40 Matematicas I

Parte II

Algebra Lineal
Prof: Jose Antonio Abia Vian I.T.I. en Electricidad
41 Matematicas I :

Algebra Lineal
Tema 4
Espacios vectoriales reales
4.1 Espacios vectoriales
Denicion 88.- Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con
dos operaciones, una que recibe el nombre de suma de vectores y otra que recibe el nombre de producto de
vectores por n umeros reales o producto por escalares, que verican las siguientes propiedades:
(1) u + v V ; u, v V .
(2) u + v = v + u; u, v V .
(3) u + (v + w) = (u + v) + w; u, v, w V .
(4) Existe un vector, llamado vector cero y denotado por 0, tal que: 0 + u = u + 0 = u; u V .
(5) Para cada u V , existe un vector de V , llamado opuesto de u y denotado por u, tal que
u + (u) = 0 .
(6) ku V ; k IR y u V .
(7) k(u + v) = ku +kv ; k IR y u, v V .
(8) (k +l)u = ku +l u; k, l IR y u V .
(9) (kl)u = k(l u); k, l IR y u V .
(10) 1u = u; u V .
Por ser los escalares de IR, se dice que V es un IR-espacio vectorial. Se pueden considerar espacios vectoriales
sobre otros cuerpos de escalares, como C.
Ejemplo Los conjuntos IR
n
, los conjuntos de polinomios T
n
[X] = P(X) IR[X] : gr(P) n y los conjuntos
de matrices reales /
mn
= matrices de tama no mn, con las operaciones usuales en cada uno de ellos, son
espacios vectoriales reales.
Propiedades 89.- Algunas propiedades que se deducen de las anteriores son:
(i) 0u = 0 . (ii) k0 = 0 . (iii) (1)u = u.
(iv) ku = 0 k = 0 o u = 0 .
(v) El vector cero de un espacio vectorial es unico.
(vi) El vector opuesto de cada vector del espacio vectorial es unico.

4.2 Subespacios vectoriales
Denicion 90.- Un subconjunto W de un espacio vectorial V se dice que es un subespacio vectorial de V ,
si W es un espacio vectorial con las operaciones denidas en V .
Como W V , todos los vectores de W verican las propiedades 2 a 5 y 7 a 10, por tanto es suciente
probar que las operaciones suma y producto por escalares son internas en W , es decir, que se verican las
propiedades (1) y (6) en W :
(1

) u + v W ; u, v W (6

) ku W ; u W y k IR
Prof: Jose Antonio Abia Vian I.T.I. en Electricidad
42 Matematicas I :

Algebra Lineal 4.3 Base y dimension
Estas dos propiedades son equivalentes a la propiedad unica:
ku +l v W; u, v W y k, l IR.
Nota: Es claro, que si W es un subespacio de V , entonces 0 W .
Ejemplo T
2
[X] es un subespacio de T
4
[X] , pues es un subconjunto suyo y si P(X), Q(X) T
2
[X] , el grado de
kP(X) +lQ(X) es gr(kP +lQ) = maxgr(kP), gr(lQ) maxgr(P), gr(Q) 2, por lo que esta en T
2
[X] .
Sin embargo, P(X) : gr(P) = 2 no es un subespacio de T
4
[X] , por dos razones: primero, porque no contiene
al polinomio cero; y segundo, no verica la propiedad (1

) ya que X
2
y 2X X
2
son polinomios del conjunto
pero su suma X
2
+ (2X X
2
) = 2X es un polinomio de grado 1 que no esta en el conjunto.

Denicion 91.- Se dice que un vector v V es una combinacion lineal de los vectores v
1
, v
2
, . . . , v
n
si,
y solo si, c
1
, c
2
, . . . , c
n
IR tales que v = c
1
v
1
+c
2
v
2
+ +c
n
v
n
.
Denicion 92.- Dado un conjunto de vectores S = v
1
, v
2
, . . . , v
k
de un espacio vectorial V , llamaremos
subespacio lineal generado por S y que denotaremos por linS o linv
1
, v
2
, . . . , v
k
, al conjunto de
todas las combinaciones lineales que se pueden formar con los vectores de S:
linS = linv
1
, v
2
, . . . , v
k
=
_
c
1
v
1
+c
2
v
2
+ +c
k
v
k
: c
i
IR
_
y se dira que S genera linS o que v
1
, v
2
, . . . , v
k
generan linS.
Naturalmente linS es un subespacio vectorial de V y, de hecho, es el mas peque no que contiene a los
vectores de S (ver ejercicio 4.6).
Denicion 93.- Dado un conjunto S = v
1
, v
2
, . . . , v
k
de vectores del espacio vectorial V , la ecuacion
vectorial c
1
v
1
+c
2
v
2
+ +c
k
v
k
= 0 tiene al menos una solucion, a saber: c
1
= c
2
= = c
k
= 0. Si esta
solucion es unica, entonces se dice que S es un conjunto linealmente independiente (o que los vectores
de S son linealmente independientes). Si existen otras soluciones, entonces se dice que S es linealmente
dependiente (los vectores son linealmente dependientes).
Ejemplo El vector 2X X
2
de T
2
[X] esta generado por los vectores X 1 y X
2
2:
2X X
2
= (X 1) +(X
2
2) = X +X
2
2 = ( 2) +X +X
2
=
_
_
_
2 =0
=2
=1
luego 2X X
2
= 2(X 1) + (1)(X
2
2).
Ejemplo Los polinomios X + 2 y X
2
de T
2
[X] son linealmente independientes: si (X + 2) + X
2
= 0 (al
polinomio cero), se tiene que 0 = (X + 2) + X
2
= 2 + X + X
2
= 2 = 0, = 0 y = 0, ya que los
coecientes de ambos polinomios deben coincidir.

