 )

𝑥1 = 𝑦1
𝑥2 = 𝑦2
∴ (𝑥1 + 𝑥1 , 𝑦1 + 𝑦2 ) ∈ 𝐻
𝑥1 + 𝑥1 = 𝑦1 + 𝑦2

3) (𝑥, 𝑦) ∈ 𝐻 𝑃𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 ∝ 𝑒𝑠𝑐𝑎𝑙𝑎𝑟

X=Y

∝ (𝑥, 𝑦) = (∝ 𝑥, ∝ 𝑦)

𝑋=𝑌

∝ 𝑥 =∝ 𝑦 ∀∝ 𝑒𝑠𝑐𝑎𝑙𝑎𝑟 ∴∝ (𝑥, 𝑦) ∈ 𝐻
 Entonces como se cumple el inciso 1, 2 y 3 comprobamos que H es un sub
espacio de 𝑉 = ℝ2

Base y dimensión de un espacio vectorial

Un conjunto de vectores S= {v1, v2, v3,…, vn} en un espacio vectorial V se
denomina base de V si se cumplen las siguientes condiciones:
 S genera a V
 S es linealmente independiente
Una base posee 2 características que se acaban de ver, debe tener suficientes
valores para generar a V, pero no tantos de modo que uno de ellos pueda
escribirse como una combinación lineal de los demás vectores en S. Si un espacio
vectorial consta de un número finito de vectores, entonces V es de dimensión
finita. En caso contrario, V es de dimensión infinita.

Base
Una “base” para un espacio vectorial es un conjunto de vectores del espacio, a
partir de los cuales se puede obtener cualquier otro vector de dicho espacio,
haciendo uso de las operaciones en él definidas.
La base es natural, estándar o canónica si los vectores v1, v2, v3,…, vn forman
base para ℝ𝑛 .

Si S= {v1, v2,…, vn} es una base para un espacio vectorial V entonces todo vector
v en V se puede expresar como:

1. V = c1v1+ c2v2+…+ cnvn

2. V = k1v1+ k2v2+…+ knvn

Restar 2-1

0 = (c1- k1) v1+ (c2- k2) v2+…+ (cn- kn) vn

Ejercicios:

1. Demostrar si S = {v1, v2,…, v3} es base de R3, v1 = (1, 2,1); v2 = (2, 9,0); v3 =
(3, 3,4)

Proponer vector arbitrario, combinación lineal

b = c1v1+ c2v2+ c3v3
(b1, b2, b3) = c1(1,2,1)+ c2(2,9,0)+ c3(3,3,4)
(b1, b2, b3) = c1+2c2+3c3;2c1+9c2+3c3; c1+4c3

c1 + 2c2 + 3c3 = b1 det A = [(1*9*4)+ (2*3*1)+0]-[(1*9*3)+0+ (4*2*2)]

2c1 + 9c2 + 3c3 = b2 = [36+6]-[27+16]
c1+ 4c3 = b3 = -1 Si genera a R3

2. L= {(-1,-1,0), (2, 0,1). (1,2, -1)} es base de ℝ3 .

Primero saber si L es un sistema libre:

∝ (−1, −1,0) + 𝛽 (2,0,1) + γ(1,2, −1)

(−∝, ∝ ,0) + (2β, 0, β) + (γ, 2γ, −γ) −∝ +2β + γ = 0

(−∝ +2β + γ, ∝ +2γ, β − γ) ∝ +2γ = 0 →∝= −2γ
β−γ= 0→ 𝛽 =𝛾

−(−2𝛾 + 2𝛾 + 𝛾) → 5𝛾 = 0 → 𝛾 = 0
∝= −2 ∗ 0 = 0 β=0
Así que L es un sistema libre, por lo tanto L es base de ℝ3 .

Dimensión

Se llama dimensión de un espacio vectorial V al número de vectores que hay en

cualquiera de sus bases. Se denota dim (V).

 La dimensión de Rn con las operaciones normales es n.

 La dimensión de Pn con las operaciones normales es n+1.
 La dimensión de Mm, n con las operaciones normales es mn.

Si W es un subespacio de un espacio vectorial n-dimensional, entonces se puede

demostrar que la dimensión de W es finita y que la dimensión de W es menor o
igual que n.

