Matemática Intermedia para Economía y

Finanzas

PUCP

Libro de Texto

Ricardo Huamán-Aguilar
Departamento de Economía
(rhuaman@pucp.pe)

January 16, 2023

Contents !"#
$%&'( # &)*+,&*$ - %(-.//0( $1+2)(&3
4

5&%* # /&/0& 6

I Algebra lineal 2
1 Proyección ortogonal 3
1.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Espacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Bases y dimensión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4 Complemento ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.5 Proyección ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.6 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.7 Apéndice: Ortogonalización de Gram-Schmidt . . . . . . . . . . . . . . . . 20
1.8 Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

A Bibliografía 23

1
 Part I

Algebra lineal

2
Chapter 1

Proyección ortogonal

1.1 Introducción

3
Ricardo Huamán-Aguilar Departamento de Economía, PUCP

8
1.2 Espacios vectoriales 7*

Definición 1.1 Sea V ⇢ Rn . Se dice que V es un9):

espacio vectorial si " "

1) 8u, 8v 2 V se cumple que u + v 2 V . 4

2) 8↵ 2 R, 8u 2 V se cumple que ↵u 2 V .

IJ
?

&=*0A0/.$
4
?

<*.'&=* @0,32&&4,$ +C
;&(
,.30+=0$*$
>

5-(+(
ED>
*
&$
0(
,&*)=0*0.$
B3
=+),3/,(%*+
4 4

3&$
?

;F

; ;
7 > &
?

/.($+=
;
?
> +(*
@.
HB
Observación 1.1 Tomando ↵ = 0, y u cualquier vector en V , se tiene que ↵u = 0 2 V .
"
G
K./*+=$
$.
;, /+

"

Es decir, si V es un espacio vectorial, entonces necesariamente contiene al vector nulo 0.

$):*@
M N.$
L
; 7 E
B &0 4

UB7
< O= PQ6 R
%&(
QST B;F
-
4

%&(
B7
?

S
W
+ )
) S
4

V & 4
 E
U*.%
K&3.(*
?
O=+% >
;F

Y
<.& 4
S R
X.7 4

;![3$+ D
?
0 Z6 B
V 7 $)% %0 D
"
4

#
4 #
" ,*, "

(. 4

G
"

O= +*=+ *): R

\ <.& 7 5;F E ?
S6 .
7 ] !&*$+ L
L

75F
^_```a`
>a4

7 ; b A" 7
L
"

"
51+3 R
/+0( + 4

0K.
40=
E $0 4

4
US P 1+* R ZScT4c 6 S6 )*=S P =
R
. 6 d7

7
V
2&:&%&+K.**03
4
.$
(.

7
eST U ccRT 6 P 6 P 6 d
L

) f 10 TRT
"

+
R
"

S6 Q S 4 S 4

! [g<f
A..* <.&
>
B
4

" 4

[
"

7 Sh P c4 ) 6 R
cTRc 6 R
P TRT 6
6
!&C. 3. i 0 @+ 6 *3+ R .6 S 5 04 . 6 B3 7 4

?
g& j 0
Q P .4 +3 S P Q4 + 6 ; 7 "
Ricardo Huamán-Aguilar Departamento de Economía, PUCP
$):
Ejercicio 1.1 Estudie si V = {0} es un espacio vectorial.
L

<0 7 S k
0( ; +
6 6 5;F 4

8
TRT 6
A
g+
+)*=. R

6 S6

l6 !
5 TRT +

1 "

" g+ R
+
R
) 6 R
S R

:6 *1.0= R 7;;4
*4*3 P + 26 S

& R

6
B7
V

;
)
P +4+ R
U S
6
4

; no;F
+

- P
+
R
R

B( &@.1*. R
- a *+ L* 4

U*&

5$( @.$/ " *10(

$.
4

/&$.$
Ricardo Huamán-Aguilar Departamento de Economía, PUCP

A continuación, estudiamos si algunos conjuntos son espacios vectoriales.

V = {v = (v1 , v2 ) 2 R2 | v1 = 3v2 + 7}. 5NF
E
Ejemplo 1.1
Solución
Según la Observación 1.1, todo espacio vectorial contiene al vector nulo. En este caso
vemos que (0, 0) 2
/ V , pues 0 6= 3(0) + 7 = 7. Por lo tanto, V no es un espacio vectorial.