Nota: Si los vectores v

1
, v
2
, . . . , v
k
son linealmente dependientes, al menos uno de ellos se puede escribir
como una combinacion lineal de los restantes; y si son linealmente independientes ninguno de ellos puede ser
generado por los restantes. Es decir, se tiene la siguiente caracterizacion para que un conjunto de dos o mas
vectores sea linealmente dependiente (ver ejercicio 4.7):
Un conjunto de dos o mas vectores es linealmente dependiente si, y solo si, al menos uno
de los vectores es una combinacion lineal de los restantes.
4.3 Base y dimension
Lema 94.- Si v
n+1
= c
1
v
1
+ +c
n
v
n
, entonces linv
1
, . . . , v
n
, v
n+1
= linv
1
, . . . , v
n
.
Es facil asumir que este resultado es cierto, ya que cualquier combinacion lineal de los n +1 vectores puede
reconvertirse a una combinacion lineal de los n primeros, por simple sustitucion. En otras palabras, puede
reducirse el n umero de generadores mientras haya dependencia lineal, lo que nos lleva a:
Denicion 95.- Sean V un espacio vectorial y S un conjunto nito de vectores de V . Diremos que S es una
base de V si:
a) S es linealmente independiente y b) S genera a V
Prof: Jose Antonio Abia Vian I.T.I. en Electricidad
43 Matematicas I :

Algebra Lineal 4.3 Base y dimension
Observacion: El comentario anterior a esta denicion nos indica la manera de reducir un conjunto generador
del espacio a una base.
Igualmente, podemos construir una base a partir de un conjunto linealmente independiente de vectores: si
S es linealmente independiente y linS ,= V , tomando v V pero que v / linS, el conjunto S v es
linealmente independiente (ver el Lema 96 siguiente); y as, se a naden vectores a S hasta generar V .
Lema 96.- Si S es un conjunto linealmente independiente de vectores de V y v V linS, entonces Sv
es linealmente independiente.

De cierta forma, estamos diciendo que una base tiene el menor n umero posible de generadores y el mayor
n umero posible de vectores linealmente independientes (ver Lema 97 siguiente); luego no tendra una base un
n umero jo de vectores? La respuesta la proporciona el Teorema de la base.
Lema 97.- Sean V un espacio vectorial y B una base de V formada por n vectores. Entonces cualquier
conjunto v
1
, v
2
, . . . , v
m
de vectores de V, con m > n, es linealmente dependiente.

Teorema de la base 98.- Cualesquiera dos bases de un espacio vectorial tienen el mismo n umero de elementos.
Demostracion:
La demostracion es muy sencilla si tenemos en cuenta el Lema anterior, pues si B
1
es una base de n elementos
y B
2
es una base de m elementos, por ser B
1
base y B
2
linealmente independiente, m ,> n y por ser B
2
base
y B
1
linealmente independiente n ,> m, luego n = m.
Denicion 99.- Un espacio vectorial V se dice de dimension nita si tiene un conjunto nito de vectores
que forman una base, y llamaremos dimension de V , dimV , al n umero de vectores de cualquier base de V .
Al espacio vectorial V = 0 le consideramos de dimension nita, de dimension cero, a un cuando no tiene
conjuntos linealmente independientes.
Si no existe un conjunto nito de este tipo, se dice que V es de dimension innita (y no nos son ajenos pues
IR[X] es un espacio vectorial de dimension innita).
Ejemplo T
2
[X] = P(X) IR[X] : gr(P) 2 tiene dimension 3, pues B = 1, X, X
2
forman una base. En
general, dim(T
n
[X]) = n + 1 y B = 1, X, . . . , X
n
es una base suya.
Ejemplo 100 Los conjuntos IR
n
= IRIR IR = (x
1
, . . . , x
n
) : x
i
IR, i con las operaciones
habituales de suma y producto por escalares
x +y =(x
1
, . . . , x
n
) + (y
1
, . . . , y
n
) = (x
1
+y
1
, . . . , x
n
+y
n
)
x =(x
1
, . . . , x
n
) = (x
1
, . . . , x
n
)
son espacios vectoriales con dimIR
n
= n, ya que cualquier vector x IR
n
puede escribirse de la forma
x = (x
1
, x
2
, . . . , x
n
) = x
1
(1, 0, . . . , 0) +x
2
(0, 1, . . . , 0) + +x
n
(0, 0, . . . , 1)
y este conjunto de vectores
B =
_
e
1
= (1, 0, . . . , 0), e
2
= (0, 1, . . . , 0), . . . , e
n
= (0, 0, . . . , 1)
_
es linealmente independiente. A esta base se la denomina base canonica de IR
n
.

Conocer a priori la dimension de un espacio facilita la obtencion de bases:

Proposicion 101.- Si V es un espacio vectorial, con dimV = n. Entonces, un conjunto de n vectores de V
es base de V ,
a) si el conjunto es linealmente independiente, o
b) si genera a V .
4.3.1 Coordenadas en una base
Denicion 102.- Sean V un espacio vectorial de dimension nita y B = v
1
, v
2
, . . . , v
n
una base de V .
Para cada vector v V , se llaman coordenadas de v en la base B a los n unicos n umeros reales
c
1
, c
2
, . . . , c
n
tales que v = c
1
v
1
+c
2
v
2
+ +c
n
v
n
.
Fijando un orden para los vectores de la base, el vector de IR
n
, de las coordenadas de v en B se denota
por (v)
B
= (c
1
, c
2
, . . . , c
n
) y mas usualmente por [ v]
B
cuando lo escribimos como vector columna en las
operaciones con matrices: [ v]
B
= (c
1
, c
2
, . . . , c
n
)
t
.
Prof: Jose Antonio Abia Vian I.T.I. en Electricidad
44 Matematicas I :

