Rudimentos12 Espacios Vectoriales

Rudimentos 12: Espacios Vectoriales
Profesor Ricardo Santander

Este capitulo esta destinado a buscar una representacion natural y eciente de la informacion, a
traves de relaciones teoricas, lease combinaciones lineales e implementaciones practicas, lease
representacion matricial y resolucion de ecuaciones. Para ello sera necesario: Construir un ambiente
sucientemente amplio, donde se puedan modelar situaciones practicas, desarrollar tecnicas que per-
mitan controlar rapida y ecientemente una gran cantidad de informacion y mostrar la equivalencia
entre el ambiente teorico y practico.
1. Denicion de Espacios Vectorial
Demos una mirada a nuestra evolucion al momento de manipular la informacion.
(1) Ya observamos que para cada (n N), existen unicos n umeros naturales a
0
, a
1
, a
2
, . . . , a
s
tales
que
n = a
s
10
s
+ a
s1
10
s1
+ + a
1
10
1
+ a
0
10
0
; (0 j s); (0 a
j
9)
Y estos n umeros son los que identican unvocamente al n umero n.
(2) Bas andonos en esta idea denimos informalmente a los polinomios, es decir
p(x) R[x] p(x) = a
0
+ a
1
x + a
2
x
2
+ + a
s
x
s
Y en este caso son los coecientes los que diferencian a un polinomio de otro.
(3) Si consideramos u = (x, y) R
2
entonces sabemos que (R
2
, +) es un grupo abeliano y que
(a) (x, y) = (x, 0) + (0, y)
(b) Y si ademas permitimos una ponderacion externa que generalice el hecho
(x, y) + (x, y) = 2(x, y)
(x, y) + (x, y) = (2x, 2y)

_
_
_
= 2(x, y) = (2x, 2y)
entonces obtenemos que
(x, y) = x(1, 0) + y(0, 1)
1
2
(x, y) = x(1, 0) + y(0, 1)
Eje y
Eje x (0, 0)
Plano R
2
Figura 1 : Plano Cartesiano
(4) Otro caso que podemos representar con las licencias que da la heurstica es el siguiente:
_
a
11
a
12
a
21
a
22
_
= a
11
_
1 0
0 0
_
+ a
12
_
0 1
0 0
_
+ a
21
_
0 0
1 0
_
+ a
22
_
0 0
0 1
_
(5) Intentando generalizar a un mas el formato de nuestros n umeros. Supongamos que necesitamos
conectar dos lugares inaccesibles, como lo muestra la funcion.
f(x) =
_
_
1 : si < x < 0
1 : si 0 < x <
Cuyo gr aco es de la forma:
-1
Figura 2 y = f(x)
La idea es usar como soporte, ideas trigonometricas. para conectar esos lugares inaccesibles:
(a) Partamos gracando la funcion y =
4
sen x para ( < x < )

-3 -2 -1 1 2 3
-1
-0.5
0.5
1
1. DEFINICI
ON DE ESPACIOS VECTORIAL 3
(b) Gracamos la funcion y =
4
_
sen x +
sen 3x
3
_
para ( < x < )
-3 -2 -1 1 2 3
-1
-0.5
0.5
1
(c) Gracamos la funcion y =
4
_
sen x +
sen 3x
3
+
sen 5x
5
_
para ( < x < )
-3 -2 -1 1 2 3
-1
-0.5
0.5
1
(d) Gracamos la funcion y =
4
_
sen x +
sen 3x
3
+
sen 5x
5
+
sen 7x
7
_
para ( < x < )
-3 -2 -1 1 2 3
-1
-0.5
0.5
1
(e) En n, gracamos, la funcion y =
4
_
sen x +
sen 3x
3
+
sen 5x
5
+
sen 7x
7
+ +
sen 99x
99
_
para ( < x < )
-3 -2 -1 1 2 3
-1
-0.5
0.5
1
(f) Si llamamos g
s
=
4
i=1
sen (2i 1)x
2i 1
, para (s N) entonces podemos observar lo siguiente:
(i) A medida que s crece en N, el graco de g
s
, mas se parece (copia), a la funcion f
4
(ii) Sin embargo, debemos tener cuidado con la comparacion de las expresiones analticas
de las funciones involucradas; porque por ejemplo,
f(0) , R y g
s
(0) = 0
f
_
2
_
= 1 y g
1
_
2
_
=
4
Sin embrago, observen lo siguiente:

g
s
_
2
_
=
4
i=1
sen(2i 1)
2
2i 1
=
4
i=1
(1)
i+1
2i 1
=
4
_
1
1
3
+
1
5

1
7
+
1
9

1
11
+ +
1
2s 1
_
As por ejemplo,
g
1
_
2
_
=
4
= 1.273
g
2
_
2
_
=
4
_
1
1
3
_
= 0.848
g
3
_
2
_
=
4
_
1
1
3
+
1
5
_
= 1.013
g
4
_
2
_
=
4
_
1
1
3
+
1
5

1
7
_
= 0.921
g
5
_
2
_
=
4
_
1
1
3
+
1
5

1
7
+
1
9
_
= 1.063
g
6
_
2
_
=
4
_
1
1
3
+
1
5

1
7
+
1
9

1
11
_
= 0.947
Luego,
lim
s
g
s
_
2
_
= lim
s
4
i=1
(1)
i+1
2i 1
= 1
(iii) Sera necesario entonces ser cuidadoso al referirnos al termino aproximacion de dos
funciones, ya sea en su graco o en sus valores, con estos cuidados podemos escribir,
f(x) lim
s
s
i=1
1
2i 1
sen(2i 1)x =
i=1
1
2i 1
sen(2i 1)x ( < x < )
Bien, las ideas expuestas encima nos inducen a denir un objeto abstracto que le de sentido a
casi todos los ejemplos revisados y otros que analizaremos mas adelante.
1. DEFINICI
ON DE ESPACIOS VECTORIAL 5
Denicion 1.1. Un conjunto V sera llamado un K - Espacio Vectorial si
(1) V ,=
(2) V admite una operacion interna, + ; denida por
+ : V V V
(u, v) u + v
tal que (V, +) es un grupo abeliano, es decir satisface las propiedades:
u + (v + w) = (u + v) + w (u; u V); (v; v V); (w; w V)
Existe 0
V
V tal que u + 0
V
= 0
V
+ u = u (u; u V)
Para cada u, u + (u) = u + u = 0
V
u + v = v + u (u; u V); (v; v V
(3) V admite una operacion externa, ; denida por
: KV V
(, v) v
con K = R o K = C y satisface las propiedades:
(u + v) = u + v (; K); (u; u V); (v; v V)
( + ) u = u + u (; K); (; K); (u; u V)
( ) u = ( u) (; K); (; K); (u; u V)
u = 0
V
= = 0
K
u = 0
V
(; K); (u; u V)
Los elementos de V se denominaran vectores, los elementos de K se llamaran escalares, y para
designar a un espacio vectorial lo notaremos como, (V, +, , K), donde K = R o K = C
Ejemplo 1.1.1. El espacio vectorial de las n - uplas (K
n
, +, , K) para cada n N, donde,
K
n
= (x
1
, x
2
, . . . , x
n
) [ x
i
R; 1 i n
Y las operaciones interna y externa son denidas respectivamente por,
(1) (x
1
, x
2
, x
3
, . . . , x
n
) + (y
1
, y
2
, y
3
, . . . , y
n
) = (x
1
+ y
1
, x
2
+ y
2
, x
3
+ y
3
, . . . , x
n
+ y
n
)
(2) (x
1
, x
2
, . . . , x
n
) = (x
1
, x
2
, . . . , x
n
) ( K)
6
Ejemplo 1.1.2. El espacio vectorial de las Matrices (M
K
(n m), +, , K); n N; m N donde,
M
K
(n m) = A = (a
ij
) [ a
ij
K (1 i n)(1 j m)
(1) ((a
ij
) + (b
ij
)) = (a
ij
+ b
ij
)
(2) (a
ij
) = (a
ij
)
Ejemplo 1.1.3. El espacio vectorial de los polinomios (K[x], +, , K) con coecientes en el cuerpo K
donde,
K[x] =
_
p(x) =
s
i=0
a
i
x
i
[ a
i
K, s N, (0 i n)
_
(1)
s
i=0
a
i
x
i
+
n
i=0
b
i
x
i
=
s
i=0
(a
i
+ b
i
)x
i
(2)
n
i=0
a
i
x
i
=
n
i=0
a
i
x
i
Ejemplo 1.1.4. El espacio vectorial de los Polinomios de grado menor o igual que n con coecientes
en K, (K
n
[x], +, , K) es decir;
K
n
[x] = p(x) K[x] [ (p(x)) n
(1)
n
i=0
a
i
x
i
+
n
i=0
b
i
x
i
=
n
i=0
(a
i
+ b
i
)x
i
(2)
n
i=0
a
i
x
i
=
n
i=0
a
i
x
i
Ejemplo 1.1.5. El espacio vectorial de las funciones Reales denidas en U R, para U ,= ;
(F
R
(U, R), +, , R), donde
F
R
(U, R) = f : U R [ f es una funcion
(1) (f + g)(x) = f(x) + g(x)
(2) (f)(x) = f(x)
2. SUBESPACIOS 7
Ejemplo 1.1.6. El espacio vectorial de las funciones Reales continuas denidas en U R, para
U ,= ; (C
R
(U, R), +, , K), donde
C
R
(U, R) = f F
R
(U, R) [ f es una funcion continua
(1) (f + g)(x) = f(x) + g(x)
(2) (f)(x) = f(x)
Ejemplo 1.1.7. El espacio vectorial de las funciones reales derivables denidas en U R, para
U ,= ; (D
R
(U, R, +, , R)), donde
D
R
(U, R) = f F
R
(U, R); [ f es una funcion derivable en U
(1) (f + g)(x) = f(x) + g(x)
(2) (f)(x) = f(x)
2. Subespacios
Si consideramos un K espacio vectorial V entonces por denicion V ,= . As que
u V = u V, para cada K =V = 0
V
V tiene innitos elementos
Esta observacion hace difcil pensar en una forma de caracterizar a un espacio vectorial no nulo.
No obstante remirando nuestros ejemplos podemos encontrar espacios vectoriales incluidos en otros
espacios vectoriales.
En efecto
(1) K
n
[x] K[x] (n; n N). Pues
(p(x) + q(x)) max(p(x)), (q(x)) y
(p(x)) = (p(x)) para cada R
(2) D
R
(U, R) C
R
(U, R) F
R
(U, R). Pues;
La adicion de funciones continuas es una funcion continua,y el producto de un escalar por
una funcion continua es funcion continua
An alogamente, acontece con las funciones derivables.
8
Dado que necesitamos representar datos, parece razonable considerar la observacion anterior para
hacer la siguiente denicion.
Denicion 2.1. Sea W V. W sera llamado un Subespacio vectorial de V si
W ,=
W es un K-espacio vectorial con las mismas operaciones que V
Usaremos la notacion: U V
Ejemplo 2.1.1. 0
V
V y V V son conocidos como subespacios triviales.
Ejemplo 2.1.2. K
n
[x] K[x] (n; n N)
Ejemplo 2.1.3. C
R
(U, R) F
R
(U, R)
Ejemplo 2.1.4. D
R
(U, R) C
R
(U, R) D
R
(U, R) F
R
(U, R)
Sin embargo, el avance en terminos de la representacion de datos eciente es nula, no obstante,
podemos observar lo siguiente:
Observacion 2.1.5. Si W V entonces por denicion (W, +, , K) es un K-espacio vectorial. As
que verica naturalmente las propiedades:
(1) u W v W= (u + v) W
(2) u W K = u W
Luego, podemos resumir lo anterior en la siguiente
W V =
_
_
u W v W = (u + v) W
u W K = u W
(1)
Recprocamente, supongamos que W satisface las condiciones:
(1) u W v W= (u + v) W
(2) u W K = u W entonces
(a) W ,= es supuesto inicial
(b) De las propiedades asumidas, sigue que existen operaciones + y en W, y ademas como
V es un espacio vectorial entonces a fortiori (W, +, , K) es un K-espacio vectorial, y por
ende un subespacio del espacio V.
2. SUBESPACIOS 9
De la observacion concluimos una caracterizacion que nos permite vericar en forma mas eciente,
si un subconjunto de un espacio vectorial es o no es un subespacio vectorial, por su importancia le
daremos el rango de teorema.
Teorema 2.2. Caracterizacion estructural de subespacio vectorial
Consideremos un espacio vectorial (V, +, , K) y W V
W V
_
_
(i) W,=
(ii) u W v W= (u + v) W
(iii) u W K = u W
Ejemplo 2.2.1. Usemos el Teorema 2.2 para mostrar que W= (x, y, z) R
3
[ x+yz = 0 R
3
En efecto, siguiendo la gua de nuestro teorema podemos generar la siguiente estrategia:
Etapa 1. Debemos vericar que W,=
(0, 0, 0) R
3
y 0 + 0 0 = 0. As que (0, 0, 0) W
Etapa 2. Mostremos que si u W y v W entonces (u + v) W:
u W u = (u
1
, u
2
, u
3
) R
3
u
1
+ u
2
u
3
= 0 ()
v W v = (v
1
, v
2
, v
3
) R
3
v
1
+ v
2
v
3
= 0 ()
Entonces
u + v = (u
1
, u
2
, u
3
) + (v
1
, v
2
, v
3
) [ ver () y ()]
= (u
1
+ v
1
, u
2
+ v
2
, u
3
+ v
3
) ( Suma en R
3
)
Luego,
u + v R
3
(2)
De (2),concluimos que (u + v) es un buen candidato para pertenecer a W, pero falta vericar si
satisface la condicion que caracteriza W.
Para ver esto, debemos operar como sigue:
(u
1
+ v
1
) + (u
2
+ v
2
) (u
3
+ v
3
) = u
1
+ v
1
+ u
2
+ v
2
u
3
v
3
= (u
1
+ u
2
u
3
) + (v
1
+ v
2
v
3
)
= 0 + 0 ( ver () y ())
= 0
Conclusion, (u + v) W
10
Etapa 3. Debemos vericar que si R y u W entonces u W:
u = (u
1
, u
2
, u
3
) = (u
1
, u
2
, u
3
) R
3
Por otra parte,
u
1
+ u
2
u
3
= (u
1
+ u
2
u
3
) = 0 = 0
Conclusion, u W, y W R
3
Ejemplo 2.2.2. Usemos el Teorema 2.2 para mostrar que
W= A M
R
(2) [ A+ A
t
= (0) M
R
(2)
En efecto, siguiendo la gua de nuestro teorema podemos generar la siguiente estrategia:
Etapa 1. Debemos vericar que W,=
_
0 0
0 0
_
M
R
(2)
_
0 0
0 0
_
+
_
0 0
0 0
_
t
=
_
0 0
0 0
_
+
_
0 0
0 0
_
=
_
0 0
0 0
_
W
Etapa 2. Debemos mostrar que:
u W v W= (u + v) W
Si u W y v W entonces
u W u M
R
(2) u + u
t
= (0)
u =
_
u
11
u
12
u
21
u
22
_
M
R
(2)
_
u
11
u
12
u
21
u
22
_
+
_
u
11
u
12
u
21
u
22
_
t
=
_
0 0
0 0
_
u =
_
u
11
u
12
u
21
u
22
_
M
R
(2)
_
u
11
u
12
u
21
u
22
_
+
_
u
11
u
21
u
12
u
22
_
=
_
0 0
0 0
_
u =
_
u
11
u
12
u
21
u
22
_
M
R
(2)
_
2u
11
u
12
+ u
21
u
21
+ u
12
2u
22
_
=
_
0 0
0 0
_
()
Analogamente,
v W v M
R
(2) v + v
t
= (0)
v =
_
v
11
v
12
v
21
v
22
_
M
R
(2)
_
v
11
v
12
v
21
v
22
_
+
_
v
11
v
12
v
21
v
22
_
t
=
_
0 0
0 0
_
v =
_
v
11
v
12
v
21
v
22
_
M
R
(2)
_
v
11
v
12
v
21
v
22
_
+
_
v
11
v
21
v
12
v
22
_
=
_
0 0
0 0
_
v =
_
v
11
v
12
v
21
v
22
_
M
R
(2)
_
2v
11
v
12
+ v
21
v
21
+ v
12
2v
22
_
=
_
0 0
0 0
_
()
entonces por una parte,
u + v =
_
u
11
u
12
u
21
u
22
_
+
_
v
11
v
12
v
21
v
22
_
=
_
u
11
+ v
11
u
12
+ v
12
u
21
+ v
21
u
22
+ v
22
_
M
R
(2)
2. SUBESPACIOS 11
Y por otra,
u + v + (u + v)
t
=
_
u
11
+ v
11
u
12
+ v
12
u
21
+ v
21
u
22
+ v
22
_
+
_
u
11
+ v
11
u
12
+ v
12
u
21
+ v
21
u
22
+ v
22
_
t
=
_
u
11
+ v
11
u
12
+ v
12
u
21
+ v
21
u
22
+ v
22
_
+
_
u
11
+ v
11
u
21
+ v
21
u
12
+ v
12
u
22
+ v
22
_
=
_
2(u
11
+ v
11
) (u
12
+ v
12
) + (u
21
+ v
21
)
(u
21
+ v
21
) + (u
12
+ v
12
) 2(u
22
+ v
22
)
_
=
_
2u
11
+ 2v
11
(u
12
+ u
21
) + (v
12
+ v
21
)
(u
21
+ u
21
) + (v
12
+ v
12
) 2u
22
+ 2v
22
_
=
_
2u
11
(u
12
+ u
21
)
(u
21
+ u
21
) 2u
22
_
+
_
2v
11
(v
12
+ v
21
)
(v
12
+ v
12
) 2v
22
_
=
_
0 0
0 0
_
+
_
0 0
0 0
_
(De () y ())
=
_
0 0
0 0
_
As que, (u + v) W
Etapa 3. Si R entonces
u =
_
u
11
u
12
u
21
u
22
_
=
_
u
11
u
12
u
21
u
22
_
M
R
(2)
Por otra parte,
u + (u)
t
=
_
u
11
u
12
u
21
u
22
_
+
_
u
11
u
12
u
21
u
22
_
t
=
_
u
11
u
12
u
21
u
22
_
+
_
u
11
u
21
u
12
u
22
_
=
_
2u
11
u
12
+ u
21
u
21
+ u
12
2u
22
_
=
_
2u
11
(u
12
+ u
21
)
(u
21
+ u
12
) 2u
22
_
=
_
2u
11
(u
12
+ u
21
)
(u
21
+ u
12
) 2u
22
_
=
_
0 0
0 0
_
=
_
0 0
0 0
_
As que u W, y W M
R
(2)
12
Ejemplo 2.2.3. Si W=
_
p(x) =
n
i=0
a
i
x
i
R
n
[x] [
n
i=0
ia
i
= 0
_
entonces W R
n
[x]
En efecto
Etapa 1. p(x) = 0 W, pues
n
i=0
i 0 = 0
Etapa 2. Si p(x) W q(x) W entonces
p(x) W p(x) =
n
i=0
a
i
x
i
i=0
ia
i
= 0
q(x) W p(x) =
n
i=0
b
i
x
i
i=0
ib
i
= 0
Ahora, por una parte;
p(x) + q(x) =
n
i=0
(a
i
+ b
i
)x
i
R
n
[x]
Y por otra parte;
n
i=0
i(a
i
+ b
i
) =
n
i=0
(ia
i
+ ib
i
) =
n
i=0
ia
i
+
n
i=0
ib
i
= 0 + 0 = 0
Conclusion (p(x) + q(x)) W
Etapa 3. Si R entonces por una parte;
p(x) =
n
i=0
a
i
x
i
=
n
i=0
(a
i
)x
i
R
n
[x]
Y por otra parte;
n
i=0
ia
i
=
n
i=0
ia
i
= 0 = 0
As que, p(x) W y W R
n
[x]
Ejemplo 2.2.4. Si V es un K- espacio vectorial entonces 0
V
W.
En efecto
W V = u W (; K) (u; u W)
= 0 u W (Pues, 0 K)
= 0
V
W
2. SUBESPACIOS 13
Ejemplo 2.2.5. Si W= (x, y, z) R
3
[ x + 4y 2z = entonces determinemos el conjunto.
S = R [ W R
3
Solucion
Debemos determinar los elementos del conjunto S, y entonces es necesario entrar al conjunto.
Etapa 1. S R W R
3
Etapa 2. W R
3
= (0, 0, 0) W, esto sigue del ejemplo anterior.
Etapa 3. (0, 0, 0) W (0, 0, 0) R
3
0 + 4 0 2 = (0, 0, 0) R
3
= 0
Luego, 0 S y 0 S
Etapa 4. Si [u W v W= (u + v) W] entonces en particular debe ocurrir lo siguiente:
u W u = (x, y, z) R
3
x + 4y 2z =
2u W 2u = (2x, 2y, 2z) R
3
2x + 8y 4z =
= 2 =
= = 0
Etapa 5. Como R entonces para u = (x, y, z) W, x + 4y 2z = . Pero,
x + 4y 2z = =
2
= = = 0 = 1
As que, S = 0 y W= (x, y, z) R
3
[ x + 4y 2z = 0
Conclusion 2.2.6. El origen o elemento neutro del espacio pertenece a cada subespacio vectorial.
Es decir una condicion necesaria para ser subespacio es que el origen pertenezca a el.
Un espacio vectorial V es nulo o tiene innitos elementos.
Ejemplo 2.2.7. Si AX = B es un sistema lineal de orden (nm) y S = U M
K
(n1) [ AU = B,
(K = R K = C) entonces
S M
K
(n 1) B = (0)
En efecto
S M
R
(n 1) = (0) S
= A (0) = B
= (0) = B
Luego, hemos mostrado que: S M
R
(n 1) = B = (0)
14
Recprocamente, si B = (0) entonces
1. A(0) = (0), luego S ,=
2. Si U
1
SU
2
S entonces A(U
1
+U
2
) = A(U
1
) +A(U
2
) = (0) +(0) = (0). As que (U
1
+U
2
) S
3. Si K y U
1
S entonces AU
1
= AU
1
= (0) = (0). As que U
1
S
Luego, hemos mostrado que: B = (0) =S M
R
(n 1). As que
S M
K
(n 1) B = (0)
Conclusion 2.2.8. Las soluciones de un sistema de ecuaciones lineales homogeneo de orden (nm),
constituyen un subespacio vectorial. Por ende un Sistema lineal homogeneo o tiene unicamente la
solucion nula o tiene innitas soluciones
Observacion 2.2.9. Desde un punto de vista estructural el teorema 2.2, es una herramienta poderosa
para decidir si un conjunto es o no, un subespacio en un espacio vectorial dado, no obstante el tiene
un problema que lamentablemente para nosotros es crucial; pues, no nos dice quienes son los
miembros del subespacio W.
2.3. Ejercicios Propuestos de Subespacios.
(1) Demuestre que los siguientes conjuntos son subespacios de R
n
, para n N descrito.
(a) W = (x, y) R
2
[ x + 3y = 0
(b) W = (x, y) R
2
[ 10x 5y = 0
(c) W = (x, y, z) R
3
[ x + y + z = 0
(d) W = (x, y, z) R
3
[ 5x + y z = 0
(e) W = (x, y, z, w) R
4
[ x + y + 2z w = 0
(f) W =
_
(x, y, z, w) R
4
[ 3x =
y + 2z w
5
_
(2) Determine si los siguientes subconjuntos de M
R
(n m) son subespacios para n y m adecuados.
(a) W = A M
R
(2) [ A = A
t
, donde A
t
signica la matriz traspuesta de la matriz A
(b) W = (a
ij
) M
R
(n) [ tr(a
ij
) = 0. Donde tr(a
ij
) =
n
i=1
a
ii
, y se llama la traza de la
matriz (a
ij
)
(c) W = A M
R
(n) [ det(A) ,= 0
3. LA IDEA DE GENERADOR 15
(d) W =
_
A = (a
ij
) M
R
(n) [ a
ij
=
_
1 : Si j = n + 1 i
0 : en otro caso
_
(e) W =
_
A = (a
ij
) M
R
(n) [ a
ij
=
_
a
ij
: Si j i
0 : en otro caso
_
(f) W =
_
A = (a
ij
) M
R
(n) [ a
ij
=
_
a
ij
: Si j i
0 : en otro caso
_
(3) Demuestre que los siguientes subconjuntos de R
n
[x] son subespacios para n adecuado.
(a) W = p(x) = a
0
+ a
1
x + a
2
x
2
[ p(3) = 0
(b) W = p(x) = a
0
+ a
1
x + a
2
x
2
+ a
3
x
3
[ p(
2) = 0
(c) W =
_
p(x) =
n
i=0
a
i
x
i
[
n
i=0
ja
i
= 0; j [R 0]
_
(d) W =
_
p(x) =
n
i=0
a
i
x
i
[
n
i=0
ia
i
= 0
_
3. La Idea de Generador
En concordancia con la observacion anterior no estamos cumpliendo nuestro objetivo: Que es de-
terminar r apida y ecientemente los elementos del espacio vectorial, as que si queremos cumplir
nuestro objetivo debemos cambiar el punto de vista. Como orientacion debemos recordar que un
espacio vectorial o tiene un elemento o tiene innitos elementos. Por tanto, el punto es, generar un
proceso que transforme en una idea nita, lo que en realidad es en concreto no nito. Con esto en
mente,
(1) Miremos en primer lugar, desde un punto de vista diferente al subespacio de R
3
. (Mirar desde
otro punto de vista signica, interpretar de un nueva forma las operaciones permitidas en el
espacio).
W
1
= (x, y, z) R
3
[ x + 4y 2z = 0 (3)
Ingresemos directamente al conjunto, es decir:
u W
1
u = (x, y, z) R
3
x + 4y 2z = 0
u = (x, y, z) R
3
x = 2z 4y
u = (2z 4y, y, z); z R, y R
u = (2z, 0, z) + (4y, y, 0); z R, y R
u = z(2, 0, 1) + y(4, 1, 0); z R, y R
As que,
W
1
=
1
(2, 0, 1) +
2
(4, 1, 0) [ (
1
R) (
2
R)
La conclusion es la siguiente:
16
u W
1
Tiene solucion en K la ecuacion u =
incognita
..
a
1
(2, 0, 1) +
incognita
..
a
2
(4, 1, 0)
(2) Intentemos la misma estrategia con el subespacio
W
2
= (x, y, z) R
3
[ x = y z = 0 (4)
De nuevo, entremos al conjunto.
u W
2
u = (x, y, z) R
3
x = y z = 0
u = (x, x, 0) x R
u = x(1, 1, 0) x R
As que,
W
2
= (1, 1, 0) [ R
La conclusion es la siguiente:
u W
2
Tiene solucion en K la ecuacion u =
incognita
..
a
1
(2, 0, 1)
(3) Ahora tratemos de aplicar lo aprendido en el conjunto,
W
1
+W
2
= w
1
+ w
2
[ w
1
W
1
w
2
W
2
(a) W
1
+W
2
,=
En efecto
0
R
3 = (0, 0, 0) = 0(2, 0, 1) + 0(4, 1, 0) + 0(1, 1, 0) = 0
R
3 W
1
+W
2
Mas a un, 0
R
3 W
1
, pues (0, 0, 0) = 0(2, 0, 1) + 0(4, 1, 0) y 0
R
3 W
2
, pues (0, 0, 0) =
0(1, 1, 0). As
que 0
R
3 W
1
W
2
(b) Por otra parte,
u W
1
W
2
u W
1
u W
2
u = (x, y, z) R
3
x + 4y 2z = 0 x = y z = 0
u = (x, x, 0) R
3
x + 4x = 0
u = (x, x, 0) R
3
x = 0
u = (0, 0, 0)
Por tanto,
W
1
W
2
= (0, 0, 0) = 0
R
3
(c) Ahora para u R
3
arbitrario tratemos de resolver la ecuacion
u = x
1
(2, 0, 1) + x
2
(4, 1, 0) + x
3
(1, 1, 0)
Si conseguimos ese resultado entonces se vericara que
(i) R
3
= W
1
+W
2
(ii) Tendremos una formula para expresar los elementos de R
3
en terminos de los vectores
de W
1
y W
2
.
Vamos entonces a resolver el problema para u = (x, y, z) arbitrario
(x, y, z) = x
1
(2, 0, 1) + x
2
(4, 1, 0) + x
3
(1, 1, 0) (x, y, z) = (2x
1
4x
2
+ x
3
, x
2
+ x
3
, x
1
)
2x
1
4x
2
+ x
3
= x
x
2
+ x
3
= y
x
1
= z
()
Ahora resolvemos (), usando nuestras tecnicas
_
_
2 4 1 [ x
0 1 1 [ y
1 0 0 [ z
_
_
(l
1
l
1
l
3
)
_
_
0 4 1 [ x 2z
0 1 1 [ y
1 0 0 [ z
_
_
(l
1
l
1
+ 4l
2
)
_
_
0 0 5 [ x + 4y 2z
0 1 1 [ y
1 0 0 [ z
_
_
(l
1

1
5
l
1
)
_
_
0 0 1 [
x+4y2z
5
0 1 1 [ y
1 0 0 [ z
_
_
(l
2
l
2
l
1
)
_
_
0 0 1 [
x+4y2z
5
0 1 0 [
x+y+2z
5
1 0 0 [ z
_
_
Por tanto,
_
_
x
1
x
2
x
3
_
_
=
_
_
_
_
z
y x + 2z
5
x + 4y 2z
5
_
_
_
_
= (x, y, z) = z(2, 0, 1) +
y x + 2z
5
(4, 1, 0) +
x + 4y 2z
5
(1, 1, 0)
(d) Finalmente, si adoptamos las siguientes notaciones:
= (2, 0, 1), (4, 1, 0), 5(1, 1, 0)
18
[(x, y, z]
=
_
_
_
_
z
y x + 2z
5
x + 4y 2z
5
_
_
_
_
(x, y, z) = z(2, 0, 1) +
y x + 2z
5
(4, 1, 0)
. .
W
1
+
x + 4y 2z
5
(1, 1, 0)
. .
W
2
Hemos conseguido mostrar que
R
3
= W
1
+W
2
Y ademas podemos ahora ejercitar el nuevo smbolo:
(i) Para u = (2, 0, 1) tenemos
[2, 0, 1]
=
_
_
_
_
1
0 2 + 2
5
2 + 0 2
5
_
_
_
_
=
_
_
1
0
0
_
_
Pues,
(2, 0, 1) = (2, 0, 1) + 0(4, 1, 0) + 0(1, 1, 0)
(ii) para u = (4, 1, 0) tenemos
[(4, 1, 0)]
=
_
_
0
1
0
_
_
Pues,
(4, 1, 0) = 0(2, 0, 1) + 1(4, 1, 0) + 0(1, 1, 0)
(iii) Para u=(1, 1, 0) tenemos
[(1, 1, 0)]
=
_
_
0
0
1
_
_
Pues,
(1, 1, 0) = 0(2, 0, 1) + 0(4, 1, 0) + 1(1, 1, 0)
(iv) Para u = (1, 1, 1) tenemos
[1, 1, 1]
=
_
_
_
_
1
2
5
3
5
_
_
_
_
Pues,
(1, 1, 1) = (2, 0, 1) +
2
5
(4, 1, 0) +
3
5
(1, 1, 0)
(4) Para el caso = (2, 0, 1), (4, 1, 0), 5(1, 1, 0) hemos encontrado que R
3
se descompone en la
suma del Plano W
1
y la recta W
2
. Similar a lo que sucede con el plano R
2
que se descompone
como la suma del eje x y del eje y.
Denicion 3.1. Sea V un K espacio vectorial y considere los subconjuntos W
1
y W
2
tal que W
1
V
y W
2
V. Diremos que V es suma directa de los subespacios W
1
y W
2
en smbolos V = W
1
W
2
. Si
(1) V = W
1
+W
2
(2) W
1
W
2
= 0
V
Ejemplo 3.1.1. Si W
1
= (x, y, z) R
3
[ x + 4y 2z = 0 y W
2
= (x, y, z) R
3
[ x = y z = 0
entonces
R
3
= W
1
W
2
= (2, 0, 1), (4, 1, 0) (1, 1, 0)
Teorema 3.2. Sea V un K espacio vectorial y v
1
, v
2
, . . . , v
n
V entonces
W= v
1
, v
2
, . . . , v
n
=
_
n
i=1
r
i
v
i
[ r
i
K (1 i n)
_
V
En efecto
(1) 0
V
V y 0
V
= 0 v
1
+ 0 v
2
+ + 0 v
n
. As que 0
V
W, y W,=
(2) Sean u W, w W entonces
u W u =
n
i=1
a
i
v
i
[ a
i
K (1 i n)
w W w =
n
i=1
b
i
v
i
[ b
i
K (1 i n)
_
_
= u + w =
n
i=1
(a
i
+ b
i
) v
i
W
(3) Sean u W y K entonces
u =
n
i=1
a
i
v
i
=
n
i=1
( a
i
) v
i
W
As que W V
Denicion 3.2.1. Si V es un K espacio vectorial entonces el conjunto
(1) W= v
1
, v
2
, . . . , v
n
=
_
n
i=1
r
i
v
i
[ r
i
K (1 i n)
_
. Se llamara subespacio generado por
= v
1
, v
2
, . . . , v
n
y cada v
i
para i = 1, 2, . . . , n se llamara un generador.
20
(2) u V , se llamara una combinacion lineal de = v
1
, v
2
, . . . , v
n
si u W, es decir existen n -
escalares, digamos a
1
, a
2
, . . . , a
n
tal que
u =
n
i=1
a
i
v
i
Es decir, los elementos de W se llaman combinaciones lineales de = v
1
, v
2
, . . . , v
n
3.3. Ejercicios Propuestos de Generadores.

