Академический Документы
Профессиональный Документы
Культура Документы
1
Captulo 1
Espacios vectoriales y
transformaciones lineales
1.1.
Introduccion
Hasta ahora hemos trabajado con matrices y n- uplas. Como consecuencia, podemos
n
afirmar que el conjunto IR de todas las n- uplas (o matrices columnas de n elementos si
se prefiere), con las operaciones ya conocidas
x1 y1 x1 + y1 x1 x1
x2 y2 x2 + y2 x2 x2
.. + .. = .. y .. = ..
. . . . .
xn yn xn + yn xn xn
1. x + y = y + x, (propiedad conmutativa)
3. x + 0 = 0 + x = x, (elemento neutro)
5. (x + y) = x + y, (propiedad distributiva)
6. ( + )x = x + x, (propiedad distributiva)
7. (x) = ()x,
8. 1 x = x
Estas mismas propiedades se cumplen cuando se trabaja con matrices. Existen otros
conjuntos diferentes de estos, como veremos posteriormente, que con respecto a unas ope-
raciones suma y producto por un escalar satisfacen las ocho propiedades anteriores.
2
Curso: Alg. vectorial lineal y matricial Tema: Espacios Vectoriales 3
+ : V V 7 V, (u, v) 7 u + v
2. u + v = v + u (Propiedad conmutativa)
3. (u + v) + w = u + (v + w) (Propiedad asociativa)
4. Existe un unico
vector cero 0, tal que u + 0 = u
6. El multiplo
escalar de u por , que se denota con u V, es decir:
: IR V 7 V, (, v) 7 v
7. (u + v) = u + v
8. ( + )u = u + u
9. (u) = (u)
10. 1u = u
Nota.
Teorema 1.1. Sea V = es un espacio vectorial, que satisface las siguientes propiedades
adicionadas las dos operaciones:
1. 0 u = 0, u V IR
2. (1)v = v, v V 6. ()(v) = v, v V, IR
3. 0 = 0, IR
7. u + w = v + w u = v, u, v, w V
4. ()v = v, u V
8. Si IR, = 0, u = v u =
5. ()v = ( v) = (v u V, v, u, v V
V = IRn = { x = (x1 , x2 , . . . , xn ) / i = 1, 2, . . . , n, xi IR }
Definimos en este conjunto las operaciones de suma y el producto por escalares como:
Este es el ejemplo mas importante de espacio vectorial, pues en cierto sentido que se pre-
cisara que muchos de los espacios vectoriales con los que se trabajara, son equivalentes
a este espacio vectorial.
Definimos en este conjunto las operaciones de suma y el producto por escalares como:
En e ste conjunto se definen las operaciones de suma de vectores y producto por escalares
como se indica en cada uno de los siguientes incisos. Determine en cada caso si el conjunto
IR3 con tales operaciones es un espacio vectorial.
V = Pn = { p(x) = a0 + a1 x + + an xn / a0 , a1 . . . , an IR }
p(x) = a0 + a1 x + + an xn y q(x) = b0 + b1 x + + bn xn
p(x) = a0 + a1 x + + an xn V
Nota.
1. 0 v = 0
2. 0 = 0
3. Si v = 0 = 0 v = 0
1. Si u = u y u = 0, entonces =
2. Si u = v y = 0, entonces u = v
1.3. Subespacios
Sea V un espacio vectorial y considerese un subconjunto W de V, W hereda de manera
natural, las operaciones de espacio vectorial que estaban definidas en V. Se tiene as, un
conjunto W en donde existen operaciones basicas
de suma y producto por escalares.
Es W un espacio vectorial?
Ejemplo 1.8. Sea V = IR2 el espacio vectorial. Sea W el subconjunto de IR2 formado por
todos aquellos vectores (x, y) que tiene su segunda componente positiva (geometricamente
W corresponde al semiplano superior del plano XY). Es decir,
De hecho, existen muchas razones por las que la respuesta a esta pregunta es NO. En
principio, la operacion de producto por escalares no es cerrada, pues si se toma el escalar
< 0, el vector (x, y) = ( x, y) no pertenece a W, pues siendo y > 0, se tendra y < 0.
Consecuencia de este hecho es que dado un vector (x, y) W, e ste no tiene inverso aditivo.
Geometricamente esto se ve como muestra la figura
(O sea, W es el conjunto de los pares ordenados de la forma (x, 2x), x IR), se puede
ver que en este caso W si es un espacio vectorial con las operaciones usuales de IR2 . En
principio observemos que si u = (x1 , 2x1 ) y v = (x2 , 2x2 ) son dos vectores de W, entonces
u + v = (x1 + x2 , 2x1 + 2x2 ) = (x1 + x2 , 2[x1 + x2 ]) W. Similarmente podemos demostrar
que cualquier recta de IR2 que pase por el origen es un subespacio propio.
Ejemplo 1.10. El conjunto que consta solo del vector 0, es decir, si W = {0} en un espacio
vectorial es un subespacio de V, llamado subespacio cero, o subespacio trivial y se re-
presenta por {0}.
Nota. Todo espacio vectorial V tiene al menos dos subespacios. El propio V es un subespa-
cio y el conjunto W = {0} que solo consta del vector cero de V es otro subespacio denominado
subespacio cero, ambos subespacios son llamados los subespacios triviales. Si el espacio
contiene otros subespacios diferentes de los triviales, son llamados subespacios no tri-
viales.
Ejemplo 1.11. Sea V = IR2 , los subespacios no triviales de este espacio vectorial son cual-
quier recta que pasa por el origen, es decir:
W = { ta / t IR, a = 0, a = (a1 , a2 ) } V
Ejemplo 1.12. Sea V = IR3 , los subespacios no triviales de este espacio vectorial son cual-
quier recta que pasa por el origen y cualquier plano que pasa por el origen.
W = {(x, y, z) IR3 / z = 0}
Ejemplo 1.14. Sea P el conjunto de todos los polinomios con coeficientes reales, con opera-
ciones en P definidas como en las funciones. De esta forma, P es un subespacio del espacio
para cada n 0, Pn es un
de todas las funciones de valores reales definidas en IR. Ademas,
subespacio de P, ya que Pn es un subconjunto de P que contiene el polinomio cero; la suma
de dos polinomios en Pn tambien esta en Pn y un multiplo
escalar de un polinomio en Pn
tambien esta en Pn .
Ejemplo 1.15. Comprobar que el conjunto C([a, b]) de las funciones continuas definidas
en el intervalo [a, b] es un subespacio vectorial del espacio vectorial F([a, b]) de todas las
funciones definidas en [a, b].
W es un subespacio de M22
Ejemplo 1.18. Un plano en IR3 que no pasa por el origen no es un subespacio de IR3 , porque
el plano no contiene al vector cero de IR3 . Del mismo, una recta en el espacio vectorial IR2
que no pasa por el origen, como se ve en la Figura.1.1 no es un subespacio de IR2 .
Figura 1.1: Grafica de una recta que no pasa por el origen
(a1 , a2 , a3 , . . . , an , . . .) = (a1 , a2 , a3 , . . . , an , . . .)
Ejemplo 1.20. (Espacio solucion) Sea A Rmn , el conjunto x IRn que es solucion del
sistema lineal homogeneo Ax = 0 IRm es un subespacio de IRn , llamado el subespacio
de dicho sistema o el espacio nulo de la matriz A.
solucion
En efecto.