Algebra Lineal 4.3 Base y dimension
Ejemplo Si B = v
1
, v
2
, v
3
es una base de V y v = v
1
v
2
+ 2v
3
, se tiene que
(v)
B
= (1, 1, 2) (v
1
)
B
= (1, 0, 0) (v
2
)
B
= (0, 1, 0) (v
3
)
B
= (0, 0, 1)
o tambien
[v]
B
=
_
_
1
1
2
_
_
[v
1
]
B
=
_
_
1
0
0
_
_
[v
2
]
B
=
_
_
0
1
0
_
_
[v
3
]
B
=
_
_
0
0
1
_
_

Nota: Al usar vectores de coordenadas, es imprescindible mantener el orden de los vectores. Si, en el ejemplo
anterior, tomamos como base B
1
= v
2
, v
3
, v
1
, tenemos que (v)
B
1
= (1, 2, 1) que es un vector de
coordenadas distinto de (v)
B
= (1, 1, 2).
Fijada una base, la unicidad de las coordenadas asigna a cada vector de V un unico vector de IR
n
, de manera
que disponer de las coordenadas es, en el fondo, disponer del vector. Ademas, se cumple (ver ejercicio 4.14):
[ v +w]
B
= [ v]
B
+ [ w]
B
y [v]
B
= [ v]
B
, luego [
1
v
1
+ +
n
v
n
]
B
=
1
[ v
1
]
B
+ +
n
[ v
n
]
B
y con esto, no es dicil probar que:
v linv
1
, . . . , v
k
V [v]
B
lin[v
1
]
B
, . . . , [v
k
]
B
IR
n
v
1
, . . . , v
k
lin. independiente en V [v
1
]
B
, . . . , [v
k
]
B
lin. independiente en IR
n
v
1
, . . . , v
n
base de V [v
1
]
B
, . . . , [v
n
]
B
base de IR
n
por lo que se puede trabajar sobre las coordenadas en lugar de sobre los vectores.
4.3.2 Espacios de las las y las columnas de una matriz
De lo anterior, tenemos que independientemente del espacio vectorial en que nos encontremos, jada una base,
podemos trasladar todo el trabajo operativo sobre los vectores de IR
n
; por lo que resulta muy interesante
conocer esta seccion.
Denicion 103.- Consideremos la matriz A
mn
=
_
_
_
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
. . . .
.
.
.
a
m1
a
m2
. . . a
mn
_
_
_
_
_
.
Los m vectores de IR
n
: r
1
= (a
11
, . . . , a
1n
), r
2
= (a
21
, . . . , a
2n
), . . . , r
m
= (a
m1
, . . . , a
mn
), se denominan
vectores la de A y al subespacio lineal generado por ellos, E
f
(A) = linr
1
, r
2
, . . . , r
m
, espacio de las
las de A. Por supuesto E
f
(A) IR
n
.
Los n vectores de IR
m
: c
1
= (a
11
, . . . , a
m1
), c
2
= (a
12
, . . . , a
m2
), . . . , c
n
= (a
1n
, . . . , a
mn
), se denominan
vectores columna de A y el subespacio lineal generado por ellos, E
c
(A) = linc
1
, c
2
, . . . , c
n
, espacio de
las columnas de A. Por supuesto E
c
(A) IR
m
.
Proposicion 104.- Si A es una matriz de tama no mn, entonces las operaciones elementales sobre las las
(resp. columnas) de A no cambian el espacio de las las (resp. columnas) de A.
Demostracion:
Puesto que hacer operaciones elementales sobre las las es hacer combinaciones lineales de los vectores la, el
subespacio lineal generado es el mismo. (Igual para las columnas.)
Corolario 105.- Sea A una matriz, entonces:
a) Los vectores no nulos de una forma escalonada de la matriz A, forman una base de E
f
(A).
b) Los vectores no nulos de una forma escalonada de la matriz A
t
, forman una base de E
c
(A).
Demostracion:
Basta probar que los vectores no nulos de una forma escalonada son linealmente independientes, pero eso se
comprueba facilmente ya que debajo de cada elemento principal solo hay ceros.
Prof: Jose Antonio Abia Vian I.T.I. en Electricidad
45 Matematicas I :

Algebra Lineal 4.4 Cambios de base
Teorema 106.- Sea A una matriz de tama no mn, entonces: dim(E
f
(A)) = dim(E
c
(A)).
Demostracion:
El resultado es inmediato, teniendo en cuenta que rg(A) = rg(A
t
), y que el rango coincide con el n umero de
vectores no nulos en la forma escalonada, as como el resultado anterior.
Estos resultados nos permiten usar el metodo de Gauss, y por lo tanto nos ofrecen un operativo sencillo, para
comprobar cuando un conjunto de vectores es linealmente independiente y para obtener bases.
Ejemplo Los vectores X 1, X + 1 y X
2
1 de T
2
[X] son linealmente independientes?
Tomemos la base B = 1, X, X
2
de T
2
[X] , entonces formamos por las la matriz:
A =
_
_
(X 1)
B
(X + 1)
B
(X
2
1)
B
_
_
=
_
_
1 1 0
1 1 0
1 0 1
_
_
F
2
+F
1
F
3
F
1

_
_
1 1 0
0 2 0
0 1 1
_
_
F
3
+
1
2
F
2

_
_
1 1 0
0 2 0
0 0 1
_
_
Por lo anterior, los vectores la de la ultima matriz son linealmente independientes y dimE
f
(A) = 3. En
consecuencia, los tres vectores la de la matriz A inicial que generan E
f
(A) son tambien base, luego linealmente
independientes y los polinomios del enunciado tambien son linealmente independientes.
Ademas, forman una base de T
2
[X] (por que?).

