Ingeniería en Informática

Álgebra y Geometría Analítica

Unidad Temática IV – Espacios Vectoriales
1. Espacios Vectoriales
Sea V un conjunto en el cual dos operaciones, llamadas adición y multiplicación por escalares,
han sido definidas. Si u y v se encuentran en V y c es un escalar, la suma de u y v se denota
por u + v, el múltiplo escalar de u por c se denota cu. Si los siguientes axiomas son válidos para
todo u, v y w en V y para todos los escalares c y d, entonces (𝑉, +, ∙) se denomina espacio
vectorial y sus elementos son vectores.
a. u + v está en V. Cerradura bajo la adición
b. u + v = v + u. Conmutatividad
c. (u + v) + w = u + (v + w). Asociatividad
d. Existe un elemento 0V en V, denominado vector cero o vector nulo, tal que
u + 0V = 0V + u = u.
e. Para cada u en V, existe un elemento –u en V tal que u + (-u) = (-u) + u = 0V
f. cu está en V. Cerradura bajo la multiplicación por escalares
g. c (u + v) = cu + cv. Distributividad
h. (c + d) u = cu + du. Distributividad
i. 1u = u
j. (𝑐𝑑)𝐮 = 𝑐(𝑑𝐮)

1) Para cualquier 𝑛 ≥ 1, ℝ𝑛 es un espacio vectorial con las operaciones habituales de adición

y multiplicación.

2) El conjunto de todas las matrices de 2x3 (M2x3) es un espacio vectorial con las operaciones
habituales de adición de matrices y multiplicación de matrices por un escalar.

3) El conjunto de todos los polinomios de grado 2 o menor (𝑃2 ), con coeficientes reales,
definiendo la adición y la multiplicación por un escalar de la manera habitual es un
espacio vectorial.
4) El conjunto de todas las funciones reales definidas sobre la recta real (ℱ), con la
operaciones habituales de adición y la multiplicación por un escalar es un espacio
vectorial.
5) El conjunto ℤ de los números enteros con las operaciones habituales no es un espacio
1 2
vectorial ya que, por ejemplo, no cumple con el axioma f) 2 = 3 no es un entero.
3

Sea (𝑉, +, ∙) un espacio vectorial, u ∈ V y c un escalar.

a. 0u = 0V
1
b. c0V = 0V
c. (-1) u = -u
d. Si cu = 0V, entonces c = 0 o u = 0V
 Ingeniería en Informática

2. Subespacios vectoriales
Un subconjunto 𝑊 ⊆ 𝑉 donde (𝑉, +, ∙) es un espacio vectorial, se denomina subespacio de V
si W es un espacio vectorial con los mismos escalares, adición y multiplicación por escalares
que V.

Sea (𝑉, +, ∙) un espacio vectorial, y W un subconjunto no vacío de V. Entonces W es un

subespacio de V si y solo si se cumplen las siguientes condiciones:

a. Si u y v se encuentran en W, entonces u + v se encuentra en W.

b. Si u se encuentra en W y c es un escalar, entonces cu se encuentra en W.

Si (𝑉, +, ∙) es un espacio vectorial, entonces V es evidentemente un subespacio de él mismo.

El conjunto {𝟎𝑽 }, que se compone únicamente del vector cero, también es un subespacio de V,
denominado subespacio nulo.
Los subespacios que tienen como conjunto {𝟎𝑽 } o V se denominan subespacios triviales de V.

Si W es un subespacio de un espacio vectorial (𝑉, +, ∙) , entonces W contiene el vector nulo 0V

de V.
𝑎
𝑏
6) El conjunto W de todos los vectores de la forma [−𝑏] con las operaciones habituales
𝑎
definidas para los vectores de ℝ , es un subespacio de ℝ4 pues:
4

W es no vacío porque contiene al vector 0V (Tomando a = b = 0).

𝑎 𝑐
𝑏 𝑑
Sean 𝐮 = [−𝑏] y 𝐯 = [−𝑑 ] 𝜖 W y k un escalar. Entonces:
𝑎 𝑐
𝑎+𝑐
𝑏+𝑑
𝐮+𝐯= [ ] también es encuentra en W, y
−(𝑏 + 𝑑)
𝑎+𝑐
𝑘𝑎
𝑘𝐮 = [ 𝑘𝑏 ] también se encuentra en W.
−𝑘𝑏
𝑘𝑎
7) El conjunto W de todos los polinomios de la forma a + bx – bx2 + ax3 con las operaciones
habituales definidas entre polinomios es un subespacio de P3 pues:

2
 Ingeniería en Informática
W es no vacío porque contiene al vector 0V (Tomando a = b = 0).
Sean 𝑝(𝑥) = 𝑎 + 𝑏𝑥 − 𝑏𝑥 2 + 𝑎𝑥 3 y 𝑞(𝑥) = 𝑐 + 𝑑𝑥 − 𝑑𝑥 2 + 𝑐𝑥 3 en W y k un escalar.
Entonces:
𝑝(𝑥) + 𝑞(𝑥) = (𝑎 + 𝑐) + (𝑏 + 𝑑)𝑥 − (𝑏 + 𝑑)𝑥 2 + (𝑎 + 𝑐)𝑥 3 también es encuentra en W, y
𝑘𝑝(𝑥) = 𝑘𝑎 + 𝑘𝑏𝑥 − 𝑘𝑏𝑥 2 + 𝑘𝑎𝑥 3 también se encuentra en W.

