Professional Documents
Culture Documents
Carlos Picarte F.
1. Matrices y Determinantes 5
1.1. Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.1. Suma de Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.2. Producto de un Escalar por una Matriz . . . . . . . . . . . . . . . . . . . 7
1.1.3. Producto de Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.1.4. Matrices Inversibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.1.5. Operaciones Elementales y Calculo de la Matriz Inversa . . . . . . . . . 11
1.2. Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.2.1. Regla de SARRUS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.2.2. Propiedades de los Determinantes . . . . . . . . . . . . . . . . . . . . . . 16
1.2.3. Matriz Adjunta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.2.4. Rango de una Matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.3. Sistemas de Ecuaciones Lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.3.1. Notacion Matricial de un Sistema de Ecuaciones . . . . . . . . . . . . . 20
1.3.2. Regla de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.3.3. Metodo de Reduccion de Gauss . . . . . . . . . . . . . . . . . . . . . . . . 23
2. Espacios Vectoriales 25
2.1. Espacios Vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.2. Subespacio Vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.2.1. Ejemplos de Subespacios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.2.2. Dependencia e Independencia Lineal . . . . . . . . . . . . . . . . . . . . . 31
2.2.3. Bases y Dimension de un Espacio Vectorial . . . . . . . . . . . . . . . . . 32
2.2.4. Caracterizacion de un espacio vectorial . . . . . . . . . . . . . . . . . . . 37
2.2.5. Coordenadas de un vector respecto a una base B . . . . . . . . . . . . . 37
2.2.6. Matriz Cambio de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.3. Proceso de Ortogonalizacion de Gram-Schmidt . . . . . . . . . . . . . . . . . . . 40
3
INDICE GENERAL INDICE GENERAL
4 UBB
1 Matrices y
Determinantes
1.1 Matrices
Definicion 1.1.
Sea K un cuerpo (por ejemplo K puede ser R, C, etc.), y k = {1, 2, 3, . . . , k}. Una
matriz con elementos en K es una funcion o una aplicacion definida de m n en K,
de manera que el elemento (i, j) le asigna como imagen el elemento aij de K
Ejemplo 1.1.
Observacion 1.1.
5
Captulo 1: Matrices y Determinantes M. Huenchucona C. C. Picarte F.
Ejemplo 1.2.
Sea la matriz C:
1 2 3
C=( )
4 5 1
Esta matriz es de orden 2 3, es decir, consta de 2 filas y 3 columnas.
Llamaremos Mmn (K), el conjunto de todas las matrices de orden m n con elementos
en el cuerpo K
En el ejemplo anterior, la matriz C M23 (R)
Observacion 1.2.
Ejemplo 1.3.
1 5
La matriz: A = ( ) Es una matriz, tal que A M22 (C), que denotaremos
i 4 22
por A M2 (C).
Observacion 1.3.
6 UBB
M. Huenchucona C. C. Picarte F. Captulo 1: Matrices y Determinantes
Ejemplo 1.4.
2 5 10 4
Sean A = 1 0, B = 3 7. Calcular A + B.
4 3 1 1
2 10 5 + 4 8 9
Solucion: C = A + B = 1 + 3 0 + 7 = 2 7
4 + 1 3 + 1 5 4
Propiedades 1.
S1 : Conmutatividad: A + B = B + A
S2 : Asociatividad: A + (B + C) = (A + B) + C
S3 : Existe Elemento Neutro:Es la matriz nula= (todos sus elemento son cero).
S4 : Existe Inverso Aditivo: Para toda matriz A = (aij ), existe la matriz B = (aij ),
tal que A + B =
Ejemplo 1.5.
5 1 2 15 3 6
Sea A = ( ), entonces 3 A = ( ).
2 5 1 6 15 3
UBB 7
Captulo 1: Matrices y Determinantes M. Huenchucona C. C. Picarte F.
1. k(A + B) = k A + k B
2. (k + k )A = k A + k A
3. (k k )A = k(k A)
Observacion 1.4.
Ejemplo 1.6.