Ejemplo 1.21. Sea W = {x / x = a(1, 0, 2)+b(1, 1, 3)} donde a y b pueden ser dos numeros
reales cualesquiera. Es W un subespacio de IR ?.
3
Solucion.
Si IR y x W. Entonces
Solucion.
x + y = (x1 , x2 , 1) + (y1 , y2 , 1)
= (x1 + y1 , x2 + y2 , 2)
x + y = (x1 , x2 , 1)
= ( x1 , x2 , )
Solucion.
(A + B)T = AT + BT
= A+B
As A + B Mn
Si IR y A Mn , entonces
(A)T = AT
= A
v = 1 x1 + 2 x2 + + n xn
donde los escalares 1 , 2 , . . . , n reciben el nombre de coeficientes de la combinacion
lineal.
Ejemplo 1.24. Determinar si el vector u = (7, 1, 16) es combinacion lineal de los vectores
u1 = (1, 2, 2) y u2 = (3, 1, 4).
vemos que Rang(E) = Rang(E) = 2 = # de incognitas, por lo tanto el sistema lineal tiene
solucion unica,
as, a1 = 2 y a2 = 3.
Comprobacion
Ejemplo 1.25. Comprobar si los vectores u = (4, 2, 5) y v = (1, 1, 1) de IR3 son combi-
naciones lineales de los vectores x1 = (1, 1, 2) y x2 = (2, 0, 1)
Solucion.
Si
u = ax1 + bx2
entonces
Puesto que este sistema lineal es incompatible, por lo tanto u no es combinacion lineal
de los vectores x1 y x2 .
Ejemplo 1.26. El vector (14, 12, 2) IR3 es combinacion lineal de los vectores (1, 2, 1) y
(3, 2, 1), puesto que:
(14, 12, 2) = 2(1, 2, 1) + 4(3, 2, 1)
[ ]
3 4
Ejemplo 1.27. El vector v = es combinacion lineal de los vectores
2 5
[ ] [ ]
1 0 3 2
v1 = y v2 =
2 1 2 1
Puesto que se puede escribir v = 3v1 2v2 , como se puede verificar directamente.
4
Ejemplo 1.28. Encuentre el o los valores h para los cuales v = 3 esta en el subespa-
h
1 5 3
cio generado por los vectores u1 = 1 , u2 = 4 , u3 = 1 ,
2 7 0
En este caso solo es resolver el sistema lineal:
Solucion.
Para demostrar que H es cerrado bajo la suma de vectores, tomemos dos vectores
arbitrarios de H, por ejemplo,
u = s1 v1 + s2 v2 y w = t1 v1 + t2 v2
pero, sabemos que:
u + w = (s1 v1 + s2 v2 ) + (t1 v1 + t2 v2 )
= (s1 + t1 ) v1 + (s2 + t2 ) v2
en conclusion, se tiene que u + w H
Luego veremos, que todo subespacio vectorial del espacio IR3 distinto de los subespacios
triviales, es Gen{v1 , v2 } para algunos vectores v1 y v2 que sean linealmente independientes
o Gen{v} para v = 0. En el primer caso, el subespacio es un plano que pasa por el origen;
en el segundo caso caso, se trata de una recta que pasa por el origen (Vease la figura.1.2).
Es util
tener en mente estas imagenes geometricas, incluso para subespacios abstractos.
Figura 1.2:
Definicion 1.4. Se llama envoltura lineal de los vectores x1 , x2 , . . . , xn del espacio vecto-
rial V, al conjunto de todas las combinaciones lineales de dichos vectores. La denotaremos
por
Env{x1 , x2 , . . . , xn }
luego
Gen{ x, y} = { (a, b a, b) IR3 / a, b IR }
1. F es un subespacio vectorial de V
Demostracion.
Por ser G subespacio vectorial, tambien contiene a los vectores ai xi con ai IR, i =
1, 2, . . . , p. Y tambien a los vectores a1 x1 + a2 x2 + + ap xp , que son justamente las
combinaciones lineales de los vectores x1 , x2 , . . . , xp
1.5. Sea W un subespacio vectorial de V. Se dice que {x1 , x2 , . . . , xp } es un
Definicion
conjunto generador de W, si W = Gen{x1 , x2 , . . . , xp }
Ejemplo 1.31. Comprobar que el conjunto de vectores {e1 , e2 , e3 }, donde
e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)
es un conjunto generador del espacio vectorial IR3
Solucion.
1. Puesto que e1 , e2 y e3 son vectores de IR3 , de acuerdo a la definicion de envoltura lineal
resulta evidente que:
Gen{e1 , e2 , e3 } IR3
2. Por otro lado, si v = (x, y, z) es cualquier vector arbitrario de IR3 , es evidente que
v = (x, y, z) = xe1 + ye2 + ze3
Por lo tanto, tenemos:
IR3 Gen{e1 , e2 , e3 }
Ejemplo 1.34. Comprobar que los vectores x = (1, 2, 0) y y = (1, 1, 0) del espacio IR3 son un
conjunto generador del subespacio vectorial
W = {(a + b, 2a + b, 0) / a, b IR}
Solucion.
(a + b, 2a + b, 0) = a(1, 2, 0) + b(1, 1, 0) = ax + by
u = px + qy
= p(1, 2, 0) + q(1, 1, 0)
= (p + q, 2p + q, 0)
para algunos escalares p y q, con los que u esta en W. Por lo tanto Gen{x, y} W.
Gen{x1 , x2 , . . . , xp } = Gen{x1 , x2 , . . . , xp , x}
En efecto
1. Es evidente que
Gen{x1 , x2 , . . . , xp } Gen{x1 , x2 , . . . , xp , x}
pues
a1 x1 + a2 x2 + + ap xp = a1 x1 + a2 x2 + + ap xp + 0x
u = a1 x1 + a2 x2 + + ap xp + ax
x = b1 x1 + b2 x2 + + bp xp
con lo que
u = a1 x1 + a2 x2 + + ap xp + ax
= a1 x1 + a2 x2 + + ap xp + a(b1 x1 + b2 x2 + + bp xp )
= (a1 + b1 )x1 + (a2 + b2 )x2 + + (ap + bp )xp
Gen{x1 , x2 , . . . , xp , x} Gen{x1 , x2 , . . . , xp }
entonces
Gen{x1 , x2 , . . . , xp } = Gen{x1 , x2 , . . . , xp , x}
Gen{u, v, u + v} = Gen{u, v, 2u + v}
= Gen{u, v, 2u v}
= Gen{u, v, u + v, 2u v}
= Gen{u, v}
Recuerde que el conjunto de todas las x que satisfacen (1.1) se denomina conjunto solucion
del sistema ((1.1)). A menudo conviene relacionar este conjunto directamente con la matriz
A y la ecuacion Ax = 0. Al conjunto de las x que satisfacen Ax = 0 se le llamara espacio
nulo de la matriz A.
El termino espacio en espacio nulo resulta adecuado porque el espacio nulo de una
matriz es un espacio vectorial, como se vera en el teorema siguiente.
de R4 .
Al reacomodar las ecuaciones que describen los elementos de W, se observa que
Solucion.
