Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Vectoriales-
Dr. Juan Pérez
Material de Lectura
Facultad Politécnica
Facultad Politécnica UNA
Facultad Politécnica
Universidad Nacional de Asunción
Índice de contenido
2
Facultad Politécnica
Universidad Nacional de Asunción
3
Facultad Politécnica
Universidad Nacional de Asunción
2. Espacios Vectoriales
a. Resumen
b. Introducción
c. Subtítulos
2. Espacios Vectoriales.
2.1. Definición.
2.2. Axiomas.
2.3. Ejemplos de Espacios Vectoriales.
2.4. Subespacios.
2.4.1. Definición.
2.4.2. Condiciones para que un subconjunto sea un subespacio.
2.4.3. Ejemplos.
2.4.4. Intersección de dos subespacios.
2.5. Combinación Lineal.
2.5.1. Definición.
2.5.2. Conjunto Generador.
4
Facultad Politécnica
Universidad Nacional de Asunción
5
Facultad Politécnica
Universidad Nacional de Asunción
2.2. Axiomas.
1. Axiomas de clausura o de cerradura:
𝐴𝑥1: si 𝑢 𝑦 𝑣 son objetos de 𝑉 𝑢 + 𝑣 ∈ 𝑉
𝐴𝑥2 : sí 𝑢 ∈ 𝑉 y 𝑘 es un escalar 𝑘𝑢 ∈ 𝑉
2. Axiomas de la Adición: Sean 𝑢, 𝑣 , 𝑤 objetos de 𝑉.
𝐴𝑥3(conmutativa): 𝑢 + 𝑣 = 𝑣 + 𝑢
𝐴𝑥4(asociativa): 𝑢 + (𝑣 + 𝑤) = (𝑢 + 𝑣) + 𝑤
𝐴𝑥5(existencia del neutro aditivo): existe un objeto 0 ∈ 𝑉, tal que:
0+𝑢 =𝑢+0= 𝑢
𝐴𝑥6(existencia del inverso aditivo): ∀𝑢 ∈ 𝑉, ∃ − 𝑢 ∈ 𝑉, tal que: 𝑢 +
(−𝑢) = 0
3. Axiomas de la multiplicación por escalar (sean: 𝑎 𝑦 𝑏 escalares cualesquiera;
𝑢 𝑦 𝑣 objetos de 𝑉):
𝐴𝑥7 (distributividad respecto a la adición): 𝑎(𝑢 + 𝑣) = 𝑎. 𝑢 + 𝑎. 𝑣
𝐴𝑥8 (distributividad respecto a la adición en los números reales):
(𝑎 + 𝑏)𝑢 = 𝑎. 𝑢 + 𝑏. 𝑢
𝐴𝑥9 (asociatividad): 𝑎(𝑏𝑢) = (𝑎𝑏)𝑢
𝐴𝑥10 (existencia del neutro multiplicativo): 1. 𝑢 = 𝑢
2.3. Ejemplos.
✓ Espacio 𝑅𝑛 , esta notación se usa frecuentemente para designar todas
las n–plas de elementos de los reales, en este espacio la suma
vectorial y el producto por un escalar se define como la suma y el
producto entre vectores.
6
Facultad Politécnica
Universidad Nacional de Asunción
7
Facultad Politécnica
Universidad Nacional de Asunción
(𝑎 + 𝑏)𝑢 = 𝑎( 𝑥1 , 𝑦1 ) + 𝑎( 𝑥1 , 𝑦1 ) = 𝑎𝑢 + 𝑏𝑢
8
Facultad Politécnica
Universidad Nacional de Asunción
→ 𝑦1 = 𝑚𝑥1 + 1; 𝑦2 = 𝑚𝑥2 + 1
2.4. Subespacios.
2.4.1. Definición.
Sea 𝑉 un espacio vectorial y 𝑆 un subconjunto no vacío de 𝑉, se dice que 𝑆
es un subespacio de 𝑉 si es cerrado bajo las operaciones de adición y
multiplicación por un escalar, y, además contiene el elemento cero.