Ejemplo 1.2 V = {v = (v1 , v2 ) 2 R2 | v2 = 0}.

Solución
p
En este caso V = {(0, 0), (1, 0), (2, 0), (3, 0), (⇡, 0), ( 2, 0), . . .}
Notemos que el vector (0, 0) está en V .
Para fijar ideas, consideremos un caso particular.
1) Sean (0, 1) y (0, 2) 2 V , luego sumando ambos vectores se tiene:

(1, 0) + (2, 0) = (3, 0) 2 V

2) Sea ↵ = 2 2 R y v = (1, 0) 2 V , luego multiplicando se tiene:

↵v = 2(1, 0) = (2, 0) 2 V.

Para concluir que V es un espacio vectorial, según la definición, se requiere verificar las
condiciones 1) y 2) para todos los vectores en V y para todo escalar en R.
1) Sean u = (u1 , u2 ) 2 V y v = (v1 , v2 ) 2 V , entonces se cumplen u2 = 0 y v2 = 0.
Luego,
⇣ ⌘
u + v = (u1 , u2 ) + (v1 , v2 ) = (u1 , 0) + (v1 , 0) = u1 + v1 , 0 + 0 .

Esto implica que u + v 2 V .

2) Sea ↵ 2 R y v = (v1 , v2 ) 2 V , entonces v2 = 0. Luego,

↵v = ↵(v1 , v2 ) = ↵(v1 , 0) = (↵v1 , 0) 2 V

Por lo tanto, V es un espacio vectorial.

S ] 7 Sh P =0K&3 4/,h=4S$1*p b 5;F E

0K4
V
.7 E ;

8
E
T Sq ; + 6 *A
TS"p \/r*,@0.40( D

g)/- 7 K.(*0

4&*hB\3;
)$ $):
%&(
.$ "
R

4=+hB0FQh=sS+ b
L

"
7S ; 5 =
R

S
5;F

7 m
$+3. M + R
4

P 6 B7 6 7
.6 <.. U 10 (& 'S 5 ' 4)& B 4

-
R R

/0)*'.K E

B( .A)*+ ] ) B7 M Us "

"
f 4

t B7 M $ tsST 4

7
6
;
US P 10 +
6 B
P f
R
R
S6 )*' S
)0*' R
R
t S P '1+ 6

s 6 A.. gB ;F U "

"
P 10 R (.3 M
7
R

) S P U% R
+ 6

:..A R
u P U= 4
+ 6 S P &)$ + 6 B 7
R

Z4
o6 * o; V
7+$ $):$%&/.
=./*+=0&3 4
Ricardo Huamán-Aguilar Departamento de Economía, PUCP
(

Ejemplo 1.3 V = {v = (v1 , v2 , v3 ) 2 R3 | v1 = v2 }. 5 ;F

Solución
p p
En este caso V = {(0, 0, 0), (1, 1, 3), (2, 2, 8), (3, 3, 15), (⇡, ⇡, 6), ( 2, 2, 0), . . .}
Notemos que el vector (0, 0, 0) está en V .
Para fijar ideas, consideremos un caso particular.
1) Sean (1, 1, 3) y (2, 2, 8) 2 V , luego sumando ambos vectores se tiene:

(1, 1, 3) + (2, 2, 8) = (3, 3, 11) 2 V

2) Sea ↵ = 2 2 R y v = (1, 1, 3) 2 V , luego multiplicando se tiene:

↵v = 2(1, 1, 3) = (2, 2, 6) 2 V.

Para concluir que V es un espacio vectorial, según la definición, se requiere verificar las
condiciones 1) y 2) para todos los vectores en V y para todo escalar en R.
1) Sean u = (u1 , u2 , u3 ) 2 V y v = (v1 , v2 , v3 ) 2 V , entonces se cumplen u1 = u2 y
v1 = v2 . Luego,

u + v = (u1 , u2 , u3 ) + (v1 , v2 , v3 ) = (u2 , u2 , u3 ) + (v2 , v2 , v3 )

= u2 + v2 , u2 + v2 , u3 + v3 .

Esto implica que u + v 2 V .

