52

MODULO 2
ESPACIOS VECTORIALES

En esta unidad, se har un
cambio grande, del mundo
concreto de la solucin de
ecuaciones y el manejo sencillo
de las matrices que se pueden
visualizar al mundo abstracto
de los espacios vectoriales
arbitrarios. Existe una ventaja
en esto. Una vez que se
establecen los hechos sobre los
espacios vectoriales en
general, se pueden aplicar
estos hechos a todos los
espacios vectoriales.



2.1 ESPACIOS VECTORIALES

Definicin 1. Un espacio vectorial real V es un conjunto de
objetos, llamados vectores, junto con dos operaciones llamadas
suma y multiplicacin por un escalar que satisfacen los diez
axiomas enumerados a continuacin.

Axiomas de Espacio vectorial
i. Si xeV yeV, entonces x+y eV (cerradura bajo la suma).
ii. Para todo x,y,z en V, (x+y)+z = x+(y+z).(Ley asociativa)
iii. Existe un vector 0e V tal que para todo xe V,
x + 0 = 0 + x = x
Objetivos
1. Espacios Vectoriales
2. Subespacios
3. Combinacin lineal y Espacio
Generado
4. Independencia lineal
5. Bases y Dimensin
6. Rango Nulidad Espacio de los
Reglones y espacio de las
columnas de una Matriz de
Cambio de Base
7. Bases Ortonormales y
Proyecciones en R
n
.
53
(el 0 se llama vector cero o idntico aditivo)
iv. Si x e V, existe un vector x en V tal que x + (-x) = 0
(-x se llama inverso aditivo de x)
v. Si x y y estn en V, entonces x + y = y + x.
(ley conmutativa de la suma de vectores)
vi. Si x e V y o es un escalar, entonces o x e V.
(cerradura bajo la multiplicacin por un escalar)
vii. Si x y y estn en V y o es un escalar, entonces
o(x + y) = ox + oy. (primera ley distributiva)
viii. Si x e V y o y | son escalares, entonces
(o + |)x = o x + |x. (segunda ley distributiva)
ix. Si x e V y o y | son escalares, entonces o (|x) = (o|)x.
(ley asociativa de la multiplicacin por escalares)
x. Para cada vector x e V, 1x = x

Ejemplo 1. El espacio R
n
sea

= e
(
(
(
(
(
(
(
(

= n i para R x
x
x
x
R V
j
n
n
..... 2 , 1 ;
.
.
.
2
1

Cada vector en R
n
es una matriz de n x 1. Segn la definicin
de suma de matrices, x + y es una suma de matriz de nx1 si x y
y son matrices de n x 1. Haciendo

,
x
.
.
.
x
x
x y
0
.
.
.
0
0
0
n
2
1
(
(
(
(
(
(
(
(

=
(
(
(
(
(
(
(
(

= se ve que los axiomas ii) a x) se cumplen.

54
Ejemplo 2. Un espacio vectorial trivial es V = {0}. Es decir, V
consiste slo en el nmero 0. Como 0+0=1.0=0+(0+0)=(0+0)+0=0,
se ve que V es un espacio vectorial. Con frecuencia se le da
el nombre de espacio vectorial trivial.

Ejemplo 3. El conjunto de puntos en R
2
que estn en una recta
que pasa por el origen constituye un espacio vectorial. Sea
V = {(x,y); y = mx, meR y x una variable}.
Se puede verificar que se cumple cada uno de los axiomas.
i. Suponga que x=(x
1
,x
2
) y y=(x
2
,y
2
) estn en V. Entonces
y
1
= mx
1
, y
2
= mx
2
, y
x + y = (x
1
,x
2
)+(x
2
,y
2
) = x
1
,mx
1
)+(x
2
,mx
2
)= (x
1
+x
2
,mx
1
+ mx
2
)
= (x
1
+x
2
,m(x
1
+ x
2
)) e V.
por lo tanto se cumple el axioma i.)
ii. Suponga que (x,y)e V. Entonces y=mx y -(x,y)=-(x,mx) =
(-x, m(-x)), de manera que (x, y) tambin pertenece a V
y (x,mx) + (-x,m(-x)) = (xx,m(xx)= (0,0).

Ejemplo 4. El conjunto de puntos en R
2
que estn sobre una
recta que no pasa por el origen no constituye un espacio
vectorial. Sea V = {(x, y); y = 2x + 1, x e R }. Es decir, V es
el conjunto de puntos que estn sobre la recta y = 2x + 1.
V no es un espacio vectorial porque no se cumple la cerradura
bajo la suma.

Ejemplo 5. Sea V = P
m
el conjunto de polinomios con
coeficientes reales de grado menor o igual a n. Si peP
m

entonces
p(x) = a
n
x
n
+ a
n-1
x
n-1
+ ... a
1
x + a
0

donde cada a
i
es real. La suma de p(x) + q(x) est definida de
la manera usual. Si q(x)= b
n
x
n
+ b
n-1
x
n-1
+ ... b
1
x + b
0,
entonces

p(x)+q(x)=(a
n
+b
n
)x
n
+(a
n-1
+b
n-1
)x
n-1
+ + (a
1
+b
1
)x +(a
0
+ b
0
)
55

Es claro que la suma de dos polinomios de grado menor o igual
a n es otro polinomio de grado menor o igual a n, por lo que
se cumple el axioma i).Las propiedades ii) y v) a x) son
obvias. Si se define el polinomio 0= 0x
n
+0x
n-1
+ ...+0x+0,
entonces claramente 0eP
n
y le axioma iii) se cumple. Por
ltimo, sea p(x) = -a
n
x
n
a
n-1
x
n-1
- ... a
1
x a
0
se ve que el
axioma iv) se cumple, con lo P
n
es un espacio vectorial real.

Ejemplo 6. Sea V =C[0, 1]= el conjunto de funciones continuas
de valores reales definidas en el intervalo [0, 1]. Se define

(f + g)x = f(x) + g(x) y (of)(x) = o [f(x)]
V es un espacio vectorial.

Ejemplo 7. Si V = M
34
denota el conjunto de matrices de 3x4 con
componentes reales, entonces con la suma de matrices y
multiplicacin por un escalar usuales, es de nuevo sencillo
verificar que M
34
es un espacio vectorial con 0 como la matriz
cero de 3x4. Si A = (a
ij
) esta en M
34
, entonces A = (-a
ij
)
tambin est en M
34
.

Ejemplo 8. El espacio vectorial M
mn
. En forma idntica se puede
ver que M
mn
el conjunto de matrices de mxn componentes reales,
forma un espacio vectorial para cualquiera enteros positivos m
y n.

Teorema 1. Sea V un espacio vectorial. Entonces
i. o0 = 0 para todo escalar o .
ii. 0 . x = para todo x e V.
iii. Si o0 = 0, entonces o = 0 o x = 0 (o ambos)
iv. (-1)x = -x para todo x e V.

56
Prctica 2.1

1. El conjunto de vectores
(

y
x
en R
2
con y = -3x es un espacio
vectorial real.
Solucin












2. El conjunto de vectores
(

y
x
en R
2
con y = -3x + 1 es un
espacio vectorial real.
Solucin










57
3. El conjunto de matrices invertibles de 5x5 forma un espacio
vectorial (con + definido como en la suma matrices
ordinaria).
Solucin











4. El conjunto de mltiplos constantes de la matriz idntica de
2 x2 es un espacio vectorial (con + definido en (3)).
Solucin














58
5. El conjunto de matrices idnticas de nxn para n = 2,3,4,...
es un espacio vectorial (con + definido como en (3)).
Solucin










6. El conjunto de vectores
(
(
(

z
y
x
en R
3
con 2x y 12z = 0 es un
espacio vectorial real.
Solucin












59
7. El conjunto de vectores
(
(
(

z
y
x
en R
3
con 2x y 12z = 1 es un
espacio vectorial real.
Solucin













8. El conjunto de polinomios de grado 3 es un espacio vectorial
real (con + definido como la suma de polinomios
ordinaria).
Solucin










60
En los problemas siguientes si el conjunto dado es un espacio
vectorial. Si no lo es, d una lista de los axiomas que no se
cumplen.
9. El conjunto de matrices diagonales de n x n bajo la suma de
matrices y multiplicacin por un escalar usuales.
Solucin











10. El conjunto de matrices diagonales de nxn bajo la
multiplicacin (es decir, A B = AB).
Solucin













61
11. {(x,y); ys0; x,y reales} con la suma de vectores y
multiplicacin por un escalar usuales.
Solucin












12. Los vectores en el plano que est en el primer cuadrante.
Solucin
















62
13. El conjunto de vectores en R
3
de la forma (x,x,x).
Solucin











14. El conjunto de polinomios de grado 4 bajo las operaciones
de suma y multiplicacin de polinimios.

















63
15. El conjunto de matrices simtricas de nxn bajo la suma y
multiplicacin por un escalar usuales.
Solucin












16. el conjunto de matrices de 2x2 que tienen las forma
(

0
0
b
a
bajo la suma y multiplicacin por un escalar
usuales.
Solucin













64
2.2 SUBESPACIOS

Definicin 1. Sea H un subconjunto no vaco de un espacio
vectorial V y suponga que H es en s un espacio vectorial bajo
las operaciones de suma y multiplicacin por un escalar
definidas en V. entonces se dice que H es un subespacio de V.