(1) Sea W= (1, 0, 0), (1, 1, 0), (1, 1, 1) R
3
(a) Demuestre que (2, 2, 2) W. Es decir, resuelva la ecuacion vectorial
(2, 2, 2) = a
1
(1, 0, 0) + a
2
(1, 1, 0) + a
3
(1, 1, 1)
(b) Demuestre que (x, y, z) W, para cada (x, y, z) R
3
(c) Concluya que R
3
= (1, 0, 0), (1, 1, 0), (1, 1, 1)
(2) Sea V un K espacio vectorial y = v
1
, v
2
. Demuestre que
v
1
, v
2
= v
1
, v
1
+ v
2

1
, v
2
. Demuestre que
v
1
, v
2
= v
1
v
2
, v
1
+ v
2

1
, . . . , v
n
V. Si = w
1
, . . . , w
n
V tal que
w
k
=
k
i=1
v
i
para cada k = 1, 2, . . . , n entonces demuestre que
v
1
, v
2
, . . . , v
n
= w
1
, w
2
, . . . , w
n

1
, . . . , v
n
V. Si = w
1
, . . . , w
n
V tal que
w
k
=
k
i=1
jv
i
v
1
, v
2
, . . . , v
n
= w
1
, w
2
, . . . , w
n
(6) Demuestre que

W
1
= (x, y, z) R
3
[ x y z = 0 R
3
W
2
= (x, y, z) R
3
[ x y = 0 y z = 0 R
3
W
1
+W
2
= w
1
+ w
2
[ w
1
W
1
w
2
W
2
R
3
R
3
= W
1
+W
2
W
1
W
2
= 0
R
3
4. SISTEMAS DE GENERADORES 21
En general, si V es un K espacio vectorial, W
1
V y W
2
V entonces V se dice Suma directa
de los subespacios W
1
y W
2
si
V = W
1
+W
2
W
1
W
2
= 0
V
En tal caso, notamos V = W

1
W
2
(7) Demuestre que
R
2
= eje x eje y
(8) Demuestre que
M
R
(n) = matrices simetricas matrices antisimetricas
(9) Demuestre que
R
n
[x] = R
0
[x] x, x
2
, . . . , x
n
4. Sistemas de Generadores
Si V es un K espacio vectorial entonces V V. As que tiene sentido preguntar, si existen o no
generadores para el propio V?. En general podemos hacer la siguiente
Denicion 4.1. Sea V un K espacio vectorial y = v
1
, v
2
, . . . , v
n
V, sera llamado un sistema
de generadores para V si
V = = v
1
, v
2
, . . . , v
n
Equivalentemente: es un sistema de generadores si para cada v V existen n - escalares, digamos

a
1
, a
2
, . . . , a
n
tales que
v = a
1
v
1
+ a
2
v
2
+ + a
n
v
n
O en lenguaje mas pragmatico:
es un sistema de generadores si para cada v V la ecuacion vectorial
v = a
1
v
1
+ a
2
v
2
+ + a
n
v
n
(5)
tiene solucion.
Ejemplo 4.1.1. c(n) = e
1
, e
2
, . . . , e
n
, donde
e
1
= (1, 0, 0, . . . , 0)
e
2
= (0, 1, 0, . . . , 0)
.
.
.
e
n
= (0, 0, 0, . . . , 1)
es un sistema de generadores para R
n
, ya que
22
(x
1
, x
2
, . . . , x
n
) = x
1
e
1
+ x
2
e
2
+ + x
n
e
n
(6)
Por la forma de (6), se acostumbra a llamar a c(n) con el nombre de generadores canonicos.
Ejemplo 4.1.2. m(n s) = E
ij
[ (1 i n) (1 j s), donde
E
ij
=
_
1 : en la posicion ij
0 : en otra parte
Es un sistema de generadores, tambien conocido como sistema de generadores canonico de M
K
(ns)
As por ejemplo, para n = s = 2
_
a b
c d
_
= aE
11
+ bE
12
+ cE
21
+ dE
22
= a
_
1 0
0 0
_
+ b
_
0 1
0 0
_
+ c
_
0 0
1 0
_
+ d
_
0 0
0 1
_
Luego,
M
R
(2) =
___
1 0
0 0
_
,
_
0 1
0 0
_
,
_
0 0
1 0
_
,
_
0 0
0 1
___
Ejemplo 4.1.3. p(n) = 1, x, x
2
, . . . , x
n
son los generadores canonicos de R
n
[x],
pues,
q(x) = a
0
1 + a
1
x + + a
n
x
n
Es decir,
R
n
[x] = 1, x, x
2
, . . . , x
n
4.2. Construccion de sistemas de generadores. Estudiemos algunas situaciones que nos per-
miten construir sistemas de generadores.
1
, v
2
entonces
V = v
1
, v
2
= V = v
1
, v
1
+ v
2
En efecto
(a) En este caso tenemos que demostrar que V = v
1
, v
1
+v
2
, es decir debemos mostrar que
la ecuacion vectorial,
v = a
1
v
1
+ a
2
(v
1
+ v
2
) (7)
Tiene solucion para cada v V .
(b) Analizamos los datos.
Como V = v
1
, v
2
y v V entonces tiene solucion la ecuacion vectorial
v = b
1
v
1
+ b
2
v
2
(8)
Es decir, existen b
1
K y b
2
K tal que (8) es una identidad.
(c) Supongamos por un instante que la ecuacion vectorial (7), tiene solucion entonces
v = a
1
v
1
+ a
2
(v
1
+ v
2
)
= a
1
v
1
+ a
2
v
1
+ a
2
v
2
= (a
1
+ a
2
)v
1
+ a
2
v
2
Luego, basta que tomemos:
a
1
+ a
2
= b
1
a
2
= b
2
De donde sigue que, a
1
= b
1
b
2
a
2
= b
2
y entonces hemos mostrado que
v = b
1
v
1
+ b
2
v
2
= v = (b
1
b
2
)v
1
+ b
2
(v
1
+ v
2
)
Y la conclusion es que V = v
1
, v
1
+ v
2
Una solucion Alternativa para mostrar que v

1
, v
2
= v
1
, v
1
+ v
2
Observemos que
(i) v
1
= 1 v
1
+ 0 (v
1
+ v
2
), luego v
1
v
1
, v
1
+ v
2
(ii) v
2
= (1) v
1
+ 1 (v
1
+ v
2
), luego v
2
v
1
, v
1
+ v
2
(iii) As que,
v
1
, v
2
v
1
, v
1
+ v
2
(9)
An alogamente,
(i) v
1
= 1 v
1
+ 0 v
2
, luego v
1
v
1
, v
2
(ii) v
1
+ v
2
= 1 v
1
+ 1 v
2
, luegov
1
+ v
2
v
1
, v
2
24
(iii) As que,
v
1
, v
1
+ v
2
v
1
, v
2
(10)
Luego, de (9) y (10), sigue que
v
1
, v
1
+ v
2
= v
1
, v
2
(2) En general si V un K espacio vectorial y = v

1
, v
2
, v
3
, . . . , v
n
V. entonces
V = v
1
, v
2
, . . . , v
n
= V = w
1
, w
2
, . . . , w
n
donde w
k
=
k
i=1
v
i
; y (1 k n)
En efecto
En primer lugar, para cada k = 1, 2, . . . , n tenemos que:
w
k
=
k
i=1
v
i
= 1 v
1
+ 1 v
2
+ + 1 v
n
= w
k
v
1
, v
2
, . . . , v
n
(11)
En segundo lugar, por denicion:
u w
1
, w
2
, . . . , w
n
u = a
1
w
1
+ a
2
w
2
+ + a
n
w
n
(12)
Aplicando (11) en (12) tenemos que
u w
1
, w
2
, . . . , w
n
u = a
1
w
1
+ a
2
w
2
+ + a
n
w
n
= u = a
1
1
i=1
v
i
+ a
2
2
i=1
v
i
+ + a
n
n
i=1
v
i
= u =
_
n
i=1
a
i
_
. .
c
1
v
1
+
_
n
i=2
a
i
_
. .
c
2
v
2
+ +
_
n
i=n1
a
i
_
. .
c
n1
v
n1
+ a
n
..
cn
v
n
= u = c
1
v
1
+ c
2
v
2
+ + c
n1
v
n1
+ c
n
v
n
= u v
1
, v
2
, . . . , v
n
Conclusion:
w
1
, w
2
, . . . , w
n
v
1
, v
2
, . . . , v
n
(13)
Recprocamente, v
1
= w
1
y para k = 2, 3 . . . , n v
k
= w
k
w
k1
. As que
u v
1
, v
2
, . . . , v
n
u =
n
i=1
a
i
v
i
= u = a
1
w
1
+
n
i=2
a
i
(w
i
w
i1
)
= u =
n
i=1
(a
i
a
i+1
)w
i
= u w
1
, w
2
, . . . , w
n
Conclusion:
v
1
, v
2
, . . . , v
n
w
1
, w
2
, . . . , w
n
(14)
Finalmente, de (13) y (14). Sigue que
v
1
, v
2
, . . . , v
n
= w
1
, w
2
, . . . , w
n
(3) Si consideramos los conjuntos de polinomios

U = p(x) = a
0
+ a
1
x + a
2
x
2
+ a
3
x
3
R
3
[x] [ a
0
a
1
= 0 a
2
a
3
= 0 y
W= q(x) = b
0
+ b
1
x + b
2
x
2
+ b
3
x
3
R
3
[x] [ b
0
+ b
1
= 0 b
2
+ b
3
= 0 entonces
(a) U R
3
[x] y W R
3
[x]
En efecto
Usaremos la tecnica de los generadores para mostrar que tanto U como W son subespacios
p(x) U p(x) = a
0
+ a
1
x + a
2
x
2
+ a
3
x
3
R
3
[x] a
0
a
1
= 0 a
2
a
3
= 0
p(x) = a
0
+ a
1
x + a
2
x
2
+ a
3
x
3
R
3
[x] a
0
= a
1
a
2
= a
3
p(x) = a
0
+ a
0
x + a
2
x
2
+ a
2
x
3
a
0
R a
2
R
p(x) = a
0
(1 + x) + a
2
(x
2
+ x
3
) a
0
R a
2
R
p(x) 1 + x, x
2
+ x
3
Es decir,
U = 1 + x, x
2
+ x
3
R
3
[x]
An alogamente,
26
p(x) W p(x) = a
0
+ a
1
x + a
2
x
2
+ a
3
x
3
R
3
[x] a
0
+ a
1
= 0 a
2
+ a
3
= 0
p(x) = a
0
+ a
1
x + a
2
x
2
+ a
3
x
3
R
3
[x] a
0
= a
1
a
2
= a
3
p(x) = a
0
a
0
x + a
2
x
2
a
2
x
3
a
0
R a
2
R
p(x) = a
0
(1 x) + a
2
(x
2
x
3
) a
0
R a
2
R
p(x) 1 x, x
2
x
3
Es decir,
W = 1 x, x
2
x
3
R
3
[x]
(b) R
3
[x] = WU
En efecto
Ahora para mostrar que R
3
[x] = UW, debemos resolver en primer lugar la ecuaci on
p(x) = w + u (w W u U)
= c
1
(1 x) + c
2
(x
2
x
3
)
. .
w
+c
3
(1 + x) + c
4
(x
2
+ x
3
)
. .
u
, (Para p(x) R
3
[x])
Entonces
a
0
+ a
1
x + a
2
x
2
+ a
3
x
3
= c
1
(1 x) + c
2
(x
2
x
3
) + c
3
(1 + x) + c
4
(x
2
+ x
3
)
= c
1
c
1
x + c
2
x
2
c
2
x
3
+ c
3
+ c
3
x + c
4
x
2
+ c
4
x
3
= c
1
+ c
3
+ c
3
x c
1
x + c
4
x
2
+ c
2
x
2
c
2
x
3
+ c
4
x
3
= c
1
+ c
3
+ (c
3
c
1
)x + (c
2
+ c
4
)x
2
+ (c
4
c
2
)x
3
As que,
c
1
+ c
3
= a
0
c
1
+ c
3
= a
1
c
2
+ c
4
= a
2
c
2
+ c
4
= a
3
=
c
1
=
a
0
a
1
2
c
3
=
a
0
+ a
1
2
c
2
=
a
2
a
3
2
c
4
=
a
2
+ a
3
2
Luego,
a
0
+ a
1
x + a
2
x
2
+ a
3
x
3
=
a
0
a
1
2
(1 x) +
a
2
a
3
2
(x
2
x
3
)
. .
W
+
a
0
+ a
1
2
(1 + x) +
a
2
+ a
3
2
(x
2
+ x
3
)
. .
U
Por tanto,
R
3
[x] = W+U
5. DEPENDENCIA E INDEPENDENCIA LINEAL 27
En segundo lugar, debemos mostrar que W U = 0
R
3
[x]
. Para ver esto hacemos
p(x) W U p(x) W p(x) U
p(x) = b
1
(1 x) + b
2
(x
2
x
3
) p(x) = b
3
(1 + x) + b
4
(x
2
+ x
3
)
b
1
b
1
x + b
2
x
2
b
2
x
3
= b
3
+ b
3
x + b
4
x
2
+ b
4
x
3
(b
1
= b
3
) (b
1
= b
3
) (b
2
= b
4
) (b
2
= b
4
)
b
1
= b
3
= 0 b
2
= b
4
= 0
p(x) = 0
R
3
[x]
De donde sigue lo pedido, W U = 0
R
3
[x]
(c) A partir de U y W, obtenemos un sistema de generadores para R

3
[x], pues
a
0
+ a
1
x + a
2
x
2
+ a
3
x
3
=
a
0
a
1
2
(1 x) +
a
2
a
3
2
(x
2
x
3
)
. .
W
+
a
0
+ a
1
2
(1 + x) +
a
2
+ a
3
2
(x
2
+ x
3
)
. .
U
Y,
R
3
[x] = 1 x, x
2
x
3
, 1 + x, x
2
+ x
3
En particular, en este sistema tenemos que.

_
a
0
+ a
1
x + a
2
x
2
+ a
3
x
3
=
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
a
0
a
1
2
a
2
a
3
2
a
0
+ a
1
2
a
2
+ a
3
2
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
5. Dependencia e Independencia Lineal
Siempre con la idea de fondo de construir un procedimiento nito que determine rapida y ecien-
temente los elementos de un espacio vectorial, y considerando que ya tenemos una representacion
va el concepto de Sistema de generadores, ahora queremos garantizar que esta representacion es
segura.
Para ello iniciamos nuestro analisis considerando un sistema de generadores = v
1
, v
2
, . . . , v
n
de
un espacio vectorial de V, es decir,
V = v
1
, v
2
, . . . , v
n
Equivalentemente, para cada u V existen c

1
, c
2
, . . . , c
n
en K tal que
28
v =
n
i=1
c
i
v
i
= c
1
v
1
+ c
2
v
2
+ + c
n
v
n
O en lenguaje mas pragmatico: Para cada v V la ecuacion vectorial
v = x
1
v
1
+ x
2
v
2
+ + x
n
v
n
tiene al menos una solucion en K
n
Motivados por lo anterior construyamos una relacion entre la teora y la practica.
Denicion 5.1. Sea = v
1
, v
2
, . . . , v
n
V un sistema de generadores para V entonces denimos
la relacion [ ]
: V M
K
(n 1) como sigue:
[v]
=
_
_
_
_
c
1
c
2
.
.
.
c
n
_
_
_
_
M
K
(n 1) v =
n
k=1
c
k
v
k
V
Ejemplo 5.1.1. Si = (1, 1), (1, 1)) entonces es un sistema de generadores para R
2
, pues
(x, y) =
x + y
2
(1, 1) +
x y
2
(1, 1)
As que,
[(x, y)]
=
_
_
x + y
2
x y
2
_
_
Ejemplo 5.1.2. Si = v
1
, v
2
, . . . , v
n
V un sistema de generadores para V entonces para, w V,
= v
1
, v
2
, . . . , v
n
, w, tambien genera V, y
[w]
=
_
_
_
_
_
_
c
1
c
2
.
.
.
c
n
0
_
_
_
_
_
_
w =
n
k=1
c
k
v
k
+ 0 w ( Pues, genera V)
Por otra parte, tenemos una fuga de seguridad ya que existe una representacion diferente para w,
pues
[w]
=
_
_
_
_
_
_
0
0
.
.
.
0
1
_
_
_
_
_
_
w =
n
k=1
0 v
k
+ 1 w
5. DEPENDENCIA E INDEPENDENCIA LINEAL 29
Observacion 5.1.3. Para caracterizar esta fuga de seguridad, supongamos que = v
1
, v
2
, . . . , v
n
es un sistema de generadores para V y que u V tiene dos representaciones diferentes en este sis-
tema entonces debemos tener
(1) u =
n
k=1
a
k
v
k
y u =
n
k=1
b
k
v
k
(2) Si estas representaciones son distintas entonces existe (i; 1 i n) tal que a
i
,= b
i
(3) Luego, tenemos que
n
k=1
a
k
v
k
=
n
k=1
b
k
v
k
=
n
k=1
(a
k
b
k
)v
k
= 0
V
= (a
1
b
1
)v
1
+ (a
2
b
2
)v
2
+ + (a
i
b
i
)
. .
=0
v
i
+ + (a
n
b
n
)v
n
= 0
V
As que, el 0
V
se escribe, al menos de dos formas diferentes
0
V
= 0v
1
+ 0v
2
+ + 0v
n
= (a
1
b
1
)v
1
+ (a
2
b
2
)v
2
+ + (a
i
b
i
)
. .
=0
v
i
+ + (a
n
b
n
)v
n
Conclusion 5.1.4. Si un vector u V se representa en mas de una forma, como combinacion
lineal de los elementos de entonces el vector nulo 0
V
se representa en mas de una forma, como
combinacion lineal de los elementos de .
Luego, en virtud de nuestra logica, podemos decir que: 0
V
, se escribe de una unica forma como
combinacion lineal de los elementos de entonces todo vector del espacio posee la misma propiedad.
Denicion 5.2. Sea V un K espacio vectorial, y = v
1
, v
2
, . . . , v
n
V. Diremos que es un
conjunto linealmente independiente en V si 0
V
, se escribe de una unica forma como combinacion lin-
eal de los elementos de , en smbolos Li. Caso contrario diremos que es un conjunto linealmente
dependiente, en smbolos Ld.
Es decir, es Li en V Si
a
i
v
1
+ a
2
v
2
+ a
3
v
3
+ + a
n
v
n
= 0
V
= a
1
= a
2
= = a
n
= 0
Ejemplo 5.2.1. Si = 1, 1 + x, 1 + x + x
2
K
2
[x] entonces es Li en K
2
[x].
En efecto
De acuerdo a la denicion. Si suponemos que a
1
1 + a
2
(1 + x) + a
3
(1 + x + x
2
) = 0
K
2
[x]
entonces
debemos mostrar que a
1
= a
2
= a
3
= 0. Por tanto,
30
a
1
1 + a
2
(1 + x) + a
3
(1 + x + x
2
) = 0
K
2
[x]
= a
1
+ a
2
+ a
2
x + a
3
+ a
3
x + a
3
x
2
= 0 + 0x + 0x
2
= (a
1
+ a
2
+ a
3
) + (a
2
+ a
3
)x + a
3
x
2
= 0 + 0x + 0x
2
=
a
1
+ a
2
+ a
3
= 0
a
2
+ a
3
= 0
a
3
= 0
= a
3
= a
2
= a
1
= 0
Luego, es Li en K
2
[x]
Ejemplo 5.2.2. Si = 1, 1+x, 1+x+x
2
, 1x2x
2
K
2
[x] entonces es Li o Ld en K
2
[x]?.
Estudiemos el problema
Supongamos que a
1
1 + a
2
(1 + x) + a
3
(1 + x + x
2
) + a
4
(1 x 2x
2
) = 0
K
2
[x]
entonces
a
1
+ a
2
+ a
2
x + a
3
+ a
3
x + a
3
x
2
+ a
4
a
4
x 2a
4
x
2
= 0 + 0x + 0x
2
(a
1
+ a
2
+ a
3
+ a
4
) + (a
2
+ a
3
a
4
)x + (a
3
2a
4
)x
2
= 0 + 0x + 0x
2
a
1
+ a
2
+ a
3
+ a
4
= 0
a
2
+ a
3
a
4
= 0
a
3
2a
4
= 0
()
Luego, es Ld en K
2
[x], pues, si A es la matriz de coecientes del sistema () entonces (A), puede
ser como maximo 3, y el n umero de incognitas es 4 de donde siguen que el sistema tiene innitas
soluciones.
Podemos determinar esas soluciones:
_
_
1 1 1 1
0 1 1 1
0 0 1 2
_
_
(l
1
l
1
l
2
)
_
_
1 0 0 2
0 1 1 1
0 0 1 2
_
_
(l
2
l
2
l
3
)
_
_
1 0 0 2
0 1 0 1
0 0 1 2
_
_
Las innitas soluciones son de la forma: a
1
= 2a
4
; a
2
= a
4
; a
3
= 2a
4
y su expresion es de la
forma:
0 + 0x + 0x
2
= 2a
4
a
4
(1 + x) + 2a
4
(1 + x + x
2
) + a
4
(1 x 2x
2
) (a
4
K)
6. Base y Dimension
Ahora tenemos construidas y listas para usar, las piezas precisas para garantizar la existencia y
unicidad de una representacion como combinacion lineal, para cada vector de un espacio vectorial.
Partimos con la siguiente:
Denicion 6.1. Sea V un K espacio vectorial, y = v
1
, v
2
, . . . , v
n
V. Diremos que es una
base para el espacio vectorial V si
(1) es un sistema de generadores para V
(2) es un conjunto linealmente independiente en V
6. BASE Y DIMENSI
ON 31
Es decir, para cada u V existen unicos escalares a
1
, a
2
, . . . , a
n
tal que
u =
n
i=1
a
i
v
i
= a
1
v
1
+ a
2
v
2
+ + a
n
v
n
Equivalentemente, la funcion
[ ]
: V M
R
(n 1
u [u]
; donde [u]
=
_
_
_
_
a
1
a
2
.
.
.
a
n
_
_
_
_
u =
n
k=1
a
k
v
k
Es una biyeccion
Ejemplo 6.1.1. Si V = K
n
entonces
c(n) = e
2
, e
2
, . . . , e
n
La llamaremos la base canonica de K

n
, pues;
(x
1
, x
2
, . . . , x
n
) = x
1
e
1
+ x
2
e
2
+ + x
n
e
n
[(x
1
, x
2
, . . . , x
n
)]
c(n)
=
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
Ejemplo 6.1.2. Si V = M
K
(n s) entonces
m(n s) = E
ij
[ (1 i n); (1 j s)
La llamaremos la base canonica de (M)
K
(n s), pues por ejemplo para n = s = 2
_
x
11
x
12
x
21
x
22
_
= x
11
E
11
+ x
12
E
12
+ x
21
E
21
+ x
22
E
22
= x
11
_
1 0
0 0
_
+ x
12
_
0 1
0 0
_
+ x
21
_
0 0
1 0
_
+ x
22
_
0 0
0 1
_
Ejemplo 6.1.3. Si V = K[x] entonces
p() = 1, x, x
2
, . . .
La llamaremos la base canonica de los polinomios con coecientes en el cuerpo K, pues genericamente
un polinomio se escribe como,
p(x) = a
0
1 + a
1
x + a
2
x
2
+ + a
t
x
t
; (t N)
En particular,
p(n) = 1, x, x
2
, . . . , x
n
; (n N)
La llamaremos la base canonica de K
n
[x], el espacio vectorial de polinomios hasta de grado n.
Ejemplo 6.1.4. En K
n
, sea = v
1
, v
2
, . . . , v
n
una base entonces
32
c = c v
1
, c v
2
, . . . , c v
n
, es una nueva base de K
n
, para cada c K0

