SISTEMAS DE ECUACIONES

Un sistema de ecuaciones con dos incógnitas, tiene la forma

𝑎𝑥 + 𝑏𝑦 = 𝑘
{
𝑐𝑥 + 𝑑𝑦 = 𝑙

Por ejemplo

5𝑥 + 3𝑦 = 13
{ (1)
2𝑥 + 5𝑦 = 9

SOLUCIÓN DE UN SISTEMA DE ECUACIONES

La solución de un sistema de ecuaciones lineales, algebraicamente, es el valor que toman las incógnitas de
manera que, al sustituir en ambas ecuaciones, las igualdades se cumplen.

Para el sistema (1), la solución es 𝑥 = 2; 𝑦 = 1

5(2) + 3(1) = 13
{
2(2) + 5(1) = 9

Geométricamente, la solución del sistema de ecuaciones lineales, es el punto del plano en el que las rectas
que representan ambas ecuaciones se intersectan.

Para el sistema (1)

5𝑥 + 3𝑦 = 13

2𝑥 + 5𝑦 = 9

(2)
(2; 1)

(1)

ING. FELIX VEGA BENAVIDES 1

En general, para el sistema de dos ecuaciones lineales con dos incógnitas:

𝑎𝑥 + 𝑏𝑦 = 𝑘
{
𝑐𝑥 + 𝑑𝑦 = 𝑙

𝑐𝑥 + 𝑑𝑦 = 𝑙 𝑐𝑥 + 𝑑𝑦 = 𝑙

𝑐𝑥 + 𝑑𝑦 = 𝑙

𝑎𝑥 + 𝑏𝑦 = 𝑘 𝑎𝑥 + 𝑏𝑦 = 𝑘 𝑎𝑥 + 𝑏𝑦 = 𝑘

Solución única No tiene solución Infinitas soluciones

Sistema compatible determinado Sistema Incompatible Sistema compatible
indeterminado
ELIMINACIÓN DE GAUSS-JORDAN

Es un procedimiento sistemático que utiliza la representación matricial y las “operaciones elementales”

realizadas con las filas de la matriz.

Ejemplo

𝑎11 𝑥 + 𝑎12 𝑦 + 𝑎13 𝑧 = 𝑘

{ 21 𝑥 + 𝑎22 𝑦 + 𝑎23 𝑧 = 𝑚
𝑎
𝑎31 𝑥 + 𝑎32 𝑦 + 𝑎33 𝑧 = 𝑛

Organizar la información del sistema de ecuaciones en una tabla de doble entrada.

Ecuación Coeficiente de x Coeficiente de y Coeficiente de z Términos indep.

Primera 𝑎11 𝑎12 𝑎13 𝑘
Segunda 𝑎21 𝑎22 𝑎23 𝑚
Tercera 𝑎31 𝑎32 𝑎33 𝑛

La representación matricial es
𝑎11 𝑎12 𝑎13 𝑘
(𝑎21 𝑎22 𝑎23 |𝑚)
𝑎31 𝑎32 𝑎33 𝑛

Esta matriz es conocida como la “matriz aumentada del sistema.

OPERACIONES ELEMENTALES

Las operaciones elementales son tres:

→
Primera: Intercambio de dos filas 𝐹𝑖 𝐹𝑗
←

ING. FELIX VEGA BENAVIDES 2

Segunda: Multiplica cualquier fila por un número diferente de cero. (𝑘) × 𝐹𝑖 → 𝐹𝑖

Tercera: Suma del múltiplo de una fila con otra fila (𝑘) × 𝐹𝑖 + 𝐹𝑗 → 𝐹𝑗
El objetivo es transformar a la matriz aumentada del sistema, en una matriz que tenga la forma
“escalonada”:

1 𝑎 𝑏𝑝
(0 1 𝑐 |𝑞)
0 0 1𝑟
Donde 𝑎, 𝑏, 𝑐, 𝑝, 𝑞 𝑦 𝑟 son números.

Esta matriz representa al sistema de ecuaciones:

𝑥 + 𝑎𝑦 + 𝑏𝑧 = 𝑝
{ 𝑦 + 𝑐𝑧 = 𝑞
𝑧=𝑟
El nuevo sistema tiene la forma denominada “triangular” que se resuelve por sustitución en reversa.

Pero, también puede llegarse a la forma escalonada reducida:

1 0 0 𝑙
(0 1 0|𝑚)
0 0 1 𝑛
Esta matriz representa al sistema de ecuaciones:

𝑥 =𝑙
{ 𝑦 =𝑚
𝑧=𝑛
Este sistema, muestra la solución del sistema

Ejemplo

𝑥 − 2𝑦 + 𝑧 = 0
{ 2𝑦 − 8𝑧 = 8
−4𝑥 + 5𝑦 + 9𝑧 = −9

Organizar la información del sistema de ecuaciones en una tabla de doble entrada.

Ecuación Coeficiente de x Coeficiente de y Coeficiente de z Términos indep.

Primera 1 -2 1 0
Segunda 0 2 -8 8
Tercera -4 5 9 -9

La representación matricial es
1 −2 1 0
(0 2 −8| 8 )
−4 5 9 −9

ING. FELIX VEGA BENAVIDES 3

 1 −2 1 0
𝐴′ = ( 0 2 −8 8 )
−4 5 9 −9
A’ es la “matriz aumentada” del sistema de ecuaciones.

1 −2 1 0 1 −2 1 0 (4) 1 −2 1 0
(0 2 −8 8) (0 2 −8 8 ) (0 2 −8 8 ) (1/2)
−4 5 9 −9 −4 5 9 −9 ↲ 0 −3 13 −9
1 −2 1 0 1 −2 1 0 1 −2 1 0
(0 1 −4 4) (0 1 −4 4 ) (3) (0 1 −4 4)
0 −3 13 −9 0 −3 13 −9 ↲ 0 0 1 3
1 −2 1 0 ↰ 1 −2 0 −3 1 −2 0 −3
(0 1 −4 4) ( 0 1 −4 4 ) (0 1 −4 4 ) ↰
0 0 1 3 (−1) 0 0 1 3 0 0 1 3 (4)
1 −2 0 −3 1 −2 0 −3 ↰ 1 0 0 29
(0 1 0 16 ) (0 1 0 16 ) (2) (0 1 0 16)
0 0 1 3 0 0 1 3 0 0 1 3
El procedimiento seguido, se denomina “Eliminación de Gauss – Jordan”

𝑥 = 29 𝑦 = 16 𝑧=3

Ejemplo

Un turista viaja a Europa y visita tres países: Inglaterra, Francia y España. Gasta 30 $us al día en hospedaje
en Inglaterra, 20 $us al día en Francia, y 20 $us en España. En alimentación gasta 20 $us diarios en
Inglaterra, 30 $us en Francia y 20 $us en España. Además, por conceptos varios el turista gastó 10 $us
diarios en cada uno de los tres países. A su regreso, el registro de gastos del viajero indicaba un total de 340
$us en hospedaje, 320 $us en alimentos y 140 $us en gastos varios. Organizar la información en una tabla
de doble entrada. ¿Cuántos días estuvo el turista en cada país?

GASTOS INGLATERRA FRANCIA ESPAÑA TOTAL

HOSPEDAJE 30 20 20 340
ALIMENTACIÓN 20 30 20 320
GASTOS VARIOS 10 10 10 140

30 20 20 340
𝐵 = (20 30 20|320)
10 10 10 140
30 20 20 340 (1/10) 3 2 2 34 ↰ 1 1 1 14 (−2)(−3)
(20 30 20|320) (1/10) → (2 3 2|32) → (2 3 2|32) ↲
10 10 10 140 (1/10) 1 1 1 14 ↲ 3 2 2 34 ↲

1 1 1 14 ↰ 1 0 1 10 1 0 1 10 ↰
(0 1 0 | 4 ) (−1)(1) → (0 1 0|4) → (0 1 0| 4 )
0 −1 −1 −8 ↲ 0 0 −1 −4 (−1) 0 0 1 4 (−1)

ING. FELIX VEGA BENAVIDES 4

 1 0 06
(0 1 0|4)
0 0 14
Si x es la cantidad días que el turista estuvo en Inglaterra, y en Francia y z en España, entonces:

En Inglaterra estuvo 6 días, en Francia estuvo 4 días y en España estuvo 4 días.

OBSERVACIÓN IMPORTANTE

Al obtener la forma escalonada o la escalonada reducida, se obtiene la siguiente información.

- Si el número de ecuaciones es igual al número de incógnitas, se dice que el sistema tiene solución
única.
1 ∗ ∗∗
(0 1 ∗|∗)
0 0 1∗
- Si el número de ecuaciones es menor al número de incógnitas, se dice que el sistema tiene infinitas
soluciones.
1 ∗ ∗ ∗
(0 1 ∗| ∗)
0 0 00
- Si se observa que en el sistema se genera una incongruencia tal como 0 = 𝑎, donde 𝑎 es un número
diferente de cero, se dice que el sistema NO tiene solución.
1 ∗ ∗ ∗
(0 1 ∗| ∗)
0 0 05
SISTEMAS HOMGÉNEOS

Un sistema en el que todos los términos independientes son cero, se denomina sistema homogéneo.
𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 0
𝑎21 𝑥1 + 𝑎22 𝑥2 + 𝑎13 𝑥3 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 0
{
……………………………………………
𝑎𝑛1 𝑥1 + 𝑎𝑛2 𝑥2 + 𝑎𝑛3 𝑥3 + ⋯ + 𝑎𝑛𝑛 𝑥𝑛 = 0

La gráfica de cada ecuación, pasa por el origen. Entonces, el origen es un punto de intersección. Esta
solución se conoce con el nombre de “solución trivial”

Ejemplo

5𝑥 + 3𝑦 = 0

2𝑥 − 7𝑦 = 0

ING. FELIX VEGA BENAVIDES 5

Por lo tanto, un sistema homogéneo siempre tiene solución.

Sin embargo, existen sistemas homogéneos que admiten infinitas soluciones, estas se conocen con el
nombre de “soluciones no triviales”

Ejemplo

Resolver el sistema de ecuaciones

3𝑥1 + 2𝑥2 − 4𝑥3 = 0

{ 𝑥1 − 5𝑥2 + 3𝑥3 = 0
2𝑥1 + 7𝑥2 − 5𝑥3 = 0

Solución

3 2 −4 0 ↰ 1 −5 3 0 (−3)(−2) 1 −5 3 0
(1 −5 3 |0) ↲ → (3 2 −4|0) ↲ → (0 17 −13|0) (−1)
2 7 −5 0 2 7 −5 0 ↲ 0 17 −11 0 ↲

1 −5 3 0 1 −5 3 0 𝑥1 − 5𝑥2 + 3𝑥2 = 0 𝑥1 = 0
→ (0 17 −13|0) (1/17) → (0 1 −13/17|0) → 𝑥2 − 13/17𝑥3 = 0 → 𝑥2 = 0
0 0 2 0 (1/2) 0 0 1 0 𝑥3 = 0 𝑥3 = 0

Ejemplo

Resolver el sistema homogéneo

3𝑥1 + 2𝑥2 − 4𝑥3 = 0
{ 4𝑥2 − 3𝑥2 + 5𝑥3 = 0
5𝑥1 − 8𝑥2 + 14𝑥3 = 0

Solución

3 2 −4 0 (−1) 3 2 −4 0 ↰ 1 −5 9 0 (−3)(−5)
(4 −3 5 |0) ↲ → (1 −5 9 |0) ↲ → (3 2 −4|0) ↲
5 −8 14 0 5 −8 14 0 5 −8 14 0 ↲

ING. FELIX VEGA BENAVIDES 6

 1 −5 9 0 1 −5 9 0
→ (0 17 −31|0) (−1) → (0 17 −31|0) → El sistema tiene infinitas soluciones.
0 17 −31 0 ↲ 0 0 0 0

1 −5 9 0 1 −5 9 0 ↰ 1 0 −2/17 0
(0 17 −31|0) (1/17) → (0 1 −31/17|0) (5) → (0 1 −31/17|0)
0 0 0 0 0 0 0 0 0 0 0 0

La incógnita 𝑥3 no tiene pivote, entonces es parámetro: 𝑥3 = 𝑡

El sistema recuperado es:

2
2 𝑥1 = 𝑡
𝑥1 − 𝑥3 =0 17
17 31
31 → 𝑥2 = 𝑡
𝑥2 − 𝑥3 =0 17
17
𝑥3 = 𝑡, 𝑡 ∈ 𝑅

MÉTODOS PARA RESOLVER UN SISTEMA LINEAL

Solución por medio de la matriz inversa

Si en el sistema lineal 𝐴𝑋 = 𝐵 la matriz de coeficientes tiene su inversa, entonces