Teorema 1. Un subconjunto no vaco H de un espacio vectorial V
es un subespacio de V si se cumplen las dos reglas de
cerradura:
i. Si x e H y y e H, entonces x + y e H.
ii. SI x e H, entonces ox e H para todo escalar o .

Ejemplo 1. El subespacio trivial. Para cualquier espacio
vectorial V, el subconjunto {0} que consiste en el vector cero
nada ms es un subespacio ya que 0 + 0 = 0 y o0 = 0 para
todo nmero real o. Esto se llama el subespacio trivial.

Ejemplo 2. Un espacio vectorial es un subespacio en s mismo.
Para cada espacio vectorial V, V es un subespacio de s mismo.

Los primeros dos ejemplos muestran que todo espacio vectorial
V contiene dos subespacios, {0} y V (que coinciden si V = {0}).
Es ms interesante encontrar otros subespacios. Los
subespacios distintos a {0} y V se llaman subespacios propios.

Ejemplo 3. Sea H={(x,y,z); x=at, y=bt y z= ct, a,b,c,t reales}.
Entonces H consiste en los vectores en R
3
que estn sobre una
recta que pasa por el origen. Para ver que H es un subespacio
de R
3
, sea x = (at
1
,bt
1
,ct
1
)eH y y=(at
2
,bt
2
,ct
2
)eH. Entonces
x + y = (a(t
1
+t
2
), b(t
1
+t
2
), c(t
1
+t
2
)eH
ox = (a(ot
1
),b(ot
2
),c(ot
3
))eH
65
As H es un subespacio de R
3
.

Ejemplo 4. t = {(x,y,z); ax + by + cz = 0; a,b,c reales} es
un subespacio vectorial de R
3
.

Teorema 2. Sean H
1
y H
2
dos subespacios de un espacio vectorial
V. Entonces H
1
H
2
es un subespacio de V.
Demostracin. Observe que H
1
H
2
es no vaco porque contiene
al 0. Sea x
1
e H
1
H
2
y x
2
e H
1
H
2
. Entonces como H
1
y H
2
son
subespacios, x
1
+ x
2
e H
1
y x
1
+ x
2
e H
2
. esto significa que
x
1
+ x
2
e H
1
H
2
. De manera similar, ox
1
e H
1
H
2
. Por lo
tanto, se cumplen los dos axiomas de cerradura y H
1
H
2
es un
subespacio.

Ejemplo 5. En R
3

H
1
= {(x,y,z)/2x-y-z=0}
H
2
= {(x,y,z)/x+2y+3z=0}
son subespacios vectoriales. Y su interseccin H
1
H
2
es una
recta que pasa por el origen, cuya ecuacin es

L: { -1/5(t,7t)/ teR }





H
1
H
2



66
Prctica 2.2
1. El conjunto de vectores de la forma
(
(
(

t
y
x
es un subespacio de
R
3
.
Solucin







2. El conjunto de vectores de la forma
(
(
(

z
x
0 es un subespacio de
R
3
.
Solucin







3. El conjunto de matrices diagonales de 3x3 es un subespacio
de M
33
.
Solucin




67
4. El conjunto de matrices triangulares superiores de 3x3 es un
subespacio de M
33
.
Solucin








5. El conjunto de matricies triangulares de 3x3 es un
subespacio de M
33
.
Solucin







6. Sea H un subespacio de M
22
. Entonces
(

0 0
0 0
debe estar en H.
Solucin








68
7. Sea

= +
(
(
(

= +
(
(
(

= 0 5 2 ; 0 3 2 ; z y x
z
y
x
K y z y x
z
y
x
H , entonces HK es
un subespacio de R
3
.
Solucin








8. Si H y K son los subconjuntos del problema 7, entonces H K
es un subespacio de R
3
.
Solucin








9. El conjunto de polinomios de grado 2 es un subespacio de P
3
.
Solucin







69
En los problemas siguientes determine si el subconjunto dado H
del espacio vectorial V es un subespacio de V.
10. V = R
2
; H = {(x,y); y >0}
Solucin







11. V = R
2
; H = {(x,y); x = y}
Solucin







12. V = R
3
; H = el plano xy.
Solucin











70
13. V = R
2
, H = {(x,y); x
2
+ y
2
s 1}
Solucin








14. V = M
mn
; H = {D e M
mn
; D es diagonal}
Solucin









15. V = M
mn
; H = {T e M
mn
/ T es triangular superior}
Solucin










71
16. V = M
mn
; H = {Se M
mn
/ S es simtrica}
Solucin








17. V = M
mn
; H = {Ae M
mn
/ a
ij
= 0}
Solucin








18. V = M
22
;
)
`

= e =
c b
b a
A M A H ;
22

Solucin









72
19. V = M
22
;
)
`

+
= e =
0 0
1
;
22
a a
A M A H
Solucin









20. Sea V=M
22
; sean H
1
={AeM
22
/ a
11
= 0} y H
2
=
)
`

= e
b a
a b
A M A ;
22

a. Demuestre que H
1
y H
2
son subespacios.
b. Describa el subconjunto de H = H
1
H
2
y muestre que es un
subespacio.
Solucin















73
2.3 COMBINACIN LINEAL Y ESPACIO GENERADO

Se ha visto todo vector V = (a,b,c) en R
3
se puede escribir en
la forma
v = ai+bj+ck

En este caso se dice que v es una combinacin lineal de los
tres vectores i, j, k. De manera ms general, se tiene la
siguiente definicin.

Definicin 1. Sean v
1
,v
2
,...,v
n
vectores en un espacio
vectorial V. entonces cualquier vector de la forma
a
1
v
1
+ a
2
v
2
, +... + a
n
v
n

Donde a
1
,a
2
, ...,a
n
son escalares se llama una combinacin
lineal de v
1
, v
2
, ..., v
n
.

Ejemplo 1. En R
3
,
(
(
(

7
7
7
es una combinacin lineal de
(
(
(

4
2
1
y
(
(
(

1
3
5

ya que
(
(
(

7
7
7
= 2
(
(
(

4
2
1
-
(
(
(

1
3
5
.

Ejemplo 2. En M
23
,
(

+
(

=
(

6 3 2
2 1 0
2
5 1 1
4 0 1
3
3 9 1
8 2 3
lo que muestra que
(

3 9 1
8 2 3
es una
combinacin lineal de
(

5 1 1
4 0 1
y
(

6 3 2
2 1 0


Definicin 2. Se dice que los vectores v
1
, v
2
, ... v
n
en un
espacio vectorial V generan a V si todo vector V se puede
escribir como una combinacin lineal de ellos. Es decir, para
todo v e V, existen escalres a
1
, a
2
, ..., a
n
, tales que
v = a
1
v
1
+ a
2
v
2
+ ... + a
n
v
n

74
Ejemplo 3. Los vectores
(

=
(

=
1
0
0
1
j y i generan en R
2
y
(
(
(

=
(
(
(

=
0
1
0
,
0
0
1
j i y
(
(
(

=
1
0
0
k generan R
3
.
Ahora se ver brevemente la generacin de algunos otros
espacios vectoriales.

Ejemplo 4. Los n+1 vectores que generan a P
n
son:
1,x, x
2
, ... x
n


Ejemplo 5. Como
(

+
(

+
(

=
(

0 1
0 0
0 0
1 0
0 0
0 1
c b a
d c
b a
+ ,
1 0
0 0
(

d vemos que
(

1 0
0 0
0 1
0 0
,
0 0
1 0
,
0 0
0 1
y generan a M
22
.

Definicin 3. Sea v
1
, v
2
, ... v
k
k vectores en un espacio
vectorial. El espacio generado por {v
1
, v
2
, ... v
k
} es el
conjunto de combinaciones lineales de v
1
, v
2
, ... v
k
. Es decir,
gen {v
1
, v
2
, ... v
k
} ={v v =a
1
v
1
+a
2
v
2
+ ... a
k
v
k
}
donde a
1
, a
2
, ... a
k
son escalares arbitrarios.

