Espacios Vectoriales

Algebra
Lineal
Cristian Mardones Sepulveda
Clases desde 02 de Diciembre

23 de diciembre de 2011
Indice
1. Vectores
1.1. Vectores en R2 . . . . . . . . . . . . .
1.2. Operaciones con vectores . . . . . . .
lineal de vectores. Base
1.3. Combinacion
1.3.1. Base canonica

. . . . . . . . .
1.4. Producto escalar de vectores . . . . .
1.4.1. Vectores ortogonales . . . . .
1.4.2. Producto punto o escalar . . .
1.4.3. Modulo
de un vector . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
2
2
2
4
5
6
6
7
7
2. Espacios vectoriales sobre R

2.1. Subespacio Vectorial . . . . . . . . . . .
2.2. Dependencia e Independencia lineal . .
lineal y espacio generado
2.3. Combinacion
2.4. Base y dimension

. . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
11
14
16
19
22
3. Suma directa de subespacios

27
de la suma directa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.1. Caracterizacion
(Formula
3.2. Formula
de la dimension
de Grassman) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.3. Subespacios suplementarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4. Bases ortonormales y proyecciones en Rn
30
5. Espacios vectoriales con producto interno (P.I)
33

Algebra
Lineal
1.
Unidad 2
Prof. Cristian Mardones
Vectores
1.1.
Vectores en R2
Llamamos vector fijo AB al segmento orientado que tiene su origen en el punto A y su extremo en el punto B.
a) Modulo:
Es la longitud del vector. Lo representamos por |AB|
de la recta que lo contiene. Si dos
Es la direccion
b) Direccion:
vectores son paralelos tienen la misma direccion.

c) Sentido: Es el que va del origen al extremo. Lo representamos
tiene dos sentidos.
por la punta de la flecha. Una direccion
Definicion 1.1 (Vectores equivalentes)
y sentido
Son los vectores que tinen : mismo modulo,
direccion
sentido y magnitud,
a) Todos los vectores del grafico
tienen la misma direccion,
decimos que son representantes del
son todos ellos equipolentes. Tambien
vector libre u.

b) As, los vectores AB, CD y EF son equivalentes y representantes del mismo
vector libre u.

En el paralelogramo ABDC, son equivalentes los vectores AB y CD, y representantes de u.

son equivalentes los vectores AC y BD, y representantes de v.
c) Tambien
1.2.
Operaciones con vectores
Definicion 1.2
El producto de un numero
por un vector u es otro vector libre representado por u
pero puede cambiar el sentido o la magnitud del vector u.

El vector u mantiene la direccion
Inst. de Matematica
y Fsica
Universidad de Talca

Algebra
Lineal
Unidad 2
a) Si > 0, u tiene el mismo sentido que u

b) Si < 0 tienen sentido contrario.
c) Si > 1, el vector u se dilata o alarga.
d) < 1, el vector u se contrae o acorta.
e) El caso que = 0, el vector u corresponde al vector nulo (0, 0)
Definicion 1.3 (Suma de vectores)

La suma de los vectores libres u = (u1 , u2 ) y v = (v1 , v2 ) es otro vector libre
u + v = (u1 + v1 , u2 + v2 )
Definicion 1.4 (Suma de vectores)

La resta de los vectores libres u = (u1 , u2 ) y v = (v1 , v2 ) es otro vector libre definido por:
u v = (u1 v1 , u2 v2 )
grafica
la interpretacion
de la resta se muestra en el dibujo. El vector resta u v es la diagonal del paralelogramo
construido con u y v.
Inst. de Matematica
y Fsica

Algebra
Lineal
Unidad 2
Ejemplo 1.1
Dados dos vectores no dependientes u y v hallar 3 u + 2 v
Propiedades 1.1
Sean u, v y w vectores de Rn y sean c y d constantes reales. Entonces:
a) u + v = v + u
b) u + (v + w) = (u + v) + w
c) u + 0 = 0 + u
d) u + (u) = (u) + u = 0
e) c(u + v) = c u + c v
f) (c + d)u = c u + d u
g) c (d u) = (c d)u
1.3.
lineal de vectores. Base

Combinacion
Definicion 1.5
lineal del vector u si existe un escalar con v = u.
Decimos que el vector v es combinacion
tambienn
decimos que u y v son dependientes o proporcionales. Si u y v no son dependientes, decimos que son
independientes.
Definicion 1.6
lineal de los vectores u y v si existen escalares y con
Decimos que el vector w es combinacion
w =u+v
En general:
Definicion 1.7
lineal (c.l) de {u1 , u2 , . . . , un } si
Sean u1 , u2 , . . . , un , n vectores de Rn . Un vector u Rn es una combinacion
existen constantes reales c1 , c2 , . . . , cn tales que
u = c1 u1 + c2 u2 + . . . + cn un
Los numeros
c1 , c2 , . . . , cn se conocen como los coeficientes de la c.l.
Definicion 1.8 (Base)

Decimos que los vectores u y v forman una base en el plano R2 si son linealmente independientes. Esto significa
lineal de u y v.
que cualquier vector w R2 se obtiene por combinacion
Inst. de Matematica
y Fsica

Algebra
Lineal
1.3.1.
Unidad 2
Base canonica
De entre todas las bases elegimos la base canonica

determinada por los vectores i = (1, 0) y j = (0, 1).
As cualquier vector u = (u1 , u2 ) se puede expresar como:
(u1 , u2 )
u =
u1 (1, 0) + u2 (0, 1)
u1 i + u2 j
Los numeros
u1 y u2 por este orden son las componentes del vector. La magnitud
o modulo
del vector u = (u1 , u2 ) por el teorema de Pitagoras
corresponde a
|u| =
u21 + u22
Ejemplo 1.2
de la base canonica
Expresar los vectores del grafico

en funcion
i = (1, 0) y j = (0, 1) y determinar el modulo
de
los mismos.
a) v = 2 i + 4 j |v| =
20 = 2 5
(3)2 + 22 = 13
22 + 42 =
b) w = 3 i + 2 j |w| =
c) n = 3 i j |n| =
(3)2 + (1)2 =
d) c = 4 i 2 j |c| =
42 + (2)2 =
10
20 = 2 5
Ejemplo 1.3
lineal del vector u = (1, 2)
Comprobar que el vector w = (4, 8) es combinacion
Comprobamos si existe un escalar con (4, 8) = (1, 2). Igualando componentes se tiene
Solucion:
4=1
8=2
= = 4
Inst. de Matematica
y Fsica

Algebra
Lineal
Unidad 2
Ejemplo 1.4
lineal de los vectores u = (2, 1) y v = (0, 5).
Comprobar que el vector w = (4, 7) es combinacion
Comprobamos si (4, 7) = (4, 7) + (0, 5). Igualando componentes se tiene
Solucion:
4=2+0
7=1+5
= = 2,
=1
Ejemplo 1.5
Comprobar que los vectores u = (2, 1) y v = (0, 5) forman una base.
Los dos vectores u = (2, 1) y v = (0, 5) forman una base, pues son independientes ya que no hay
Solucion:
ningunn
escalar tal que (2, 1) = (0, 5).
0
5
Observar que las componentes no son proporcionales, es decir: =
2
1
Ejemplo 1.6
Forman una base los vectores u = (2, 1) y v = (4, 2)?
No forman una base, pues los vectores son dependientes, ya que:
Solucion:
(4, 2) = 2 (2, 1)
2
1
Otra forma es ver que las componentes son proporcionales: = = son dependientes
4
2
Ejemplo 1.7
Sean los vectores u = (2, a) y w = (1, 1). Hallar los valores de a para que formen una base.
Basta exigir que los vectores u = (2, a) y w = (1, 1) sean linealmente independientes, es decir, que las
Solucion:
componentes no sean proporcionales. Como
a
2
= = a = 2
1
1
Si a = 2 son dependientes y no forman base. Para cualquier valor a = 2 son independientes y forman una base.
1.4.
1.4.1.
Producto escalar de vectores

Vectores ortogonales
Supongamos dos vectores u y v (vease

la figura). Diremos que son
perpendiculares u ortogonales si se satisface el teorema de Pitagoras:

|u|2 + |v|2 = |u v|2
la condicion
se transforma en
Aplicando la ecuacion,
(u21 + u22 ) + (v12 + v22 ) = (u1 v1 )2 + (u2 v2 )2
Simplificando terminos
comunes queda (u1 v1 + u2 v2 ) = 0
As la igualdad es valida
si el producto cruzado es cero. Diremos que dos vectores u y v son ortogonales uv si
uv u1 v1 + u2 v2 = 0
Inst. de Matematica
y Fsica

Algebra
Lineal
1.4.2.
Unidad 2
Producto punto o escalar
Definicion 1.9
Sean u = (u1 , u2 ) y v = (v1 , v2 ) vectores de R2 . Se define el producto punto entre u y v por:
u v = u1 v1 + u2 v2
En general. Si consideramos u = (u1 , u2 , . . . , un ) y v = (v1 , v2 , . . . , vn ) vectores de Rn
n
u v = u1 v1 + u2 v2 + . . . + un vn =
ui vi
i=1
recibe el nombre de producto escalar debido a que al realizar esta operacion
Nota: El producto punto tambien

entre dos vectores se obtiene como resultado un numero
real o escalar.
Propiedades 1.2
Sean u, v y w vectores de Rn y sea c una constante real. Entonces:
a) u v = v u
b) u (v + w) = u u + u w
c) c (u v) = (c u) u = u (c v)
d) 0 u = 0
1.4.3.
Modulo
de un vector
Observar que si multiplicamos escalarmente un vector u por si mismo se obtiene el cuadrado de su modulo
o
longitud:
u u = u21 + u22 = |u|2
o dicho de otra forma, el modulo

de un vector es la raz positiva de su producto escalar
|u| = u u
es clara en R2 y en R3 , donde podemos realizar esquemas graficos
Esta definicion
para comprobar que geometricamente, la norma de un vector coincide con la longitud de la flecha que lo representa.
En R2 , tenemos que la flecha que representa al vector (a, b) es la hipotenusa del
de lado a y b. Luego, usando el Teorema de Pitagoras,
triangulo
rectangulo
la longitud
de la flecha es a2 + b2 . Pero
a2 + b2 =
(a, b) (a, b) = ||(a, b)||
Inst. de Matematica
y Fsica

Algebra
Lineal
Unidad 2
Ahora, en R3 , usaremos dos veces el Teorema de Pitagoras

para calcular la longi
tud de la flecha quecrepresenta el vector (a, b, c). Primero, considerando el triangulo
rectangulo
de lados a y b en la base del paralelep
pedo,
tenemos
que
la
longitud
de la
flecha que representa al vector (a, b, 0) es a2 + b2 . Consideramos,

ahora,
el
tri
angu
lo con vertices
(0, 0, 0),(a, b, 0) y (a, b, c), cuyos catetos miden a2 + b2 y c. Entonces
la longitud de la flecha del vector (a, b, c) es
a2 + b2 + c2 =
(a, b, c) (a, b, c) = ||(a, b, c)||
En general,
Definicion 1.10 (Norma)
La norma del vector u = (u1 , u2 , . . . , un ) Rn es
||u|| =
u21 + u22 + . . . + u2n
Si u y u son vectores
Las propiedades de la norma se heredan de las del producto punto, debido a la definicion.
de Rn y si c es una constante real, entonces:
a) ||u||2 = u u 0
b) ||u|| = 0 u = 0
c) ||c u|| = |c| ||u||, pues ||c u|| =
(c u) (c u) =
c2 (u u) =
c2
(u u) = |c| ||u||
d) ||u + v||2 = ||u||2 + ||v||2 + 2 u v, pues
||u + v||2
(u + v) (u + v) = u (u + v) + v (u + v)
uu+uv+vu+vv
||u||2 + ||v||2 + 2 u v
El siguiente teorema relaciona el producto punto con la norma.