2.4.2. Condiciones para que un subconjunto sea un subespacio.
Un subconjunto no vacío 𝑆 de 𝑉, es un subespacio de 𝑉 si se cumplen las
dos reglas de clausura o cerradura, es decir:
a) Si 𝑢 𝑦 𝑣 ∈ 𝑆 → 𝑢 + 𝑣 ∈ 𝑆
b) Si 𝑢 ∈ 𝑆˄ 𝐾 ∈ 𝑅 → 𝑘𝑢 ∈ 𝑆
Nota:
9
Facultad Politécnica
Universidad Nacional de Asunción
𝑢 = (𝑦 − 3𝑧, 𝑦, 𝑧) ∈ 𝑆,
∴ S es un subespacio de 𝑅3 .
10
Facultad Politécnica
Universidad Nacional de Asunción
Ejemplo:
𝑆 = {(𝑢1 , 𝑢2 , 𝑢3 ) ∈ 𝑅3 /𝑢1 + 𝑢2 − 𝑢3 = 0} y
Solución
𝑢1 + 𝑢2 − 𝑢3 = 0 … (1)
{
𝑢1 − 2𝑢2 + 𝑢3 = 0 … (2)
11
Facultad Politécnica
Universidad Nacional de Asunción
Ejemplos:
12
Facultad Politécnica
Universidad Nacional de Asunción
1 2 1 = 1 1 2 1 = 1
1 1⁄
(0 1 −1 = 1⁄2) 𝑓2 → 𝑓2 ~ (0 1 −1 = 2)
2 11⁄ 𝑓3 + 5𝑓2 → 𝑓3
0 −5 5 = 3 0 0 0 = 2
Obtenemos el siguiente sistema escalonado reducido:
𝑐1 + 2𝑐2 + 𝑐3 = 1
{ 𝑐2 − 𝑐3 = 1⁄2
0. 𝑐3 = 11⁄2
De la última ecuación podemos concluir que el sistema no admite
solución, no existe valor de 𝑐3 que verifique dicha igualdad. Por tanto 𝑣 no
es CL de los vectores 𝑢1 , 𝑢2 , 𝑢3 .
5 − 1 1 0 0 3 1 1
✓ Verificar si: es C.L. de , , .
11 1 3 0 0 1 1 1
Expresamos la matriz dada como una CL del conjunto de matrices:
1 0 0 3 1 1
[ 5 −1] = 𝑐1 [ ] + 𝑐2 [ ] + 𝑐3 [ ]
11 1 3 0 0 1 1 1
Aplicando las operaciones de multiplicación por escalar y adición de
matrices, se tiene que:
13
Facultad Politécnica
Universidad Nacional de Asunción
𝑐 + 𝑐3 3𝑐2 + 𝑐3
[ 5 −1] = [ 1 ]
11 1 3𝑐1 + 𝑐3 𝑐2 + 𝑐3
Por igualdad de matrices, obtenemos el sistema de ecuaciones:
𝑐1 + 𝑐3 = 5
3𝑐2 + 𝑐3 = −1
{
3𝑐1 + 𝑐3 = 11
𝑐2 + 𝑐3 = 1
Formando la matriz ampliada y escalonando la matriz:
1 1 : 5 1 1 : 5
3 1 : −1 2 𝑓 − 3𝑓 1 → 𝑓2 0 −2 : −16
( ) ~( )
3 1 : 11 𝑓3 − 3𝑓1 → 𝑓3 0 −2 : −4
1 1 : 1 𝑓4 − 𝑓1 → 𝑓4 0 0 : −4
La última fila de la matriz nos permite concluir que el sistema de ecuaciones
no admite solución, considerando que 0. 𝑐1 = −4, no existe valor real de 𝑐1
que verifique dicha ecuación.
5 − 1 1 0 0 3 1 1
Por tanto, no es C.L. del conjunto , ,
11 1 3 0 0 1 1 1
2.5.2. Conjunto Generador.
Sea 𝑉 un espacio vectorial, se dice que U = u1, u 2 , ..., u k de 𝑉, es un conjunto
OBS.:
Aunque todo elemento de 𝑉 se expresa como CL de un conjunto generador
de 𝑉 dicha representación no necesariamente es única.