Teorema 1. Si v
1
, v
2
,...vk son vectores en un espacio vectorial
V, entonces gen {v
1
, v
2
, ... v
k
} es un subespacio de V.

Teorema 2. Sean v
1
, v
2
,...v
n
, v
n+1
, n + 1 vectores que estn en
un espacio vectorial V. Si v
1
, v
2
,...v
n
genera a V, entonces v
1
,
v
2
,...v
n
, v
n+1
tambin genera a V. Es decir, si se agregan uno,
o ms, vectores a un conjunto generador se obtiene otro
conjunto generador.


75
Prctica 2.3

1. Cules de los siguientes pares de vectores no pueden
generar as R
2
?
a.
(

3
3
,
1
1
b.
(

2
2
,
1
1
c.
(

1
1
,
1
1
d.
(

0
0
,
3
1
e.
(

1
3
,
3
1

Solucin









2. Cules de los siguientes conjuntos de polinomios generan a
P
2
?.
a. 1, x
2




b. 3, 2x, -x
2




c. 1+x, 2 + 2x, x
2




d. 1, 1 + x, 1 + x
2



76
Falso - Verdadero
3.
(

5
3
est en el espacio generado por
)
`

4
2
,
1
1
........( )
4.
(
(
(

3
2
1
est en el espacio generado por

(
(
(

(
(
(

3
0
1
,
4
0
2
...... ( )
5. {1, x, x
2
, x
3
, ..., x
10000
} genera a P................. ( )
6.
)
`

1 0
0 0
,
0 1
0 0
,
0 0
1 0
,
0 0
0 1
genera a M
23
............... ( )
7. gen

(
(
(
(

(
(
(
(

(
(
(
(

2
8
0
8
,
4
0
1
7
,
3
1
2
1
es un subespacio de R
3
........... ( )
8. gen

(
(
(
(

(
(
(
(

(
(
(
(

2
8
0
8
,
4
0
1
7
,
3
1
2
1
es un subespacio de R
4
........... ( )
9. Si
)
`

3
2
,
2
1
genera a R
2
, entonces
)
`

3
2
,
3
2
,
2
1
tambin genera
R
2
................................................... ( )

En los problemas siguientes determine si el conjunto dado de
vectores genera el espacio vectorial dado.
10. En R
2
:
(

4
3
,
2
1

Solucin





77
11. En R
2
:
(

2
2
,
1
2
,
1
1

Solucin






12. En R
2
:
(

5
5
,
2
2
,
1
1

Solucin






13. En R
3
:
(
(
(

(
(
(

(
(
(

3
2
5
,
3
2
1
,
3
2
1

Solucin









78
14. En R
3
:
(
(
(

(
(
(

(
(
(

1
0
0
,
1
1
0
,
1
1
1

Solucin






15. En R
3
:
(
(
(

(
(
(

(
(
(

(
(
(

5
3
7
,
1
1
1
,
2
1
3
,
1
0
2

Solucin






16. En R
3
: (1,-1,2), (1,1,2), (0,0,1)
Solucin






17. En R
3
: (1,-1,2), (-1,1,2), (0,0,1)
Solucin



79
18. En P
2
: 1 x, 3 x
2

Solucin





19. En P
2
: 1 x, 3 x
2
, x
Solucin





20. En M
22

(

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

Solucin





21. En M
22
:
(

0 6
5 2
,
0 3
1 4
,
0 0
2 1
,
0 1
0 1

Solucin








80
2.4 INDEPENDENCIA LINEAL

En el estudio del lgebra lineal, una de las ideas centrales
es la de dependencia o independencia lineal de los vectores.
En esta seccin se define el significado de independencia
lineal y se muestra su relacin con la teora de sistemas
homogneos de ecuaciones y determinantes.
Existe una relacin especial entre los vectores
(

=
2
1
1
v y
(

=
4
2
2
v ? Por supuesto, se ve que v
2
= 2v
1
; o si bien se escribe
esta ecuacin de otra manera.
2v
1
v
2
= 0 (1)
Es decir, el vector cero se puede escribir como una
combinacin no trivial de v
1
y v
2
(es decir, donde los
coeficientes en la combinacin lineal no son ambas cero). Qu
tienen de especial los vectores
(
(
(

=
(
(
(

=
(
(
(

=
19
8
5
5
1
4
,
3
2
1
3 2 1
v y v v ? La
respuesta a esta pregunta es ms difcil a primera vista. Sin
embargo, es sencillo verificar que v
3
= 3v
1
+ 2v
2
; rescribiendo
esto se obtiene
3v
1
+ 2v
2
v
3
= 0 (2)
Se ha escrito el vector cero como una combinacin lineal de
v
1
, v
2
y v
3
. Parece que los dos vectores en la ecuacin (1) y
los tres vectores en la ecuacin (2) tienen una relacin ms
cercana que un par arbitrario de 2 vectores o una terna
arbitraria de 3 vectores. En cada caso, se dice que los
vectores son linealmente dependientes. En general, se tiene la
siguiente definicin importante


81
Definicin 1. Sean v
1
, v
2
, ... v
n
, vectores un espacio
vectorial V. Entonces se dice que los vectores son linealmente
dependientes si existen n escalares c
1
, c
2
, ..., c
n
no todos
cero tales que
c
1
v
1
, c
2
v
2
, +... c
n
v
n
= 0
Si los vectores no son linealmente dependientes, se dice que
son linealmente independientes.

Teorema 1. Dos vectores en un espacio vectorial son
linealmente dependientes si y slo si uno es un mltiplo
escalar del otro.

Ejemplo 1. Dos vectores linealmente dependientes en R
4
. Los
vectores
(
(
(
(

=
(
(
(
(

=
9
0
3
6
3
0
1
2
2 1
v y v son linealmente ya que v
2
= 3v
1
.

Ejemplo 2. Dos vectores linealmente independientes en R
3
. Los
vectores
(
(
(

(
(
(

3
5
2
4
2
1
y son linealmente independientes; si no lo
fueran, se tendra

(
(
(

=
(
(
(

=
(
(
(

4
2
4
2
1
3
5
2
c
c
entonces 2=c, 5=2c y 3 =4c,

lo cual evidentemente imposible para cualquier nmero c.


Teorema 2. Un conjunto de n vectores en R
m
siempre es
linealmente dependiente si n > m.


82
Ejemplo 3. Los vectores
(
(
(

(
(
(

(
(
(

(
(
(

3
7
2
4
11
18
,
6
7
4
,
4
3
2
y

son linealmente dependientes ya que constituyen un conjunto de
cuatro vectores de 3 elementos

Existe un corolario importante (y obvio) del teorema anterior.

Corolario. Un conjunto de vectores linealmente independientes
en R
n
contiene a lo ms n vectores.

Nota. El corolario se puede expresar de otra manera: Si se
tienen n n-vectores linealmente independientes, entonces no
se pueden incluir ms vectores sin convertir el conjunto en
uno linealmente dependiente.
Los vectores {v
1
, v
2
, ...,v
n
} son linealmente dependientes en
R
m
. Por lo que si v
1
=(a
i1
), v
2
=(a
i2
), ..., v
n
= (a
in
), entonces la
ecuacin
c
1
v
1
+c
2
v
2
+...+c
n
v
n
= 0
se puede escribir como el sistema:

0 c a c a c a
n 1n 2 12 1 11
= + + +
0 c a c a c a
n 2n 2 22 1 21
= + + +
. (*)
.
.
0 c a c a c a
n mn 2 m2 1 m1
= + + +




83
Teorema 3. Sea

(
(
(
(
(
(
(
(

=
mn m m
n
n
a a a
a a a
a a a
A
. . .
. . .
. . .
. . .
. . .
. . .
2 1
2 22 21
1 12 11


Entonces las columnas de A, consideradas como vectores, son
linealmente dependientes y slo si el sistema (*), que se
puede escribir como Ac = 0, tienen soluciones no triviales.

Aqu
(
(
(
(
(
(
(
(

=
n
c
c
c
c
.
.
.
2
1


Ejemplo 6. Soluciones a un sistema homogneo escritas como
combinaciones lineales de vectores solucin linealmente
independientes. Considere el sistema homogneo

x
1
+ 2x
2
- x
3
+ 2x
4
= 0
3x
1
+ 7x
2
+ x
3
+ 4x
4
= 0

Solucin: haciendo una reduccin de renglones:


(

0 2 4 1 0
0 6 9 0 1
0 2 4 1 0
0 2 1 2 1
0 2 4 7 0
0 2 1 2 1


El ltimo sistema es
x
1
- 9x
3
+ 6x
4
= 0
x
2
+ 4x
3
- 2x
4
= 0
84
Se ve que este sistema tiene un nmero infinito de soluciones,
que se escriben como una combinacin lineal de los vectores
columna:


(
(
(
(

+
(
(
(
(

=
(
(
(
(

+

=
(
(
(
(

1
0
2
6
0
1
4
9
2 4
6 9
4 3
4
3
4 3
4 3
4
3
2
1
x x
x
x
x x
x x
x
x
x
x


Observe que
(
(
(
(

(
(
(
(

1
0
2
6
0
1
4
9
y

son soluciones linealmente independientes para el sistema
porque ninguno de los dos es mltiplo del otro. Como x
3
y x
4

son nmeros reales arbitrarios, se ve de que el conjunto de
soluciones al sistema es un subespacio de R
4
generado por
estos dos vectores solucin linealmente independientes.
Los siguientes dos teoremas se deducen directamente del
teorema anterior.