𝑎 𝑏
8) El conjunto W de todas las matrices de la forma [ ] con las operaciones habituales
−𝑏 𝑎
definidas para las matrices, es un subespacio de M2x2 pues:
W es no vacío porque contiene al vector 0V (Tomando a = b = 0).
𝑎 𝑏 𝑐 𝑑
Sean 𝐴 = [ ]y 𝐵 = [ ] en W y k un escalar. Entonces:
−𝑏 𝑎 −𝑑 𝑐
𝑎+𝑐 𝑏+𝑑
A+B = [ ] también es encuentra en W, y
−(𝑏 + 𝑑) 𝑎 + 𝑐
𝑘𝑎 𝑘𝑏
𝑘𝐴 = [ ] también se encuentra en W.
−𝑘𝑏 𝑘𝑎

9) Las rectas y los planos son subespacios de ℝ3 si y sólo si contienen al origen.

10) El conjunto de todas las funciones continuas de valores reales definidas sobre ℝ.
𝑎 𝑎+1
11) El conjunto W de todas las matrices de la forma [ ] no es un subespacio de M2x2
0 𝑏
0 0
pues la matriz 𝐎 = [ ] no se encuentra en W.
0 0

 En general, al espacio vectorial (𝑽, +, ∙) lo notaremos simplemente V cuando las

operaciones + y ∙ estén claramente definidas.

3. Combinación lineal

Un vector v es una combinación lineal de vectores 𝐯𝟏 , 𝐯𝟐 , ⋯ , 𝐯𝐤 si existen escalares

𝑐1 , 𝑐2 , ⋯ , 𝑐𝑘 tales que 𝐯 = 𝑐1 𝐯𝟏 + 𝑐2 𝐯𝟐 + ⋯ + 𝑐𝑘 𝐯𝐤 . Los escalares 𝑐1 , 𝑐2 , ⋯ , 𝑐𝑘 se conocen
como coeficientes de la combinación lineal.

2 1 2 5
El vector [−2] es una combinación lineal de [ 0 ] , [−3] y [−4], puesto que
−1 −1 1 0
1 2 5 2
3 [ 0 ] + 2 [−3] − [−4] = [−2]
−1 1 0 −1

3
 Ingeniería en Informática
4. Conjuntos generadores
Si 𝑆 = {𝐯𝟏, 𝐯𝟐,⋯, 𝐯𝐤 } es un conjunto de vectores en un espacio vectorial V, entonces el conjunto
de todas las combinaciones lineales de 𝐯1 , 𝐯2, ⋯ , 𝐯𝑘 se conoce como espacio generado por
𝐯1 , 𝐯2, ⋯ , 𝐯𝑘 y se denota mediante la expresión 𝑔𝑒𝑛(𝐯1 , 𝐯2, ⋯ , 𝐯𝑘 ) o 𝑔𝑒𝑛 (𝑆). Si 𝑉 = 𝑔𝑒𝑛 (𝑆),
entonces S se denomina conjunto generador para V y se dice que V está generado por S.

2 1 𝑥
12) ℝ2 = 𝑔𝑒𝑛 ([ ] , [ ]) pues cualquier vector arbitrario [𝑦] ∈ ℝ2 se puede escribir como una
−1 3
2 1
combinación lineal de [ ] 𝑦 [ ].
−1 3
𝑥 2 1 3𝑥−𝑦 𝑥+2𝑦
Al resolver [𝑦] = 𝑎 [ ] + 𝑏 [ ] se tiene que 𝑎 = 7 y 𝑏 = 7
−1 3

13) Los polinomios 1, 𝑥, 𝑥 2 , … , 𝑥 𝑛 generan al espacio vectorial 𝑃𝑛 dado que cualquier

polinomio p 𝜖 𝑃𝑛 se puede escribir como
𝐩 = 𝑎0 1 + 𝑎1 𝑥 + ⋯ + 𝑎𝑛 𝑥 𝑛

5. Independencia lineal

Un conjunto de vectores {𝐯𝟏 , 𝐯𝟐 , ⋯ , 𝐯𝐤 } de un espacio vectorial V es linealmente

dependiente si existen escalares 𝑐1 , 𝑐2 , ⋯ , 𝑐𝑘 , al menos uno de los cuales no es 0, tales que

𝑐1 𝐯𝟏 + 𝑐2 𝐯𝟐 + ⋯ + 𝑐𝑘 𝐯𝐤 = 𝟎

Un conjunto de vectores que no es linealmente dependiente se dice que es

linealmente independiente.