Ejemplos:
Espacio Vectores
𝑅2 i= (1,0); j= (0,1)
𝑅3 i= (1,0,0); j= (0,1,0); k= (0,0,1)
14
Facultad Politécnica
Universidad Nacional de Asunción
𝑥 = 𝑐1 + 2. (2𝑥 − 𝑦) → 𝑥 = 𝑐1 + 4𝑥 − 2𝑦 → 𝑐1 = 𝑥 − 4𝑥 + 2𝑦 → 𝑐1 = −3𝑥 + 2𝑦
Se obtiene la CL:
(𝑥, 𝑦) = (−3𝑥 + 2𝑦)(1,2) + (2𝑥 − 𝑦)(2,3)
Si realizamos una verificación, para cualquier vector en 𝑅2 , por ejemplo,
si tomamos el vector (1,1), tendríamos que:
(1,1) = (−3.1 + 2.1)(1,2) + (2.1 − 1)(2,3) →(1,1) = (-1) (1,2)
+1(2,3)→(1,1) = (1,1)
Por tanto, podemos concluir que los vectores (1,2) y (2,3) generan 𝑅2 .
de u1, u 2 , ..., u k se denota por Gen u u , ..., u
1, 2 k
y recibe el nombre de
Subespacio de Rn generado por U = u1, u 2 , ..., u k
Ejemplos:
✓ Hallar el espacio generado por los vectores (1, −3,2) y (2, −1,1).
Para hallar el espacio generado por los vectores dados, debemos de
determinar los vectores que pueden expresarse como una combinación
lineal de ellos, es decir: hallar 𝑐1 , 𝑐2 tales que:
15
Facultad Politécnica
Universidad Nacional de Asunción
𝑥 = 𝑐1 + 2𝑐2
{𝑦 = −3𝑐1 − 𝑐2
𝑧 = 2𝑐1 + 𝑐2
Para resolver el sistema, aplicamos el Método de Gauss. Formamos la
matriz ampliada
Y procedemos a escalonar:
1 2 : 𝑥 1 2 : 𝑥
(−3 −1 : 𝑦 ) ~ (0 5 : 3𝑥 + 𝑦 ) 𝑓2 + 3𝑓1 → 𝑓2 ~
2 1 : 𝑧 0 −3 : −2𝑥 + 𝑧 𝑓3 − 2𝑓1 → 𝑓3
1 2 : 𝑥
1 2 𝑥 : 3𝑥 + 𝑦
3𝑥 + 𝑦 1 0 1 :
(0 1 : ) ⁄5 𝑓2 → 𝑓2 ~ 5
5 −𝑥 + 3𝑦 + 5𝑧 𝑓3 + 3𝑓2 → 𝑓3
0 −3 : −2𝑥 + 𝑧 0 0 :
( 5 )
Obtenemos el sistema escalonado:
𝑐1 + 2𝑐2 = 𝑥
3𝑥 + 𝑦
𝑐2 =
5
−𝑥 + 3𝑦 + 5𝑧
{0. 𝑐2 = 5
Por lo que el sistema es compatible si y solo si,
−𝑥 + 3𝑦 + 5𝑧 = 0 → 𝑥 − 3𝑦 − 5𝑧 = 0
Por tanto, el espacio generado por los vectores (1, −3,2) y (2, −1,1) esta
dado por:
𝐺𝑒𝑛{(1, −3,2), (2, −1,1)} = {(𝑥, 𝑦, 𝑧)𝜖 𝑅3 : 𝑥 − 3𝑦 − 5𝑧 = 0 }
✓ Indique si el vector x = (2, 3, 1) pertenece al espacio generado por
Gen (1, 2, 1);(3, 5, 0)
Para determinar si el vector x pertenece al Espacio Generado, debemos
de poder expresarlo como CL de los vectores dados, es decir:
(2,3,1) = 𝑐1 (1,2,1) + 𝑐2 (3,5,0)
Aplicando las operaciones de multiplicación por escalar y adición de
vectores, se tiene:
(2,3,1) = (𝑐1 +3𝑐2 , 2𝑐1 + 5𝑐2 , 𝑐1 )
16
Facultad Politécnica
Universidad Nacional de Asunción
Ejemplo:
17
Facultad Politécnica
Universidad Nacional de Asunción
𝑐1 𝑢1 + 𝑐2 𝑢2 + 𝑐3 𝑢3 + ⋯ + 𝑐𝑘 𝑢𝑘 = 0
Ejemplo:
✓ Los vectores 𝑢 = (1, −1,0), 𝑣 = (1,3, −1), 𝑤 = (5,3, −2) son Linealmente
Dependientes.