Teorema 1.1 (Desigualdad de CauchySchwarz)
Sean u y v vectores de Rn . Entonces
|u v| ||u|| ||v||
si existe una constante real tal que u = v.
y la igualdad se cumple si y solo
dem: Sea un numero
real cualquiera. Como
||u v||
= ||u||2 + || v||2 + 2 u ( v)
= ||u||2 + 2 ||v||2 2 u v
cuadratica
entonces tenemos que para todo R la funcion
Inst. de Matematica
y Fsica

Algebra
Lineal
Unidad 2
||v||2 2 2 u v + ||u||2
b
es positiva o cero. Es decir, el discriminante de esta funcion cuadratica debe ser menor o igual a cero. Entonces
0
= b2 4ac
(2 u v)2 4 ||u||2 ||v||2
4 (u v)2
||u||2 ||v||2
(u v)2
||u|| ||v||
|u v|
4 ||u|| ||v||
Por ultimo,
||u|| ||v|| = |u v| = 0
cuadratica
lo que significa que la funcion

tiene una unica
raz real, llamemosla
0 . Para ella tendremos que
||u 0 v|| = 0, es decir, u = 0 v.
Tenemos dos consecuencias directas de la desigualdad de Cauchy-Schwarz: la desigualdad triangular y la relacion
entre el producto punto y el angulo

entre dos vectores.
Teorema 1.2 (Desigualdad triangular)
Dados u yv en Rn , se tiene que
||u + v|| ||u|| + ||v||
dem: Pues
||u + v||2
= ||u||2 + ||v||2 + 2 u v
||u||2 + ||v||2 + 2 ||u|| ||v||
(||u|| + ||v||)2
Angulo
entre vectores
Sean u y v vectores de Rn . Como nos interesa determinar el angulo

entre u y v, tiene sentido asumir que ambos
son distintos del vector cero. Entonces ||u|| = 0 y ||v|| = 0, y por la Desigualdad de Cauchy-Schwarz,
|u v|
1
||u|| ||v||
Como
1
uv
1
||u|| ||v||
para cualquier vector u y cualquier vector v existe un angulo

[0, ] tal que
cos() =
uv
||u|| ||v||
De esta manera, podemos hacer la siguiente definicion.

Definicion 1.11
Inst. de Matematica
y Fsica

Algebra
Lineal
Unidad 2
El angulo
entre los vectores u y v esta dado por la formula
= arc cos
uv
||u|| ||v||
Ejemplo 1.8
Determinar el angulo
de los vectores de R2 , u = (2, 1) y v = (0, 1).
Solucion: Tenemos:
cos() =
(2, 1) (0, 1)
||(2, 1)|| ||(0, 1)||
y de esto basta hallar:

= arc cos
(2, 1) (0, 1)
||(2, 1)|| ||(0, 1)||
= arc cos
Nota 1: Si los vectores u y v son paralelos, entonces el angulo

entre ellos es 0 (0 ) o (180 ), luego cos() = 1
o cos() = 1 y, por tanto, u v = ||u||||v|| o u v = ||u||||v||, es decir, se alcanza la igualdad en la Desigualdad

de Cauchy-Schwarz. Entonces,
si existe una constante real 0 tal que u = 0 v
u y v son paralelos si y solo
Nota 2: Si los vectores u y v son perpendiculares, entonces el angulo

entre ellos es
y u v = 0. Entonces,
(90 ), luego cos() = 0

2
si u v = 0
u y v son perpendiculares si y solo
particular. Para
Con bastante frecuencia se usan los vectores con norma igual a uno para indicar una direccion
simplificar la escritura les damos un nombre especial a estos vectores.
Definicion 1.12
Un vector es unitario si su norma es 1.
Nota 3: u = 0 entonces el vector u =
1
u
u=
es unitario y paralelo al vector u.
||u||
||u||
estudiando las proyecciones ortogonales en Rn .

Concluimos esta seccion
Consideremos dos vectores u, v
=
ortogonal de u sobre v es el vector
proyeccion
0.
La
uv := Proyv u
que queda caracterizado por dos propiedades
1) uv es paralelo a v, luego .uv = v y
2) z es perpendicular a v, es decir, z v = 0.
Inst. de Matematica
y Fsica
10

Algebra
Lineal
Unidad 2
Para determinar el vector uv , basta determinar la constante (por 1). Ahora, observando la figura, se tiene
queuv + z = u, luego
z = u uv = u v
Entonces, la propiedad 2 nos permite encontrar :
0 = z v = (u v) v = u v v v = u v ||v||2
Por tanto, =
uv
||v||2
ortogonal de u sobre v es el vector

Luego, la proyeccion
uv := Proyv u =
2.
uv
v
||v||2
Espacios vectoriales sobre R
Definicion 2.1
Un conjunto no vaco V es un espacio vectorial (e.v) sobre R si tiene definidas dos operaciones binarias:
: V V
(x, y)
: V R
(x, )
V
(Suma)
xy
(Ponderacion)
que cumplen las siguientes propiedades (axiomas de espacio vectorial):

Axiomas de la suma:
1. La suma es cerrrada: x y V para todo x, y V .
2. La suma es commutativa: x y = y x para todo x, y V .
3. La suma es asociativa: (x y) z = x (y z) para todo x, y, z V .
4. Existe un elemento neutro aditivo 0E tal que x 0E = x para todo x V .
5. A cada x V le correponde un inverso aditivo x V tal que x x = 0V .
Axiomas de la ponderacion:
es cerrrada:
1. La ponderacion
1
2. El 1 es neutro con respecto a la ponderacion:
es asociativa: ()
3. La ponderacion
x=
x = x para todo x V .
x) =
x) , para todo , R y todo x V .
es distributiva con respecto a la suma escalar: ( + )

4. La ponderacion
x V y todo , R.
es distributiva con respecto a la suma vectorial:
5. La ponderacion
R y todo x, y V .
x=
(x y) =
x
x
x, para todo
y para todo
Llamaremos vectores a los elementos de V y escalares a los numeros

reales.
Inst. de Matematica
y Fsica
11

Algebra
Lineal
Unidad 2
de vectores
1. El conjunto V = Rn es un espacio vectorial sobre R con las operaciones de suma y ponderacion
definidas por componentes (que ahora llamaremos operaciones usuales).
2. El conjunto V = Mmn (R) de todas las matrices de m n es un espacio vectorial sobre R con las
de matrices (que definimos por componentes en su momento).
operaciones de suma y ponderacion
3. El conjunto V = P(R) = P[x] de todos los polinomios con coeficientes reales es un espacio vectorial sobre
de polinomios (que son las operaciones conocidas de funciones reales).
R con la suma y ponderacion
4. El conjunto V = Pn (R) de todos los polinomios cuyo grado es menor o igual a n, con n N fijo, es un
de polinomios.
espacio vectorial con las operaciones de suma y ponderacion
5. El conjunto V = Pn (R) de los polinomios de grado exactamente igual a n, con n N fijo, no es un espacio
vectorial sobre R, pues aunque ambas operaciones definidas cumplen sus cuatro axiomas, tenemos que
la suma no es cerrada en el conjunto, es decir, si sumamos dos polinomios de grado n, el resultado no es
necesariamente un polinomio de grado n.
Por ejemplo: si tomamos dos elementos de V , p1 (x) = xn + 3 y p2 (x) = 4 xn , entonces la suma de ellos
p1 (x) + p2 (x) = 7 no pertenence a V .
6. Comprobaremos que el conjunto V = {(x, y) R2 : x > 0, y > 0}, que representa el primer cuadrante del
plano real R2 , dotado con las operaciones:
(x, y) (u, v)
(x, y)
(x u, y v)
(x , y )
es un espacio vectorial sobre R.

bien definidas.
Primero, comprobemos que las operaciones estan
Si (a, b) y (c, d) son elementos de V , entonces (a, b) (c, d) = (a c, b d) pertenece a V , pues ambas
componentes son positivas (por ser producto de numeros
positivos).
Si (a, b) es un elemento de V y R, entonces (a, b) = (a , b ) es un elemento de V , pues si la base

exponencial x y es positiva, entonces la expresioon
tambien
es positiva (compruebelo
x de una expresion
para y > 0, y = 0 e y < 0).
Ahora, veamos que ambas operaciones cumplen sus axiomas correspondientes. Siempre comprobamos los axiomas de la suma primero.
1. (c, d) (a, b) = (ca, db) = (ac, bd) = (a, b) (c, d) = la suma es conmutativa.
2. [(a, b) (c, d)] (e, f ) = (a c, b d) (e, f ) = (a c e, b d f ) = (a, b) (c e, d f ) = (a, b) [(c, d) (e, f )]
= la suma es asociativa.
3. Buscaremos el neutro aditivo 0V = (x, y) tal que para todo elemento (a, b) V se tenga:
(a, b) (x, y) = (a, b) (a x, b y) = (a, b) x = 1; y = 1
As, en este caso, el vector neutro es 0V = (1, 1).
Inst. de Matematica
y Fsica
12

Algebra
Lineal
Unidad 2
4. Ahora fijamos (a, b) V y buscamos (a, b) tal que

(a, b) (a, b) = 0V (a a, b b) = (1, 1) a =
1
1
;b =
a
b
Luego, el inverso aditivo de (a, b) es (a1 , b1 ).

1. Calculamos 1
(a, b) = (a1 , b1 ) = (a, b). Luego, 1
v = v para todo v V .
2. Ahora, para y en R, calculamos:
(a, b)) =
(a , b ) = ((a ) , (b ) ) = (a , b ) = ()
(a, b))
(a, b)) =
(a , b ) = ((a ) , (b ) ) = (a , b ) = ()
(a, b))
Lo que demuestra el segundo axioma de la ponderacion.