 Un conjunto de vectores {𝐯𝟏 , 𝐯𝟐 , ⋯ , 𝐯𝐤 } es linealmente independiente en un espacio

vectorial si y sólo si
𝑐1 𝐯𝟏 + 𝑐2 𝐯𝟐 + ⋯ + 𝑐𝑘 𝐯𝐤 = 𝟎 implica que 𝑐1 = 𝑐2 = ⋯ = 𝑐𝑘 = 0

 Un conjunto de vectores {𝐯𝟏 , 𝐯𝟐 , ⋯ , 𝐯𝐤 } de un espacio vectorial es linealmente dependiente

si y sólo si al menos uno de los vectores puede ser expresado como una combinación
lineal de los otros.
14) En P2, el conjunto {1 + 𝑥 + 𝑥 2 , 1 − 𝑥 + 3𝑥 2 , 1 + 3𝑥 − 𝑥 2 } es linealmente dependiente, dado
que
2(1 + 𝑥 + 𝑥 2 ) + (−1)(1 − 𝑥 + 3𝑥 2 ) + (−1)(1 + 3𝑥 − 𝑥 2 ) = 0
1 1 1 −1 2 0
15) En M2x2 sean 𝐴 = [ ],𝐵 = [ ],𝐶 = [ ], el conjunto {𝐴, 𝐵, 𝐶} es linealmente
0 1 1 0 1 1
dependiente pues A + B +(-1) C = O.
4
 Ingeniería en Informática

16) En P2, el conjunto {1 + 𝑥, 𝑥 + 𝑥 2 , 1 + 𝑥 2 } es linealmente independiente, dado que al

resolver el sistema
𝑐1 (1 + 𝑥) + 𝑐2 (𝑥 + 𝑥 2 ) + 𝑐3 (1 + 𝑥 2 ) = 0
Resulta 𝑐1 = 𝑐2 = 𝑐3 = 0.
Si 𝐯𝟏 , 𝐯𝟐 , … , 𝐯𝐫 son vectores de un espacio vectorial V. Sea W el conjunto formado por
todas las combinaciones lineales entre los vectores 𝐯𝟏 , 𝐯𝟐 , … , 𝐯𝐫 , entonces:

a. W es un subespacio de V.
b. W es el subespacio más pequeño de V que contiene a 𝐯𝟏 , 𝐯𝟐 , … , 𝐯𝐫 , en el sentido de que
cualquier otro subespacio de V que contenga a 𝐯𝟏 , 𝐯𝟐 , … , 𝐯𝐫 debe contener a W.

17) Si 𝐯𝟏 y 𝐯𝟐 son vectores no colineales 𝜖 ℝ3 con puntos iniciales en el origen, el conjunto que
consta de todas las combinaciones lineales de 𝐯𝟏 y 𝐯𝟐 es un subespacio vectorial, o sea el
plano que 𝐯𝟏 y 𝐯𝟐 determinan.

Sea 𝑆 = {𝐯𝟏 , 𝐯𝟐 , … , 𝐯𝐫 } un conjunto de vectores de ℝ𝑛 . Si 𝑟 > 𝑛, entonces S es linealmente

dependiente.

6. Base y dimensión de un espacio vectorial.

Un subconjunto B de un espacio vectorial V es una base para V si:

1. B genera a V (es decir, cualquier elemento de V se escribe como combinación lineal de

elementos en B ) y
2. B es un conjunto linealmente independiente.

5
 Ingeniería en Informática

18) 𝐵 = {1 + 𝑥, 𝑥 + 𝑥 2 , 1 + 𝑥 2 } es una base para P2 pues:

a. B genera a P2 ya que al considerar un polinomio arbitrario 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 𝜖 𝑃2 , existen
escalares 𝑐1 , 𝑐2, 𝑐3 tales que
𝑐1 (1 + 𝑥) + 𝑐2 (𝑥 + 𝑥 2 ) + 𝑐2 (1 + 𝑥 2 ) = 𝑎 + 𝑏𝑥 + 𝑐𝑥 2
b. B es linealmente independiente

Si un espacio vectorial V tiene una base con n vectores, entonces toda base para V tiene
exactamente n vectores

Se dice que un espacio vectorial V es de dimensión finita si tiene una base determinada
por un número finito de vectores. La dimensión de V, denotada mediante la expresión
dim(𝑉), es el número de vectores de una base para V. La dimensión del espacio
vectorial {𝟎𝑽 } se define como cero. Un espacio vectorial que no tiene base finita se conoce
como de dimensión infinita.

Sea 𝐵 = {𝐯𝟏 , 𝐯𝟐 , … , 𝐯𝐧 } una base para un espacio vectorial V.

a. Cualquier conjunto de más de n vectores 𝜖 V debe ser linealmente dependiente.

b. Cualquier conjunto con menos de n vectores en V no puede generar a V.