Una combinación lineal de dos o más vectores es el vector que se obtiene al

sumar esos vectores multiplicados por escalares.
Cualquier vector se puede poner como combinación lineal de otros que tengan
distinta dirección.

Esta combinación lineal es única:

Sean v1, v2,…, vn vectores en un espacio vectorial V. Entonces cualquier vector
de la forma:
α1v1+α2v2+…+αnvn

donde α1v1+α2v2+…+αnvn son escalares se denomina combinación lineal de v1,

v2,…, vn.

Todo vector V = (a, b, c) en R3 se puede expresar como

i = (1,0,0); j = (0,1,0); k =(0,0,1)

V = (a, b, c) = a(i) + b(j) + c(k)

Entonces se dice que V es una combinación lineal de los 3 vectores i,j.

Los vectores son linealmente independientes si tienen distinta dirección y sus

componentes no son proporcionales.

Un conjunto de vectores {v1, v2,…, vk} es un espacio vectorial V es linealmente

dependiente si existen escalares c1, c2,…, ck, al menos uno de los cuales no es
cero, tales que:

c1v1+c2v2+…+ckvk=0

Si los vectores no son linealmente dependientes, se dice que son linealmente

independientes.

El cambio de base consiste en conocidas las coordenadas de un vector respecto a

una base B, encontrar las coordenadas de dicho vector con respecto a otra base
B’.

TEOREMA (La inversa de la matriz de transición).Si P es la matriz de transición de

una base B a una base B’ en, entonces Pes invertible y la matriz de transición de
B’a B es.

TEOREMA (Matriz de transición de una base B a una base B’).

Sean y dos bases de Rn, entonces la matriz de transición P-1 de B a B’ puede

determinarse mediante eliminación de Gauss – Jordan en la matriz como se
muestra a continuación.

En la matriz B’ representa la matriz que tiene por columnas las componentes de

los vectores de la base B’ respectivamente, de forma similar B representa la matriz
que tiene por columnas las componentes de los vectores de la base B
respectivamente.
Producto Interno:

Un producto interno sobre un espacio vectorial V es una operación que asigna a

cada par de vectores u y v en V un número real <u, v>.

Un producto interior sobre V es una función que asocia un número real ‹u, v› con
cada par de vectores u y v cumple los siguientes axiomas:

Propiedades:

i. (v, v) ≥ 0
ii. (v, v) = 0 si y sólo si v = 0.
iii. (u, v +w) = (u, v)+ (u, w)
iv. (u + v, w) = (u, w)+ (v, w)
v. (u, v) = (v, u)
vi. (αu, v) = α (u, v)
vii. (u, αv) = α (u, v)

Espacios con producto interior:

El producto interior euclidiano es solo uno más de los productos internos que se
tiene que definir en Rn Para distinguir entre el producto interno normal y otros
posibles productos internos se usa la siguiente notación.

u*v = producto punto (producto interior euclidiano para Rn)

‹u, v› = producto interno general para espacio vectorial V.

Propiedades de los productos interiores:

1. ‹0, v› = ‹v, 0› = 0
2. ‹u + v, w› = ‹u, w› + ‹v, w›
3. ‹u, cv› = c‹u, v›.
Un espacio vectorial con producto interno se denomina espacio con producto
interno.

Base ortonormal

En álgebra lineal, una base ortonormal de un espacio prehilbertiano V (es decir, un

espacio vectorial con producto interno) o, en particular, de un espacio de Hilbert H,
es un conjunto de elementos cuyo span es denso en el espacio, en el que los
elementos son mutuamente ortogonales y normales, es decir, de magnitud
unitaria. Una base ortogonal satisface las mismas condiciones, salvo la de
magnitud unitaria; es muy sencillo transformar una base ortogonal en una base
ortonormal mediante el producto por un escalar apropiado y de hecho, esta es la
forma habitual en la que se obtiene una base ortonormal: por medio de una base
ortogonal.

Así, una base ortonormal es una base ortogonal, en la cual la norma de cada
elemento que la compone es unitaria.

Estos conceptos son importantes tanto para espacios de dimensión finita como de
dimensión infinita. Para espacios de dimensión finita, la condición de span denso
es la misma que la de 'span', como se usa en álgebra lineal.