+
= v
1
, v
1
+ v
2
, . . . ,
n
i=1
v
i
, es una nueva base de K
n
En general = w
1
, w
2
, . . . , w
n
, donde w
j
=
j
i=1
a
i
v
i
, para (a
1
, a
2
, . . . a
n
) K
n
jo, es una
base de K
n
Ejemplo 6.1.5. Sea V = f : [, ] R[ tal que f continua . Si denimos el subespacio de V
W = 1, senx, cos x, sen 2x, cos 2x, . . . , sen nx, cos nx
entonces = 1, sen x, cos x, sen 2x, cos 2x, . . . , sen nx, cos nx, es una base de W, para cada n N
Teorema 6.2. Sea V un K espacio vectorial y = v
1
, v
2
, . . . , v
n
una base de V entonces cualquier
subconjunto de V que posea mas de n-elementos es linealmente dependiente
En efecto
(1) Sea = v
1
, v
2
, . . . , v
n
una base de V , y = w
1
, w
2
, . . . , w
s
V, donde n < s
(2) Supongamos que c
1
w
1
+ c
2
w
2
+ c
3
w
3
+ + c
s
w
s
= 0
V
(3) Como es una base entonces en primer lugar, cada elemento de V tiene representacion como
combinacion lineal de sus elementos (Es un sistema de generadores). As que en particular para
cada w
i
(1 i s) tenemos que
w
1
= a
11
v
1
+ a
12
v
2
+ + a
1n
v
n
w
2
= a
21
v
1
+ a
22
v
2
+ + a
2n
v
n
.
.
.
w
i
= a
i1
v
1
+ a
i2
v
2
+ + a
in
v
n
.
.
.
w
s
= a
s1
v
1
+ a
s2
v
2
+ + a
sn
v
n
=
c
1
w
1
= c
1
a
11
v
1
+ + c
1
a
1n
v
n
c
2
w
2
= c
2
a
21
v
1
+ + c
2
a
2n
v
n
.
.
.
c
i
w
i
= c
i
a
i1
v
1
+ + c
i
a
in
v
n
.
.
.
c
s
w
s
= c
s
a
s1
v
1
+ + c
s
a
sn
v
n
0
V
=
_
s
i=1
c
i
a
i1
_
v
1
+ +
_
s
i=1
c
i
a
in
_
v
n
(+)
6. BASE Y DIMENSI
ON 33
En segundo lugar, es linealmente independiente en V, as que, forzosamente debemos tener que
s
i=1
c
i
a
i1
= 0
.
.
.
s
i=1
c
i
a
in
= 0
a
11
c
1
+ a
21
c
2
+ + a
s1
c
s
= 0
a
12
c
1
+ a
22
c
2
+ + a
s2
c
s
= 0
.
.
.
a
1n
c
1
+ a
2n
c
2
+ + a
sn
c
s
= 0
()
Como n < s entonces el sistema homogeneo () tiene innitas soluciones, es decir, el conjunto
es linealmente dependiente.
Corolario 6.2.1. Todas las bases de un espacio vectorial tienen la misma cardinalidad, es decir el
mismo n umero de vectores.
En efecto
Supongamos que = v
1
, v
2
, . . . , v
n
y = w
1
, w
2
, . . . , v
m
son dos bases del espacio vectorial V.
Aplicando el contenido del teorema 6.2 tenemos dos casos simultaneos que analizar,
(1) Si = v
1
, v
2
, . . . , v
n
es una base entonces n es el n umero maximo de vectores linealmente
independientes, as que si es otra base entonces su n umero de vectores linealmente indepen-
dientes m debe ser menor o igual que n
(2) Si = w
1
, w
2
, . . . , w
m
es una base entonces m es el n umero maximo de vectores linealmente
independientes, as que si es otra base entonces su n umero de vectores linealmente indepen-
dientes n debe ser menor o igual que m.
(3) As que n = m, pues ambos son n umeros naturales.
Denicion 6.3. Si V es un K espacio vectorial. Llamaremos dimension de V sobre el cuerpo de
escalares K a la cardinalidad de una base de V, y la notaremos por dim
K
(V)
Ejemplo 6.3.1. Usando la informacion acrisolada en los ejemplos, y observaciones anteriores ten-
emos que:
(1) dim
R
(R
n
) = n; pues card(c(n)) = n
(2) dim
C
(C
n
) = n; pues card(c(n)) = n
(3) dim
R
(C) = 2;
(4) dim
K
(K
n
[x]) = n + 1; pues card(p(n)) = n + 1
(5) dim
K
(K[x]) = ; pues card(p()) =
(6) dim
K
(M
K
(n s)) = n s; pues card(m(n s)) = n s
34
Teorema 6.4. Sea V un K espacio vectorial tal que dim
K
(V) = n, y = v
1
, v
2
, . . . , v
n
V
entonces
linealmente independiente sistema de generadores
En efecto
Etapa 1. (=). Por demostrar que [ Li entonces genera V].
Del contenido del teorema 6.2 sugue que el conjunto = v
1
, v
2
, . . . , v
n
, u es linealmente dependiente
(u; u V).
Luego, existen escalares a
1
, a
2
, . . . , a
n+1
, no todos nulos tales que a
1
v
1
+a
2
v
2
+ +a
n
v
n
+a
n+1
u = 0
V
.
Si a
n+1
,= 0 entonces
a
1
v
1
+ a
2
v
2
+ + a
n
v
n
+ a
n+1
u = 0
V
= a
1
v
1
+ a
2
v
2
+ + a
n
v
n
= a
n+1
u
=
a
1
a
n+1
v
1
+
a
2
a
n+1
v
2
+ +
a
n
a
n+1
v
n
= u
As que en este caso genera V
Si a
n+1
= 0 entonces
a
1
v
1
+ a
2
v
2
+ + a
n
v
n
+ a
n+1
u = 0
V
= a
1
v
1
+ a
2
v
2
+ + a
n
v
n
= 0
V
= a
1
= a
2
= = a
n
= 0 ( es Li)
Pero entonces contrariamos el hecho de que existen escalares no todos nulos, as que este caso
no es posible, para esta dimension.
Etapa 2. (=). Por demostrar que [ genera V] entonces Li.
En cualquier caso solo existen dos posibilidades, que sea Linealmente independiente o linealmente
dependiente.
Pero, si linealmente dependiente entonces dim
K
(V) < n, lo cual contradice nuestra hipotesis. As
que este caso no es posible.
Teorema 6.5. Sea = u
1
, u
2
, . . . , u
n
K
n
, tal que u
i
= (a
i1
, a
i2
, . . . , a
in
) entonces es lineal-
mente independiente si y solo si
det
_
_
_
_
_
_
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
a
31
a
32
. . . a
3n
a
41
a
42
. . . a
4n
.
.
.
.
.
.
.
.
.
a
n1
a
n2
. . . a
nn
_
_
_
_
_
_
_
_
,= 0
6. BASE Y DIMENSI
ON 35
En efecto
Supongamos que c
1
u
1
+ c
2
u
2
+ + c
n
u
n
= 0
V
entonces
c
1
u
1
+ c
2
u
2
+ + c
n
u
n
= 0
K
n = c
1
(a
11
, a
12
, . . . , a
1n
) + c
2
(a
21
, a
22
, . . . , a
2n
) + +
c
n
(a
n1
, a
n2
, . . . , a
nn
) = 0
K
n
=
a
11
c
1
+ a
21
c
2
+ + a
n1
c
n
= 0
a
12
c
1
+ a
22
c
2
+ + a
n2
c
n
= 0
.
.
.
a
1n
c
1
+ a
2n
c
2
+ + a
nn
c
n
= 0
=
_
_
_
_
a
11
a
21
. . . a
n1
a
12
a
22
. . . a
n2
.
.
.
.
.
.
.
.
.
a
1n
a
2n
. . . a
nn
_
_
_
_
_
_
_
_
c
1
c
2
.
.
.
c
n
_
_
_
_
=
_
_
_
_
0
0
.
.
.
0
_
_
_
_
()
El sistema () tiene solucion unica, c
1
= c
2
= = c
n
= 0 si y solo si la matriz de coecientes del
sistema homogeneo es invertible. Es decir
det
_
_
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
a
n1
a
n2
. . . a
nn
_
_
_
_
= det
_
_
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
a
n1
a
n2
. . . a
nn
_
_
_
_
t
,= 0
Conclusion 6.6. Frente a nuestro objetivo consistente en determinar rapida y efectivamente a los
elementos de un espacio vectorial, podemos decir lo siguiente:
(1) Un espacio vectorial hay que entenderlo respecto de una base ( = v
1
, v
2
, . . . , v
n
), o sistema
de referencia o reglas del juego.
(2) como [ ]
es un biyeccion entonces llamamos coordenadas de u V a [u]
M
K
(n1), y a este
ultimo lo llamamos espacio coordenado.
(3) As que un espacio vectorial puede ser de ahora en adelante, identicado como una estructura
hbrida, formada por dos partes equivalentes, pero con funciones diferentes y muy precisas.
En efecto
V
_
_
(V, )
[ ]
M
K
(n 1)
_
_
_
_
Teora:Combinaciones lineales
Practica: Coordenadas
_
_
36
(4) El problema que aparece, y por tanto hay que abordar mas adelante es: Como se relacionan
dos triadas diferentes?. Es decir
_
_
(V, )
[ ]
M
K
(n 1)
_
_
?
_
(V, )
[ ]
M
K
(n 1)
_
_
6.7. Ejercicios Propuestos de Base.
(1) Determine el conjunto
S = (a, b) R
2
[ (2, b, 1) (a, 0, 2), (4, a, 2), (2a, 2, a)
(2) Determine si los siguientes conjuntos son subespacios en el espacio vectorial correspondiente.
En caso armativo, determine una base para el subespacio.
(a) W= (a, b, c, d) R
4
[ a
2
+ b
2
c
2
d
2
= 0
(b) W=
__
a b
c d
_
M
R
(2) [ [a = d b = 0 c = 2d]
_
(c) W=
_
B M
R
(2) [ B
_
1 1
2 1
_
=
_
1 1
2 1
_
B
_
(3) Sea = v
1
, v
2
, . . . , v
n
una base del K espacio vectorial V. Demuestre que
= w
1
, w
2
, . . . , w
n
tal que w
i
= av
1
+ v
i
(i = 1, 2, . . . n), (a K) es una base de V
(4) Si =
__
3 2
2 1
_
,
_
2 1
1 0
_
,
_
6 5
4 2
_
,
_
5 4
4 a
__
M
R
(2) entonces determine el conjunto
= a R [ No es una base de M
R
(2)
(5) Si =
__
0 0
0 1
_
,
_
0 1
0 1
_
,
_
1 1
0 0
_
,
_
1 0
1 0
__
M
R
(2).
(a) Demuestre que es una base de M
R
(2)
(b) Determine
__
a b
c d
__
(6) Dado el sistema lineal

2x
1
+ x
2
+ x
3
= a
x
1
2x
2
+ x
3
= b
x
1
+ x
2
2x
3
= c
()
(a) Demuestre que W= (a, b, c) R
3
[ () Tiene solucion R
3
(b) A partir de una base del subespacio W obtenga una base de R
3
7. COORDENADAS Y MATRICES 37
7. Coordenadas y Matrices
El problema que abordaremos es exactamente, Como se relacionan dos triadas diferentes?. Es decir
Que relacion existe entre los sistemas de gestion de la informacion determinados por las bases y ?
En smbolos tenemos
_
_
(V, )
[ ]
M
K
(n 1)
_
_
?
_
(V, )
[ ]
M
K
(n 1)
_
_
Equivalentemente, si = v
1
, v
2
, . . . , v
n
y = w
1
, w
2
, . . . , w
n
, para cada u V tendremos que
u =
n
i=1
a
i
v
i
V u =
n
i=1
b
i
w
i
V

[u]
=
_
_
_
_
a
1
a
2
.
.
.
a
n
_
_
_
_
M
K
(n 1) [u]
=
_
_
_
_
b
1
b
2
.
.
.
b
n
_
_
_
_
M
K
(n 1)
(15)
Luego (15), nos sugiere que debemos generar un proceso que transforme coordenadas en la base
en coordenadas en la base .
7.1. Propuesta de Estrategia. Para analizar esta situacion, vericaremos directamente el com-
portamiento de la funcion []
, (donde es una base cualquiera del espacio), con respecto a las reglas
b asicas con que se generan los vectores. Es decir:
(1) Mostraremos que la funcion [ ]
, para cualquier base = z

1
, z
2
, . . . , z
n
de V, respeta las ope-
raciones del espacio V. Es decir que (u; u V), (v; v V) y (; K), se verican:
(a) [u + v]
= [u]
+ [v]
(b) [u]
= [u]
En efecto
Si u =
n
i=1
c
i
z
i
y v =
n
i=1
d
i
z
i
entonces u + v =
n
i=1
(c
i
+ d
i
)z
i
. As que
[u + v]
=
_
_
_
_
c
1
+ d
1
c
2
+ d
2
.
.
.
c
n
+ d
n
_
_
_
_
=
_
_
_
_
c
1
c
2
.
.
.
c
n
_
_
_
_
+
_
_
_
_
d
1
d
2
.
.
.
d
n
_
_
_
_
= [u]
+ [v]
38
Analogamente, si K entonces u =
n
i=1
(c
i
)z
i
. Por tanto
[u]
=
_
_
_
_
c
1
c
2
.
.
.
c
n
_
_
_
_
=
_
_
_
_
c
1
c
2
.
.
.
c
n
_
_
_
_
= [u]
(2) Siguiendo la idea propuesta por el diagrama (15). Apliquemos la funcion [ ]
, a los elementos
de la base . Es decir
v
s
= a
1s
w
1
+ a
2s
w
2
+ a
3s
w
3
+ + a
ns
w
n
=
n
i=1
a
is
w
i
[v
s
]
=
_
_
_
_
a
1s
a
2s
.
.
.
a
ns
_
_
_
_
(1 s n)
(3) Ahora usemos la informacion acopiada, en el caso general, es decir si u V y u =
n
s=1
c
s
v
s
entonces
[u]
=
_
n
s=1
c
s
v
s
_
=
n
s=1
c
s
[v
s
]
=
n
s=1
c
s
_
_
_
_
a
1s
a
2s
.
.
.
a
ns
_
_
_
_
= c
1
_
_
_
_
a
11
a
21
.
.
.
a
n1
_
_
_
_
+ c
2
_
_
_
_
a
12
a
22
.
.
.
a
n2
_
_
_
_
+ + c
n
_
_
_
_
a
1n
a
2n
.
.
.
a
nn
_
_
_
_
=
_
_
_
_
c
1
a
11
+ c
2
a
12
+ + c
n
a
1n
c
1
a
21
+ c
2
a
22
+ + c
n
a
2n
.
.
.
c
1
a
n1
+ c
2
a
n2
+ + c
n
a
nn
_
_
_
_
=
_
_
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
a
n1
..
[v
1
]
a
n2
..
[v
2
]
a
nn
..
[vn]
_
_
_
_
_
_
_
_
_
_
_
c
1
c
2
.
.
.
c
n
_
_
_
_
. .
[u]
(4) Ya henos encontrado la relacion, como era de esperar una matriz, que traslada la informacion
de una base a otra, as solo resta que la denotemos formalmente, porque incluso ya sabemos
como determinarla.
Denicion 7.2. La matriz de orden n, [I]
= ([v
1
]
[v
2
]
. . . [v
n
]
), se llamara la matriz cambio de

base de para
Equivalentemente,
[I]
=
_
_
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
. . . a
nn
_
_
_
_
Adem as hemos mostrado el siguiente importante resultado
7. COORDENADAS Y MATRICES 39
Teorema 7.3. Si V es un K espacio vectorial de dimension n, = v
1
, v
2
, . . . , v
n
y
= w
1
, w
2
, . . . , w
n
son dos bases entonces
[I]
[u]
= [u]
(u; u V) (16)
Corolario 7.3.1. Si V es un K espacio vectorial de dimension n, = v
1
, v
2
, . . . , v
n
y
= w
1
, w
2
, . . . , w
n
son dos bases entonces [I]
U(M
K
(n)) e
_
[I]
_
1
= [I]
En efecto
En primer lugar, (u; u V) tenemos que:
_
[I]
[I]
_
[u]
= [I]
_
[I]
[u]
_
= [I]
[u]
= [u]
Y en segundo lugar,
_
[I]
[I]
_
[u]
= [I]
_
[I]
[u]
_
= [I]
[u]
= [u]
As que, [I]
U(M
K
(n)) e
_
[I]
_
1
= [I]
Conclusion 7.3.2. Lo anterior puede ser sistematizado a traves del siguiente diagrama.
u =
n
i=1
c
i
v
i

[u]
=
_
_
_
_
c
1
c
2
.
.
.
c
n
_
_
_
_
u =
n
i=1
d
i
w
i
_
_
_
_
d
1
d
2
.
.
.
d
n
_
_
_
_
= [u]
(V, ) (V, )
1
V
M
R
(n 1) M
R
(n 1)
[ ]
[ ]
)
[I]
7.4. Ejercicios Propuestos de Coordenadas.

(1) Si = x, 3 + x
2
, x + 2x
2
R
2
x y = x + 3, x 2, x
2
+ 1 R
2
[x] entonces
(a) Demuestre que y son dos bases de R
3
(b) Determine
(i) [6 4x + 8x
2
]
[6 4x + 8x
2
]
(ii) [9 x + 7x
2
]
[9 x + 7x
2
]
40
(iii) [I]
y [I]
(c) Muestre que

(i) [I]
[6 4x + 8x
2
]
= [6 4x + 8x
2
]
(ii) [I]
[9 x + 7x
2
]
= [9 x + 7x
2
]
(2) Sea = (1, 1, 1), (1, 0, 1), (0, 1, 1) una base de R

3
, y A =
_
_
1 1 2
3 0 1
2 2 4
_
_
M
R
(3). Determine,
si es posible, una base del tal forma que A = [I]
. Si es posible exhiba una tal base , si no

justique con precision meridiana su respuesta.
8. SITUACIONES DE DESEMPE
NO: ESPACIOS VECTORIALES 41

8. Situaciones de Desempe no: Espacios Vectoriales
8.1. El objetivo de esta seccion es presentar al Estudiante Situaciones Problematicas
que le permitan:
() Estimular la comprension de lectura en problemas matematicos.
() Clasicar despues de leer el problema, entre informacion y resultado pedido.
() Estimular el uso de una sintaxis adecuada en la resolucion de problemas que envuelven concep-
tos matematicos.
() Aprender a generar un algoritmo ecaz (ojala eciente), para responder al problema planteado.
() Vericar el estado de aprendizaje de los contenidos especcamente relacionados con las propiedades
b asicas que debe conocer, y en lo posible haber aprehendido de los topicos analizados.
8.2. Algunas sugerencias para enfrentar las situaciones problematicas son las siguientes:
() Lea cuidadosamente el problema.
() Reconozca lo que es informacion (dato), de lo que es incognita, o lo que a usted se le consulta.
() Trate de entender en la forma m as clara para usted, lo que se le pide, en particular si puede
usar sinonimos matematicos, que le permitan facilitar su respuesta, cuanto mejor!!! Este acto
nunca esta de mas.
() Analice sus datos extrayendo la informacion que corresponde, orientado por su entendimiento
de lo que debe probar.
8.3. Situaciones de Desempe no Propuestas:
(1) Demuestre que W =
_
p(x) =
n
i=0
a
i
x
i
R
n
[x] [
n
i=0
ia
i
= 0
_
R
n
[x]
(2) Sea W= p(x) = a
0
+ a
1
x + a
2
x
2
[ p(1) = 0. Demuestre que W R
2
[x]
(3) Sean W
1
= (x, y, z) / 2x y z = 0 R
3
y W
2
= (x, y, z) / x + 2y + 3z = 0 R
3
(a) Demuestre que W
i
R
3
para (i = 1, 2)
(b) Demuestre que W
1
W
2
R
3
(c) Es W
1
W
2
R
3
?
(4) Sea W
1
=
_
A =
_
a
11
a
12
a
21
a
22
_
M
R
(2) [ a
11
+ a
22
= 0
_
M
R
(2)
42
(a) Demuestre que W
1
M
R
(2)
(b) Determine W
2
M
R
(2) tal que M
R
(2) = W
1
W
2
(5) Sea W= (x, y, z, t) R
4
[ x + 2y 3z = 0.
(a) Demuestre que W R
4
(b) Determine una base de W
1
, . . . , v
n
V. Si = w
1
, . . . , w
n
V tal que
w
k
=
k
i=1
iv
i
v
1
, v
2
, . . . , v
n
= w
1
, w
2
, . . . , w
n
(7) Sea C[, ] = f : [, ] R [ f Derivable en el intervalo [, ]. Demuestre que

= 1, sen x, cos x es un conjunto linealmente independiente en C[, ]
Recuerde que C[, ] es un espacio vectorial con las operaciones:
(f + g)(x) = f(x) + g(x), para x C[, ],
(f)(x) = f(x), para R y x C[, ]
(8) Sean V un K espacio vectorial tal que dim
K
(V) = n y = v
1
, v
2
, . . . , v
n
una base de V.
Demuestre que
= u
1
, u
2
, . . . , u
n
tal que u
s
=
s
r=1
v
r
(para 1 s n) es un sistema de generadores de V
(9) Sea = v
1
, v
2
, . . . , v
n
un conjunto Li en el R espacio vectorial V. Es = w
1
, w
2
, . . . , w
n
un conjunto LI en V?. Si w
i
= av
1
+ v
i
, para (i = 1, 2, . . . n) y a ,= 1 es un escalar jo.
1
, v
2
, , v
n
V. Demuestre que
base de V = = w
1
, w
2
, , w
n
es una base de V, donde w
i
=
i
j=1
v
j
(1 i n)
(11) Sea = v
1
, v
2
, . . . , v
n
una base del espacio vectorial real V. Dene el conjunto = w
1
, w
2
, . . . , w
n
tal que w
j
=
j
i=1
2v
i
, para 1 j n. Demuestre que es tambien una base de V.
(12) Sea = 1, 1 x, 1 x
2
una base de R
2
[x], y A =
_
_
1 1 2
3 0 1
2 2 4
_
_
M
R
(3). Determine, si es
posible, una base de R
2
[x] del tal forma que A = [I]
. (Si es posible exhiba una tal base ,

si no justique con precision meridiana su respuesta)

(13) Sea V un K espacio vectorial tal que dim
K
(V) = n. Considere = v
1
, v
2
, . . . , v
n
V y
= u
1
, u
2
, . . . , u
n
V tal que u
s
=
s
i=1
v
s+1i
, para s = 1, 2, . . . n.
(a) Demuestre que base de V = base de V
(b) Determine [I]
(14) Sea = v
1
, v
2
, v
3
una base de R
3
. Si [I]
c(3)
=
_
_
1 1 0
1 3 4
0 4 1
_
_
entonces determine la base
(15) En R
2
[x], considere las bases = x, x
2
+ 3, 2x
2
+ x y = x + 3, x 2, x
2
+ 1.
(a) Determine [I]
y [I]
(b) Determine [1 + x + x
2
]
y [1 + x + x
2
]
(16) Considere las bases = (1, 2, 0), (0, 1, 0), (1, 0, 1) y = (1, 1, 1), (0, 1, 1), (0, 0, 1) de R
3
.
Determine [I]
e [I]
(17) Si P(2) = 1, x, x
2
y = 1 + x + x
2
, 2 x + x
2
, 1 + x + x
2
dos bases de R
2
[x] entonces
determine [I]
P(2)
e [I]
P(2)
(18) Si y = (1, 0, 1), (1, 1, 0), (0, 0, 1) son dos bases ordenadas de R
3
tal que
[I]
=
_
_
1 1 1
0 2 1
1 1 1
_
_
Es la matriz de cambio de la base para la base entonces determine la base .
(19) Si = (2, 1, 2), (4, 1, 0), (1, 2, 2) es una base de R
3
, y u = (1, 2, 3) entonces determine [u]
44
9. Solucion de Situaciones de Desempe no: Espacios Vectoriales
(1) Demuestre que W=
_
p(x) =
n
i=0
a
i
x
i
R
n
[x] [
n
i=0
ia
i
= 0
_
R
n
[x].
Solucion
p(x) W p(x) =
n
i=0
a
i
x
i
R
n
[x]
n
i=0
ia
i
= 0
p(x) =
n
i=0
a
i
x
i
R
n
[x]
n
i=1
ia
i
= 0
p(x) = a
0
+ a
1
x +
n
i=2
a
i
x
i
a
1
=
n
i=2
ia
i
p(x) = a
0
+
_
i=2
ia
i
_
x +
n
i=2
a
i
x
i
()
Ahora, procedemos a estudiar la relacion polinomial expresada en
n
i=2
a
i
x
i
+
_
i=2
ia
i
_
x = (a
2
x
2
+ a
3
x
3
+ + a
n
x
n
) (2a
2
x + 3a
3
x + + na
n
x)
= a
2
(x
2
2x) + a
3
(x
3
3x) + a
4
(x
4
4x) + + a
n
(x
n
nx) ()
Retornamos a () a la luz de lo obtenido en () y nos resulta que
p(x) W p(x) = a
0
+ a
2
(x
2
2x) + a
3
(x
3
3x) + a
4
(x
4
4x) + + a
n
(x
n
nx)
p(x) 1, (x
2
2x), (x
3
3x), (x
4
4x), . . . , (x
n
nx)
Luego,
W = 1, (x
2
2x), (x
3
3x), (x
4
4x), . . . , (x
n
nx) =W R
n
[x]
(2) Sea W= p(x) = a
0
+ a
1
x + a
2
x
2
[ p(1) = 0. Demuestre que W R
2
[x]
Solucion
Etapa 1. p(x) = 0 + 0x + 0x
2
R
2
[x] y p(1) = 0 + 0 1 + 0 1
2
= 0.
Luego (0) W y W,= .
Etapa 2. Sean p(x) W y q(x) = b
0
+ b
1
x + b
2
x
2
W entonces
p(x) W p(x) = a
0
+ a
1
x + a
2
x
2
R
2
[x] p(1) = 0
p(x) = a
0
+ a
1
x + a
2
x
2
R
2
[x] a
0
+ a
1
+ a
2
= 0
q(x) W q(x) = b
0
+ b
1
x + b
2
x
2
R
2
[x] q(1) = 0
q(x) = b
0
+ b
1
x + b
2
x
2
R
2
[x] b
0
+ b
1
+ b
2
= 0
9. SOLUCI
ON DE SITUACIONES DE DESEMPE

entonces
p(x) + q(x) = (a
0
+ b
0
) + (a
1
+ b
1
)x + (a
2
+ b
2
)x
2
R
2
[x] y
p(1) + q(1) = (a
0
+ b
0
) + (a
1
+ b
1
) 1 + (a
2
+ b
2
) 1
2
= (a
0
+ b
0
) + (a
1
+ b
1
) + (a
2
+ b
2
)
= (a
0
+ a
1
+ a
2
) + (b
0
+ b
1
+ b
2
)
= 0 + 0
= 0
Luego, p(x) + q(x) W.
Etapa 3. Sean p(x) W y R entonces
p(x) = a
0
+ a
1
x + a
2
x
2
R
2
[x] y
p(1) = a
0
+ a
1
1 + a
2
1
2
= a
0
+ a
1
+ a
2
= (a
0
+ a
1
+ a
2
)
= 0
= 0
Luego, p(x) W, y W R
2
[x]
(3) Sean W
1
= (x, y, z) / 2x y z = 0 R
3
y W
2
= (x, y, z) / x + 2y + 3z = 0 R
3
.
(a) Demuestre que W
i
R
3
para (i = 1, 2)
Solucion
Etapa 1. W
1
,= , pues (0, 0, 0) R
3
y 2 0 0 0 = 0. As que (0, 0, 0) W
1
Etapa 2. Sea u W
1
y v W
1
entonces
u W
1
u = (x
1
, y
1
, z
1
) R
3
2x
1
y
1
z
1
= 0
v W
1
v = (x
2
, y
2
, z
2
) R
3
2x
2
y
2
z
2
= 0
entonces
u + v = (x
1
+ x
2
, y
1
+ y
2
, z
1
+ z
2
) R
3
y
2(x
1
+ x
2
) (y
1
+ y
2
) (z
1
+ z
2
) = 2x
1
+ 2x
2
y
1
y
2
z
1
z
2
= (2x
1
y
1
z
1
) + (2x
2
y
2
z
2
)
= 0 + 0
= 0
Luego, u + v W
1
46
Etapa 3. Sea u W
1
y R entonces
u = (x
1
, y
1
, z
1
) R
3
y
(2x
1
y
1
z
1
) = (2x
1
y
1
z
1
)
= 0
= 0
Luego, u W
1
y W
1
R
3
An alogamente, para W
2
tenemos que
Etapa 1. W
2
,= , pues (0, 0, 0) R
3
y 2 0 + 2 0 + 3 0 = 0. As que (0, 0, 0) W
2
Etapa 2. Sea u W
2
y v W
2
entonces
u W
2
u = (x
1
, y
1
, z
1
) R
3
x
1
+ 2y
1
+ 3z
1
= 0
v W
2
v = (x
2
, y
2
, z
2
) R
3
x
2
+ 2y
2
+ 3z
2
= 0
entonces
u + v = (x
1
+ x
2
, y
1
+ y
2
, z
1
+ z
2
) R
3
y
(x
1
+ x
2
) + 2(y
1
+ y
2
) + 3(z
1
+ z
2
) = x
1
+ x
2
+ 2y
1
+ 2y
2
+ 3z
1
+ 3z
2
= (x
1
+ 2y
1
+ 3z
1
) + (x
2
+ 2y
2
+ 3z
2
)
= 0 + 0
= 0
Luego, u + v W
2
Etapa 3. Sea u W
2
y R entonces
u = (x
1
, y
1
, z
1
) R
3
y
(x
1
+ 2y
1
+ 3z
1
) = (x
1
+ 2y
1
+ 3z
1
)
= 0
= 0
Luego, u W
2
y W
2
R
3
(b) Demuestre que W
1
W
2
R
3
Solucion
Etapa 1. W
1
W
2
,= , pues del ejercicio anterior, (0, 0, 0) W
1
y (0, 0, 0) W
2
9. SOLUCI

Etapa 2. Sea u W
1
W
2
y v W
1
W
2
entonces
u W
1
W
2
u = (x
1
, y
1
, z
1
) R
3
u W
1
u W
2
u = (x
1
, y
1
, z
1
) R
3
2x
1
y
1
z
1
= 0 x
1
+ 2y
1
+ 3z
1
= 0
v W
1
W
2
v = (x
2
, y
2
, z
2
) R
3
v W
1
v W
2
u = (x
2
, y
2
, z
2
) R
3
2x
2
y
2
z
2
= 0 x
2
+ 2y
2
+ 3z
2
= 0
entonces
u + v = (x
1
+ x
2
, y
1
+ y
2
, z
1
+ z
2
) R
3
y
Como W
1
R
3
y W
2
R
3
entonces u + v W
1
y u + v W
2
. As que u + v W
1
W
2
Etapa 3. De la misma forma si R y u W
1
W
2
entonces u W
1
W
2
, y
W
1
W
2
R
3
(c) Es W
1
W
2
R
3
?
Solucion
Observen que u = (1, 2, 0) W
1
y v = (1, 1, 1) W
2
, pero u+v = (0, 1, 1) , W
1
W
2
.
As que W
1
W
2
, R
3
(4) Sea W
1
=
_
A =
_
a
11
a
12
a
21
a
22
_
M
R
(2) [ a
11
+ a
22
= 0
_
M
R
(2).
(a) Demuestre que W
1
M
R
(2)
Solucion
A W
1
A =
_
a
11
a
12
a
21
a
22
_
M
R
(2) a
11
+ a
22
= 0
A =
_
a
11
a
12
a
21
a
22
_
M
R
(2) a
22
= a
11
A = a
11
_
1 0
0 1
_
+ a
12
_
0 1
0 0
_
+ a
12
_
0 0
1 0
_
Luego, W
1
=
___
1 0
0 1
_
,
_
0 1
0 0
_
,
_
0 0
1 0
___
M
R
(2)
(b) Determine W
2
M
R
(2) tal que M
R
(2) = W
1
W
2
Solucion
Etapa 1. Sea W
2
el subespacio de M
R
(2) pedido.
48
Etapa 2. M
R
(2) = W
1
W
2
= dim
R
(M
R
(2)) = dim
R
(W
1
) + dim
R
(W
2
)
Luego, 4 = 3 + dim
R
(W
2
), y dim
R
(W
2
) = 1
Etapa 3. Basta escoger W
2
=
___
1 0
0 1
___
, pues:
=
__
1 0
0 1
_
,
_
0 1
0 0
_
,
_
0 0
1 0
_
,
_
1 0
0 1
__
, es una base de M
R
(2)
(5) Sea W= (x, y, z, t) R
4
[ x + 2y 3z = 0.
(a) Demuestre que W R
4
Solucion
u W u = (x, y, z, t) R
4
x + 2y 3z = 0
u = (x, y, z, t) R
4
x = 2y + 3z = 0
u = (2y + 3z, y, z, t) (y, z, t) R
3
u = y(2, 1, 0, 0) + z(3, 01, 0) + t(0, 0, 0, 1)
Luego W= (2, 1, 0, 0), (3, 0, 1, 0), (0, 0, 0, 1) R
4
(b) Determine una base de W
Solucion
Si = (2, 1, 0, 0), (3, 0, 1, 0), (0, 0, 0, 1) entonces genera W y para ver que es Li hace-
mos lo siguiente,
a
1
(2, 1, 0, 0) + a
2
(3, 01, 0) + a
3
(0, 0, 0, 1) = (0, 0, 0, 0)
(2a
1
+ 3a
2
, a
1
, a
2
, a
3
) = (0, 0, 0, 0)
a
1
= a
2
= a
3
= 0
As que es una base W
1
, . . . , v
n
V. Si = w
1
, . . . , w
n
V tal que
w
k
=
k
i=1
iv
i
v
1
, v
2
, . . . , v
n
= w
1
, w
2
, . . . , w
n
Solucion
9. SOLUCI

Etapa1. Debemos demostrar que v
1
, v
2
, . . . , v
n
= w
1
, w
2
, . . . , w
n
. Es decir debemos
mostrar que v
1
, v
2
, . . . , v
n
w
1
, w
2
, . . . , w
n
y w
1
, w
2
, . . . , w
n
v
1
, v
2
, . . . , v
n
Etapa 2. Gestion de la informaci on