4.4 Cambios de base

Puesto que las coordenadas estan referidas a una base, al cambiar la base de trabajo, habra que cambiar a las
coordenadas en la nueva base. Pero este proceso puede realizarse facilmente, teniendo en cuenta lo siguiente:
Denicion 107.- Sean B
1
= u
1
, u
2
, . . . , u
n
y B
2
= v
1
, v
2
, . . . , v
n
son bases de un espacio vectorial
V . Recibe el nombre de matriz de transicion o matriz de cambio de la base B
1
a la base B
2
, la matriz
de dimensiones nn, que por columnas es
P =
_
[u
1
]
B
2
[u
2
]
B
2
[u
n
]
B
2
_
,
es decir, la columna i-esima esta constituida por las coordenadas en la base B
2
, del vector u
i
de la base B
1
.
En otras palabras, la matriz de cambio de base tiene por columnas las coordenadas en la base de llegada de
los vectores de la base de partida.
El porque la matriz de paso se contruye as, puede observarse en la prueba de la proposicion siguiente:
Proposicion 108.- Sea P la matriz de paso de una base B
1
en otra base B
2
de un espacio V . Entonces:
1.- x V se tiene que [ x]
B
2
= P [ x]
B
1
.
2.- P es inversible y su inversa, P
1
, es la matriz de paso de la base B
2
a la base B
1
.
Demostracion:
Sea B
1
= u
1
, u
2
, . . . , u
n
y sea x = c
1
u
1
+c
2
u
2
+ +c
n
u
n
. Entonces, Apartado 1:
P[x]
B
1
=
_
[u
1
]
B
2
[u
2
]
B
2
[u
n
]
B
2
_
_
_
_
_
_
c
1
c
2
.
.
.
c
n
_
_
_
_
_
=c
1
[u
1
]
B
2
+c
2
[u
2
]
B
2
+ +c
n
[u
n
]
B
2
= [c
1
u
1
+c
2
u
2
+ +c
n
u
n
]
B
2
= [x]
B
2
Apartado 2: como los vectores de la base B
1
son linealmente independientes, sus vectores de coordenadas en
la base B
2
tambien lo son. Luego las columnas de P son vectores linealmente independientes y rg(P) = n,
por lo que P es inversible.
Ademas, [ x]
B
2
= P[ x]
B
1
= P
1
[ x]
B
2
= P
1
P[ x]
B
1
= P
1
[ x]
B
2
= [ x]
B
1
y P
1
es la matriz
de cambio de la base B
2
en la base B
1
.
Prof: Jose Antonio Abia Vian I.T.I. en Electricidad
46 Matematicas I :

Algebra Lineal 4.5 Espacios vectoriales con producto interior
Ejemplo Consideremos las bases B = 1, X, X
2
y B
1
= X 1, X + 1, X
2
1 de T
2
[X] .
La matriz de paso de la base B
1
a la base B sera:
P =
_
[X 1]
B
[X + 1]
B
[X
2
1]
B
_
=
_
_
1 1 1
1 1 0
0 0 1
_
_
y P
1
=
_
_
1
2
1
2
1
2
1
2
1
2
1
2
0 0 1
_
_
la matriz de paso de B a B
1
.
Ejemplo Consideremos en IR
3
la base canonica B
c
= e
1
=(1, 0, 0), e
2
=(0, 1, 0), e
3
=(0, 0, 1) y la base
B
1
= v
1
=(1, 0, 1), v
2
=(2, 1, 1), v
3
=(0, 1, 1).
Como v
1
= 1(1, 0, 0) + 0(0, 1, 0) 1(0, 0, 1) = e
1
e
3
, se tiene que (v
1
)
B
c
= (1, 0, 1); y lo mismo para
los otros vectores, luego la matriz de paso de la base B
1
a la base B
c
sera:
P =
_
[v
1
]
B
c
[v
2
]
B
c
[v
3
]
B
c
_
=
_
_
1 2 0
0 1 1
1 1 1
_
_
y P
1
=
_
_
1 2 0
0 1 1
1 1 1
_
_
1
la matriz de paso de la base B
c
a la base B
1
.

Nota: A la vista del ejemplo anterior, obtener las coordenadas de un vector de IR

n
en la base canonica de IR
n
es inmediato, pues (x)
B
c
= x . Pero ciudado!, al trabajar con vectores de IR
n
no hay que confundir el vector
con las coordenadas en una base, pues la igualdad anterior unicamente es cierta en la base canonica.
4.5 Espacios vectoriales con producto interior
4.5.1 Producto interior. Norma. Distancia
Denicion 109.- Un producto interior en un espacio vectorial real V es una funcion que a cada par de
vectores u, v V le asocia un n umero real, que denotaremos por u, v), de tal manera que se cumplen las
siguientes propiedades:
1.- u, v) = v, u); u, v V .
2.- u + v, w) = u, w) +v, w); u, v, w V .
3.- ku, v) = ku, v); u, v V y k IR.
4.- u, u) 0; u V y u, u) = 0 u = 0 .
Otra propiedades que se deducen de las anteriores son:
1.- 0, u) = 0 2.- u, v + w) = u, v) +u, w) 3.- u, kv) = ku, v)
Ejemplo Considerar en T
2
[X] , la funcion P(X), Q(X)) = P(1)Q(1) +P

(1)Q

(1) +P

(1)Q

(1).
(1) P(X), Q(X)) =P(1)Q(1) +P

(1)Q

(1) +P

(1)Q

(1)
=Q(1)P(1) +Q

(1)P

(1) +Q

(1)P

(1) = Q(X), P(X))

(2) P(X) +R(X), Q(X)) =
_
P(1) +R(1)
_
Q(1) +
_
P

(1) +R

(1)
_
Q

(1) +
_
P

(1) +R

(1)
_
Q

(1)
=
_
P(1)Q(1)+P

(1)Q

(1)+P

(1)Q

(1)
_
+
_
R(1)Q(1)+R

(1)Q

(1)+R

(1)Q

(1)
_
=P(X), Q(X)) +R(X), Q(X))
(3) kP(X), Q(X)) =kP(1)Q(1) +kP

(1)Q

(1) +kP

(1)Q

(1)
=k
_
P(1)Q(1) +P

(1)Q

(1) +P

(1)Q

(1)
_
= kP(X), Q(X))
Prof: Jose Antonio Abia Vian I.T.I. en Electricidad
47 Matematicas I :