Una base ortonormal por lo general no es una "base", es decir, en general no es

posible escribir a cada elemento del espacio como una combinación lineal de un
número finito de elementos de la base ortonormal. En el caso de dimensión
infinita, esta distinción cobra importancia: la definición dada requiere solo que el
span de una base ortonormal sea densa en el espacio vectorial, y no que iguale al
espacio entero.

Una base ortonormal de un espacio vectorial V no tiene sentido si el espacio no

posee un producto interno. Un Espacio de Banach no tendrá una base ortonormal
a no ser que sea un espacio de Hilbert.

Matriz en cambio de base

Al construir una matriz que nos permita cambiar las coordenadas de un vector en
una base por las coordenadas del mismo vector en otra base. Consideramos que
en un espacio vectorial V la función identidad, que trasforma cada vector en sí
mismo. Entonces una trasformación lineal
𝐼𝑑: 𝑉 → 𝑉 ⋮ 𝐼𝑑 (𝑣) = 𝑣
Observación: Si 𝑉 = ℝ, la función identidad es f(x)=x.
Tomemos un par de bases del mismo espacio vectorial V:
𝐵 = {𝑣1 , … . , 𝑣𝑛 }
𝐵´ = {𝑤1 , … . , 𝑤𝑛 }
Construyamos ahora la matriz asociada a la trasformación lineal identidad:
𝑀(𝐼𝑑)𝐵𝐵´ = ([𝑣1 ]𝐵´ . … , [𝑣𝑛 ]𝐵´ ) ∈ ℝ𝑛𝑥𝑛
Recordemos que:
M (F) BB‘[v] B= [F (v)] B‘
En el caso particular de la transformación identidad, teniendo en cuenta que Id
(v)=v Id (v)=v, resulta:
 M (Id) BB′. [v]B= [v] B′

¿Qué efecto produce esta matriz? Cambia las coordenadas, o sea el sistema de
referencia. No transforma el vector pues

Id (v)=v Id (v)=v.

M (Id) BB′M (Id) BB′ se denomina matriz de cambio de base de B a B′.

¿Qué rango tiene esta matriz? Tiene rango n ya que sus columnas son LI por ser
coordenadas de vectores de una base de V.

Por ser M (Id) BB′∈ ℝ𝑛𝑥𝑛 de rango n, es inversible.

¿Qué efecto produce la matriz inversa? Nos permite volver a la primera base,
como lo indica el siguiente esquema:

𝑀(𝐼𝑑)𝐵𝐵´
[𝑣 ]𝐵 ⇆ [𝑣]𝐵´
𝑀(𝐼𝑑)𝐵´𝐵

Ejemplo
Consideremos las siguientes bases de R2:

B1= {(1,0), (1,3)}

B2= {(0,1), (1,1)}
E= {(1,0), (0,1)}

a) Hallar M (Id) B1B2

b) Hallar M (Id) B1E
c) Hallar M (Id) EB1

Solución:

a) Se construye la matriz de cambio de base buscando las coordenadas en la

base 𝐵2 de los vectores de la base 𝐵1
𝑀(𝐼𝑑)𝐵1𝐵2 = ( [𝑣1 ]𝐵2 [𝑣2 ]𝐵2 )
Busquemos las coordenadas de (1, 0) en la base 𝐵2 :
(1, 0) = 𝛼 ∗ (0, 1) + 𝛽 ∗ (1, 1)
⇒ 𝛼 = −1 ⋀ 𝛽 = 1
−1
⇒ [(1, 0)]𝐵2 = ( )
1
Busquemos las coordenadas de (1, 3) en la base 𝐵2 :
(1, 3) = 𝛼 ∗ (0, 1) + 𝛽 ∗ (1, 1)
⇒𝛼=2 ⋀ 𝛽=1
2
⇒ [(1, 3)]𝐵2 = ( )
1

−1 2
𝑀(𝐼𝑑)𝐵1 𝐵2 = ( )
1 1
b) Se construye la matriz de cambio de base buscando las coordenadas en la
base E de los vectores de la base 𝐵1
𝑀(𝐼𝑑)𝐵1𝐸 = ( [𝑣1 ]𝐸 [𝑣2 ]𝐸 )