(a, b)) = (a+ , b+ ) = (a a , b b ) = (a , b ) a , b ) =
3. ( )
4. ((a, b) (c, d)) =

= (a, b) (c, d)
(a, b)
(a, b)
(a c, b d) = ((a c) , (b d) ) = (a c , b d ) = (a , b ) (c , d )
Con todos estos calculos

hemos probado que (V, , ) es un espacio vectorial sobre R.
Ejercicio 2.1
Probar que el conjunto V = R2 es un espacio vectorial sobre R con las operaciones
(x, y) (u, v)
(x, y)
=
=
x3 + u3 , 3 y 3 + v 3 )
3
( x, y)
(
Teorema 2.1
Sea V un espacio vectorial y sean u V y c R, entonces:
1. 0 u = 0
2. c0 = 0
(0 escalar)
(0 vector cero )
3. c u = 0 = c = 0 o u = 0
4. (c) u = (c u)
dem: (Ejercicio)
Inst. de Matematica
y Fsica
13

Algebra
Lineal
2.1.
Unidad 2
Subespacio Vectorial
Sea V = (V, +, ) un espacio vectorial. Un subconjunto U V , U = 0 se dice subespacio vectorial de V si U con

por un escalar (ponderacion)
que estan
definidas en V , pero
las mismas operaciones de suma y multiplicacion
estan restringidas a vectores de U , es un espacio vectorial.
Teorema 2.2
Un subconjunto U = de un espacio vectorial V es un subespacio de V si cumple con las siguientes condiciones:
U =
Si x U y y U = x + y U
U V
Si x U y R = x U
Observacion 2.1
Todo subespacio de un espacio vectorial V contiene al cero.
Ejemplo 2.1
1. Para todo espacio vectorial V , el subconjunto {0} que contiene el vector cero, es un subespacio, pues
0 + 0 = 0 y 0 = 0 R (este es llamado el subespacio trivial)
2. V es un subespacio de s mismo para todo espacio vectorial V .
Definicion 2.2
Los subespacios que no son ni {0} ni V se conocen como subespacios propios.
Ejemplo 2.2
1. Sea V = {(x, y, z) R3 : ax + by + cz = 0}
sobre el plano que pasa por el origen con vector normal
V es el conjunto de puntos de R3 que estan
n = (a, b, c)
Veamos que V es un subespacio de R3 :
a) Sean (x1 , y1 , z1 ) y (x2 , y2 , z2 ) V = (x1 , y1 , z1 ) + (x2 , y2 , z2 ) = (x1 + x2 , y1 + y2 , z1 + z2 ) V
pues a(x1 + x2 ) + b(y1 + y2 ) + c(z1 + z2 ) = (ax1 + by1 + cz1 ) + (ax2 + by2 + cz2 ) = 0 + 0 = 0
b) Sea R y (x1 , y1 , z1 ) V = (x1 , y1 , z1 ) = (x1 , y1 , z1 ) V
pues ax1 + by1 + cz1 = (ax1 + by1 + cz1 ) = 0 = 0
Por lo tanto V
R3
2. Sea H = {(x, y, z) R3 : x = a t, y = b t, z = c t con a, b, c, t R}

sobre una recta que pasa por el origen.
H consiste en los vectores en R3 que estan
Veamos que H es un subespacio de R3 :
a) Si x = (at1 , bt1 , ct1 ) H y y = (at2 , bt2 , ct2 ) H = x + y = (a(t1 + t2 ), b(t1 + t2 ), c(t1 + t2 )) H
b) Si R y x = (at1 , bt1 , ct1 ) H = x = (at1 , bt1 , ct1 ) = (a(t1 ), b(t1 ), c(t1 )) H
Por lo tanto H
R3
Inst. de Matematica
y Fsica
14

Algebra
Lineal
Unidad 2
3. Sea W = {p(x) P2 [x] : p(x) = ax + 3ax2 , a R}

Veamos que W es un subespacio de P2 [x]:
a) Claramente p(x) = 2x + 6x2 W = W =
b) Sean p(x) = a1 x + 3a1 x2 W y q(x) = a2 x + 3a2 x2 W
= p(x) + q(x) = a1 x + 3a1 x2 + a2 x + 3a2 x2 = (a1 + a2 )x + 3(a1 + a2 )x2
= p(x) + q(x) W
c) Sea p(x) = a1 x+3a1 x2 W y c R = cp(x) = c(a1 x+3a1 x2 ) = (ca1 )x+3(ca1 )x2 = cp(x) W
P2 [x]
Por lo tanto W
4. Sea W =
a 0
0 b
M22 (R) : a b 0, a, b R . Es un subespacio vectorial de M22 (R)?
Veamos que si se cumples las condiciones:

a) Como A =
1
0
0
1
W , pues a = 1 y b = 1 = a b = 1 (1) = 1 0 = W =
b) Sean A =
a1
0
0
b1
W yB=
= A + B =
a1 + a2
0
0
b1 + b2
a2
0
0
b2
W donde a1 b1 0 y a2 b2 0
donde debe satisfacer que (a1 + a2 ) (b1 + b2 ) 0

?
Notemos que (a1 + a2 ) (b1 + b2 ) = a1 b1 +a2 b1 + a1 b2 + a2 b2 0

0
Pero el termino
a2 b1 + a1 b2 0 no sabemos si es menor igual a cero, si esto se cumple, luego
satisface la condicion.
notemos que si a1 = 1, b1 = 5, a2 = 3 y b2 = 1 = a1 b1 = 5 0 y a2 b2 = 3 0
pero si reemplazamos los valores anteriores en (a1 + a2 ) (b1 + b2 ) = 8 > 0
1
0
3 0
Por lo tanto, A0 =
W yB=
W , pero A0 + B0
/ W . Es decir W no es un
0 5
0 1
subespacio vectorial de M22 (R).
podemos chequear la tercera condicion,
pero basta que no cumpla una de las tres condiTambien
ciones para que no sea un subespacio vectorial del espacio V .
c) Sea A =
a1
0
0
b1
(a1 b1 0), c R = c A =
c a1
0
0
c b1
pues ca1 cb1 = c2 (a1 b1 ), pero c2 0 y a1 b1 0 = c2 (a1 b1 ) 0.

Teorema 2.3
Sean H1 y H2 subespacios de un espacio vectorial V . Entonces H1 H2 es un espacio vectorial de V
dem: Sean x1 H1 H2 y x2 H1 H2 , entonces como H1
V y H2
V,
x1 + x2 H1 y x1 + x2 H2 = x1 + x2 H1 H2
Sea x1 H1 H2 y R = x1 H1 H2
Por lo tanto H1 H2
Inst. de Matematica
y Fsica
15

Algebra
Lineal
Unidad 2
Ejemplo 2.3
En V = R3 . Sean
H1 = {(x, y, z) R3 : 2x y z = 0} y H2 = {(x, y, z) R3 : x + 2y + 3z = 0}
R3 y
formados por vectores que estan

sobre planos que pasan por el origen.(H1
Entonces H1 y H2 estan
H 2 R3 )
de 2 planos, para ello resolvamos el siguiente sistema:
Notemos que H1 H2 es la interseccion
x + 2y + 3z = 0
2x y z = 0
1
2
2
3
1 1
0
0
1
0
2
3
5 7
0
0
1
0
2
1
3
7
5
0
0
1 0
0 1
1
5
7
5
0
0
1
7
Luego las soluciones del sistema homogeneo

son: x = z, y = z, z = z.
5
5
x = 1t
5
Consideremos z = t =
7
y = t Ecuaciones parametricas
z=t
Luego, este es el conjuto de vectores sobre una recta L que forma un subespacio de R3 .
2.2.
Dependencia e Independencia lineal
1
2
entre los vectores v1 =
Existe una relacion
y v2 =
?. Claramente v2 = 2 v1 2v1 v2 = 0.
2
4
5
4
1
8 . Claramente v3 = 3v1 + 2v2 3v1 + 2v2 v3 = 0

1
2
y v3 =
, v2 =
Analogamente, v1 =
19
5
3
2-vectores y 3-vectores. En cada caso, los vectores son linealmente dependiente.
Los vectores anteriores tienen una relacion
Definicion 2.3
Sean v1 , v2 , . . . , vn n-vectores en un espacio vectorial V . Entonces se dice que los vectores son linealmente
dependientes si existen n escalares c1 , c2 , . . . , cn no todos cero, tales que:
c1 v1 + c2 v2 + cn vn = 0
Si los vectores no son linealmente dependientes (l.d), entonces se dice que son linealmente independientes
(l.i).
De otra forma:
si satisface si c1 = c2 = . . . = cn = 0.
v1 , v2 , . . . , vn son l.i si c1 v1 + c2 v2 + cn vn = 0 solo
Teorema 2.4
Dos vectores en un espacio vectorial V son l.d uno es multiplo
del otro.
dem: Supongamos v2 = c v1 , c = 0 = c v1 v2 = 0 = v1 y v2 l.d

Supongamos v1 y v2 l.d = n c1 y c2 distintos de cero, tales que c1 v1 + c2 v2 = 0
Si c1 = 0 v1 +
c2
c1
v2 = 0 v1 =
c2
c1
v2 v1 = v2 es un multiplo
escalar de v2 , donde =
c2
.
c1
Ejemplo 2.4
Inst. de Matematica
y Fsica
16

Algebra
Lineal
Unidad 2
2
6
1
3
1. Los vectores v1 =
0 y v2 = 0 son l.d, pues v2 = 3 v1
3
9

1
2
2
1
2. Los vectores 2 y 5 son l.i, pues si lo fueran, se tendra 5 = c 2 c = 2, 5 = 2c y
4
3
3
4

2
1
3 = 4c. As, no existe c R tal que 5 = c 2 .
3
4

1
2
0
3. Determinar si los vectores 2 ; 2 y 1 son l.d o l.i.
3
0
7
1
2
0
0
c1 + 2c2 = 0
( )
Supongamos que c1 2 + c2 2 + c3 1 = 0
2c1 2c2 + c3 = 0
Solucion:
3
0
7
0
3c1 + 7c3 = 0
l.d el sistema ( ) posee soluciones no triviales.
Por lo tanto, los vectores seran

1
2 0 0
1 0 1 0
1
2 0 0
1
2 0 0
1
1
2 2 1 0 0
0
2 1 0 0
1 12 0 0 1
0
2
3
0 7 0
0 6 7 0
0
0 6 7 0
0 0 10 0
0
1
0
0
0
1
0
0
0
Por lo tanto, c1 = c2 = c3 = 0 = ( ) carece de soluciones no triviales = los vectores son l.i.