 Si 𝑆 = {𝐯𝟏 , 𝐯𝟐 , … , 𝐯𝐧 } es un conjunto de n vectores linealmente independientes en un

espacio V de dimensión n, entonces S es una base para V.
 Si 𝑆 = {𝐯𝟏 , 𝐯𝟐 , … , 𝐯𝐧 } es un conjunto de n vectores que genera un espacio V de
dimensión n, entonces S es una base para V.
 Si 𝑆 = {𝐯𝟏 , 𝐯𝟐 , … , 𝐯𝐫 } es un conjunto de r vectores linealmente independientes en un
espacio V de dimensión n y 𝑟 < 𝑛, entonces se puede extender S hasta formar una
base para V; es decir, existen los vectores 𝐯𝐫+𝟏 , … 𝐯𝐧 tales que {𝐯𝟏 , 𝐯𝟐 , … , 𝐯𝐫 , 𝐯𝐫+𝟏 , … 𝐯𝐧 } es
una base para V.

Debido a que la base estándar para ℝ𝑛 tiene n vectores, dim(ℝ𝑛 ) = 𝑛. En el caso de ℝ3 , un

subespacio unidimensional es precisamente el espacio generado por un solo vector distinto
de cero, es decir una recta que pasa a través del origen. Un espacio bidimensional es generado
por una base compuesta por dos vectores linealmente independientes (es decir, no paralelos)
y por lo tanto es un plano que pasa a través del origen. Tres vectores cualesquiera linealmente

6
 Ingeniería en Informática
independientes generan a ℝ3 . Los subespacios de ℝ3 , se encuentran clasificados según su
dimensión, como se muestra en la siguiente tabla:

dim V V
3 R3
2 Plano a través del 0
1 Recta a través del 0
0 {𝟎}

 La base estándar para Pn contiene n + 1 vectores, de manera que 𝑑𝑖𝑚(𝑃𝑛 ) = 𝑛 + 1 .

 La base estándar para Mnxm contiene nm vectores, de manera que 𝑑𝑖𝑚(𝑀𝑛𝑥𝑚 ) = 𝑛𝑚 .

Sea W un subespacio de un espacio vectorial de dimensión finita V. Entonces

 W es de dimensión finita y dim(𝑊) ≤ dim(𝑉)
 𝑑𝑖𝑚(𝑊) = 𝑑𝑖𝑚(𝑉) si y sólo si W = V

7. Coordenadas de un vector con respecto a una base

En la geometría analítica plana, se asocia una pareja de coordenadas (𝑎, 𝑏) con un punto P en
el plano, aplicando dos ejes perpendiculares de coordenadas.

También se puede introducir coordenadas sin hacer referencia a los ejes, utilizando vectores.
Por ejemplo, considerando dos vectores perpendiculares 𝐯𝟏 y 𝐯𝟐 , cada uno de longitud 1 y con
el mismo punto inicial O (Estos vectores forman una base para 𝑅 2 ).

7
 Ingeniería en Informática

⃗⃗⃗⃗⃗ = 𝑎𝐯𝟏 + 𝑏𝐯𝟐

𝑂𝑃
Ahora bien, no es esencial que los vectores 𝐯𝟏 y 𝐯𝟐 sean perpendiculares o que tengan
longitud 1, basta cualquier base de ℝ2 .

Es posible considerar (a, b) como las coordenadas de P, relativas a la base {𝐯𝟏 , 𝐯𝟐 }. Esta noción
se puede extender a espacios vectoriales más generales.

Sea V un espacio vectorial y B una base para V. Para todo vector v en V, existe exactamente
una manera de expresar v como una combinación lineal de los vectores básicos en B.

Sea 𝐵 = {𝐯𝟏 , 𝐯𝟐 , … , 𝐯𝐧 } una base para un espacio vectorial V. Sea v un vector en V, que se
pueda expresar como 𝐯 = 𝑐1 𝐯𝟏 + 𝑐2 𝐯𝟐 + ⋯ + 𝑐𝑛 𝐯𝐧 . Entonces 𝑐1, 𝑐2,⋯, 𝑐𝑛 se conocen como
coordenadas de v con respecto a B, y el vector columna
𝑐1
𝑐
[𝐯]𝐵 = [ 2 ]
⋮
𝑐𝑛

se lo denomina vector de coordenadas de v con respecto a B.

Observar que si la base B tiene n vectores, entonces[𝐯]𝐵 es un vector (columna) de Rn.