𝑐1 + 𝑐2 + 5𝑐3 = 0
{−𝑐1 + 3𝑐2 + 3𝑐3 = 0
−𝑐2 − 2𝑐3 = 0
1 1 5 : 0 1 1 5 : 0
(−1 3 3 : 0) ~ ( 0 4 8 : 0) 𝑓2 + 𝑓1 → 𝑓2 ~
0 −1 −2 : 0 0 −1 −2 : 0
1 1 5 : 0 1 1 5 : 0
1
(0 1 2 : 0) 4 𝑓2 → 𝑓2 ~ (0 1 2 : 0) ;
0 −1 −2 : 0 0 0 0 : 0 𝑓3 + 𝑓𝑠 → 𝑓3
𝑐1 + 𝑐2 + 5𝑐3 = 0
obtenemos el sistema escalonado{ 𝑐2 + 2𝑐3 = 0, Por lo que el
0𝑐3 = 0
sistema admite infinitas soluciones, 𝑐3 ≠ 0, por tanto, el conjunto es
Linealmente Dependiente.
18
Facultad Politécnica
Universidad Nacional de Asunción
Ejemplo:
1 −1 0
𝑢. (𝑣𝑥𝑤) = |1 3 −1| = 1(−6 + 3) + 1(−2 + 5) + 0(3 − 15) = −3 + 3 + 0 = 0
5 3 −2
• Dos vectores del plano son L.D., si sus componentes son proporcionales.
Ej.:𝑢 = (𝑢1 , 𝑢2 ) y 𝑣 = (𝑣1 , 𝑣2 ) tales que
u1 u 2
𝑢 = 𝑘𝑣 → (𝑢1 , 𝑢2 ) = 𝑘(𝑣1 , 𝑣2 ) → 𝑢1 = 𝑘𝑣1 y 𝑢2 = 𝑘𝑣2 → = =k
v1 v2
LD.
Ejemplo: Si consideramos 𝑅2 el conjunto {(1,2), (0,1), (1,1)}, k
corresponde a la cantidad de vectores que contiene el conjunto, es decir
𝑘 = 3; y 𝑛 la dimensión del espacio que contiene esos elementos, es decir
𝑛 = 2. Tenemos que 𝑘 > 𝑛, expresaremos como una CL para poder
determinar si el conjunto es LD,
19
Facultad Politécnica
Universidad Nacional de Asunción
Ejemplo:
20
Facultad Politécnica
Universidad Nacional de Asunción
Ejemplo:
21
Facultad Politécnica
Universidad Nacional de Asunción
Ejemplo:
1 2 −1 : 0 𝑓1 − 2𝑓2 → 𝑓1 1 0 1 : 0
~( ) ~( )
0 1 −1 : 0 0 1 −1 : 0
𝑁𝐴 = {𝑥 ∈ 𝑅𝑛 : 𝐴𝑥 = 0}
El conjunto 𝑁𝐴 es un subespacio de 𝑅𝑛 .
22
Facultad Politécnica
Universidad Nacional de Asunción
Ejemplo:
1 2 −1
✓ Si consideramos la matriz 𝐴 = ( ), en el ejemplo anterior
2 −1 3
vimos que el conjunto solución está dado por {(−𝑧, 𝑧, 𝑧): 𝑧 ∈ 𝑅} ; por lo
que 𝑁𝐴 = {(−𝑧, 𝑧, 𝑧): 𝑧 ∈ 𝑅}; 𝑦 ʋ(𝐴) = 1
𝐼𝑚 𝐴 = {𝑦 ∈ 𝑅𝑚 : 𝐴𝑥 = 𝑦 𝑝𝑎𝑟𝑎 𝑎𝑙𝑔𝑢𝑛𝑎 𝑥 ∈ 𝑅𝑛 }
El conjunto 𝐼𝑚 𝐴 es un subespacio de 𝑅𝑚 .