𝐴𝑋 = 𝐵 → 𝐴−1 𝐴𝑋 = 𝐴−1 𝐵 → 𝑋 = 𝐴−1 𝐵

Ejemplo

Resolver el sistema de ecuaciones lineales, utilizando la matriz inversa

3𝑥 + 5𝑦 = −7
{
−2𝑥 + 5𝑦 = 1

SOLUCIÓN

3 5 −7 𝑥
𝐴=( ) ; 𝐵 = ( ) 𝑦 𝑋 = (𝑦)
−2 5 1
𝐴𝑋 = 𝐵 → 𝑋 = 𝐴−1 𝐵
1 5 −5
𝐴−1 = ( )
25 2 3
8 8
1 5 1 −40 − 𝑥=−
−5 −7
𝑋 = 𝐴−1 𝐵 = ( )( ) = ( )=( 5) → 5
25 2 3 1 25 −11 11 11
− 𝑦=−
25 25
𝑆𝑖 |𝐴| ≠ 0 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑒𝑥𝑖𝑠𝑡𝑒 𝐴−1

𝑆𝑖 𝑒𝑥𝑖𝑠𝑡𝑒 𝐴−1 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑒𝑙 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 𝑡𝑖𝑒𝑛𝑒 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 ú𝑛𝑖𝑐𝑎

Por silogismo hipotético:

𝑆𝑖 |𝐴| ≠ 0 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑒𝑙 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 𝑡𝑖𝑒𝑛𝑒 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 ú𝑛𝑖𝑐𝑎

ING. FELIX VEGA BENAVIDES 7

OBSERVACIÓN

𝑆𝑖 |𝐴| = 0 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑒𝑙 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 𝑁𝑂 𝑡𝑖𝑒𝑛𝑒 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑜 𝑡𝑖𝑒𝑛𝑒 𝐼𝑁𝐹𝐼𝑁𝐼𝑇𝐴𝑆 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛𝑒𝑠

El sistema debe ser resuelto mediante eliminación de Gauss.

Ejemplo. Analizar y resolver el siguiente sistema de ecuaciones

5𝑥 + 3𝑦 − 2𝑧 = 1
{ 2𝑥 + 3𝑦 = 2
−3𝑥 + 𝑦 = 0

SOLUCIÓN

5 3 −2
2 3
|𝐴| = | 2 3 0 | = (−2)(−1)4 | | = −2(11) = −22 ≠ 0
−3 1
−3 1 0
El sistema tiene solución única.

El sistema es 𝐴𝑋 = 𝐵, donde

5 3 −2 1 𝑥
𝐴=( 2 3 0 ) ; 𝐵 = (2) 𝑦 𝑋 = (𝑦)
−3 1 0 0 𝑧
𝑋 = 𝐴−1 𝐵
0 0 11 0 −2 6 1 0 −2 6
𝐶𝑜𝑓(𝐴) = (−2 −6 −14) → 𝐴𝑑𝑗(𝐴) = ( 0 −6 −4) → 𝐴−1 = − (0 −6 −4)
22
6 −4 9 11 −14 9 11 −14 9
4 2 2
𝑥=
22 11 11
1 0 −2 6 1 1 −4 12 6 6
𝑋=− (0 −6 −4) (2) = − (−12) = = → 𝑦=
22 22 22 11 11
11 −14 9 0 −17
17 17 17
(22) (11) 𝑧=
22
Ejemplo. - Analizar y resolver el sistema de ecuaciones lineales

3𝑥 + 5𝑦 − 𝑧 = −4
2𝑦 + 3𝑧 + 4𝑤 = 0
{
2𝑥 − 𝑧 + 4𝑤 = 1
𝑥 + 𝑦 + 𝑧 + 𝑤 = −3
3 5 −1 0
|𝐴| = |0 2 3 4
| = −84 ≠ 0
2 0 −1 4
1 1 1 1
El sistema tiene solución única

ING. FELIX VEGA BENAVIDES 8

TEOREMA DE ROUCHE – FROBENIUS

Rango de una matriz. - El rango es igual al orden de la sub matriz de mayor tamaño posible, cuyo
determinante resulte diferente de cero.

Ejemplo.

3 2 5 0
𝐴 = (4 −1 0 3)
1 −3 −5 3 3×4

Se pide calcular el rango de la matriz A

𝑁𝑜 𝑒𝑥𝑖𝑠𝑡𝑒 𝑢𝑛𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 4 × 4, 𝑝𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜 𝑒𝑙 𝑟𝑎𝑛𝑔𝑜 𝑑𝑒 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑁𝑂 𝑒𝑠 𝑐𝑢𝑎𝑡𝑟𝑜

4
( ) = 4, 𝑒𝑥𝑖𝑠𝑡𝑒𝑛 𝑐𝑢𝑎𝑡𝑟𝑜 𝑠𝑢𝑏𝑚𝑎𝑡𝑟𝑖𝑐𝑒𝑠 𝑑𝑒 𝑡𝑎𝑚𝑎ñ𝑜 3 × 3
3
3 2 5 3 2 0 3 5 0 2 5 0
|4 −1 0 | = 0; |4 −1 3| = 0; |4 0 3| = 0; |−1 0 3| = 0
1 −3 −5 1 −3 3 1 −5 3 −3 −5 3
Entonces, el rango de la matriz NO es tres.

3 2
| | = −11 ≠ 0
4 −1
Entonces, el rango de la matriz es igual a DOS

TEOREMA. - El rango de una matriz, es igual a la cantidad de “pivotes” que tiene su forma escalonada.

Teorema de Frobenius.

Considerando al sistema de ecuaciones 𝐴𝑋 = 𝐵, donde 𝐴 es la matriz de coeficientes y 𝐴′ es la matriz

aumentada del sistema de ecuaciones

a) Si el rango de 𝐴 es igual al rango de la matriz 𝐴’ y este número coincide con la cantidad de

incógnitas, entonces el sistema tiene solución única.
b) Si el rango de la matriz 𝐴 es igual al rango de la matriz 𝐴’ y este es MENOR a la cantidad de
incógnitas, entonces el sistema tiene infinitas soluciones.
c) Si el rango de 𝐴 es diferente al rango de la matriz 𝐴’, entonces el sistema NO tiene solución.

Ejemplo. Analizar y resolver el sistema de ecuaciones lineales.

4𝑥 + 3𝑦 − 2𝑧 = 4
{ 3𝑥 − 2𝑦 + 5𝑧 = 9
8𝑥 − 11𝑦 + 22𝑧 = 32
4 3 −2 4 3 −2 4
𝐴 = (3 −2 5 ) ; 𝐴′ = (3 −2 5 9)
8 −11 22 8 −11 22 32
Resolución con Gauss-Jordan

ING. FELIX VEGA BENAVIDES 9

 4 3 −2 4
𝑀 = (3 −2 5 |9)
8 −11 22 32

1 0 11/17 35/17
0 1 −26/17 ||−24/17
⏟
0 0 0 0
⏟
( 𝐸𝑠𝑐𝑎𝑙𝑜𝑛𝑎𝑑𝑎 𝑑𝑒 𝐴 )
𝐸𝑠𝑐𝑎𝑙𝑜𝑛𝑎𝑑𝑎 𝑑𝑒 𝐴′

𝑅𝑎𝑛𝑔𝑜(𝐴) = 2 𝑦 𝑅𝑎𝑛𝑔𝑜(𝐴′ ) = 2

El sistema tiene infinitas soluciones.

𝑥, 𝑦 son incógnitas principales

𝑧 es incógnita secundaria (debe ser parametrizada)

11 35 11 35
𝑥+ 𝑧= 𝑥=− 𝑡+
17 17 17 17
26 24 → 26 24
𝑦− 𝑧=− 𝑦= 𝑡−
17 17 17 17
𝑧 = 𝑡, 𝑡 ∈ 𝑅 𝑧 = 𝑡, 𝑡 ∈ 𝑅

REGLA DE CRAMER

Es un método para resolver sistemas de ecuaciones lineales, basado en el uso de la función

determinante.

Dado el sistema de ecuaciones 𝐴𝑋 = 𝐵

Primero se calcula el determinante de la matriz de coeficientes.

∆= |𝐴| ≠ 0

Luego se calculan los determinantes de la matrices 𝐴1 , 𝐴2 , 𝐴3 , … , 𝐴𝑛 , donde la matriz 𝐴𝑖 se obtiene

sustituyendo la columna “𝑖” de la matriz de coeficientes, con la matriz de términos independientes.

Finalmente, las soluciones se obtienen utilizando la relación:

| 𝐴𝑖 |
𝑥𝑖 = , 𝑝𝑎𝑟𝑎 𝑖 = 1,2,3, … , 𝑛
|𝐴|

Ejemplo.

3𝑥1 + 2𝑥2 − 5𝑥3 = 7

{10𝑥1 + 12𝑥2 + 7𝑥3 = 4
−2𝑥1 + 3𝑥2 + 𝑥3 = 0
3 2 −5
∆= | 10 12 7 | = −345 ≠ 0
−2 3 1

ING. FELIX VEGA BENAVIDES 10

 7 2 −5 3 7 −5 3 2 7
|𝐴1 | = |4 12 7 | = −131 ; |𝐴2 | = | 10 4 7 | = −196 ; |𝐴3 | = | 10 12 4| = 326
0 3 1 −2 0 1 −2 3 0
|𝐴1 | −131 131
𝑥1 = = =
|𝐴| −345 345
|𝐴2 | −196 196
𝑥2 = = =
|𝐴| −345 245
|𝐴3 | 326 326
𝑥3 = = =−
|𝐴| −345 345

APLICACIONES

Balance de ecuaciones químicas

Cuando se quema gas propano (𝐶3 𝐻8 ), éste se combina con oxígeno (𝑂2 ) para formar dióxido de
carbono (𝐶𝑂2 ) y agua (𝐻2 𝑂), de acuerdo con la ecuación:

(𝑥1 )𝐶3 𝐻8 + (𝑥2 )𝑂2 → (𝑥3 )𝐶𝑂2 + (𝑥4 )𝐻2 𝑂

La ecuación involucra a tres tipos de átomo (carbono, hidrógeno y oxígeno), es posible representar cada
reactivo que considere el número de átomos por molécula.

3 0 1 0 ← 𝐶𝑎𝑟𝑏𝑜𝑛𝑜
𝐶3 𝐻8 : [8] , 𝑂2 : [0] , 𝐶𝑂2 : [0] , 𝐻2 𝑂: [2] ← 𝐻𝑖𝑑𝑟ó𝑔𝑒𝑛𝑜
0 2 2 1 ← 𝑂𝑥í𝑔𝑒𝑛𝑜
3 0 1 0
𝑥1 [8] + 𝑥2 [0] = 𝑥3 [0] + 𝑥4 [2]
0 2 2 1
3 0 1 0 0
𝑥1 [8] + 𝑥2 [0] − 𝑥3 [0] − 𝑥4 [2] = [0]
0 2 2 1 0
3𝑥1 − 𝑥3 = 0
{ 8𝑥1 − 2𝑥4 = 0
2𝑥2 − 2𝑥3 − 𝑥4 = 0

3 0 −1 0 0 1 0 0 −1/4 0
(8 0 0 −2|0) → (0 1 0 −5/4|0)
0 2 −2 −1 0 0 0 1 −3/4 0

𝑅𝑎𝑛𝑔𝑜(𝐴) = 𝑅𝑎𝑛𝑔𝑜(𝐴′ ) = 3 < 4 (𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑐ó𝑔𝑛𝑖𝑡𝑎𝑠)

1 1
𝑥1 − 𝑥4 = 0 𝑥1 = 𝑡
4 4 𝑥1 =1
5 5
𝑥2 − 𝑥4 = 0 → 𝑥2 = 𝑡 𝑥2 =5
4 4 →
𝑥3 =3
3 3
𝑥3 − 𝑥4 = 0 𝑥3 = 𝑡 𝑥4 =4
4 4
𝑥4 = 𝑡, ∈ 𝑅 𝑥4 = 𝑡, ∈ 𝑍 +

ING. FELIX VEGA BENAVIDES 11

La ecuación balanceada es: 𝐶3 𝐻8 + 5𝑂2 → 3𝐶𝑂2 + 4𝐻2 𝑂

Modelo de 𝐿𝑒𝑜𝑛𝑡𝑖𝑒𝑓 simple

La economía de una nación se divide en muchos sectores, es posible conocer el rendimiento total de cada
sector para un año y también cuánto de este rendimiento se intercambia entre sectores. El valor total (en
moneda) del rendimiento de un sector será el precio de dicho rendimiento. 𝐿𝑒𝑜𝑛𝑡𝑖𝑒𝑛𝑓 demostró el
resultado siguiente:

Existen precios de equilibrio que se pueden asignar a los rendimientos totales de los diversos
sectores de manera que los ingresos de cada sector balanceen exactamente con sus gastos.