8
 Ingeniería en Informática
19) El vector de coordenadas de 𝑝(𝑥) = 1 + 2𝑥 − 𝑥 2 con respecto a la base 𝐶 = {1 + 𝑥, 𝑥 +
2
𝑥 2 , 1 + 𝑥 2 } de P2 es [𝑝(𝑥)]𝐶 = [ 0 ] pues
−1
2(1 + 𝑥) + 0(𝑥 + 𝑥 2 ) − 1(1 + 𝑥 2 ) = 1 + 2𝑥 − 𝑥 2
2 −1
20) Se desea encontrar el vector de coordenadas de 𝐴 = [ ] en la base estándar de M2x2.
4 3
Para ello se plantea:
2 −1 1 0 0 1 0 0 0 0
𝐴=[ ] = 𝑐1 [ ] + 𝑐2 [ ] + 𝑐3 [ ] + 𝑐4 [ ]
4 3 0 0 0 0 1 0 0 1
Y, resolviendo el sistema de ecuaciones resulta que el vector de coordenadas es
2
[𝐴]𝐵 = [−1]
4
3
Observación: El orden en el que aparecen los vectores en la base B afecta el orden de las
entradas del vector de coordenadas.

Sea 𝐵 = {𝐯1 , 𝐯2 , … , 𝐯n } una base para un espacio vectorial V. Sean u y v vectores en V y sea
c un escalar. Entonces:

1. [𝐮 + 𝐯]𝐵 = [𝐮]𝐵 + [𝐯]𝐵

2. [𝑐𝐮]𝐵 = 𝑐[𝐮]𝐵

 Los vectores de coordenadas preservan las combinaciones lineales:

[𝑐1 𝐮𝟏 + ⋯ + 𝑐𝑘 𝐮𝐤 ]𝐵 = 𝑐1 [𝐮𝟏 ]𝐵 + ⋯ + 𝑐𝑘 [𝐮𝐤 ]𝐵
8. Cambio de base
En muchas aplicaciones, un problema descrito usando un sistema coordenado puede
resolverse más fácilmente si se cambia a un nuevo sistema coordenado. Esta transformación
se consigue por medio de un cambio de variables.

Un ejemplo: Se tiene la base 𝐵 = {𝐮1, 𝐮2 } y la base 𝐶 = {𝐯1, 𝐯2 }, donde

−1 2 1 1
𝐮1 = [ ] , 𝐮2 = [ ] , 𝐯1 = [ ] , 𝐯2 = [ ]
2 −1 0 1

1
Sea el vector x cuyas coordenadas con respecto a la base B son [𝐱]𝐵 = [ ], es decir que a x se lo
3
expresa de la siguiente manera
−1 2 5
𝐱 = 1𝐮1 + 3𝐮2 = 1 [ ] + 3 [ ] = [ ]
2 −1 −1

9
 Ingeniería en Informática
Luego, al expresar 𝐮1 𝑦 𝐮2 en términos de 𝐯1 𝑦 𝐯2 se pueden obtener las coordenadas de x con
respecto a C. Así,
−1 1 1
𝐮𝟏 = [ ] = −3 [ ] + 2 [ ] = −3𝐯1 + 2𝐯2
2 0 1
2 1 1
𝐮𝟐 = [ ] = 3 [ ] − 1 [ ] = 3𝐯1 − 𝐯2
−1 0 1
de manera que
𝐱 = 1𝐮1 + 3𝐮2 = (−3𝐯1 + 2𝐯2 ) + 3(3𝐯1 − 𝐯𝟐 ) = 6𝐯1 − 𝐯2
6
Esto da [𝐱]𝐶 = [ ].
−1
Examinando los cálculos que se realizaron desde un punto de vista diferente. De 𝐱 = 1𝐮1 +
3𝐮2 , tenemos que
[𝐱]𝐶 = [𝐮1 + 3𝐮2 ]𝐶 = [𝐮1 ]𝐶 + 3[𝐮2 ]𝐶
De este modo,
[𝐱]𝐶 = [[𝐮1 ]𝐶 [𝐮2 ]𝐶 ] [1] = [−3 3 ] [1] = 𝑃𝐶←𝐵 [𝐱]𝐵
3 2 −1 3
donde 𝑃𝐶←𝐵 es la matriz cuyas columnas son [𝐮1 ]𝐶 y [𝐮2 ]𝐶 y se llama Matriz cambio de base de B
a C.

Sean 𝐵 = {𝐮1, … , 𝐮n } y 𝐶 = {𝐯1, … , 𝐯n } bases de un espacio vectorial V, y 𝑃𝐶←𝐵 la matriz de

cambio de base de B a C. Entonces,
1. 𝑃𝐶←𝐵 [𝐱]𝐵 = [𝐱]𝐶 para toda x en V.
2. 𝑃𝐶←𝐵 es la matriz única P con la propiedad de que 𝑃𝐶←𝐵 [𝐱]𝐵 = [𝐱]𝐶 para toda x en V.
3. 𝑃𝐶←𝐵 es invertible y (𝑃𝐶←𝐵 )−1 = 𝑃𝐵←𝐶 .