𝑅𝐴 es un subespacio de 𝑅𝑛
𝐶𝐴 es un subespacio de 𝑅𝑚 .
23
Facultad Politécnica
Universidad Nacional de Asunción
Ejemplo:
1 2 −1
✓ Dada la matriz 𝐴 = ( ); hallar la imagen, el rango, el espacio
2 −1 3
de los renglones y el espacio de las columnas de A.
i) Como la 𝐼𝑚 𝐴 = 𝐶𝐴 , tenemos que las primeras columnas de la matriz
A, son LI en 𝑅2 , formando así una base para 𝑅2 , por tanto 𝐼𝑚 𝐴 =
𝐶𝐴 = 𝑅2
ii) 𝜌(𝐴) = dim 𝐼𝑚𝐴 = dim 𝑅2 = 2
iii) Nos faltaría solo determinar el espacio de los renglones de A, el
mismo estaría dado por:
𝑅𝐴 = 𝑔𝑒𝑛{(1,2, −1), (2, −1,3)}
𝑎1
[𝑣]𝑠 = ( ⋮ ) = [𝑎1 , 𝑎2 , … , 𝑎𝑛 ]𝑇 ; ([𝑣]𝑠 es una matriz de orden 𝑛x1)
𝑎𝑛
24
Facultad Politécnica
Universidad Nacional de Asunción
Ejemplo:
1 3 0
𝐶 = (0 −1 1)
2 0 −2
25
Facultad Politécnica
Universidad Nacional de Asunción
1 3 0
1 3 0 0 −1 1
|𝐶| = |0 −1 1 | = ||2 0 −2|| = (2 + 0 + 6) − (0 + 0 + 0) = 8
2 0 −2 1 3 0
0 −1 1
3 0 3 −1
|−1 0 | − | | | |
1 0 2 1 −2 0 −2 0 1
0 2 1 2 1 0
𝐶 𝑡 = (3 −1 0 ) → 𝐴𝑑𝑗 𝐶 = − | | | | −| |
1 −2 0 −2 0 1
0 1 −2 0 2 1 2 1 0
( |−1 0| −|
3 0
| |
3 −1 )
|
2 6 3 1 2 6 3
−1
𝐴𝑑𝑗 𝐶 = (2 −2 1 ) → 𝑃 = 𝐶 = (2 −2 1 ) →
8
2 6 −1 2 6 −1
1⁄ 3⁄ 3⁄
4 4 8
𝑃= 1 1
⁄4 − ⁄4 1⁄8 , la matriz de transición de 𝐵1 a 𝐵2 .
1 3⁄ 1
( ⁄4 4 − ⁄8)
1⁄ 3⁄ 3⁄ 1⁄ 𝑥 + 3⁄ 𝑦 + 3⁄ 𝑧
4 4 8 𝑥 4 4 8
(𝑥 )𝐵2 = 1⁄ 1⁄ 1 𝑦 1⁄ 1⁄ 1
4 − 4 ⁄8 ( )= 4 𝑥 − 4 𝑦 + ⁄8 𝑧
1 3⁄ 1 𝑧 1 3 1
( ⁄4 4 − ⁄8) ( ⁄4 𝑥 + ⁄4 𝑦 − ⁄8 𝑧)
1
Por ejemplo, si tomamos el vector (𝑥 )𝐵1 = (−2)
4
1⁄ 3⁄ 3⁄ 1⁄
4 4 8 1 4
(𝑥 )𝐵2 = 1 1
⁄4 − ⁄4 1⁄8 (−2)= 1⁄4
1 3⁄ 1 4 −7
( ⁄4 4 − ⁄8) ( ⁄4)
26
Facultad Politécnica
Universidad Nacional de Asunción
Esta función debe satisfacer los siguientes axiomas para los vectores u, v y w y
el escalar c:
𝐴𝑥1(simetría): u, v = v, u
𝐴𝑥2(adición): u, v + w = u, v + u, w
𝐴𝑥3(homogeneidad): c. u, v = c.u, v
𝐴𝑥4(positividad): u, u >0 si u 0 y u, u =0 u = 0
2.11.2. Ejemplos:
✓ Hallar el producto interno de los vectores (-4,8) y (6,2), dado el producto
u, v = x1 y1 + 4 x2 y 2 siendo u = (x1 , y1 ); v = (x2 , y2 )
𝐴𝑥1 (simetría): u , v = v, u
𝑢. 𝑣 = 6𝑢1 𝑣1 + 2𝑢2 𝑣2 = ⏟
6𝑣1 𝑢1 + 2𝑣2 𝑢2 = 𝑣.