Ejercicio 2.2

3
11
1
Determinar si los vectores 3 ; 0 y 6 son l.d o l.i.
4
12
0
Teorema 2.5
Un conjunto de n vectores en Rm es siempre l.d si n > m.
Ejemplo 2.5
2
4
18
2
Los vectores 3 ; 7 ; 11 y 7 son l.d pues estamos considerando 4 vectores en R3 .
4
6
4
3
Corolario 2.1
Un conjunto l.i de vectores de Rn , contiene a lo sumo n vectores.
vectores sin hacer que el conjunto obtenido
De otra forma: Si se tiene n vectores l.i, no es posible agregar mas
sea l.d.
Teorema 2.6
a11
a21
Sea A = .
..
a12
a22
..
.
...
...
..
.
a1n
a2n
..
.
am1
a11
...
amn
Mmn (R). Entonces las columnas de A (vectores) son l.d A c = 0
posee un numero
infinito de soluciones, donde c =
c1
c2
..
.
cn
Inst. de Matematica
y Fsica
17

Algebra
Lineal
Unidad 2
Ejemplo 2.6
Consideremos el sistema:
x1 + 2x2 x3 + 2x4 = 0
3x1 + 7x2 + x3 + 4x4 = 0
1 2 1
3 7
1

x1
x2
=
x3
x4
2 1
2 0
1 0 9
6
1
4 2 0
0 1
4 2
6
9
9x3 6x4
4x3 + 2x4
= x3 4 + x4 2
0
1
x3
1
0
x4
2
4
0
0
1
0
0
0
9
6
4 2

Notar que
1 y 0 son soluciones l.i del sistema.
0
1
Teorema 2.7
Sean v1 , v2 , . . . , vn n vectores de Rn y A Mnn (R) cuyas columnas son v1 , v2 , . . . , vn .
de A x = 0 es la solucion trivial x = 0.
Entonces v1 , v2 , . . . , vn son l.i la unica
solucion
Teorema 2.8
Sea A Mnn (R). Entonces
det(A) = 0 las columnas de A son l.i
Ejemplo 2.7
En M23 (R). Sean A1 =
1
3
0
1
2
1
, A2 =
1
2
1
3
4
0
y A3 =
1
1
0
2
1
1
. Determinar si los Ai , i =
1, 2, 3 son L.i o l.d.

Supongamos que: c1 A1 + c2 A2 + c3 A3 = 0
Solucion:
c1
1
3
0
1
2
1
+ c2
1
2
1
3
4
0
+ c3
1
1
c1 c2 c3
c2
2c1 + 4c2 + c3
3c1 + 2c2 + c3 c1 + 3c2 + 2c3
c1 + c3
Sistema homogeneo,
donde c1 = c2 = c3 = 0
A1 , A2 y A3 son l.i
0
2
=
1
1
0
0
0
0
=
0
0
0
0
0
0
0
0
Ejemplo 2.8
En P3 [x]. Determinar si los polinomios 1, x, x2 , x3 son l.i o l.d.
tomando algunos valoes de x se tiene:
Si
Si
Si
Si
x=0
x = 1
x=1
x=2
=
=
=
=
c1
c2 + c3 c4
c2 + c3 + c4
2c2 + 4c3 + 8c4
c2 + c3 + c4 = 0
Analicemos el determinante del sistema c2 + c3 c4 = 0
2c2 + 4c3 + 8c4 = 0
son l.i.
=0
=0
=0
=0
1 1
1
1 1 1
2 4
8
Inst. de Matematica
y Fsica
teo 2.8
= 12 = 0 los polinomios
18

Algebra
Lineal
Unidad 2
Ejercicio 2.3
En P2 [x] determinar si los polinomios x 2x2 , x2 4x y 7x + 8x2 son l.i o l.d.
2.3.
lineal y espacio generado

Combinacion
Si v = (a, b, c) R3 se puede escribir de la forma v = ai + bj + ck

lineal de los vectores i, j y k
Aqu se dice que V es una combinacion
Definicion 2.4
Sean v1 , v2 . . . , vn vectores en un espacio vectorial V . Entonces cualquier vector de la forma
a1 v1 + a2 v2 + a3 v3 + + an vn
lineal de v1 , v2 . . . , vn
donde a1 , a2 , a3 , . . . , an son escalares se llama combinacion
Ejemplo 2.9
7
1
5
7
1
lineal de los vectores 2 y 3 , pues 7 = 2 2
1. En R3 : 7 es una combinacion
7
4
1
7
4
5
3
1
2. En M23 (R):
3
1
2
9
M0
8
3
=3
1
1
0 4
1 5
M1
+2
0
2
1 2
3 6
M2
lineal de M1 y M2
Aqu: M0 es combinacion
lineal de los monomios 1, x, x2 , . . . , xn
3. En Pn [x]: Todo polinomio se puede escribir como una combinacion
Definicion 2.5
Se dice que los vectores v1 , v2 . . . , vn en un espacio vectorial V generan a V si todo vector V se puede escribir
lineal de ellos. Es decir
como una combinacion
v V, n escalares a1 , a2 , . . . , an tales que v = a1 v1 + a2 v2 + a3 v3 + + an vn
Ejemplo 2.10
1. i =
1
0
yj=
0
1
generan R2 , pues
Para (a, b) R2 = n a, b (escalares) tal que (a, b) = a(1, 0) + b(0, 1)
1
0
0
2. Analogamente i = 0 , j = 1 y k = 0 generan R3 , pues
0
0
1
Para (a, b, c) R3 = n a, b, c (escalares) tal que (a, b, c) = a(1, 0, 0) + b(0, 1, 0) + c(0, 0, 1)
Inst. de Matematica
y Fsica
19

Algebra
Lineal
Unidad 2
n + 1 vectores que generan a Pn son los monomios 1, x, x2 , . . . , xn .

3. Afirmacion:
En efecto, p(x) = a0 + a1 x + a2 x2 + + an xn
4. En M2 (R)
a
c
b
d
Luego,
=a
1
0
0
0
1
0
0
0
0
0
+b
1
0
0
0
0
1
1
0
0
0
0
1
+c
;
0
0
0
1
0
0
+d
0
0
0
1
generan a M2 (R)
Ningun
5. Afirmacion:
conjunto finito de polinomios generan P
En efecto, supongamos que p1 (x), p2 (x), . . . , pn (x) son polinomios.
Sea pk (x) el polinomio de grado mayor en P y sea N = grad(pk (x))
lineal de p1 (x), p2 (x), . . . , pn (x).
Luego, el polinomio p(x) = xN +1 no se puede escribir como una combinacion
por ejemplo, sin N = 3, entonces
p(x) = x4 = c0 + c1 x + c2 x2 + c3 x3 + c4 x4
para cualesquiera escalares c0 , c1 , c2 , c3 y c4 .
Ahora veremos otra manera de encontrar subespacios de un espacio vectorial V .
Definicion 2.6
Sea v1 , v2 , . . . , vk , k vectores en un espacio vectorial V . El espacio generado por {v1 , v2 , . . . , vk } es el conjunto de
combinaciones lineales de v1 , v2 , . . . , vk , es decir:
gen{v1 , v2 , . . . , vk } = {v1 , v2 , . . . , vk } = {v V : v = a1 v1 + a2 v2 + + ak vk }
donde a1 , a2 , . . . , ak son escalares arbitrarios.
Teorema 2.9
Si v1 , v2 , . . . , vk son vectores en un espacio vectorial V = {v1 , v2 , . . . , vk }
dem: (Ejercicio)
Ejemplo 2.11 (Espacio generado por 2 vectores en R3 )
Sean v1 = (2, 1, 4) y v2 = (4, 1, 6). Entonces
H = gen{v1 , v2 } = {v : v = a1 (2, 1, 4) + a2 (4, 1, 6)}
x = 2a1 + 4a2
y = a1 + a2
Ahora si v = (x, y, z) R3 =
z = 4a1 + 6a2

1 1
y
1 1 y
1 1
y
1 1 y
4
x 0
6 x + 2y 0
Si (x, y, z) esta fijo = 2 4 x 2
1 x+2y
6
4 6 z
4
6
z
0 10 z + 4y
0 10 z + 4y
1
2
1 0
6x 3y
1
1
0 1
6x + 3y
5
2
0 0 3x + 3y + z
5
2
si x + y + z = 0 5x 2y 3z = 0 (Ec del plano que pasa por el origen)
luego, el sistema tiene solucion
3
3
El espacio generado por 2 vectores diferentes de cero en R3 que no son paralelos es un plano que
Conclusion:
pasa por el origen.
Inst. de Matematica
y Fsica
20

Algebra
Lineal
Unidad 2
Ejemplo 2.12
Indicar si 1 + x + x2 , 1, 1 x2 , x2 = P2 [x]
lineal de
Debemos ver si cualquier polinomio p(x) = a + bx + cx2 P2 [x] es siempre una combinacion
Solucion:
los polinomios dados, es decir, existen c1 , c2 , c3 , c4 (escalares) tal que:
p(x)
2
c1 p1 (x) + c2 p2 (x) + c3 p3 (x) + c4 p4 (x)
c1 (1 + x + x2 ) + c2 1 + c3 (1 x2 ) + c4 x2
(c1 + c2 c3 ) + (c1 ) x + (c1 c3 + c4 ) x2
1 1
c1 + c2 c3 = a
c1 = b
comparando coeficientes, tenemos el sistema:
1 0
c1 c3 + c4 = c
1 0

1 1 1 0 a
1
1 1 0
a
1
1 1
1 0
0 0 b 0 1
1 0 b a 0 1
1
1 0 1 1 c
0 1
0 1 ca
0
0 1
a + bx + cx
1
0
1
0
0
1
0
0
1
a
b
c
a
ba
cb
Luego, el sistema es consistente independiente de los valores de a, b y c. Entonces, cualquier polinomio p(x) es
lineal de pi con i = 1, . . . , 4. Por consiguiente, tal conjunto de vectores s genera P2 [x]
combinacion
Ejemplo 2.13
1
0
Indique si la matriz A =
0
2
pertenece al espacio generado por las matrices

2
3
A1 =
2
0
, A2 =
4
6
4
0
y A3 =
2
0
1
2
Buscamos saber si existen c1 , c2 y c3 tales que:

Solucion:
A = c1 A1 + c2 A2 + c3 A3
Es decir:
1
0
A=
1
0
0
2
0
2
2
3
= c1
2c1 4c2 + 2c3

3c1 + 6c2 + 0c3
Matricialmente, se tiene:

2 4
2 1
1
2
4
1
0
2
3
0 1
6
0
0
0 2 2
0
2
1
4
1
2
0
0 2
1 2 0
0
0 0
0
0 2
0
0 0
2
0
2c1 + 4c2 + c3
0c1 + 0c2 2c3

1
12
0
0
0 0
2
0

1
1
0
1
1 0
3
0
4
6
+ c2
+ c3
2
0
1
2
2c1 4c2 + 2c3

2c1 + 4c2 + 1c3
=
3c1 + 6c2 + 0c3
0c1 + 0c2 2c3
2 1
0 3
0 1
0 1
2 0
0 0
0 2
0 0
4
0
1
2
1
0
1
12 0
1
0

1
1
0
1
0 0
0
0
2 0
0 1
0 0
0 0
2 1
0 1
0 1
0 1
= 1
=
0
=
0
= 2
1
2
13
12
1 2 0
0
0 0
0
0 1
1
0
0 0
1
0
1
0
Debido al pivote en la columna de las constantes, el sistema es inconsistentes.
Inst. de Matematica
y Fsica
21
1
6
12
3
2

Algebra
Lineal
Unidad 2
c1 , c2 y c3 tal que A = c1 A1 + c2 A2 + c3 A3 . Por lo tanto A