24) Se desea encontrar la matriz de cambio de base 𝑃𝐶←𝐵 y 𝑃𝐵←𝐶 para las bases 𝐵 = {1, 𝑥, 𝑥 2 } y
𝐶 = {1 + 𝑥, 𝑥 + 𝑥 2 , 1 + 𝑥 2 } de P2 y el vector de coordenadas de 𝑝(𝑥) = 1 + 2𝑥 − 𝑥 2 con
respecto a C.
Para ello se determina 𝑃𝐵←𝐶 encontrando el vector de coordenadas para cada elemento de C
en términos de B.
1 0 1
[1 + 𝑥]𝐵 = [1] , [𝑥 + 𝑥 2 ]𝐵 = [1] , [1 + 𝑥 2 ]𝐵 = [0]
0 1 1
1 0 1
Por lo tanto 𝑃𝐵←𝐶 = [1 1 0]
0 1 1
Para determinar 𝑃𝐶←𝐵 se puede utilizar el hecho de que 𝑃𝐶←𝐵 = (𝑃𝐵←𝐶 )−1 . Por lo tanto:

10
 Ingeniería en Informática
1 1 1
−
2 2 2
1 1 1
𝑃𝐶←𝐵 = −
2 2 2
1 1 1
[ 2 −
2 2]
De ahí se sigue ahora que
1 1 1
−
2 2 2
1 1 1 1 2
[𝑝(𝑥)]𝐶 = 𝑃𝐶←𝐵 [𝑝(𝑥)]𝐵 = − [ 2 ]=[ 0 ]
2 2 2 −1 −1
1 1 1
[ 2 −
2 2 ]

25) En M2x2, sea B la base {𝐸11, 𝐸21, 𝐸12, 𝐸22 } y sea C la base {𝐴, 𝐵, 𝐶, 𝐷}, donde
1 0 0 0 0 1 0 0 1 0 1 1 1 1
𝐸11 = [ ],𝐸 = [ ],𝐸 = [ ],𝐸 = [ ],𝐴 = [ ],𝐵 = [ ],𝐶 = [ ],
0 0 21 1 0 12 0 0 22 0 1 0 0 0 0 1 0
1 1
𝐷=[ ]
1 1
Se desea encontrar la matriz cambio de base 𝑃𝐶←𝐵 y verificar que 𝑃𝐶←𝐵 [𝐱]𝐵 = [𝐱]𝐶 para
1 2
𝐱=[ ].
3 4
Para ello se deben calcular los vectores coordenados de los elementos de la base B con
respecto a C.
1 0 −1 0
[𝐸11 ]𝐶 = [0] , [𝐸21 ]𝐶 = [−1] , [𝐸12 ]𝐶 = [ 1 ] , [𝐸22 ]𝐶 = [ 0 ]
0 1 0 −1
0 0 0 1
1 0 −1 0
0 −1 1 0
de manera que 𝑃𝐶←𝐵 = [[𝐸11 ]𝐶 [𝐸21 ]𝐶 [𝐸12 ]𝐶 [𝐸22 ]𝐶 ] = [ ]
0 1 0 −1
0 0 0 1
1 2
A continuación, si 𝐱 = [ ], entonces
3 4
1
[𝐱]𝐵 = [3]
2
4
1 0 −1 0 1 −1
0 −1 1 0 3
𝑃𝐶←𝐵 [𝐱]𝐵 = [ ] [ ] = [𝐱]𝐶 = [−1]
0 1 0 −1 2 −1
0 0 0 1 4 4

Éste es el vector de coordenadas de x con respecto a C, luego

11
 Ingeniería en Informática
1 0 1 1 1 1 1 1 1 2
𝐱 = −1A − 1B − 1C + 4D = −1 [ ] − 1[ ] − 1[ ] + 4[ ]=[ ]
0 0 0 0 1 0 1 1 3 4

9. Espacios con producto interno real

En capítulos anteriores se ha definido el producto escalar o producto punto 𝐮 . 𝐯 de vectores u
y v de ℝ𝑛 . En esta sección se utilizarán las propiedades del producto punto como un medio
para definir la noción general de un producto interno real

Un producto interno real sobre un espacio vectorial V es una operación que asigna a cada
par de vectores u y v de V un número real 〈𝐮, 𝐯〉 tal que las siguientes propiedades conservan
su validez para todos los vectores u, v y w de V y todo escalar c:
1. 〈𝐮, 𝐯〉 = 〈𝐯, 𝐮〉
2. 〈𝐮, 𝐯 + 𝐰〉 = 〈𝐮, 𝐯〉 + 〈𝐮, 𝐰〉
3. 〈𝑐𝐮, 𝐯〉 = 𝑐〈𝐮, 𝐯〉
4. 〈𝐮, 𝐮〉 ≥ 0 𝑦 〈𝐮, 𝐮〉 = 0 si y solo si 𝐮 = 0

21) ℝ𝑛 es un espacio con producto interno definiendo 〈𝐮, 𝐯〉 = 𝐮. 𝐯 ya que se cumplen las
propiedades (1) a (4).