2) Sea ↵ 2 R y v = (v1 , v2 , v3 ) 2 V , entonces v1 = v2 . Luego,

↵v = ↵(v1 , v2 , v3 ) = ↵(v2 , v2 , v3 ) = (↵v2 , ↵v2 , ↵v3 ) 2 V

$):
Por lo tanto, V es un espacio vectorial.
 B\.%3+
"
c4q >
; K4 # 0(
7vSe
4=$h.3F$h=4""=s 6
H&33.=
:&$.
%&/.
7 4

<+30
"

7 " ; P K04 =( 0$ 6 h =
R
!;F R
=
R
B;F
b
7 S ; P K04 =0
R
Tc "c P TRT R
: 6
h K
R
B;F R
=
R
5" wQ
b
7 S
; =
R
P cRc /+3* 7$ P +
R "TRc 6 h =0 B;F
R
7$ B;F e 4

m S
; &3( R &4 ) 6 *
%
P TRT R
0 6 h gB;x
R
%
/4 ccQe

; '.33 6
&33
+3*%3+0+ %&(
'
&6 # V S
R 04 R
&

&32. &
- %
$+=*& 4

?
y S
; 510/+ 6 +
R
*+ R
+
R 0 6
; .$ g 4 ; 4
P
B\)= " ; 4

V
y+$ :&$. 7
),
%&( 4

@0 " 7 "

" 8 y S Q 4
Ricardo Huamán-Aguilar Departamento de Economía, PUCP

Los espacios vectoriales tienen un conjunto más pequeño que genera todo el espacio. Dicho
conjunto se conoce como la base de dicho espacio.
Como se puede verificar fácilmente (ver Ejercicio 1), el espacio vectorial más pequeño es
V = {0}. Para todos fines prácticos, no tiene sentido trabajar con dicho espacio. Por
esta razón, en adelante, consideraremos espacios vectoriales V 6= {0}. 7 *+

1.3 Bases y dimensión

$):
Definición 1.2 Sea V ⇢ Rn un espacio vectorial tal que V 6= {0}. Sea B = {u1 , u2 , · · · , um } ⇢
V . El conjunto B es una base para V si "

1) Para cada vector v 2 V se cumple que

S

v = ↵ 1 u1 + · · · + ↵ m um ,
S S

"T
#

para ↵1 , · · · , ↵m números reales. Es decir, si todo elemento de V es una combinación

lineal de los elementos de B.
2) El conjunto B es linealmente independiente.

Observación 1.2 • El número de elementos de B se conoce como la dimensión del

espacio V , y se denota dim(V ).
• La condición 1) se conoce como que B es un conjunto generador de V .
• La condición 2) expresa que B es el conjunto más pequeño posible, pues no admite
vectores que tengan dependencia lineal de otros.
• Las condiciones 1) y 2) dicen que el conjunto B es un conjunto generador "mínimo".
• Si bien V = {0} es un espacio vectorial, su posible base sería {0}. Al ser esta
"base" linealmente dependiente, se declara que el espacio V no tiene base.
0``````
e

1. @0/.
9).
y S
A)( 41= U,
b .= )(& :&$. 7
%&=$
4
R 4
R
4

- 3. @0, 7 M, 4
B\(2:"
c4Q 0

h
L
z 7 "

"
3- g K04 HB;F =0 "

"
T
6 4

S7S
; P =
R R+ 6 /" ccQQc =
R
/" ;F
6
m ccQe {
b P 6 B;F
B =
S =( (+ R

7 S
{ & P (+ 6 B
ccQe &* ;F 6 4

7 0 @ $): =)13
A+)(@
.=%)+
.$

*+@&$ 3& /+(*0()),

%.=
*0,. @. 530+ 6

;
;
? ?

@0+3 2),
& 4

S y S
b 5 =0+* b 4

"Vva
@0,7S 8 y Sg 4
Ricardo Huamán-Aguilar Departamento de Economía, PUCP

A continuación, presentamos tres ejemplos en los que se requiere hallar (si es posible) la
base y la dimensión.
Ejemplo 1.4 Considere el conjunto V del Ejemplo 1.1.
+A
Solución
$): m S 2
4(&,.h=s""
k
R

No hay base, pues V no es espacio vectorial.