Pero las coordenadas en base canónicas son las mismas componentes del
vector. Podemos verificarlo para (1, 0):
(1, 0) = 𝛼 ∗ (1, 0) + 𝛽 ∗ (0, 1) ⇒ 𝛼 = 1, 𝛽 = 0
1
Entonces las coordenadas de (1, 0) en base canónica son justamente ( ):
0

1
[(1, 0)]𝐸 = ( )
0
Para el vector (1, 3) podemos escribir:
1
[(1, 3)]𝐸 = ( )
3
Así que la matriz cambio de base resuelta:
1 1
𝑀(𝐼𝑑)𝐵1 𝐸 = ( )
0 3
Que podemos decir que se construyó ubicando a los vectores de la base B1= {(1,
0), (1, 3)} como columnas de la matriz.
c) Se pide que hallemos M(Id)EB1 pero según hemos visto esta matriz es la
inversa de 𝑀(𝐼𝑑)𝐵1𝐸
1
1 −
1 3 −1 3)
𝑀(𝐼𝑑)𝐸𝐵1 = ( ) ∗ ( )=(
3 0 1 1
0
3
Fuentes de consulta
https://sites.google.com/site/sistemasalgebralineal/unidad-4---espacios-vectoriales/definicion-de-
subespacio-vectorial-y-sus-propiedades

https://www.youtube.com/watch?v=r63OyOTSHH8

https://www.youtube.com/watch?v=3A82uPEPH94

https://www.youtube.com/watch?v=2fzZJnsgm18

http://sitioalgebralinealtercersemestre.blogspot.com/2015/12/unidad-4-espacios-vectoriales.html

https://aga.frba.utn.edu.ar/matriz-de-cambio-de-base/

http://www3.uah.es/josemsalazar/material_docente_arquitectura/alg/esp_vect/Esp_vect_ejer_s
oluc.pdf

Matriz de cambio de base

Las ecuaciones de cambio de base nos permiten obtener las coordenadas de un
vector de una base supuesta que las conocemos respecto de otra.

La matriz de cambio de base (o matriz de transición) C [A->B] de la base de la A a

la base B, se puede calcular transponiendo la matriz de los coeficientes cuando se
expresan los vectores de A como combinación lineal de los vectores de B. Otra
manera, la que será utilizada, es multiplicando la inversa de la matriz de la base B
por la matriz de la base A, donde la matriz de una base es la matriz cuyas columnas
son los vectores de la base. Las matrices de una base siempre son invertibles,
debido a su rango coincide con su orden. Este método de cálculo se basa en la
siguiente fórmula: C [A->B] = C [N->B] •C [A->N] donde N es la base canónica, y C
[N->B] = inv. (C [B->N]). La matriz de cambio de base de cualquier base B a la base
canónica N es igual a la matriz de la base B.

Definición (matriz de transición = matriz de cambio de base). Sean A = (a1,. . ., an)

y B = (b1,. . ., bn) bases de V. La matriz de transición de A a B llamada también
matriz de cambio de A a B es la matriz n × n cuyas columnas son vectores
columnas de las coordenadas de los vectores b1,. . ., bn en la base A:
Ejemplos 1
1. Considera la base ordenada B= (1, x, x2) de ℝ2 [x], el espacio vectorial de
polinomios de coeficientes reales grado a lo más 2. Veremos que B'= (3x 2,2x, 1)
es también una base de ℝ2 [x]. Encontraremos la matriz de cambio de base de B
a B' y la matriz de cambio de base de B' a B.
La dimensión de ℝ2 [x] es 3 y B' tiene 3 elementos, así que basta ver que los
elementos de B' son linealmente independientes para ver que B' es base. Una
combinación lineal a (3x2)+b (2x)+c (1)=0 es equivalente a que 3ax2+2bx+c=0, lo
cual sucede si y sólo si a=b=c=0. Esto muestra que B' es base.