2 5 3 4
Sean A = 1 2 y B = ( ), entonces:
1 1 0 2
2 3 + 5 0 2 4 + 5 2 6 18
AB = 13+20 14+22 = 3 8
1 3 + 1 0 1 4 + 1 2 3 2
Definicion 1.3.
8 UBB
M. Huenchucona C. C. Picarte F. Captulo 1: Matrices y Determinantes
Sean A, B, C matrices tales que esten bien definidos los producto entre ellas.
P1 : Asociativa: (A B) C = A (B C)
P3 : Si A B =
/ A=B =
Las propiedades de la suma y producto de matrices, hacen del conjunto
Mmn (K) un anillo no conmutativo.
Definicion 1.4.
Ejemplo 1.7.
UBB 9
Captulo 1: Matrices y Determinantes M. Huenchucona C. C. Picarte F.
Definicion 1.5.
Ejemplo 1.8.
3 0 0
A = 0 3 0
0 0 3
Ejemplo 1.9.
2 5
Sea A = ( ). es A una matriz inversible?
1 3
x y 1 0
Solucion: Sea B = ( ) matriz tal que A B = I = ( ), entonces se debe cumplir:
u v 0 1
2 5 x y 1 0 2x + 5u 2y + 5v 1 0
( )( )=( ) ( )=( )
1 3 u v 0 1 x + 3u y + 3v 0 1
10 UBB
M. Huenchucona C. C. Picarte F. Captulo 1: Matrices y Determinantes
Ejemplo 1.10.
2 3
Es C = ( ) inversible?
8 12
x y 1 0
Solucion: Sea B = ( ) matriz tal que C B = I = ( ), entonces se debe cumplir:
u v 0 1
2 3 x y 1 0
( )( )=( )
8 12 u v 0 1
2x + 3u 2y + 3v 1 0
( )=( )
8x + 12u 8y + 12v 0 1
Lo que nos da el sistema de ecuaciones:
2x + 3u = 1 2x + 3u = 1
8x + 12u = 0 2x + 3u = 0
que es equivalente a el cual no tiene solucion
2y + 3v = 0 2y + 3v = 0
8y + 12v = 1 2y + 3v = 1
Luego C no es inversible.
1.- Intercambiar dos filas de una matriz A. Denotaremos con eij (A) a la
matriz obtenida de A al intercambiar la fila i con la fila j.
3.- Reemplazar una fila por la que se obtiene sumando a dicha fila otra
previamente multiplicada por un escalar. Denotaremos por eij (k)(A) a la matriz
obtenida de A al reemplazar la iesima fila de A por la suma de la fila iesima
con k veces la fila jesima.
UBB 11
Captulo 1: Matrices y Determinantes M. Huenchucona C. C. Picarte F.
Ejemplo 1.11.
Sea :
2 5 3
A=( ).
1 1 2
Entonces se tiene que :
1 1 2
e12 (A) = ( ).
2 5 3
2 5 3
e2 (3)(A) = ( ).
3 3 6
2 5 3
e21 (2)(A) = ( ).
5 9 8
1 6 1
e12 (1)(A) = ( ).
1 1 2
Definicion 1.8.
Si A y B son dos matrices del mismo orden, se dice que A es equivalente por
filas a B, si B puede obtenerse de A mediante la aplicacion de un numero finito
de operaciones elementales.
Teorema 1.1.
Teorema 1.2.
2 3
Ejercicio : Sea A = ( ) . Mostrar que A es inversible, y calcule A1 .
3 5
12 UBB
M. Huenchucona C. C. Picarte F. Captulo 1: Matrices y Determinantes
Observacion 1.5.
El Teorema anterior nos entrega una tecnica para hallar A1 (cuando existe). Sa-
biendo que la inversa existe (por ejemplo si se sabe que el determinante es distinto
de cero), se coloca la matriz ampliada (A I) a la cual se le aplican operacio-
nes elementales de tal forma que A se transforme en la matriz identica. En este
proceso, automaticamente la matriz I (la parte derecha de la matriz ampliada) se
habra transformado en la inversa de A.
1.2 Determinantes
Definicion 1.9.