(a) En primer lugar, sabemos que
u v
1
, v
2
, . . . , v
n
u =
n
i=1
a
i
v
i
(a
i
K : 1 i n)
v w
1
, w
2
, . . . , w
n
v =
n
i=1
b
i
w
i
(b
i
K : 1 i n)
(b) En segundo lugar,
w
k
=
k
i=1
iv
i
; (k = 1, 2, . . . , n) =
w
1
= v
1
w
2
= v
1
+ 2v
2
w
3
= v
1
+ 2v
2
+ 3v
3
.
.
.
w
n
= v
1
+ 2v
2
+ 3v
3
+ + nv
n
Luego,
w
1
, w
2
, . . . , w
n
v
1
, v
2
, . . . , v
n
(c) En tercer y ultimo lugar,

w
1
= v
1
w
2
= v
1
+ 2v
2
w
3
= v
1
+ 2v
2
+ 3v
3
.
.
.
w
n
= v
1
+ 2v
2
+ 3v
3
+ + nv
n
_
_
=
v
1
= w
1
v
2
=
w
2
w
1
2
v
3
=
w
3
w
2
3
.
.
.
v
n
=
w
n
w
n1
n
Luego
v
1
, v
2
, . . . , v
n
w
1
, w
2
, . . . , w
n
(7) Sea C[, ] = f : [, ] R [ f Derivable en el intervalo [, ]. Demuestre que

= 1, sen x, cos x es un conjunto linealmente independiente en C[, ]
Recuerde que C[, ] es un espacio vectorial con las operaciones:
(f + g)(x) = f(x) + g(x), para x C[, ],
(f)(x) = f(x), para R y x C[, ].
Solucion
50
Supongamos que tenemos la combinacion lineal nula. a
1
1 + a
2
sen x + a
3
cos x = 0 entonces
derivando respecto de x obtenemos el sistema lineal en las variables 1, sen x, cos x.
a
1
1 + a
2
sen x + a
3
cos x = 0
0 1 + a
2
cos x a
3
sen x = 0
0 1 a
2
sen x a
3
cos x = 0
_
_
a
1
a
2
a
3
0 a
3
a
2
0 a
2
a
3
_
_
. .
A
_
_
1
sen x
cos x
_
_
=
_
_
0
0
0
_
_
entonces escalonando tenemos que:
_
_
a
1
a
2
a
3
0 a
3
a
2
0 a
2
a
3
_
_

_
_
a
1
0 0
0 a
3
a
2
0 a
2
a
3
_
_

_
_
a
1
0 0
0 a
2
a
3
0 a
3
a
2
_
_
_
_
a
1
0 0
0 a
2
a
3
a
2
3
0 a
3
a
2
a
2
2
_
_

_
_
a
1
0 0
0 a
2
a
3
a
2
3
0 0 a
2
2
+ a
2
3
_
_
= a
1
= a
2
= a
3
= 0
Caso contrario el sistema homogeneo tiene rango maximo y entonces solucion unica, es decir
1 = 0, sen x = 0 y cos x = 0 (x), lo cual es imposible. Por tanto es Linealmente independiente.
(8) Sean V un K espacio vectorial tal que dim
K
(V) = n y = v
1
, v
2
, . . . , v
n
una base de V.
Demuestre que
= u
1
, u
2
, . . . , u
n
tal que u
s
=
s
r=1
v
r
(para 1 s n) es un sistema de generadores de V.
Solucion
Sea w V entonces como es una base de V existen unicos escalares a
1
, a
2
, . . . , a
n
tales que
w = a
1
v
1
+ a
2
v
2
+ + a
n
v
n
()
Pero,
u
1
= v
1
v
1
= u
1
u
2
= v
1
+ v
2
v
2
= u
2
u
1
u
3
= v
1
+ v
2
+ v
3
v
3
= u
3
u
2
. . . . . . . . .
Sustituyendo en () tenemos que
w = a
1
u
1
+ a
2
(u
2
u
1
) + a
3
(u
3
u
2
) + + a
n
(u
n
u
n1
)
= (a
1
a
2
)u
1
+ (a
2
a
3
)u
2
+ + a
n
u
n
Luego genera V.
(9) Sea = v
1
, v
2
, . . . , v
n
un conjunto Li en el R espacio vectorial V. Es = w
1
, w
2
, . . . , w
n
un conjunto LI en V?. Si w
i
= av
1
+ v
i
, para (i = 1, 2, . . . n) y a ,= 1 es un escalar jo.
Solucion
9. SOLUCI

Sabemos que, = v
1
, v
2
, . . . , v
n
es un conjunto Li en el K espacio vectorial V, lo que opera-
cionalmente se traduce en que
a
1
v
1
+ a
2
v
2
+ + a
n
v
n
= 0
V
= a
1
= a
2
= = a
n
= 0
En este orden de razonamiento, para vericar la calidad de dependencia o independencia lineal
de debemos mostrar que
c
1
w
1
+ c
2
w
2
+ + c
n
w
n
= 0
V
= c
1
= c
2
= = c
n
= 0
En efecto, como w
i
= av
1
+ v
i
, para (i = 1, 2, . . . n) y a es un escalar jo entonces
c
1
w
1
+ c
2
w
2
+ + c
n
w
n
= 0
V
= c
1
(av
1
+ v
1
) + c
2
(av
1
+ v
2
) + c
3
(av
1
+ v
3
) + + c
n
(av
1
+ v
n
) = 0
V
= [a(c
1
+ c
2
+ + c
n
) + c
1
]v
1
+ c
2
v
2
+ + c
n
v
n
= 0
V
=
a(c
1
+ c
2
+ + c
n
) + c
1
= 0
c
2
= 0
c
3
= 0
.
.
. =
.
.
.
c
n
= 0
= ac
1
+ c
1
= 0 c
2
= = c
n
= 0
= (a + 1)c
1
= 0 c
2
= = c
n
= 0
= (a + 1) = 0 c
1
= 0 c
2
= = c
n
= 0
= c
1
= c
2
= = c
n
= 0 (a ,= 1)
As es Linealmente independiente en V
1
, v
2
, , v
n
V. Demuestre que
base de V = = w
1
, w
2
, , w
n
es una base de V, donde w
i
=
i
j=1
v
j
(1 i n)
Solucion
Sea u V entonces como es una base de V existen unicos escalares, a
1
, a
2
, . . . , a
n
tales
que
u = a
1
v
1
+ a
2
v
2
+ + a
n
v
n
(17)
Ahora por la forma de los elementos de tenemos que v
1
= w
1
y para i = 2, 3, . . . , n
tenemos que
w
i1
=
i1
j=1
v
j
w
i
=
i
j=1
v
j
= w
i
w
i1
= v
i
(18)
Sustituyendo (18) en (17) tenemos que
u = a
1
w
1
+ a
2
(w
2
w
1
) + a
3
(w
3
w
2
) + + a
n
(w
n
w
n1
)
= (a
1
a
2
)w
1
+ (a
2
a
3
)w
2
+ (a
3
a
4
)w
3
+ + (a
n1
a
n
)w
n1
+ a
n
w
n
Luego, genera V
52
Supongamos que
n
j=1
c
j
w
j
= 0
V
entonces
n
s=1
c
s
w
s
= 0
V
=
n
s=1
c
s
_
s
j=1
v
j
_
= 0
V
= c
1
_
1
j=1
v
j
_
+ c
2
_
2
j=1
v
j
_
+ + c
n
_
n
j=1
v
j
_
= 0
V
= (c
1
+ c
2
+ c
n
)v
1
+ (c
2
+ c
n
)v
2
+ + (c
n1
+ c
n
)v
n1
+ c
n
v
n
= 0
V
es Li
=
c
1
+ c
2
+ c
n
= 0
c
2
+ c
n
= 0
.
.
. =
.
.
.
c
n1
+ c
n
= 0
c
n
= 0
= c
i
= 0 (i = 1, 2, . . . , n)
As que es linealmente independiente y por tanto es una base.
(11) Sea = v
1
, v
2
, . . . , v
n
una base del espacio vectorial real V. Dene el conjunto = w
1
, w
2
, . . . , w
n
tal que w
j
=
j
i=1
2v
i
, para 1 j n. Demuestre que es tambien una base de V.
Solucion
a
1
w
1
+ + a
n
w
n
= 0
V
= 2(a
1
+ + a
n
)v
1
+ 2(a
2
+ + a
n
)v
2
+ + a
n
v
n
= 0
V
=
a
1
+ a
2
+ + a
n
= 0
a
2
+ + a
n
= 0
.
.
.
.
.
.
.
.
.
a
n1
+ a
n
= 0
a
n
= 0
( Pues es Li)
= a
n
= a
n1
= = a
1
= 0 y entonces es Li
Para mostrar que es un sistema de generadores, hacemos lo siguiente:
Si u V entonces como es base existen unicos escalares a
1
, a
2
, , a
n
tal que
n
i=1
a
i
v
i
(19)
Ahora genera el espacio V si tiene solucion la ecuacion: u =
n
i=1
b
i
w
i
. Pero,
9. SOLUCI

u =
n
j=1
b
j
w
j
= u =
n
j=1
b
j
_
j
i=1
2v
i
_
= u =
_
n
j=1
b
j
_
v
1
+
_
n
j=2
b
j
_
v
2
+ +
_
n
j=n1
b
j
_
v
n1
+
_
n
j=n
b
j
_
v
n
Como la representacion (19) es unica para u entonces debe suceder que:
b
1
+ b
2
+ + b
n
= a
1
b
2
+ + b
n
= a
2
.
.
.
.
.
.
.
.
.
b
n1
+ b
n
= a
n1
b
n
= a
n
y luego,
b
1
= a
1
a
2
b
2
= a
2
a
3
.
.
.
.
.
.
.
.
.
b
n1
= a
n1
a
n
b
n
= a
n
As que
u = (a
1
a
2
)
. .
b
1
w
1
+ (a
2
a
3
)
. .
b
2
w
2
+ + (a
n1
a
n
)
. .
b
n1
w
n1
+ a
n
..
bn
w
n
Por tanto genera V, y entonces es una base.
(12) Sea = 1, 1 x, 1 x
2
una base de R
2
[x], y A =
_
_
1 1 2
3 0 1
2 2 4
_
_
M
R
(3). Determine, si es
posible, una base de R
2
[x] del tal forma que A = [I]
. Si es posible exhiba una tal base , si

no justique con precision meridiana su respuesta.
Solucion
Supongamos que = p
1
(x), p
2
(x),
3
(x) es una base de R
2
[x], que satisface las condiciones
propuestas en el problema encima entonces por denicion
[I]
= ([p
1
(x)]
[p
2
(x)]
[p
3
(x)]
) =
_
_
1 1 2
3 0 1
2 2 4
_
_
Por tanto,
[p
1
(x)]
=
_
_
1
3
2
_
_
= p
1
(x) = 1 + 3(1 x) + 2(1 x
2
) = 6 3x 2x
2
[p
2
(x)]
=
_
_
1
0
2
_
_
= p
2
(x) = 1 + 0(1 x) 2(1 x
2
) = 3 + 2x
2
[p
3
(x)]
=
_
_
2
1
4
_
_
= p
3
(x) = 2 + 1(1 x) + 4(1 x
2
) = 7 x 4x
2
54
Entonces
= 6 3x 2x
2
, 3 + 2x
2
, 7 x 4x
2
Pero se debe observar que no es base, pues es linealmente dependiente por un calculo directo,
o porque
det
_
_
1 1 2
3 0 1
2 2 4
_
_
= det
_
_
1 1 2
3 0 1
0 0 0
_
_
= 0
. Luego, A no puede ser una matriz cambio de base
(13) Sea Vun Kespacio vectorial tal que dim
K
(V) = n, Considere los conjuntos = v
1
, v
2
, . . . , v
n

V y = u
1
, u
2
, . . . , u
n
V tal que u
s
=
s
i=1
v
s+1i
, para s = 1, 2, . . . n.
(a) Demuestre que base de V = base de V
Solucion
En primer lugar observamos que los elementos de la base son de la forma:
u
1
=
1
i=1
v
1+1i
= v
1
v
1
= u
1
u
2
=
2
i=1
v
2+1i
= v
2
+ v
1
v
2
= u
2
u
1
u
3
=
3
i=1
v
3+1i
= v
3
+ v
2
+ v
1
v
3
= u
3
u
2
.
.
.
.
.
.
.
.
.
.
.
.
u
j
=
j
i=1
v
j+1i
= v
j
+ v
j1
+ + v
1
v
j
= u
j
u
j1
.
.
.
.
.
.
.
.
.
.
.
.
u
n
=
n
i=1
v
n+1i
= v
n
+ v
n1
+ + v
1
v
n
= u
n
u
n1
(20)
En segundo lugar, mostramos que linealmente independiente.
n
j=1
a
j
u
j
= 0 a
1
u
1
+ a
2
u
2
+ + a
n
u
n
= 0
a
1
v
1
+ a
2
(v
2
+ v
1
) + + a
n
(v
n
+ v
n1
+ + v
1
) = 0
(a
1
+ a
2
+ + a
n
)v
1
+ (a
2
+ a
3
+ + a
n
)v
2
+ + (a
n1
+ a
n
)v
n1
+ a
n
v
n
= 0
a
1
+ a
2
+ + a
n
= 0
a
2
+ + a
n
= 0
.
.
.
a
n1
+ a
n
= 0
a
n
= 0
= a
n
= a
n1
= = a
1
= 0
9. SOLUCI

As que es linealmente independiente.
En tercer lugar, mostramos que es un sistema de generadores.
Si u V entonces como es una base entonces existen unicos escalares c
1
, c
2
, , c
n
tales
que u = a
1
v
1
+ a
2
v
2
+ + a
n
v
n
, pero de acuerdo con (20) tenemos que
u = a
1
v
1
+ a
2
v
2
+ + a
n
v
n
u = a
1
u
1
+ a
2
(u
2
u
1
) + + a
n
(u
n
u
n1
)
u = (a
1
a
2
)u
1
+ (a
2
a
3
)u
2
+ + (a
n1
+ a
n
)a
n1
+ a
n
u
n
Luego genera V, y por ende es una base de .
(b) Determine [I]
Solucion
[I]
= ([u
1
]
[u
2
]
[u
2
]
[u
n
]
)
=
_
_
_
_
_
_
1 1 1 1
0 1 1 1
0 0 1 1
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1
_
_
_
_
_
_
(14) Sea = v
1
, v
2
, v
3
una base de R
3
. Si [I]
c(3)
=
_
_
1 1 0
1 3 4
0 4 1
_
_
entonces determine la base
Solucion
[I]
c(3)
= ([(1, 0, 0)]
[(0, 1, 0)]
[(0, 0, 1)]
) =
_
_
1 1 0
1 3 4
0 4 1
_
_
As que
[(1, 0, 0)]
=
_
_
1
1
0
_
_
(1, 0, 0) = v
1
+ v
2
[(0, 1, 0)]
=
_
_
1
3
4
_
_
(0, 1, 0) = v
1
+ 3v
2
+ 4v
3
[(0, 0, 1)]
=
_
_
0
4
1
_
_
(0, 0, 1) = 4v
2
+ v
3
56
Por tanto, tenemos un sistema que resuelve el problema.
v
1
+ v
2
= (1, 0, 0)
v
1
+ 3v
2
+ 4v
3
= (0, 1, 0)
4v
2
+ v
3
= (0, 0, 1)
=
2v
2
+ 4v
3
= (1, 1, 0)
4v
2
+ v
3
= (0, 0, 1)
=
4v
2
+ 8v
3
= (2, 2, 0)
4v
2
+ v
3
= (0, 0, 1)
= v
3
=
_
2
7
,
2
7
,
1
7
_
v
2
=
_
1
14
,
1
14
,
4
14
_
v
1
=
_
13
14
,
1
14
,
4
14
_
(15) En R
2
[x], considere las bases = x, x
2
+ 3, 2x
2
+ x y = x + 3, x 2, x
2
+ 1.
(a) Determine [I]
y [I]
Solucion
Etapa 1. Por denicion la matriz [I]
se construye como: [I]
= ([x]
[x
2
+ 3]
[2x
2
+ x]
)
Etapa 2. Luego, una buena estrategia es calcular en general: [a
0
+ a
1
x + a
2
x
2
]
. As que
[a
0
+ a
1
x + a
2
x
2
]
=
_
_
b
0
b
1
b
2
_
_
a
0
+ a
1
x + a
2
x
2
= b
0
(x + 3) + b
1
(x 2) + b
2
(x
2
+ 1)
a
0
+ a
1
x + a
2
x
2
= (3b
0
2b
1
+ b
2
) + (b
0
+ b
1
)x + b
2
x
2
3b
0
2b
1
+ b
2
= a
0
b
0
+ b
1
= a
1
b
2
= a
2
=
3b
0
2b
1
= a
0
a
2
b
0
+ b
1
= a
1
b
2
= a
2
= b
2
= a
2
; b
0
=
a
0
+ 2a
1
a
2
5
; b
1
=
3a
1
a
0
+ a
2
5
Luego,
[a
0
+ a
1
x + a
2
x
2
]
=
_
_
_
_
a
0
+ 2a
1
a
2
5
3a
1
a
0
+ a
2
5
a
2
_
_
_
_
()
Etapa 3. Sustituyendo en la formula (), tenemos que:
9. SOLUCI

[I]
=
_
_
_
_
_
_
_
_
2
5
2
5
0
3
5

2
5
1
5
0 1 2
_
_
_
_
_
_
_
_
An alogamente para [I]
, tenemos el mismo proceso. (o bien recordar que esta es la inversa

de [I]
)
Etapa 1.
Por denicion la matriz [I]
se construye como: [I]
= ([x + 3]
[x 2]
[x
2
+ 1]
)
Etapa 2.
Luego, una buena estrategia es calcular en general: [a
0
+ a
1
x + a
2
x
2
]
. As que
[a
0
+ a
1
x + a
2
x
2
]
=
_
_
b
0
b
1
b
2
_
_
a
0
+ a
1
x + a
2
x
2
= b
0
x + b
1
(x
2
+ 3) + b
2
(2x
2
+ x)
a
0
+ a
1
x + a
2
x
2
= 3b
1
+ (b
0
+ b
2
)x + (b
1
+ 2b
2
)x
2
3b
1
= a
0
b
0
+ b
2
= a
1
b
1
+ 2b
2
= a
2
= b
0
=
6a
1
3a
2
a
0
6
; b
1
=
a
0
3
; b
2
=
3a
2
a
0
6
luego,
[a
0
+ a
1
x + a
2
x
2
]
=
_
_
_
_
_
_
_
_
_
6a
1
3a
2
+ a
0
6
a
0
3
3a
2
a
0
6
_
_
_
_
_
_
_
_
_
()
Etapa 3. Sustituyendo en la formula (), tenemos que:
[I]
=
_
_
_
_
_
_
_
_
_
_
3
2
2
3

1
3
1
2
3
1
3
1
2
1
3
1
3
_
_
_
_
_
_
_
_
_
_
58
(b) Determine [1 + x + x
2
]
y [1 + x + x
2
]
Solucion
Etapa 1. Determinamos [1 + x + x
2
]
usando la formula ()
[1 + x + x
2
]
=
_
_
_
_
_
_
_
_
_
_
2
3
1
3
1
3
_
_
_
_
_
_
_
_
_
_
Etapa 2. Determinamos [1 + x + x
2
]
usando la formula ().

[1 + x + x
2
]
=
_
_
_
_
_
_
_
_
2
5
3
5
1
_
_
_
_
_
_
_
_
(16) Considere las bases = (1, 2, 0), (0, 1, 0), (1, 0, 1) y = (1, 1, 1), (0, 1, 1), (0, 0, 1) de R
3
.
Determine [I]
e [I]
Solucion
[I]
= ([(1, 2, 0)]
[(0, 1, 0)]
[(1, 0, 1)]
) M
R
(3) ()
Luego, debemos resolver la ecuaci on, (x, y, z) = a
1
(1, 1, 1)+a
2
(0, 1, 1)+a
3
(0, 0, 1) para (x, y, z)
R
3
. e.e.
(x, y, z) = a
1
(1, 1, 1) + a
2
(0, 1, 1) + a
3
(0, 0, 1)
(x, y, z) = (a
1
, a
1
+ a
2
, a
1
+ a
2
+ a
3
)
a
1
= x
a
1
+ a
2
= y
a
1
+ a
2
+ a
3
= z
= a
1
= x a
2
= y x a
3
= z y
[(x, y, z)]
=
_
_
x
y x
z y
_
_
()
Aplicando () en () tenemos que
9. SOLUCI

[I]
=
_
_
1 0 1
3 1 1
2 1 1
_
_
(21)
An alogamente, para
[I]
= ([(1, 1, 1)]
[(0, 1, 1)]
[(0, 0, 1)]
) M
R
(3) ()
Debemos resolver la ecuacion, (x, y, z) = a
1
(1, 2, 0)+a
2
(0, 1, 0)+a
3
(1, 0, 1) para (x, y, z) R
3
.
Es decir
(x, y, z) = a
1
(1, 2, 0) + a
2
(0, 1, 0) + a
3
(1, 0, 1)
(x, y, z) = (a
1
+ a
3
, 2a
1
+ a
2
, a
3
)
a
1
+ a
3
= x
2a
1
+ a
2
= y
a
3
= z
= a
1
= x z a
2
= y + 2x 2z a
3
= z
[(x, y, z)]
=
_
_
x z
y + 2x 2z
z
_
_
()
Aplicando () en () tenemos que
[I]
=
_
_
0 1 1
1 1 2
1 1 1
_
_
(22)
Finalmente podemos comprobar la calidad de nuestro trabajo!!!
[I]
[I]
=
_
_
1 0 1
3 1 1
2 1 1
_
_
_
_
0 1 1
1 1 2
1 1 1
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
(17) Si P(2) = 1, x, x
2
y = 1 + x + x
2
, 2 x + x
2
, 1 + x + x
2
dos bases de R
2
[x] entonces
determine [I]
P(2)
e [I]
P(2)
Solucion
Etapa 1. Debemos determinar las matrices [I]
P(2)
e [I]
P(2)
60
Etapa 2. Por denicion la matriz cambio de base es dada por
[I]
P(2)
=
_
[1 + x + x
2
]
P(2)
[2 x + x
2
]
P(2)
[1 + x + x
2
]
P(2)
_
Por denicion la funcion coordenada [ ]
P(2)
se construye como sigue:
1 + x + x
2
= 1 1 + 1 x + 1 x
2
[1 + x + x
2
]
P(2)
=
_
_
1
1
1
_
_
2 x + x
2
= (1) 1 + (1) x + 1 x
2
[2 x + x
2
]
P(2)
=
_
_
2
1
1
_
_
1 + x + x
2
= (1) 1 + 1 x + 1 x
2
[1 + x + x
2
]
P(2)
=
_
_
1
1
1
_
_
Etapa 3. Finalmente sustituyendo los datos encontrados tenemos que
[I]
P(2)
=
_
_
1 2 1
1 1 1
1 1 1
_
_
An alogamente, para[I]
P(2)
tenemos que
Por denicion la matriz cambio de base es dada por
[I]
P(2)
=
_
[1]
[x]
[x
2
]
_
Por denicion la funcion coordenada [ ]
P(2)
se construye como sigue:
1 + 0x + 0x
2
= a
1
(1 + x + x
2
) + a
2
(2 x + x
2
) + a
3
(1 + x + x
2
)
= (a
1
2a
2
a
3
) + (a
1
a
2
+ a
3
)x + (a
1
+ a
2
+ a
3
)x
2
As que debemos resolver el sistema de ecuaciones
a
1
2a
2
a
3
= 1
a
1
a
2
+ a
3
= 0
a
1
+ a
2
+ a
3
= 0
= a
2
= 0 a
1
=
1
2
a
3
=
1
2
Es decir
1 =
1
2
(1 + x + x
2
) + 0(2 x + x
2
)
1
2
(1 + x + x
2
)
Para las otras coordenadas tenemos calculos similares:
9. SOLUCI

0 + 1 x + 0x
2
= a
1
(1 + x + x
2
) + a
2
(2 x + x
2
) + a
3
(1 + x + x
2
)
= (a
1
2a
2
a
3
) + (a
1
a
2
+ a
3
)x + (a
1
+ a
2
+ a
3
)x
2
As que debemos resolver primeramente el sistema de ecuaciones
a
1
2a
2
a
3
= 0
a
1
a
2
+ a
3
= 1
a
1
+ a
2
+ a
3
= 0
= a
2
=
1
2
a
1
=
1
4
a
3
=
3
4
Es decir
x =
1
4
(1 + x + x
2
)
1
2
(2 x + x
2
) +
3
4
(1 + x + x
2
)
Y en segundo lugar,
a
1
2a
2
a
3
= 0
a
1
a
2
+ a
3
= 0
a
1
+ a
2
+ a
3
= 1
= a
2
=
1
2
a
1
=
3
4
a
3
=
1
4
Es decir
x
2
=
3
4
(1 + x + x
2
) +
1
2
(2 x + x
2
)
1
4
(1 + x + x
2
)
Etapa 3. Finalmente sustituyendo los datos encontrados tenemos que
[I]
P(2)
=
_
_
1
2

1
4
3
4
0
1
2
1
2
1
2
3
4

1
4
_
_
(18) Si y = (1, 0, 1), (1, 1, 0), (0, 0, 1) son dos bases ordenadas de R
3
tal que
[I]
=
_
_
1 1 1
0 2 1
1 1 1
_
_
Es la matriz de cambio de la base para la base entonces determine la base .
Solucion
Etapa 1. Supongamos que = u
1
, u
2
, u
3
R
3
es la base pedida
62
Etapa 2. Com la matriz de cambio de base es [I]
=
_
_
1 1 1
0 2 1
1 1 1
_
_
entonces por construccion
se debe vericar que
[I]
=
_
_
1 1 1
0 2 1
1 1 1
_
_
= ([u
1
]
[u
2
]
[u
3
]
)
As que
[u
1
]
=
_
_
1
0
1
_
_
u
1
= 1(1, 0, 1) + 0(1, 1, 0) + 1(1, 1, 1) = (2, 1, 2)
[u
2
]
=
_
_
1
2
1
_
_
u
2
= 1(1, 0, 1) 2(1, 1, 0) + 1(1, 1, 1) = (4, 1, 0)
[u
3
]
=
_
_
1
1
1
_
_
u
3
= 1(1, 0, 1) + 1(1, 1, 0) + 1(1, 1, 1) = (1, 2, 2)
Por tanto la base buscada es = (2, 1, 2), (4, 1, 0), (1, 2, 2)
(19) Si = (2, 1, 2), (4, 1, 0), (1, 2, 2) es una base de R
3
, y u = (1, 2, 3) entonces determine [u]
Solucion
Recordemos que por denicion [u]
=
_
_
a
b
c
_
_
(1, 2, 3) = a(2, 1, 2) + b(4, 1, 0) + c(1, 2, 2)
entonces
[u]
=
_
_
a
b
c
_
_

2a + 4b + c = 1
a b + 2c = 2
2a + 2c = 3
= a =
3
2
b =
1
2
c = 0
= [u]
=
_
_
_
_
_
_
_
_
_
_
3
2
1
2
0
_
_
_
_
_
_
_
_
_
_
CAPITULO 1
Producto Interno
1. Preliminares
Consideremos un K espacio vectorial de dimension n y = v
1
, v
2
, . . . , v
n
una base de V entonces
autom aticamente pensamos en el meollo del Algebra Lineal, es decir que, para cada v V existen
unicos escalares que representan al vector v, en forma teorica o practica respecto de esa base. En
smbolos
v =
n
i=1
a
i
v
i
[v]
=
_
_
a
1
a
2
.
.
.
a
n
_
_
Mas a un,
[ ]
: V M
R
(n 1)
v [v]
Es una biyeccion de espacios vectoriales, y ademas podemos observar los siguientes puntos centrales:
(1) Dada la base y el vector v, la determinacion de los escalares a
i
, para (i = 1, 2, . . . , n) se realiza
a traves de un sistema de ecuaciones.
(2) Lamentablemente la resolucion del sistema de ecuaciones implica que la b usqueda es secuencial,
esto es, para conocer a
i
, por ejemplo debo conocer a
i1
. Y que tiene de malo una b usqueda
secuencial?. Una respuesta es depende de quien? y que se ejecuta?.
Por ejemplo
(i) De grano en grano un zorzal se comio una vi na, en este caso para el zorzal no hay problema,
probablemente se encuentre feliz .
(ii) Suponga que desea pedir un prestamo en el Banco U, en esta empresa usted es lo siguiente
para su Ejecutivo de Cuentas:
Usted =
_
_
fulano de tal
5204401-4
casado
empleado
.
.
.
pocos miles
morro 2
latino
_
_
63
64 1. PRODUCTO INTERNO
Cu al cree Ud. que es la casilla favorita del ejecutivo?.
Acerto en pleno, imagina que el tuviese que leer todas las casillas (posiciones) anteriores a
los pocos miles para pensar en su prestamo, si as fuese, lo mas probable es que se quedara
sin comprar su netbook favorito.
(iii) C omo cree que el ejecutivo accedio a la casilla correcta.?
Probablemente el procedio de la siguiente forma:
Genero una matriz adecuada, con ceros en la posicion que no le interesa, es decir
construyo
Ejecutivo =
_
_
0
0
.
.
.
1
0
0
_
_
Procedio a multiplicar por cero, como anta no, para eliminar lo indeseable, es decir
Ejecutivo, Usted =
_
_
_
_
_
_
_
_
_
_
_
_
_
0
0
0
0
.
.
.
1
0
0
_
_
_
_
_
_
_
_
_
_
_
_
,
_
_
fulano de tal
5204401-4
casado
empleado
.
.
.
pocos miles
morro 2
latino
_
_
_
=
_
_
0
0
0
0
.
.
.
1
0
0
_
_
t
_
_
fulano de tal
5204401-4
casado
empleado
.
.
.
pocos miles
morro 2
latino
_
_
= pocos miles
Conclusion: No calica
1. PRELIMINARES 65
(3) No obstante el resultado de la gestion, hemos obtenido la siguiente moraleja o ense nanza, la
cual modelaremos tecnicamente como sigue.
Como = v
1
, v
2
, . . . , v
n
es una base de V entonces dados los vectores u y v de V existen
unicos escalares tales que:
v =
n
i=1
a
i
v
i
[v]
=
_
_
a
1
a
2
.
.
.
a
n
_
_
y
u =
n
i=1
b
i
v
i
[u]
=
_
_
b
1
b
2
.
.
.
b
n
_
_
entonces denimos, siguiendo al ejecutivo
u, v
=
_
_
_
b
1
b
2
.
.
.
b
n
_
_
,
_
_
a
1
a
2
.
.
.
a
n
_
_
_
=
_
_
b
1
b
2
.
.
.
b
n
_
_
t _
_
a
1
a
2
.
.
.
a
n
_
_
=
_
_
b
1
b
2
.
.
.
b
n
_
_
t _
_
a
1
a
2
.
.
.
a
n
_
_
=
n
i=1
b
i
a
i
(4) Tenemos por ejemplo:
(a) Si V = R
2
y = c(2) = (1, 0), (0, 1) entonces [(x, y]
c(2)
=
_
x
y
_
. Luego,
(x
1
, y
1
), (x
2
, y
2
) = (x
1
y
1
)
_
x
2
y
2
_
= x
1
x
2
+ y
1
y
2
(b) Si V = R
2
y = (1, 1), (1, 1) entonces [(x, y)]
=
_
_
x + y
2
x y
2
_
_
, Pues;
(x, y) = a
1
(1, 1) + a
2
(1, 1) a
1
=
x + y
2
a
2
=
x y
2
As que,
(x
1
, y
1
), (x
2
, y
2
) =
_
_
x
1
+ y
1
2
x
1
y
1
2
_
_
t _
_
x
2
+ y
2
2
x
2
y
2
2
_
_
=
1
2
(x
1
x
2
+ y
1
y
2
)
(5) Antes de concluir esta motivacion, observamos que a causa de las propiedades del producto de
matrices, el producto debe tener las siguientes propiedades:
(a) u, u 0
En efecto
u, u = [u]
, [u]
= [u]
t