/ {A1 , A2 , A3 }
por ultimo
para terminar este tema se enunciara un teorema, que se utiliza para probar algunos hechos que
adelante.
veremos mas
Teorema 2.10
en un espacio vectorial V .
Sean v1 , v2 , . . . , vn , vn+1 , n + 1 vectores que estan
generan a V
Si v1 , v2 , . . . , vn generan a V = v1 , v2 , . . . , vn , vn+1 tambien
vectores al conjunto generador se obtiene otro conjunto generador.
Es decir, si se agrega uno o mas
2.4.
Base y dimension
3
lineal de los vectores
Hemos visto que en R2 y en R
es
conveniente
vectores
escribir
como una combinacion

1
0
0
1
0
i =
, j =
y i = 0 , j = 1 , k = 0 . Respectivamente. Por consiguiente, podemos
0
1
0
0
1
que involucra los temas visto con anterioridad.
enuenciar la siguiente definicion
Definicion 2.7 (Base)

Un conjunto finitio de vectores B = {v1 , v2 , . . . , vn } es una base para un espacio vectorial V si
1. B = {v1 , v2 , . . . , vn } es l.i
2. B = {v1 , v2 , . . . , vn } generan a V o bien {v1 , v2 , . . . , vn } = V o bien B = V
Observacion 2.2
Todo conjunto de n vectores l.i en Rn es una base en Rn . Se define los siguientes vectores:

1
0
0
0
0
1
0
0

0
0
1
e1 = , e2 =
, e3 =
, . . . , en = 0
..
..
..
..
.
.
.
.
0
entonces, como los vectores ei con i = 1, . . . , n son las columnas de una matriz identidad In , el determinante
queda:
det(In ) = 1 = 0 = {e1 , e2 , e3 , . . . , en } es l.i y por lo tanto una base en Rn .
Ejemplo 2.14
1. (Base canonica
para Pn [x])
generan a P3 [x], es decir, B1 = P3 [x].
Los polinomios B1 = {1, x, x2 , x3 } son l.i en P3 [x], ademas
Entonces {1, x, x2 , x3 } es una base para P3 [x].
En general, los monomios {1, x, x2 , x3 , . . . , xn } constituyen una base para Pn [x].
Inst. de Matematica
y Fsica
22

Algebra
Lineal
Unidad 2
2. (Base canonica
para M22 (R))
1
0
Las matrices B2 =
0
0
0
0
1
0
0
1
0
0
0
0
0
1
generan a M22 (R), es decir
B2 = M22 (R). Ademas:

c1
c3
c2
c4
= c1
1
0
0
0
+ c2
0
0
1
0
+ c3
0
1
0
0
+ c4
0
0
0
1
= c1 = c2 = c3 = c4 = 0 = l.i
Por lo tanto, forman una base para M22 (R).

3. (Una base para un subespacio de R3 )
en el plano:
Encontrar una base para el conjunto de vectores que estan
= {(x, y, z) R3 : 2x y + 3z = 0}
Claramente es un espacio vectorial. Tomemos un vector arbitrario (x, y, z) . Entonces:
Solucion:
2x y + 3z = 0 = y = 2x 3z = (x, y, z) = (x, 2x 3z, z) = x(1, 2, 0) + z(0, 3, 1)
Luego, (1, 2, 0), (0, 3, 1) = . Claramente estos vectores son l.i, puesuno no es multiplo
del otro. Por lo
tanto forman una base para
4. Escrbase una base para el subespacio de R4 cuyas ecuaciones parametricas

son:
x1 = a + b + c, x2 = a b + 3c, x3 = a + 2b, x4 = 2a + 3b + c
tendra la forma:
Un vector (x1 , x2 , x3 , x4 ) del subespacio en cuestion,
Solucion:
(a + b + c, a b + 3c, a + 2b, x4 = 2a + 3b + c)
de los parametros.
donde hemos sustituido cada componente por su valor en funcion

El vector obtenido se
puede poner como suma de otros vectores:
(a+b+c, ab+3c, a+2b, 2a+3b+c) = (a, a, a, 2a)+(b, b, 2b, 3b)+(c, 3c, 0, c) = a(1, 1, 1, 2)+b(1, 1, 2, 3)+c(1, 3, 0, 1)
Esto significa que los vectores (1, 1, 1, 2), (1, 1, 2, 3) y (1, 3, 0, 1) son un sistema generador del subespacio. De dicho sistema generador podemos extraer una base tomando el mayor conjunto de vectores
linealmente independientes. Una buena tecnica

para conseguir esto es tomar los vectores como vectores
fila de una matriz, es decir:
1
1
1

1 1 2
1
1 2 3 0
3 0 1
0

1
1
2
1
2
1
1 0
2 1 1
0
1 1 2
2 1 1
0 0 0
lineal de los vectores (1, 1, 1, 2) y (1, 1, 2, 3). En

Esto significa que el vector (1, 3, 0, 1) es combinacion
definitiva, tales vectores son la base buscada.
Pregunta: Si v1 , v2 , . . . , vn forman una base para V , entonces cualquier otro vector v V se puede escribir como
.
v = c1 v1 + c2 v2 + . . + cn vn
lineal de los vectores l.i?.
Puede escribirse de otra manera como una combinacion
La respuesta es NO, para ello veamos el siguiente teorema.
Inst. de Matematica
y Fsica
23

Algebra
Lineal
Unidad 2
Teorema 2.11
Si {v1 , v2 , . . . , vn } es una base para V y si v V , entonces existe un conjunto unico
de escalares c1 , c2 , . . . , cn
..
tales que v = c v + c v + . + c v
1 1
2 2
n n
lineal de los vectores de la

dem: Supongamos que v se puede escribir de 2 maneras como una combinacion
base. Es decir
.
.
.
v = c1 v1 + c2 v2 + . . + cn vn = v = d1 v1 + d2 v2 + . . + dn vn = (c1 d1 )v1 + (c2 d2 )v2 + . . + (cn dn )vn = 0
pero como los vectores vi con i = 1, . . . , n son l.i, luego
.
c1 d1 = c2 d2 = . . = cn dn = 0 c1 = d1 , c2 = d2 , . . . , cn = dn
Observacion 2.3
Un espacio vectorial tiene muchas bases, pero Continen todas las bases el mismo numero
de vectores?
1. En R3 s (pues, cualquiera tres vectores l.i en R3 forman una base).

2. Menos vectores en R3 no forman una base.
en R3 no puede ser l.i, pues si los 3 primeros vectores son l.i = base,
3. Un conjunto de 4 vectores o mas
vectores en el conjunto se puede escribir como una combinacion
lineal de los tres primeros.
los demas
4. Todas bases en R3 contienen tres vectores.
Teorema 2.12
Si {u1 , u2 , . . . , um } y {v1 , v2 , . . . , vn } son bases en un espacio vectorial V entonces m = n, es decir, cualquiera 2
bases en un espacio vectorial V tienen el mismo numero
de vectores.
Definicion 2.8
de V es el numero
Si el espacio vectorial V tiene una base finita, entonces la dimension
de vectores en todas
finita. De otra manera V se llama espacio vectorial de

las bases y V se llama espacio vectorial de dimension
infinita.
dimension
de V se denota dim(V )
La dimension
Notacion:
Ejemplo 2.15
1. En Rn : Como n vectores l.i en Rn constituyen una base = dim(Rn ) = n
2. En Pn : Los polinomios {1, x, x2 , . . . , xn } constituyen una base en Pn = dim(Pn ) = n + 1
ij y cero en otra parte. Claramente, las matrices Aij
3. En Mmn : Sea (Aij )mn con un uno en la posicion
para i = 1, . . . , m y j = 1, . . . , n forman una base = dim(Mmn ) = m n
4. En P: Vimos que ningun
conjunto finito de polinomios genera a P. Entonces P no tiene una base finita
= dim(P) =
5.
6.
Inst. de Matematica
y Fsica
24

Algebra
Lineal
Unidad 2
1
k
7. En V = M22 (R) se define S =
2
1
0
p
1
0

k
2
1
3
, donde k, p R. Encuentre el valor de
p y k de modo que dim(S) = 2.

1
k
Sabemos que A =
Solucion:
2
1
0
p
1
0
k
2
1
3
genera a S, luego un subconjunto A, l.i,
sera base.
Queremos que este conjunto l.i tenga dos elementos y el tercero debe ser l.d. Para ello, consideremos
, , R tal que:
1
k
2
1
0
p
1
0
k
2
1
3
0
0
0
0
+
+3
0
0
0
0
+k
k+p+2
+k
+
=
k+p+2
+3
= 0
= 0
= 0
= 0
l.d) con un
Queremos que este sistema tenga infinitas soluciones (los tres vectores seran
Observacion:
l.i y el terccero l.d).

parametro
(dos seran
1
0
A=
k
1

1
k
0
1
2 0
0
3
0
1
p
0

1
k
0
1
2 k2 0
0
3k
0
1
p
0
0
1
0
0
2 k2 p
3k
2 k2 p
3k
Para que tenga 1 parametro

el rango debe ser 2, es decir, (A) = 2 =
=
=
0
0
k=3
Claramente 3 k = 0 = k = 3 y 2 k 2 p = 0 = p = 7
1 0 k
0 1 1
+3 =
Utilizando estos datos A

0 0 0 =
+
=
0 0 0
Luego,
1
3
por lo tanto:
2
1
0
7
1
3
2
1
1
0
,
son l.i. y
0
7
1
0
3
2
1
3
0
0
=
=
=
=
con parametro.
lineal de los otros.

es combinacion
es base de S = dim(S) = 2
Algunos resultados importantes:

Teorema 2.13
Supongamos que dim(V ) = n. Si u1 , u2 , . . . , um es un conjunto de m vectores l.i en V = m n
Teorema 2.14
Sea H
V , dim(V ) finita = dim(H) finita y dim(H)
dim(V )
dem:
Inst. de Matematica
y Fsica
25

Algebra
Lineal
Unidad 2
Sea dim(V ) = (finita)

l.i en V (Por teorema anterior) y notar que cualquier
Cualquier conjunto de vectores l.i en H es tambien
n vectores. As:
conjunto l.i en H debe contener a lo mas
i) Si H = {0} = dim(H) = 0
ii) Si H = {0} sea v1 = 0, v1 H y H1 = v1
iii) Si H1 = H = dim(H) = 1 (Listo)
Si no, elijamos v2 H tal que v2

/ H1 y sea H2 = v1 , v2 y as sucesivamente se continua construyendo
hasta encontrar k vectores l.i v1 , v2 , . . . , vk tales que:
H = v1 , v2 , . . . , vk
n vectores l.i en H
Como el proceso es finito (tiene que terminar), se pueden encontrar a lo mas
= H = k < n
Ejercicio 2.4
Encontrar todos los subespacios de R3 . Utilizando el teorema anterior y comprobar que los unicos
subespacios
en una recta o en un plano que pasa por el origen.

propios de R3 son los conjuntos de vectores que estan
Teorema 2.15
Si V es un espacio vectorial y A = {v1 , v2 , . . . , vm } V , entonces
m
i vi : i R
L(A) =
i=1
el cual es llamado subespacio generado por A. El conjunto A se llama sistema de generadores de c.