1. det A = a, si A = (a)
n
2. det A = (1)1+k a1k det A1k donde A es una matriz de orden n > 1, y la
k=1
matriz A1k es la submatriz de orden (n 1) que se obtiene al suprimir la fila
1 y la columna k de la matriz A.
Notacion : det A = A
Ejemplo 1.12.
a a
Sea A = ( 11 12 ), calcular det A.
a21 a22
Solucion:
a11 a12
det A = A = = (1)1+1 a11 A11 + (1)1+2 a12 A12
a21 a22
= (1)2 a11 det(a22 ) + (1)3 a12 det(a21 ) = a11 a22 a12 a21
UBB 13
Captulo 1: Matrices y Determinantes M. Huenchucona C. C. Picarte F.
Ejemplo 1.13.
4 5
Calcular determinante de A, si A = ( )
6 2
4 5
Solucion: A = = (4)(2) (5)(6) = 8 30 = 22
6 2
Ejemplo 1.14.
Solucion:
RRRa R
RRR 11 a12 a13 RRRRR
RRRa21 a22 a23 RRR = (1)1+1 a11 A11 + (1)1+2 a12 A12 + (1)1+3 a13 A13
RRR RR
RRa31 a32 a33 RRR
a a a a a a
= (1)2 a11 22 23 + (1)3 a12 21 23 + (1)4 a13 21 22
a32 a33 a31 a33 a31 a32
= a11 a22 a33 a11 a23 a32 a12 a21 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31
14 UBB
M. Huenchucona C. C. Picarte F. Captulo 1: Matrices y Determinantes
Observacion 1.6.
Ejemplo 1.15.
1 3 5
Sea A = 4 0 0, encuentre 12 , 22 y 32 .
1 1 2
4 0
Solucion: 12 = (1)1+2 M12 = (1) = (8 0) = 8
1 2
1 5
22 = (1)2+2 M22 = = (2 5) = 3
1 2
1 5
32 = (1)3+2 M32 = (1) = (0 20) = 20
4 0
Observacion 1.7.
Notemos que det A se puede escribir en funcion de los cofactores, esto es:
n n
A = aik ik = aik (1)i+k Mik ; i = 1, 2, , n
k=1 k=1
Ejemplo 1.16.
UBB 15
Captulo 1: Matrices y Determinantes M. Huenchucona C. C. Picarte F.
Propiedades 4.
3. I = 1.
4. At = A.
5. Si B = eij (A) B = A.
6. Si B = ej (k)(A) B = k A.
7. Si B = eij (k)(A) B = A.
9. A B = A B.
Observacion 1.8.
Por (4) toda propiedad valida para filas, es tambien valida para columnas.
Observacion 1.9.
Por (7) para calcular el det A se puede pasar mediante operaciones elementales a
una matriz triangular equivalente y aplicar propiedad (2).
16 UBB
M. Huenchucona C. C. Picarte F. Captulo 1: Matrices y Determinantes
11 21 31 n1
12 22 32 n2
13
Adj(A) = 23 33 n3
1n 2n 3n nn
donde ij es el cofactor del elemento aij .
Observacion 1.10.
1 1 3
Ejercicio : Sea A = 2 0 1, calcular Adj(A).
2 1 0
Teorema 1.3.
Sea A matriz cuadrada de orden n, tal que det A =/ 0. Entonces se verifica que:
1
A1 = AdjA
A
1 1 3
Ejercicio : Sea A = 2 0 1, calcular A1 .
2 1 0
UBB 17
Captulo 1: Matrices y Determinantes M. Huenchucona C. C. Picarte F.
Observacion 1.11.
Ejercicio : Sea
2 1 3 2
A = 1 3 2 1
0 1 1 0
Averiguar cual es su rango.
Se dice que una matriz esta en forma escalonada, si el numero de ceros anteriores
a la primera componente distinta de cero de una fila crece fila por fila, hasta
llegar (en algunos casos) a filas en las que todas sus componentes sean iguales a cero.
Ejemplo 1.17.
1 2 3 4 1 2 3
0 1 4 7 0 1 4 1 2 0 1
, , 0 2 3 1 .