[u]
=
n
i=1
u
i
u
i
=
n
i=1
[u
i
[
2
0
(b) u + v, w = u, w +v, w
En efecto
u + v, w = [u + v]
, [w]
= [u + v]
t

[w]
=
n
i=1
(u
i
+ v
i
) w
i
=
n
i=1
(u
i
w
i
+ v
i
w
i
) =
n
i=1
u
i
w
i
+
n
i=1
v
i
w
i
= u, w +v, w
(c) De la misma forma que encima vericamos que u, v + w = u, v +u, w
(d) u, w = u, w
En efecto
u, w = [ u]
t
[w]
= [u]
t

[w]
=
n
i=1
u
i
w
i
=
n
i=1
u
i
w
i
= u, w
(e) An alogamente vericamos que u, w =

u, w
(f) u, w = w, u
En efecto
u, w = [u]
t
,

[w]
= [u]
t

[w]
=
n
i=1
u
i
w
i
=
n
i=1
w
i
u
i
= w, u
Todo lo anterior nos motiva a hacer la siguiente denicion.
Denicion 1.1. Sea V un K - espacio vectorial. V se dice un espacio con Producto Interno o un
espacio Prehilbertiano si y solo si existe una funcion.
, : V V K
(u, v) u, v
tal que satisface las condiciones:
2. BASES ORTOGONALES Y ORTONORMALES 67
(1) v, v 0 (v, v V ) v, v = 0 v = 0
(2) u + v, w = u, w +v, w
(3) u, v + w = u, v +u, w
(4) u, v = u, v
(5) u, v =

u, v
(6) u, v = v, u
Ejemplo 1.1.1. En K
n
denimos:
(x
1
, x
2
, . . . , x
n
), (y
1
, y
2
, . . . , y
n
) =
n
j=1
x
j
y
j
(23)
El producto denido en (23) se llama producto interno canonico de K
n
, debe observarse que si K = R
entonces (23) se transforma en:
(x
1
, x
2
, . . . , x
n
), (y
1
, y
2
, . . . , y
n
) =
n
j=1
x
j
y
j
(24)
Ejemplo 1.1.2. En M
R
(n) dene
A, B = tr(B
t
A) (25)
El producto denido en (25) se llama producto interno canonico de M
R
(n)
Ejemplo 1.1.3. En C([a, b]) = f : [a, b] R [ f continua dene
f, g =
_
b
a
f(t)g(t) dt (26)
El producto denido en (26) se llama producto interno canonico de C([a, b])
Ejemplo 1.1.4. En el espacio vectorial R
2
[x] dene para cada p(x) R
2
[x] y q(x) R
2
[x] el producto
p(x), q(x) = p(0) q(0) + p(1) q(1) + p(2) q(2) (27)
entonces el producto denido en (48) es un producto interno
2. Bases Ortogonales y Ortonormales
Aunque nuestro astuto ejecutivo, encontro la forma de determinar la coordenada que a el le in-
teresaba, no obstante hay todava un peque no problema.
Para determinar una coordenada hay que ser capaz de tener las coordenadas del vector,
es decir primero debe tener un cliente, y mas a un debe conocerlo perfectamente !!!
Esto quiere decir que el concepto de base sigue siendo imprescindible, y lo que pretendemos ahora
es s olo perfeccionarlo.
Si V un K - espacio vectorial y = v
1
, v
2
, . . . , v
n
, una K - base de V entonces para cada v V
existen unicos escalares a
1
, a
2
, . . . , a
n
en K tales que
v =
n
j=1
a
j
v
j
(28)
Equivalentemente
[v]
=
_
_
_
_
a
1
a
2
.
.
.
a
n
_
_
_
_
M
R
(n 1) (29)
As, lo expresado en (28) o (29) es simplemente el Objetivo fundamental del algebra Lineal, es
decir Para conocer completamente un vector de V basta conocer sus Coordenadas respecto del
Sistema de Informacion .
Entonces parece natural que debamos analizar el efecto del producto interno (si es que lo hay) en el
proceso de b usqueda de coordenadas. Es inmediato de observar que la ventaja del producto es que,
permite implementar la preconcebida maxima multiplicate por cero la cual sin duda para bien o
para mal reduce en cualquier caso el problema.
Analisis 2.1. Sea = v
1
, v
2
una R - base de R
2
tal que v
1
, v
2
= 0 entonces como es base,
para v R
2
existen unicos a
1
, a
2
en K tales que
v = a
1
v
1
+ a
2
v
2
(30)
Como v
1
, v
2
= 0 entonces podemos multiplicar (30) por v
1
para obtener;
v, v
1
= a
1
v
1
+ a
2
v
2
, v
1
= a
1
v
1
, v
1
+ a
2
v
2
, v
1
= a
1
v
1
, v
1
De donde sigue que, a

1
=
v, v
1
v
1
, v
1
, observe que v
1
, v
1
> 0, pues es un vector no nulo.
De una forma absolutamente analoga a la anterior obtenemos que a
2
=
v, v
2
v
2
, v
2
As que, si = v
1
, v
2
una K - base de R
2
tal quev
1
, v
2
= 0 entonces
v =
v, v
1
v
1
, v
1
v
1
+
v, v
2
v
2
, v
2
v
2
Analisis 2.1.1. Intentamos generalizar el analisis anterior. Supongamos que en un V espacio vecto-
rial con producto interno , existe una base = v
1
, v
2
, . . . , v
n
tal que v
i
, v
j
= 0 si i ,= j entonces
como consecuencia del hecho que es base sigue que,
u V = u =
n
i=1
a
i
v
i
Ahora, como consecuencia de que v
i
, v
j
= 0 si i ,= j sigue que
u =
n
i=1
a
i
v
i
= u, v
j
=
_
n
i=1
a
i
v
i
, v
j
_
=
n
i=1
a
i
v
i
, v
j
= u, v
j
= a
j
v
j
, v
j
= a
j
=
u, v
j
v
j
, v
j
(j = 1, 2, . . . n)
Esto es extraordinario, pues en esta condiciones tenemos casi el maximo de eciencia, ya que,
u =
n
i=1
u, v
i
v
i
, v
i
v
i
[u]
=
_
_
_
_
_
_
_
_
_
_
u, v
1
v
1
, v
1
u, v
2
v
2
, v
2
.
.
.
u, v
n
v
n
, v
n
_
_
_
_
_
_
_
_
_
_
Motivados por lo anterior, hacemos la denicion formal de este objeto.
Denicion 2.2. Sea V un K-espacio con producto interno , y considera = v
1
, v
2
, . . . , v
n
V
entonces sera llamada una Base Ortogonal si
(1) es una base de V
(2) Si j ,= k entonces v
j
, v
k
= 0
(3) La coordenada respecto de la base ortogonal a
i
=
u, v
i
v
i
, v
i
se llamara el iesimo coeciente

de Fourier del vector u.
Ejemplo 2.2.1. c(n) la base canonica de K
n
con el producto interno canonico , es una base or-
togonal, pues
e
i
, e
j
=
_
1 : i = j
0 : i ,= j
Ejemplo 2.2.2. Sea V = 1, sen x, cos x, sen 2x, cos 2x, . . . , sen nx, cos nx y dene en V el pro-
ducto interno:
f, g =
_

f(t)g(t) dt (31)
entonces = 1, senx, cos x, sen 2x, cos 2x, . . . , sen nx, cos nx es una base ortogonal de V , respecto
de (31)
En efecto
sen kt, cos st =
_

sen kt cos st dt k ,= s
=
1
2
_

[sen(k + s)t + sen(k s)t] dt

=
1
2
_
1
k + s
cos(k + s)t [
+
1
k s
cos(k s)t [
_
= 0
Usando tecnicas de transformacion de angulos analoga a la desarrollada encima obtenemos.
sen kt, sen st = 0 cos kt, cos st = 0 (para k ,= s)
Observacion 2.2.3. Observamos que la fortaleza de las bases ortogonales, a la hora de determinar
las coordenadas de un vector, radica en el hecho que los productos entre elementos distintos es cero
entonces cobra relevancia preguntar.
(1) Que signica geometricamente el hecho v
i
, v
k
= 0?, para i ,= k. Para responder a esto, con-
sideremos la gura 3, y a partir de ese modelo, usemos el producto interno usual en R
2
,
v
2
= (x
2
, y
2
)
v
1
= (x
1
, y
1
)
Figura 3
Entonces sucede que
v
1
, v
2
= 0 x
1
x
2
+ y
1
y
2
= 0
l(v
1
) cos
1
l(v
2
) cos
2
+ l(v
1
) sen
1
l(v
2
) sen
2
= 0
l(v
1
)l(v
2
) cos(
2

1
) = 0
l(v
1
)l(v
2
) cos = 0
=

2
As que la conclusion es que en el plano R
2
la condicion v
1
, v
2
= 0, signica que las rectas
generadas por los vectores v
1
y v
2
son perpendiculares.
(2) Las bases ortonormales (ortogonales), se muestran como insuperables en su trabajo, es decir
en la mision de determinar las coordenadas (coecientes de Fourier) de los elementos del es-
pacio vectorial, salvo por un detalle, existen en abundancia?, y si lo son son faciles de ubicar?.
Para responder las preguntas planteadas encima, el analisis anterior nos permite imaginar un
modelo generico para el caso en que una base de V no cumpla esta propiedad. Es decir si
= v
1
, v
2
es una base de R
2
y v
1
, v
2
, = 0.
O sea que podemos considerar la siguiente situacion geometrica.
Si v
1
, v
2
, = 0 entonces de acuerdo a la gura 3, sabemos que v
1
no es perpendicular a v
2
, as
que podemos suponer sin perdida de generalidad que los vectores son como en las Figuras de
(32).
(0, 0)
v
1
v
2
Etapa 1. Modelo en bruto
Figura 4
Etapa 2. Modelo en contexto
W= v
1
2
v
2
av
1
Proyeccion
ortogonal
D
i
s
t
a
n
c
i
a
Figura 5
(32)
Entonces,
v
2
= v
2
+ av
1
(33)
Lamentablemente, (33) es una ecuacion que liga tres datos y solo conocemos uno !!!, pero, no todo
est a perdido, pues, observen que en virtud de las propiedades del producto interno tenemos.
v
2
= v
2
+ av
1
= v
2
, v
1
= v
2
, v
1
+av
1
, v
1
= v
2
, v
1
= av
1
, v
1
= a =
v
2
, v
1
v
1
, v
1
Y sustituyendo en la ecuacion (33) obtenemos

v
2
= v
2

v
2
, v
1
v
1
, v
1
v
1
(34)
Luego, tenemos lo siguiente:
= v
1
, v
2
base de V =
= v
1
, v
2
es una base ortogonal de V
Lo puede ser generalizada en el siguiente.
Teorema 2.3. (Ortogonalizacion de Gram-Schmidt) Sea V un K-espacio vectorial con producto
interno , y = v
1
, v
2
, . . . , v
n
una base V entonces
= v
1
, v
2
, . . . , v
n
es una base ortogonal,
donde los v
i
satisfacen la siguiente ecuacion vectorial.
_
_
_
v
j
= v
j

v
j
, v
j1
j1
, v
j1
j1

v
j
, v
1
, v
1
: (2 j n)
v
1
= v
1
(35)
En efecto
De (34) sigue que el resultado vale para n=2
Supongamos que v
j
es construido para (2 j n 1) satisfaciendo (35).
Es decir, v
1
, v
2
, . . . , v
n1
es un conjunto ortogonal.
Sea v
n
= v
n
v
n
, v
j1
j1
, v
j1
j1

v
n
, v
1
, v
1
entonces
v
n
, v
j
=
_
v
n
v
n
, v
j1
j1
, v
j1
j1

v
n
, v
1
, v
1
, v
j
_
= v
n
, v
j

n1
i=1
v
n
, v
ni
ni
, v
ni
ni
, v
= v
n
, v
j

v
n
, v
j
, v
j
, v
= 0
Lo que demuestra el teorema.
Ejemplo 2.3.1. Consideremos el subespacio W = (x, y, z, t) R
4
[ x + y + z + t = 0 entonces
usando el producto interno usual de R
4
, determinemos una base ortogonal para W.
Etapa 1. Determinamos una base de W
u W u = (x, y, z, t) R
4
x + y + z + t = 0
u = (x, y, z, t) R
4
t = x y z
u = (x, y, z, x y z); (x, y, z) R
3
u = x(1, 0, 0, 1) + y(0, 1, 0, 1) + z(0, 0, 1, 1); (x, y, z) R
3
Luego,
W= (1, 0, 0, 1), (0, 1, 0, 1), (0, 0, 1, 1)
Y, si notamos = (1, 0, 0, 1), (0, 1, 0, 1), (0, 0, 1, 1) entonces es una base de W, pues son
claramente linealmente independientes.
Etapa 2. Ahora, ortogonalizamos, usando el proceso de G. Schmidt descrito en el teorema (2.3).
v
1
= (1, 0, 0, 1)
v
2
= (0, 1, 0, 1)
(0, 1, 0, 1), (1, 0, 0, 1)
(1, 0, 0, 1), (1, 0, 0, 1)
(1, 0, 0, 1)
= (0, 1, 0, 1)
1
2
(1, 0, 0, 1)
=
_
1
2
, 1, 0,
1
2
_
tomaremos v
2
= (1, 2, 0, 1)
v
3
= (0, 0, 1, 1)
(0, 0, 1, 1), (1, 2, 0, 1)
(1, 2, 0, 1), (1, 2, 0, 1)
(1, 2, 0, 1)
(0, 0, 1, 1), (1, 0, 0, 1)
(1, 0, 0, 1), (1, 0, 0, 1)
(1, 0, 0, 1)
= (0, 0, 1, 1)
1
6
(1, 2, 0, 1)
1
2
(1, 0, 0, 1)
=
_
1
3
,
1
3
, 1,
1
3
_
Luego,
= (1, 0, 0, 1), (1, 2, 0, 1), (1, 1, 3, 1) es una base ortogonal de W

Observacion 2.4. Sea = v
1
, v
2
, . . . , v
n
una base ortogonal entonces
(1) Para cada u V, la representacion unica en terminos de la base .
u =
n
i=1
u, v
i
v
i
, v
i
v
i
Pero, dando una nueva mirada, (interesante preguntarse por que no lo hicimos antes?), pode-
mos observar en primer lugar el siguiente fenomeno.
u =
n
i=1
u, v
i
v
i
, v
i
v
i
=
n
i=1
1
v
i
, v
i
u, v
i
v
i
=
n
i=1
u, v
i

v
i
v
i
, v
i
Si llamamos = v
1
, v
2
, . . . , v
n
, donde v
i
=
v
i
v
i
, v
i
entonces tenemos el siguiente mejo-

ramiento tecnico en la representacion de los vectores.
Teorema 2.5. Si llamamos = v
1
, v
2
, . . . , v
n
, donde v
i
=
v
i
v
i
, v
i
, para cada i = 1, 2, . . . , n
entonces
(a) v
i
, v
j
= 0 si i ,= j
(b) u =
n
i=1
u, v
i
v
i
En efecto
Para dilucidar el primer punto, hacemos lo siguiente.
v
i
, v
j
=
_
v
i
v
i
, v
i
,
v
j
v
j
, v
j
_
=
1
v
i
, v
i
v
i
, v
j
v
i
, v
j
= 0 Si i ,= j pues es base ortogonal
Del punto anterior sigue que es una base ortogonal y entonces cada u V se escribe de forma
unica como
u =
n
i=1
u, v
i
v
i
(2) Nos queda pendiente dilucidar cuanto vale v
i
, v
i
. En esta direccion si calculamos obtenemos
lo siguiente
v
i
, v
i
=
_
v
i
v
i
, v
i
,
v
i
v
i
, v
i
_
=
1
v
i
, v
i
v
i
, v
i
v
i
, v
i
=
1
v
i
, v
i
2
v
i
, v
i
(Pues v
i
, v
i
R)
Motivados por lo anterior, y aprovechando las propiedades del producto interno hacemos la
siguiente denicion
Denicion 2.6. Llamaremos normativa o norma inducida por el producto interno imperante en el
espacio vectorial V a la funcion
|| : V R
+
0 tal que |u| =
_
u, u
Ejemplo 2.6.1. En K
n
tenemos que |(x
1
, x
2
, . . . , x
n
)| =
i=1
[x
i
[
2
. En particular para K = R y
n = 2 la norma |(x
1
, x
2
)| =
_
x
2
1
+ x
2
2
corresponde al modulo del n umero complejo asociado, o la
distancia desde el origen al punto (x
1
, x
2
).
(0, 0)
x
z = (x
1
, x
2
x
1
x
2
|
z
|
=
_
x
2
1
+
x
2
2
Figura 6
Lema 2.6.2. Para cada u V y v V se satisface la relacion (conocida como desigualdad de
Cauchy-Schwarz)
u, v |u| |v| (36)
En efecto
En primer lugar escribiendo al complejo u, v en su forma polar tenemos que,
u, v = [u, v[(cos + i sen ) = [u, v[e
i
(37)
v, u = [u, v[(cos i sen ) = [u, v[e
i
(38)
A seguir, para cada C
u + e
i
v, u + e
i
v 0 = u, u +u, e
i
v +e
i
v, u +e
i
v, e
i
v 0
= |u|
2
+ e
i
u, v + e
i
v, u +|v|
2
0
Ahora, sustituyendo lo obtenido en (37) y (38) y considerando R en la desigualdad de encima
obtenemos:
2
|u|
2
+ 2[u, v[ +|v|
2
. .
ecuacion cuadratica en
0 4[u, v[
2
4|u|
2
|v|
2
. .
discriminante de la ecuacion
0
= u, v |u| |v|
Teorema 2.6.3. Si V es un K espacio vectorial con producto interno , entonces la normativa
denida en 2.6 satisface las siguientes propiedades
(1) |u| 0 (u; u V) y |u| = 0 u = 0
V
(2) |u| = [[|u| (u; u V) y (; K)
(3) |u + v| |u| +|v|
En efecto
(1) Por denicion |u| =
_
u, u R
+
0, y |u| = 0
_
u, u = 0 u, u = 0 u = 0
V
(2) |u| =
_
u, u ==
_
[[
2
u, u = [[
_
u, u = [[|u|
(3) |u+v|
2
= u+v, u+v = u, u +u, v +v, u +v, v = |u|
2
+u, v +u, v+|v|
2
. Ademas
u, v +u, v = 2Re(u, v) 2|u||v| ( Desigualdad de Cauchy Schwarz)
As que
|u + v|
2
|u|
2
+ 2|u||v| +|v|
2
= (|u| +|v|)
2
Denicion 2.7. Sea V un K-espacio con producto interno , y considera = w
1
, w
2
, . . . , w
n
V
entonces sera llamada una Base Ortonormal si
(1) es una base ortogonal de V
(2) |v
i
| = 1, es decir v
i
, v
i
= 1 para i = 1, 2, . . . n
Equivalentemente
es una base ortonormal v
i
, v
j
=
_
1 : si i = j
0 : si i ,= j
Ejemplo 2.7.1. = (1, 1), (1, 1) es una base ortogonal respecto del producto interno usual de
R
2
, pues (1, 1), (1, 1) = 1 1 = 0.
Pero como,
|(1, 1|) = (1, 1), (1, 1) =
2
|(1, 1|) = (1, 1), (1, 1) =
2
entonces no es una base ortonormal.
Sin embargo, =
_
(1, 1)
2
,
(1, 1)
2
_
es una base ortonormal.
Unas consecuencias fabulosas de las bases ortonormales son las siguientes:
Teorema 2.8. Si V es un R espacio vectorial con producto interno , y y son dos bases
ortonormales entonces
([I]
)
1
= ([I]
)
t
En efecto
Por una parte, si = v
1
, v
2
, . . . , v
n
y = w
1
, w
2
, . . . , w
n
son dos bases ortonormales entonces
por denicion tenemos que
[I]
= ([v
1
]
[v
2
]
[v
n
]
) =
_
_
_
_
v
1
, w
1
v
2
, w
1
v
n
, w
1
v
1
, w
2
v
2
, w
2
v
n
, w
2
.
.
.
.
.
.
.
.
.
v
1
, w
n
v
2
, w
n
v
n
, w
n
_
_
_
_
Por otra parte, y tambien por denicion tenemos que
[I]
= ([w
1
]
[w
2
]
[w
n
]
)
=
_
_
_
_
w
1
, v
1
w
2
, v
1
w
n
, v
1
w
1
, v
2
w
2
, v
2
w
n
, v
2
.
.
.
.
.
.
.
.
.
w
1
, v
n
w
2
, v
n
w
n
, v
n
_
_
_
_
=
_
_
_
_
v
1
, w
1
v
1
, w
2
v
1
, w
n
v
2
, w
1
v
2
, w
2
v
2
, w
n
.
.
.
.
.
.
.
.
.
v
n
, w
1
v
n
, w
2
v
n
, w
n
_
_
_
_
= ([I]
)
t
Luego,
([I]
)
t
= [I]
= ([I]
)
1
Teorema 2.9. Si = v
1
, v
2
, . . . , v
n
es una base ortonormal de V entonces el producto interno se
canoniza , en el siguiente sentido:
v, u = [v]
t
[u]
=
n
j=1
v, v
j
u, v
j
En efecto
Sean v V y u V entonces
v, u =
_
n
j=1
v, v
j
v
j
,
n
k=1
u, v
k
v
k
_
=
n
j=1
n
k=1
v, v
j
u, v
k
v
j
, v
k
=
n
j=1
v, v
j
u, v
j
3. Proyeccion Ortogonal y Distancia a un Subespacio
Si remiramos el cuadro 32 entonces observamos que hemos resuelto uno de los tres problemas plantea-
dos en el, en efecto solo construimos el proceso de ortogonalizacion de Gram Schmidt, que esencial-
mente consiste en controlar la sombra que un vector proyecta en un subespacio del espacio, es decir
un vector anula a otro si su proyeccion en el es nula.
Etapa 2. Modelo en contexto de ortogonalizacion
W= v
1
2
v
2
av
1
Proyeccion
ortogonal
Figura 7
0
V
W
w
1
w
2
v
P
W
(v)
Etapa 3. Modelo recontextualizado para
proyeccion ortogonal
Figura8
(39)
Denicion 3.1. Sean V un K-espacio vectorial con producto interno, W V y = w
1
, w
2
, . . . , s
s
,
una base ortogonal de W entonces llamaremos Proyeccion ortogonal a la funcion P
W
denida como
sigue:
P
W
: V W tal que P
W
(v) =
S
i=1
v, w
i
|w
i
|
2
w
i
(40)
Ejemplo 3.1.1. Si W = (x, y, t, z) R
4
[ x + y 3z = 0 entonces usando el producto interno
usual determinemos P
W
(1) En primer lugar, determinamos una base de W.
u W u = (x, y, t, z) R
4
x + y 3z = 0
u = (x, y, t, z) R
4
y = 3z x
u = (x, 3z x, t, z)
u = x(1, 1, 0, 0) + z(0, 3, 0, 1) + t(0, 0, 1, 0)
Luego, W = (1, 1, 0, 0), (0, 3, 0, 1), (0, 0, 1, 0). As que dim
R
(W) 3, por tanto debemos
vericar que = (1, 1, 0, 0), (0, 3, 0, 1), (0, 0, 1, 0) es una base de W, y para ello solo falta
ver que es linealmente independiente. Es decir, debemos mostrar que
3. PROYECCI
ON ORTOGONAL Y DISTANCIA A UN SUBESPACIO 79

a
1
(1, 1, 0, 0) + a
2
(0, 3, 0, 1) + a
3
(0, 0, 1, 0) = (0, 0, 0) = a
1
= a
2
= a
3
= 0 entonces
a
1
(1, 1, 0, 0) + a
2
(0, 3, 0, 1) + a
3
(0, 0, 1, 0) = (0, 0, 0) = (a
1
, 3a
2
a
1
, a
3
, a
2
) = (0, 0, 0)
= a
1
= a
2
= a
3
= 0
Por tanto es una base de W.
(2) A seguir vericamos si es un base ortogonal, respecto del producto interno usual.
(1, 1, 0, 0), (0, 0, 1, 0) = 0
(1, 1, 0, 0), (0, 3, 0, 1) = 3
(0, 3, 0, 1), (0, 0, 1, 0) = 0
Luego, no es una base ortogonal, as que la ortogonalizamos va G-S.
v
1
= (1, 1, 0, 0)
v
2
= (0, 0, 1, 0)
v
3
= (0, 3, 0, 1)
(0, 3, 0, 1), (0, 0, 1, 0)
(0, 0, 1, 0), (0, 0, 1, 0)
(0, 0, 1, 0)
(0, 3, 0, 1), (1, 1, 0, 0)
(1, 1, 0, 0), (1, 1, 0, 0)
(1, 1, 0, 0)
= (0, 3, 0, 1) +
3
2
(1, 1, 0, 0)
=
_
3
2
,
3
2
, 0, 1
_
As obtenemos la base ortogonal
= (1, 1, 0, 0), (0, 0, 1, 0), (3, 3, 0, 2).

(3) Finalmente procedemos a calcular la proyeccion ortogonal de R
4
sobre W. Es decir
P
W
: R
4
W tal que (a, b, c, d) R
4
P
W
(a, b, c, d) W
P
W
(a, b, c, d) =
(a, b, c, d), (1, 1, 0, 0)
(1, 1, 0, 0), (1, 1, 0, 0)
(1, 1, 0, 0) +
(a, b, c, d), (0, 0, 1, 0)
(0, 0, 1, 0), (0, 0, 1, 0)
(0, 0, 1, 0) +
(a, b, c, d), (3, 3, 0, 2)
(3, 3, 0, 2), (3, 3, 0, 2)
(3, 3, 0, 2)
=
_
a b
2
_
(1, 1, 0, 0) + c(0, 0, 1, 0) +
_
3a + 3b + 2d
22
_
(3, 3, 0, 2)
=
_
a b
2
+
9a + 9b + 6d
22
,
b a
2
+
9a + 9b + 6d
22
, c,
3a + 3b + 2d
11
_
=
_
11a 11b + 9a + 9b + 6d
22
,
11b 11a + 9a + 9b + 6d
22
, c,
3a + 3b + 2d
11
_
=
_
20a 2b + 6d
22
,
20b 2a + 6d
22
, c,
3a + 3b + 2d
11
_
=
_
10a b + 3d
11
,
10b a + 3d
11
, c,
3a + 3b + 2d
11
_
Observacion 3.2. Una tecnica que nos ha dado buenos dividendos es que cada proceso que hacemos,
dentro de lo posible, lo comprobamos a n de asegurar la calidad y eciencia del mismo, en este caso
a un no tenemos mecanismos de control, pero procedamos a formalizarlos.
Teorema 3.3. Sean V un K-espacio vectorial con producto interno, W V y = w
1
, w
2
, . . . , s
s
,
una base ortogonal de W entonces
P
W
(w) = w w W
En efecto
(1) En primer lugar, w = P
W
(w) = w W. Pues, Img(W) W
(2) En segundo lugar, w W entonces como = w
1
, w
2
, . . . , w
s
, una base ortogonal de W sigue
que
w =
s
i=1
w, w
i
|w
i
|
2
w
i
= P
W
(w)
En particular, P
W
es una funcion sobreyectiva.
Corolario 3.3.1. Sean V un K-espacio vectorial con producto interno, W V y = w
1
, w
2
, . . . , s
s
,
una base ortogonal de W entonces P
W
P
W
= P
W
.
En efecto
(P
W
P
W
)(v) = P
W
(P
W
(v)) = P
W
(v). Pues P
W
(v) W (v; v V).
Por tanto, P
W
P
W
= P
W
.
Ahora tenemos mecanismos de control para nuestro trabajo, y lo podemos probar en el Ejemplo
3.1.1. La proyeccion ortogonal que obtuvimos fue la siguiente:
P
W
(a, b, c, d) =
_
10a b + 3d
11
,
10b a + 3d
11
, c,
3a + 3b + 2d
11
_
Si evaluamos entonces P
W
en elementos de W, este debe comportarse como la funcion identidad, es
decir debe devolver el mismo elemento.
P
W
(1, 1, 0, 0) =
_
11
11
,
11
11
, 0,
0
11
_
= (1, 1, 0, 0) ( OK)
P
W
(0, 0, 1, 0) =
_
0
11
,
0
11
, 1,
0
11
_
= (0, 0, 1, 0) ( OK)
P
W
(3, 3, 0, 2) =
_
33
11
,
33
11
, 0,
22
11
_
= (3, 3, 0, 2) ( OK)
Finalmente, Si volvemos a remirar el cuadro (32) entonces observamos que hemos resuelto dos de
los tres problemas planteados en el, en efecto, construimos el proceso de ortogonalizacion de Gram
Schmidt, que esencialmente consiste en controlar la sombra que un vector proyecta en un subespacio
del espacio, es decir un vector anula a otro si su proyeccion en el es nula, y ahora el de la proyeccion
del espacio en uno de sus subespacios, pero a un falta desarrollar la idea de distancia de un vector a
un subespacio,en realidad debemos generalizar la idea de distancia entre vectores.
Para ello, reformulemos el cuadro (39)
3. PROYECCI
ON ORTOGONAL Y DISTANCIA A UN SUBESPACIO 81

0
V
W
w
1
w
2
v
P
W
(v)
proyeccion ortogonal
Figura9
0
V
W
w
1
w
2
v
v
P
W
(v)
proyeccion ortogonal y distancia
D
i
s
t
a
n
c
i
a
Figura10
(41)
Entonces usando toda la informacion tenemos las etapas:
Etapa 1. Del proceso de Gram Schmidt sigue que
v = v
+ P
W
(v) v
, P
W
= 0 (42)
Etapa 2. Aplicamos el concepto de norma a la ecuacion denida en (42), para iniciar la construccion
natural de una distancia.
v
= v P
W
(v) = |v
| = |v P
W
(v)|
Esto motiva hacer la siguiente denici on
Denicion 3.4. Si V es un K espacio vectorial con producto interno , , y W V entonces
|v P
W
(v)| es la distancia del vector v al subespacio W.
Usaremos la notacion: d(v, W) = |v P
W
(v)|
Ejemplo 3.4.1. Si W = (x, y, t, z) R
4
[ x + y 3z = 0 entonces usando el producto interno
usual determinemos d((x, y, z, t), W). Conocemos del Ejemplo 3.1.1 P
W
. As que
|(x, y, z, t) P
W
(x, y, z, t)| =
_
_
_
_
(x, y, z, t)
_
10x y + 3t
11
,
10y x + 3t
11
, z,
3x + 3y + 2t
11
__
_
_
_
=
_
_
_
_
_
11x 10x + y 3t
11
,
11y 10y + x 3t
11
, 0,
11t 3x 3y 2t
11
__
_
_
_
=
_
_
_
_
x + y 3t
11
,
y + x 3t
11
, 0,
9t 3x 3y
11
_
_
_
_
=
_
_
_
_
x + y 3t
11
,
y + x 3t
11
, 0,
3(x + y 3t)
11
_
_
_
_
Luego,
d((x, y, z, t), W) =
_
_
_
x + y 3t
11
_
2
+
_
y + x 3t
11
_
2
+
_
3(x + y 3t)
11
_
2
_
=
_
_
_
x + y 3t
11
_
2
+
_
y + x 3t
11
_
2
+ 9
_
(x + y 3t)
11
_
2
_
=
11
_
x + y 3t
11
_
2
Podemos como antes, en base a nuestras propiedades, comprobar nuestro resultado:
d((1, 1, 0, 0), W) =
11
_
1 1 0
11
_
2
= 0
Observacion 3.5. Con las propiedades obtenidas para la proyeccion ortogonal, la distancia obtenida
hereda naturalmente las siguientes propiedades:
(1) d(v, W) 0 d(v, W) = 0 P
W
(v) = v
(2) P
W
(v) = v v W
(3) d(v, W) = 0 v W
4. Complemento Ortogonal
En esta secci on estaremos interesados en emular el genial comportamiento del plano cartesiano, es
decir queremos generalizar la idea
R
2
= (1, 0)
. .
Eje x
(0, 1)
. .
Eje y
Denicion 4.1. Sea V un K espacio con producto interno , , y consideremos u V y v V . u se
dira ortogonal a v si y solo si u, v = 0.
Una notacion adecuada para este contexto es: u v u, v = 0
4. COMPLEMENTO ORTOGONAL 83
Lema 4.1.1. Sea V un K espacio con producto interno , , y W un subespacio de V entonces
W
= v V [ v, w = 0 (w; w W)
es un subespacio de V .
En efecto
En primer lugar 0
V
, w = 0 (w; w W). As que, 0
v
W
En segundo lugar, Si u W
v W
entonces
u W
u, w = 0 (w; w W)
v W
v, w = 0 (w; w W)
_
u + v, w = u, w +v, w = 0(w; w W)
As que u + v W
Finalmente,para K v W
: v, w = v, w = 0 = 0 (w; w W)
Luego, v W
y W
es un subespacio de V.
Denicion 4.2. W
sera llamado Complemento Ortogonal de W en (V, , ).