Veamos que L(A)
i vi L(A) y v =
En efecto, si u =
i=1
i vi L(A) y , R = u + v =
i=1
(i + i )vi L(A)
i=1
= subespacio vectorial de V
Ejemplo 2.16
Si V = R3 y A = {v1 , v2 } = {(1, 0, 1), (1, 1, 1)}, entonces
L(A) = {v R3 : v = v1 + v2 : , R} = {v R3 : v = ( + , , ) : , R}
x=+
y=
, R (Ecuaciones parametricas
de L(A))
Luego, las ecuaciones son:
z =
Nota: Estas ecuaciones parametricas

son utiles
para obtener, dando
valores reales a los parametros
y , los
diferentes vectores de L(A). Por ejemplo: Para = 2 y = 1 = v = (1, 1, 3) L(A)

implcita de L(A).
Ahora, encontremos la ecuacion
x=+
x y = 0 (Sumando las ecuaciones anteriores)
y=
y=
y + z = 0 (Restando las ecuaciones anteriores)
z =
Inst. de Matematica
y Fsica
26

Algebra
Lineal
3.
Unidad 2
Suma directa de subespacios
Sean S, T, Z V . Z es suma de S y T si Z = S + T = {z Z, v = s + t, s S, t T }
3.1.
de la suma directa
Caracterizacion
Sean S, T V . Entonces
La suma de S y T es directa S T = {0}
dem: =
=
Si S T = 0 = v = 0 con v S T , de donde v = v + 0 = 0 + v y la suma no sera directa.

Si u = v1 + w1 = v2 + w2 = v1 v2 = w2 w1 S T
= v1 v2 = w2 w1 = 0
= v1 = v2 w2 = w1
= la suma sera directa.
Definicion 3.1 Sean S, T V . Entonces

V = S T (V = S + T ) (S T = {0})
3.2.
(Formula
Formula
de la dimension
de Grassman)
de la base) Sea V = 0 e.v, dim(V ) = n y A = {v1 , . . . , vr } V un conjunto l.i de r < n

Teorema 3.1 (extension
vectores. Entonces existen {vr+1 , . . . , vn } V tales que {v1 , . . . , vr , vr+1 , . . . , vn } es base de V .
Teorema 3.2 Sean S y T V con dim(S) = n y dim(T ) = m (finitas). Entonces
dim(S T ) + dim(S + T ) = dim(S) + dim(T )
dem: Si dim(S) = n, dim(T ) = m, dim(S T ) = r y {v1 , . . . , vr } base de S T , usando el teorema de la extension

de la base(3.1).
Sean Bs = {v1 , . . . , vr , vr+1 , . . . , vn } y BT = {v1 , . . . , vr , wr+1 , . . . , wm } bases de S y T .
es suficiente demostrar que:

Para probar la formula
de la dimension,
B = {v1 , . . . , vr , vr+1 , . . . , vn , wr+1 , . . . , wm }
es una base de S + T .
B es l.i:
n
B=
i vi +
i=1
j wj
j=r+1
i vi S T
j w j =
j=r+1
m
i=1
r
j w j =
j=r+1
r
j vj
=
j=1
j vj
j=1
m
j wj = 0
j=r+1
= j = 0, 1 j m
=
j = 0, r + 1 j m
i vi = 0 = i = 0, 1 i n, pues BS es base de S.
pues, BT es base de T y entonces

i=1
B es sistema de generadores de S+T:
Inst. de Matematica
y Fsica
27

Algebra
Lineal
Unidad 2
n
Si u S + T = u =
i vi +
i=1
3.3.
i vi +
i=1
i w i =
i=r+1
(i + i )vi +
i=1
i wi .
i vi +
i=r+1
i=r+1
Subespacios suplementarios
Dos subespacios S y T de un e.v V se llaman suplementarios si V = S T .

Si V = S T = U V , se dice que S y T son suplementarios en U
Si V = S T , entonces dim(V ) = dim(S) + dim(T )
Ademas,
{v1 , . . . , vr } base de S
{vr+1 , . . . , vn } base de T
= {v1 , . . . , vr , vr+1 , . . . , vn } base de V
y tambien
{v1 , . . . , vr } base de S
{v1 , . . . , vr , vr+1 , . . . , vn } base de V
= L({vr+1 , . . . , vn }) es suplementario de S
Ejemplo 3.1 En R4 se consideran los subespacios vectoriales:

S = L({(1, 0, 1, 2), (0, 1, 1, 0)}) y T = L({(1, 0, 1, 1), (0, 1, 1, 3)})
Encontrar:
2. Una base para S T
1. Una base para S + T
1 0
0 1
Puesto que:
Solucion:
1 0
0 1
1
1
1
1

1 0
2
0 1
0
1 0 0
0 0
3
1
1
2
2

1 0
2
0 1
0
3 0 0
0 0
3
1
1
2
0
2
0
3
0
una base de S + T es B
S+T = {(1, 0, 1, 2), (0, 1, 1, 0), (0, 0, 2, 3)}
x1 =
x2 =
con , , R = x1 + 3x2 3x3 2x4 = 0
y sus ecuaciones son:
x
3 = + + 2
x4 = 2 3
Usando la formula
de la (3.2): dim(S T ) = dim(S) + dim(T ) dim(S + T ) = 2 + 2 3 = 1
En efecto,
las ecuaciones implcitas son:
x
=
x2 =
x1 x2 + x3 = 0
S
con , R =
x
=
2x
3
1 x4 = 0
x
=
2
4
x1 =
x2 =
x1 x2 + x3 = 0
T
con , R =
x
=
x1 3x2 + x4 = 0
x4 = + 3
ylas ecuaciones de S T son:
x1 =
x1 x2 + x3 = 0
x1 x2 = 0
2x1 x4 = 0
x2 =
2x2 x4 = 0
=
=
x
x
=
0
x3 = 0
1
2
3
x3 = 0
x1 3x2 + x4 = 0
x4 = 2
R = BST = {(1, 1, 0, 2)}
Inst. de Matematica
y Fsica
28

Algebra
Lineal
Unidad 2
Ejemplo 3.2 Consideremos los subespacios de R4

S = (1, 0, 1, 0), (0, 1, 0, 0) ; T = {(x, y, z, t) R4 : x + y = 0}
Buscar una base de S + T y S T .
Sea v = (x, y, z, t) T , luego
Solucion:
1
0
0
0
0
1
1
0
0
1 0
0 0

0 0
1 0
0 1
(x, y, z, t) = (x, x, z, t) = x(1, 1, 0, 0) + z(0, 0, 1, 0) + t(0, 0, 0, 1)

1 0 1 0
1 0 1 0
1 0
1 0
0 1
0 0
0 1 0 0 0 1 0 0
0 1 1 0 0 1 0 0 0 0 1 0
0 0
1 0 0 0 1 0 0 0 0 1
0 0 0 0
0 0 0 1
0 0
0 1
= dim(S + T ) = 4
Utilizando la formula
de la dimension(3.2)
4 = 2 + 3 dim(S T ) = dim(S T ) = 1
En efecto, necesitamos encontrar v S T, v = 0

v = (1, 0, 1, 0) + (0, 1, 0, 0) = (1, 1, 0, 0) + (0, 0, 1, 0) + (0, 0, 0, 1)
v = (, 0, , 0) + (0, , 0, 0) = (, , 0, 0) + (0, 0, , 0) + (0, 0, 0, )
= (, , , 0) = (, , , )
=
= = = , = 0
v = (1, 0, 1, 0) (0, 1, 0, 0) o bien v = (1, 1, 0, 0) + (0, 0, 1, 0) + 0(0, 0, 0, 1)
S T = (1, 1, 1, 0)
Ejemplo 3.3 Sea V = R3 , S = {(x, 0, 0); x R}, T = {(0, y, z); y, z R}. Demostrar que S T = R3
Solucion:
1. Pd: R3 = S + T
un
Sea v R3 , luego v = (x, y, z) = (x, 0, 0) + (0, y, z), luego (x, y, z) se escribe como un vector de S mas
vector T . Luego R3 S + T , luego R3 = S + T
Otra manera de verlo es el siguiente:
S = (1, 0, 0) y T = (0, 1, 0), (0, 0, 1) , luego S + T = (1, 0, 0) + (0, 1, 0), (0, 0, 1) = R3
2. Pd: S T = { 0 }
Sea v S T , luego v S y v T . luego v = (x, 0, 0) y v = (0, y, z)
(x, 0, 0)
(0, y, z)
= x = 0, y = 0, z = 0
= v = 0 = R3 = S T
Ejemplo 3.4 Consideremos V = R3 , W = {(x, 0, z), x, z R3 }, S = (1, 0, 2) y T = (2, 0, 1) . Demostrar que
W =ST
Solucion:
Inst. de Matematica
y Fsica
29

Algebra
Lineal
Unidad 2
1. Pd: W = S + T
1 0 2
1 0 2
1 0 2
1 0 0
E12 (2)
E21 (2)
E2 13
2 0 1
0 0 1
0 0 3
0 0 1
que {(1, 0, 0), (0, 0, 1)} es una base de W , pues los vectores son l.i y ademas
Pero notemos tambien

(x, 0, z) = x(1, 0, 0) + z(0, 0, 1), luego W = S + T Otra manera de demostrar que W = S + T es la
siguiente: Consideremos w W y hacemos la siguiente afirmacion:

(x, 0, z) = (1, 0, 2) + (2, 0, 1) con , R
= 2z x
x = + 2
3
luego (x, 0, z) = ( + 2, 0, 2 + ) =
=
2x z
z = 2 +
=
3
2z x
2x z
Luego (x, 0, z) =
(1, 0, 2) +
(2, 0, 1) S + T
3
3
es decir, w = s + t, ciertos s S, t T = W = S + T
2. Pd: S T = { 0 }
v ST
4.
vS y vT
v = (1, 0, 2) y v = (2, 0, 1)
v = (, 0, 2) y v = (2, 0, )
(, 0, 2) = (2, 0, )
= 2 y 2 =
v = (0, 0, 0)
W =ST
Bases ortonormales y proyecciones en Rn
Definicion 4.1 Un conjunto de vectores S = {u1 , u2 , . . . , uk } en Rn es un conjunto ortonormal si

ui uj =
0
1
si i = j
para i, j = 1, . . . , k
si i = j
Si satisface ui uj = 0 , se dice que el conjunto es ortogonal, se denota (ui uj )

Definicion 4.2 Si v Rn entonces la longitud o norma de V es
v =
vv
Observacion 4.1 Si ya se posee una base ortogonal, dividiendo cada vector entre su norma se obtiene una
ortonormal, es decir
{v1 , v2 , . . . , vk } ortogonal
v1
,...,
v1
vk
vk
ortonormal
2
1
2
Ejemplo 4.1 Ortonormalice el conjunto de vectores v1 = 0 , v2 = 2 , v2 = 25
2
1
1
Inst. de Matematica
y Fsica
30

Algebra
Lineal
Unidad 2
Solucion:
Calcular todos los productos punto entre los vectores diferentes.