Para encontrar a la matriz de cambio de base de B a B' lo que tenemos que hacer
es escribir a los elementos de B' como combinación lineal de los elementos de B.
Esto lo hacemos de la siguiente manera (recuerda que el orden es importante):
Como los coeficientes de 3x2 en la base ordenada B son 0, 0 y 3, entonces la
0
primera columna de la matriz de cambio de base será (0). Argumentando de
3
manera similar para 2x y 1, tenemos que la matriz de cambio de base de B a B' es
0 0 1
(0 2 0)
3 0 0
Para encontrar a la matriz de cambio de base de B' a B, expresamos a los
elementos de B en términos de la base B' como sigue:

En este caso fue sencillo hacerlo, pero en otros problemas frecuentemente esto se
hace resolviendo un sistema de ecuaciones.

De esta manera, tenemos que la matriz de cambio de base de B' a B es

Ejemplos 2
Consideremos las siguientes bases de R2:

a) Hallar M(Id)B1B2

Se construye la matriz de cambio de base buscando las coordenadas en la

base B2 de los vectores de la base B1.

Busquemos las coordenadas de (1,0) (1,0) en la base B2:

Busquemos las coordenadas de (1,3) (1,3) en la base B2:

EL ESPACIO EUCLÍDEO
Es una operación entre dos vectores, cuyo resultado es un escalar (de ahí el
nombre “producto escalar”). El producto escalar permite reconocer a los vectores
ortogonales (“ángulo recto”): dos vectores son ortogonales si su producto escalar
es cero (por ejemplo, (1,3) y (-6,2), etc.)

La geometría euclídeo se desarrolla en los siglos XIX y XX, tras la aparición del
concepto de espacio vectorial. Recibe su nombre en honor a Euclides, matemático
griego (~300 a.C.) quien estudió los conceptos básicos de la Geometría plana,
aunque por supuesto no en un contexto vectorial. Para generalizar esos conceptos
geométricos, observamos el comportamiento de los vectores del plano. En ℜ 2
tenemos definido el producto escalar usual (a1, a2) · (b1, b2) = a1 b1 + a2 b2

Espacio vectorial con producto interno

ESPACIOS EUCLÍDEOS
Definición. Sea E un espacio vectorial real. Se llama producto escalar a toda
aplicación de E x E en ℝ:

Es decir, a cada par le asigna un escalar de R, al cual se le suele

representar en la forma:

Diremos que es un producto escalar (también llamado “producto interno”) si

cumple las tres siguientes propiedades:
Caso particular de Rn a Rn
Nos interesa especialmente el caso de las TL T: Rn→Rn, y la relación entre la
matriz estándar y otra matriz asociada M (T) BB, con B base de Rn. Volvamos a
construir el esquema para este caso particular:

Habíamos visto que:

En este caso particular la expresión queda:

Por lo tanto:

Expresión matricial de un producto escalar.

Sea E un espacio vectorial de dimensión n, y sea una base de este
espacio . Una vez conocidos los n productos escalares,
, con i, j = 1,..., n, podemos dar una expresión del producto escalar:

Considerando los dos vectores:

Lo cual en notación matricial queda expresado:

Siendo G = (gij) i, j = 1,..., n

La matriz G se llama matriz métrica del producto escalar en la base B. Se trata de
una matriz simétrica definida positiva.
Ejemplos de producto escalar.
Ejemplo 1
El producto escalar usual en ℜ n: (a1, a2,. . ., an) · (b1, b2,. . ., bn) = a1 b1 + a2 b2
+. . . + an bn
Puede verse como el producto de una matriz fila por una matriz columna:

Ejemplo 2
En ℜ3 podemos “inventar” otra operación que cumpla también las propiedades
anteriores, y por tanto podremos llamarla un producto escalar. Por ejemplo,
(a,b,c) · (a’,b’,c’) = aa’ + 2bb’ + 3 cc’
Compruébese que cumple las propiedades.

Vectores ortogonales y ortonormales.

Cuando una base de un espacio vectorial es ortogonal (o bien, ortonormal), pasan

varias cosas buenas. Esto amerita una definición por separado.

Definición. Sea un conjunto de vectores en . Decimos que es

 Una base ortogonal si 𝑆 es una base de 𝑉 y es un conjunto ortogonal.

 Una base ortonormal si 𝑆 una base de 𝑉 y es un conjunto ortonormal.
 Dado un espacio vectorial euclídeo E, se llaman vectores ortogonales aquellos
cuyo producto escalar sea nulo:

Cuando todos los vectores de un sistema son ortogonales dos a dos, se

dice que es un sistema ortogonal. Si además los vectores del
sistema son unitarios, se dice que es un sistema ortonormal.