Ejemplo 1.5 Considere el conjunto V del Ejemplo 1.2. 8

Solución
Sea v = (v1 , v2 ) 2 V , entonces se cumple v2 = 0. Luego,

v = (v1 , v2 ) = (v2 , 0) = v2 (1, 0), v2 2 R (1.1)

Entonces, una posible base es B = {(1, 0)}. Para concluir que B es una base, según la
definición, se requiere verificar las condiciones 1) y 2). En efecto,
1) Por (1.1), cada vector de V es múltiplo del vector (1, 0).
2) El conjunto {(1, 0)} es unitario, (1, 0) 6= (0, 0), entonces es linealmente independi-
ente.
Se concluye que dim(V ) = 1.
Ejemplo 1.6 Considere el conjunto V del Ejemplo 1.3.
Solución
Sea v = (v1 , v2 , v3 ) 2 V , entonces se cumple v1 = v2 . Luego,

v = (v1 , v2 , v3 ) = (v2 , v2 , v3 ) = v2 (1, 1, 0) + v3 (0, 0, 1); v2 , v3 2 R (1.2)

S
S

Entonces, una posible base es B = {(1, 1, 0), (0, 0, 1)}. Para concluir que B es una base,
según la definición, se requiere verificar las condiciones 1) y 2). En efecto,
1) Por (1.2), cada vector de V es combinanción lineal de los vectores (1, 1, 0) y (0, 0, 1).
2) Sea a(1, 1, 0) + b(0, 0, 1) = (0, 0, 0). Lo cual tiene como solución única a = b = 0.
Luego, B es linealmente independiente.
Se concluye que dim(V ) = 2.
Ricardo Huamán-Aguilar Departamento de Economía, PUCP

1.4 Complemento ortogonal

Ejemplo 1.7 Considere el conjunto V del Ejemplo 1.2. Hallar todos los vectores de R2
que sean ortogonales a cada uno de los elementos de V .
Solución
Por el B
ejemplo 1.5, se tiene que B = {(1, 0)} es una base de V .
Sea w = (w1 , w2 ) 2 R2 , se tiene que

w·v = 0
(w1 , w2 ) · ↵(1, 0) = 0
↵w1 = 0

Luego, w1 = 0 y w2 2 R. Es decir, w = w2 (0, 1). Por lo tanto, el conjunto formado por

los elementos ortogonales a cada uno de los elementos de V es { (0, 1) | 2 R}.

Insertar gráfico
Definición 1.3 Sea V ⇢ Rn un espacio:"
?

S
vectorial. Se llama complemento ortogonal
#

del conjunto V al conjunto

V ? = {s 2 Rn | s · v = 0, 8v 2 V }.
 B\=:*
K S
; &&( 6 3&* L=.
6 4

y S ; 51+ 6
; 4
@0(7S ;
R
< |
g0
"
; "

N
m

>
}

;
4

;/. &$ G $

P TRe +(*+ /&@. ;$ .1=.* 7

2&3
&$ .,+ @. @. 4

&

P TRQ 6 cc ;
R # Q # R # 3 # 3 #
L

P + "Q 6
R

7* "

; O/+ 4(3h%.0F b
*
*A 7 N 7 B7 | t 4 7 "

f BF
-
'. S " 4
Ricardo Huamán-Aguilar Departamento de Economía, PUCP

Ejemplo 1.8 Considere el conjunto V del Ejemplo 1.3. Hallar V ? .

P
Solución
Sea w = (w1 , w2 , w3 ) 2 R3 y v 2 V . Luego, w debe cumplir que

w · v = v1 (w1 + w2 ) + v3 w3 = 0, 8v1 , v3 2 R.

Esto implica que w1 = w2 y w3 = 0. Es decir, w = w2 ( 1, 1, 0)

Por lo tanto, V ? = {(w1 , w2 , w3 ) 2 R3 | w1 = w2 , w3 = 0}.

*=0&3
4K.
(0. 0(
4

4 #

7 S E E
7
;* 0
<.. t S 5 ' R R's R
'
R 6 &
7* -
K "

"
3)0 R
y 6 B

7 f B;F 4

t 4
S

B;F
6 f
U$ S

P '1's4'$ 6 4
P K R 4K( R

B # ;F
f
7s S

B v
* ts
=0 * ' QZ

L,
>>
t0 R

v
#
?
?
?