Algebra Lineal 4.5 Espacios vectoriales con producto interior
(4) P(X), P(X)) = P(1)P(1) +P

(1)P

(1) +P

(1)P

(1) =
_
P(1)
_
2
+
_
P

(1)
_
2
+
_
P

(1)
_
2
0.
Y, se da la igualdad si y solo si, P(1) = P

(1) = P

(1) = 0. Entonces, sea P(X) = a + bX + cX

2
, de donde
P

(X) = b + 2cX y P

(X) = 2c; de las igualdades se tiene:

P(1) = P

(1) = P

(1) = 0
a +b +c = 0
b + 2c = 0
2c = 0
_
_
_
a = b = c = 0 P(X) = 0.
Luego tenemos un producto interno denido en T
2
[X] .

A partir de un producto interior sobre un espacio V se denen los conceptos de norma, distancia y angulo.
Denicion 110.- Si V es un espacio vectorial con producto interior, entonces la norma (o longitud o
modulo) de un vector v V se denota mediante |v| y se dene como
|v| = +
_
v, v).
La distancia entre dos vectores u y v de V se denota mediante d(u, v) y se dene como
d(u, v) = |u v| = +
_
u v, u v).
Desigualdad de Cauchy-Schwarz 111.- Para todo u, v V, espacio con producto interior, se tiene
u, v)
2
|u|
2
|v|
2
o en la forma [u, v)[ |u| |v| .

Propiedades basicas de la norma 112.-
1.- |u| 0; u V
2.- |u| = 0 u = 0
3.- |ku|=[k[ |u|; u V y k IR
4.- |u+v| |u|+|v|; u, v V
Propiedades basicas de la distancia 113.-
1.- d(u, v) 0; u, v V
2.- d(u, v) = 0 u = v
3.- d(u, v) = d(v, u); u, v V
4.- d(u, v) d(u, w)+d(w, v); u, v, w V
La prueba de estas propiedades es analoga a la de las propiedades del modulo colplejo.
Observacion: Sean V un espacio con producto interior y B = u
1
, . . . , u
n
una base de V . Tomemos dos
vectores v = a
1
u
1
+ +a
n
u
n
y w = b
1
u
1
+ +b
n
u
n
, entonces
v, w) =a
1
u
1
+ +a
n
u
n
, w) = a
1
u
1
, w) + +a
n
u
n
, w)
=a
1
u
1
, b
1
u
1
+ +b
n
u
n
) + +a
n
u
n
, b
1
u
1
+ +b
n
u
n
)
=a
1
u
1
, u
1
)b
1
+ +a
1
u
1
, u
n
)b
n
+ +a
n
u
n
, u
1
)b
1
+ +a
n
u
n
, u
n
)b
n
=
_
a
1
a
n
_
_
_
_
u
1
, u
1
) u
1
, u
n
)
.
.
.
.
.
.
.
.
.
u
n
, u
1
) u
n
, u
n
)
_
_
_
_
_
_
b
1
.
.
.
b
n
_
_
_ = (v)
B
Q
B
[w]
B
= [v]
t
B
Q
B
[w]
B
luego, jada una base, un producto interior se puede obtener a partir de las coordenadas en la base. La matriz
Q
B
obtenida se denomina matriz de Gram o matriz metrica. Por las propiedades del producto interior, Q
B
es simetrica y los elementos de la diagonal positivos.
4.5.1.1 El espacio eucldeo n-dimensional IR
n
Denicion 114.- Sobre el espacio vectorial IR
n
denimos la funcion que a cada x, y IR
n
le asocia
x, y) = x y = (x
1
, . . . , x
n
) (y
1
, . . . , y
n
) = x
1
y
1
+ +x
n
y
n
=
n

i=1
x
i
y
i
Como puede comprobarse facilmente dicha funcion es un producto interior, el que se conoce como producto
interior eucldeo o producto escalar eucldeo (ya usado en IR
2
y IR
3
).
Este producto interior da lugar a la norma y distancia eucldeas, ya conocidas:
|x| =
_
x
2
1
+ +x
2
n
y d(x, y) = |x y| =
_
(x
1
y
1
)
2
+ + (x
n
y
n
)
2
.
Se llama espacio eucldeo n-dimensional a IR
n
con el producto interior eucldeo.
Prof: Jose Antonio Abia Vian I.T.I. en Electricidad
48 Matematicas I :

Algebra Lineal 4.5 Espacios vectoriales con producto interior
Nota: Si la matriz metrica del producto interior en la base B, Q
B
, es la identidad, el producto interior se
reduce al producto escalar eucldeo de los vectores de coordenadas. Esto ocurre precisamente para las bases
ortonormales que se estudian en la siguiente seccion.
4.5.2 Ortogonalidad
Denicion 115.- Si u y v son vectores distintos de cero de un espacio con producto interior, como conse-
cuencia de la desigualdad de Cauchy-Schwarz se tiene que 1
u, v
uv
1 y, por tanto, existe un unico
angulo, , tal que
cos =
u, v)
|u| |v|
, con 0
Denicion 116.- En un espacio vectorial con producto interior, dos vectores u y v se dicen que son orto-
gonales si u, v) = 0. Suele denotarse por u v .
Si u es ortogonal a todos los vectores de un conjunto W , se dice que u es ortogonal a W .
Se dice que S = v
1
, v
2
, . . . , v
k
es un conjunto ortogonal si los vectores son ortogonales dos a dos, es
decir, si v
i
v
j
para todo i ,= j .
Ejemplo Los vectores de la base canonica de IR
3
con el producto escalar eucldeo son ortogonales entre si,
pero no lo son si el producto interior denido es: v, w) = v
1
w
1
+v
1
w
2
+v
2
w
1
+ 2v
2
w
2
+v
3
w
3
. (Pruebese
que es un producto interior). En efecto: e
1
, e
2
) = (1, 0, 0), (0, 1, 0)) = 0 + 1 + 0 + 0 + 0 = 1 ,= 0.