v1 v2
v1 v3
v2 v3
1 (2) + 0 2 + 2 1 = 0
5
= 1 (2) + 0
+21=0
2
5
= (2) (2) + 2
+11=0
2
=
= El conjunto es ortogonal.
Ahora, calculamos las normas de los vectores:

v1 v1
v2 v2
v3 v3
5 = v1 =
9 = v2 = 3
3
45
= v3 =
5
=
4
2
Por lo tanto, el conjunto ortonormalizado queda:
2
1
2
1
1
2
0 , 2 , 25
5
3
3
5
2
1
1
Definicion 4.3 Un conjunto de vectores es ortonormal si cualquiera de ellos es ortogonal y cada uno uno tiene
norma 1.
Teorema 4.1 Si S = {v1 , v2 , . . . , vk } es un conjunto ortogonal de vectores diferentes de cero = S es l.i
dem: Supongamos que c1 v1 + . . . + ck vk = 0 i = 1, 2, . . . , k
= 0 = 0 vi
(c1 v1 + . . . + ck vk ) vi
c1 (v1 vi ) + c2 (v2 vi ) + . . . + ci (vi vi ) + . . . + ck (vk vi )
c1 0 + c2 0 + . . . + ci |vi |2 + . . . + ck 0
ci |vi |2
Como vi = 0 (Por hipotesis),

|vi |2 > 0, y se tiene ci = 0, para i = 1, 2, . . . , k. Por lo tanto S es l.i.
Teorema 4.2 Sea v vector distinto de cero. Entonces para cualquier vector u, el vector
w =u
(u v)
v
|v|2
es ortogonal a v.
de u sobre v es un vector denotado
Definicion 4.4 Sean u y v vectores diferentes de cero. Entonces la proyeccion
por proyv u es:
proyv u :=
(u v)
v
|v|2
Inst. de Matematica
y Fsica
31

Algebra
Lineal
Unidad 2
Ejemplo 4.2 Sean u = 2i + 3j y v = i + j. Calcular la proyv u.

proyv u =
Solucion:
(u v)
5
5
5
(2, 3) sobre (1, 1) es
v =
v = i + j. As la proyeccion
2
2
|v|
2
2
( 2)
5 5
,
.
2 2
Ejemplo 4.3 Sean u = 2i 3j y v = i + j. Calcular la proyv u.

proyv u =
Solucion:
1
(u v)
1
1
1
1
2i 3j sobre i + j es i j.
= = proyv u = i j. As la proyeccion
|v|2
2
2
2
2
2
m de Rn .
de Gram-Schmidt) Sea H un subespacio de dimension
Teorema 4.3 (Proceso de ortonormalizacion
Entonces H tiene una base ortonormal.
dem: Sea S = {v1 , v2 , . . . , vk } una base de H. Construyamos una base ortonormal a partir de los vectores de S
Eleccion del 1
er
vector unitario.
v1
v1
v1
1
Sea u1 =
= u1 u1 =
=
v1
v1
v1
v1
Eleccion del 2
do
(v1 v1 ) = 1 = u1 = 1
vector ortogonal a u1 .
(u v)
uv
v es ortogonal a v. En este caso

v es la proyeccion
2
|v|
|v|2
n
en R para cualquier n 2.
de u sobre v. Resulta que el vector w v cuando w y v estan
vu
Como u1 es un vector unitario
u1 = (v u1 ) u1 para algun
vector v.
|u1 |2
Hemos visto que en R2 , el vector w = u
Sea v2 = v2 (v2 u1 ) u1
Entonces v2 u 1 = v2 u1 (v2 u1 ) (u1 u1 ) = v2 u1 v2 u1 = 0 = v2 u1 .
1
ortogonal
= u1 y v2 son l.i, v2 = 0, por que de otra manera v2 = (v2 u1 ) u1 =

4,1
(v2 u1 )
v1 ( / ) a la
|v1 |
independencia de v1 y v2
Eleccion del 2
Sea u2 =
do
v2
v2
vector unitario.
= {u1 , u2 } es un conjunto ortonormal.
Ahora, supongamos que se han construido los vectores u1 , u2 , . . . , um (m < k) y que forman un conjunto
ortonormal.
Veamos como construir um+1
Continuacion del proceso
Sea vm+1 = vm+1 (vm+1 u1 )u1 (vm+1 u2 )u2 . . . (vm+1 um )um para i = 1, 2, . . . , m
vm+1 ui = vm+1 ui (vm+1 u1 )(u1 ui )(vm+1 u2 )(u2 ui ). . .(vm+1 ui )(ui ui ). . .(vm+1 um )(um ui )
pero uj ui = 0 si i = j y ui ui = 1. Por lo tanto, vm+1 ui = vm+1 ui vm+1 ui = 0

As {u1 , u2 , . . . , um , vm+1 } es un conjunto l.i, ortogonal y vm+1 = 0
Continuacion del proceso

Sea um+1 =
vm+1
vm+1
= {u1 , u2 , . . . , um , um + 1} es un conjunto ortonormal.
Y se puede continuar de esta manera hasta m + 1 = k.
Inst. de Matematica
y Fsica
32

Algebra
Lineal
Unidad 2
lineal de vectores vi , gen{u1 , u2 , . . . , um } gen{v1 , . . . , vk }

Observacion 4.2 Como cada ui es una combinacion
k, los espacios son iguales.
y como cada espacio tiene dimension
Ejemplo 4.4 Construya una base ortonormal en R3 comenzando con la base
0
1
1
{v1 , v2 , v3 } = 1 , 1 , 0
0
1
1
Solucion:
Se tiene |v1 | =
2 = u1
1
2
1
2
0
= v2
3
= u2
2
Como |v2 | =
= v2 (v1 u1 ) u1
0
0
2
2
1 1 = 1 1 1
1
=
2 2
2 2
1
1
0
0
1 1
6
2
2 1 1
=
=
6
3 2
2
1
12
1
2
= v3 = v3 (v3 u1 ) u1 (v3 u2 ) u2
16
1
2
1 1 1
1
0
=
2
6
2
1
0
6
1 1 2
6
1
3
2
1 2
1
1
= 0 2 6
=
3
2
2
2
1
0
6
3
Por ultimo
|v3 | =
12
9
2
3
= u3 =
3
2
2
3
23
2
3
3
Por lo tanto, una base ortonormal en R es:
5.
1
3

=
13

1
2
1
2
3
1
6

,
1
6

2
6
1
3

1
,
3

1
3
Espacios vectoriales con producto interno (P.I)
De ahora en adelante consideraremos el e.v sobre K donde K = R o K = C
Definicion 5.1 Sea V un e.v sobre K. Una aplicacion.
Inst. de Matematica
y Fsica
33

Algebra
Lineal
Unidad 2
V V
(v1 , v2 )
K
v1 , v2
Se dice un producto interno sobre V si verifica:
v, v 0 v V
v, v = 0 v = 0
v , v , w V, , K, v + v , w = v , w + v , w
v, w = w, v , v, w V, donde w, v indica el conjugado complejo de v, w .
1
dada sea un producto interno debe satisfacer:

O bien para que una funcion
v, v > 0 v V o bien v, v = 0 v = 0 (Positividad).

u, v + w = u, v + u, w (Aditividad o distributividad).
u, v = u, v (Homogeneidad).
u, v = v, u (Simetra y conmutatividad).
Ejemplo 5.1 Sea V = R2 e.v sobre R. La aplicacion:

v, v : R2 R2 R
u, v := u1 v1 + 2u2 v2
define un producto interior en R2 , donde u = (u1 , u2 ) y v = (v1 , v2 ).
real es no negativo, se tiene v, v = v + 2v
Como el cuadrado de un numero

2
1
2
2
0.
esta expresion
es igual a cero s y solo
si v = 0 (es decir, s y solo
si v1 = v2 = 0).
Ademas,
Sea w = (w , w ). Entonces
1
u, v + w
u1 (v1 + w1 ) + 2u2 (v2 + w2 )
u1 v1 + u1 w1 + 2u2 v2 + 2u2 v2 + 2u2 w2
(u1 v1 + 2u2 v2 ) + (u1 w1 + 2u2 v2 + 2u2 w2 )
u, v + u, w
reales es conmutativo, se tiene
Como el producto de numeros

u, v = u1 v1 + 2u2 v2 = v1 u1 + 2v2 u2 = v, u = u, v = v, u
Si c es cualquier escalar, entonces
c u, v = c(u1 v1 + 2u2 v2 ) = (cu1 )v1 + 2(cu2 )v2 = cu, v
de Gram- Schmidt) Sea V un K e.v con prod. interior , y = {v1 , v2 , . . . , vn }

Teorema 5.1 (Ortogonalizacion
una base de V. Entonces = {v1 , v2 , . . . , vn } es una base ortogonal donde los vi satisfacen:
Inst. de Matematica
y Fsica
34

Algebra
Lineal
v1
v2
v3
vj
Sea uj =
Unidad 2
= v1
v2 , v1
v1
v1 , v1
v3 , v1
v3 , v2
= v3
v1
v2
v1 , v1
v2 , v2
..
.
vj , vj1
vj , v2
vj , v1
vj1 (2 j n)
v1
v2 . . .
= vj
v1 , v1
v2 , v2
vj1 , vj1
= v2
vj
. Entonces el conjunto = {u1 , u2 , . . . , un } es una base ortonormal de V.
vj
Ejemplo 5.2 (Para n=4) Si V e.v con prod. interno y x1 , x2 , x3 , x4 vectortes l.i de V, entonces los vectores ortogonales construidos con el preoceso anterior:
y1
y2
y3
y4
= x1
x2 , y1
y1
y1 2
x3 , y1
x3 , y2
= x3
y1
y2
y1 2
y2 2
x4 , y1
x4 , y2
x4 , y3
= x4
y1
y2
y3
y1 2
y2 2
y3 2
= x2
Ejemplo 5.3 Sean x1 = (3, 0, 4),x2 = (1, 0, 7),x3 = (2, 9, 11) en R3 con el producto interno canonico.
Aplicando
el proceso de Gram Schmidt se obtienen los vectores.
y1
(3, 0, 4)
y2
(1, 0, 7)
y3
25
(1, 0, 7), (3, 0, 4)
(3, 0, 4) = (1, 0, 7) (3, 0, 4) = (4, 0, 3)
25
25
(2, 9, 11), (3, 0, 4)
(2, 9, 11), (4, 0, 3)
(2, 9, 11)
(3, 0, 4)
(4, 0, 3) = (2, 9, 11) 2(3, 0, 4) (4, 0, 3) = (0, 9, 0)
25
25
Luego, y1 , y2 , y3 son no nulos y ortogonales 2 a 2. Por lo tanto, {y1 , y2 , y3 } es una base ortogonal para R3
Para expresar un vector como c.l de los vectores de esta base, utilicemos el coroloario (??).
3
v, yk
v, y1
v, y2
v, y3
3v1 + 4v3
4v1 + 3v3
9v2
v = (v1 , v2 , v3 ) =
yk =
y1 +
y2 +
y3 =
y1 +
y2 +
y3
2
2
2
2
yk
y1
y2
y3
25
25
81
k=1
3
1
2
En particular si v = (1, 2, 3) = v = y1 + y2 + y3
5
5
9
finita tiene una base ortonormal.
Corolario 5.1 Todo espacio vectorial de dimension
Definicion 5.2 Sea V e.v con prod. interno, W V, W = . Se llama complemento ortogonal de W .
W = {x V : x, v = 0 v W}
Observacion 5.1
Inst. de Matematica
y Fsica
35

Algebra
Lineal
Unidad 2
a) 0, v = 0 v V, en particular 0, v = 0 v W. Por lo tanto 0 W = W =

x W = x, v = 0 v W
y W = y, v = 0 v W
b)
= x + y, v = x, v + y, v = 0 v W = x + y W
c) K = R, x W = x, v = x, v = 0 v W = x W
Si W es subespacio y x es ortogonal a todo vector de una base de W = x W
Ejemplo 5.4 Sea W = {(x, y, z) R3 : x + y + z = 0} y consideremos el producto interno canonico

en R3 ,
entonces.
wW
w = (x, y, z) R3 x + y + z = 0
w = (x, y, z) R3 z = x y
w = (x, y, x y) x R y R.
w = x(1, 0, 1) + y(0, 1, 1) x R y R.
w {v, (0, 1, 1)} = 0}
Luego, W = {(1, 0, 1, (0, 1, 1))} .