W es el conjunto de todas las soluciones del siguiente sistema homogeneo de ecuaciones
lineales: {
a 2b + 5c d = 0
a b + c =0
Es importante que las ecuaciones lineales que definen al conjunto W sean homogeneas.
En caso contrario, definitivamente, el conjunto de soluciones no sera un subespacio (puesto
que el vector cero no es solucion de un sistema no homogeneo). Tambien, en algunos casos,
el conjunto de las soluciones podra estar vaco.
explcita de Nul A
Una descripcion
No hay ninguna relacion evidente entre los vectores de Nul A y las entradas de A. Se
dice que Nul A esta definido implcitamente, porque se define mediante una condicion que
debe verificarse. No hay una descripcion ni una lista explcita de los elementos contenidos
en Nul A. Sin embargo, resolver la ecuacion Ax = 0 equivale a producir una descripcion
explcita de Nul A.
combinacion lineal de vectores, donde los pesos son las variables libres. Esto es,
x1 2x2 + x4 3x5 2 1 3
x 1 0 0
2 x2
x3 = 2x5 2x4 = x2 0 + x4 2 + x5 2
x4 x4 0 1 0
x5 x5 0 0 1
= x2 u + x4 v + x5 w
Toda combinacion lineal de u, v y w es un elemento de Nul A. Entonces {u, v, w} es un
conjunto generador para Nul A.
b = a1 u1 + a2 u2 + . . . + an un
Ejemplo 1.41. Determine si b = (2, 6, 1) pertenece al espacio generado por u1 = (1, 2, 3), u2 =
(2, 5, 2) y u3 = (1, 2, 1). En caso afirmativo, hallar x1 , x2 , x3 tales que
b = x1 u1 + x2 u2 + x3 u3
de W1 y W2 definida como
1. La interseccion
W1 W2 = {v V / v W1 v W2 }
de W1 y W2 definida como
2. La union
W1 W2 = {v V / v W1 v W2 }
W1 + W2 = {v V / v = w1 + w2 , w1 W1 w2 W2 }
En efecto.
K u S K u W1 u W2
u W1 u W2
u S
Ejemplo 1.42. Sea V = IR3 el espacio vectorial, y consideremos los subespacios no triviales
W = W1 W2 = {(x, y, z) IR3 / x = 0 z = 0}
Esto significa que un vector generico de W es una terna del tipo (0, y, 0) que puede expre-
IR.
sarse mediante (0, , 0) para algun
Entonces
W = {(0, , 0) IR3 / IR}
o sea, W es el eje Y.
de subespacios
Union
El subespacio suma S = W1 + W2 esta formado por todas las ternas del tipo
(, + , ) = (, , )
2. En cambio, si
se tiene
S = W1 + W2 = {(, , 0) / IR IR}
O sea, la suma es directa y se identifica con el plano horizontal XY, es decir
Ejemplo 1.45. Hallar los vectores generadores del subespacio W de V = IR3 , donde
W = {(x, y, z) IR3 / x + y = 2z y = 2z x }
Ejemplo 1.46. Hallar los vectores generadores del subespacio U, si U IR4 , donde
x = y + 3t, z = 2y 3t
Luego para todo u U, tiene la forma u = (x, y, z, t) = (y + 3t, y, 2y 3t, t), de donde
De manera que los vectores generadores del subespacio U = (1, 1, 2, 0), (3, 0, 3, 1)
a IR b IR
x = a(2, 3) = b(1, 1) para algun
x = r(2, 3) + s(1, 1)
3r + s = x1
3r s = x2
1 1
cuya solucion es: r = (x1 + x2 ), s = (3x1 2x2 ).
5 5
1 1
Por lo tanto: x = r(2, 3) + s(1, 1) x = (x1 + x2 )(2, 3) + (1, 1).
5 5
Esto verifica que IR2 W1 W2 . Y con ella el ejercicio esta probado.
a1 x1 + a2 x2 + + ap xp = 0
Es decir, cuando se resuelve el sistema lineal homogeneo, que sabemos que un sistema
lineal homogeneo siempre tiene solucion, pero es linealmente independiente si la solu-
cion del sistema lineal homogeneo es la trivial.
En caso contrario, es decir si la combinacion lineal anterior no solo ocurre con coefi-
cientes nulos, sino tambien con algun
coeficiente no nulo, entonces se dice que los vectores
son linealmente dependiente (L. D.).
Observese que si los vectores {u1 , u2 , . . . , uk } son L. I., entonces cualquier subconjunto
no vaco de ellos es tambien L. I.
Si M = {u} es L. I. si y solo si u = 0V
Si x, y, z IR
Solucion. y xv1 + yv2 + zv3 = 0RI 4
Ejemplo 1.49. El conjunto de vectores {(2, 1, 1), (1, 1, 3), (1, 0, 0)} del espacio vectorial
IR3 , es L. I. pues:
a1 (2, 1, 1) + a2 (1, 1, 3) + a3 (1, 0, 0) = (0, 0, 0)
equivale a resolver el sistema lineal homogeneo
2a1 + a2 + a3 = 0
a1 + a2 = 0
a 3a
1 2 = 0
cuya unica
solucion es la trivial a1 = a2 = a3 = 0
Ejemplo 1.50. Los vectores (1, 2) y (2, 4) de IR2 son L. D., puesto que de la combinacion
lineal
a1 (1, 2) + a2 (2, 4) = (0, 0)
se tiene el sistema lineal homogeneo
{
a1 2a2 = 0
2a1 + 4a2 = 0
M = {1 x, 2 + x + 2x2 , 1 + x2 }
es L. I. o L. D.
Solucion. Sea la combinacion lineal nula
a1 (1 x) + a2 (2 + x + 2x2 ) + a3 (1 + x2 ) = 0 = 0 + 0 x + 0 x2
Ejemplo 1.52. Determinar si M = {x2 1, x2 +1, 4x, 2x3} son linealmente independientes
o linealmente dependiente en el espacio de polinomios.
Si
Solucion.
1 (x2 1) + 2 (x2 + 1) + 3 (4x) + 4 (2x 3) = 0
entonces
(1 + 2 )x2 + (43 + 24 )x 1 + 2 34 = 0
De donde obtenemos el sistema lineal homogeneo
1 + 2 = 0,
43 + 24 = 0,
+ 3 = 0,
1 2 4
son L. D.
En efecto. Escribamos el vector nulo de IR22 como combinacion lineal de estos vectores, es
decir: [ ] [ ] [ ] [ ]
1 16 2 3 1 2 0 0
c1 + c2 + c3 =
1 13 3 4 2 1 0 0
Al realizar las operaciones indicadas se obtiene
[ ] [ ]
c1 + 2c2 c3 16c1 + 3c2 + 2c3 0 0
=
4c1 + 3c2 2c3 13c1 + 4c2 + c3 0 0
c1 + 2c2 c3 = 0
16c1 + 3c2 + 2c3 = 0
4c1 + 3c2 2c3 = 0
13c1 + 4c2 + c3 = 0
x1 u1 + x2 u2 + + xk uk = 0RI n
Av = 0RI n
donde A es la matriz que tiene como columnas a los vectores ui , tiene soluciones no triviales.
Teorema 1.11. (Criterios para que k vectores de IRn son L. I. o L. D.) Sean u1 , u2 , . . . , uk , k
vectores de IRn y A la matriz que tiene como columnas a estos vectores. Entonces:
3. Si k = n:
Ejemplo 1.54. Determinar si los vectores dados son L. I. o L. D. en el espacio vectorial IR4 .