0 0 2 2 0 0 2 0 0 0 0
0 0 0 6 0 0 0
Teorema 1.4.
Teorema 1.5.
18 UBB
M. Huenchucona C. C. Picarte F. Captulo 1: Matrices y Determinantes
De los dos Teoremas anteriores obtenemos la siguiente Forma alternativa para cal-
cular el rango de una matriz A
Mediante operaciones elementales sobre filas se lleva la matriz A a la forma esca-
lonada. El numero de filas no-nulas de la forma escalonada obtenida es el rango de
la matriz A.
2 1 3 2
A = 1 3 2 1
0 1 1 0
Definicion 1.13.
a1 x 1 + a2 x 2 + a3 x 3 + + an x n = b (1.1)
UBB 19
Captulo 1: Matrices y Determinantes M. Huenchucona C. C. Picarte F.
Definicion 1.14.
Definicion 1.15.
Observacion 1.13.
AX =B
20 UBB
M. Huenchucona C. C. Picarte F. Captulo 1: Matrices y Determinantes
Definicion 1.16.
Teorema 1.6.
Observaciones 1.14.
2. Consideremos el sistema A X = B.
UBB 21
Captulo 1: Matrices y Determinantes M. Huenchucona C. C. Picarte F.
x 2y + 7z = c.
Que condicion deben cumplir a, b y c para que el sistema tenga solucion ?
X = A1 B
Cramer
Sea A X = B un sistema de n ecuaciones con n incognitas. Si det(A) =/ 0, la solucion del
sistema es:
Ai
xi =
A
donde Ai es la matriz que se obtiene de reemplazar la columna iesima por el vector inde-
pendiente B.
Ejemplo 1.18.
2x + 3y = 2
Resolver el siguiente sistema
x y = 3
2 3 2 x
Solucion: A = ( ), B = ( ) y X = ( ). Luego tenemos que:
1 1 3 y
2 3 2 2
A = 5, A1 = = 11, y A2 = = 4. De aqu
3 1 1 3
A1 11 11
x1 = = =
A 5 5
A2 4 4
x2 = = =
A 5 5
11
As X = ( 54 )
5
Observacion 1.15.
22 UBB
M. Huenchucona C. C. Picarte F. Captulo 1: Matrices y Determinantes
AX = b
Ejemplo 1.19.
x 2y + z = 1
Resolver el siguiente sistema: x + y + 3z = 3
2x y = 0
1 2 1 1
Solucion: Sea la matriz ampliada 1 1 3 3, aplicando operaciones elementales,
2 1 0 0
se tiene:
1 2 1 1 1 2 1 1 1 2 1 1
1 1 3 3 0 3 2 2 0 3 2 2
2 1 0 0 0 3 2 2 0 0 4 4
x 2y + z = 1
x=0
3y + 2z = 2 y=0
4z = 4
z = 1
UBB 23
Captulo 1: Matrices y Determinantes M. Huenchucona C. C. Picarte F.
24 UBB
2 Espacios Vectoriales
2.1 Espacios Vectoriales
Definicion 2.1.
Sea V un conjunto sobre el cual se definen dos operaciones binarias, una interna y
la otra externa llamadas Suma de Vectores y Producto por Escalar.
+ V V V
(v1 , v2 ) +(v1 , v2 ) = v1 + v2
K V V
(, v) (, v) = v
Diremos que V es un espacio vectorial sobre el cuerpo K (R, C), con las operaciones
de suma y producto por escalar recien definidos si se verifican los siguientes axiomas:
V1 (v1 + v2 ) + v3 = v1 + (v2 + v3 ) v1 , v2 , v3 V .
V2 v1 + v2 = v2 + v1 v1 , v2 V .
V5 (v1 + v2 ) = v1 + v2 K, v1 , v2 V .
V6 ( + )v = v + v , K, v V .
V7 (v) = ()v , K, v V .
V8 1 v = v v V .
25
Captulo 2: Espacios Vectoriales C. Picarte F.
Observacion 2.1.
Observacion 2.2.
Observacion 2.3.