Teorema 4. Sean v
1
, v
2
, ..., v
m
n vectores en R
n
y sea A una
matriz de n x n cuyas columnas son v
1
, v
2
, ..., v
m
. Entonces v
1
,
v
2
, ..., v
m
son linealmente independientes si y slo si la
nica solucin al sistema homogneo Ax = 0 es la solucin
trivial x = 0.

Teorema 5. Sea A una matriz de n x n. Entonces det A = 0 si y
slo si las columnas de A son linealmente independientes.



85
Teorema 6. Teorema de resumen (punto de vista 5). Sea A una
matriz de n x n. Entonces las ocho afirmaciones siguientes son
equivalentes, es decir, cada una implica a las otras siete (de
manera que si una es cierta, todas son ciertas).
i. A es invertible
ii. La nica solucin al sistema homogneo Ax = 0 es la
solucin trivial (x = 0).
iii. El sistema Ax = b tiene una solucin nica para todo n-
vector b.
iv. A es equivalente por renglones a la matriz identidad de
nxn, I
n
.
v. A se puede escribir como el producto de matrices
elementales.
vi. La forma escalonada por renglones de A tiene n pivotes.
vii. det. A = 0
viii. Las columnas (y renglones) de A son linealmente
independientes.

Teorema 7. Cualquier conjunto de n vectores linealmente
independiente en R
n
genera a R
n
.

Ejemplo 7. Los vectores (2,-1,4), (1,0,2) y (3,-1,5) generan R
3


porque 0 1
5 2 4
1 0 1
3 1 2
= = y, por lo tanto, son independientes.

Ejemplo 8. En M
23
, sean A
1
= ,
1 1 3
2 0 1
(

=
(

=
1 2 1
1 0 1
0 3 2
4 1 1
3 2
A y A ,
determine si A
1
, A
2
y A
3
son linealmente dependientes o
independientes.
Solucin: Suponga que c
1
A
1
+ c
2
A
2
+ c
3
A
3
= 0. Entonces

86
(

+
(

+
(

=
(

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


(

+ + + + +
+ +
=
3 1 3 2 1 3 2 1
3 2 1 2 3 2 1
2 3 2 3
4 2
c c c c c c c c
c c c c c c c


Esto da un sistema homogneo de seis ecuaciones con tres
incgnitas c
1
, c
2
y c
3
, y es bastante sencillo verificar que la
nica solucin es c
1
= c
2
= c
3
= 0. As, las tres matrices son
linealmente independientes.



















Prctica 2.4
1. Cul de los siguientes pares de vectores son linealmente
independientes?
87
a.
(

1
1
,
1
1
----------( )
b.
(

2
3
,
3
2
----------( )
c.
(

4
0
,
0
11
---------( )
d.
(

11
6
,
11
3
-------( )
e.
(

4
2
,
4
2
-----------( )


2. Cul de los siguientes pares de vectores es un conjunto
generador de R
2
?.
a.
(

1
1
,
1
1
---------------( )
b.
(

2
3
,
3
2
--------------( )
c.
(

4
0
,
0
11
--------------( )
d.
(

11
6
,
11
3
-------------( )
e.
(

4
2
,
4
2
----------------( )




3. Cul de los siguientes conjuntos de vectores debe ser
linealmente dependiente?
88
a.
(
(
(

(
(
(

f
e
d
c
b
a
,
Solucin






b.
(

f
e
d
c
b
a
, ,
Solucin






c.
(
(
(

(
(
(

(
(
(

i
h
g
f
e
d
c
b
a
, ,
Solucin






d.
(
(
(

(
(
(

(
(
(

(
(
(

l
k
j
i
h
g
f
e
d
c
b
a
, , ,
Solucin
89






En los problemas siguientes determine si el conjunto de
vectores dado es linealmente dependiente o independiente.
4.
(

3
1
;
2
1

Solucin







5.
(
(
(

(
(
(

7
2
4
;
4
1
2

Solucin





6.
(
(
(

(
(
(

8
2
4
;
4
1
2

Solucin


90





7.
(

7
4
;
3
2

Solucin







8.
(

5
4
;
10
1
;
2
3

Solucin







9.
(
(
(

(
(
(

(
(
(

0
1
1
;
1
1
0
;
1
0
1

Solucin




91



10.
(
(
(

(
(
(

(
(
(

1
0
0
;
1
1
0
;
1
0
1

Solucin






11.
(
(
(

(
(
(

(
(
(

8
2
1
;
3
1
7
;
2
4
3

Solucin






12.
(
(
(

(
(
(

(
(
(

8
1
1
;
3
1
7
;
2
4
3

Solucin






92



13.
(
(
(
(

(
(
(
(

(
(
(
(

(
(
(
(

1
3
0
5
;
1
1
4
0
;
2
2
0
3
;
1
1
2
1

Solucin















2.5 BASES Y DIMENSIN

Se ha visto que en R
2
es conveniente escribir vectores como una
combinacin lineal de los vectores
(

=
(

=
1
0
0
1
j y i . En R
3
se
escribieron los vectores en trminos de
(
(
(

(
(
(

(
(
(

1
0
0
0
1
0
,
0
0
1
y . Ahora se
generaliza esta idea.

93
Definicin 1. Un conjunto finito de vectores {v
1
,v
2
,....,v
n
} es
una base para un espacio vectorial V si
i. {v
1
, v
2
, ... v
n
} es linealmente independiente.
ii. {v
1
, v
2
, ... v
n
} genera a V.

En R
n
se define


(
(
(
(
(
(
(
(

=
(
(
(
(
(
(
(
(

=
(
(
(
(
(
(
(
(

=
(
(
(
(
(
(
(
(

=
1
.
.
0
0
0
.....
0
.
.
1
0
0
,
0
.
.
0
1
0
,
0
.
.
0
0
1
3 2 1 n
e e e e

Base cannica. Entonces, como los vectores e
i
son las columnas
de una matriz identidad (que tiene determinante 1),
{e
1
, e
2
, ..., e
n
} es un conjunto linealmente independiente y,
por lo tanto, constituye una base en R
n
. Esta base especial se
llama base cannica en R
n
. Ahora se encontrarn base para
algunos otros espacios.


Ejemplo 1. Base cannica para M
22
,
1 0
0 0
,
0 1
0 0
,
0 0
1 0
,
0 0
0 1
(

generan a M
22
. Si


(

=
(

+
(

+
(

+
(

=
(

0 0
0 0
1 0
0 0
0 1
0 0
0 0
0 1
0 0
0 1
4 3 2 1
4 3
2 1
c c c c
c c
c c
,

entonces es obvio que c
1
=c
2
=c
3
=c
4
=0. As, estas cuatro matrices
son linealmente independientes y forman una base para M
22
. Esta
se llama base cannica para M
22
.

94
Teorema 1. Si {v
1
,v
2
,...,v
n
} es una base para V, entonces existe
un conjunto nico de escalare c
1
,c
2
,...,c
n
tales que
v = c
1
v
1
+ c
2
v
2
+ ... + c
n
v
n
.
Demostracin. Existe al menos un conjunto de dichos escalares
porque {v
1
,v
2
,...,v
n
} genera as V. Suponga entonces que v se
puede escribir de dos maneras como una combinacin lineal de
los vectores de la base.
Es decir, suponga que

v = c
1
v
1
+ c
2
v
2
+ ... + c
n
v
n
= d
1
v
1
+ d
2
v
2
+ ... d
n
v
n


Entonces, restando se obtiene la ecuacin

(c
1
d
1
)v
1
+ (c
2
d
2
)v
2
+ ... (c
n
d
n
)v
n
= 0

Pero como los v
i
son linealmente independientes, esta
ecuacin se cumple slo su c
1
d
1
= c
2
d
2
= c
n
d
n
= 0. As,
c
1
= d
1
, c
2
= d
2
, ... , c
n
= d
n
y el teorema queda demostrado.