3. {(1, 2, 1, 3), (1, 1, 1, 1), (1, 1, 0, 0), (1, 1, 0, 1), (1, 0, 0, 4)}
Solucion.
De donde, el sistema solo tiene la solucion trivial, por lo que los vectores son L. I.
2. u1 , u2 , . . . , un generan a IRn
3. A es invertible.
Teorema 1.13. Sea M = {x1 , x2 , . . . , xp } un conjunto de vectores L. I. de un espacio vecto-
rial V. Si el vector u es combinacion lineal de ellos entonces los coeficientes son unicos.
En efecto. Supongamos que el vector u se escribe de dos formas diferentes como com-
binacion de los vectores de M, es decir:
u = a1 x1 + a2 x2 + + ap xp
u = b1 x1 + b2 x2 + + bp xp
restando ambas ecuaciones se obtiene:
0 = (a1 b1 )x1 + (a2 b2 )x2 + + (ap bp )xp
esta es la combinacion trivial y como los vectores de M son L. I. entonces
a1 b1 = a2 b2 = = ap bp = 0 a1 = b1 , a2 = b2 , . . . , ap = bp
Teorema 1.14. Los n vectores u1 , u2 , . . . , un del espacio vectorial V son linealmente depen-
dientes si y solo si al menos uno de ellos puede escribirse como combinacion de los n 1
vectores restantes.
En efecto.
Si los n vectores u1 , u2 , . . . , un son L. D., segun
la definicion existen escalares c1 , c2 , . . . , cn
no todos nulos, tales que
c1 u1 + c2 u2 + + cn un = 0 (1.3)
Supongamos que c1 = 0, entonces la expresion (1.3), se puede escribir como:
c2 cn
u1 = u2 un
c1 c1
lo que muestra que el vector u1 es una combinacion de los n 1 vectores u2 , u3 , . . . , un
2. {u1 , u2 , . . . , un } es L. I.
Ejemplo 1.55. Dados los vectores e1 = (1, 0) y e2 = (0, 1) de IR2 , comprobar que {e1 , e2 } es
una base de IR2 .
Si u = (1, 2), el conjunto {e1 , e2 , u}, es L. D. de IR2
Ejemplo 1.57. Sean v1 = (1, 2, 1), v2 = (2, 9, 0), v3 = (3, 3, 4). Demuestrese que el conjunto
S = {v1 , v2 , v3 } es una base de IR3 .
Solucion. Para demostrar que S es una base, se tiene que demostrar que primero que S es
L. I.
x + 2y + 3z = 0
2x + 9y + 3z = 0
x + 0y + 4z = 0
1 2 3
Pero la matriz de sus coeficientes es A = 2 9 3 . Puesto que D(A) = 1 = 0, entonces
1 0 4
el sistema lineal homogeneo tiene solucion unica
que es x = y = z = 0. As S es L. I..
x + 2y + 3z = 1
2x + 9y + 3z = 2
x + 0y + 4z = 3
1 2 3
Pero vimos que la matriz de coeficientes A = 2 9 3 , su D(A) = 1, entonces el
1 0 4
sistema tiene solucion unica.
As S genera el espacio vectorial IR3 . As tenemos:
x = 361 + 82 + 213
y = 51 2 33
z = 91 22 53
u = (x, y, z, w) = (x, y, z, x + y z)
3. Descomponer
u = x(1, 0, 0, 1) + y(0, 1, 0, 1) + z(0, 0, 1, 1)
Los vectores {(1, 0, 0, 1), (0, 1, 0, 1)} y (0, 0, 1, 1) forman una base del subespacio W.
4. Luego el conjunto de vectores {(1, 0, 0, 1), (0, 1, 0, 1), (0, 0, 1, 1)} es una base de W
Ejemplo 1.60. Demuestre que el conjunto M = {f(x) = x2 +1, g(x) = 3x1, h(x) = 4x+1}
constituye una base para el espacio vectorial V = P2 [x].
f, g, h sera una base para P2 [x] si estos generan a P2 y son linealmente inde-
Solucion.
pendientes. Veamos:
c1 f + c2 g + c3 h = 0
c1 (x + 1) + c2 (3x 1) + c3 (4x + 1) = 0 x2 + 0 x + 0
2
2. Demostremos ahora que M genera al espacio vectorial P2 [x]. Sea v = p(x) un vector
arbitrario de P2 [x]. As p es un polinomio de la forma
p(x) = ax2 + bx + c
c1 = a, c2 = 4a 4c b, c3 = 3a 3c b
Estas funciones generan a P2 [x] y son linealmente independientes. Constituyen una base
para P2 [x].
v = 1 u1 + 2 u2 + . . . + n un
1. Por hipotesis se tiene que {u1 , u2 , . . . , un } es una base de V. Por lo tanto {u1 , u2 , . . . , un }
genera al espacio vectorial V y son L. I.
Luego, si v V i IR / v = 1 u1 + 2 u2 + . . . + n un
v = 1 u1 + 2 u2 + . . . + n un
3. Restar:
v = 1 u1 + 2 u2 + . . . + n un
v = 1 u1 + 2 u2 + . . . + n un
0 = (1 1 )u1 + (2 2 )u2 + . . . + (n n )un
1 1 = 2 2 = = n n 1 = 1 , 2 = 2 , , n = n
Este teorema nos dice que dos bases cualesquiera de un espacio vectorial V contienen el
mismo numero
de vectores.
Observacion.
1.10. La dimension
Definicion de un espacio vectorial de dimension finita V se define
como el numero
de vectores en una base para el espacio vectorial V.
Ademas,
Observacion. por definicion, el espacio vectorial cero tiene dimension cero
= {e1 , e2 , . . . , en }, ej = (0, 0, . . . , 1, . . . , 0)
Ademas
notemos, cualquier otra base de este espacio contiene nvectores.
Ejemplo 1.62. Determnese una base y la dimension para el espacio de soluciones del
sistema lineal homogeneo
2x1 + 2x2 x3 + x5 = 0
x1 x2 + 2x3 3x4 + x5 = 0
x1 + x2 2x3 x5 = 0
x3 + x4 + x5 = 0
generan el espacio de soluciones de este sistema lineal homogeneo. Dado que estos vectores
son linealmente independientes, {v1 , v2 } es una base, y el espacio de soluciones es bidimen-
sional.
Para lograr entender el concepto de producto punto de los espacios vectoriales IRn a otros
espacios vectoriales necesitamos abstraer esenciales del producto punto que son, precisa-
mente. Recordemos estas caractersticas esenciales:
En el espacio IRn el producto punto (o producto interior) se define como:
n
x.y = (x1 , x2 , . . . , xn ).(y1 , y2 , . . . , yn ) = xi yi
i=n
1. x.y = y.x
2. (x).y = (x.y)
4. x.x 0
5. x.x = 0 x = 0
, : V V IR, u, v IR
tales que satisfacen los siguientes axiomas, para todo los vectores u, v, w V y todo IR:
P.5. u, u = 0 u = 0
Un espacio vectorial con un producto interior se conoce como espacio vectorial eucldeo.