El siguiente ejemplo es un modelo simplificado del modelo propuesto por 𝐿𝑒𝑜𝑛𝑡𝑖𝑒𝑓

Suponiendo que la economía de un país, consiste

en los sectores de carbón, electricidad y acero, y
que el rendimiento de cada sector se distribuye
entre los diferentes sectores.
Los precios (los valores en moneda) de la
producción total de los sectores de carbón,
electricidad y acero se denotarán como 𝑃𝐶 , 𝑃𝐸 𝑦 𝑃𝐴 ,
respectivamente.
Si es posible, encuentre los precios de equilibrio
que permiten a los ingresos de cada sector igualar
sus gastos.

Carbón Electricidad Acero Comprado por:

0.0 0.4 0.6 Carbón
0.6 0.1 0.2 Electricidad
0.4 0.5 0.2 Acero

0.4𝑃𝐸 + 0.6𝑃𝐴 = 𝑃𝐶
{ 0.6𝑃𝐶 + 0.10𝑃𝐸 + 0.2𝑃𝐴 = 𝑃𝐸
0.4𝑃𝐶 + 0.5𝑃𝐸 + 0.2𝑃𝐴 = 𝑃𝐴
𝑃𝐶 − 0.4𝑃𝐸 − 0.6𝑃𝐴 = 0 𝑃𝐶 − 0.4𝑃𝐸 − 0.6𝑃𝐴 = 0
{ 𝐸 0.6𝑃𝐶 − 0.10𝑃𝐸 − 0.2𝑃𝐴 = 0
𝑃 − → { −0.6𝑃𝐶 + 0.9𝑃𝐸 − 0.2𝑃𝐴 = 0
𝑃𝐴 − 0.4𝑃𝐶 − 0.5𝑃𝐸 − 0.2𝑃𝐴 = 0 −0.4𝑃𝐶 − 0.5𝑃𝐸 + 0.8𝑃𝐴 = 0
31
10 −4 −6 0 1 0 −31/33 0 𝑃𝐶 = 𝑃
(−6 9 −2|0) → (0 33 𝐴
1 −28/33|0) → 28
−4 −5 8 0 0 0 0 0 𝑃𝐸 = 𝑃
33 𝐴
Si 𝑃𝐴 = 330 𝑝𝑜𝑟 𝑢𝑛𝑖𝑑𝑎𝑑 en bolivianos, entonces 𝑃𝐶 = 310 𝑝𝑜𝑟 𝑢𝑛𝑖𝑑𝑎𝑑 y 𝑃𝐸 = 280 𝑝𝑜𝑟 𝑢𝑛𝑖𝑑𝑎𝑑

ING. FELIX VEGA BENAVIDES 12

Flujo de redes

Una red consiste en un conjunto de puntos llamados uniones o nodos, con líneas o arcos denominados
ramas que conectan a algunos o todos los nodos. La dirección del flujo se indica en cada arco y la cantidad
de flujo se muestra o se denota por medio de una variable.

En la figura, se muestra 30 unidades que fluyen hacia un

nodo a través de un arco, con 𝑥1 y 𝑥2 denotando los flujos
que salen del nodo por otros arcos. Como el flujo se
conserva en cada nodo, es correcto escribir:
𝑥1 + 𝑥2 = 30

Ejemplo

En la red de la figura, se muestra el flujo del tráfico (en vehículos por hora) sobre varias calles de un solo
sentido en el centro de una ciudad durante un día normal a primeras horas de la tarde. Determine el patrón
de flujo general para la red. ¿Cuál es resultado si el flujo 𝑥5 = 300?

Intersección Flujo entrante Flujo saliente

A 300+500 𝑥1 + 𝑥2
B 𝑥2 + 𝑥4 300+𝑥3
C 100+400 𝑥4 + 𝑥5
D 𝑥1 + 𝑥5 600
TOTAL 500+300+100+400 300+𝑥3 +600

300 + 500 = 𝑥1 + 𝑥2 𝑥1 + 𝑥2 = 800

𝑥2 + 𝑥4 = 300 + 𝑥3 𝑥2 − 𝑥3 + 𝑥4 = 300
100 + 400 = 𝑥4 + 𝑥5 → 𝑥4 + 𝑥5 = 500
𝑥1 + 𝑥5 = 600 𝑥1 + 𝑥5 = 600
500 + 300 + 100 + 400 = 300 + 𝑥3 + 600 𝑥3 = 400

1 1 0 0 0 800 1 0 0 0 1 600 𝑥1 = 600 − 𝑥5

0 1 −1 1 0 300 0 1 0 0 −1 200 𝑥2 = 200 + 𝑥5
0 0 0 1 1||500 → 0 0 1 0 0 ||400 → 𝑥3 = 400
1 0 0 0 1 600 0 0 0 1 1 500
𝑥4 = 500 − 𝑥5
(0 0 1 0 0 400) (0 0 0 0 0 0 )
Solución particular
𝑥1 = 300
𝑥2 = 500
𝑥3 = 400
𝑥4 = 200
𝑥5 = 300

ING. FELIX VEGA BENAVIDES 13

 ESPACIOS VECTORIALES

DEFINICIÓN. - Un espacio vectorial real V es un conjunto de objetos, denominados vectores, junto

con dos operaciones binarias llamadas suma y multiplicación por un escalar, que satisfacen los
siguientes diez axiomas.

1. 𝑆𝑖 𝒙 ∈ 𝑉, 𝒚 ∈ 𝑉, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝒙 + 𝒚 ∈ 𝑉 Clausura
2. 𝑆𝑖 𝒙 ∈ 𝑉, 𝒚 ∈ 𝑉, 𝒛 ∈ 𝑉 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 (𝒙 + 𝒚) + 𝒛 = 𝒙 + (𝒚 + 𝒛) Asociatividad
3. 𝑆𝑖 𝒙 ∈ 𝑉; 𝒚 ∈ 𝑉, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝒙 + 𝒚 = 𝒚 + 𝒙 Conmutatividad
4. 𝐸𝑥𝑖𝑠𝑡𝑒 𝑒𝑙 𝑣𝑒𝑐𝑡𝑜𝑟 𝟎 ∈ 𝑉 𝑡𝑎𝑙 𝑞𝑢𝑒 𝒙 + 𝟎 = 𝟎 + 𝒙 = 𝒙; ∀ 𝒙 ∈ 𝑉 Neutro aditivo
5. ∀ 𝒙 ∈ 𝑽, 𝑒𝑥𝑖𝑠𝑡𝑒 𝑒𝑙 𝑣𝑒𝑐𝑡𝑜𝑟 (−𝒙) 𝑡𝑎𝑙 𝑞𝑢𝑒: Inversos aditivos
𝒙 + (−𝒙) = (−𝒙) + 𝒙 = 𝟎
6. 𝑆𝑖 𝑘 ∈ 𝑅, 𝒙 ∈ 𝑉, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑘 ∙ 𝒙 ∈ 𝑉 Segunda clausura
7. 𝑆𝑖 𝑘 ∈ 𝑅, 𝒙, 𝒚 ∈ 𝑉, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑘 ∙ (𝒙 + 𝒚) = 𝑘 ∙ 𝒙 + 𝑘 ∙ 𝒚 Primera distribución
8. 𝑆𝑖 𝑘, 𝑚 ∈ 𝑅, 𝒙 ∈ 𝑉 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 ( 𝑘 + 𝑚) ∙ 𝒙 = 𝑘 ∙ 𝒙 + 𝑚 ∙ 𝒙 Segunda distribución
9. 𝑆𝑖 𝑘, 𝑚 ∈ 𝑅, 𝒙 ∈ 𝑉 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑘 ∙ (𝑚 ∙ 𝒙) = (𝑘𝑚) ∙ 𝒙 Segunda Asociatividad
10. 𝑆𝑖 1 ∈ 𝑅, 𝒙 ∈ 𝑉 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 1 ∙ 𝒙 = 𝒙

EJEMPLO 1

Dado el conjunto 𝑉 = ℝ2 = {(𝑎, 𝑏)/𝑎, 𝑏 ∈ ℝ} en el cual se definen las siguientes operaciones:

(𝑥1 , 𝑥2 ) + (𝑦1, 𝑦2 ) = (𝑥1 + 𝑦1 , 𝑥2 + 𝑦2 ) 𝑠𝑢𝑚𝑎 𝑒𝑛𝑡𝑟𝑒 "𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠"
𝑘 ∙ (𝑥1 , 𝑥2 ) = (𝑘𝑥1 , 𝑘𝑥2 ) 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎𝑐𝑖ó𝑛 𝑝𝑜𝑟 𝑢𝑛 𝑒𝑠𝑐𝑎𝑙𝑎𝑟

Demostrar que 〈ℝ2, +. ℝ,∙〉 es un espacio vectorial real.

SOLUCIÓN

1. Cerradura de la suma

𝑆𝑖 𝒙 ∈ 𝑉, 𝒚 ∈ 𝑉, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝒙 + 𝒚 ∈ 𝑉
𝒙 = (𝑥1 , 𝑥2 ); 𝒚 = (𝑦1 , 𝑦2 ) → 𝒙 + 𝒚 = (𝑥1 , 𝑥2 ) + (𝑦1 , 𝑦2 ) = (𝑥1 + 𝑦1 , 𝑥2 + 𝑦2 )
𝑥1 + 𝑦1 ∈ ℝ → 𝑥1 + 𝑦1 ∈ ℝ
𝑥2 + 𝑦2 ∈ ℝ → 𝑥2 + 𝑦2 ∈ ℝ
Por lo tanto, 𝒙 + 𝒚 ∈ 𝑉

2. Asociatividad de la suma

𝑆𝑖 𝒙 ∈ 𝑉, 𝒚 ∈ 𝑉, 𝒛 ∈ 𝑉 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 (𝒙 + 𝒚) + 𝒛 = 𝒙 + (𝒚 + 𝒛)

𝒙 = (𝑥1 , 𝑥2 ); 𝒚 = (𝑦1 , 𝑦2 ) ; 𝒛 = (𝑧1 , 𝑧2 )

(𝒙 + 𝒚) + 𝒛 = [(𝑥1 , 𝑥2 ) + (𝑦1 , 𝑦2 )] + (𝑧1 , 𝑧2 ) = (𝑥1 + 𝑦1 , 𝑥2 + 𝑦2 ) + (𝑧1 , 𝑧2 )
= (𝑥1 + 𝑦1 + 𝑧1 , 𝑥2 + 𝑦2 + 𝑧2 )

ING. FELIX VEGA BENAVIDES 1

 𝒙 + (𝒚 + 𝒛) = (𝑥1 , 𝑥2 ) + [(𝑦1 , 𝑦2 ) + (𝑧1 , 𝑧2 )] = (𝑥1 , 𝑥2 ) + (𝑦1 + 𝑧1 , 𝑦2 + 𝑧2 )
= (𝑥1 + 𝑦1 + 𝑧1 , 𝑥2 + 𝑦2 + 𝑧2 )

La igualdad se cumple. Por lo tanto, hay asociatividad.