Teorema 2. Si {u
1
, u
2
, ..., u
m
} y {v
1
, v
2
, ..., v
n
} son bases en
un espacio vectorial V, entonces m = n; es decir, cualesquiera
dos bases en un espacio vectorial V tienen el mismo nmero de
vectores.

Definicin 2. Si el espacio vectorial V tiene una base finita,
entonces la dimensin de V es el nmero de vectores en todas
las bases y V se llama espacio vectorial de dimensin finita.
De otra manera, V se llama espacio vectorial de dimensin
infinita. Si V = {0}, entonces se dice que V tiene dimensin
cero.
95

Ejemplo 2. Como n vectores linealmente independientes en R
n

constituyen una base, se ve que dim R
n
= n

Ejemplo 3. Los polinomios {1,x,x
2
,...,x
n
} constituyen una base
en P
n
. Entonces dim P
n
= n + 1.

Ejemplo 4. La dimensin de M
mn
. En M
mn
sea A
ij
la matriz de mxn
con un uno en la posicin ij y cero en otra parte. Es sencillo
demostrar que las matrices A
ij
para i = 1,2,...,m y j = 1,2,
.., n forman una base para M
mn
. As, dim M
mn
= mn.

Teorema 3. Suponga que dim V = n. Si u
1
, u
2
, ... , u
m
es un
conjunto m de vectores linealmente independientes en V,
entonces m s n.

Teorema 4. Sea h un subespacio de un espacio vectorial de
dimensin finita V. entonces H tiene dimensin finita y
Dim H s dim V

Ejemplo 5. Sea A una matriz de mxn y sea S = {x eR
n
: Ax = 0}.
Sean x
1
e S y x
2
eS; entonces A(x
1
+ x
2
)=Ax
1
+ Ax
2
=0+0=0 y
A(ox
1
) = o(Ax
1
) = o0 = 0, de manera que S es un subespacio de
R
n
y dim S s n. S se llama espacio de solucin del sistema
homogeneo Ax=0. Tambin se llama espacio nulo de la matriz A.

Ejemplo 6. Encuentre una base para el espacio de solucin S
del sistema.
2x - y + 3z = 0
4x - 2y + 6z = 0
-6x + 3y - 9z = 0


96
Solucin: Reduciendo renglones se obtiene


(
(
(

0 9 3 6
0 6 2 4
0 3 1 2

(
(
(

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


Lo que da una sola ecuacin : 2x y + 3z = 0. S es un plano y

una base est dada por
(
(
(

(
(
(

1
3
0
0
2
1
y y dim S = 2.

Teorema 5. Cualesquiera n vectores linealmente independientes
en un espacio vectorial V de dimensin n constituyen una base
para V.







Prctica 2.5
Verdadero o falso:
1. Cualesquiera tres vectores en R
3
forman una base para R
3
.
( )

2. Cualesquiera tres vectores linealmente independientes en R
3

forman una base para R
3
.
( )

3. Una base en un espacio vectorial es nica.
( )
97

4. Sea H un subespacio propio de R
4
. Es posible encontrar
cuatro vectores linealmente independientes en H.
( )

5. Sea

= +
(
(
(

= 0 17 11 2 ; z y x
z
y
x
H . Entonces dim H = 2.
( )

6. Sea {v
1
, v
2
, ..., v
n
} una base para el espacio vectorial V.
Entonces no es posible encontrar un vector v e V tal que v e
gen {v
1
, v
2
, ..., v
n
}.
( )

7.
)
`

,
12 0
0 0
,
0 7
0 0
,
0 0
3 0
,
0 0
0 2
es una base para M
22
.
( )



En los problemas siguientes, determine si el conjunto de
vectores dado es una base para el espacio vectorial a que se
refiere.
8. En P
2
: 1 x
2
, x
Solucin







98

9. En P
2
: 3x, 1 + x
2
, x
2
- 5
Solucin








10. En P
2
: x
2
- 1, x
2
2, x
2
3
Solucin









11. En P
3
: 1, 1 + x, 1 + x
2
, 1 + x
3

Solucin








12. En P
3
: 3, x
3
- 4x + 6, x
2

99
Solucin







13. En M
22
:
(

7 0
1 0
,
6 0
1 5
,
0 0
2 3
,
0 0
1 3

Solucin









14. En M
22
:
(

d
,
c
,
b
,
a
0
0 0
0
0 0
0 0
0
0 0
0
, donde abad = 0
Solucin








15. En M
22
:
(

0 0
1 0
,
0 1
2 7
,
8 5
1 6
,
4 1
1 2
,
1 3
0 1

100
Solucin









16. H = { (x,y) e R
2
: x + y = 0} ; (1,-1)
Solucin








2.6 RANGO, NULIDAD, ESPACIO DE LOS RENGLONES Y ESPACIO DE LAS
COLUMNAS DE UNA MATRIZ. CAMBIO DE BASE

Definicin 1. N
A
se llama el espacio nulo de A y v(A) = dim N
A

se llama nulidad de A. Si N
A
contiene slo al vector cero,
entonces v(A) = 0.

Ejemplo 1. Sea A =
(

3 1 2
1 2 1
. Entonces, N
A
esta generado por
(
(
(

1
1
1
, y v(A) = 1.

101
Ejemplo 2. Sea A =
(
(
(

9 3 6
6 2 4
3 1 2
. Entonces

(
(
(

(
(
(

1
3
0
0
2
1
, es una base
para N
A
, y v(A) = 2.

Teorema 1. Sea A una matriz de n x n. Entonces A es ivertible
si y slo si v(A) = 0.

Definicin 2. Sea A una matriz de m x n. Entonces la imagen de
A, denotada por imagen A, esta dada por
Imagen A = {y e R
m
. Ax = y para alguna x e R
n
}

Teorema 2. Sea una matriz mxn. Entonces imagen A es un
subespacio de R
m
.

Definicin 3. Rango de una matriz. Sea A una matriz de mxn.
Entonces el rango de A, denotado por (A), est dado por
(A) = dim imagen A
Se darn dos definiciones y un teorema que facilitarn un poco
el clculo del rango.

Definicin 4. Espacio de los renglones y espacio de las
columnas de una matriz. Si A es una matriz de mxn, sean
{r
1
,r
2
,...,r
m
} los renglones de A y {c
1
,c
2
,...,c
n
}las columnas de
A. Entonces se define
R
A
= espacio de los renglones de A = gen {r
1
, r
2
, ..., r
m
}
C
A
= espacio de las columnas de A = gen {c
1
, c
2
, ..., c
n
}

Teorema 3. para cualquier matriz A, C
A
= imagen A. Es decir la
imagen de una matriz es igual al espacio de sus columnas.

Ejemplo 3. Sea
(

=
3 1 2
1 2 1
A . A es una matriz de 2 x 3.
102
i. El espacio nulo de A = N
A
={ x e R
3
: Ax = 0}. N
A
= gen

(
(
(

1
1
1

ii. La nulidad de A = v(A) = dim N
A
= 1.
iii. Se sabe que imagen A = C
A
. La primeras dos columnas de A
son vectores linealmente independientes en R
2
, y por lo
tanto forman una base para R
2
. La imagen A = C
A
= R
2
.
iv. (A) = dim imagen A = dim R
2
= 2.
v. El espacio de los renglones de A=R
A
=gen{(1,2,-1),(2,-1,3)}.
Como estos dos vectores son linealmente independientes, se
ve que R
A
es un subespacio de dimensin dos de R
3
.

Teorema 4. Si A es una matriz de m x n, entonces
Dim R
A
= dim C
A
= dim imagen A = (A)
Ejemplo 4. Encuentre una base para imagen A y determine el
rango de A =
(
(
(

9 3 6
6 2 4
3 1 2

Solucin: Como r
2
= 2r
1
y r
3
= -3r
1
, se ve que (A)=dim R
A
= 1.
As, toda columna en C
A
es una base para C
A
= imagen A. Por
ejemplo,
(
(
(

6
4
2
es una base para imagen A.

Teorema 6. El rango de una matriz es igual al nmero de
pivotes en su forma escalonada por renglones.

Ejemplo 5. Clculo de (A) y R
A
para una matriz de 3x3.
Determine el rango y el espacio de los renglones de
A =
(
(
(

1 3 1
4 0 2
3 1 1
. La forma escalonada por renglones de A es
103
(
(
(

0 0 0
1 1 0
3 1 1
= B. Como B tiene dos pivotes, (A) = dm R
A
= 2. Una
base para R
A
, consiste en los primeros dos renglones de B:
R
A
= gen {(1,-1,3), (0,1,-1) }

Teorema 7. Sea A una matriz de m x n. Entonces
(A) + v(A) = n

Ejemplo 8. Ilustracin de que (A)+v(A)=n. Para A=
(

3 1 2
1 2 1
,
(A) = 2 y v(A) = 1, esto ilustra que (A) + v(A) = n (= 3).
Ejemplo 9. Ilustracin de que (A) + v(A) = n. Para
A =
(
(
(

1 3 1
4 0 2
3 1 1
, calcule v(A).
Solucin: (A) = 2. As v(A) = 3 2 = 1. El lector puede
demostrar esto directamente resolviendo el sistema Ax = 0 para
encontrar que N
A
= gen

(
(
(

1
1
2
.