Nota. La condicion P.1. establece que el producto interior es conmutativo o simetrico. Las
condiciones P.2. y P.3. indican que el producto interno es lineal en la primera componente;
mientras que las condiciones P.4. y P.5. manifiestan que el producto escalar de un vector
por si mismo siempre debe ser no negativo, pudiendo ser cero en cuestion cuando el vec-
tor es el vector nulo; esta propiedad se indica que el producto escalar es definido positivo.
1. u, v + w = u, v + u, w
2. u, v = u, v
3. u, 0 = 0, v = 0
En efecto. (i) y (ii) son inmediatas utilizando las condiciones P.1., P.2. y P.3. de la defini-
cion de producto interno.
u, 0 = u, 0 + 0 = u, 0 + u, 0
Las propiedades (i) y (ii) que acabamos de comprobar indican que el pro-
Observacion.
ducto interno es una funcion lineal en la segunda componente. Podemos resumir estas pro-
piedades con las de la definicion, diciendo que el producto interno es una forma bilineal
definida simetrica.
u, v = u1 v1 + u2 v2 + + un vn
Si w = (w1 , w2 ), entonces
A continuacion
Por ultimo,
v, v = 3v1 v1 + 2v2 v2 = 3v21 + 2v22 0
Ademas v, v = 3v21 + 2v22 = 0 v1 = 0 = v2 , es decir v = (0, 0). Por lo tanto, se satisface,
el cuarto axioma.
Ejemplo 1.65. En el espacio vectorial IR2 , sean x = (x1 , x2 ), y = (y1 , y2 ) se define:
2.
x, y = (x1 , x2 ) (y1 , y2 )
= x1 y1 2x1 y2 2x2 y1 + 5x2 y2 = [x1 y1 2x1 y2 2x2 y1 + 5x2 y2 ]
= x, y
3.
x + y, z = (x1 + y1 , x2 + y2 ); (z1 + z2 )
= (x1 + y1 )z1 2(x1 + y1 )z2 2(x2 + y2 )z1 + 5(x2 + y2 )z2
= (x1 z1 2x1 z2 2x2 z1 + 5x2 z2 ) + (y1 z1 2y1 z2 2y2 z1 + 5y2 z2 )
= x, z + y, z
4.
de donde x, x 0
El producto interior de estos dos ejemplos es diferente del producto interior eu-
clidiano sobre IR2 ; esto indica que un espacio vectorial puede tener mas
de un producto
interior.
U, V = u1 v1 + u2 v2 + u3 v3 + u4 v4
Por ejemplo, si [ ] [ ]
1 2 1 0
U= y V=
3 4 3 2
entonces
U, V = 1(1) + 2(0) + 3(3) + 4(2) = 16
Solucion. La comprobacion de las tres primeras condiciones P.1., P.2. y P.3. de la de-
finicion de producto escalar, estas se deducen facilmente
de las propiedades del producto
de matrices y de que la matriz A es simetrica. Veamos ahora las condiciones P.4. y P.5.
[ ] 2 1 1 x 1
x, x = x1 x2 x3 1 1 0 x2
1 0 2 x3
[ ] 2x1 + x2 x3
= x1 x2 x3 x1 + x2
x1 + 2x3
= x1 (2x1 + x2 x3 ) + x2 (x1 + x2 ) + x3 (x1 + 2x3 )
= 2x21 + 2x1 x2 + x22 2x1 x3 + 2x23
= (x21 + 2x1 x2 + x22 ) + (x21 2x1 x3 + x23 ) + x23
= (x1 + x2 )2 + (x1 x3 )2 + x23 0
cuya unica
solucion es x1 = x2 = x3 = 0. Luego se verifica P.5.
p, q = a0 b0 + a1 b1 + a2 b2
x + z, x z + y = x, x z + y + z, x z + y
= x, x x, z + x, y + z, x z, z + z, y
= x, x + x, y z, z + z, y
2. Si IR, f, g C[a, b]
b
f, g = (f)(x)g(x)dx
a
b
= f(x)g(x)dx
a
b
= g(x)f(x)dx
a
= f, g
4. Si f C[a, b]
b b
f, f = f(x)f(x)dx = f2 (x)dx 0
a a
f, f = ,
b
= 2 (x)dx
a
b
= 0dx
a
=0
0 tu + v, tu + v = u, ut2 + 2u, vt + v, v
= at2 + bt + c, es decir 0 at2 + bt + c
Esta desigualdad implica que el polinomio cuadratico at2 + 2bt + c no tiene races
reales, o bien, tiene una raz repetida. Por lo tanto, su discriminante debe satisfacer
b2 4ac 0
Al expresar a, b y c en terminos de u y v da
x = x1 b1 + x2 b2 + + xn bn
y que
y = y1 b1 + y2 b2 + + yn bn
Entonces
n
n
x, y = xi b i , yj bj
i=1 j=1
n
n
= xi yj bi , bj
i=1 j=1
n
n
= xi gij yj ,
i=1 j=1
La matriz cuadrada G se llama matriz de Gram del producto interno respecto de la base
. Notese que sus componentes de esta matriz son los productos internos de los vectores de
la base considerada.
Por lo tanto
e1 , e1 e1 , e2 e1 , e3 2 1 1
G = e2 , e1 e2 , e2 e2 , e3 = 1 1 0
e3 , e1 e3 , e2 e3 , e3 1 0 2
que es precisamente la matriz que hemos utilizado para definir el producto interno.
Teorema 1.20. Sea una base del espacio vectorial eucldeo V de dimension n y supon-
gamos que G es la matriz de Gram del producto escalar respecto a dicha base, entonces:
Nota. Cuando una matriz G cumple la condicion (iii) del teorema.1.20, se dice que es
definida positiva.
||v|| = v, v1/2
Ademas,
la distancia entre dos vectores u y v se denota d(u, v) se define por
y
d(u, v) = ||u v|| = (u1 v1 )2 + (u2 v2 )2 + + (un vn )2
Ejemplo 1.77. Supongase que el espacio vectorial IR2 tiene definido el producto interior
u, v = 3u1 v1 + 2u2 v2 .
Observacion. Es importante tener presente que la norma y la distancia dependen del
producto interior que se este usando. Si se cambia el producto interior, entonces cambian
las normas y las distancias entre los vectores.
Ejemplo 1.78. Si en el espacio vectorial IR3 se considera el producto interno canonico
x, x = x1 y1 + x2 y2 + x3 y3
Teorema 1.21. Sea V un espacio vectorial eucldeo, entonces la norma ||v|| = v, v1/2 y la
distancia d(u, v) = ||u v|| satisfacen las siguientes propiedades:
En efecto.
Este teorema se conoce generalmente con el nombre de Ley del Paralelogramo debido
a que en el espacio eucldeo IR2 con el producto escalar canonico (Ver Figura.1.3), esta
propiedad afirma
u, v2 v, v u, u u, v2 ||v||2 ||u||2
||v + u||2 = u + v, u + v
= u, u + 2u, v + v, v
u, u + 2|u, v| + v, v
u, u + 2||u|| ||v|| + v, v
= ||u||2 + 2||u|| ||v|| + ||v||2
= (||u|| + ||v||)2
Supongase que los vectores u y v son vectores no nulos en un espacio vectorial eucldeo.