3. Conmutatividad

𝑆𝑖 𝒙 ∈ 𝑉; 𝒚 ∈ 𝑉, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝒙 + 𝒚 = 𝒚 + 𝒙

Sean 𝒙 = (𝑥1 , 𝑥2 ); 𝒚 = (𝑦1 , 𝑦2 ) dos vectores de V

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

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

Por lo tanto, la igualdad se cumple

4. Vector cero

𝐸𝑥𝑖𝑠𝑡𝑒 𝑒𝑙 𝑣𝑒𝑐𝑡𝑜𝑟 𝟎, 𝒙 + 𝟎 = 𝟎 + 𝒙 = 𝒙; 𝑝𝑎𝑟𝑎 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑣𝑒𝑐𝑡𝑜𝑟 𝒙

𝟎 = (𝑥, 𝑦) ; 𝒙 = (𝑎, 𝑏)

𝒙 + 𝟎 = 𝒙 → (𝑎, 𝑏) + (𝑥, 𝑦) = (𝑎, 𝑏) → (𝑎 + 𝑥, 𝑏 + 𝑦) = (𝑎, 𝑏)

𝑎+𝑥 =𝑎 𝑥=0
𝑏 + 𝑦 = 𝑏 → 𝑦 = 0 → 𝟎 = (0,0)

Prueba

𝒚 = (𝑚, 𝑛) → 𝒚 + 𝟎 = (𝑚, 𝑛) + (0,0) = (𝑚 + 0, 𝑛 + 0) = (𝑚, 𝑛) = 𝒚

5. Inversos aditivos

𝑃𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑣𝑒𝑐𝑡𝑜𝑟 𝒙, 𝑒𝑥𝑖𝑠𝑡𝑒 𝑒𝑙 𝑣𝑒𝑐𝑡𝑜𝑟 (−𝒙) 𝑡𝑎𝑙 𝑞𝑢𝑒: 𝒙 + (−𝒙) = 𝟎

(−𝒙) = (𝑥, 𝑦) ; 𝒙 = (𝑎, 𝑏)

𝒙 + (−𝒙) = 𝟎 → (𝑎, 𝑏) + (𝑥, 𝑦) = (0,0) → (𝑎 + 𝑥, 𝑏 + 𝑦) = (0,0)

𝑎+𝑥 =0 𝑥 = −𝑎
→ 𝑦 = −𝑏 → −𝒙 = (−𝑎, −𝑏)
𝑏+𝑦 =0

Prueba: 𝒚 = (𝑚, 𝑛), −𝒚 = (−𝑚, −𝑛) → 𝒚 + (−𝒚) = (𝑚, 𝑛) + (−𝑚, −𝑛)

= (𝑚 − 𝑚, 𝑛 − 𝑛) = (0,0) = 𝟎

𝑆𝑖 𝒛 = (7, −5) 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 − 𝒛 = (−7,5)

6. Cerradura de la multiplicación por escalar

𝑆𝑖 𝑘 ∈ 𝑅, 𝒙 ∈ 𝑉, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑘 ∙ 𝒙 ∈ 𝑉

𝑆𝑒𝑎 𝑘 𝑢𝑛 𝑛ú𝑚𝑒𝑟𝑜 𝑟𝑒𝑎𝑙 𝑦 𝒙 = (𝑥1 , 𝑥2 ) → 𝑘 ∙ 𝒙 = 𝑘 ∙ (𝑥1 , 𝑥2 ) = (𝑘𝑥1 , 𝑘𝑥2 ) ∈ 𝑉

ING. FELIX VEGA BENAVIDES 2

7. Primera distributiva

𝑆𝑖 𝑘 ∈ 𝑅, 𝒙 = (𝑥1 , 𝑥2 ), 𝒚 = (𝑦1 , 𝑦2 ) ∈ 𝑉 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑘 ∙ (𝒙 + 𝒚) = 𝑘 ∙ 𝒙 + 𝑘 ∙ 𝒚

𝑘 ∙ (𝒙 + 𝒚) = 𝑘 ∙ (𝑥1 + 𝑦1 , 𝑥2 + 𝑦2 ) = (𝑘(𝑥1 + 𝑦1 ), 𝑘 (𝑥2 + 𝑦2 )) = (𝑘𝑥1 + 𝑘𝑦1 , 𝑘𝑥2 + 𝑦𝑘2 )

𝑘 ∙ 𝒙 + 𝑘 ∙ 𝒚 = 𝑘 ∙ (𝑥1 , 𝑥2 ) + 𝑘 ∙ (𝑦1 , 𝑦2 ) = (𝑘𝑥1 , 𝑘𝑥2 ) + (𝑘𝑦1 , 𝑘𝑦2 ) = (𝑘𝑥1 + 𝑘𝑦1 ; 𝑘𝑥2 + 𝑘𝑦2 )

La igualdad se cumple.

8. Segunda distributiva

𝑆𝑖 𝑘, 𝑚 ∈ 𝑅, 𝒙 = (𝑥1 , 𝑥2 ) ∈ 𝑉 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 ( 𝑘 + 𝑚) ∙ 𝒙 = 𝑘 ∙ 𝒙 + 𝑚 ∙ 𝒙

( 𝑘 + 𝑚) ∙ 𝒙 = ( 𝑘 + 𝑚) ∙ (𝑥1 , 𝑥2 ) = (( 𝑘 + 𝑚)𝑥1 , ( 𝑘 + 𝑚) 𝑥2 ) = (𝑘𝑥1 + 𝑚𝑥1 , 𝑘 𝑥2 + 𝑚 𝑥2 )

𝑘 ∙ 𝒙 + 𝑚 ∙ 𝒙 = 𝑘 ∙ (𝑥1 , 𝑥2 ) + 𝑚 ∙ (𝑥1 , 𝑥2 ) = (𝑘𝑥1 , 𝑘𝑥2 ) + (𝑚𝑥1 , 𝑚𝑥2 ) = (𝑘𝑥1 + 𝑚𝑥1 , 𝑘𝑥2 + 𝑚𝑥2 )

La igualdad se cumple.

9. Asociativa por escalares

𝑆𝑖 𝑘, 𝑚 ∈ 𝑅, 𝒙 = (𝑥1 , 𝑥2 ) ∈ 𝑉 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑘 ∙ (𝑚 ∙ 𝒙) = (𝑘𝑚) ∙ 𝒙

𝑘 ∙ (𝑚 ∙ 𝒙) = 𝑘 ∙ (𝑚 ∙ (𝑥1 , 𝑥2 )) = 𝑘 ∙ (𝑚𝑥1 , 𝑚𝑥2 ) = (𝑘𝑚𝑥1 , 𝑘𝑚𝑥2 )

(𝑘𝑚) ∙ 𝒙 = (𝑘𝑚) ∙ (𝑥1 , 𝑥2 ) = (𝑘𝑚𝑥1 , 𝑘𝑚𝑥2 )

La igualdad se cumple.

10. Multiplicación por 1

𝑆𝑖 1 ∈ 𝑅, 𝒙 = (𝑥1 , 𝑥2 ) ∈ 𝑉 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 1 ∙ 𝒙 = 𝒙

1 ∙ 𝒙 = 1 ∙ (𝑥1 , 𝑥2 ) = (1. 𝑥1 , 1. 𝑥2 ) = (𝑥1 , 𝑥2 ) = 𝒙

La igualdad se cumple.

Por lo tanto, es un espacio vectorial

De manera similar se puede demostrar que 〈𝑅𝑛 , +, 𝑅,∙〉 es otro espacio vectorial, bajo las mismas
operaciones.

Otro espacio vectorial es 〈𝑅𝑛×𝑚, +, 𝑅,∙〉 bajo las operaciones de suma matricial y multiplicación de
un escalar por una matriz.

TEOREMA

Sea V un espacio vectorial real, entonces

a. 𝛼 ∙ 𝟎 = 𝟎 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑒𝑠𝑐𝑎𝑙𝑎𝑟 𝛼

b. 0 ∙ 𝒙 = 𝟎 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝒙 ∈ 𝑉

ING. FELIX VEGA BENAVIDES 3

c. 𝑆𝑖 𝛼 ∙ 𝒙 = 𝟎, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝛼 = 0 𝑜 𝒙 = 𝟎 (𝑜 𝑎𝑚𝑏𝑜𝑠)
d. (−1) ∙ 𝒙 = −𝒙 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝒙 ∈ 𝑉

SUB ESPACIOS VECTORIALES

DEFINICIÓN. - Se dice que W es sub espacio vectorial de V si y solo si W es subconjunto no vacío de

V tal que, por sí mismo es también espacio vectorial con las mismas operaciones definidas en V.

TEOREMA

Un subconjunto no vacío W de un espacio vectorial V es un sub espacio de V si y solo si se cumple

que:

1. 𝑆𝑖 𝒙 ∈ 𝑊, 𝒚 ∈ 𝑊, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝒙 + 𝒚 ∈ 𝑊

2. 𝑆𝑖 𝑘 ∈ 𝑅, 𝒙 ∈ 𝑊, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑘 ∙ 𝒙 ∈ 𝑊

EJEMPLO 2

Demostrar que 𝑊 = {(𝑎, 𝑏, 𝑐 ) ∈ 𝑅3 /2𝑎 + 𝑏 = 𝑐 } es subespacio vectorial de 𝑅3

SOLUCIÓN

Para demostrar que es sub espacio vectorial:

1) Por construcción, W es subconjunto de 𝑅3

El vector cero de 𝑅3 es 𝟎𝑽 = (0,0,0)

¿ (0,0,0) ∈ 𝑊? ∶ 2(0) + (0) = 0 → 𝐸𝑙 𝑣𝑒𝑐𝑡𝑜𝑟 𝟎𝑽 𝑝𝑒𝑟𝑡𝑒𝑛𝑒𝑐𝑒 𝑎 𝑊 → 𝑊 ≠ Φ

2) 𝑆𝑖 𝒙, 𝒚 ∈ 𝑊 → 𝒙 + 𝒚 ∈ 𝑊

𝒙 = (𝑥1 , 𝑥2 , 𝑥3 ) 𝑡𝑎𝑙 𝑞𝑢𝑒 2𝑥1 + 𝑥2 = 𝑥3

𝒚 = (𝑦1 , 𝑦2 , 𝑦3 ) 𝑡𝑎𝑙 𝑞𝑢𝑒 2𝑦1 + 𝑦2 = 𝑦3

𝒙 + 𝒚 = (𝑥1 , 𝑥2 , 𝑥3 ) + (𝑦1 , 𝑦2 , 𝑦3 ) = (𝑥1 + 𝑦1 , 𝑥2 + 𝑦2 , 𝑥3 + 𝑦3 )

Prueba

2(𝑥1 + 𝑦1 ) + (𝑥2 + 𝑦2 ) = (2𝑥1 + 𝑥2 ) + (2𝑦1 + 𝑦2 ) = 𝑥3 + 𝑦3 ¡ 𝐶𝑢𝑚𝑝𝑙𝑒!

Por lo tanto : 𝒙 + 𝒚 ∈ 𝑊

3) 𝑆𝑖 𝑘 ∈ 𝑅, 𝒙 ∈ 𝑊 → 𝑘 ∙ 𝒙 ∈ 𝑊

𝒙 = (𝑥1 , 𝑥2 , 𝑥3 ) 𝑡𝑎𝑙 𝑞𝑢𝑒 2𝑥1 + 𝑥2 = 𝑥3

𝑘 ∙ 𝒙 = 𝑘 ∙ (𝑥1 , 𝑥2 , 𝑥3 ) = (𝑘𝑥1 , 𝑘𝑥2 , 𝑘𝑥3 )

Prueba:

ING. FELIX VEGA BENAVIDES 4

 2(𝑘𝑥1 ) + (𝑘𝑥2 ) = 𝑘 (2𝑥1 + 𝑥2 ) = 𝑘𝑥3 → 𝑘 ∙ 𝒙 ∈ 𝑊

Por lo tanto 𝑊 𝑒𝑠 𝑢𝑛 𝑠𝑢𝑏𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝑑𝑒 𝑅3

EJEMPLO 3
𝑎 𝑏
Demostrar que 𝑊 = {( ) ∈ 𝑀22 /𝑎 + 𝑑 = 1} es sub espacio vectorial de 𝑀22
𝑐 𝑑
1. W es subconjunto de 𝑀22 , por construcción.
0 0
𝑂𝑉 = ( ) ∈ 𝑀22
0 0
En el presente caso, se observa que (0) + (0) = 0 ≠ 1
Significa que 𝑂𝑉 ∉ 𝑊
W no es sub espacio vectorial de 𝑀22

COMBINACIÓN LINEAL.

Dados los vectores: 𝒗𝟏 , 𝒗𝟐 , 𝒗𝟑 , … , 𝒗𝒏 , la expresión:

𝛼1 𝒗𝟏 + 𝛼2 𝒗2 +𝛼3 𝒗3 + … + 𝛼𝑛 𝒗𝑛

Se llama combinación lineal de los vectores 𝑣1 , 𝑣2 , 𝑣3 , … , 𝑣𝑛 y 𝛼1 , 𝛼2 , … , 𝛼𝑛 son escalares.