Un sistema ortonormal cumple:

Corolario. En un espacio Euclideano de dimensión 𝑛, un conjunto ortonormal

de 𝑛 vectores es una base ortonormal.

La importancia de las bases ortogonales yace en que dada una base

ortonormal 𝐵 y un vector 𝑣 , podemos encontrar varias propiedades de 𝑣 en
términos de 𝐵 fácilmente. Por ejemplo, veremos más adelante que:

 Las coordenadas de 𝑣 con respecto a la base 𝐵 son sencillas.

 Hay una fórmula simple para la norma de 𝑣 en términos de sus
coordenadas en la base 𝐵 .
 Si 𝐵 es una base de un subespacio 𝑊 de 𝑉 , entonces es fácil encontrar
la distancia de 𝑣 a 𝑊.

Ejemplo:

En Rn con el producto escalar canónico, la base canónica es un sistema

ortonormal.

Sea S = , un sistema ortonormal. Si S no es libre no todos

nulos tal que

Si ahora multiplicamos escalarmente a esta expresión por ei :

*Cuando el número de vectores de un sistema ortonormal coincide con la
dimensión de E, dicho sistema es una base ortonormal de E.

Ejemplo. En Rn la base canónica es una base ortonormal.

En R2 el conjunto 𝑆 = {(2,3) (9, −6)}es un conjunto ortogonal. Además, se puede

verificar fácilmente que son dos vectores linealmente independientes. De este
modo, 𝑆 es una base ortogonal.

Sin embargo, 𝑆 no es una base ortonormal pues el primero de ellos tiene

norma √22 + 33 = √13. Si quisiéramos convertir a 𝑆 en una base ortonormal,
podemos normalizar a cada uno de sus elementos. Los conjuntos ortonormales
son linealmente independientes.

Método de ortogonalización de Gram-Schmidt.

Sea una base cualquiera , se trata de determinar a partir de ella

otra base que sea ortogonal. Se procede de la siguiente manera:

Donde los coeficientes se determinan de tal forma que cada vector v sea
ortogonal al resto de vectores.

De esta manera:

De manera análoga para hallar se toman las dos condiciones siguientes:

De una manera genérica se llega a la expresión:

Con esto se consigue una base de vectores ortogonales. Si ahora dividimos a

cada uno de ellos por su norma habremos obtenido una base de vectores
ortonormales
EJEMPLO:

Sea R3 con el producto escalar euclídeo, y sea la base B = {(1, 1, 0), (1, 0,
1), (0, 1, 0)}. A partir de esta base hallemos una base ortonormal por el método de
Gram-Schmidt.

Solución:

Simplemente seguimos los pasos arriba indicados:

A continuación, se normalizan estos tres vectores:

Que nos dan los tres vectores de la base ortonormal.

Ejemplo. Aplicar la ortogonalizacion de Gram–Schmidt a la lista de vectores a1,
a2, a3:

Usando la matriz de Gram compruebe que la lista de vectores b1, b2, b3 que se
obtiene al final es ortogonal.
Solución.
1. Ponemos b1 = a2. Calculamos la norma de b2:

2. Construimos el vector b2.

De aquí

Calculamos la norma de b2:

3. Construimos el vector b3.

De aquí

Calculamos la norma de b3:

Para comprobar que los vectores b1, b2, b3 son ortogonales calculamos su matriz
de Gram:

Podemos normalizar los vectores b1, b2, b3 (dividirlos entre sus normas) y obtener
una lista ortonormal:
Fuentes de información

ISABEL PUSTILNIK Y FEDERICO GÓMEZ. (2017). Matriz de cambio de base. 3 de

noviembre del 2020, de Álgebra y Geometría Analítica Sitio web:
https://aga.frba.utn.edu.ar/matriz-de-cambio-de-base/
GOI ESKOLA. (2017). NOTAS DE CLASE. 5 de noviembre del 2020, de ESCUELA
TÉCNICA SUPERIOR DE INGENIERÍA Sitio web:
http://www.ehu.eus/ebravo/contenidos/Algebra%20lineal/Algebra.pdf