La desigualdad de Cauchy- Schwartz, se puede escribir as:
( )2
u, v
u, v ||v|| ||u||
2 2 2
1
||u||||v||
o, de modo equivalentemente,
u, v
1 1
||u||||v||
Como consecuencia de este resultado, existe un unico
angulo
tal que:
u, v
Cos = y 0
||u||||v||
Ejemplo 1.80. Determine el coseno del angulo
entre los vectores con el producto interno
canonico
u = (4, 3, 1, 2) y v = (2, 1, 2, 3)
1.14. En un espacio vectorial eucldeo, se dice que dos vectores u y v son orto-
Definicion
gonales si u, v = 0. Ademas,
si u es ortogonal a cada vector en un conjunto W, se dice
que u es ortogonal a W.
Observacion.
1. Si u y v son ortogonales, denotaremos por u v
Entonces
[ 1 ]1/2 [ 1 ]1/2
2
||p(x)|| = p(x), p(x) = x xdx = x2 dx =
1 1 3
[ 1 ]1/2 [ 1 ]1/2
2
||q(x)|| = q(x), q(x) = 2
x x dx 2
= 4
x dx =
1 1 5
[ 1 ]1/2 [ 1 ]1/2
p(x), q(x) = x x2 dx = x3 dx =0
1 1
Debido a que p(x), q(x), los vectores p(x) = x y q(x) = x2 son ortogonales en relacion con
el producto interior dado.
Ejemplo 1.82. En el espacio vectorial euclidiano V = C[0, ], si f(x) = Senx y g(x) = Cosx
Senx, Cosx = SenxCosxdx
[0 ]
Sen2 x
=
2 0
=0
Por lo tanto, fg. Es decir, las funciones seno y coseno son ortogonales en V = C[0, ].
En efecto.
1. Si u v, u w entonces u (v + w)
3. u v, v V u = 0
Sea un conjunto ortogonal en el que cada vector tiene norma 1, se dice que es un
conjunto ortonormal.
Ejemplo 1.83. Sea V = IR3 un espacio vectorial con producto interior canonico y sean los
vectores ( ) ( )
1 1 1 1
v1 = (0, 1, 0), v2 = , 0, , v3 = , 0,
2 2 2 2
v1 , v2 = v2 , v3 = v1 , v3 = 0
y
||v1 || = ||v2 || = ||v3 || = 1
1
Probar que el conjunto {1, x, (3x2 1)} es ortogonal.
3
1
Definimos por p(x) = 1, q(x) = x y r(x) = (3x2 1). Entonces
Solucion.
3
1 [ 2 ]1
x
p, q = x dx = = 0,
1 2 1
1
1 1[ 3 ]1
p, r = (3x2 1)dx = x x 1 = 0,
1 3 3
1
1 1 [ 4 ]1 1 [ 2 ]1
p, q = x (3x2 1)dx = x 1 x 1 = 0
1 3 4 6
x = x1 u1 + x2 u2 + + xn un
x, u1 = x1 u1 , u1 + x2 u2 , u1 + + xn un , u1
x, u1 = x1 ||u1 ||
u = u, v1 v1 + u, v2 v2 + + u, vn vn
u = k1 v1 + k2 v2 + + kn vn
u, vi = k1 v1 + k2 v2 + + kn vn , vi
= k1 v1 , vi + k2 v2 , vi + + ki vi , vi + + kn vn , vi
vi , vi = ||vi ||2 = 1 y vi , vj = 0 si i = j
ki = u, vi
( ) ( )
4 3 3 4
Ejemplo 1.86. Sea v1 = (0, 1, 0), v2 = , 0, , v3 = , 0, . Es facil
de verificar
5 5 5 5
que = {v1 , v2 , v3 } es una base ortonormal para el espacio vectorial IR3 , con el producto
interior euclidiano. Expresar el vector u = (1, 1, 1) como una combinacion lineal de .
0 = k1 v1 + k2 v2 + + kn vn
k1 v1 + k2 v2 + + kn vn , vi = 0, vi = 0
o de modo equivalentemente,
k1 v1 , vi + k2 v2 , vi + + ki vi , vi + + kn vn , vi = 0
ki vi , vi = 0 ki = 0
De manera analoga
se demuestra que todos los ki son iguales a cero, as S es linealmente
independiente.
Vemos que
Solucion.
Ahora determinemos las coordenadas del vector x, pero como es una base ortogonal,
entonces ortonormalizamos, es decir, tenemos:
u1 1 u2 1 u3 1
v1 = = (1, 1, 0), v2 = = (1, 1, 2), v3 = = (1, 1, 1)
||u1 || 2 ||u2 || 6 ||u3 || 3
Luego el conjunto {v1 , v2 , v3 } es una base ortonormal, entonces
3
k1 = x, v1 =
2
7
k2 = x, v2 =
6
2
k3 = x, v3 =
3
1. p v
2. (u p) v
0 = u p, v
= u, v p, v
= u, v v, v
= u, v ||v||2
u, v
p= v
||v||2
Ejemplo 1.89. Si f(x) = ex , g(x) = e2x vectores de V = C[0, 1], con el producto interno
definido del modo siguiente 1
f, g = f(x)g(x)dx
0
f(x), g(x)
p= g(x)
||g(x)||2
Subespacio ortogonal
F = {x V / x, y = 0 para todo y F}
Teorema 1.28. Sea F un subespacio vectorial del espacio vectorial euclidiano V. Entonces
F es un subespacio vectorial de V.
En efecto.
Desde luego que 0 F ya que el vector nulo es ortogonal a todos los vectores de V, en
particular es ortogonal a los vectores de F.
u + v, y = u, y + v, y = 0
Por ultimo,
si IR, entonces
u, y = u, y = (0) = 0
x, ui = 0, i = 1, 2, . . . , p
y = 1 u1 + 2 u2 + + p up ,
x, y = x, 1 u1 + 2 u2 + + p up
= 1 x, u1 + 2 x, u2 + + p x, up
=0
Luego x F .
x, u = x + y = 0
y
x, v = x + 2y + z = 0
La solucion, en forma parametrica, del sistema lineal
{
x + y = 0
x + 2y + z = 0
u = w1 + w2
Teorema 1.32. Todo espacio vectorial eucldeo V, V = {0} y de dimension finita, entonces
el espacio vectorial V tiene una base ortonormal.
En efecto Sea V cualquier espacio vectorial eucldeo, diferente del espacio cero y de di-
mension n, y supongase que S = {u1 , u2 , . . . , un } es cualquier base para V. La sucesion
siguiente de pasos produce una base ortonormal {v1 , v2 , . . . , vn } para V
u1
Paso 1. Sea v1 = el vector v1 que tiene norma 1
||u1 ||
Paso 2. Para construir un vector v2 de norma 1 que sea ortogonal a v1 se calcula la componente
de u2 ortogonal al espacio W1 generado por v1 y, a continuacion, se normaliza, es
decir:
u2 ProyW1 u2 u2 u2 , v1 v1
v2 = =
||u2 ProyW1 u2 || ||u2 u2 , v1 v1 ||
Por supuesto, si u2 u2 , v1 v1 = 0, no se puede llevar a cabo la normalizacion. Pero
esto no puede suceder ya que entonces arriba se tendra
u2 , v1
u2 = u2 , v1 v1 = u1
||v1 ||
Paso 3. Para construir un vector v3 de norma 1 que sea ortogonal tanto a v1 como a v2 , se
calcula la componente de u3 ortogonal al espacio W2 generado por los vectores v1 y v2 ,
y luego se normaliza, es decir:
u3 ProyW2 u3 u3 u3 , v1 v1 u3 , v2 v2
v3 = =
||u3 ProyW2 u3 || ||u3 u3 , v1 v1 u3 , v2 v2 ||
Como en el paso 2, la independencia lineal de {u1 , u2 , . . . , un } asegura que
u3 u3 , v1 v1 u3 , v2 v2 = 0
La construccion paso a paso que acaba de darse, para convertir una base arbitraria
en una base ortonormal, se conoce como proceso de Gram- Schmidt.