EJEMPLO 4

Escribir el vector 𝒖 = (1,2, −1) como combinación lineal de los vectores 𝒗𝟏 = (1,1,2), 𝒗𝟐 =
(2,3,0) y 𝒗𝟑 = (2,4,1)

𝛼1 𝒗𝟏 + 𝛼2 𝒗2 +𝛼3 𝒗3 = 𝒖
⏟
𝐶𝑜𝑚𝑏𝑖𝑛𝑎𝑐𝑖ó𝑛 𝑙𝑖𝑛𝑒𝑎𝑙

𝛼1 (1,1,2) + 𝛼2 (2,3,0)+𝛼3 (2,4,1) = (1,2, −1)

(𝛼1 , 𝛼1 , 2𝛼1 ) + (2𝛼2 , 3𝛼2 , 0) + (2𝛼3 , 4𝛼3 , 𝛼3 ) = (1,2, −1)

(𝛼1 + 2𝛼2 + 2𝛼3 , 𝛼1 + 3𝛼2 + 4𝛼3 , 2𝛼1 + 𝛼3 ) = (1,2, −1)

𝛼1 + 2𝛼2 + 2𝛼3 = 1
{𝛼1 + 3𝛼2 + 4𝛼3 = 2
2𝛼1 + 𝛼3 = −1

Resolución del sistema:

1 2 2 1 1 2 2 1 1 0 −2 −1
(1 3 4| 2 ) → (0 1 2 | 1 ) → (0 1 2|1) →
2 0 1 −1 0 −4 −3 −3 0 0 5 1
1 0 −2 −1 1 0 0 −3/5
(0 1 2 | 1 ) → (0 1 0| 3/5 )
0 0 1 1/5 0 0 1 1/5

ING. FELIX VEGA BENAVIDES 5

 3 3 1
𝛼1 = − , 𝛼2 = , 𝛼3 =
5 5 5
La combinación lineal pedida es:
3 3 1
− 𝒗𝟏 + 𝒗2 + 𝒗3 = 𝒖
5 5 5
EJEMPLO 5

Escribir el vector 𝒖 = (3, −5,1) como combinación lineal de los vectores

𝒗𝟏 = (1,1, −1), 𝒗𝟐 = (2,3, −2) 𝑦 𝒗𝟑 = (1,2, −1)

SOLUCIÓN

𝛼1 𝒗𝟏 + 𝛼2 𝒗𝟏 +𝛼3 𝒗𝟑 = 𝒖

𝛼1 (1,1, −1) + 𝛼2 (2,3, −2) + 𝛼3 (1,2, −1) = 3𝑥 2 − 5𝑥 + 1

(𝛼1 + 2𝛼2 + 𝛼3 , 𝛼1 + 3𝛼2 + 2𝛼3 , −𝛼1 − 2𝛼2 − 𝛼3 ) = (3, −5,1)
𝛼1 + 2𝛼2 + 𝛼3 = 3
{𝛼1 + 3𝛼2 + 2𝛼3 = −5
−𝛼1 − 2𝛼2 − 𝛼3 = 1
1 2 1 3 1 2 1 3 1 2 1 3
(1 3 |
2 −5) → ( |
0 1 1 −8) → (0 1 1|−8) → 𝑁𝑜 𝑡𝑖𝑒𝑛𝑒 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛
−1 −2 −1 1 0 0 0 4 0 0 0 1
Por lo tanto, la combinación lineal pedida, es imposible.

CONJUNTO GENERADOR:

Dado el conjunto de vectores 𝐺 = {𝒗𝟏 , 𝒗𝟐 , 𝒗𝟑 , … , 𝒗𝒏 }; se dice que es generador de un espacio

vectorial 𝑉 si y solo si cualquier vector del espacio vectorial 𝑉, es combinación lineal de los
mencionados vectores.

Esto significa que para la combinación lineal:

𝛼1 𝒗𝟏 + 𝛼2 𝒗2 +𝛼3 𝒗3 + … + 𝛼𝑛 𝒗𝑛 = 𝒙, ∀𝒙 ∈ 𝑉

Siempre existen los escalares 𝛼1 , 𝛼2 , 𝛼3 , … , 𝛼𝑛 ( independientemente del vector 𝑥)

EJEMPLO 6

Verificar si {(1,2,0), (−1,4,1), (1, −3,5)} es generador de 𝑅3

SOLUCIÓN

𝛼1 (1,2,0) + 𝛼2 (−1,4,1) + 𝛼3 (1, −3,5) = (𝑎, 𝑏, 𝑐)

(𝛼1 − 𝛼2 + 𝛼3 , 2𝛼1 + 4𝛼2 − 3𝛼3 , 𝛼2 + 5𝛼3 ) = (𝑎, 𝑏, 𝑐)

ING. FELIX VEGA BENAVIDES 6

Se genera el sistema de ecuaciones:
𝛼1 − 𝛼2 + 𝛼3 = 𝑎
{2𝛼1 + 4𝛼2 − 3𝛼3 = 𝑏
𝛼2 + 5𝛼3 = 𝑐
1 −1 1
|2 4 −3| = 35 ≠ 0 → 𝐸𝑙 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 𝑡𝑖𝑒𝑛𝑒 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 ú𝑛𝑖𝑐𝑎
0 1 5
Por lo tanto, existen valores para 𝛼1 , 𝛼2 𝑦 𝛼3 para cualquier (𝑎, 𝑏, 𝑐) ∈ 𝑅 3

Por lo tanto, el conjunto es generador de 𝑅3

EJEMPLO 7
1 −1 0 1 2 0
Verificar que {( ),( ),( )} es generador del espacio vectorial de las matrices de
0 2 1 1 −1 3
orden dos.

SOLUCIÓN
1 −1 0 1 2 0 𝑎 𝑏
𝛼1 ( ) + 𝛼2 ( ) + 𝛼3 ( )=( )
0 2 1 1 −1 3 𝑐 𝑑
𝛼 + 2𝛼3 −𝛼1 + 𝛼2 𝑎 𝑏
( 1 )=( )
𝛼2 − 𝛼3 2𝛼1 + 𝛼2 + 3𝛼3 𝑐 𝑑
𝛼1 + 2𝛼3 = 𝑎
−𝛼1 + 𝛼2 = 𝑏
{ → 𝑅𝑒𝑠𝑜𝑙𝑣𝑒𝑚𝑜𝑠 𝑐𝑜𝑛 𝑒𝑙𝑖𝑚𝑖𝑛𝑎𝑐𝑖𝑜𝑛 𝑑𝑒 𝐺𝑎𝑢𝑠𝑠
𝛼2 − 𝛼3 = 𝑐
2𝛼1 + 𝛼2 + 3𝛼3 = 𝑑
1 0 2 𝑎 1 0 2 𝑎 1 0 2 𝑎
−1 1 0 𝑏 0 1 2 𝑎+𝑏 0 1 2 𝑎+𝑏
( | ) → ( | ) → ( |( )
0 1 −1 𝑐 0 1 −1 𝑐 0 0 1 −𝑐 + 𝑎 + 𝑏)/3
2 1 3 𝑑 0 1 −1 𝑑 − 2𝑎 0 0 0 𝑑 − 2𝑎 − 𝑐
Si se cumple que 𝑑 − 2𝑎 − 𝑐 = 0 , entonces el sistema tiene solución.

Pero, si 𝑑 − 2𝑎 − 𝑐 ≠ 0, entonces el sistema NO tiene solución.

Por lo tanto, el conjunto no es generador.

INDEPENDENCIA LINEAL:

El conjunto {𝒗𝟏 , 𝒗𝟐 , 𝒗𝟑 , … , 𝒗𝒏 } es linealmente independiente si y solo si la combinación lineal

𝛼1 𝒗𝟏 + 𝛼2 𝒗𝟐 +𝛼3 𝒗3 + … + 𝛼𝑛 𝒗𝑛 = 𝟎

tiene como única solución a: 𝛼1 = 𝛼2 = 𝛼3 = ⋯ = 𝛼𝑛 = 0

Si algún “alfa” es diferente de cero, entonces se dice que el conjunto es linealmente dependiente.

ING. FELIX VEGA BENAVIDES 7

EJEMPLO 8
1 −1 0 1 2 0
Verificar si el conjunto {( ),( ),( )} es linealmente independiente.
0 2 1 1 −1 3
SOLUCIÓN
1 −1 0 1 2 0 0 0
𝛼1 ( ) + 𝛼2 ( ) + 𝛼3 ( )=( )
0 2 1 1 −1 3 0 0
𝛼1 + 2𝛼3 =0
𝛼 + 2𝛼3 −𝛼1 + 𝛼2 0 0 −𝛼1 + 𝛼2 =0
( 1 )=( ) → {
𝛼2 − 𝛼3 2𝛼1 + 𝛼2 + 3𝛼3 0 0 𝛼2 − 𝛼3 =0
2𝛼1 + 𝛼2 + 3𝛼3 =0
1 0 2 0 1 0 2 0 1 0 20
−1 1 0 0 0 1 2 0 0 1 20
( | ) → ( | ) → ( | )
0 1 −1 0 0 1 −1 0 0 0 10
2 1 3 0 0 1 −1 0 0 0 00
𝛼1 = 𝛼2 = 𝛼3 = 0

Por lo tanto, el conjunto es linealmente independiente.

EJEMPLO 9

Verificar si {(1,0,2), (2,1,1), (0,1,2)} es linealmente independiente.

𝛼1 (1,0,2) + 𝛼2 (2,1,1) + 𝛼3 (0,1,2) = (0, 0, 0)

(𝛼1 + 2𝛼2 , 𝛼2 + 𝛼3 , 2𝛼1 + 𝛼2 + 2𝛼3 ) = (0, 0, 0)
𝛼1 + 2𝛼2 = 0 1 2 0
{ 𝛼2 + 𝛼3 = 0 → |0 1 1| = 5 ≠ 0 → 𝑇𝑖𝑒𝑛𝑒 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑡𝑟𝑖𝑣𝑖𝑎𝑙 𝑢𝑛𝑖𝑐𝑎𝑚𝑒𝑛𝑡𝑒
2𝛼1 + 𝛼2 + 2𝛼3 = 0 2 1 2
𝛼1 = 0, 𝛼2 = 0; 𝛼3 = 0

Por lo tanto, el conjunto es linealmente independiente.

BASE:

EL conjunto 𝐵 = {𝒗𝟏 , 𝒗𝟐 , 𝒗𝟑 , … , 𝒗𝒏 } es una base del espacio vectorial 𝑉 si y solo si se cumplen las
siguientes dos condiciones:
1) 𝐸𝑙 𝑐𝑜𝑛𝑗𝑢𝑛𝑡𝑜 𝐵 𝑒𝑠 𝑙𝑖𝑛𝑒𝑎𝑙𝑚𝑒𝑛𝑡𝑒 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒
2) 𝐸𝑙 𝑐𝑜𝑛𝑗𝑢𝑛𝑡𝑜 𝐵 𝑔𝑒𝑛𝑒𝑟𝑎 𝑎𝑙 𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝑣𝑒𝑐𝑡𝑜𝑟𝑖𝑎𝑙 𝑉

DIMENSIÓN:

La dimensión de un espacio vectorial, está dado por la cantidad de vectores que tiene cualquier
base del espacio vectorial.

ING. FELIX VEGA BENAVIDES 8

EJEMPLO 10

Verificar si el conjunto {(1,0,2), (2,1,1), (0,1,2)} es una base del espacio vectorial 𝑅3

SOLUCIÓN

1) Prueba de independencia lineal.

Del ejemplo anterior, se sabe que el conjunto es linealmente independiente.

2) Prueba de conjunto generador.

𝛼1 (1,0,2) + 𝛼2 (2,1,1) + 𝛼3 (0,1,2) = (𝑎, 𝑏, 𝑐)

(𝛼1 + 2𝛼2 , 𝛼2 + 𝛼3 , 2𝛼1 + 𝛼2 + 2𝛼3 ) = (𝑎, 𝑏, 𝑐)
𝛼1 + 2𝛼2 = 𝑎 1 2 0
{ 𝛼2 + 𝛼3 = 𝑏 → |0 1 1| = 5 ≠ 0
2𝛼1 + 𝛼2 + 2𝛼3 = 𝑐 2 1 2
El sistema tiene solución única, para cualquier valor de 𝑎, 𝑏 𝑦 𝑐; entonces es generador de R3

Por lo tanto, el conjunto {(1,0,2), (2,1,1), (0,1,2)} es una base de 𝑅 3 .

La dimensión de 𝑅3 es 3.