𝑢1 𝑣1
22) Sean 𝐮 = [𝑢 ] y 𝐯 = [𝑣 ] dos vectores de ℝ2 , 〈𝐮, 𝐯〉 = 2𝑢1 𝑣1 + 3𝑢2 𝑣2 define un producto
2 2
interno ya que:
1. 〈𝐮, 𝐯〉 = 2𝑢1 𝑣1 + 3𝑢2 𝑣2 = 2𝑣1 𝑢1 + 3𝑣2 𝑢2 = 〈𝐯, 𝐮〉
𝑤1
2. Sea 𝐰 = [𝑤 ], se verifica que:
2
〈𝐮, 𝐯 + 𝐰〉 = 2𝑢1 (𝑣1 + 𝑤1 ) + 3𝑢2 (𝑣2 + 𝑤2 )
〈𝐮, 𝐯 + 𝐰〉 = 2𝑢1 𝑣1 + 2𝑢1 𝑤1 + 3𝑢2 𝑣2 + 3𝑢2 𝑤2
〈𝐮, 𝐯 + 𝐰〉 = (2𝑢1 𝑣1 + 3𝑢2 𝑣2 ) + (2𝑢1 𝑤1 + 3𝑢2 𝑤2 )
〈𝐮, 𝐯 + 𝐰〉 = 〈𝐮, 𝐯〉 + 〈𝐮, 𝐰〉
3. Si c es un escalar, entonces
〈𝑐𝐮, 𝐯〉 = 2(𝑐𝑢1 )𝑣1 + 3(𝑐𝑢2 )𝑣2
〈𝑐𝐮, 𝐯〉 = 𝑐(2𝑢1 𝑣1 + 3𝑢2 𝑣2 )
〈𝑐𝐮, 𝐯〉 = 𝑐〈𝐮, 𝐯〉
4. 〈𝐮, 𝐮〉 = 2𝑢1 𝑢1 + 3𝑢2 𝑢2 = 2𝑢12 + 3𝑢22 ≥ 0
Y 〈𝐮, 𝐮〉 = 2𝑢1 𝑢1 + 3𝑢2 𝑢2 = 0 si y solo si 𝑢1 = 𝑢2 = 0 (es decir, si y sólo si 𝐮 = 0)

23) Sean f y g en 𝐶[𝑎, 𝑏], el espacio vectorial de todas las funciones continuas sobre el
𝑏
intervalo cerrado [𝑎, 𝑏], 〈𝐟, 𝐠〉 = ∫𝑎 𝑓(𝑥)𝑔(𝑥)𝑑𝑥 define un producto interno ya que:
𝑏 𝑏
1. 〈𝐟, 𝐠〉 = ∫𝑎 𝑓(𝑥)𝑔(𝑥)𝑑𝑥 = ∫𝑎 𝑔(𝑥)𝑓(𝑥)𝑑𝑥 = 〈𝐠, 𝐟〉
12
 Ingeniería en Informática
2. Si h se encuentra en 𝐶[𝑎, 𝑏], entonces
𝑏
〈𝐟, 𝐠 + 𝐡〉 = ∫ 𝑓(𝑥)(𝑔(𝑥) + ℎ(𝑥))𝑑𝑥
𝑎
𝑏
〈𝐟, 𝐠 + 𝐡〉 = ∫ [𝑓(𝑥)𝑔(𝑥) + 𝑓(𝑥)ℎ(𝑥)] 𝑑𝑥
𝑎
𝑏 𝑏
〈𝐟, 𝐠 + 𝐡〉 = ∫ 𝑓(𝑥)𝑔(𝑥)𝑑𝑥 + ∫ 𝑓(𝑥)ℎ(𝑥)𝑑𝑥
𝑎 𝑎
〈𝑓, 𝑔 + ℎ〉 = 〈𝑓, 𝑔〉 + 〈𝑓, ℎ〉
3. Si c es un escalar, entonces
𝑏
〈𝑐𝐟, 𝐠〉 = ∫ 𝑐𝑓(𝑥)𝑔(𝑥)𝑑𝑥
𝑎
𝑏
〈𝑐𝐟, 𝐠〉 = 𝑐 ∫ 𝑓(𝑥)𝑔(𝑥)𝑑𝑥
𝑎
〈𝑐𝐟, 𝐠〉 = 𝑐〈𝐟, 𝐠〉
𝑏
4. Finalmente, 〈𝐟, 𝐟〉 = ∫𝑎 (𝑓(𝑥))2 𝑑𝑥 ≥ 0, puesto que 𝑓(𝑥) es continua
𝑏
〈𝐟, 𝐟〉 = ∫𝑎 (𝑓(𝑥))2 𝑑𝑥 = 0 si y sólo si f es la función cero.