Por lo tanto,
2 2
x, 2 1/2
ex = 2
(e + 1) (e + 1)1/2
As
2 2
w2 = x 2 1/2 2 1/2
ex
(e 1) (e 1)
2
=x 2 ex
(e 1)
Para normalizar w2 tenemos que
1 ( )2
2
||w2 || =
2
x 2 ex
dx
0 (e 1)
1 ( )
2 4xex 4e2x
= x 2 + dx
0 (e 1) (e2 1)2
e2 7
=
3(e2 1)
de donde se obtiene el segundo vector normalizado
( 2 )( )
w2 3(e 1) 2 x
u2 = = x 2 e
||w2 e2 7 (e 1)
y la base buscada es:
{ ( 2 )( )}
2 3(e 1) 2
= {u1 , u2 } = x
e, x 2 ex
(e2 1)1/2 e2 7 (e 1)
Ejemplo 1.93. Considerese el espacio vectorial V = IR3 con el producto euclidiano inte-
rior. Aplquese el proceso de Gram- Schmidt para transformar la base u1 = (1, 1, 1), u2 =
(0, 1, 1), u3 = (0, 0, 1) en una base ortonormal.
Solucion.
( )
u1 1, 1, 1
Paso 1. v1 = =
||u1 || 3
Paso 2.
u2 ProyW1 u2 = u2 u2 , v1 v1
( )
2 1 1 1
= (0, 1, 1) , ,
3 3 3 3
( )
2 1 1
= , ,
3 3 3
Por lo tanto,
( ) ( )
u2 ProyW1 u2 3 2 1 1 2 1 1
v2 = = , , = , ,
||u2 ProyW1 u2 || 6 3 3 3 6 6 6
Paso 3.
u3 ProyW2 u3 = u3 u3 , v1 v1 u3 , v2 v2
( ) ( )
1 1 1 1 1 2 1 1
= (0, 0, 1) , , , ,
3 3 3 3 6 6 6 6
( )
1 1
= 0, ,
2 2
Por lo tanto,
( ) ( )
u3 ProyW2 u3 1 1 1 1
v3 = = 2 0, , = 0, ,
||u3 ProyW2 u3 || 2 2 2 2
Por consiguiente,
( ) ( ) ( )
1, 1, 1 1 1 1 1
v1 = , v2 = 0, , , v3 = 0, ,
3 2 2 2 2
ya que el segundo miembro de esta ecuacion es una combinacion lineal de los vectores de
, la independencia lineal de implica que:
c1 k1 = 0, c2 k2 = 0, . . . , cn kn = 0
es decir,
c1 = k1 , c2 = k2 , . . . , cn = kn
En resumen, se tiene el siguiente resultado:
v = c1 v1 + c2 v2 + + cn vn
CS [v] = (c1 , c2 , . . . , cn )
La matriz de coordenadas de v relativa a S se denota CS [v] y es la matriz de IRn1 definida
por
c1
c2
CS [v] = .
..
cn
Ejemplo 1.94. Sea = {v1 , v2 , v3 } una base del espacio vectorial V = IR3 , donde v1 =
(1, 2, 1), v2 = (2, 9, 0) y v3 = (3, 3, 4)
como tenemos una igualdad, entonces igualamos las respectivas componentes, es de-
cir, se tiene el siguiente sistema lineal
x + 2y + 3z = 5
x= 1
2x + 9y + 3z = 1 y = 1
x + 4z = 9 z= 2
2. Determinase el vector en IR3 cuyo vector de coordenadas con respecto a la base sea
1
C [w] = 3
2
Solucion.
w = (1)v1 + (3)v2 + (2)v3
w = (1)(1, 2, 1) + (3)(2, 9, 0) + (2)(3, 3, 4)
w = (11, 31, 7)
Para que este problema se entienda, se resolvera este problema para espacios vectoriales
bidimensionales. Pues la solucion para los espacios vectoriales con dimension n es seme-
jante.
Sean
1 = {u1 , u2 } y 2 = {v1 , v2 }
las bases inicial y nueva, respectivamente. Se necesitan las matrices de coordenadas para
los vectores de la base inicial, con relacion a la nueva base. Supongase que son:
[ ] [ ]
a c
C2 [u1 ] = y C2 [u2 ] = (1.5)
b d
es decir,
v = k1 u1 + k2 u2 (1.8)
En esta ecuacion se afirma que es posible obtener la nueva matriz de cambio de coordena-
das C2 [v], multiplicandose
la matriz de coordenadas inicial, C1 [v] del primer miembro,
por la matriz [ ]
a c
P=
b d
cuyas columnas son las coordenadas de los vectores de la base inicial, con relacion a la
nueva base (1.5). As entonces, se tiene la solucion siguiente del problema del cambio de
base.
Solucion del problema del cambio de base. Si se cambia la base para un espacio
vectorial V, de cierta base 1 = {u1 , u2 , . . . , un } hacia otra nueva base 2 = {v1 , v2 , . . . , vn }
entonces la matriz de coordenadas inicial, C1 [v], de un vector v esta relacionada con la
nueva matriz de coordenadas C2 [v] por medio de la ecuacion
en donde las columnas de P son las matrices de coordenadas de los vectores de la base
inicial con respecto a la nueva base, es decir los vectores columnas de P son
Nota.
Sea = {u1 , u2 , . . . , un } una base de un espacio vectorial V. Dado un vector
x1
x2
x = . IRn ,
..
xn
se puede encontrar un vector u V de manera que
x = C [u]
Basta considerar el vector de V
u = x1 u1 + x2 u2 + + xn un .
con lo que,
a1j
a2j
C2 (uj ) = ..
.
anj
Sea x un vector de V, tal que:
C1 (x) = x1 u1 + x2 u2 + + xn un
teniendo en cuenta (1.10), resulta
n
n
n
x = x1 ai1 vi + x2 ai2 vi + + xn ain vi
i=1
( n )
i=1 i=1
n
= xj aij vi
j=1 i=1
( n )
n
= aij xj vi ,
i=1 j=1
luego n
j=1 a1j xj a11 a12 a1n x1
n a2j xj a21 a22 a2n x2
j=1
C2 (x) = .. = .. .. ... .. ..
. . . . .
n
j=1 anj xj an1 an2 ann xn
o equivalentemente
donde la matriz
P1 2 = [C2 (u1 ) C2 (u2 ) C2 (un )]
se llama matriz de cambio de la base 1 a la base 2 .
Observese que la primera columna de P1 2 esta formado por las componentes del vector
u1 respecto de la base 2 ; la segunda columna de P1 2 esta formado por las componentes
del vector u2 respecto de la base 2 y as sucesivamente.