EJEMPLO 11

Obtener un conjunto generador para el sub espacio 𝑊 = {(𝑎, 𝑏, 𝑐 ) ∈ R3 / 2𝑎 + 𝑏 = 𝑐 }

SOLUCIÓN

𝑋 ∈ 𝑊 → 𝑋 = (𝑎, 𝑏, 𝑐 ) / 2𝑎 + 𝑏 = 𝑐

Sustituyendo la condición en el vector 𝑋

𝑋 = (𝑎, 𝑏, 2𝑎 + 𝑏) = (𝑎, 0, 2𝑎) + (0, 𝑏, 𝑏) = 𝑎(1, 0, 2) + 𝑏(0, 1, 1)

El vector arbitrario 𝑋 resulta ser combinación lineal de los vectores: (1, 0, 2) 𝑦 (0, 1, 1)

El conjunto generador es: 𝐺 = {(1, 0, 2), (0, 1, 1)}

EJEMPLO 12

Obtener un conjunto generador para el sub espacio 𝑊 = {(𝑎, 𝑏, 𝑐 ) ∈ ℝ3 / 𝑎 + 𝑏 + 𝑐 = 0}

SOLUCIÓN

𝑆𝑒𝑎 𝒖 ∈ 𝑊 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝒖 = (𝑎, 𝑏, 𝑐 ) 𝑡𝑎𝑙 𝑞𝑢𝑒 𝑎 + 𝑏 + 𝑐 = 0

Despejando cualquiera de los coeficientes, por ejemplo 𝑐 = −𝑎 − 𝑏

ING. FELIX VEGA BENAVIDES 9

Sustituyendo la condición en el vector 𝒖

𝒖 = (𝑎, 𝑏, −𝑎 − 𝑏) = (𝑎, 0, −𝑎) + (0, 𝑏, −𝑏) = 𝑎(1,0, −1) + 𝑏(0,1, −1))

El vector arbitrario 𝒖 resulta ser combinación lineal de los vectores: (1,0, −1) y (0,1, −1)

El conjunto generador es: 𝐺 = {(1,0, −1) , (0,1, −1)}

EJEMPLO 14
1 2 1 1 0 1
Describir el espacio vectorial generado por: {( ),( ),( )}
0 −1 2 −1 2 3
SOLUCIÓN.
1 2 1 1 0 1 𝑎 𝑏
𝛼1 ( ) + 𝛼2 ( ) + 𝛼3 ( )=( )
0 −1 2 −1 2 3 𝑐 𝑑
𝛼1 + 𝛼2 2𝛼1 + 𝛼2 + 𝛼3 𝑎 𝑏
( )=( )
2𝛼2 + 2𝛼3 −𝛼1 − 𝛼2 + 3𝛼3 𝑐 𝑑
𝛼1 + 𝛼2 = 𝑎
2𝛼1 + 𝛼2 + 𝛼3 = 𝑏
{
2𝛼2 + 2𝛼3 = 𝑐
−𝛼1 − 𝛼2 + 3𝛼3 = 𝑑
1 1 0𝑎 1 1 0 𝑎 1 1 0 𝑎
2 1 1𝑏 0 −1 1 𝑏 − 2𝑎 0 1 −1 2𝑎 − 𝑏
( | ) → ( | )→( | )
0 2 2 𝑐 0 2 2 𝑐 0 0 1 2𝑏 − 5𝑎 + 𝑐 − 𝑑
−1 −1 3𝑑 0 0 3 𝑎+𝑑 0 0 0 16𝑎 − 6𝑏 − 3𝑐 + 4𝑑
Para que el sistema tenga solución, es necesario que 16𝑎 − 6𝑏 − 3𝑐 + 4𝑑 = 0

El espacio generado es
𝑎 𝑏
𝑊 = {( ) ∈ 𝑀22 / 16𝑎 − 6𝑏 − 3𝑐 + 4𝑑 = 0}
𝑐 𝑑
EJEMPLO 14

Obtener una base para el sub espacio vectorial generado por los vectores:

𝑣1 = (1,2, −3), 𝑣2 = (2, 1 ,1) 𝑦 𝑣3 = (1, −1,4)

SOLUCIÓN

En el enunciado se indica que los vectores dados, son generadores. Se debe comprobar su
independencia lineal.

Prueba de independencia lineal: 𝛼1 𝒗𝟏 + 𝛼2 𝒗𝟐 + 𝛼3 𝒗3 = 0

𝛼1 (1,2, −3) + 𝛼2 (2, 1 ,1) + 𝛼3 (1, −1,4) = (0,0,0)

(𝛼1 + 2𝛼2 + 𝛼3 , 2𝛼1 + 𝛼2 − 𝛼3 , −3𝛼1 + 𝛼2 + 4𝛼3 ) = (0,0,0)

ING. FELIX VEGA BENAVIDES 10

 𝛼1 + 2𝛼2 + 𝛼3 = 0 1 2 1
{ 2𝛼1 + 𝛼2 − 𝛼3 = 0 → | 2 1 −1| = 0 (𝑇𝑖𝑒𝑛𝑒 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛𝑒𝑠 𝑛𝑜 𝑡𝑟𝑖𝑣𝑖𝑎𝑙𝑒𝑠)
−3𝛼1 + 𝛼2 + 4𝛼3 = 0 −3 1 4
Por lo tanto, el conjunto el linealmente dependiente. No es base.

EJEMPLO 15

Hallar una base para el sub espacio generado por el conjunto de vectores:
1 2 2 0 1 −2 0 4
{( )( )( )( )}
0 1 1 1 1 0 −1 1
SOLUCIÓN

Una posible solución, está asociada a la prueba de independencia lineal.

1 2 2 0 1 −2 0 4 0 0
𝛼1 ( ) + 𝛼2 ( ) + 𝛼3 ( ) + 𝛼4 ( )=( )
0 1 1 1 1 0 −1 1 0 0
𝛼1 + 2𝛼2 + 𝛼3 2𝛼1 − 2𝛼3 + 4𝛼4 0 0
( )=( )
𝛼2 + 𝛼3 − 𝛼4 𝛼1 + 𝛼2 + 𝛼4 0 0
𝛼1 + 2𝛼2 + 𝛼3 = 0
2𝛼1 − 2𝛼3 + 4𝛼4 = 0
{
𝛼2 + 𝛼3 − 𝛼4 = 0
𝛼1 + 𝛼2 + 𝛼4 = 0
1 2 1 0 0 1 0 −1 2 0
2 0 −2 4 0 0 1 1 −1 0
( | ) → ( | )
0 1 1 −1 0 0 0 0 0 0
1 1 0 1 0 0 0 0 0 0
𝛼3 = 𝑡, 𝑡 ∈ 𝑅
𝛼4 = 𝑟, 𝑟 ∈ 𝑅

El sistema tiene soluciones NO TRIVIALES, por lo tanto, el conjunto es linealmente dependiente.

(No puede ser la base que buscamos)

Para escribir la base, se descartan a los vectores en cuyas columnas no existe pivote.

La base buscada es:

1 2 2 0
{( ),( )}
0 1 1 1
La dimensión es igual a dos.

EJEMPLO 16
𝑎 𝑏
Hallar una base para el sub espacio vectorial 𝑊 = {( ) ∈ 𝑀22 / 𝑎 + 2𝑏 = 𝑑}
𝑐 𝑑
SOLUCIÓN.

ING. FELIX VEGA BENAVIDES 11

 𝑎 𝑏
Conjunto generador. 𝑋 ∈ 𝑊 → 𝑋 = ( ) ∈ 𝑀22 / 𝑎 + 2𝑏 = 𝑑
𝑐 𝑑
𝑎 𝑏 𝑎 0 0 𝑏 0 0 1 0 0 1 0 0
𝑋=( )= ( )+( )+( ) = 𝑎( )+𝑏( )+𝑐( )
𝑐 𝑎 + 2𝑏 0 𝑎 0 2𝑏 𝑐 0 0 1 0 2 1 0
El conjunto generador es:
1 0 0 1 0 0
{( ),( ),( )}
0 1 0 2 1 0
Prueba de independencia lineal:
1 0 0 1 0 0 0 0
𝛼1 ( ) + 𝛼2 ( ) + 𝛼3 ( )=( )
0 1 0 2 1 0 0 0
𝛼1 =0
𝛼1 𝛼2 0 0 𝛼2 =0
(𝛼
3 𝛼1 + 2𝛼2 ) = (0 0) → { 𝛼3 =0
→ 𝑇𝑖𝑒𝑛𝑒 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑡𝑟𝑖𝑣𝑖𝑎𝑙 ú𝑛𝑖𝑐𝑎𝑚𝑒𝑛𝑡𝑒.
𝛼1 + 2𝛼2 =0

Por lo tanto, el conjunto es linealmente independiente.

Entonces, una base del sub espacio 𝑊 es:

1 0 0 1 0 0
{( ),( ),( )}
0 1 0 2 1 0

ING. FELIX VEGA BENAVIDES 12

 PRODUCTO INTERIOR

La multiplicación de dos vectores cuyo resultado es un escalar, se denomina producto interior, si y solo si,
cumple con los siguientes axiomas:

1. 𝑆𝑖𝑚𝑒𝑡𝑟í𝑎 ⟨𝒖|𝒗⟩ = ⟨𝒗|𝒖⟩

2. 𝐴𝑑𝑖𝑡𝑖𝑣𝑖𝑑𝑎𝑑 ⟨𝒖|𝒗 + 𝒘⟩ = ⟨𝒖|𝒗⟩ + ⟨𝒖|𝒘⟩
3. 𝐻𝑜𝑚𝑜𝑔𝑒𝑛𝑒𝑖𝑑𝑎𝑑 ⟨𝑘𝒖|𝒗⟩ = 𝑘⟨𝒖|𝒗⟩
4. 𝑃𝑜𝑠𝑖𝑡𝑖𝑣𝑖𝑑𝑎𝑑 ⟨𝒖|𝒖⟩ > 0 𝑦 ⟨𝒖|𝒖⟩ = 0 ↔ 𝒖 = 𝟎

Ejemplo

Verificar si ⟨(𝑎1 , 𝑎2 )|(𝑏1 , 𝑏2 )⟩ = 2𝑎1 𝑏1 + 5𝑎2 𝑏2

determina un producto interior en 𝑅 2

Solución

Para ser producto interior, debe cumplir con los cuatro axiomas.

AXIOMA 1

∀𝑢, 𝑣 ∈ 𝑅 2 : ⟨𝑢|𝑣 ⟩ = ⟨𝑣 |𝑢⟩

𝑢 = (𝑎1 , 𝑎2 ) 𝑦 𝑣 = (𝑏1 , 𝑏2 )

⟨𝑢|𝑣⟩ = ⟨(𝑎1 , 𝑎2 )|(𝑏1 , 𝑏2 )⟩ = 2𝑎1 𝑏1 + 5𝑎2 𝑏2

⟨𝑣 |𝑢⟩ = ⟨(𝑏1 , 𝑏2 )|(𝑎1 , 𝑎2 )⟩ = 2𝑏1 𝑎1 + 5𝑏2 𝑎2

Los resultados son idénticos, por lo tanto, la igualdad se cumple.