3. R2 = {(x, y) x, y R}, con las operaciones suma y producto por escalar definidas por:
R, (x1 , x2 , . . . , xn ) Rn ;
x = (x1 , x2 , , xn )
Rn con las operaciones antes definidas, es un espacio vectorial real.
5. Mmn (R) con las operaciones normales de suma de matrices y producto de un escalar
por una matriz, es un espacio vectorial real.
Observacion 2.4.
26 UBB
C. Picarte F. Captulo 2: Espacios Vectoriales
Definicion 2.2.
Observacion 2.5.
Teorema 2.1.
1. W .
a b
Sea W = {( ) M22 (R) c = b} M22 (R).
c d
Pruebe que W es un subespacio vectorial. (Notacion: W M22 ).
Solucion:
0 0
i) W , pues ( ) W (0 = 0)
0 0
UBB 27
Captulo 2: Espacios Vectoriales C. Picarte F.
a b
A=( )
a b x y
b d
ii) Sean A = ( );B = ( )W entonces:
c d z w
x y
B=( )
y w
a b x y
A+B = ( )+( )
b d y w
a+x b+y
= ( )W pues b y = (b + y)
b y d + w
a b
iii) Sean A = ( )W , R
c d
a b
A = ( )
b d
a b
= ( )
(b) d
a b
= ( )W pues b = (b)
b d
Observacion 2.6.
Notemos que una buena estrategia para verificar que el conjunto debe ser no vacio,
y por otro lado que todo espacio vectorial (subespacio) debe contener al vector nulo
(obs-2.2), usaremos el vector nulo para verificar que se cumple la primera condicion.
Ejemplo 2.2.
Solucion:
x y = 2z
ii) Sean (x, y, z), (a, b, c) T { ()
a b = 2c
28 UBB
C. Picarte F. Captulo 2: Espacios Vectoriales
(x + a) (y + b) = x+ayb
= (x y) + (a b)
= 2z + 2c
= 2(z + c)
Luego, (x + a, y + b, z + c) T
(x) (y) = (x y)
= (2z)
= 2(z)
Luego, (x, y, z) T
As, T es subespacio de R3
1. S = {(x, y, z) R3 x = y}.
2. T = {(x, y, z) R3 x + y z = 0}.
Observacion 2.7.
S T = {v V /v S v T }
S + T = {v V /v = s + t, s S t T }
UBB 29
Captulo 2: Espacios Vectoriales C. Picarte F.
v1 , v2 S v1 + v2 S
pues S es subespacio
ii) Sean v1 , v2 S T
v1 , v2 T v1 + v2 T pues T es subespacio
Luego, v1 + v2 S T
v S
pues S es subespacio
iii) Sean R,v S T
v T pues T es subespacio
Luego, v S T
Con esto S T es un subespacio de V .
Observacion 2.8.
Definicion 2.3.
1. V = S + T .
2. S T = {V }.
Notacion : V T .
Definicion 2.4.
30 UBB
C. Picarte F. Captulo 2: Espacios Vectoriales
Definicion 2.6.
1 v1 + 2 v2 + + n vn = V (2.1)
Si no existen tales escalares, se dira que los vectores v1 , v2 , . . . , vn son linealmente
independientes en K, es decir,
1 v1 + 2 v2 + + n vn = V 1 = 2 = = n = 0 (2.2)
Observaciones 2.9.
S = {s1 , s2 , . . . , sn , V }
UBB 31
Captulo 2: Espacios Vectoriales C. Picarte F.
Ejemplo 2.3.
( + 2 + 3, 3 + + 4, 2 2) = (0, 0, 0)
+ 2 + 3 = 0 RRR 1 2 3 RRR
RR RR conjunto l.d.
3 + + 4 = 0 RRRR 3 1 4 RRRR = 0 sistema homogeneo,
RRR R
2 2 = 0
RR2 0 2RRRR infinitas soluciones
Observacion 2.10.
1. B es l.i.
v = 1 v1 + 2 v2 + + n vn , v V
32 UBB
C. Picarte F. Captulo 2: Espacios Vectoriales
Observacion 2.11.