Ejemplo 1.95. Sea S = {u1 = (1, 2, 1), u2 = (2, 9, 0), u3 = (3, 3, 4)} una base para el
espacio vectorial V = IR3
Solucion.
v = c1 u1 + c2 u2 + c3 u3
c1 + 2c2 + 3c3 = 5
2c1 + 9c2 + 3c3 = 1
c1 + 4c3 = 9
Teorema 1.34. Si P es la matriz de cambio desde una base 1 hacia una base 2 entonces
1. P es inversible
Teorema 1.35. Si P es la matriz de cambio desde una base ortonormal hacia otra base
ortogonal, para un espacio vectorial con producto interior, entonces
P1 = Pt
A = At
a) A es ortogonal
b) Los vectores filas de A forman un conjunto ortonormal en IRn , con el producto interior
euclidiano interior.
y
f1 .f2 = f1 .f3 = f2 .f3 = 0
de modo que los vectores filas de A forman un conjunto ortonormal en IR3 . Por lo tanto, A
es una matriz ortogonal y
1
0 1
2 2
A1 = At = 12 0 12
0 1 0
(x, y, z) + (x , y , z ) = (x + x , y + y , z + z )
(x, y, z) = (0, 0, 0)
5. Justifique que una recta que pasa por el origen de IR3 es un espacio vectorial bajo las
operaciones estandar
sobre IR3
6. Dado el vector no nulo v = (a, b) y el vector v0 = (x0 , y0 ), demuestre que la recta que
pasa por v0 y es paralela a la recta en la que se encuentra v puede ser descrita de la
siguiente manera
c(y1 y0 ) d(x1 x0 )
x = x0 + a
cb ad
c(y1 y0 ) d(x1 x0 )
y = y0 + b
cb ad
8. Determinar cuales
de los siguientes conjuntos son subespacios de V = IR3
9. Diga si cada uno de los siguientes subconjuntos del espacio vectorial IRn son subespa-
cios o no lo son:
a) A = {(x1 , x2 , . . . , xn ) IRn / x1 + x2 + + xn = 0}
b) B = {(x1 , x2 , . . . , xn ) IRn / x1 = x2 = = xn }
c) C = {(x1 , x2 , . . . , xn ) IRn / c1 x1 + c2 x2 + + cn xn = 0}
d) D = {(x1 , x2 , . . . , xn ) IRn / x1 = x2 = 0}
e) E = {(x1 , x2 , . . . , xn ) IRn / x1 = 1}
f) F = {(x1 , x2 , . . . , xn ) IRn / x21 + x22 + + x2n = 0}
12. Exprese los siguientes vectores como combinacion lineal de los vectores de M, donde:
Si p1 (x) = 2+x+4x2 , p2 (x) = 1x+3x2 , p3 (x) = 3+2x+5x2 M = {p1 (x), p2 (x), p3 (x)}
15. Halle una ecuacion para el plano generado por los vectores u = (1, 1, 1) y v = (2, 3, 5)
a) L = (1, 2, 1)
P = {(x, y, z) / 2x 3y + 5z = 0}
19. Cuales
de los siguientes conjuntos en el espacio vectorial P2 [x] son L. I. o L. D.?
25. Cuales
de los siguientes conjuntos de vectores son bases para el espacio vectorial IR2
(a) A = {(2, 1), (3, 0)} (b) B = {(0, 0), (1, 3)} (c) C = {(3, 9), (4, 12)}
26. Cuales
de los siguientes conjuntos de vectores son bases para el espacio vectorial IR3
(a) A = {(1, 0, 0), (2, 2, 0), (3, 3, 3)} (b) B = {(3, 1, 4), (2, 5, 6), (1, 4, 8)}
(c) C = {(1, 6, 4), (2, 4, 1), (1, 2, 5)}
27. Cuales
de los siguientes conjuntos de vectores son bases para el espacio vectorial P2
28. Determine la dimension del espacio de soluciones del sistema que se da y encuentre
una base para e l
x 1 + x 2 x 3 = 0
x1 3x2 + x3 = 0
a) 2x1 x2 + 2x3 = 0 a) 2x1 6x2 + 2x3 = 0
x1 + x3 = 0 3x1 9x2 + 3x3 = 0
(a) El Plano: 3x 2y + 5z = 0
(b) El Plano: xy=0
x = 2t,
(c) La recta: y = t, t IR
z = 4t
a) W1 = (1, 2, 1)
b) W2 = (2, 1, 4), (3, 1, 0)
c) W3 = (1, 1, 0), (3, 3, 0)
d) W4 = (2, 1, 2), (1, 0, 4), (3, 1, 4)
e) W5 = (1, 1, 2), (4, 2, 1), (3, 1, 1), (1, 1, 5)
33. Sea = {v1 , v2 } una base del espacio vectorial IR2 , suponga que:
34. Sea = {v1 , v2 , v3 } una base del espacio vectorial P2 [x], suponga que:
p, q = a0 b0 + a1 b1 + a2 b2
Calcule p, q:
37. Si u = (u1 , u2 ) y v = (v1 , v2 ) son vectores del espacio vectorial IR2 . Demuestre que las
siguientes expresiones son productos interiores sobre IR2
38. Sean u = (u1 , u2 , u3 ) y v = (v1 , v2 , v3 ) son vectores del espacio vectorial IR3 . Determine
cuales
de las expresiones siguientes son productos interiores sobre IR3 . Para los que no
lo sean, liste los axiomas que no se cumplen:
39. Suponga que IR2 tiene el producto interior euclidiano. Aplique la desigualdad de
Cauchy - Schwartz a los vectores u = (a, b) y v = (Cos, Sen) para demostrar
que se cumple: |aCos + bSen| a2 + b2
u, v = c1 u1 v1 + c2 u2 v2 + c3 u3 v3
(a) p(x) = 1 x + x2 + 5x3 q(x) = x 3x3 (b) p(x) = x 5x3 q(x) = 2 + 8x2
43. Si u = (u1 , u2 ) y v = (v1 , v2 ) son vectores del espacio vectorial IR2 con producto interior
dado:
u, v = 3u1 v1 + 2u2 v2
Halle ||w||
44. Suponga que IR4 tiene el producto interior euclidiano. Halle dos vectores de norma 1
ortogonales a todos los vectores u = (2, 1, 4, 0), v = (1, 1, 2, 2), w = (3, 2, 5, 4)
45. Sea V es un espacio vectorial con producto interior. Demuestre que si w es ortogonal
a u1 como u2 , entonces es ortogonal a k1 u1 + k2 u2 , para todos los escalares k1 , k2 IR
46. Sea V es un espacio vectorial con producto interior. Demuestre que si w es ortogonal
a cada uno de los vectores M = {u1 , u2 , . . . , ur }, entonces w es ortogonal a la combina-
cion lineal de los vectores de M.
47. Sea V = IR4 es un espacio vectorial con producto euclidiano interior. Aplique el pro-
ceso de Gram Schmidt para transformar la base 1 = {u1 , u2 , u3 , u4 } en una base
ortonormal.
48. Sea {v1 , v2 , v3 } una base ortonormal para un espacio vectorial V con producto interior.
Sea w un vector arbitrario de V, entonces demostrar que:
||w||2 = w, v1 2 + w, v2 2 + w, v3 2