AXIOMA 2

∀𝑢, 𝑣, 𝑤 ∈ 𝑅 2 : ⟨𝑢|𝑣 + 𝑤⟩ = ⟨𝑢|𝑣⟩ + ⟨𝑢|𝑤⟩

𝑢 = (𝑎1 , 𝑎2 ), 𝑣 = (𝑏1 , 𝑏2 ) 𝑦 𝑤 = (𝑐1 , 𝑐2 )

⟨𝑢|𝑣 + 𝑤⟩ = ⟨(𝑎1 , 𝑎2 )|(𝑏1 , 𝑏2 ) + (𝑐1 , 𝑐2 )⟩ = ⟨(𝑎1 , 𝑎2 )|(𝑏1 + 𝑐1 , 𝑏2 + 𝑐2 )⟩ = 2𝑎1 (𝑏1 + 𝑐1 ) + 5𝑎2 (𝑏2 + 𝑐2 )
= 2𝑎1 𝑏1 + 2𝑎1 𝑐1 + 5𝑎2 𝑏2 + 5𝑎2 𝑐2

⟨𝑢|𝑣⟩ + ⟨𝑢|𝑤 ⟩ = ⟨(𝑎1 , 𝑎2 )|(𝑏1 , 𝑏2 )⟩ + ⟨(𝑎1 , 𝑎2 )|(𝑐1 , 𝑐2 )⟩ = (2𝑎1 𝑏1 + 5𝑎2 𝑏2 ) + (2𝑎1 𝑐1 + 5𝑎2 𝑐2 )
= 2𝑎1 𝑏1 + 2𝑎1 𝑐1 + 5𝑎2 𝑏2 + 5𝑎2 𝑐2

La igualdad se cumple

AXIOMA 3

∀𝑢, 𝑣 ∈ 𝑅 2 : ⟨𝑘𝑢|𝑣⟩ = 𝑘⟨𝑢|𝑣⟩

𝑢 = (𝑎1 , 𝑎2 ), 𝑣 = (𝑏1 , 𝑏2 )

⟨𝑘𝑢|𝑣 ⟩ = ⟨𝑘(𝑎1 , 𝑎2 )|(𝑏1 , 𝑏2 )⟩ = ⟨(𝑘𝑎1 , 𝑘𝑎2 )|(𝑏1 , 𝑏2 )⟩ = 2(𝑘𝑎1 )𝑏1 + 5(𝑘𝑎2 )𝑏2 = 𝑘(2𝑎1 𝑏1 + 5𝑎2 𝑏2 )

𝑘⟨𝑢|𝑣⟩ = 𝑘⟨(𝑎1 , 𝑎2 ), |(𝑏1 , 𝑏2 )⟩ = 𝑘(2𝑎1 𝑏1 + 5𝑎2 𝑏2 )

ING. FELIX VEGA BENAVIDES 1

AXIOMA 4

∀𝒖 ∈ 𝑅 2 : ⟨𝒖|𝒖⟩ > 0 𝑦 ⟨𝒖|𝒖⟩ = 0 ↔ 𝒖 = 𝟎

𝒖 = (𝑎1 , 𝑎2 )

⟨𝒖|𝒖⟩ = ⟨(𝑎1 , 𝑎2 )|(𝑎1 , 𝑎2 )⟩ = 2𝑎1 𝑎1 + 5𝑎2 𝑎2

= 2𝑎12 + 5𝑎22 > 0 → ⟨𝒖|𝒖⟩ > 0

⟨𝒖|𝒖⟩ = 0 → 𝒖 = 𝟎

⟨𝒖|𝒖⟩ = 0 → 2𝑎12 + 5𝑎22 = 0 → 𝑎1 = 0 𝑦 𝑎2 = 0 → 𝑢 = (0,0) → 𝒖 = 𝟎

𝒖 = 𝟎 → ⟨𝒖|𝒖⟩ = 0

⟨𝒖|𝒖⟩ = ⟨(0,0)|(0,0)⟩ = 2(0)2 + 5(0)2 = 0

PRODUCTO INTERIOR EUCLIDIANO

En ℝ2 se define ⟨(𝑎1 , 𝑎2 )|(𝑏1 , 𝑏2 )⟩ = 𝑎1 𝑏1 + 𝑎2 𝑏2

En ℝ3 se define ⟨(𝑎1 , 𝑎2 , 𝑎3 )|(𝑏1 , 𝑏2 , 𝑏3 )⟩ = 𝑎1 𝑏1 + 𝑎2 𝑏2 + 𝑎3 𝑏3

𝑎1 𝑎2 𝑏1 𝑏2
En ℝ2×2 se define ⟨(𝑎 𝑎4 ) | (𝑏3 )⟩ = 𝑎1 𝑏1 + 𝑎2 𝑏2 + 𝑎3 𝑏3 + 𝑎4 𝑏4
3 𝑏4

NORMA DE UN VECTOR (Longitud)

Sea V un espacio vectorial con producto interior, se define:

‖𝑢‖ = √⟨𝑢|𝑢⟩

Ejemplo

Utilice el producto interior en 𝑅 2 definido mediante:

⟨(𝑎1 , 𝑎2 )|(𝑏1 , 𝑏2 )⟩ = 𝑎1 𝑏1 + 𝑎2 𝑏2

para calcular la norma del vector 𝑢 = (3, −2)

Solución

‖(3, −2)‖ = √⟨(3, −2)|(3, −2)⟩ = √(3)(3) + (−2)(−2) = √9 + 4 = √13

Propiedades de la norma

Si 𝑉 es un espacio vectorial con producto interior entonces, las siguientes proposiciones son verdaderas.

1. ‖𝑘𝒖‖ = |𝑘|‖𝒖‖
2. ‖𝒖‖ > 0 𝑦 ‖𝒖‖ = 0 ↔ 𝒖 = 𝟎
3. ‖𝒖 + 𝒗‖ ≤ ‖𝒖‖ + ‖𝒗‖
𝒖
4. ‖ ‖=1
‖𝒖‖

Estas propiedades permitirán en el futuro, realizar cálculos con mayor facilidad.

ING. FELIX VEGA BENAVIDES 2

Ejemplo.

Con el producto interior del ejemplo anterior

(3, −2) 1 1
‖ ‖=| | ‖(3, −2)‖ = √13 = 1
√13 √13 √13
ÁNGULO ENTRE VECTORES

Sea V un espacio vectorial con producto interior, es posible deducir que para dos vectores cualesquiera:

𝒗 ⟨𝑢|𝑣⟩
𝒗 𝒖 cos 𝜃 =
‖𝑢‖‖𝑣 ‖
𝜃
𝜃 𝒖 0 ≤ 𝜃 ≤ 𝜋 (𝑟𝑎𝑑𝑖𝑎𝑛𝑒𝑠)
0° ≤ 𝜃 ≤ 180°

Siempre se calcula el menor ángulo que forman dos vectores.

Ejemplo

Calcular el ángulo que forman los vectores

𝑢 = (3, −2) 𝑦 𝑣 = (1,3), utilice el producto interior definido en 𝑅 2 mediante:

⟨(𝑎1 , 𝑎2 )|(𝑏1 , 𝑏2 )⟩ = 𝑎1 𝑏1 + 𝑎2 𝑏2

⟨𝑢|𝑣 ⟩ = ⟨(3, −2)|(1,3)⟩ = (3)(1) + (−2)(3) = −3

‖𝑢‖ = ‖(3, −2)‖ = √13

‖𝑣 ‖ = ‖(1,3)‖ = √⟨(1,3)|(1,3)⟩ = √(1)(1) + (3)(3) = √10

⟨𝑢|𝑣⟩ −3
cos 𝜃 = =
‖𝑢‖‖𝑣 ‖ √13√10

cos 𝜃 = −0.26312 → 𝜃 = 105,26°

CONDICIÓN DE ORTOGONALIDAD

Sea V un espacio vectorial con producto interior, entonces:

Dos vectores son perpendiculares si y solo si su producto interior es igual a cero

En efecto, si 𝜃 = 90° entonces

⟨𝑢 | 𝑣 ⟩ ⟨𝑢|𝑣⟩
cos 90° = → 0= → ⟨𝑢 | 𝑣 ⟩ = 0
‖𝑢‖‖𝑣 ‖ ‖𝑢‖‖𝑣 ‖

𝑆𝑖 ⟨𝑢|𝑣⟩ = 0 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 cos 𝜃 = 0 → 𝜃 = 90°

EJEMPLO

ING. FELIX VEGA BENAVIDES 3

En el espacio vectorial 𝑅 3 se define el producto interior:

⟨(𝑎1 , 𝑎2 , 𝑎3 )|(𝑏1 , 𝑏2 , 𝑏3 )⟩ = 𝑎1 𝑏1 + 𝑎2 𝑏2 + 𝑎3 𝑏3

Se pide calcular el ángulo que forman los vectores

𝑢 = (1, −2,3) 𝑦 𝑣 = (0, −1,2)

SOLUCIÓN.

Se debe aplicar la fórmula:

⟨𝑢|𝑣⟩
cos 𝜃 =
‖𝑢‖‖𝑣 ‖

Cada componente de la fórmula se calcula por separado.

⟨𝑢|𝑣⟩ = ⟨(1, −2,3) |(0, −1,2)⟩ = (0) + (2) + (6) = 8

‖𝑢‖ = √⟨𝑢|𝑢⟩ = √⟨(1, −2,3) |(1, −2,3) ⟩ = √(1)(1) + (−2)(−2) + (3)(3) = √14

‖𝑣 ‖ = √⟨𝑣|𝑣⟩ = √⟨(0, −1,2) |(0, −1,2) ⟩ = √(0)(0) + (−1)(−1) + (2)(2) = √5

8
cos 𝜃 =
√14√5
Finalmente: cos 𝜃 = 0,95618 → 𝜃 = 17,02°

PROYECCIÓN ORTOGONAL

La proyección ortogonal de 𝑢 sobre 𝑣 es

⟨𝑢|𝑣 ⟩
𝑢 𝑤1 = 𝑃𝑟𝑜𝑦 𝑢𝑣 = 𝑣
‖𝑣 ‖2
𝑤2
La componente ortogonal es

𝑤1 𝑣 𝑤2 = 𝐶𝑜𝑚𝑝⊥ = 𝑢 − 𝑤1

Cuando se “descompone” el vector 𝑢 se generan dos vectores:

𝑤1 que está sobre la dirección del vector 𝑣

𝑤2 que es perpendicular a 𝑣.

EJEMPLO

En el espacio vectorial 𝑅 3 se define el producto interior:

⟨(𝑎1 , 𝑎2 , 𝑎3 )|(𝑏1 , 𝑏2 , 𝑏3 )⟩ = 𝑎1 𝑏1 + 𝑎2 𝑏2 + 𝑎3 𝑏3

Utilice éste producto interior para calcular la proyección ortogonal del vector 𝑢 = (1, 0, 2) sobre 𝑣 =
(2, 1, −3)

ING. FELIX VEGA BENAVIDES 4

SOLUCIÓN

Se aplica la fórmula indicada. El resultado ha de depender del producto interior que se utilice.
⟨𝑢|𝑣 ⟩
𝑃𝑟𝑜𝑦 𝑢𝑣 = 𝑣
‖𝑣 ‖2

⟨𝑢|𝑣⟩ = ⟨(1, 0, 2)|(2, 1, −3)⟩ = (1)(2) + (0)(1) + (2)(−3) = −4

‖𝑣 ‖ = √⟨𝑣|𝑣⟩ = √⟨(2, 1, −3)|(2, 1, −3)⟩ = √(2)(2) + (1)(1) + (−3)(−3) = √14

−4 4 2 6
𝑃𝑟𝑜𝑦 𝑢𝑣 = (2, 1, −3) = (− , − , )
14 7 7 7
EJEMPLO

En el espacio vectorial 𝑅 3 se define el producto interior:

⟨(𝑎1 , 𝑎2 , 𝑎3 )|(𝑏1 , 𝑏2 , 𝑏3 )⟩ = 𝑎1 𝑏1 + 𝑎2 𝑏2 + 𝑎3 𝑏3

Utilice éste producto interior para calcular la proyección ortogonal del vector 𝑢 = (1, 3, −2) sobre 𝑣 =
(1, 1, 3)

Solución
⟨𝑢|𝑣 ⟩
𝑃𝑟𝑜𝑦 𝑢𝑣 = 𝑣
‖𝑣 ‖2

⟨𝑢|𝑣 ⟩ = ⟨(1, 3, −2)|(1, 1, 3)⟩ = 1 + 3 − 6 = −2

‖𝑣 ‖ = √⟨(1, 1, 3)|(1, 1, 3)⟩ = √1 + 1 + 9 = √11

−2 −2 −2 −6
𝑃𝑟𝑜𝑦 𝑢𝑣 = (1, 1, 3) = ( , , )
11 11 11 11
¿La componente ortogonal?

−2 −2 −6 13 35 16
𝐶𝑜𝑚𝑝⊥ = 𝑤2 = (1, 3, −2) − ( , , ) = ( , ,− )
11 11 11 11 11 11
BASE ORTONORMAL

Sea 𝑉 un espacio vectorial con producto interior. Se denomina base ortonormal del espacio vectorial a una
base cuyos vectores cumplen dos condiciones:

1. Todos los vectores son perpendiculares entre sí.

𝑣𝑖 ⊥ 𝑣𝑗 , 𝑝𝑎𝑟𝑎 𝑖 ≠ 𝑗
2. Cada vector tiene norma igual a 1.
‖𝑣𝑖 ‖ = 1, 𝑝𝑎𝑟𝑎 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑖 = 1, 2, 3, …

EJEMPLO

Considere que en el espacio vectorial 𝑅 3 se define el producto interior:

ING. FELIX VEGA BENAVIDES 5

 ⟨(𝑎1 , 𝑎2 , 𝑎3 )|(𝑏1 , 𝑏2 , 𝑏3 )⟩ = 𝑎1 𝑏1 + 𝑎2 𝑏2 + 𝑎3 𝑏3

Se pide verificar si bajo éste producto interior, se tiene una base ortonormal.

√2 √2 √2 √2
{(0, ,− ) , (0, , ) , (1,0,0)}
2 2 2 2

Significa que se debe verificar si el conjunto cumple con las dos condiciones.