As W = {v R3 : v, (1, 0, 1) = 0 v, (0, 1, 1) = 0}, y por lo tanto
v W
v R3 v, w = 0 w W
v = (x, y, z) R3 {(x, y, z), (1, 0, 1)} = 0 {(x, y, z), (0, 1, 1)} = 0}
v = (x, y, z) R3 x z = 0 y z = 0
v = (x, y, z) R3 x = y = z
v = (x, x, x) x R
v = x(1, 1, 1) x R
v {(1, 1, 1)}
As W = {(1, 1, 1)}
Definicion 5.3
Sea S y P dos conjuntos de un e.v V (con producto interno)

SP si u S, v P u, v = 0
si los elementos de A son ortogonales

Sea A V. Se dice que A es una conjunto ortogonal
dos a dos, o sea v, w A, v = w se cumple vw. Si ademas

v = 1 v A se dice que A es un
Sea V e.v con producto interno. Dados v, w V se dice que v y w son ortogonales, se escribe
vw cuando v, w = 0
conjunto ortonormal.
Observacion 5.2
0 v v V
vv v = 0
Si A es una conjunto ortogonal y 0 / A el conjunto:
1
v
v :v A
es ortonormal. A
este proceso se le llama normalizador.
Inst. de Matematica
y Fsica
36

Algebra
Lineal
Unidad 2
finita con prod. interno y B = {s1 , s2 , . . . , sr } es una base de un

Proposicion 5.1 Si V es un e.v de dimension
subespacio S. Entonces v S vsi i = 1, . . . , r
dem:
Es inmediato, pues los vectores de S son ortogonales a todos los vectores de S, en particular a los si
i = 1, . . . , r
lineal s = a1 s1 + . . . , ar sr . Si w cumple
Un vector cualquiera de S se escribe como combinacion
w, si = 0, i = 1, . . . , r (Por hipotesis).
As
w, s = w, a1 s1 + . . . , ar sr = a1 w, s1 + . . . + ar w, sr = 0
Y por lo tanto w S .
finita. Entonces
Proposicion 5.2 Sea V un e.v con prod. interno y S un subespacio vectorial de dimension
V = S S
dem: hay que probar que V = S + S y que S S = { 0 }. Sea {s1 , . . . , sk } base ortonormal de S
k
v, si si S
Consideremos un vector v V y definamos vs =

i=1
Si probamos que v vs S , esta probado que V = S + S , pues

v = (v vs ) + vs
S
Pra ver que v vs S , veamos que v vs , sj = 0

k
v vs , sj
v, si si , sj
i=1
k
v, sj
v, si si , sj
i=1
v, sj v, sj sj , sj
v, sj v, sj
0 j = 1, . . . , k
anterior, como v vs S v vs sj j
Luego, por la proposicion
Por otra parte, si v S S = vv v = 0 . As S S = 0 .

Ejemplo 5.5 Sea W = {(x, y, z) R3 x y = 0 z 1 = 0}. Entonces usando el producto interno usual de R3 .
Determinar W
Es R = W W ?
Solucion:
Inst. de Matematica
y Fsica
37

Algebra
Lineal
Unidad 2
Etapa 1: Determinar el conjunto W

wW
w = (a, b, c) R3 a b = 0 c 1 = 0
w = (a, b, c) R3 a = b c = 1
w = (a, a, 1), a R.
As W = {(a, a, 1) : a R}
Etapa 2: Determinar el subespacio W
u W
u, w = 0, u, w W
u = (x, y, z) R3 (x, y, z), (b, b, 1) = 0, b R
u = (x, y, z) R3 bx + by + z = 0
u = (x, y, z) R3 z = bx by
u = (x, y, bx by) R3 , b R
Finalmente (x, y, bx by), (a, a, 1) = 0, a R
ax + ay bx by = 0
(a b)(x + y) = 0
x+y =0
y = x
Por tanto: u W u = x(1, 1, 0), x R

As que W = {(1, 1, 0)}
No es posible, pues W no es un subespacio (Ejercicio).

Ejemplo 5.6 Considere en el espacio vectorial M22 (R) el producto interno A, B = tr(Bt A) y sea W = {A
M22 (R) : A = At }. Determinar una base ortonormal de W
Solucion:
Etapa 1: Determinar el conjunto W
AW
A M22 (R) A = At
A=
a
c
b
d
a
c
b
d
a
c
b
d
A=
a
c
b
d
a
c
b
d
a
b
c
d
A=
a
c
b
d
b=c
A=
a
b
b
d
; (a, b, d) R3
A=
a 0
0 0
0
0
0
d
A=a
1
0
+
0
0
0
b
+b
b
0
0
1
+
1
0
+d
Inst. de Matematica
y Fsica
0
0
0
1
38

Algebra
Lineal
Unidad 2
1
0
As que W =
0
0
Ahora, si llamamos =
En efecto: a
1
0
0
0
0
1
+b
1
0
0
0
1
0
0
0
0
1
1
0
+d
0
1
0
1
1
0
0
0
0
0
,
0
1
0
1
entonces es una base de W.
0
0
0
0
a
b
b
d
0
0
0
0
= a = b = d = 0
As que , genera y es un conjunto l.i por tanto es una base.

Etapa 2: Verifiquemos si es o no una base ortogonal.
1
0
0
0
0
1
1
0
= tr
1
0
0
0
0
1
1
0
= tr
0
1
0
0
=0
1
0
0
0
0
0
0
1
= tr
0
0
0
1
1
0
0
0
= tr
0
0
0
0
=0
0
1
1
0
0
0
0
1
= tr
0
0
0
1
0
1
1
0
= tr
0
1
0
0
=0
1
0
0
0
1
0
0
0
= tr
1
0
0
0
=1
1
0
0
0
1
0
0
0
0
1
1
0
0
1
1
0
= tr
0
1
1
0
0
1
1
0
0
0
0
1
0
0
0
1
= tr
0
0
0
1
0
0
0
1
Luego, es una base ortonormal.

Etapa 3: Verifiquemos si es una base ortonormal.
1
0
0
0
Como
0
1
1
0
Como
0
0
0
1
Como
1
0
0
0
1
0
0
0
0
1
1
0
0
1
1
0
0
0
0
1
0
0
0
1
Finalmente, una base ortonormal es: =
tr
tr
tr
1
0
0
0
0
1
2
1
2
0
0
Inst. de Matematica
y Fsica
1
0
1
0
1
0
0
0
0
0
0
0
0
1
0
1
0
1
0
1
=1
=2
=
=1
=1
0
1
39

Espacios Vectoriales

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Espacios Vectoriales

Diunggah oleh

Hak Cipta:

Format Tersedia

Algebra

Clases desde 02 de Diciembre

1.3.1. Base canonica

2. Espacios vectoriales sobre R

2.4. Base y dimension

3. Suma directa de subespacios

5. Espacios vectoriales con producto interno (P.I)

Prof. Cristian Mardones

vectores son paralelos tienen la misma direccion.

Definicion 1.1 (Vectores equivalentes)

Operaciones con vectores

pero puede cambiar el sentido o la magnitud del vector u.

Prof. Cristian Mardones

a) Si > 0, u tiene el mismo sentido que u

Definicion 1.3 (Suma de vectores)

Definicion 1.4 (Suma de vectores)

Prof. Cristian Mardones

lineal de vectores. Base

Definicion 1.8 (Base)

Prof. Cristian Mardones

De entre todas las bases elegimos la base canonica

Expresar los vectores del grafico

Prof. Cristian Mardones

Producto escalar de vectores

Supongamos dos vectores u y v (vease

perpendiculares u ortogonales si se satisface el teorema de Pitagoras:

Prof. Cristian Mardones

Producto punto o escalar

recibe el nombre de producto escalar debido a que al realizar esta operacion

Nota: El producto punto tambien

o dicho de otra forma, el modulo

En R2 , tenemos que la flecha que representa al vector (a, b) es la hipotenusa del

de lado a y b. Luego, usando el Teorema de Pitagoras,

(a, b) (a, b) = ||(a, b)||

Prof. Cristian Mardones

Ahora, en R3 , usaremos dos veces el Teorema de Pitagoras

flecha que representa al vector (a, b, 0) es a2 + b2 . Consideramos,

(a, b, c) (a, b, c) = ||(a, b, c)||

u21 + u22 + . . . + u2n

d) ||u + v||2 = ||u||2 + ||v||2 + 2 u v, pues

El siguiente teorema relaciona el producto punto con la norma.

entonces tenemos que para todo R la funcion

Prof. Cristian Mardones

(2 u v)2 4 ||u||2 ||v||2

lo que significa que la funcion

||u 0 v|| = 0, es decir, u = 0 v.

Tenemos dos consecuencias directas de la desigualdad de Cauchy-Schwarz: la desigualdad triangular y la relacion

entre el producto punto y el angulo

||u||2 + ||v||2 + 2 ||u|| ||v||

Sean u y v vectores de Rn . Como nos interesa determinar el angulo

para cualquier vector u y cualquier vector v existe un angulo

De esta manera, podemos hacer la siguiente definicion.

Prof. Cristian Mardones

y de esto basta hallar:

Nota 1: Si los vectores u y v son paralelos, entonces el angulo

o cos() = 1 y, por tanto, u v = ||u||||v|| o u v = ||u||||v||, es decir, se alcanza la igualdad en la Desigualdad

Nota 2: Si los vectores u y v son perpendiculares, entonces el angulo

(90 ), luego cos() = 0

estudiando las proyecciones ortogonales en Rn .

Prof. Cristian Mardones

ortogonal de u sobre v es el vector

Espacios vectoriales sobre R

que cumplen las siguientes propiedades (axiomas de espacio vectorial):