⏟ 𝑢
𝑐𝑜𝑛𝑚𝑢𝑡𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑 𝑒𝑛 𝑅 𝑑𝑒𝑓𝑖𝑛𝑖𝑐𝑖ó𝑛 𝑑𝑒 𝑃𝐼
𝐴𝑥2 (adición): u, v + w = u, v + u, w
27
Facultad Politécnica
Universidad Nacional de Asunción
〈𝑢, 𝑣 + 𝑤〉 = ⏟
〈𝑢, 𝑣〉 + 〈𝑢, 𝑤〉
𝑑𝑒𝑓𝑖𝑛𝑖𝑐𝑖ó𝑛 𝑑𝑒 𝑃𝐼
𝐴𝑥3(homogeneidad): c. u, v = c.u, v
𝐴𝑥4(positividad): u, u >0 si u 0 y u, u =0 u = 0
Sea 𝑢 = (𝑢1 , 𝑢2 ) → 𝑢. 𝑢 = 6𝑢
⏟ 1 𝑢1 + 2𝑢2 𝑢2 = ⏟(𝑢1 )2 + 2(𝑢2 )2
6
𝑑𝑒𝑓𝑖𝑛𝑖𝑐𝑖ó𝑛 𝑑𝑒 𝑃𝐼 𝑑𝑒𝑓𝑖𝑛𝑖𝑐𝑖ó𝑛 𝑑𝑒 𝑝𝑜𝑡𝑒𝑛𝑐𝑖𝑎 𝑒𝑛 𝑅
⏟ 1 )2 + 2⏟(𝑢2 )2 > 0
Si 𝑢 ≠ 0 → (𝑢1 , 𝑢2 ) ≠ (0,0) → 𝑢. 𝑢 = 6(𝑢
>0 >0
⏟ 1 )2 + 2⏟(𝑢2 )2 = 0
Si 𝑢 = 0 → (𝑢1 , 𝑢2 ) = (0,0) → 𝑢. 𝑢 = 6(𝑢
=0 =0
La función u, v = 6u1 .v1 + 2u 2 .v2 satisface los cuatro axiomas que definen un PI,
2.11.3. Propiedades:
Cualquier función en un espacio vectorial que satisface los axiomas del
producto interno, define un producto interno en dicho espacio, y por
consiguiente puede haber varios Productos Internos en un espacio vectorial.
Un espacio vectorial con producto interno se denomina Espacio Euclídeo. Un
espacio Euclídeo puede ser real o complejo.
2.12. Bases ortonormales y proyecciones en 𝑹𝒏.
2.12.1. Conjunto ortonormal.
Un conjunto de vectores V= v1 , v2 ,...., vn se denomina ortonormal, si:
i) vi , v j = 0 con i j
ii) 𝑣𝑖 . 𝑣𝑖 = 1
El conjunto que satisface solo la condición i), se denomina conjunto ortogonal.
28
Facultad Politécnica
Universidad Nacional de Asunción
√2 √2 √2 √2
Ejemplo: El conjunto 𝐵 = {( 2 , ) ; (− 2 , 2 )}, es un conjunto ortonormal.
2
√2 √2 √2 √2 √2 √2 √2 √2 2 2
i) ( , ) . (− , ) = . (− ) + . = − + = 0, el conjunto es
2 2 2 2 2 2 2 2 4 4
ortogonal.