Además, debido a que se ha de calcular repetidas veces la norma de los vectores, resulta conveniente
deducir una fórmula para hacerlo de una manera más liviana.

‖𝑢‖ = √⟨𝑢|𝑢⟩ = √⟨(𝑎1 , 𝑎2 , 𝑎3 )|(𝑎1 , 𝑎2 , 𝑎3 )⟩ = √𝑎12 + 𝑎22 + 𝑎32

Primera condición

√2 √2 √2 √2 √2 √2 √2 √2 2 2
⟨(0, ,− ) | (0, , )⟩ = (0)(0) + ( ) ( ) + (− ) ( ) = 0 + − = 0
2 2 2 2 2 2 2 2 4 4

√2 √2 √2 √2
⟨(0, ,− ) |(1, 0, 0)⟩ = (0)(1) + ( ) (0) + (− ) (0) = 0 + 0 + 0 = 0
2 2 2 2

√2 √2 √2 √2
⟨(0, , ) |(1, 0, 0)⟩ = (0)(1) + ( ) (0) + ( ) (0) = 0 + 0 + 0 = 0
2 2 2 2

Los vectores son perpendiculares de dos en dos.

Segunda condición

2 2
√2 √2 √2 √2 2 2
‖(0, ,− )‖ = √(0)2 + ( ) + (− ) = √0 + + = 1
2 2 2 2 4 4

2 2
√2 √2 √2 √2 2 2
‖(0, , )‖ = √(0)2 + ( ) + ( ) = √0 + + = 1
2 2 2 2 4 4

‖(1,0,0 )‖ = √(1)2 + (0)2 + (0)2 = √1 + 0 + 0 = 1

Por lo tanto, es una base ortonormal, con respecto al producto interior dado.

PROCESO DE GRAMM – SCHMIT

Es un algoritmo que permite transformar a una base cualquiera en otra base que resulta ser ortonormal.

El procedimiento va en dos etapas: primero obtener una base ortogonal y luego la base ortonormal
respectiva.

La base de inicio es:

𝐵 = {𝑢1 , 𝑢2 , 𝑢3 , … , 𝑢𝑛 }

ING. FELIX VEGA BENAVIDES 6

La base ortogonal es:

𝐶 = {𝑤1 , 𝑤2 , 𝑤3 , … , 𝑤𝑛 }

La base ortonormal es:

𝐷 = {𝑣1 , 𝑣2 , 𝑣3 , … , 𝑣𝑛 }

PRIMER PASO:

𝑤1 = 𝑢1

SEGUNDO PASO

𝑢2 𝑢2 = 𝑃𝑟𝑜𝑦 + 𝐶𝑜𝑚𝑝⊥

𝐶𝑜𝑚𝑝⊥ = 𝑢2 − 𝑃𝑟𝑜𝑦
𝐶𝑜𝑚𝑝⊥
⟨𝑢2 |𝑤1 ⟩
𝐶𝑜𝑚𝑝⊥ = 𝑢2 − 𝑤
‖𝑤1 ‖2 1
⟨𝑢2 |𝑤1 ⟩
𝑃𝑟𝑜𝑦 𝑤1 𝑤2 = 𝑢2 − 𝑤
‖𝑤1 ‖2 1

TERCER PASO:

𝑢3 = 𝑃𝑟𝑜𝑦 + 𝐶𝑜𝑚𝑝⊥
𝑢3 𝐶𝑜𝑚𝑝⊥ = 𝑢3 − 𝑃𝑟𝑜𝑦
𝐶𝑜𝑚𝑝⊥
𝑤2

𝑃𝑟𝑜𝑦
𝑤1

⟨𝑢3 |𝑤1 ⟩𝑤1 ⟨𝑢3 |𝑤2 ⟩𝑤2

𝑤3 = 𝑢3 − −
‖𝑤1 ‖2 ‖𝑤2 ‖2

En general:
⟨𝑢𝑛 |𝑤1 ⟩𝑤1 ⟨𝑢𝑛 |𝑤2 ⟩𝑤2 ⟨𝑢𝑛 |𝑤𝑛−1 ⟩𝑤𝑛−1
𝑤𝑛 = 𝑢𝑛 − 2 − 2 − ⋯− ;
‖𝑤1 ‖ ‖𝑤2 ‖ ‖𝑤𝑛−1 ‖2

𝑛 = 1, 2, 3, …,

Para la base ortonormal, cada vector de la base ortogonal, se divide entre su respectiva norma.
𝑤𝑖
{𝑣1 , 𝑣2 , 𝑣3 , … , 𝑣𝑛 } 𝑑𝑜𝑛𝑑𝑒 𝑣𝑖 =
‖𝑤𝑖 ‖

Para aplicar éste procedimiento, se debe prestar atención al producto interior definido en el espacio
vectorial.

ING. FELIX VEGA BENAVIDES 7

EJEMPLO

Obtener una base ortonormal para 𝑅 3 a partir de la base {(1,1,1), (1,1,0), (1,0,0)}

Utilice el producto interior:

⟨(𝑎1 , 𝑎2 , 𝑎3 )|(𝑏1 , 𝑏2 , 𝑏3 )⟩ = 𝑎1 𝑏1 + 𝑎2 𝑏2 + 𝑎3 𝑏3

Datos: Base de partida

𝑢1 = (1,1,1) ; 𝑢2 = (1,1,0) ; 𝑢3 = (1,0,0)

Cálculo de la base ortogonal

PASO 1:

𝑤1 = 𝑢1 → 𝑤1 = (1,1,1)

PASO 2:
⟨𝑢2 |𝑤1 ⟩
𝑤2 = 𝑢2 − 𝑤
‖𝑤1 ‖2 1

⟨𝑢2 |𝑤1 ⟩ = ⟨(1,1,0)|(1,1,1)⟩ = (1)(1) + (1)(1) + (0)(1) = 2

‖𝑤1 ‖ = √⟨𝑤1 |𝑤1 ⟩ = √⟨(1,1,1)|(1,1,1)⟩ = √(1)2 + (1)2 + (1)2 = √3

2 2 2 2 1 1 2 1
𝑤2 = (1,1,0) − 2 (1,1,1) = (1,1,0) − ( , , ) = ( , , − ) = (1, 1, −2)
(√3) 3 3 3 3 3 3 3

Se toma, por conveniencia 𝑤2 = (1,1, −2)

PASO 3:

⟨𝑢3 |𝑤1 ⟩ ⟨𝑢3 |𝑤2 ⟩

𝑤3 = 𝑢3 − 𝑤1 − 𝑤
‖𝑤1 ‖2 ‖𝑤2 ‖2 2

⟨𝑢3 |𝑤1 ⟩ = ⟨(1,0,0)|(1,1,1)⟩ = (1)(1) + (0)(1) + (0)(1) = 1

⟨𝑢3 |𝑤2 ⟩ = ⟨(1,0,0)|(1,1, −2)⟩ = (1)(1) + (0)(1) + (0)(−2) = 1

‖𝑤2 ‖ = √⟨𝑤2 |𝑤2 ⟩ = √⟨(1,1, −2)|(1,1, −2)⟩ = √(1)2 + (1)2 + (−2)2 = √6

(1)(1,1,1) (1)(1,1, −2) 1 1 1 1 1 1 1 1 1

𝑤3 = (1,0,0) − 2 − 2 = (1,0,0) − ( , , ) − ( , , − ) = ( , − , 0) = (1, −1,0)
(√3) (√6) 3 3 3 6 6 3 2 2 2

Por conveniencia, se toma 𝑤3 = (1, −1,0)

La base ortogonal encontrada es:

{(1,1,1), (1,1, −2), (1, −1,0)}

Para la base ortonormal, se debe obtener la norma del tercer vector.

‖𝑤3 ‖ = √⟨𝑤3 |𝑤3 ⟩ = √⟨(1, −1,0)|(1, −1,0)⟩ = √(1)2 + (−1)2 + (0)2 = √2

ING. FELIX VEGA BENAVIDES 8

Cada vector se divide entre su respectiva norma.

1 1
𝑣1 = 𝑤1 = (1,1,1)
‖𝑤1 ‖ √3
1 1
𝑣2 = 𝑤2 = (1,1, −2)
‖𝑤2 ‖ √6
1 1
𝑣3 = 𝑤3 = (1, −1,0)
‖𝑤3 ‖ √2
Finalmente, la base ortonormal es:
1 1 1
{ (1,1,1), (1,1, −2), (1, −1,0) }
√3 √6 √2
EJEMPLO

En el espacio de las matrices cuadradas de orden 2, se define el producto interior:

𝑎1 𝑎2 𝑏1 𝑏2
⟨(𝑎 𝑎4 ) | (𝑏3 )⟩ = 𝑎1 𝑏1 + 𝑎2 𝑏2 + 𝑎3 𝑏3 + 𝑎4 𝑏4
3 𝑏4
1 1 0 1 1 0
Obtener una base ortonormal para el subespacio cuya base es 𝐵 = {( ),( ),( )}
0 1 0 1 0 1
Datos: Base de partida
1 1 0 1 1 0
𝑢1 = ( ) ; 𝑢2 = ( ) ; 𝑢3 = ( )
0 1 0 1 0 1
Cálculo de la base ortogonal
𝑎1 𝑎2 𝑏1 𝑏2
⟨(𝑎 𝑎4 ) | (𝑏3 )⟩ = 𝑎1 𝑏1 + 𝑎2 𝑏2 + 𝑎3 𝑏3 + 𝑎4 𝑏4
3 𝑏4

PASO 1:
1 1
𝑤1 = 𝑢1 → 𝑤1 = ( )
0 1
PASO 2:
⟨𝑢2 |𝑤1 ⟩
𝑤2 = 𝑢2 − 𝑤
‖𝑤1 ‖2 1

⟨𝑢2 |𝑤1 ⟩ = ⟨(0 1) | (1 1

)⟩ = 0 + (1) + (0) + 1 = 2
0 1 0 1

‖𝑤1 ‖ = √⟨𝑤1 |𝑤1 ⟩ = √⟨(1 1) | (1 1

)⟩ = √1 + 1 + 0 + 1 = √3
0 1 0 1
2 2 2 1
2 1 −
𝑤2 = (
0 1
)− (
1
)=(
0 1
) − (3 3) = ( 3 3) = 1 (−2 1)
0 1 3 0 1 0 1 2 1 3 0 1
0 0
3 3

ING. FELIX VEGA BENAVIDES 9

Por comodidad se toma:
−2 1
𝑤2 = ( )
0 1
PASO 3:

⟨𝑢3 |𝑤1 ⟩ ⟨𝑢3 |𝑤2 ⟩

𝑤3 = 𝑢3 − 𝑤1 − 𝑤
‖𝑤1 ‖2 ‖𝑤2 ‖2 2

⟨𝑢3 |𝑤1 ⟩ = ⟨(1 0

)|(
1 1
)⟩ = 1 + 0 + 0 + 1 = 2
0 1 0 1

⟨𝑢3 |𝑤2 ⟩ = ⟨(1 0

)|(
−2 1
)⟩ = (−2) + 0 + 0 + 1 = −1
0 1 0 1

‖𝑤2 ‖ = √⟨𝑤2 |𝑤2 ⟩ = √⟨(−2 1) | (−2 1

)⟩ = √4 + 1 + 0 + 1 = √6
0 1 0 1
2 2 1 1 1
(2) 1 1 (−1) −2 − 0 −
1 0 1 1 0
𝑤3 = ( )− ( )− ( )=( ) − ( 3 3) − ( 3 6) = ( 2)
0 1 3 0 1 6 0 1 0 1 2 1 1
0 0 − 0
3 6 2
1 0 −1
= ( )
2 0 1
Por comodidad, se toma
0 −1
𝑤3 = ( )
0 1
La base ortogonal es:
1 1 −2 1 0 −1
{( ),( ),( ) }
0 1 0 1 0 1

‖𝑤3 ‖ = √⟨𝑤3 |𝑤3 ⟩ = √⟨(0 −1

)|(
0 −1
)⟩ = √0 + 1 + 0 + 1 = √2
0 1 0 1
Dividimos cada vector de la base ortogonal, entre su respectiva norma.
1 1 1 1 −2 1 1 0 −1
𝑣1 = ( ) ; 𝑣2 = ( ) ; 𝑣3 = ( )
√3 0 1 √6 0 1 √2 0 1
La base ortonormal encontrada es:
1 1 1 1 −2 1 1 0 −1
𝐷={ ( ), ( ), ( ) }
√3 0 1 √6 0 1 √2 0 1

ING. FELIX VEGA BENAVIDES 10