Ejemplo 4.2.1. Sea W= (x, y, z) R
3
[ xy+z = 0 y consideremos el producto interno canonico
en R
3
entonces
w W w = (x, y, z) R
3
x y + z = 0
w = (x, y, z) R
3
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 (1, 0, 1), (0, 1, 1)
Luego, W= (1, 0, 1), (0, 1, 1). As que en consecuencia
W
= v R
3
[ v, (1, 0, 1) = 0 v, (0, 1, 1) = 0
Y por tanto
v W
v R
3
v, w = 0 (w; w W)
v = (x, y, z) R
3
[(x, y, z), (1, 0, 1) = 0
(x, y, z), (0, 1, 1) = 0]
v = (x, y, z) R
3
[x z = 0 y z = 0]
v = (x, y, z) R
3
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)
Lema 4.3. Sea V un K espacio vectorial con producto interno y = v
1
, v
2
, . . . , v
n
(V 0
V
)
entonces
v
i
v
j
i ,= j = es un conjunto linealmente independiente en V
En efecto
Supongamos que
n
j=1
a
j
v
j
= 0 para a
j
K; (1 j n) entonces como ahora podemos multiplicar por
v
k
, y obtenemos:
0 =
_
n
j=1
a
j
v
j
, v
k
_
=
n
j=1
a
j
v
j
, v
k
(1 k n) = a
k
v
k
, v
k
, (Pues, v
i
v
j
i ,= j)
Finalmente, como v
k
,= 0 = v
k
, v
k
, = 0 As, que a
k
= 0 (1 k n). Lo que muestra que es
un conjunto linealmente independiente en V .
Conclusion 4.4. Antes de plantear algunos ejercicios, saludables para la comprension de lo expuesto,
quisiera concluir esta seccion con algunas reexiones seg un mi parecer de importancia capital.
Reexion 1
El modelamiento en el plano cartesiano R
2
, es facil de hacer y de entender. Pues su arquitectura
consiste apenas de un par de ejes perpendiculares y todas las traslaciones son inducidas justamente
de esa forma.
(x, y) = x(1, 0) + y(0, 1)
(0, 0) x(1, 0)
y(0, 1)
Figura11
En n, todo el mundo entiende la expresion geometrica expuesta encima y por si fuera poco tambien
la teorica:
(x, y) = x(1, 0) + y(0, 1) (43)
Reexion 2
La simpleza de R
2
radica en la posibilidad de construir la siguiente gura.
4. COMPLEMENTO ORTOGONAL 85
(x, y)
(0, 0)
Eje x
(Eje x)
d(x, y)
P
Eje x
Figura 12
As que quien simule esa ecuacion geometrica es un R
2
en potencia.
Reexion 3
Sea V un K espacio vectorial de dimension n. Si V posee un producto interno entonces V emula
el comportamiento de K
2
En efecto
El algoritmo de simulacion es el siguiente:
Sea W un subespacio de V y = w
1
, w
2
, . . . , w
s
una base ortogonal de W entonces calculamos W
,
como sigue:
Completamos hasta obtener una base de V, usando el teorema de completamiento de base o
mejor, agregando vectores linealmente independientes a los w
i
con i = 1, . . . , s hasta llegar a la
la dimension n de V; digamos
= w
1
, w
2
, . . . , w
s
, v
s+1
, . . . , v
n
Usando el proceso de Gram Schmidt ortogonalizamos y obtenemos
= w
1
, w
2
, . . . , w
s
, w
s+1
, . . . , w
n
(44)
De la propia construccion de
en (44),sigue que vale la ecuacion

w
i
, w
j
= 0 si
_
i = s + 1, s + 2, . . . , n
j = 1, 2 . . . , s
As que, para cualquier w =
s
i=1
w, w
i
[[w
i
[[
2
w
i
tenemos que
w
j
, w = w
j
,
s
i=1
w, w
i
[[w
i
[[
2
w
i
=
s
i=1
w, w
i
[[w
i
[[
2
w
j
, w
i
= 0
Luego, w
s+1
, . . . , w
n
W
, as que por construccion

w
s+1
, . . . , w
n
= W
Finalmente
V = W
En realidad falta mostrar que W W
= 0
V
.
Pero eso es claro pues:
v W W
v W v W
v W v, w = 0 (w; w W)
v W v, v = 0
v = 0
V
La vision geometrica de la emulacion es:
W
W
v = w + w
Figura 13: V = WW
5. Ejercicios Propuestos Miscelaneos de Producto Interno

(1) En R
2
R
2
, dene la funcion:
f((x
1
, x
2
), (y
1
, y
2
)) = x
1
y
1
+ x
1
y
2
+ x
2
y
1
+ x
2
y
2
(45)
Demuestre que f es un producto interno.
(2) A partir de la base canonica c(2) = (1, 0), (0, 1) de R
2
, determine una base ortogonal c(2)
,
respecto del producto interno denido en (45)
(3) Si = (1, 2), (2, 1) R
2
entonces
(a) Demuestre que es una base de R
2
.
(b) A partir de la base , determine una base ortogonal
, respecto del producto interno usual.

(c) A partir de la base , determine una base ortogonal
, respecto del producto interno

denido en (45)
5. EJERCICIOS PROPUESTOS MISCEL
ANEOS DE PRODUCTO INTERNO 87

(4) Determine una base ortogonal, respecto del producto interno usual,para el subespacio.
W= (x, y, z) R
3
[ x + y + z = 0
(5) Si W = (x, y, z) R
3
[ x + y + z = 0 entonces usando el producto interno usual
(a) Determine W
(b) Calcule d((1, 1, 1), W)

(c) Demuestre que R
3
= W W
(6) Si W = (x, y, z, t) R
4
[ 2x + y + z t = 0 entonces usando el producto interno usual
(a) Determine W
(b) Calcule d((1, 1, 0, 0), W)

(c) Demuestre que R
4
= W W
(7) Si W = (x, y, t, z) R
4
[ x y = 0 2t + z = 0 entonces usando el producto interno usual
(a) Determine W
(b) Calcule d((2, 2, 3, 6), W)

(c) Demuestre que R
4
= W W
(8) En el espacio de funciones C[, ] = f : [, ] R [ f continua. Dene el producto.

f, g =
_

f(x)g(x) dx (46)
(a) Demuestre que (46), es un producto interno en C[, ]
(b) Demuestre que f(n) = 1, sen x, cos x, sen 2x, cos 2x, sen 3x, cos 3x, . . . , sen nx, cos nx es un
conjunto ortogonal en C[, ].
(c) Si W(n) = 1, sen x, cos x, sen 2x, cos 2x, sen 3x, cos 3x, . . . , sen nx, cos nx calcule:
(i) P
W
(f) si f(x) = x pi < x <
(ii) P
W
(f) si f(x) =
_
1 : si pi < x < 0
1 : si 0 < x <
(iii) d(f, W), si f(x) = x
(9) En M
R
(2) dene el producto.
A, B = tr(B
t
A) (47)
(a) Demuestre que (47), es un producto interno en M
R
(2).
(b) Si W = A M
R
(2) [ A = A
t
entonces determine una base ortogonal de W, respecto del
producto denido en (47)
(c) Determine P
W
(d) Si A =
_
1 1
1 1
_
entonces calcule d(A, W)
6. Situaciones de Desempe no: Producto Interno
6.1. El objetivo de esta seccion es presentar al Estudiante Situaciones Problematicas
que le permitan:
() Estimular la comprension de lectura en problemas matematicos.
() Clasicar despues de leer el problema, entre informacion y resultado pedido.
() Estimular el uso de una sintaxis adecuada en la resolucion de problemas que envuelven concep-
tos matematicos.
() Aprender a generar un algoritmo ecaz (ojala eciente), para responder al problema planteado.
() Vericar el estado de aprendizaje de los contenidos especcamente relacionados con las propiedades
b asicas que debe conocer, y en lo posible haber aprehendido de los topicos analizados.
6.2. Algunas sugerencias para enfrentar las situaciones problematicas son las siguientes:
() Lea cuidadosamente el problema.
() Reconozca lo que es informacion (dato), de lo que es incognita, o lo que a usted se le consulta.
() Trate de entender en la forma mas clara para usted, lo que se le pide, en particular si puede
usar sinonimos matematicos, que le permitan facilitar su respuesta, cuanto mejor!!! Este acto
nunca esta de mas.
() Analice sus datos extrayendo la informacion que corresponde, orientado por su entendimiento
de lo que debe probar.
6.3. Situaciones de Desempe no Propuestas:
(1) Si W= (x, y, z, t) R
4
[ x 2y + z 2t = 0 R
4
entonces
(a) Determine, una base ortogonal respecto del producto usual para el subespacio W
(b) Determine W
(2) Sea V un K espacio vectorial con producto interno , de dimension n.

(a) Demuestre que u, v = 0
K
(v, v V) = u = 0
V
(b) Demuestre que u v, w = 0
V
(w, w V) = u = v
(3) Considere el subespacio W= (x, y, z, t) R
4
[ x +y +z +t = 0 entonces usando el producto
interno usual de R
4
, determine P
W
.
(4) Sea V un K espacio vectorial con producto interno , de dimension n, y W V.
Demuestre que P
W
inyectiva =V = W
NO: PRODUCTO INTERNO 89

(5) Sea W = (x, y, z) R
3
[ x y = 0 z 1 = 0 R
3
entonces usando el producto interno
usual de R
3
(a) Determine W
(b) Es R
3
= WW
?
(6) Considere en el espacio vectorial M
R
(2) el producto interno. A, B = Tr(B
t
A), y el subespacio
W= A MR(2) [ A = A
t
. Determine una base ortonormal de W.
(7) Si (V, , ) es un R - espacio vectorial entonces demuestre que
u, v =
1
4
[|u + v|
2
|u v|
2
]
(8) Si W= (1, 1, 1, 1), (1, 0, 0, 1) R
4
entonces usando el producto interno usual.
(a) Determine W
(b) Es posible que R

4
= WW
. Si su respuesta es armativa demuestre la armacion, si es

falsa de un contraejemplo.
(9) En el espacio vectorial R
2
2
[x] y q(x) R
2
[x] el producto interno
p(x), q(x) = p(0) q(0) + p(1) q(1) + p(2) q(2) ()
(a) Sea = 1, 1 x, 1 x
2
base de R
2
[x]. Determine una base ortogonal respecto del
producto interno denido en ()
(b) Si W = p(x) = a
0
+ a
1
x + a
2
x
2
R
2
[x] [ a
0
= 0. Determine W
respecto del producto

interno denido en (48)
(c) Es posible que R
2
[x] = WW
. Si su respuesta es armativa demuestre la armacion, si

es falsa de un contraejemplo.
(10) Sea (V, , ) un K espacio vectorial de dimension n, y = v
1
, . . . , v
n
(V0
V
). Demuestre
que
conjunto ortogonal respecto de , = conjunto linealmente independiente en V
(11) En R
2
[x] el espacio de polinomios hasta grado 2, considere el producto interno
p(x), q(x) =
_
1
1
p(x) q(x) dx ()
(a) Determine una base ortonormal respecto del producto interno denido en () a partir de
la base canonica pol(2) = 1, x, x
2
(b) Si W= 1 entonces determine W
(12) Sea V, , un K espacio vectorial tal que dim

K
(V) = n y sea = u
1
, u
2
, . . . , u
n
una base de
V. Si
= u
1
, u
2
, . . . , u
n
es una base ortogonal respecto del producto interno , obtenida de
la base . Demuestre que
Base ortogonal =

K
(V) = n, y W V. Demuestre que
W
= 0
V
W= V
7. Solucion de Situaciones de Desempe no: Producto Interno
(1) Si W= (x, y, z, t) R
4
[ x 2y + z 2t = 0 R
4
entonces
(a) Determinemos en primer lugar, una base ortogonal respecto del producto usual para el
subespacio W.
u W u = (x, y, z, t) R
4
x 2y + z 2t = 0
u = (x, y, z, t) R
4
x = 2y z + 2t
u = (2y z + 2t, y, z, t)
u = y(2, 1, 0, 0) + z(1, 0, 1, 0) + t(2, 0, 0, 1)
u (2, 1, 0, 0), (1, 0, 1, 0), (2, 0, 0, 1)
As que
W= (2, 1, 0, 0), (1, 0, 1, 0), (2, 0, 0, 1)
Por otra parte, = (2, 1, 0, 0), (1, 0, 1, 0), (2, 0, 0, 1) es linealmente independiente, porque
a
1
(2, 1, 0, 0) + a
2
(1, 0, 1, 0) + a
3
(2, 0, 0, 1) = 0
R
4 = (2a
1
a
2
+ 2a
3
, a
1
, a
2
, a
3
) = (0, 0, 0, 0)
= a
1
= a
2
= a
3
= 0
Luego, es linealmente independiente, y por ende, es una base de W.
Ahora ortogonalizamos utilizando el proceso de Gram-Schmidt.
v
1
= (2, 1, 0, 0)
v
2
= (1, 0, 1, 0)
(1, 0, 1, 0), (2, 1, 0, 0)
(2, 1, 0, 0), (2, 1, 0, 0)
(2, 1, 0, 0)
= (1, 0, 1, 0)
2
5
(2, 1, 0, 0)
= (1, 0, 1, 0) +
2
5
(2, 1, 0, 0)
= (
1
5
,
2
5
, 1, 0)
v
3
= (2, 0, 0, 1)
(2, 0, 0, 1), (
2
5
,
2
5
, 1, 0)
(
1
5
,
2
5
, 1, 0), (
1
5
,
2
5
, 1, 0)
(
1
5
,
2
5
, 1, 0)
(2, 0, 0, 1), (2, 1, 0, 0)
(2, 1, 0, 0), (2, 1, 0, 0)
(2, 1, 0, 0)
= (2, 0, 0, 1)

2
5
6
5
(
1
5
,
2
5
, 1, 0)
(2, 0, 0, 1), (2, 1, 0, 0)
(2, 1, 0, 0), (2, 1, 0, 0)
(2, 1, 0, 0)
= (2, 0, 0, 1) +
1
3
_
1
5
,
2
5
, 1, 0
_
4
5
(2, 1, 0, 0).....
Luego,
= v
1
, v
2
, v
3
, es una base ortogonal
Determine W
7. SOLUCI

Solucion
u W
u = (x, y, z, t) R
4
u, w = 0 (w; w W)
u = (x, y, z, t) R
4
(x, y, z, t), (2, 0, 0, 1) = 0 (x, y, z, t), (1, 0, 1, 0) = 0
(x, y, z, t), (2, 1, 0, 0) = 0
u = (x, y, z, t) R
4
2x + t = 0 z x = 0 2x + y = 0
u = (x, y, z, t) t = 2x z = x y = 2x
u = (x, 2x, x, 2x)
W
= (1, 2, 1, 2)
(2) Sea V un K espacio vectorial con producto interno , de dimension n.
(a) Demuestre que u, v = 0
K
(v, v V) = u = 0
V
Solucion
u, v = 0
V
(v, v V) = u, u = 0
V
= u = 0
V
(b) Demuestre que u v, w = 0
V
(w, w V) = u = v
Solucion
Por el item anterior. u v = 0
V
= u = v
(3) Considere el subespacio W= (x, y, z, t) R
4
[ x +y +z +t = 0 entonces usando el producto
interno usual de R
4
, determine P
W
.
Solucion
Etapa 1. Determinamos una base ortogonal de W
u W u = (x, y, z, t) R
4
x + y + z + t = 0
u = (x, y, z, t) R
4
t = x y z
u = (x, y, z, x y z); (x, y, z) R
3
u = x(1, 0, 0, 1) + y(0, 1, 0, 1) + z(0, 0, 1, 1); (x, y, z) R
3
Luego,
W = (1, 0, 0, 1), (0, 1, 0, 1), (0, 0, 1, 1)
Si = (1, 0, 0, 1), (0, 1, 0, 1), (0, 0, 1, 1) entonces es una base de W, pues son claramente
Linealmente independientes.
Ahora, ortogonalizamos, porque no es base ortogonal.
v
1
= (1, 0, 0, 1)
v
2
= (0, 1, 0, 1)
(0, 1, 0, 1), (1, 0, 0, 1)
(1, 0, 0, 1), (1, 0, 0, 1)
(1, 0, 0, 1)
= (0, 1, 0, 1)
1
2
(1, 0, 0, 1)
=
_
1
2
, 1, 0,
1
2
_
tomaremos v
2
= (1, 2, 0, 1)
v
3
= (0, 0, 1, 1)
(0, 0, 1, 1), (1, 2, 0, 1)
(1, 2, 0, 1), (1, 2, 0, 1)
(1, 2, 0, 1)
(0, 0, 1, 1), (1, 0, 0, 1)
(1, 0, 0, 1), (1, 0, 0, 1)
(1, 0, 0, 1)
= (0, 0, 1, 1)
1
6
(1, 2, 0, 1)
1
2
(1, 0, 0, 1)
=
_
1
3
,
1
3
, 1,
1
3
_
Luego
= (1, 0, 0, 1), (1, 2, 0, 1), (1, 1, 3, 1) es una base ortogonal de W

Ahora denimos la proyeccion ortogonal
P
W
(x, y, z, t) =
(x, y, z, t), (1, 0, 0, 1)
(1, 0, 0, 1), (1, 0, 0, 1)
(1, 0, 0, 1) +
(x, y, z, t), ((1, 2, 0, 1))
(1, 2, 0, 1), (1, 2, 0, 1)
(1, 2, 0, 1) +
(x, y, z, t), (1, 1, 3, 1)
(1, 1, 3, 1), (1, 1, 3, 1)
(1, 1, 3, 1)
=
(x t)
2
(1, 0, 0, 1) +
(2y x t)
6
(1, 2, 0, 1) +
(3z x y t)
12
(1, 1, 3, 1)
Podemos comprobar directamente que
P
W
(1, 0, 0, 1) = (1, 0, 0, 1)
P
W
(1, 2, 0, 1) = (1, 2, 0, 1)
P
W
(1, 1, 3, 1) = (1, 1, 3, 1)
7. SOLUCI

(4) Sea V un K espacio vectorial con producto interno , de dimension n, y W V.
Demuestre que P
W
inyectiva =V = W
Solucion
Sabemos que W V, as que en particular W V.
Recprocamente, si u V entonces P
W
(u) = w
0
W. Por otra parte, como w
0
W entonces
P
W
(w
0
) = w
0
. As que juntando la informacion obtenemos que
u V = P
W
(u) = w
0
W= P
W
(u) = P
W
(w
0
) = u = w
0
W=V W
Por tanto V = W.
(5) Sea W = (x, y, z) R
3
[ x y = 0 z 1 = 0 R
3
entonces usando el producto interno
usual de R
3
(a) Determine W
Solucion
Etapa 1. Determinamos el conjunto W.
w W w = (a, b, c) R
3
a b = 0 c 1 = 0
w = (a, b, c) R
3
a = b c = 1
w = (a, a, 1); a R ()
As que W= (a, a, 1) [ a R
Etapa 2. Ahora, determinamos el subespacio W
.
u W
u R
3
u, w = 0 (w; w W)
u = (x, y, z) R
3
(x, y, z), (b, b, 1) = 0 (b; b R) (Usando ())
u = (x, y, z) R
3
bx + by + z = 0
u = (x, y, z) R
3
z = bx by
u = (x, y, bx by)(b; b R)
Finalmente,
(x, y, bx by), (a, a, 1) = 0 (a; 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
(b) Es R
3
= WW
?
Solucion
No es posible, pues W no es un subespacio.
(6) Considere en el espacio vectorial M
R
(2) el producto interno. A, B = Tr(B
t
A), y el subespacio
W= A MR(2) [ A = A
t
. Determine una base ortonormal de W.
Solucion
Etapa 1. Determinamos una base de W
A W A MR(2) A = A
t
A =
_
a b
c d
_

_
a b
c d
_
=
_
a b
c d
_
t
A =
_
a b
c d
_

_
a b
c d
_
=
_
a c
b d
_
A =
_
a b
c d
_
b = c
A =
_
a b
b d
_
; (a, b, d) R
3
A =
_
a 0
0 0
_
+
_
0 b
b 0
_
+
_
0 0
0 d
_
A = a
_
1 0
0 0
_
+ b
_
0 1
1 0
_
+ d
_
0 0
0 1
_
As que W=
___
1 0
0 0
_
,
_
0 1
1 0
_
,
_
0 0
0 1
___
Ahora, si llamamos =
__
1 0
0 0
_
,
_
0 1
1 0
_
,
_
0 0
0 1
__
entonces es una base de W.
En efecto
a
_
1 0
0 0
_
+ b
_
0 1
1 0
_
+ d
_
0 0
0 1
_
=
_
0 0
0 0
_
=
_
a b
b d
_
=
_
0 0
0 0
_
= a = b = d = 0
As que , genera y es un conjunto linealmente independiente por tanto es una base.
7. SOLUCI

Etapa 2. Vericamos si es o no una base ortogonal
__
1 0
0 0
_
,
_
0 1
1 0
__
= Tr
__
0 1
1 0
__
1 0
0 0
__
= Tr
__
0 0
1 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 0
1 0
__
= 0
Luego, es una base ortogonal
Etapa 3. Vericamos si es una base ortonormal
__
1 0
0 0
_
,
_
1 0
0 0
__
= Tr
__
1 0
0 0
__
1 0
0 0
__
= Tr
__
1 0
0 0
__
= 1
Como,
_
_
_
_
_
1 0
0 0
__
_
_
_
=
__
1 0
0 0
_
,
_
1 0
0 0
__
=
_
_
_
_
_
1 0
0 0
__
_
_
_
= 1
__
0 1
1 0
_
,
_
0 1
1 0
__
= Tr
__
0 1
1 0
__
0 1
1 0
__
= Tr
__
1 0
0 1
__
= 2
Como,
_
_
_
_
_
0 1
1 0
__
_
_
_
=
__
0 1
1 0
_
,
_
0 1
1 0
__
=
_
_
_
_
_
1 0
0 1
__
_
_
_
=
2
An alogamente,
__
0 0
0 1
_
,
_
0 0
0 1
__
= Tr
__
0 0
0 1
__
0 0
0 1
__
= Tr
__
0 0
0 1
__
= 1
Como,
_
_
_
_
_
0 0
0 1
__
_
_
_
=
__
0 0
0 1
_
,
_
0 0
0 1
__
=
_
_
_
_
_
0 0
0 1
__
_
_
_
= 1
Finalmente, una base ortonormal es:
=
_
_
_
1 0
0 0
_
,
_
_
_
0
1
2
1
2
0
_
_
_
,
_
0 0
0 1
_
_
_
(7) Si (V, , ) es un R - espacio vectorial entonces demuestre que
u, v =
1
4
[|u + v|
2
|u v|
2
]
Solucion
1
4
[|u + v|
2
|u v|
2
] =
1
4
[u + v, u + v u v, u v]
=
1
4
[u, u + u, v +v, u +v, v (u, u u, v v, u +v, v)]
=
1
4
[4u, v]
= u, v
(8) Si W= (1, 1, 1, 1), (1, 0, 0, 1) R
4
entonces usando el producto interno usual.
(a) Determine W
Solucion
7. SOLUCI

u W
u R
4
[u, (1, 1, 1, 1) = 0 u, (1, 0, 0, 1) = 0]
u = (x, y, z, t) R
4
[(x, y, z, t), (1, 1, 1, 1) = 0 (x, y, z, t), (1, 0, 0, 1) = 0]
u = (x, y, z, t) R
4
[x + y + z + t = 0 x + t = 0]
u = (x, y, z, t) R
4
[z = y t = x]
u = (x, y, y, x) (x, y) R
2
u = x(1, 0, 0, 1) + y(0, 1, 1, 0) (x, y) R
2
u (1, 0, 0, 1), (0, 1, 1, 0)
Luego,
W
= (1, 0, 0, 1), (0, 1, 1, 0)

Como siempre, es necesario aplicar el proceso de control, que aqu signica comprobar
nuestro resultado:
(1, 1, 1, 1), (1, 0, 0, 1) = 0
(1, 1, 1, 1), (0, 1, 1, 0) = 0
(1, 0, 0, 1), (1, 0, 0, 1) = 0
(1, 0, 0, 1), (0, 1, 1, 0) = 0
(b) Es posible que R
4
= WW
. Si su respuesta es armativa demuestre la armacion, si es

falsa de un contraejemplo.
Solucion
No es posible pues W no es un subespacio, ya que es nito y no nulo.
(9) En el espacio vectorial R
2
2
[x] y q(x) R
2
[x] el producto interno
p(x), q(x) = p(0) q(0) + p(1) q(1) + p(2) q(2) ()
(a) Sea = 1, 1 x, 1 x
2
base de R
2
[x]. Determine una base ortogonal respecto del pro-
ducto interno denido en (48)
Solucion
En primer lugar vericamos la ortogonalidad de = 1, 1 x, 1 x
2
.
1, 1 x = 1 (1 0) + 1 (1 1) + 1 (1 2) = 1 + 0 1 = 0
1, 1 x
2
= 1 (1 0
2
) + 1 (1 1
2
) + 1 (1 2
2
) = 1 + 0 3 = 2
1 x, 1 x
2
= (1 0) (1 0
2
) + (1 1) (1 1
2
) + (1 2) (1 2
2
) = 4
Como no es una base ortogonal entonces aplicamos Gram Schmidt para obtener
una
base ortogonal de R
2
[x].
Sea entonces
v
1
= 1
v
2
= 1 x
v
3
= (1 x
2
)
(1 x
2
), (1 x)
(1 x), (1 x)
(1 x)
(1 x
2
), 1
1, 1
1
= (1 x
2
)
4
(1 x), (1 x)
(1 x)
2
1, 1
1
= (1 x
2
)
4
2
(1 x) +
2
3
1
= 1 x
2
2 + 2x +
2
3
=
1
3
+ 2x x
2
As que una base
ortogonal es
=
_
1, 1 x,
1
3
+ 2x x
2
_
Para concluir, debemos aplicar el mecanismo de control
1, 1 x = 0
_
1,
1
3
+ 2x x
2
_
= 1
_
1
3
+ 0 0
2
_
+ 1
_
1
3
+ 2 1
2
_
+ 1
_
1
3
+ 4 2
2
_
=
1
3
+ 1
1
3

1
3
= 0
_
(1 x),
1
3
+ 2x x
2
_
= 1
_
1
3
_
+ 0 +
1
3
= 0
(b) Si W = p(x) = a
0
+ a
1
x + a
2
x
2
R
2
[x] [ a
0
= 0. Determine W
respecto del producto

interno denido en (48)
Solucion
p(x) W p(x) = a
0
+ a
1
x + a
2
x
2
R
2
[x] a
0
= 0
p(x) = a
1
x + a
2
x
2
(a
1
, a
2
) R
2
Luego,
W = x, x
2
7. SOLUCI