2 2
√2 √2 √2 √2 √2 √2 2 2
ii) (2 , )( 2 , 2 ) =(2) +(2) =4+4=1
2
2 2
√2 √2 √2 √2 √2 √2 2 2
iii) (− , ) (− 2 , 2 ) = (− ) +(2) =4+4 =1
2 2 2
∴ el conjunto es ortonormal.
u = u .u definición de vector
1⁄
‖𝑢‖ = √𝑢1 2 + 𝑢2 2 + ⋯ + 𝑢𝑛 2 = (𝑢. 𝑢) 2
Ejemplo
29
Facultad Politécnica
Universidad Nacional de Asunción
Solución:
Propiedades de la norma:
Teorema:
como:
1) 𝑢1 = 𝑣1 𝑈1 = 𝑔𝑒𝑛(𝑢1 )
(𝑣2.𝑢1 )
2) 𝑢2 = 𝑣2 − 𝑝𝑟𝑜𝑦𝑢1 𝑣2 = 𝑣2 − ‖𝑢1‖2
. 𝑢1 𝑈2 = 𝑔𝑒𝑛(𝑢1 , 𝑢2 )
⋮
(𝑣𝑛 .𝑢1 ) (𝑣𝑛.𝑢𝑛−1 )
n) 𝑢𝑛 = 𝑣𝑛 − 𝑝𝑟𝑜𝑦𝑢1 𝑣𝑛 − ⋯ − 𝑝𝑟𝑜𝑦𝑢𝑛−1 𝑣𝑛 = 𝑣𝑛 − ‖𝑢1‖2
. 𝑢1 − ⋯ − ‖𝑢𝑛−1‖2
. 𝑢𝑛−1 ,
generalizando tenemos:
1
Jörge Pedersen Gram (1850-1916) fue un actuario danés interesado en la ciencia de la medición.
Erhard Schmidt (1876-1959) fue un matemático alemán discípulo de Hilbert y es considerado uno de los
fundadores del análisis funcional. Su aporte al proceso de Gram-Schmidt se produjo en un ensayo de 1907
acerca de las ecuaciones integrales en el que escribió los detalles del método de manera más explícita que
Gram.
30
Facultad Politécnica
Universidad Nacional de Asunción
(𝑣𝑛.𝑢𝑖 )
𝑢𝑛 = 𝑣𝑛 − ∑𝑛−1
𝑖=1 ‖𝑢𝑖 ‖2 𝑖
𝑢 𝑈𝑛 = 𝑔𝑒𝑛(𝑢1 , 𝑢2, … , 𝑢𝑛 )
Ejemplo
2
𝑢2 = (2,1,0,1) − 4 (1, −1, −1,1) 𝑣2 . 𝑢1 = (2,1,0,1)(1, −1, −1,1) = 2
1 1 1 1
𝑢2 = (2,1,0,1) − (2 , − 2 , − 2 , 2) ‖𝑢1 ‖2 = 12 + (−1)2 + (−1)2 + 12 = 4
3 3 1 1
→ 𝑢2 = ( , , , )
2 2 2 2
3. 𝑢3 = 𝑣3 − 𝑝𝑟𝑜𝑦𝑢1 𝑣3 − 𝑝𝑟𝑜𝑦𝑢2 𝑣3
1 15 3 3 1 1 3 3 1 1 15
𝑢3 = (2,2,1,2) − 4 (1, −1, −1,1) − 10 (2 , 2 , 2 , 2) 𝑣3 . 𝑢2 = (2,2,1,2) (2 , 2 , 2 , 2) = 2
1 1 3 2 3 2 1 2 1 2
→ 𝑢3 = (− 2 , 0, 2 , 1) ‖𝑢2 ‖2 = ( ) + ( ) + ( ) + ( ) = 5
2 2 2 2
∴ Una base ortogonal para V = {(1, – 1, – 1, 1), (2, 1, 0, 1), (2, 2, 1, 2)} es
3 3 1 1 1 1
𝑈 = {(1, −1, −1,1), (2 , 2 , 2 , 2) , (− 2 , 0, 2 , 1) }
31
Facultad Politécnica
Universidad Nacional de Asunción
Para obtener una base ortonormal, basta con que normalicemos cada
1
vector de U, es decir: 𝑤𝑖 = ‖𝑢 ‖ 𝑢𝑖 , luego:
𝑖
1 1 1 1 1 1
𝑤1 = ‖𝑢 ‖ 𝑢1 = 2 (1, −1, −1,1) = (2 , − 2 , − 2 , 2) ‖𝑢1 ‖2 = 4 → ‖𝑢1 ‖ = 2
1
1 1 3 3 1 1 3√5 3√5 √5 √5
𝑤2 = ‖𝑢 ‖ 𝑢2 = ( , , , ) = ( 10 , , , ) ‖𝑢2 ‖2 = 5 → ‖𝑢2 ‖ = √5
2 √5 2 2 2 2 10 10 10
1 √6 1 1 √6 √6 √6 3 3
𝑤3 = ‖𝑢 ‖ 𝑢3 = (− 2 , 0, 2 , 1) = (− , 0, 6 , 3 ) ‖𝑢3 ‖2 = → ‖𝑢2 ‖ = √
3 3 6 2 2
1 1 1 1 3√5 3√5 √5 √5 √6 √6 √6
𝑈 = {( , − , − , ) ; ( , , , ) ; (− , 0, , )}
2 2 2 2 10 10 10 10 6 6 3
Ejemplo:
1⁄
1⁄ 1⁄
√3
√3 √3
1 0 1
− ⁄
✓ Probar si la matriz 𝑃 = ⁄ , es ortogonal.