0 0*
f

G ts S
f & P '
R
"ct Q6 S f

ts
t/
4

t.
;
"
S

t qST
& 4

c T
P "
; R
R

f 6 S

t. 4'$hSh"'s4's
R

tS P t0 R

g)2 R

D
's/"04(+h'sA;Fh
7 {
6 3& B ;F ;
7g S
; &* "
; R
(+
Ricardo Huamán-Aguilar Departamento de Economía, PUCP

BB
K

X. 1.1 Sea V un espacio vectorial que tiene base B, y sea V ? el complemento

Proposición
ortogonal. Entonces, son equivalentes las siguientes proposiciones:
1) w 2 V ? .
;
2) w es ortogonal a cada uno de los elementos B.

Ilustración 1.1 Otra forma de hallar V ? es usando la Proposicion 1.1. Como vimos,
B
en el ejemplo 1.6 se tiene que B = {(1, 1, 0), (0, 0, 1)} es una base de V y dim(V ) = 2.
S S

Sea w = (w1 , w2 , w3 ) 2 R . Luego, realizando el producto interno con u = (1, 1, 0) 2 B:

3

w·u = 0
(w1 , w2 , w3 ) · (1, 1, 0) = 0
w1 + w2 = 0
w1 = w2

y con v = (0, 0, 1) 2 B:

w·v = 0
(w1 , w2 , w3 ) · (0, 0, 1) = 0
w3 = 0

I ? = {(w1 , w2 , w3 ) 2 R3 | w1 =
Por lo tanto, U w2 , w3 = 0}
4 R R
m
R 4 R R 4 4 4 R # 4
R
#
4
L # R R 4 4
4 4 4
Ricardo Huamán-Aguilar Departamento de Economía, PUCP
$):
Proposición 1.2 Sea V un espacio vectorial con subespacio ortogonal V ? . Entonces,
$):
V ? es un espacio vectorial.

O,* >

m ; $. %0( ; gBX $4K. + *= * 7 6

BB
E
7").K"-7"'.40=
L

V
.6
7"u/4;FH). B&) m
E
L
" .
7 G
e -

B( A)C R

7
A =
/"

i
+
m
S
K4K

ZST
A K
/"

' X S
t.
4

4
K *
)
4

40=
6
S

k
'
V ~

f V
*+
S

S
f

*A K.7
g K
•*' ; R

'
B
7 4

)*
S6

4
E
*=.K
j ; &6
k 4
=S+
7

u/)40=hS&4+""+4"7=/"
4

M)3
+€ "

7
K
A+=.
)
g
u4
*

) .
7 4

&4
V

* =./*+=0&3
$(:.%&0'
4

> m .$
6 4

@.&=
1+0$*$
#
4
#

@
"

"

*0.(. 2)**
[1.,
•y @0,.($0+( 4

:&( @. 7g R
@. $)
Ricardo Huamán-Aguilar Departamento de Economía, PUCP

Proposición 1.3 Sea V ⇢ Rn un espacio vectorial. Entonces,

S

dim V + dim V ? = n.
" " S

Y P ;*
( "
0$ 6 S # &(

Ilustración 1.2 En el Ejemplo 1.6 se halló que dim(V ) = 2.

• Hallando una base de V ?
Sea w = (w1 , w2 , w3 ) 2 V ? , por el Ejemplo 1.8 se tiene w = ( w2 , w2 , 0). Luego,

w = w2 ( 1, 1, 0); w2 2 R (1.3)
Q
m
Entonces, una posible base es B = {( 1, 1, 0)}. Para concluir que B es una base,
según la definición, se requiere verificar las condiciones 1) y 2). En efecto,
1) Por (1.3), cada vector de V ? es múltiplo del vector ( 1, 1, 0).
2) El conjunto {( 1, 1, 0)} es unitario, y ( 1, 1, 0) 6= (0, 0, 0), entonces es lineal-
mente independiente.
Se concluye que dim(V ? ) = 1. Por lo tanto, dim V + dim V ? = 3.

bV
@0( 7 Q
y7

;
S

P TRQ 6
b 6 +
S
P & 4 04 +
R
R

? D
6 7 ;
5" 6 @0(
y
4

"

" 04 (+ V

* Sq
S ( 4

@0( 7 * @0, 7 S & ~ s

fy <0
7*
4
f

B$ @.=0K
p6
L

Z
L
B7 A /"
-
4

"
?
+ .
7(K

0$%&=&$ 6
"
0(*.(*$
P
L

%)( 7- 7 $+(

Q6 7(K
D c‚ 6 4

G
 +)=$
<.&%+=*-
L
'. 7(K '*+ 4

L L
V ' B7 ' . 7 ' 8 Z
- -
4

V '+' S+.F 4
v
- t+'
"
wf

0/&*,.4&. D
"

L
> x+ .&$* ' *+
L
*. '. 7x7
+
9).