Ahora veremos la relacin que existe entre las distintas
bases de un mismo espacio.
Sea B
1
={u
1
, u
2
,...,u
n
} y B
2
={v
1
,v
2
,...,v
n
} para un espacio
vectorial V de dimensin n. Sea x en V. Entonces x se puede
escribir en trminos de ambas bases:
x= b
1
u
1
+b
2
u
2
+...+b
n
u
n

x= c
1
v
1
+c
2
v
2
+...+c
n
v
n


donde b
i
y c
i
son nmeros reales.
104
De donde
(
(
(
(
(
(
(
(

=
n
2
1
B
b
.
.
.
b
b
(x)
2
y
(
(
(
(
(
(
(
(

=
n
2
1
B
c
.
.
.
c
c
(x)
2
representacin de x en
trminos de las bases B
1
y B
2
.

Ahora si cada elemento de la base B
1
lo escribimos como
combinacin lineal de los elemento de B
2
, resulta:

u
j
= a
1j
+ a
2j
+...+a
nj
v
n

o sea

(
(
(
(
(
(
(
(

=
nj
2j
1j
B
a
.
.
.
a
a
(u)
2
----------- (*)

Definicin 5. La matriz A de nxn cuyas columnas estn dadas
por (*) se llama matriz de transicin de la base B
1
a la base
B
2
. Esto es,

(
(
(
(
(
(
(
(

=
nn n n n
n
n
a a a a
a a a a
a a a a
A
. . .
. . . .
. . . .
. . . .
. . .
. . .
3 2 1
2 23 22 21
1 13 12 11


(u
1
)
B2
(u
2
)
B2
(u
3
)
B3 ...
(u
n
)
B2


Teorema 1. Sean B
1
y B
2
base para un espacio vectorial V. Sea A
la matriz de transicin de B
1
a B
2
. Entonces para todo x e V.
105

(x)
B2
= A(x)
B2


Teorema 2. Si A es la matriz de transicin de B
1
a B
2
, entonces
A
-1
es la matriz de transicin de B
2
a B
1
.
Procedimiento para encontrar la matriz de transicin de la
base cannica a la base B
2
= {v
1
, v
2
, ... v
n
}.
i. Se escribe la matriz C cuyas columnas son v
1
, v
2
, ..., v
n
.
ii. Se calcula C
-1
. Esta es la matriz de transicin que se
busca.

Ejemplo 1. En R
3
sea B
1
={i,j,k} y sea B
2
=

(
(
(

(
(
(

(
(
(

,
2
1
0
,
0
1
3
,
2
0
1
. Si
x=
(
(
(

z
y
x
e R
3
, escriba x en trminos de los vectores B
2
.
Solucin: Primero se verifica que B
2
es una base. Esto es
evidente ya que 0 8
2 0 2
1 1 0
0 3 1
= =

.
Como
(
(
(

=
(
(
(

=
(
(
(

=
1
0
0
0
1
0
,
0
0
1
3 2 1
u y u u , de inmediato se ve que la matriz de
transicin C, de B
2
a B
1
est dada por

(
(
(

=
2 0 2
1 1 0
0 3 1
C
As, por el teorema la matriz de transicin A de B
1
a B
2
es

(
(
(

= =

1 6 2
1 2 2
3 6 2
8
1
1
C A
106
Por ejemplo, si (x)
B1
=
(
(
(

4
2
1
, entonces
( )
(
(
(
(
(
(

=
(
(
(

=
(
(
(

(
(
(

=
4
7
4
1
4
1
14
2
2
8
1
4
2
1
1 6 2
1 2 2
3 6 2
8
1
2 B
x
Para verificar, observe que

(
(
(

+
(
(
(

(
(
(

=
(
(
(

=
(
(
(

(
(
(

+
(
(
(

1
0
0
4
0
1
0
2
0
0
1
1
4
2
1
2
1
0
4
7
0
1
3
4
1
2
0
1
4
1

Ejemplo 2. Expresin de polinomios en P
2
en trminos de una
nueva base. En P
2
la base cannica es B1={1,x,x
2
}. Otra base es
B
2
={4x1, 2x
2
x,3x
2
+3}. Si p = a
0
+a
1
x+a
2
x
2
, escriba p en trminos
de los polinomios en B
2
.
Solucin: Primero verifique que B
2
es una base.
Si c
1
(4x-1)+ c
2
(2x
2
x) + c
3
(3x
2
+3)=0 para toda x, entonces al
rearreglar los trminos se obtiene
(-c
1
+3c
3
)l + (4c
1
c
2
)x + (2c
2
+3c
3
)x
2
= 0
Pero como {1,x,x
2
} es un conjunto linealmente independiente,
se debe tener
-c
1
+ 3c
3
= 0
4c
1
- c
2
= 0
2c
2
+ 3c
3
= 0
el determinante de este sistema homogneo es , 0 27
3 2 0
0 1 4
3 0 1
= =

lo que significa que c
1
=c
2
=c
3
=0 es la nica solucin.
Ahora ( ) ( ) ( )
(
(
(

= +
(
(
(

=
(
(
(

=
3
0
3
B
3x 3 y
2
1
0
B
x 2x ,
0
4
1
B
1 4x
1 1 1
2 2
. As,
107

(
(
(

=
3 2 0
0 1 4
3 0 1
C
es la matriz de transicin de B
2
a B
1
de manera que

(
(
(

= =

1 2 8
12 3 12
3 6 3
27
1
1
C A
es la matriz de transicin de B
1
a B
2
. Como ( )
(
(
(

= + +
2
1
0
2
2 1 0
a
a
a
B
x a x a a
1
,
se tiene
( )
| |
| |
| |
(
(
(
(
(
(

+ +
+
+ +
=
(
(
(

(
(
(

= + +
2 1 0
2 1 0
2 1 0
2
1
0
2
2 1 0
2 8
27
1
12 3 12
27
1
3 6 3
27
1
1 2 8
12 3 12
3 6 3
27
1
2
a a a
a a a
a a a
a
a
a
B
x a x a a
por ejemplo, si p(x) = 5x
2
3x + 4, entonces
( )
(
(
(
(
(
(

=
(
(
(

(
(
(

= +
27
31
27
21
27
15
5
3
4
1 2 8
12 3 12
3 6 3
27
1
4 3 5
2
2
B
x x
verifique esto
5x
2
3x + 4 =
27
15
(4x -1) +
27
21
(2x
2
x) +
27
31
(3x
2
+ 3)









108





Prctica 2.6
1. La matriz de transicin en R
2
de la base
)
`

1
0
,
0
1
a la base
)
`

4
3
,
3
2
es __________
a.
(

4 3
3 2
b.
(

4 3
3 2
c.
(

2 3
3 4
d.
(

2 3
3 4


2. La matriz de transicin en R
2
de la base
)
`

4
3
,
3
2
a la base
)
`

1
0
,
0
1
es __________
a.
(

4 3
3 2
b.
(

4 3
3 2
c.
(

2 3
3 4
d.
(

2 3
3 4


3. La matriz de transicin en P
1
de la base {1, x} a la base
{2 + 3x, -4 + 5x} es __________
a.
(

5 4
3 2
b.
(

5 3
4 2
c.
(

2 4
3 5
27
1
d.
(

2 3
4 5
27
1


En los problemas siguientes escriba e
(

y
x
R
2
en trminos de la
base dada.

4.
(

1
1
,
1
1

Solucin.
109




5.
(

2
3
,
3
2

Solucin.






6.
(

4
3
,
7
5

Solucin.






7.
(

2
1
,
2
1

Solucin.




8.
(

d
b
c
a
, , donde ad bc = 0
Solucin.

110


En los problemas siguientes escriba e
(
(
(

z
y
x
R
2
en trminos de la
base dada.
9.
(
(
(

(
(
(

(
(
(

1
1
1
,
1
0
0
,
0
0
1

Solucin.





10.
(
(
(

(
(
(

(
(
(

1
1
1
,
0
1
1
,
0
0
1

Solucin.





11.
(
(
(

(
(
(

(
(
(

1
1
0
,
0
1
1
,
1
0
1

Solucin.





111
12.
(
(
(

(
(
(

(
(
(

4
2
3
,
5
4
1
,
3
1
2

Solucin.