Ahora,
q(x) W
q(x) R
2
[x] [q(x), x = 0 q(x), x
2
= 0]
q(x) = b
0
+ b
1
x + b
2
x
2
R
2
[x]
q(0) 0 + q(1) 1 + q(2) 2 = 0
q(0) 0
2
+ q(1) 1
2
+ q(2) 2
2
= 0
= q(x) = b
0
+ b
1
x + b
2
x
2
R
2
[x]
q(1) + 2q(2) = 0
q(1) + 4q(2) = 0
= q(x) = b
0
+ b
1
x + b
2
x
2
R
2
[x] 2q(2) = 0
= q(x) = b
0
+ b
1
x + b
2
x
2
R
2
[x] q(2) = q(1) = 0
= q(x) = b
0
+ b
1
x + b
2
x
2
R
2
[x] b
0
+ b
1
+ b
2
= 0 b
0
+ 2b
1
+ 4b
2
= 0
= q(x) = b
0
+ b
1
x + b
2
x
2
R
2
[x] b
0
= 2b
2
b
1
= 3b
2
= q(x) = 2b
2
3b
2
x + b
2
x
2
b
2
R
Luego,
W
= 2 3x + x
2
Debemos comprobar:
2 3x + x
2
, x = 0 + (2 3 + 1) 1 + (2 6 + 4) 2 = 0
2 3x + x
2
, x
2
= 0 + (2 3 + 1) 1
2
+ (2 6 + 4) 4 = 0
(c) Es posible que R
2
[x] = WW
. Si su respuesta es armativa demuestre la armacion, si

es falsa de un contraejemplo.
Solucion
como = x, x
2
, 2 3x + x
2
es una base de R
2
[x] entonces cualquier polinomio h(x) R
2
[x]
se escribe unicamente como
h(x) = a
0
x + a
1
x
2
. .
W
+a
2
(2 3x + x
2
)
. .
W
(10) Sea V un K e. v. de dimension n con producto interno , , y sea = v

1
, v
2
, . . . , v
n

(V 0
V
). Demuestre que
conjunto ortogonal respecto de , = conjunto linealmente independiente en V
Solucion: Por demostrar que
n
j=1
a
j
v
j
= 0 = a
j
= 0 (1 j n)
En efecto
Supongamos que
n
j=1
a
j
v
j
= 0 a
j
K; (1 j n) entonces como ahora podemos multiplicar,
lo hacemos e.e.
0 =
n
j=1
a
j
v
j
, v
k
(1 k n)
=
n
j=1
a
j
v
j
, v
k
(1 k n)
= a
k
v
k
, v
k
(recordar que v
i
v
j
i ,= j)
Finalmente,
v
k
,= 0 = v
k
, v
k
, = 0
As, que a
k
= 0 (1 k n). Lo que muestra que es un conjunto linealmente independiente
en V.
(11) En R
2
[x] el espacio de polinomios hasta grado 2, considere el producto interno
p(x), q(x) =
_
1
1
p(x) q(x) dx ()
(a) Determine una base ortonormal respecto del producto interno denido en () a partir de
la base canonica pol(2) = 1, x, x
2
Solucion
En primer lugar, vericamos la ortogonalidad de pol(2) respecto del producto denido en
()
1, x =
_
1
1
x dx =
x
2
2
[
1
1
= 0
1, x
2
=
_
1
1
x
2
dx =
x
3
3
[
1
1
=
2
3
x, x
2
=
_
1
1
x
3
dx =
x
4
4
[
1
1
= 0
Luego, pol(2) no es una base ortogonal, as que aplicamos G-S. Sea
u
1
= 1
u
2
= x
u
3
= x
2
x
2
, x
x, x
x
x
2
, 1
1, 1
1 = x
2
2
3
2
1 = x
2
1
3
Luego,
pol(2)
=
_
1, x, x
2
1
3
_
7. SOLUCI

Es una base ortogonal de R
2
[x] pues,
1, x =
_
1
1
x dx =
x
2
2
[
1
1
= 0
_
1, x
2
1
3
_
=
_
1
1
x
2
dx
1
3
_
1
1
dx =
2
3

2
3
= 0
_
x, x
2
1
3
_
=
_
1
1
x
3
dx
1
3
_
1
1
x dx = 0
Finalmente, basta dividir por la norma para , obtener una base ortonormal de R
2
[x]
(b) Si W= 1 entonces determine W
Solucion
p(x) W
p(x) R
2
[x] p(x), 1 = 0
p(x) = a
0
+ a
1
x + a
2
x
2
a
0
+ a
1
x + a
2
x
2
, 1 = 0
p(x) = a
0
+ a
1
x + a
2
x
2
_
1
1
(a
0
+ a
1
x + a
2
x
2
) dx = 0
p(x) = a
0
+ a
1
x + a
2
x
2
_
a
0
_
1
1
dx + a
1
_
1
1
x dx = 0 + a
2
_
1
1
x
2
dx
_
= 0
p(x) = a
0
+ a
1
x + a
2
x
2
_
2a
0
+
2
3
a
2
_
= 0
p(x) = a
0
+ a
1
x + a
2
x
2
a
2
= 3a
0
p(x) = a
0
+ a
1
x 3a
0
x
2
(a
0
, a
1
) R
2
p(x) = a
0
(1 3x
2
) + a
1
x
Luego,
W
(1 3x
2
), x
_
K
(V) = n y sea = u
1
, u
2
, . . . , u
n
una base de
V. Si
= u
1
, u
2
, . . . , u
n
es una base ortogonal respecto del producto interno , obtenida de
la base . Demuestre que
Base ortogonal =
Solucion
Si es una base ortogonal entonces sabemos que:
Base ortogonal v
i
, v
j
= 0 si i ,= j (1 i n)(1 j n)
Adem as si v
1
= v
1
entonces
v
2
= v
2

v
2
, v
1
, v
1
= v
2
0 v
1
= v
2
v
3
= v
3

v
3
, v
2
v
2
, v
2
v
2
v
3
, v
1
v
1
, v
1
v
1
= v
3
0 v
2
o v
1
= v
3
.
.
.
v
n
= v
n
v
n
, v
n1
v
n1
, v
n1
v
n1

v
n
, v
1
v
1
, v
1
v
1
= v
n
As que =
Reciprocamente, si =
y como
o
alpha
es base ortogonal entonces es base ortogonal

K
(V) = n, y W V. Demuestre que
W
= 0
V
W= V
Solucion
Sabemos que si W V entonces V = W W
. As que si W
= 0
V
entonces
V = W W
= W 0
V
= W
Recprocamente, si W= V entonces
V = W W
= V V
= W
= 0
V
= W
Pues, w, v = 0 (v; v V) = w, w = 0 = w = 0
V
8. APLICACI
ON 1: M
ETODO DE APROXIMACI
ON DE LOS M
INIMOS CUADRADOS 103

8. Aplicacion 1: Metodo de Aproximacion de los Mnimos Cuadrados
8.1. Planteamiento del Problema. Si y = f(x) es una funcion continua en R, y conocemos solo
n valores de ella , f(x
i
) = y
i
R para 1 i n, entonces
C omo conseguir, si es posible, una curva que pase por los puntos P
i
= (x
i
, y
i
) para i = 1, 2, . . . , n
? y que cumpla con las particularidades de la funcion f, salvo probablemente cometiendo errores
controlados.
8.2. Herramientas Basicas 1: Sistemas de Ecuaciones. Si consideramos un sistema lineal de
orden (n m)
a
11
x
1
+ a
12
x
2
+ . . . + a
1m
x
m
= b
1
a
21
x
1
+ a
22
x
2
+ . . . + a
2m
x
m
= b
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
x
1
+ a
n2
x
2
+ . . . + a
nm
x
m
= b
n
(48)
entonces sabemos que
1. El sistema (48) tiene una notacion equivalente usando matrices en la forma AX = B, donde
A = (a
ij
) M
R
(n m), X =
_
_
x
1
.
.
.
x
m
_
_
y B =
_
_
b
1
.
.
.
b
n
_
_
2. (48) tiene solucion si el rango de la matriz de coecientes A es el mismo de la matriz ampliada
(A[B), es decir (A) = (A[B)
Ejemplo 8.2.1. Dado el sistema lineal
2x
1
+ x
2
x
3
= 1
x
1
x
2
+ x
3
= 2
Conforme a lo que hemos expuesto encima:
1. En notacion matricial tenemos que
2x
1
+ x
2
x
3
= 1
x
1
x
2
+ x
3
= 2

_
2 1 1
1 1 1
_
_
_
x
1
x
2
x
3
_
_
=
_
1
2
_
2. Calculando el rango de la matriz ampliada (A[B)
_
2 1 1 [ 1
1 1 1 [ 2
_
(l
1
l
2
)
_
1 1 1 [ 2
2 1 1 [ 1
_
(l
2
l
2
2l
1
)
_
1 1 1 [ 2
0 3 3 [ 3
_
(l
2

1
3
l
2
)
_
1 1 1 [ 2
0 1 1 [ 1
_
(l
1
l
1
+ l
2
)
_
1 0 0 [ 1
0 1 1 [ 1
_
Vericamos que hay solucion pues, (A) = (A[B) = 2
3. Como (A) = (A[B) = 2 < 3 entonces tenemos innitas soluciones para el sistema del tipo
X =
_
_
x
1
x
2
x
3
_
_
=
_
_
1
1 + x
3
x
3
_
_
=
_
_
1
1
0
_
_
+ x
3
_
_
0
1
1
_
_
Ejemplo 8.2.2. Dado el sistema lineal
2x
1
+ x
2
x
3
= 1
x
1
x
2
+ x
3
= 2
4x
1
+ 2x
2
2x
3
= 3
(49)
Procedemos como en el ejemplo (8.2.1) y,
1. En notacion matricial tenemos que
2x
1
+ x
2
x
3
= 1
x
1
x
2
+ x
3
= 2
4x
1
+ 2x
2
2x
3
= 3
_
_
2 1 1
1 1 1
4 2 2
_
_
_
_
x
1
x
2
x
3
_
_
=
_
_
1
2
3
_
_
2. Calculando el rango de la matriz ampliada (A[B)
_
_
2 1 1 [ 1
1 1 1 [ 2
4 2 2 [ 3
_
_
(l
1
l
2
)
_
_
1 1 1 [ 2
2 1 1 [ 1
4 2 2 [ 3
_
_
(l
2
l
2
2l
1
)
(l
3
l
3
4l
1
)
_
_
1 1 1 [ 2
0 3 3 [ 3
0 6 6 [ 5
_
_
(l
2

1
3
l
2
)
_
_
1 1 1 [ 2
0 1 1 [ 1
0 6 6 [ 5
_
_
(l
1
l
1
+ l
2
)
(l
3
l
3
6l
2
)
_
_
1 0 0 [ 1
0 1 1 [ 1
0 0 0 [ 1
_
_
(l
1
l
1
l
3
)
(l
2
l
2
+ l
3
)
_
_
1 0 0 [ 0
0 1 1 [ 0
0 0 0 [ 1
_
_
Vericamos que no hay solucion pues, (A) = 2 y (A[B) = 3
3. Como (A) ,= (A[B) entonces no hay solucion.
8.3. Herramientas Basicas 2: Espacios Vectoriales. Hasta ahora el criterio a usar, para que
un sistema tenga o no tenga solucion es comparar mecanicamente dos n umeros, mas especcamente
el rango de la matriz de coecientes y el rango de la matriz ampliada, ambas asociada al sistema
lineal dado. Como puede ser rapidamente deducido esta tecnica no permite una mayor elucubracion
teorica, as que debemos intentar traducir este comportamiento a traves de las ricas y fructicas
propiedades que poseen los espacios vectoriales.
Para ello, observamos que las columnas de una matriz A = (a
ij
) M
R
(n m) son elementos del
espacio vectorial M
R
(n 1), y en este nuevo contexto el siguiente teorema es una caracterizacion
(una nueva formulacion) del Teorema del Rango.
8. APLICACI
ON 1: M
ETODO DE APROXIMACI
ON DE LOS M

Teorema 8.3.1. (Caracterizacion del Teorema del Rango) El sistema (48) tiene solucion si y solo
si B pertenece al espacio generado por las columnas de A.
En efecto, como
a
11
x
1
+ . . . + a
1m
x
m
= b
1
a
21
x
1
+ . . . + a
2m
x
m
= b
2
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
x
1
+ . . . + a
nm
x
m
= b
n
x
1
_
_
_
_
a
11
a
21
.
.
.
a
n1
_
_
_
_
+ . . . + x
m
_
_
_
_
a
1m
a
2m
.
.
.
a
nm
_
_
_
_
=
_
_
_
_
b
1
b
2
.
.
.
b
n
_
_
_
_
entonces es claro que,
(48) tiene solucion B (A) =
_
_
_
_
_
_
_
a
11
a
21
.
.
.
a
n1
_
_
_
_
,
_
_
_
_
a
12
a
22
.
.
.
a
n2
_
_
_
_
, . . . ,
_
_
_
_
a
1m
a
2m
.
.
.
a
nm
_
_
_
_
_
_
_
Ejemplo 8.3.2. El sistema del ejemplo (8.2.1) tiene solucion, como visto encima, y por ejemplo
_
1
2
_
= 1
_
2
1
_
+ (1)
_
1
1
_
+ 0
_
1
1
_
O mejor, para cada x
3
R:
_
1
2
_
= 1
_
2
1
_
+ (1 + x
3
)
_
1
1
_
+ x
3

_
1
1
_
Ejemplo 8.3.3. El sistema (8.2.2) no tiene solucion, como visto encima, y podemos directamente
ver que,
_
_
1
2
3
_
_
= x
1

_
_
2
1
4
_
_
+ x
2

_
_
1
1
2
_
_
+ x
3

_
_
1
1
2
_
_
= 1 =
3
2
(==)
Si consideramos un sistema lineal como el sistema (48) entonces Del teorema (8.3.1), sigue que el
sistema (48) no tiene solucion si y solo si B / (A). Por tanto se torna clave el subespacio (A) de
M
R
(n 1), y entonces direccionemos nuestras ideas hacia este conjunto:
1. En primer lugar, usaremos en el espacio vectorial M
R
(n 1) su producto interno canonico es
decir,
_
_
_
_
_
a
1
a
2
.
.
.
a
n
_
_
_
_
,
_
_
_
_
b
1
b
2
.
.
.
b
n
_
_
_
_
_
=
_
_
_
_
a
1
a
2
.
.
.
a
n
_
_
_
_
t
_
_
_
_
b
1
b
2
.
.
.
b
n
_
_
_
_
=
n
i=1
a
i
b
i
2. Si P
(A)
: M
R
(n 1) (A) representa la proyeccion ortogonal de B en el subespacio (A)
entonces
P
(A)
(B) (A)
y, aplicando nuevamente el teorema (8.3.1) existe

X M
R
(m1) tal que
A

X = P
(A)
(B) (50)
3. La distancia d(B, (A)) = |B P
(A)
(B)| =
_
B P
(A)
(B), B P
(A)
(B), es la menor
posible, es decir. B P
(A)
(B) (A)
por tanto si notamos las columnas de A, de la forma:

col
j
(A) =
_
_
_
_
a
1j
a
2j
.
.
.
a
nj
_
_
_
_
, (1 j m)
entonces
col
j
(A), B P
(A)
(B)
_
= 0 (1 j m)
Equivalentemente
0 = col
j
(A)
t
(B P
(A)
(B)) (1 j m)
= col
j
(A)
t
B col
j
(A)
t
P
(A)
(B) (1 j m)
(50)
= col
j
(A)
t
B col
j
(A)
t
A

X (1 j m)
Luego,
B P
(A)
(B) (A)
A
t
B = A
t
A

X (51)
8.4. Herramienta Central.
Denicion 8.4.1. Dado un sistema lineal de orden (n m), tal como el denido en (48) entonces
cualquier solucion de la ecuacion matricial,
A
t
A

X = A
t
B (52)
sera llamada una solucion por mnimos cuadrados de (48)
Teorema 8.4.2. Sea A M
R
(n m). Si (A) = m, (donde (A) es el rango de la matriz A)
entonces A
t
A es invertible y el sistema lineal asociado a la matriz A, tiene una unica solucion por
mnimos cuadrados dada por:
X = (A
t
A)
1
A
t
B
En efecto, sabemos por denicion que,
U invertible ker(U) = (0) U X = (0) = X = (0)
entonces usando esta equivalencia obtenemos,
8. APLICACI
ON 1: M
ETODO DE APROXIMACI
ON DE LOS M

A
t
A X = (0) = X, A
t
A X = 0 = X
t
A
t
A X = 0 = (A X)
t
A X = 0
= A X, A X = (0) = A X = 0
= x
1
col
1
(A) + x
2
col
2
(A) + + x
n
col
n
(A) = 0
= x
1
= x
2
= = x
n
= 0, (las columnas de A son linealmente independientes)
= X = (0)
Ejemplo 8.4.3. Consideremos el sistema lineal
x + 4y 5z = 3
2x + y z = 2
x + 2y 3z = 1
2x + 4y 6z = 7
(53)
(1) El sistema (53) se escribe matricialmente como
_
_
_
_
1 4 5
2 1 1
1 2 3
2 4 6
_
_
_
_
. .
A
_
_
x
y
z
_
_
. .
X
=
_
_
_
_
3
2
1
7
_
_
_
_
. .
B
(54)
(2) Calculamos (A), escalonando la matriz A por las:
_
_
_
_
1 4 5 3
2 1 1 2
1 2 3 1
2 4 6 7
_
_
_
_
(L
2
L
2
2L
1
)
(L
3
L
3
+ L
1
)
(L
4
L
2
+ 2L
1
)
_
_
_
_
1 4 5 3
0 7 9 4
0 6 8 4
0 12 16 13
_
_
_
_
(L
4
L
4
2L
3
)
_
_
_
_
1 4 5 3
0 7 9 4
0 6 8 4
0 0 0 5
_
_
_
_
Luego, (A) = 3 y (A
a
) = 4, as que por una parte (A) es maximo y por otra el sistema (53)
no tiene solucion.
(3) De acuerdo al teorema (8.4.2), A
t
A es invertible y la ecuacion A
t
A X = A
t
B, tiene
solucion unica. As que tenemos alternativa: Escalonar para aplicar el teorema del rango, o
bien calcular directamente (A
t
A)
1
. Optaremos por la primera y entonces debemos armar el
sistema a resolver.
A
t
A =
_
_
1 2 1 2
4 1 2 4
5 1 3 6
_
_
_
_
_
_
1 4 5
2 1 1
1 2 3
2 4 6
_
_
_
_
=
_
_
10 4 8
4 37 51
8 51 47
_
_
Ademas,
A
t
B =
_
_
1 2 1 2
4 1 2 4
5 1 3 6
_
_
_
_
_
_
3
2
1
7
_
_
_
_
=
_
_
8
44
62
_
_
As que debemos resolver el sistema
_
_
10 4 8
4 37 51
8 51 47
_
_
_
_
x
1
x
2
x
3
_
_
=
_
_
8
44
62
_
_
(55)
(4) Finalmente resolvemos el sistema lineal (55), escalonando su matriz ampliada correspondiente:
_
_
10 4 8 8
4 37 51 44
8 51 47 62
_
_
_
_
1 0 0 0.36936168
0 1 0 1.31037985
0 0 1 0.11689171
_
_
As que la solucion por mnimos cuadrados es:
X =
_
_
0.36936168
1.31037985
0.11689171
_
_
(56)
8.5. Aproximacion por una Recta.
Denicion 8.5.1. Consideremos una coleccion nita de puntos del plano; digamos
= (a
1
, b
1
), (a
2
, b
2
), . . . , (a
n
, b
n
) (57)
tal que a
i
,= a
j
para alg un i y para alg un j, (1 i n) y (1 j n) entonces la recta que mejor
se ajuste a la coleccion de puntos (57), la llamaremos recta de mnimos cuadrados .
x
recta de mnimos cuadrados
y
d
1
_
d
2
_
d
3
_
d
4
_
d
5
_
Figura 14: Recta de los Mnimos Cuadrados
8. APLICACI
ON 1: M
ETODO DE APROXIMACI
ON DE LOS M

Aplicacion 8.5.2. Si suponemos que la ecuacion de la recta de mnimos cuadrados es dada por al
ecuacion:
(RMC) : y = m
1
x + m
0
(58)
entonces a partir de (58), tenemos las ecuacion basica (EB)
(EB) : b
i
= m
1
a
i
+ m
0
+ d
i
(1 i n)
donde;
d
i
,= 0 (a
i
, b
i
) , (RMC) ( De acuerdo a la Figura 14)
As que, tenemos el sistema de ecuaciones para la recta de mnimos cuadrados:
b
1
= m
1
a
1
+ m
0
+ d
1
b
2
= m
1
a
2
+ m
0
+ d
2
b
3
= m
1
a
3
+ m
0
+ d
3
.
.
.
b
n
= m
1
a
n
+ m
0
+ d
n
Equivalentemente
_
_
_
_
_
_
b
1
b
2
b
3
.
.
.
b
n
_
_
_
_
_
_
. .
B
=
_
_
_
_
_
_
a
1
1
a
2
1
a
3
1
.
.
.
.
.
.
a
n
1
_
_
_
_
_
_
. .
A
_
m
1
m
0
_
. .
X
+
_
_
_
_
_
_
d
1
d
2
d
3
.
.
.
d
n
_
_
_
_
_
_
. .
D
(59)
Finalmente;
(1) como a
i
,= a
j
, para alg un i y para alg un j entonces (A) = 2 y entonces del teorema (8.4.2),
sigue que el sistema A X = B tiene una solucion unica por mnimos cuadrados, dada por
X = (A
t
A)
1
A
t
B
(2) Como D = B A X entonces D, representa la menor magnitud posible
Ejemplo 8.5.3. En la fabricacion de un producto qumico Q, se detecta que la cantidad de un com-
puesto qumico p, es controlada por la cantidad del producto qumico c utilizado en el proceso. Al
producir un litro de Q, se detectaron las cantidades de p y c, presente y usada respectivamente, seg un
la tabla:
c ocupada 3 4 5 6 7 8 9 10 11 12
p existente 4.5 5.5 5.7 6.6 7.0 7.7 8.5 8.7 9.5 9.7
(60)
Solucion del problema
El graco de la tabla es de la forma:
0
1
2
3
4
5
6
7
8
9
10
11
12
13
0 1 2 3 4 5 6 7 8 9 10 11 12 13

Figura 15
El sistema que corresponde en este caso es de la forma:
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
4.5
5.5
5.7
6.6
7.0
7.7
8.5
8.7
9.5
9.7
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
. .
B
=
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
3 1
4 1
5 1
6 1
7 1
8 1
9 1
10 1
11 1
12 1
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
. .
A
_
m
1
m
0
_
. .
X
Como el rango de A es 2 entonces hay solucion unica. As que debemos calcular A
t
A y A
t
B.
A
t
A =
_
645 75
75 10
_
A
t
B =
_
598.6
73.4
_
Luego la solucion del sistema es dada por:
X =
_
m
1
m
0
_
=
_
0.583
2.967
_
Por tanto, la recta pedida es de la forma:
p = 0.583c + 2.967
8. APLICACI
ON 1: M
ETODO DE APROXIMACI
ON DE LOS M

y su graco es de la forma:
0
1
2
3
4
5
6
7
8
9
10
11
12
13
0 1 2 3 4 5 6 7 8 9 10 11 12 13

Figura 16
8.6. Aproximacion por un Polinomio. Consideremos nuevamente la coleccion en (57), es decir
= (a
1
, b
1
), (a
2
, b
2
), . . . , (a
n
, b
n
)
Aplicacion 8.6.1. Si suponemos que al menos m + 1 de los a
i
son distintos entonces podemos
aproximar al conjunto por un polinomio de la forma:
PMC : y =
m
i=0
c
i
x
i
(m n + 1)
La ecuacion basica en este caso es dada por:
b
j
=
m
i=0
c
i
a
i
j
+ d
j
(1 j n) (61)
y d
j
,= 0 (a
j
, b
j
) / (PMC), para 0 j n
A partir de (61), podemos construir el sistema de ecuaciones lineales para el polinomio de mnimos
cuadrados:
_
_
_
_
b
1
b
2
.
.
.
b
n
_
_
_
_
. .
B
=
_
_
_
_
1 a
1
a
2
1
. . . a
m
1
1 a
2
a
2
2
. . . a
m
2
.
.
.
.
.
.
.
.
.
.
.
.
1 a
n
a
2
n
. . . a
m
n
_
_
_
_
. .
A
_
_
_
_
c
0
c
1
.
.
.
c
m
_
_
_
_
. .
X
+
_
_
_
_
d
1
d
2
.
.
.
d
n
_
_
_
_
. .
D
(62)
Como existen al menos m + 1, a
i
distintos entonces (A) = m + 1 y del sistema (62) y del
teorema (8.4.2), sigue que el sistema asociado A X = B tiene un solucion unica de la forma
X = (A
t
A)
1
A
t
B.
Ejemplo 8.6.2. Ajustemos la tabla de datos
x 0 1 2
y 1.1 0.1 3.1
a traves de4 un polinomio cuadratico q(x) = a + bx + cx
2
Solucion
El graco de los puntos es el siguiente:
1
2
1
2
3
1 2 1 2
Figura 17
El sistema general asociado a la situacion seg un el sistema lineal (62) es:
_
_
1.1
0.1
3.1
_
_
. .
B
=
_
_
1 0 0
1 1 1
1 2 4
_
_
. .
A
_
_
a
b
c
_
_
. .
X
(63)
As que debemos resolver el sistema A
t
A X = A
t
B, y para ello:
8. APLICACI
ON 1: M
ETODO DE APROXIMACI
ON DE LOS M

Calculamos A
t
A y A
t
B
A
t
A =
_
_
1 1 1
0 1 2
0 1 4
_
_
_
_
1 0 0
1 1 1
1 2 4
_
_
=
_
_
3 3 5
3 5 9
5 9 17
_
_
A
t
B =
_
_
1 1 1
0 1 2
0 1 4
_
_
_
_
1.1
0.1
3.1
_
_
=
_
_
1.9
6.1
12.3
_
_
Escalonamos la matriz ampliada [A
t
A[A
t
B].
[A
t
A[A
t
B] =
_
_
3 3 5 1.9
3 5 9 6.1
5 9 17 12.3
_
_
=
_
_
1 0 0 1.10001
0 1 0 0.09999
0 0 1 1.09999
_
_
Luego, el polinomio de los mnimos cuadrados es:
q(x) = 1.10001 + 0.09999x 1.09999x
2
(64)
Finalmente, el graco de (64) es:
1
2
1
2
3
1 2 1 2
Figura 18
8.7. Aproximacion por una funcion. Consideremos una funcion y = f(x) continua en R y
supongamos que conocemos solo n valores de ella , digamos f(x
i
) = y
i
R para 1 i n entonces
si queremos resolver el problema planteado al inicio de este Capitulo, debemos considerar las sigu-
ientes etapas
Etapa 1. Supongamos que existe un conjunto de funciones = g
1
, g
2
, . . . , g
n
tal que
es linealmente independiente en el espacio de funciones continuas en R
g
i
(x
j
) R, para (i = 1, 2, . . . , n)
Etapa 2. Sea W = g
1
, g
2
, . . . , g
n
el espacio vectorial generado por .
Etapa 3. Dene en W el producto interno:
h, s =
n
i=1
h(x
i
)s(x
i
) (65)
Etapa 4. Partir de (65), denimos la norma usual:
|h| =
_
h, h
=
_
n
i=1
[h(x
i
)]
2
As que f es aproximable por g W si y solo si la distancia d(f, g), es mnima, esto es equivalente
a decir que (f g) W
.
En particular deben vericarse simultaneamente las ecuaciones:
g
i
, f g = 0 (i = 1, 2, . . . , n) (66)
Es decir, que si g =
n
i=1
c
i
g
i
entonces de (66), sigue que,
0 = g
i
, f g = g
i
, f
n
j=1
c
j
g
j
= g
i
, f g
i
,
n
j=1
c
j
g
j
= g
i
, f
n
j=1
c
j
g
i
, g
j
Etapa 5. Resumiendo
g f g
i
, f =
n
j=1
c
j
g
i
, g
j
(i = 1, 2, . . . , n)
j=1
g
i
(x
j
)f(x
j
) =
n
j=1
c
j
n
k=1
g
i
(x
k
)g
j
(x
k
) (i = 1, 2, . . . , n) (67)
(67) se conoce como metodo de los mnimos cuadrados
8. APLICACI
ON 1: M
ETODO DE APROXIMACI
ON DE LOS M

Ejemplo 8.7.1. Supongamos que y = f(x) es una funcion tal que verica los valores:
x 0 1 2
f(x) 1.1 0.1 -3.1
y que deseamos aproximar seg un el metodo de los mnimos cuadrados por la funcion g(x) = c
1
+c
2
x
2
entonces
g
1
(x) = 1
g
2
(x) = x
2
As que (67) para este caso, consiste en:
g
1
, f = c
1
g
1
, g
1
+ c
2
g
1
, g
2
(68)
g
2
, f = c
1
g
2
, g
1
+ c
2
g
2
, g
2
(69)
Como conocemos los valores de f y g
i
, para i = 1, 2 entonces
g
1
, f = 1 1.1 + 1 0.1 + 1 (3.1) = 1.9
g
1
, g
1
= 1 1 + 1 1 + 1 1 = 3
g
1
, g
2
= 1 0
1
+ 1 1
2
+ 1 2
2
= 5
g
2
, g1 = 0
2
1 + 1
2
1 + 2
2
1 = 5
g
2
, g
2
= 0
2
0
2
+ 1
2
1
2
+ 2
2
2
2
= 17
g
2
, f = 0
2
1.1 + 1
2
0.1 + 2
2
(3.1) = 12.3
As que sustituyendo en (68) y (69) tenemos el sistema:
3c
1
+ 5c
2
= 1.9
5c
1
+ 17c
2
= 12.3
(70)
De donde c
1
1.12 y c
2
1.05 as que la funcion que mejor aproxima a la funcion f, seg un este
metodo es g(x) = 1.12 1.05x
2
y el graco de la funcion g es aproximadamente:
Figura 19
Ejemplo 8.7.2. Supongamos que la poblacion de una cierta localidad ha variado en el tiempo, seg un
la tabla:
t = 4 t = 5 t = 6 t = 7
a no 1950 1960 170 1980
poblacion
. .
f(t)
10
4
1.0 1.5 1.8 2.0
(71)
Supongamos que queremos aproximar los puntos de la tabla por una funcion del tipo:
g(t) = a
0
+ a
1
t + a
2
t
2
entonces c ual sera la poblacion en el 2000 ?
Seg un el metodo de los mnimos cuadrados debemos tener para este caso:
g
1
(t) = 1
g
2
(t) = t
g
3
(t) = t
2
As que:
g
1
, f) = a
0
g
1
, g
1
) + a
1
g
1
, g
2
) + a
2
g
1
, g
3
) = 6.3
g
2
, f) = a
0
g
2
, g
1
) + a
1
g
2
, g
2
) + a
2
g
2
, g
3
) = 36.3
g
3
, f) = a
0
g
3
, g
1
) + a
1
g
3
, g
2
) + a
2
g
3
, g
3
) = 216.3
Luego resolviendo el sistema para estos valores tenemos que:
a
0
= 2.415
a
1
= 1.155
a
2
= 0.075
Por tanto la funcion que aproxima es de la forma:
g(t) = 2.415 + 1.155t 0.075t
2
(72)
As que la poblacion esperada seg un esta aproximacion es dada por:
g(9) 10
4
= 1.905 10
4
= 19050 (73)
Ejemplo 8.7.3. En (8.7.2) tratemos de predecir la poblacion, usando para aproximar una funcion
del tipo g(t) = a e
bt
. Para aplicar el metodo de los mnimos cuadrados podemos hacer lo siguiente:
f(t) a e
bt
lnf(t) ln a e
bt
lnf(t) ln a + ln e
bt
lnf(t) ln a + bt ln e
lnf(t) ln a + bt
8. APLICACI
ON 1: M
ETODO DE APROXIMACI
ON DE LOS M