10. Bases ortonormales

En muchos problemas referentes a espacios vectoriales, la selección de una base se realiza
según convenga al que lo resuelve considerando que la mejor estrategia es elegirla a fin de
simplificar la resolución del problema.
En los espacios de productos internos, el mejor procedimiento a menudo es elegir una base en
la que todos los vectores sean ortogonales entre sí.
Un conjunto de vectores {𝐯𝟏 , 𝐯𝟐 , … , 𝐯𝐤 } en ℝ𝑛 se denomina conjunto ortogonal si todos los
pares distintos del conjunto son ortogonales, es decir, si

⟨𝐯𝐢 ,𝐯𝐣 ⟩ = 0 siempre que 𝑖 ≠ 𝑗 para 𝑖, 𝑗 = 1, 2, … , 𝑘

24) La base estándar {𝐞𝟏 , 𝐞𝟐 , … , 𝐞𝐧 } de ℝ𝑛 , con el producto escalar o producto punto es un

conjunto ortogonal, como cualquier subconjunto del mismo.
2 0 1
25) El conjunto {𝐯𝟏 , 𝐯𝟐 , 𝐯𝟑 } donde 𝐯𝟏 = [ 1 ] , 𝐯𝟐 = [1] , 𝐯𝟑 = [−1] con el producto escalar o
−1 1 1
producto punto es un conjunto ortogonal en ℝ3 , pues
⟨𝐯𝟏 ,𝐯𝟐 ⟩ = 𝐯𝟏 . 𝐯𝟐 = 2. (0) + 1. (1) + (−1). 1 = 0
⟨𝐯𝟐 ,𝐯𝟑 ⟩ = 𝐯𝟐 . 𝐯𝟑 = 0. (1) + 1. (−1) + (1). 1 = 0
⟨𝐯𝟏 ,𝐯𝟑 ⟩ = 𝐯𝟏 . 𝐯𝟑 = 2. (1) + 1. (−1) + (−1). 1 = 0

13
 Ingeniería en Informática
Obs: Geométricamente estos vectores son perpendiculares.

Si {𝐯𝟏 , 𝐯𝟐 , … , 𝐯𝐤 } es un conjunto ortogonal de vectores distintos de cero en ℝ𝑛 , entonces

estos vectores son linealmente independientes

Una base ortogonal de un subespacio W de ℝ𝑛 es una base de W que es un conjunto

ortogonal.

26) Encontraremos una base ortogonal del subespacio 𝑊 de ℝ3 dado por

𝑥
𝑊 = {[𝑦] : 𝑥 − 𝑦 + 2𝑧 = 0}
𝑧
El subespacio W es un plano que pasa por el origen de ℝ3 . De la ecuación del plano se
tiene que 𝑥 = 𝑦 − 2𝑧, de manera que W se compone de los vectores de la forma
𝑦 − 2𝑧 1 −2
[ 𝑦 ] = 𝑦 [1 ] + 𝑧 [ 0 ]
𝑧 0 1
1 −2
Se puede probar que 𝐮 = [1] y 𝐯 = [ 0 ] forman una base en el espacio de producto
0 1
interno W, pero no son ortogonales. Para lograr tener una base ortonormal bastaría con
encontrar un vector que pertenezca al plano y que sea perpendicular a u o a v.
𝑥
Sea 𝐰 = [𝑦], un vector que pertenezca al plano y que sea ortogonal a u.
𝑧
Por pertenecer al plano se tiene que 𝑥 − 𝑦 + 2𝑧 = 0
Por ser ortogonal a u se tiene que 𝐮. 𝐰 = 1𝑥 + 1𝑦 + 0𝑧 = 0.
𝑥 − 𝑦 + 2𝑧 = 0
Resolviendo el sistema { se tiene que 𝑥 = −𝑧 e 𝑦 = 𝑧
𝑥+𝑦 =0
−𝑧
Por lo tanto cualquier vector w distinto de cero de la forma 𝐰 = [ 𝑧 ] servirá.
𝑧
−1
Tomemos 𝐰 = [ 1 ]. Se puede verificar que {𝐮, 𝐰} es una base ortogonal de W.
1

Una base ortonormal de un subespacio W de ℝ𝑛 es una base de W que es un conjunto

ortogonal de vectores unitarios

14
 Ingeniería en Informática
12. Longitud, distancia y ortogonalidad

En un espacio con producto interno se puede definir la longitud de un vector, distancia entre
vectores y vectores ortogonales, del mismo modo que se hizo en secciones anteriores.
Simplemente se tiene que reemplazar cada ocurrencia del producto punto 𝐮. 𝐯 por el producto
más general 〈𝐮, 𝐯〉.

Sean u y v vectores de un espacio vectorial V con producto interno real.

1. La longitud (o norma) de v es ‖𝐯‖ = √〈𝐯, 𝐯〉.

2. La distancia entre u y v es 𝑑(𝐮, 𝐯) = ‖𝐮 − 𝐯‖.
3. u y v son ortogonales si 〈𝐮, 𝐯〉 = 0

15