13.
(
(
(

(
(
(

(
(
(

f
e
c
d
b a
,
0
,
0
0 donde adf = 0
Solucin.






En los problemas siguientes, escriba los polinomios a
0
+a
1
x+a
2
x
2

en P
2
en trminos de la base dada.
14. 1, x-1, x
2
1
Solucin.








112
15. 6, 2 + 3x, 3 + 4x + 5x
2

Solucin.






16. x + 1, x -1, x
2
1
Solucin.






17. En M
22
escriba la matriz
(

6 4
1 2
en trminos de la base
)
`

4 0
2 0
,
0 1
1 0
,
1 3
0 2
,
0 1
1 1
.
Solucin.





18. En P
3
exprese el polinomio 2x
3
3x
2
+ 5x 6 en trminos de
la base polinomial 1, 1 + x, x + x
2
, x
2
+ x
3
.
Solucin.




113
2.7 BASES ORTONORMALES Y PROYECCIONES EN R
n


Para definir los conceptos de bases ortonormales y
proyecciones necesitamos tener presente, al producto escalar o
producto interno entre dos vectores.
Por ejemplo en R
n
,

(a
1
,a
2
,a
3
,...,a
n
).(b
1
,b
2
,b
3
,...,b
n
)= a
1
b
1
+a
2
b
2
+a
3
b
3
++a
n
b
n


En R
n
se vio que n vectores linealmente independientes
constituyen una base. La de uso ms comn es la base cannica
E = {e
1
, e
2
, ..., e
n
}. Estos vectores tienen dos propiedades:
i. e
i
. e
j
= 0 si i = j
ii. e
i
e
j
= 1

Definicin 1. Se dice que un conjunto de vectores
S = {u
1
, u
2
, ..., u
k
} en R
n
es un conjunto ortonormal si.
u
i
. u
j
= 0 Si i = j
u
i
. u
j
= 1

Si slo se satisface la ecuacin (1), se dice que el conjunto
es ortogonal.

Definicin 2. Longitud o norma de un vector. Si v e R
n
,
entonces la longitud o norma de v, denotada por v , est dada
por
v v v . =

Ejemplo 1. La norma de un vector en R
2
. Sea v = (x, y) e R
2
,
entonces
2 2
y x v + = cumple con la definicin usual de longitud
de un vector en el plano.

114
Ejemplo 2. La norma de un vector en R
3
. Si (x,y,z)eR
3
, entonces
2 2 2
z y x v + + = .

Ejemplo 3. La norma de un vector en R
5
. Si v=(2,-1,3,4,-6)e R
5
,
entonces 36 16 9 1 4 + + + + = v .

Teorema 1. Si S = {v
1
,v
2
,...,v
k
} es un conjunto ortogonal de
vectores diferentes de cero, entonces S es linealmente
independiente.
Demostracin. Suponga que c
1
v
1
+c
2
v
2
+ ...+c
k
v
k
= 0. Entonces para
cualquier i =1,2,...,k
0 = 0.v
i
=(c
1
v
1
+ c
2
v
2
+ ... + c
i
v
i
, + c
k
v
k
). v
i

= c
1
(v
1
.v
i
) + c
2
(v
2
.v
i
) + c
i
(v
i
.v
i
) + +c
k
(v
k
.v
i
)
= c
1
0 + c
2
0 + c
i
v
i

2
+ + c
k
0 = c
i
v
i

2
como v
i
= 0 por hiptesis, v
i

2

> 0,

y se tiene c
i
= 0. Esto es
cierto para i = 1,2,...,k lo que completa la prueba.

Teorema 2. (Proceso de ortonormalizacin de Gram Schmidt).
Sea H un subespacio de dimensin m de R
n
. Entonces H tiene una
base ortonormal.
Demostracin. Sea S = {v
1
, v
2
, ..., v
m
} una base de H. Se
probar el teorema construyendo una base ortonormal a partir
de los vectores en S. antes de dar los pasos para esta
construccin, se observa el hecho sencillo de que un conjunto
de vectores linealmente independiente no contiene al vector
cero.
Paso 1. Eleccin del primer vector unitario. Sea

1
1
1
v
v
u =
Entonces
115
( ) 1 .
1 1
.
1
.
1 1
2
1
1 1
1 1
=
|
|
.
|

\
|
=
|
|
.
|

\
|
|
|
.
|

\
|
= v v
v
v
v
v
v
u u
de manera que . 1
1
= u
Paso 2.Eleccin de un segundo vector ortogonal a u
1
.
Resulta que el vector w dado es ortogonal a v cuando w y v
estn en R
n
para cualquier n > 2. Observe que como u1 es un
vector unitario, ( )
1 1 1
2
1
.
.
u u v u
u
u v
= para cualquier vector v.
Sea ( )
1 1 2 2
'
2
. u u v v
v
=
Entonces ( )( ) ( ) 0 . . . . . .
1 2 1 2 1 1 1 2 1 2 1
'
2
= = = l u v u v u u u v u v u
v

De manera que
'
2
v es ortogonal a u
i
. Ms an por el teorema 1,
u
i
y
'
2
v son linealmente independientes.
'
2
v = 0 porque de otra
manera ( )
( )
1
1
1 2
1 1 2 2
.
. v
v
u v
u u v v = = , lo que contradice la independencia
de v
1
y v
2
.
Paso 3. Eleccin de un segundo vector unitario. Sea

'
2
'
2
2
v
v
u =
entonces es evidente que {u
1
, u
2
} es un conjunto ortonormal.
Suponga que se han construido los vectores u
1
, u
2
, ..., u
k
(k <
m) que forman un conjunto ortonormal. Se mostrar cmo
construir u
k+1
.
Paso 4. continuacin del proceso. Sea
( ) ( ) ( )
k k k k k k k
u u v u u v u u v v v . ... . .
1 2 2 1 1 1 1 1
'
1 + + + + +
=
entonces para i = 1, 2, .., k

( )( ) ( ) ( )
( )( ) ( )( )
i k k k i k
i k i k i k i k
u u u v u u u v
u u u u v u u u v u v u v
. . ... . . ......
. . . . . .
1 1 1 1
2 2 2 1 1 1 1 1
'
1
+ +
+ + + +

=

pero u
j
. u
i
= 0 si j = i y u
i
. u
j
= 1. Por lo tanto
116
0 . . .
1 1
'
1
= =
+ + + i k i k i k
u v u v u v
As {u
1
,u
2
,...,u
k
,
'
1 + k
v } es un conjunto linealmente
independiente, ortogonal y
'
1 + k
v = 0.
Paso 5. Sea
'
1
'
1 1
/
+ + +
=
k k k
v v u . Entonces es claro que
{u
1
,u
2
,..., u
k
, u
k+1
}

es un conjunto ortonormal y se puede continuar de esta manera
hasta que k+1 = m con lo que se completa la prueba.

Nota: Como cada u es una combinacin lineal de vectores v
j
, gen
{u
1
,u
2
,...,u
k
} es un subespacio de gen {v
1
,v
2
,...,v
n
} y como cada
espacio tiene dimensin k, los espacios son iguales.

Ejemplo 4. Construccin de una base ortonormal en R
3
. Construya
una base ortonormal en R
3
comenzando con la base
{v
1
,v
2
,v
3
} =

(
(
(

(
(
(

(
(
(

1
0
1
,
1
1
0
,
0
1
1

Solucin: Se tiene 2
1
= v , entonces
(
(
(

=
0
2 / 1
2 / 1
1
u . Entonces
( )
(
(
(
(
(
(

=
(
(
(
(
(
(

(
(
(

=
(
(
(

(
(
(

= =
1
2
1
2
1
0
2
1
2
1
1
1
0
0
2 / 1
2 / 1
2
1
1
1
0
.
1 1 2 2
'
2
u u v v v 7
Como
(
(
(

=
(
(
(
(
(
(

= =
6 / 2
6 / 1
6 / 1
1
2
1
2
1
3 / 2 , 2 / 3
2
'
2
u v . Continuando, se tiene
117
( ) ( )
2 2 3 1 1 3 3
'
3
. . u u v u u v v v =

(
(
(
(
(
(

=
(
(
(
(
(
(

(
(
(
(
(
(

(
(
(

=
(
(
(

(
(
(

(
(
(

=
3
2
3
2
3
2
6
2
6
1
6
1
0
2
1
2
1
1
0
1
6 / 2
6 / 1
6 / 1
6
1
0
2 / 1
2 / 1
2
1
1
0
1

Por ltimo 3 / 2 9 / 12
'
3
= = v de manera que
(
(
(

=
(
(
(

=
3 / 1
3 / 1
3 / 1
3 / 2
3 / 2
3 / 2
2
3
3
u .
As, una base ortonormal en R
3
es

(
(
(

(
(
(

(
(
(

3 / 1
3 / 1
3 / 1
,
6 / 2
6 / 1
6 / 1
,
0
2 / 1
2 / 1
. Este
resultado debe verificarse.