Nota: Si dos vectores son ortogonales, el angulo que forman es de radianes (los famosos 90 grados). De hecho,
en IR
n
con el producto escalar eucldeo, la ortogonalidad coincide con la perpendicularidad.
Una curiosidad:
Teorema general de Pitagoras 117.- Si u y v son dos vectores ortogonales de un espacio vectorial con
producto interior, entonces
|u + v|
2
= |u|
2
+|v|
2
.
Este resultado, de facil comprobacion, se reduce en IR
2
con el producto escalar al Teorema de Pitagoras.
Tambien es sencillo probar el resultado siguiente (ver ejercicio 4.21):
Proposicion 118.- Si w v
1
, v
2
, . . . , v
k
, entonces w linv
1
, v
2
, . . . , v
k
.
Mucho mas interesante es el siguiente, que relaciona ortogonalidad e independencia:
Teorema 119.- Si S = v
1
, v
2
, . . . , v
k
un conjunto nito de vectores no nulos, ortogonales dos a dos,
entonces S es linealmente independiente.

4.5.2.1 Bases ortonormales. Proceso de Gram-Schmidt
Denicion 120.- Sean V un espacio vectorial de dimension n con producto interior. Se dice que la base
B = v
1
, v
2
, . . . , v
n
es una base ortonormal de V , si B es un conjunto ortogonal y |v
i
| = 1, i.
Ejemplo Las bases canonica y B
1
=
__
1

2
,
1

2
_
,
_
1

2
,
1

2
__
son ortonormales en IR
2
con el producto escalar
eucldeo. La base B
2
= (2, 0), (0,

2) es ortonormal para el producto interior x, y) =

x
1
y
1
4
+
x
2
y
2
2
.

Teorema 121.- Si B = v
1
, v
2
, . . . , v
n
es una base ortonormal para un espacio V con producto interior,
entonces v V se tiene que (v)
B
=
_
v, v
1
), v, v
2
), . . . , v, v
n
)
_
. Es decir,
v = v, v
1
)v
1
+v, v
2
)v
2
+ +v, v
n
)v
n
,
Demostracion:
Si v = c
1
v
1
+ +c
i
v
i
+ +c
n
v
n
, para cada i, se tiene que
v, v
i
) =c
1
v
1
+ +c
i
v
i
+ +c
n
v
n
, v
i
)
=c
1
v
1
, v
i
) + +c
i
v
i
, v
i
) + +c
n
v
n
, v
i
) = c
i
v
i
, v
i
) = c
i
|v
i
|
2
= c
i
Prof: Jose Antonio Abia Vian I.T.I. en Electricidad
49 Matematicas I :

Algebra Lineal 4.6 Ejercicios
Es decir, en una base ortonormal, la obtencion de cordenadas puede resultar mas sencilla. Pero no solo eso, si
no que tambien se tiene:
Teorema 122.- Si P es la matriz de paso de una base ortonormal B
1
a otra base ortonormal B
2
, entonces
P es una matriz ortogonal (es decir, P
1
= P
t
).
La prueba es puramente operativa, usando la denicion de matriz de paso y el apartado b) del ejercicio 4.24
(ver tambien el ejercicio 4.29).
Denicion 123.- Sean V un espacio vectorial con producto interior, W subespacio de V y B =
w
1
, w
2
, . . . , w
k
una base ortonormal de W . Para cada v V , llamaremos proyeccion ortogonal
de v sobre W al vector de W
Proy
W
(v) = v, w
1
)w
1
+v, w
2
)w
2
+ +v, w
k
)w
k
.
Al vector v Proy
W
(v) se le llama componente ortogonal de v sobre W .
El vector proyeccion ortogonal no depende la base ortonormal elegida, es decir, tomando cualquier base
ortonormal se obtiene el mismo vector. La prueba puede encontrarse en el Anexo 1, pag. 49, tras la demostracion
del Lema 124 siguiente.
Lema 124.- Sean V un espacio vectorial con producto interior, W un subespacio de V y B una base orto-
normal de W . Entonces para cada v V , el vector v Proy
W
(v) es ortogonal a W .

Proceso de ortonormalizacion de Gram-Schmidt 125.- Sean V un espacio vectorial con producto interior y
de dimension nita. Vamos a describir este proceso que construye a partir de una base B=v
1
, v
2
, . . . , v
n

una base ortonormal B

= u
1
, u
2
, . . . , u
n
.
Demostracion:
1
a
etapa.- Como v
1
,= 0 por ser de B, el vector u
1
=
v
1
|v
1
|
tiene norma 1 y linu
1
= linv
1
.
2
a
etapa.- Sea W
1
= linu
1
, por el Lema anterior, el vector v
2
Proy
W
1
(v
2
) es ortogonal a W
1
, en
particular a u
1
, y es distinto del vector 0 pues Proy
W
1
(v
2
) W
1
y v
2
/ W
1
= linv
1
, entonces tiene que
u
2
=
v
2
Proy
W
1
(v
2
)
_
_
v
2
Proy
W
1
(v
2
)
_
_
=
v
2
v
2
, u
1
)u
1
|v
2
v
2
, u
1
)u
1
|
linv
1
, v
2