As que en este caso tenemos que:
g(t) = lna + bt
Es claro que tambien tenemos que modicar la tabla anterior, es decir (71) se transforma aplicando
ln en:
t = 4 t = 5 t = 6 t = 7
a no 1950 1960 170 1980
poblacion
. .
ln f(t)
10
4
0.0 0.405 0.588 0.693
(74)
Finalmente si llamamos:
F(t) = ln f(t)
c
1
= ln a y g
1
(t) = 1
c
2
= b y g
2
(t) = t
entonces seg un la tabla (74) tenemos que:
g
1
, F = 1.686
g
2
, F = 10.404
g
1
, g
1
= 4
g
1
, g
2
= 22
g
2
, g
1
= 22
g
2
, g
2
= 126
As que obtenemos el sistema:
4c
1
+ 22c
2
= 1.686
22c
1
+ 126c
2
= 10.404
(75)
Resolviendo el sistema (75) tenemos que:
c
1
0.226 = a = 0.439
c
2
0.226 = b = 0.226
Luego de estos resultados concluimos que:
(1) g(t) = 0.439e
0.226t
= g(9) = 3.356
(2) As que nalmente tenemos en este caso:
poblacion 10
4
= F(9) 10
4
3.356 10
4
= 33560 personas (76)
9. Aplicacion 2: Producto Interno y Estadstica
Denicion 9.1. Si consideramos un fenomeno o suceso F tal que posee las posibilidades distintas
de ocurrir s
1
, s
2
, . . . , s
n
entonces
(1) Llamaremos espacio muestral al conjunto
S(F) = s
1
, s
2
, . . . , s
n
(77)
(2) Si cada s
i
posee una probabilidad de ocurrencia p
i
, para i = 1, 2, . . . , n entonces llamamos vec-
tor de probabilidaddel suceso F a
p(F) = (p
1
, p
2
, . . . , p
n
) (78)
y (78)
(3) Si ademas a cada elemento s
i
asociamos un valor x
i
, para cada i = 1, 2, . . . , n entonces el
vector
x(F) = (x
1
, x
2
, . . . , x
n
) (79)
se llama variable aleatoria, asociada al espacio muestral del suceso F.
(4) Llamaremos valor medio o esperadode x(F) a:
x(F) = p
1
x
1
+ p
2
x
2
+ p
3
x
3
+ + p
n
x
n
(80)
(5) Llamaremos varianzade x(F) a:
v[x(F)] = p
1
(x
1
x(F))
2
+ p
2
(x
2
x(F))
2
+ + p
n
(x
n
x(F))
2
(81)
(6) Llamaremos desviacion standarde x(F) a:
d[x(F)] =
_
v[x(F)] (82)
Ejemplo 9.1.1. Si F representa el lanzamiento de un peso chileno, entonces
(1) S(F) = cara,sello
(2) p(F) =
_
1
2
,
1
2
_
Ejemplo 9.1.2. Si F representa el lanzamiento de dos monedas, entonces
(1) S(F) = (cara,cara),(sello,sello),(cara,sello)
(2) p(F) =
_
1
4
,
1
4
,
1
2
_
Ejemplo 9.1.3. Si dos personas A y B en (9.1.1), deciden hacer la apuesta:
Si despues del lanzamiento de la moneda sale cara A gana $10
9. APLICACI
ON 2: PRODUCTO INTERNO Y ESTAD
ISTICA 119
Si despues del lanzamiento de la moneda sale sello B gana $10
entonces
(1) S(F) = cara,sello
(2) p(F) =
_
1
2
,
1
2
_
(3) x(F, A) = (10, 10), variable aleatoria del punto de vista de A
(4) x(F, A) = (10, 10), variable aleatoria del punto de vista de B
Ejemplo 9.1.4. Si las mismas personas A y B deciden hacer la apuesta en (9.1.2), como sigue:
Si salen dos caras A gana $10
Si salen dos sellos A gana $7
Si salen una cara y un sello B gana $7
entonces la situacion es la siguiente:
(1) S(F) = (cara,cara),(sello,sello),(cara,sello)
(2) p(F) =
_
1
4
,
1
4
,
1
2
_
(3) x(F, A) = (10, 7, 7)
(4) x(F, B) = (10, 7, 7)
9.2. Un producto interno estadstico. Sea u = (u
1
, u
2
, . . . , u
n
) R
n
un vector jo entonces
dene el producto interno:
(x
1
, x
2
, . . . , x
n
), (y
1
, y
2
, . . . , y
n
)
u
=
n
i=1
u
i
x
i
y
i
(83)
Lema 9.2.1. Si F es un evento entonces
(1) x(F) = x(F), (1, 1, . . . , 1)
p(F)
(2) v[x(F)] = x(F) x(F)(1, 1, . . . , 1), x(F) x(F)(1, 1, . . . , 1)
p(F)
(3) d[x(F)] = |x(F) x(F)(1, 1, . . . , 1)|
En efecto
Para probar [1] hacemos:
x(F), (1, 1, . . . , 1)
p(F)
=
n
i=1
p
i
x
i
1
=
n
i=1
p
i
x
i
= x(F) vericar en (80)
x(F) x(F)(1, 1, . . . , 1), x(F) x(F)(1, 1, . . . , 1)
p(F)
=
n
i=1
p
i
(x
i
x(F))
2
(vericar en 81)
|x(F) x(F)(1, 1, . . . , 1)| = |(x
1
x(F), x
2
x(F) . . . , x
n
x(F))|
=
_
n
i=1
p
i
(x
i
x(F))
2
=
_
v[x(F)] vericar en (82)
Ejemplo 9.2.2. Para el suceso relatado en 9.1.1, tenemos la informacion:
s(F) = cara, sello
p(F) =
_
1
2
,
1
2
_
x(F, A) = (10, 10), variable aleatoria del punto de vista de A
x(F, A) = (10, 10), variable aleatoria del punto de vista de B
Luego,
x(F, A) = (10, 10), (1, 1)
=
1
2
10 1 +
1
2
(10) 1
= 0
x(F, B) = (10, 10), (1, 1)
=
1
2
(10) 1 +
1
2
10 1
= 0
9. APLICACI
ISTICA 121
d[x(F, A)] = |(10, 10)|
=
_
1
2
10
2
+
1
2
(10)
2
= 10
d[x(F, B)] = |(10, 10)|
=
_
1
2
(10)
2
+
1
2
10
2
= 10
9.3. Correlacion. Sea F un evento n-dimensional, es decir:
s(F) = s
1
, s
2
, . . . , s
n
es su espacio muestral.
p(F) = p
1
, p
2
, . . . , p
n
es su vector probablidad.
Si suponemos que es posible asociar a dos comportamientos de F, dos variables aleatorias, digamos
x(F, A) = (x
1
, x
2
, . . . , x
n
) y x(F, B) = (y
1
, y
2
, . . . , y
n
) entonces estudiemos las posibles relaciones
entre x(F, A) y x(F, B).
(1) Tenemos en primer lugar un valor esperado para cada caso:
x(F, A) =
i=1
np
i
x
i
x(F, B) =
i=1
np
i
y
i
(2) Podemos construir los vectores asociados:
x(F, A) x(F, A)(1, 1, . . . , 1) = (x
1
x(F, A), x
2
x(F, A), . . . , x
n
x(F, A))
x(F, B) x(F, B)(1, 1, . . . , 1) = (y
1
x(F, B), y
2
x(F, B), . . . , y
n
x(F, B))
(3) El conjunto
C = (x
1
x(F, A), . . . , x
n
x(F, A)), (y
1
x(F, B), . . . , y
n
x(F, B)) (84)
es linealmente independiente o linealmente dependiente , as que tenemos dos casos:
Caso 1. C es Linealmente dependiente. Luego existe, R 0 tal que:
x(F, B) = x(F, A)
Es decir, x(F, A) y x(F, B) estan relacionados o uno es dependiente. Ahora
cos =
x(F, A), x(F, B)
|x(F, A)||x(F, B)|
=
x(F, A), x(F, A)
|x(F, A)||x(F, A)|
=
x(F, A), x(F, A)
[[|x(F, A)||x(F, A)|
=
|x(F, A)|
2
[[|x(F, A)||x(F, A)|
=

[[
=
_
1 : si > 0
1 : si < 0
Luego,
=
_
_
0
o
(85)
Caso 2. C es Linealmente independiente. Luego no existe relacion entre x(F, A) y x(F, B)
Denicion 9.3.1. Llamaremos coeciente de correlacionde x(F, A) y x(F, B) a
r(x(F, A), x(F, B)) =
x(F, A), x(F, B)
|x(F, A)||x(F, B)|
(86)
Es decir,
r(x(F, A), x(F, B)) =
x(F, A), x(F, B)
|x(F, A)||x(F, B)|
=
n
i=1
p
i
(x
i
x(F, A))(y
i
x(F, B))
_
n
i=1
p
i
(x
i
x(F, A))
2
i=1
p
i
(y
i
x(F, B))
2
_1
2
Ejemplo 9.3.2. Consideremos un grupo de 10 atletas de los cuales conocemos sus registros de 1 a
10 en dos pruebas; prueba1 y prueba2, seg un la tabla:
atleta
registro
prueba 1
prueba 2
1 2 3 4 5 6 7 8 9 10
2 8 5 7 7 5 3 1 9 9
1 9 7 2 7 4 6 3 9 7
Figura 20
Estudiemos la correlacion entre el rendimiento de los atletas en ambas pruebas:
9. APLICACI
ISTICA 123
(1) El espacio muestral sera:
s(F) = 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 (87)
(2) El vector probabilidad es:
p(F) =
_
1
10
,
1
10
,
1
10
, . . . ,
1
10
_
(88)
(3) Si notamos prueba i=p
i
, para i = 1, 2 entonces
x(F, p
1
) = (2, 8, 5, 7, 7, 5, 3, 1, 9, 9) (89)
x(F, p
2
) = (1, 9, 7, 2, 7, 4, 6, 3, 9, 7) (90)
Ahora, comenzamos a calcular:
De (88) y (89), tenemos que
x(F, p
1
) =
1
10
56
= 5.6 (91)
x(F, p
2
) =
1
10
55
= 5.5 (92)
x(F, p
1
) x(F, p
1
)(1, 1, . . . , 1) = (3.6, 2.4, 0.6, . . . , 3.4) (93)
x(F, p
2
) x(F, p
2
)(1, 1, . . . , 1) = (4.5, 3.5, 1.5, . . . , 1.5) (94)
Ademas, de (93) y (94) tenemos que
x(F, p
1
) x(F, p
1
)(1, 1, . . . , 1), x(F, p
2
) x(F, p
2
)(1, 1, . . . , 1) 4.9 (95)
|x(F, p
1
) x(F, p
1
)(1, 1, . . . , 1)| 7.4 (96)
|x(F, p
2
) x(F, p
2
)(1, 1, . . . , 1)| 7.2 (97)
Finalmente de (95), (96), (97), obtenemos que:
r(x(F, p
1
), x(F, p
2
)) 0.67 (98)
10. Aplicacion 3: Series de Fourier y Producto Interno
10.1. Conectando lugares inaccesibles. Supongamos que necesitamos conectar dos lugares in-
accesibles, como lo muestra la funcion.
f
1
(x) =
_
_
1 : si < x < 0
1 : si 0 < x <
Cuyo gr aco es de la forma:
-1
Figura 21 y = f
1
(x)
La idea es usar como soporte, ideas trigonometricas. para conectar esos lugares inaccesibles:
(1) Partamos gracando la funcion y =
4
sen x para ( < x < )

-3 -2 -1 1 2 3
-1
-0.5
0.5
1
(2) Gracamos la funcion y =
4
_
sen x +
sen 3x
3
_
para ( < x < )
-3 -2 -1 1 2 3
-1
-0.5
0.5
1
10. APLICACI
ON 3: SERIES DE FOURIER Y PRODUCTO INTERNO 125

4
_
sen x +
sen 3x
3
+
sen 5x
5
_
para ( < x < )
-3 -2 -1 1 2 3
-1
-0.5
0.5
1
4
_
sen x +
sen 3x
3
+
sen 5x
5
+
sen 7x
7
_
para ( < x < )
-3 -2 -1 1 2 3
-1
-0.5
0.5
1
(5) En n, gracamos, la funcion y =
4
_
sen x +
sen 3x
3
+
sen 5x
5
+
sen 7x
7
+ +
sen 99x
99
_
para
( < x < )
-3 -2 -1 1 2 3
-1
-0.5
0.5
1
Conclusion 10.1.1. Si llamamos g
s
=
4
i=1
sen(2i 1)x
2i 1
, para (s N) entonces podemos observar
lo siguiente:
(1) A medida que s crece en N, el graco de g
s
, mas se parece o mejor copia, a la funcion f
1
(2) Sin embargo, debemos tener cuidado con la comparacion de las expresiones analticas de las
funciones involucradas; porque por ejemplo:
(a) f
1
(0) , R y g
s
(0) = 0
(b) f
1
_
2
_
= 1 y g
1
_
2
_
=
4
Sin embargo, observen lo siguiente:

g
s
_
2
_
=
4
i=1
sen(2i 1)
2
2i 1
=
4
i=1
(1)
i+1
2i 1
=
4
_
1
1
3
+
1
5

1
7
+
1
9

1
11
+ +
1
2s 1
_
As por ejemplo,
g
1
_
2
_
=
4
= 1.273
g
2
_
2
_
=
4
_
1
1
3
_
= 0.848
g
3
_
2
_
=
4
_
1
1
3
+
1
5
_
= 1.013
g
4
_
2
_
=
4
_
1
1
3
+
1
5

1
7
_
= 0.921
g
5
_
2
_
=
4
_
1
1
3
+
1
5

1
7
+
1
9
_
= 1.063
g
6
_
2
_
=
4
_
1
1
3
+
1
5

1
7
+
1
9

1
11
_
= 0.947
Luego,
lim
s
g
s
_
2
_
= lim
s
4
i=1
(1)
i+1
2i 1
= 1 =

4
= lim
s
s
i=1
(1)
i+1
2i 1
(3) Sera necesario entonces ser cuidadoso al referirnos al termino aproximacion de dos funciones,
ya sea en su graco o en sus valores, con estos cuidados podemos escribir
f
1
(x) lim
s
s
i=1
sen(2i 1)x
2i 1
=
i=1
sen(2i 1)x
2i 1
( < x < )
10. APLICACI

10.2. Copiando una funcion continua. Consideremos ahora una funcion continua, f
2
(x) = [x[,
para ( < x < ), cuyo graco es de la forma
Figura 22 y = f
2
(x)
Al igual que en el caso anterior, podemos aproximar el graco de la funcion por otras funciones:
(1) Para y =

2

4
cos x
(2) y =

2

4
_
cos x +
cos 3x
4
_
(3) y =

2

4
_
cos x +
cos 3x
4
+
cos 5x
9
_
(4) y =

2

4
_
cos x +
cos 3x
4
+
cos 5x
9
+
cos 99x
50
2
_
Conclusion 10.2.1. Aqu tenemos tambien que
[x[

2

4
lim
s
s
k=1
cos(2k 1)x
k
2
( < x < )
10.3. Formalizacion inicial y Analisis de la situacion.
Denicion 10.3.1. Si notamos C[, ] = f : [, ] R [ f es una funcion continua al R
espacio vectorial de las funciones continuas en el intervalo [, ] R y con valores reales entonces
en C[, ] denimos un producto interno como sigue
f, g =
_

f(x)g(x) dx
10.3.2. Propiedades y ejemplos de , .
(1) Si n N y m N entonces cos nx, cos mx =
_
si n = m
0 si n ,= m
En efecto
Como, cos nx, cos mx =
_
cos mxcos nx dx entonces para resolver esta integral podemos

aplicar las siguientes propiedades:
(a) De la paridad de la funcion coseno sigue que:
_

cos mxcos nx dx = 2
_

0
cos mxcos nx dx
(b) De las identidades que involucran a la funcion coseno
cos( + ) = cos cos sen sen
cos( ) = cos cos + sen sen
Deducimos que
10. APLICACI

cos cos =
1
2
(cos( + ) + cos( ))
Y entonces para n ,= m tenemos que
_

cos mxcos nx dx = 2
_

0
1
2
(cos((m+ n)x) + cos((mn)x) dx
=
_

0
(cos((m+ n)x) + cos((mn)x) dx
=
_
1
m + n
sen((m + n)x) +
1
mn
sen((mn)x)
_
0
=
_
1
m + n
sen((m + n)) +
1
mn
sen((mn))
_
_
1
m + n
sen((m + n)0) +
1
mn
sen((mn)0)
_
= 0
Ahora, para n = m
cos nx, cos nx =
_

cos
2
nx dx = 2
_

0
cos
2
nx dx = 2
_

0
1 + cos 2nx
2
dx
=
_

0
(1 + cos 2nx) dx =
_
x +
1
2n
sen nx
_
0
=
(2) Si n N y m N entonces sen nx, sen mx =
_
si n = m
0 si n ,= m
En efecto
Como, sen nx, sen mx =
_
sen mxsen nx dx entonces para resolver esta integral podemos

aplicar las siguientes propiedades:
(a) De la imparidad de la funcion seno sigue que sen mxsen nx es una funcion par, as que
_

sen mxsen nx dx = 2
_

0
sen mxsen nx dx
(b) De las identidades que involucran a la funcion coseno
cos( + ) = cos cos sen sen
cos( ) = cos cos + sen sen
Deducimos que
sen sen =
1
2
(cos( ) cos( + ))
Y entonces para n ,= m tenemos que
_

sen mxsen nx dx = 2
_

0
1
2
(cos((mn)x) cos((m+ n)x) dx = 0
Ahora para n = m
sen nx, sen nx =
_

sen
2
nx dx =
_

0
sen
2
nx dx = 2
_

0
1 cos 2nx
2
dx
=
_

0
(1 cos 2nx) dx =
(3) Si n N y m N entonces sen mx, cos nx = 0 para (n N) y (m N)
En efecto
De la imparidad de la funcion seno y de la paridad de la funcion coseno sigue que sen mxcos nx
es una funcion impar, as que
_

sen mxcos nx dx = 0
(4) Si n N entonces
1, 1 =
_
dx = 2
1, sen nx =
_
sen nx dx = 0
1, cos nx =
_
cos nx dx = 0
Teorema 10.3.3. El conjunto Trigonom
n
[x] = 1, cos x, cos 2x. . . . , cos nxsen x, sen 2x. . . . , sen nx
es linealmente independiente (n; n N), y una base para el subespacio generado por Trigonom
n
[x],
se decir, para Trigonom
n
[x].
En efecto
10. APLICACI

Si suponemos que
n
k=0
a
k
cos kx +
n
k=1
b
k
sen kx = 0 entonces para s 0
__
n
k=0
a
k
cos kx +
n
k=1
b
k
sen kx
_
, cos sx
_
= 0, cos sx =
_

_
n
k=0
a
k
cos kx +
n
k=1
b
k
sen kx
_
cos sx dx =
_

0 dx =
n
k=0
a
k
_

cos kxcos sx dx +
n
k=1
b
k
_

sen kxcos sx dx = 0 =
n
k=0
a
k
_

cos kxcos sx dx = 0 =
a
s
= 0 =
a
s
= 0
De forma analoga, para s 1 tenemos que
__
n
k=0
a
k
cos kx +
n
k=1
b
k
sen kx
_
, cos sx
_
= 0, sen sx =
_

_
n
k=0
a
k
cos kx +
n
k=1
b
k
sen kx
_
sen sx dx =
_

0 dx =
n
k=0
a
k
_

cos kxsen sx dx +
n
k=1
b
k
_

sen kxsen sx dx = 0 =
n
k=1
b
k
_

sen kxsen sx dx = 0 =
b
s
= 0 =
b
s
= 0
Observacion 10.3.4. Supongamos que f Trigonom
n
[x] entonces
f(x) =
n
k=0
a
k
cos kx +
n
k=1
b
k
sen kx (n; n N)
aplicando, primeramente cos sx, obtenemos,
f(x), cos sx =
_
n
k=0
a
k
cos kx +
n
k=1
b
k
sen kx, cos sx
_
=
_

cos sx
n
k=0
a
k
cos kx dx +
_

cos sx
n
k=1
b
k
sen kx dx
=
n
k=0
_

a
k
cos sxcos kxdx
=
n
k=0
a
k
_

cos sxcos kxdx

= a
s
_

cos sxcos sxdx

= a
s
(s 1)
Por tanto,
a
s
=
1
f(x) cos sx dx (s 1)
Y para s = 0
f(x), 1 = a
0
2 = a
0
=
1
2
_

f(x) dx
Analogamente, aplicando sen sx, obtenemos para los coecientes b
s
b
s
=
1
f(x) sen sx dx
Denicion 10.3.5. Si f Trigonom
n
[x] C[, ] entonces llamaremos Serie de Fourier de f
a:
f(x) =
a
0
2
+
n
k=1
a
k
cos kx + b
k
sen kx (n; n N)
Y, a
s
y b
s
, seran llamados los coecientes de Fourier de f y son obtenidos a traves de las formulas.
a
s
=
1
f(x) cos sx dx (s 0)
b
s
=
1
f(x) sen sx dx
10. APLICACI

Ejemplo 10.3.6. Sea f(x) = x entonces calculemos la serie de Fourier de f(x) = x (n; n N),
(si es posible), es decir;
x =
a
0
2
+
n
k=1
a
k
cos kx + b
k
sen kx
Para determinar la Serie debemos calcular los coecientes de Fourier, a
k
y b
k
, pero antes de
hacerlo sera conveniente prestar atencion a lo siguiente,
(1) f(x) = x = f(x), as que f es una funcion impar entonces xcos ks es una funcion impar,
(k; k 0). Por tanto
a
k
=
1
xcos kx dx = 0 (k; k 0)
(2) Razonando de la misma forma que encima, xsen kx es funcion par y entonces
b
k
=
2
_

0
xsen kx dx (k 1)
Ahora integrando por partes tenemos que
u = x : dv = sen(kx)dx
du = dx : v =
1
k
cos(kx)
_
_
= b
k
=
2
x
k
cos(kx)
0
+
1
k
_

0
cos(kx) dx
_
Luego,
b
k
=
2
k
cos(k)
_
=
2
k
(1)
k+1
(k N)
As que, la serie es de la forma:
x = 2
k=1
(1)
k+1
k
sen(kx)
(3) Respecto de la situacion geometrica, podemos observar que:
(a) El graco de y = x es del tipo
-3 -2 -1 1 2 3
-3
-2
-1
1
2
3
Figura 23 y = x
(b) Si k = 1 entonces para la serie tenemos que su graco es del tipo:
-3 -2 -1 1 2 3
-2
-1
1
2
Figura 24 y = 2
1
k=1
(1)
k+1
k
sen(kx)
(c) Para k = 2 tenemos
-3 -2 -1 1 2 3
-2
-1
1
2
Figura 25 y = 2
2
k=1
(1)
k+1
k
sen(kx)
5
(d) Para k = 50 sucede que
-3 -2 -1 1 2 3
-3
-2
-1
1
2
3
Figura 26 y = 2
50
k=1
(1)
k+1
k
sen(kx)
10. APLICACI

10.4. Ejercicios Propuestos. Desarrolle en Serie de Fourier en el intervalo [, ] las siguientes
funciones:
(1) f(x) = e
x
(2) f(x) = sen x
(3) f(x) = [ sen x[
(4) f(x) =
_
0 : si < x 0
x ; si 0 x <
Adem as demuestre que:

2
8
=
k=1
1
(2k 1)
2
Indice Alfabetico
Base, 30
Base ortogonal, 69
Base ortonormal, 76
Caracterizacion de subespacio, 9
Combinacion lineal, 20
Complemento ortogonal, 83
Coordenadas de, 35
Desigualdad de Cauchy-Schwarz, 75
Dimension, 33
Distancia de un vector a un subespacio, 81
Escalares, 5
Espacio con producto interno, 66
Espacio coordenado, 35
Espacio prehilbertianoi, 66
Espacio vectorial, 5
Espacios Vectoriales, 1
Gram Schmidt Proceso de ortogonalizacion, 72
Linealmente dependiente, 29
Linealmente independiente, 29
Matriz cambio de base, 38
Metodo de los mnimos cuadrados, 114
Norma inducida, 75
Polinomio de los mnimos cuadrados, 111
Producto interno, 63
Producto interno de la integral, 128
Proyeccion ortogonal, 78
Recta de mnimos cuadrados, 108
Serie de Fourier, 132
Series de Fourier, 124
Sistema de ecuaciones lineales para la recta de
mnimos cuadrados, 109
Sistema de ecuaciones para el polinomio de mnimos
cuadrados, 111
Situaciones de Desempe no: Espacios Vectoriales, 41
Situaciones de Desempe no: Producto Interno, 88
Solucion de situaciones de desempe no: Espacios
Vectoriales, 44
Solucion de situaciones de desempe no: Producto
Interno, 90
Solucion por mnimos cuadrados, 106
Subespacio, 8
Subespacio generado, 19
Suma directa, 19
Teorema de caracterizacion del Teorema del Rango,
105
Vectores, 5
Vectores ortogonales, 82
137
Contenidos
1. Denicion de Espacios Vectorial 1
2. Subespacios 7
3. La Idea de Generador 15
4. Sistemas de Generadores 21
5. Dependencia e Independencia Lineal 27
6. Base y Dimension 30
7. Coordenadas y Matrices 37
8. Situaciones de Desempe no: Espacios Vectoriales 41
9. Solucion de Situaciones de Desempe no: Espacios Vectoriales 44
Capitulo 1. Producto Interno 63
1. Preliminares 63
2. Bases Ortogonales y Ortonormales 67
3. Proyeccion Ortogonal y Distancia a un Subespacio 78
4. Complemento Ortogonal 82
5. Ejercicios Propuestos Miscelaneos de Producto Interno 86
6. Situaciones de Desempe no: Producto Interno 88
7. Solucion de Situaciones de Desempe no: Producto Interno 90
8. Aplicacion 1: Metodo de Aproximacion de los Mnimos Cuadrados 103
9. Aplicacion 2: Producto Interno y Estadstica 118
10. Aplicacion 3: Series de Fourier y Producto Interno 124
Indice Alfabetico 137
139

Rudimentos12 Espacios Vectoriales

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Rudimentos12 Espacios Vectoriales

Загружено:

Авторское право:

Доступные форматы

Rudimentos 12: Espacios Vectoriales

Profesor Ricardo Santander

(x, y) + (x, y) = (2x, 2y)

sen x para ( < x < )

Sin embrago, observen lo siguiente:

3.3. Ejercicios Propuestos de Generadores.

(3) Sea V un K espacio vectorial y = v

(4) Sea V un K espacio vectorial y = v

(5) Sea V un K espacio vectorial y = v

(6) Demuestre que

En tal caso, notamos V = W

Equivalentemente: es un sistema de generadores si para cada v V existen n - escalares, digamos

Una solucion Alternativa para mostrar que v

(2) En general si V un K espacio vectorial y = v

(3) Si consideramos los conjuntos de polinomios

(c) A partir de U y W, obtenemos un sistema de generadores para R

En particular, en este sistema tenemos que.

Equivalentemente, para cada u V existen c

La llamaremos la base canonica de K

es un biyeccion entonces llamamos coordenadas de u V a [u]

(6) Dado el sistema lineal

, para cualquier base = z

(2) Siguiendo la idea propuesta por el diagrama (15). Apliquemos la funcion [ ]

), se llamara la matriz cambio de

7.4. Ejercicios Propuestos de Coordenadas.

(c) Muestre que

(2) Sea = (1, 1, 1), (1, 0, 1), (0, 1, 1) una base de R

. Si es posible exhiba una tal base , si no

NO: ESPACIOS VECTORIALES 41

(7) Sea C[, ] = f : [, ] R [ f Derivable en el intervalo [, ]. Demuestre que

. (Si es posible exhiba una tal base ,

NO: ESPACIOS VECTORIALES 43

NO: ESPACIOS VECTORIALES 45

NO: ESPACIOS VECTORIALES 47

NO: ESPACIOS VECTORIALES 49

Etapa 2. Gestion de la informaci on

(c) En tercer y ultimo lugar,

(7) Sea C[, ] = f : [, ] R [ f Derivable en el intervalo [, ]. Demuestre que

NO: ESPACIOS VECTORIALES 51

NO: ESPACIOS VECTORIALES 53

. Si es posible exhiba una tal base , si

NO: ESPACIOS VECTORIALES 55

se construye como: [I]

NO: ESPACIOS VECTORIALES 57

, tenemos el mismo proceso. (o bien recordar que esta es la inversa

se construye como: [I]

usando la formula ().

NO: ESPACIOS VECTORIALES 59

NO: ESPACIOS VECTORIALES 61

De donde sigue que, a

se llamara el iesimo coeciente

[sen(k + s)t + sen(k s)t] dt

Y sustituyendo en la ecuacion (33) obtenemos

= (1, 0, 0, 1), (1, 2, 0, 1), (1, 1, 3, 1) es una base ortogonal de W

entonces tenemos el siguiente mejo-

ON ORTOGONAL Y DISTANCIA A UN SUBESPACIO 79

= (1, 1, 0, 0), (0, 0, 1, 0), (3, 3, 0, 2).

ON ORTOGONAL Y DISTANCIA A UN SUBESPACIO 81

sera llamado Complemento Ortogonal de W en (V, , ).

Usando el proceso de Gram Schmidt ortogonalizamos y obtenemos

en (44),sigue que vale la ecuacion

, as que por construccion

En realidad falta mostrar que W W