Ejemplo 5. Encuentre una base ortonormal para el conjunto de
vectores en R
3
que est sobre el plano

= +
(
(
(

= 0 3 2 ; z y x
z
y
x
t
Solucin: Considremos una base para este subespacio de dos
dimensiones:
(
(
(

=
0
2
1
1
v y
(
(
(

=
0
3
0
2
v . Entonces
(
(
(

= = =
0
5 / 2
5 / 1
/ 5
1 1 1 1
v v u y v .
Continuando se define
( )
1 1 2 2
'
2
. u u v v v =

(
(
(
(
(
(

=
(
(
(
(
(
(

(
(
(

=
(
(
(

(
(
(

=
1
5
3
5
6
0
5
12
5
6
1
3
0
0
5 / 2
5 / 1
5
6
1
3
0

Por ltimo, 5 / 70 25 / 70
'
2
= = v de manera que
118
(
(
(

=
(
(
(
(
(
(

= =
70 / 5
70 / 3
70 / 6
1
5
3
5
6
70
5
/
'
2
'
2 2
v v u
As, una base ortonormal es

(
(
(

(
(
(

70 / 5
70 / 3
70 / 6
,
0
5 / 2
5 / 1


Definicin 4. Sea H un subespacio de R
n
con base ortonormal
{u
1
,u
2
,...,u
k
}. Si v e R
n
, entonces la proyeccin ortogonal de
v sobre H, denotada por proy
H
v, est dada por
proy
H
v = (v.u
1
)u
1
+ (v.u
2
)u
2
+...+ (v.u
k
)u
k

Observe que proy.
H
v e H.

Ejemplo 6. Encuentre proy
t
v, donde t es el plano

= +
(
(
(

0 3 2 ; z y x
z
y
x

y v es el vector
(
(
(

4
2
3

Solucin: Del ejemplo 5, una base ortonormal para t es

(
(
(

=
(
(
(

=
70 / 5
70 / 3
70 / 6
0
5 / 2
5 / 1
2 1
u y u .
Entonces proy
t
v =
|
|
|
|
.
|

\
|

(
(
(

|
|
|
|
.
|

\
|

|
|
|
.
|

\
|
+
|
|
|
|
.
|

\
|
(
(
(

|
|
|
|
.
|

\
|
|
|
|
.
|

\
|

70 / 5
70 / 3
70 / 6
70 / 5
70 / 3
70 / 6
.
4
2
3
0
5 / 2
5 / 1
0
5 / 2
5 / 1
.
4
2
3

119

|
|
|
|
|
|
.
|

\
|

=
|
|
|
|
|
|
.
|

\
|

+
|
|
|
|
|
|
.
|

\
|

=
|
|
|
|
.
|

\
|

=
|
|
|
|
.
|

\
|
=
7
2
7
4
7
1
70
20
70
12
70
24
0
5
2
5
1
70 / 5
70 / 3
70 / 6
70
4
0
5 / 2
5 / 1
5
1


Teorema 4. Sea B = {u
1
, u
2
, ..., u
n
} sea unas base ortonormal
para R
n
y sea v e R
n
. Entonces
v = (v . u
1
)u
1
+ (v . u
2
)u
2
+ ... + (v . u
n
)u
n

Esto es, v = proy
Rn
v.
Demostracin. Como B es una base, se puede escribir v de
manera nica como v = c
1
u
1
+ c
2
u
2
+ ... + c
n
v
n
. Entonces
v. u
i
= c
1
(u
1
. u
i
) + c
2
(u
2
. u
i
) + + c
i
(u
i
. u
i
)+ + c
n
(u
n
.
u
i
) = c
i
ya que los vectores u
i
, son ortonormales. Como esto se cumple
para i = 1, 2, ..., n, la demostracin queda completa.

Ejemplo 7. expresin de un vector en trminos de una base
ortonormal. Escriba el vector
|
|
|
.
|

\
|

3
1
2
en R
3
en trminos de la
base ortonormal

|
|
|
|
.
|

\
|

|
|
|
|
.
|

\
|

|
|
|
|
.
|

\
|
3 / 1
3 / 1
3 / 1
,
6 / 2
6 / 1
6 / 1
,
0
2 / 1
2 / 1
.
Solucin:
|
|
|
|
.
|

\
|

(
(
(

|
|
|
|
.
|

\
|

|
|
|
.
|

\
|
+
|
|
|
|
.
|

\
|

(
(
(

|
|
|
|
.
|

\
|

|
|
|
.
|

\
|
+
|
|
|
|
.
|

\
|
(
(
(

|
|
|
|
.
|

\
|
|
|
|
.
|

\
|
=
|
|
|
.
|

\
|

3 / 2
3 / 1
3 / 1
3 / 1
3 / 1
3 / 1
.
3
1
2
6 / 2
6 / 1
6 / 1
6 / 2
6 / 1
6 / 1
.
3
1
2
0
2 / 1
2 / 1
0
2 / 1
2 / 1
.
3
1
2
3
1
2


|
|
|
|
.
|

\
|
+
|
|
|
|
.
|

\
|

+
|
|
|
|
.
|

\
|
=
3 / 1
3 / 1
3 / 1
3
6
6 / 2
6 / 1
6 / 1
6
3
0
2 / 1
2 / 1
2
1


120
Definicin 5. Complemento ortogonal. Sea H un subespacio de R
n
.
El complemento ortogonal de H, denotado por H

, esta dado por

H

= {x e R
n
; h = 0 para toda h e H}

Teorema 6. Si H es un subespacio de R
n
, entonces
i. H

es un subespacio de R
n
.
ii. H H

= {0}
iii. Dim H

= n dim H.


Prctica 2.7
Es Falso - verdadero
1. El conjunto {(1,1),(1,-1)} es un conjunto ortonormal en R
2
.
( )

2. El conjunto
)
`

|
.
|

\
|
|
.
|

\
|
2
1
,
2
1
,
2
1
,
2
1
es un conjunto ortonormal en
R
2
.
( )

3. Toda base en R
n
se puede convertir en una base ortonormal
usando el proceso de ortonormalizacin de Gram-Schmidt.
( )
4. La matriz
(

1 1
1 1
es ortogonal.
( )
5. La matriz
(

2 / 1 2 / 1
2 / 1 2 / 1
es ortogonal.
( )

6. Para cules de las siguientes matrices Q
-1
es igual a Q
1
?
121
a.
(

2 3
6 1
b.
(

40 / 2 10 / 3
40 / 6 10 / 1

c.
(

40 / 2 10 / 3
40 / 6 10 / 1
d.
(

2 3
6 1


En los problemas siguientes construya una base ortonormal para
el espacio o subespacio vectorial dado.
7. En R
2
, comenzando con los vectores bsicos
|
|
.
|

\
|
|
|
.
|

\
|
1
1
,
1
1

Solucin









8. H = { (x,y)e R
2
: x + y = 0}
Solucin








122
9. H = { (x,y) e R
2
: ax + by = 0}
Solucin













10. En R
2
, comenzando con
|
|
.
|

\
|
|
|
.
|

\
|
d
c
b
a
, , donde ad cd = 0
Solucin















123
11. t = {(x,y,z); 2x y z = 0}
Solucin













12. t = {(x,y,z); 3x 2y + 6z = 0}
Solucin
















124
13. L = {(x,y,z); x/2 = y/3 = z/4}
Solucin













14. L = {(x,y,z); x = 3t, y =-2t, z = t; r real}
Solucin
















125
15. H = {(x,y,z,w) e R
4
; 2x y + 3z w = 0}
Solucin











16. t = {(x,y,z); ax + by+ cz = 0 }, donde abc = 0
Solucin


















126
17. L = {(x,y,z); x/a = y/b = z/c } donde abc = 0
Solucin













18. H = {(x
1
,x
2
,x
3
,x
4
,x
5
) e R
5
; 2x
1
3x
2
+x
3
+4x
4
-x
5
= 0}
Solucin
















127
HOJA DE CALIFICACIONES DE LA SEGUNDA UNIDAD
ESPACIOS VECTORIALES

PRACTICA 1.1 ...............
PRACTICA 1.2 ...............
PRACTICA 1.3 ...............
PRACTICA 1.4 ...............
PRACTICA 1.5 ...............
PRACTICA 1.6 ...............
PRACTICA 1.7 ...............


PRACTICA CALIFICADA ..............
EXAMEN PARCIAL ...................
NOTA DE TRABAJOS ..................

PROMEDIO DE UNIDAD


FIRMA DE APODERADO