>
; "
L
K(K cZc
4

"

4
4

G
Ricardo Huamán-Aguilar Departamento de Economía, PUCP

1.5 Proyección ortogonal

Motivación
Sea V el subespacio vectorial del Ejemplo 1.2.
Sea a = (3, 5) 2 R2
proyV a = (3, 0) 2 V
a = (3, 0) + z
a = proyV a + z
z=a proyV a
z = (3, 5) (3, 0) = (0, 5) 2 V ?
En este ejemplo: Sea a 2 Rn
• proyV a 2 V .
• z = (a proyV a) 2 V ? .

Insertar gráfico
 Ricardo Huamán-Aguilar Departamento de Economía, PUCP

Definición 1.4 (proyección ortogonal) Sea V ⇢ Rn un subespacio vectorial, y a 2 Rn

un vector dado. Se dice que el vector proyV a es la proyección ortogonal de a en V si

tS
1) proyV a 2 V . ; x0/+3 R3gB;Fe

pSQe
ƒ
G 4

8
S
d

i
2) (a proyV a) 2 V . ?
;=0 YB;F 4

6 %+,
6 & 5 (+ *
%(-K&
S
0

6 7
lScqRZ 6
B
cccRT
P qRZc
"

%)-K&
S
& "

L F 4

M eqRZc 6 "
| ;(
+ ; 4 o4 TcST

q " cST M

Teorema 1.1 (proyección ortogonal) Sea V ⇢ Rn subespacio vectorial, con base or-
togonal {v1 , · · · , vk }. Sea a 2 Rn un vector dado.
; $/.(*
Entonces, %(+--&
S
€

Xk P qRT 6 S 4

proy V a = v
j j .
j=1
a · vj
donde j = , 8j = 1, 2, · · · , k.
||vj ||2
Ricardo Huamán-Aguilar Departamento de Economía, PUCP

Ejemplo 1.9 Sea V = {(v1 , v2 , v3 ) 2 R3 | v1 = v2 }. Sea a = (2, 1, 1).

Halle proyV a.

Del Ejemplo 1.4, se tiene que B = {(1, 1, 0), (0, 0, 1)} es una base de V , el cual es una
base ortogonal, ya que el producto interno de ambos vectores es cero.
• La solución al problema es el vector v⇤ dado por

(2, 1, 1) · (1, 1, 0) (2, 1, 1) · (0, 0, 1)

v⇤ = 2
(1, 1, 0) + (0, 0, 1)
||(1, 1, 0)|| ||(0, 0, 1)||2
3
v⇤ = (1, 1, 0) + (0, 0, 1)
2
✓ ◆
3 3 =
v⇤ = , ,1
%(-K&
>

2 2

„• a v⇤ = (2, 1, 1) 3 3
, ,1
2 2
= 1
2
, 1
2
,0 = 1
2 6
( 1, 1, 0) 2 V ? .
Ricardo Huamán-Aguilar Departamento de Economía, PUCP

S
m =

Teorema 1.2 (fórmula de proyección) Sea V ⇢ R subespacio vectorial, con base or- n
S

togonal
S
{v1 , · · · , vk }.

v*v`a
Dado a 2 Rn . Consideremos el problema
€

min{ ||v a|| : v 2 V }.

Entonces, la solución al problema es

v⇤ = proy V a
…

†u
@.@.

2=0(
& 4

"
&33 xu 4
&3* 4
X
?
L

!B
;
? ?
?
?
S S L ? # " #
?
R

4 4
4
4
4 R

Ejemplo 1.10 Sea V = {(v1 , v2 , v3 ) 2 R | v1 = v2 }. Sea a = (2, 1, 1). Resolver el 3

vR'M"?eC"?L*}
problema
min{ ||v a|| : v 2 V }.