es ortogonal a u
1
y tiene norma 1. Ademas, linu
1
, u
2
= linv
1
, v
2
.
3
a
etapa.- Sea ahora W
2
= linu
1
, u
2
, como antes, el vector v
3
Proy
W
2
(v
3
) es ortogonal a W
2
, en
particular a u
1
y u
2
, y es distinto del vector 0 , pues Proy
W
2
(v
3
) W
2
y v
3
/ W
2
= linv
1
, v
2
,
entonces se tiene que
u
3
=
v
3
Proy
W
2
(v
3
)
_
_
v
3
Proy
W
2
(v
3
)
_
_
=
v
3
v
3
, u
1
)u
1
v
3
, u
2
)u
2
|v
3
v
3
, u
1
)u
1
v
3
, u
2
)u
2
|
linv
1
, v
2
, v
3

es ortogonal a u
1
y u
2
, y tiene norma 1. Ademas, linu
1
, u
2
, u
3
= linv
1
, v
2
, v
3
.
n
a
etapa.- Con la repeticion del proceso se ha construido un conjunto ortonormal de n vectores no nulos,
B

= u
1
, u
2
, . . . , u
n
, tal que linB

= linB = V . Luego B

es una base ortonormal de V .

4.6 Ejercicios
4.1 Determinar si son espacios vectoriales los siguientes conjuntos:
a) IR
2
con las operaciones: (x, y) + (x

, y

) = (x +x

, y +y

) y k(x, y) = (2kx, 2ky).

b) A = (x, 0) : x IR con las operaciones usuales de IR
2
.
c) IR
2
con las operaciones: (x, y) + (x

, y

) = (x +x

+ 1, y +y

+ 1) y k(x, y) = (kx, ky).

d) El conjunto de los n umeros reales estrctamente positivos, IR
+
0, con las operaciones: x+x

= xx

y kx = x
k
.
Prof: Jose Antonio Abia Vian I.T.I. en Electricidad
50 Matematicas I :

Algebra Lineal 4.6 Ejercicios
4.2 Cuales de los siguientes conjuntos son subespacios vectoriales de IR
3
o IR
4
?
a) (a, 1, 1) IR
3
: a IR IR
3
b) (a, b, c) IR
3
: b = a +c IR
3
c) (a, b, c, d) IR
4
: a + 2d = 7 IR
4
d) (a, b, c, d) IR
4
: ba = 0 IR
4
4.3 Sean v
1
= (2, 1, 0, 3), v
2
= (3, 1, 5, 2) y v
3
= (1, 0, 2, 1) vectores de IR
4
. Cuales de los vectores
(2, 3, 7, 3), (0, 0, 0, 0), (1, 1, 1, 1) y (4, 6, 13, 4), estan en linv
1
, v
2
, v
3
?
4.4 Para que valores reales de los vectores v
1
= (,
1
2
,
1
2
) v
2
= (
1
2
, ,
1
2
) y v
3
= (
1
2
,
1
2
, ) forman
un conjunto linealmente dependiente en IR
3
?
4.5 Dados tres vectores linealmente independientes u, v y w, demostrar que u + v , v + w y w + u son
tambien linealmente independientes.
4.6 Sea V un espacio vectorial y S = v
1
, . . . , v
k
un conjunto de vectores de V . Probar que:
a) linS es un subespacio vectorial de V .
b) Si W es un subespacio de V que contiene a los vectores de S, entonces linS W .
4.7 Probar que si los vectores v
1
, . . . , v
k
son linealmente dependientes, al menos uno de ellos se puede
escribir como una combinacion lineal de los restantes.
4.8 Determinar la dimension de los siguientes subespacios de IR
4
:
a) Todos los vectores de la forma (a, b, c, 0).
b) Todos los vectores de la forma (a, b, c, d) con d = a +b y c = a b.
c) Todos los vectores de la forma (a, b, c, d) con a = b = c = d.
4.9 Demostrar que los vectores solucion de un sistema no homogeneo compatible, AX = B, de m ecuaciones
con n incognitas no forman un subespacio de IR
n
. Que ocurre si el sistema es homogeneo, es decir, si
B = 0?
4.10 Sean E y F subespacios de un espacio V . Probar que: E F = v V : v E y v F es un
subespacio de V .
4.11 Considerar en IR
4
los conjuntos de vectores:
A = (1, 2, 1, 3), (0, 1, 0, 3) B = (1, 1, 1, 0), (2, 3, 1, 2), (0, 0, 0, 1)
a) Hallar las dimensiones de lin(A) y de lin(B), y encontrar una base
b) Hallar las ecuaciones parametricas de lin(A) y de lin(B).
c) Hallar las ecuaciones cartesianas de lin(A) y de lin(B).
d) Hallar la dimension de lin(A) lin(B).
4.12 Consideremos en el espacio vectorial IR
3
la base B = u
1
, u
2
, u
3
. Sea E el subespacio engendrado
por los vectores
v
1
= u
1
+ 3u
3
, v
2
= 2u
1
3u
2
+ u
3
, v
3
= 4u
1
3u
2
+ 7u
3
.
Sea F el subespacio engendrado por los vectores
w
1
= u
1
+ u
2
+ u
3
, w
2
= 2u
1
+ 3u
2
+ 4u
3
, w
3
= 3u
1
+ 4u
2
+ 5u
3
.
Hallar una base de E, una base de F , el subespacio E F y una base de E F .
4.13 Sea M
22
el espacio vectorial de las matrices cuadradas de orden 2 sobre IR y sea E el subconjunto de
M
22
formado por las matrices de la forma
_
a b +c
b +c a
_
con a, b, c IR.
a) Demostrar que E es un subespacio vectorial.
b) Probar que las matrices A
1
=
_
1 0
0 1
_
, A
2
=
_
0 1
1 0
_
y A
3
=
_
0 1
1 0
_
, forman una base de E.
4.14 Sea B una base de un espacio vectorial V de dimension n. Demostrar que el conjunto v
1
, v
2
, . . . , v
n

es una base de V si, y solo si el conjunto [ v

1
]
B
, [ v
2
]
B
, . . . , [ v
n
]
B
es una base de IR
n
.
Prof: Jose Antonio Abia Vian I.T.I. en Electricidad
51 Matematicas I :