√2 √2
2 − 1⁄ − 1⁄
( ⁄√6 √6 √6)
1 1 1 1 1
(1⁄ , 1⁄ , 1⁄ ) (0, 1⁄ , − 1⁄ ) = .0 + . + . (− ) = 0
√3 √3 √3 √2 √2 √3 √3 √2 √3 √2
1 2 1 1 1 1
(1⁄ , 1⁄ , 1⁄ ) (2⁄ , − 1⁄ , − 1⁄ ) = . + . (− ) + . (− ) = 0
√3 √3 √3 √6 √6 √6 √3 √6 √3 √6 √3 √6
32
Facultad Politécnica
Universidad Nacional de Asunción
2 1 1 1 1
(0, 1⁄ , − 1⁄ ) (2⁄ , − 1⁄ , − 1⁄ ) = 0. + . (− ) + (− ) . (− ) = 0
√2 √2 √6 √6 √6 √6 √2 √6 √2 √6
Al hallar los módulos de cada uno de los vectores fila de la matriz, se tiene:
1 2 1 2 1 2 1 1 1 3
‖(1⁄ , 1⁄ , 1⁄ )‖ = √( ) + ( ) + ( ) = + + = = 1
√3 √3 √3 √3 √3 √3 3 3 3 3
1 2 1 2 1 1 2
‖(0, 1⁄ , −1⁄ )‖ = √(0)2 + ( ) + (− ) = 0 + + = = 1
√2 √2 √2 √2 2 2 2
2 1 1 2 2 1 2 1 2 4 1 1 6
√
‖( ⁄ , − ⁄ , − ⁄ )‖ = ( ) + (− ) + (− ) = + + = = 1
√6 √6 √6 √6 √6 √6 6 6 6 6
𝑅3
✓ Dado el subespacio 𝑆 = {(𝑥, 𝑦, 𝑧) ∈ − 𝑦 + 𝑧 = 0˄ 𝑥 − 𝑦 + 𝑧 = 0}, con
2𝑥
33
Facultad Politécnica
Universidad Nacional de Asunción
3√2 √2 √2 √2 √2 √2
𝑝𝑟𝑜𝑦𝑆 𝑣 = (0 + + ) (0, , ) = 2√2 (0, , ) = (0,2,2)
2 2 2 2 2 2
34
Facultad Politécnica
Universidad Nacional de Asunción
Bibliografía
• Grossman, S. I. (2007). Álgebra lineal. México: Mac Graw Hill.
• Nicholson, W. K. (2003). Álgebra lineal con aplicaciones. Madrid: Mc
Graw Hill.
• Williams, G. (2001). Álgebra lineal con aplicaciones (Cuarta ed.). México:
Mac Graw Hill.
• Lipschutz, S.(1996). Álgebra Lineal. Madrid: Mac Graw Hill.
• Kozak, A.M., Pompeya Pastorelli, S., Vardanega,P.E (2007) Nociones de
geometría analítica y algebra lineal. México: Mac Graw Hill
35