Del Ejemplo 1.4, se tiene que B = {(1, 1, 0), (0, 0, 1)} es una base de V , el cual es una
base ortogonal, ya que el producto interno de ambos vectores es cero.
• La solución al problema es el vector v⇤ dado por

(2, 1, 1) · (1, 1, 0) (2, 1, 1) · (0, 0, 1)

v⇤ = 2
(1, 1, 0) + (0, 0, 1)
||(1, 1, 0)|| ||(0, 0, 1)||2
3
v⇤ = (1, 1, 0) + (0, 0, 1)
2
✓ ◆
3 3
v⇤ = , ,1
2 2

• a v⇤ = (2, 1, 1) 3 3
, ,1
2 2
= 1
2
, 1
2
,0 = 1
2
( 1, 1, 0) 2 V ? .
Ricardo Huamán-Aguilar Departamento de Economía, PUCP

1.6 Ejercicios
1. Estudie si los siguientes conjuntos son espacios vectoriales.
a) V = {v = (v1 , v2 ) 2 R2 | v1 = 3v2 }.
b) V = {x 2 Rn | Ax = 0 }, donde A es una matriz de orden m ⇥ n.
c) V = {v = (a, b, 0) 2 R3 | a, b 2 R}.
d) V = Rn .
2. Hallar la base y dimensión de cada uno de los conjuntos V del Ejercicio 1.
3.
Ricardo Huamán-Aguilar Departamento de Economía, PUCP

1.7 Apéndice: Ortogonalización de Gram-Schmidt

El método de Gram-Schmidt se usa para hallar bases ortogonales de cualquier base.
Sea una base {v1 , v2 , . . . , vn } del espacio vectorial V .
Definimos:

u1 = v1
B;F
)
v 2 · u1 S f 4 4

U(+ u2 =U0 v2 u1 +)
R
S "

||u1 ||2
v 3 · u1 v3 · u2
" # 4

u3 = v3 u1 u2
"

Us+
||u1 ||2 ||u2 ||2
v 4 · u1 v4 · u2 v 4 · u1
u4 = v4 u1 u2 u3
||u1 ||2 ||u2 ||2 ||u1 ||2

..
.
n 1
X vn · uj
un = vn uj
j=1
||uj ||2

Entonces, {u1 , u2 , . . . , un } es una base ortogonal del espacio vectorial V .

"
"
Ricardo Huamán-Aguilar Departamento de Economía, PUCP

Ejemplo 1.11 Aplicar el proceso de Gram-Schmidt a los vectores v1 = (1, 0, 1), v2 =

(1, 0, 1), v3 = (0, 3, 4) para obtener una base ortogonal para R3 .
Hallemos la base ortogonal {u1 , u2 , u3 } para R3

u1 = (1, 0, 1)

(1, 0, 1) · (1, 0, 1)
u2 = (1, 0, 1) (1, 0, 1)
||(1, 0, 1)||2

= (1, 0, 1) (0, 0, 0)

= (1, 0, 1)

(0, 3, 4) · (1, 0, 1) (0, 3, 4) · (1, 0, 1)

u3 = (0, 3, 4) (1, 0, 1) (1, 0, 1)
||(1, 0, 1)||2 ||(1, 0, 1)||2

4 4
= (0, 3, 4) (1, 0, 1) + (1, 0, 1)
2 2
= (0, 3, 0)

Luego {(1, 0, 1), (1, 0, 1), (0, 3, 0)} es una base ortogonal de R3
Ricardo Huamán-Aguilar Departamento de Economía, PUCP

1.8 Bibliografía
Sydsaeter & Hammond (1996), Matemáticas para el Análisis Económico, Prentice Hall,
Madrid.

Bibliografía de prueba de fórmula de proyección.

Appendix A

Bibliografía

Malaspina, U. (1994), Matemáticas para el Análisis Económico, Fondo Editorial PUCP.

Capítulo 3.

Chiang & Waingwright (2006), Secciones 4.2, 4.4, 4.5, 4.6

Knut Sydsaeter, Peter J. Hammond (1996) - Matemáticas para el análisis económico-

Prentice Hall. Cap. 13.

Intriligator, M. D. (1973), Optimización Matemática y Teoría Económica. Capítulos 3 y

4.

23