Algebra Lineal 4.6 Ejercicios
4.15 En una cierta base u
1
, u
2
, u
3
, u
4
de un espacio vectorial V , un vector w tiene por coordenadas
(3, 1, 2, 6). Hallar las coordenadas de W en otra base v
1
, v
2
, v
3
, v
4
cuyos vectores verican que
v
1
=u
1
+u
2
, v
2
=2u
4
u
1
, v
3
=u
2
u
3
y v
4
=2u
1
u
2
.
4.16 En IR
3
se consideran las bases B = v
1
=(2, 0, 0), v
2
=(0, 1, 2), v
3
=(0, 0, 3) y la base canonica
B
c
= e
1
, e
2
, e
3
. Hallar las coordenadas respecto de la base B del vector x = 4e
1
+ e
2
5e
3
.
4.17 Se consideran en IR
3
las bases B = u
1
, u
2
, u
3
y B

= v
1
, v
2
, v
3
, siendo
u
1
= (3, 0, 3), u
2
= (3, 2, 1), u
3
= (1, 6, 1) y
v
1
= (6, 6, 0), v
2
= (2, 6, 4), v
3
= (2, 3, 7).
a) Hallar la matriz de paso de B a B

.
b) Calcular la matriz de coordenadas, [ w]
B
, siendo w = (5, 8, 5).
c) Calcular [ w]
B
de dos formas diferentes
4.18 Sean u = (u
1
, u
2
, u
3
) y v = (v
1
, v
2
, v
3
). Determinar si u, v) = u
1
v
1
u
2
v
2
+u
3
v
3
dene un producto
interior en IR
3
.
4.19 a) Encontrar dos vectores de IR
2
con norma eucldea uno y cuyo producto interior eucldeo con (2, 4)
sea cero.
b) Demostrar que hay un n umero innito de vectores en IR
3
con norma eucldea uno y cuyo producto
interior eucldeo con (1, 7, 2) es cero.
4.20 Sean a = (
1

5
,
1

5
) y b = (
2

30
,
3

30
). Demostrar que a, b es ortonormal si IR
2
tiene el producto
interior u, v) = 3u
1
v
1
+2u
2
v
2
donde u = (u
1
, u
2
) y v = (v
1
, v
2
), y que no lo es si IR
2
tiene el producto
interior eucldeo.
4.21 Sea V un espacio con producto interior. Demostrar que si w es ortogonal a cada uno de los vectores
v
1
, v
2
, . . . , v
k
entonces es ortogonal a linv
1
, v
2
, . . . , v
k
.
4.22 Considera IR
3
con el producto interior euclideo. Utiliza el proceso de Gram-Schmidt para transformar,
en cada caso, la base u
1
, u
2
, u
3
en una base ortonormal.
a) u
1
= (1, 1, 1), u
2
= (1, 1, 0), u
3
= (1, 2, 1).
b) u
1
= (1, 0, 0), u
2
= (3, 7, 2), u
3
= (0, 4, 1).
4.23 Sea IR
3
con el producto interior u, v) = u
1
v
1
+ 2u
2
v
2
+ 3u
3
v
3
. Utilizar el proceso de Gram-Schmidt
para transformar la base formada por los vectores u
1
= (1, 1, 1), u
2
= (1, 1, 0) y u
3
= (1, 0, 0) en una
base ortonormal.
4.24 Sea B = v
1
, v
2
, v
3
una base ortonormal de un espacio V con producto interior. Probar que:
a) |w|
2
= w, v
1
)
2
+w, v
2
)
2
+w, v
3
)
2
; w V .
b) u, w) = (u)
B
(w)
B
= [ u]
t
B
[ w]
B
; u, w V .
4.25 Tomemos en IR
4
el producto interior euclideo. Expresar el vector w = (1, 2, 6, 0) en la forma w = w
1
+
w
2
donde, w
1
este en el subespacio W generado por los vectores u
1
= (1, 0, 1, 2) y u
2
= (0, 1, 0, 1),
y w
2
sea ortogonal a W .
4.26 Suponer que IR
4
tiene el producto interior euclideo.
a) Hallar un vector ortogonal a u
1
= (1, 0, 0, 0) y u
4
= (0, 0, 0, 1), y que forme angulos iguales con los
vectores u
2
= (0, 1, 0, 0) y u
3
= (0, 0, 1, 0).
b) Hallar un vector x de longitud 1, ortogonal a u
1
y a u
2
, tal que el coseno del angulo entre x y
u
3
sea el doble del coseno del angulo entre x y u
4
.
4.27 Hallar la distancia del vector u = (1, 1, 1, 1) de IR
4
al subespacio generado por los vectores v
1
= (1, 1, 1, 0)
y v
2
= (1, 1, 0, 0).
Prof: Jose Antonio Abia Vian I.T.I. en Electricidad
52 Matematicas I :

Algebra Lineal 4.6 Ejercicios
4.28 Dados los vectores x = (x
1
, x
2
, x
3
) e y = (y
1
, y
2
, y
3
) de IR
3
, demostrar que la expresion x, y) =
2x
1
y
1
+ 2x
2
y
2
+x
3
y
3
+x
1
y
2
+x
2
y
1
dene un producto interior.
Encontrar una base u
1
, u
2
, u
3
ortonormal respecto al producto interior anterior tal que u
2
y u
3
tengan igual direccion y sentido que los vectores (0, 1, 0) y (0, 0, 1), respectivamente.
4.29 Probar que una matriz A de orden n es ortogonal si, y solo si sus vectores la forman un conjunto
ortonormal en IR
n
.
Prof: Jose Antonio Abia Vian I.T.I. en Electricidad