Para indicar que B genera al espacio vectorial V , o que todas las combinaciones
lineales de los elementos de B producen el espacio vectorial V se denota por:
V = B
Ejemplo 2.4.
Solucion: En efecto:
+ 0 = 0 =0
(1, 0) + (0, 1) = (0, 0)
0 + = 0 =0
Ejemplo 2.5.
Solucion: En efecto:
+ = 0 =0
(1, 1) + (1, 2) = (0, 0)
+ 2 = 0 =0
UBB 33
Captulo 2: Espacios Vectoriales C. Picarte F.
+ = x = 2x y
+ 2 = y =yx
Definicion 2.8.
Notacion : dim(V )
Observacion 2.12.
Observacion 2.13.
En general para los distintos espacios vectoriales con los que normalmente traba-
jamos, tenemos sus respectivas bases canonicas.
1 0 0 1 0 0 0 0
3. M22 su base canonica es: {( ),( ),( ),( )}
0 0 0 0 1 0 0 1
34 UBB
C. Picarte F. Captulo 2: Espacios Vectoriales
Observacion 2.14.
1. dim(Rn ) = n.
2. dim(Mnm ) = n m.
3. dim(Pn [x]) = n + 1.
Ejemplo 2.6.
S = {(x, y) R2 2x = y}.
Solucion:
S = {(x, y) R2 y = 2x}
= {(x, 2x), x R}
= {x(1, 2), x R} ( el conjunto de todas las c.l. de (1, 2))
= {(1, 2)} (genera a S)
Ademas es un conjunto l.i., luego es una base para S, con esto se tiene que dim(S) = 1.
Ejemplo 2.7.
T = {(x, y, z) R3 2x = y, y = x z}.
Solucion:
T = {(x, y, z) R3 y = 2x , z = x y}
= {(x, y, z) R3 y = 2x , z = x 2x}
= {(x, y, z) R3 y = 2x , z = x}
= {(x, 2x, x), x R}
= {x(1, 2, 1), x R} ( el conjunto de todas las c.l. de (1, 2, 1))
= {(1, 2, 1)} (genera a T )
Ademas es un conjunto l.i., luego es una base para T , con esto se tiene que dim(T ) = 1.
UBB 35
Captulo 2: Espacios Vectoriales C. Picarte F.
dim(W ) dim(V )
Observacion 2.15.
Observacion 2.16.
Teorema 2.4.
Observacion 2.17.
36 UBB
C. Picarte F. Captulo 2: Espacios Vectoriales
Observacion 2.18.
+ = x 1 1 x 1 1 x 1 1 x
2 = y 2 1 y 0 3 y 2x 0 3 y 2x
3 = z 0 3 z 0 3 z 0 0 z y + 2x
Luego, como queremos y que permiten escribir elementos de W , se necesita que el
sistema tenga solucion, es decir, el rango de la matriz de coeficientes sea igual al rango de la
matriz ampliada; lo que se cumple cuando z y + 2x = 0.
As, podemos describir a W como:
W = {(x, y, z) R3 /z y + 2x = 0}
v = 1 v1 + + n vn
y su notacion es:
[v]B = (1 , 2 , , n )
UBB 37
Captulo 2: Espacios Vectoriales C. Picarte F.
Ejercicio : En el ejemplo(2.5), se mostro que B = {(1, 1), (1, 2)} es base para R2 , las
coordenadas del vector (4, 5) respecto de esta base sera:
1. Para B1 :
1 + 21 = 2
1 (1, 2) + 1 (2, 3) = (2, 3)
2 + 31 = 3
1 2 2 1 2 2 1 0 12 = 12
( )( )( ) 1
2 3 3 0 1 7 0 1 7 1 = 7
2. Para B2 :
De igual forma (2, 3) se puede escribir como c.l. de B2 , es decir,
2 + 2 = 2
2 (1, 0) + 2 (1, 1) = (2, 3)
+ 2 = 3
1 1 2 1 0 5 = 5
( )( ) 2
0 1 3 0 1 3 2 = 3
La pregunta es: Como podemos pasar de las coordenadas en la base B1 a las coordenadas
en la base B2 .
El metodo es simple. Como B2 es base, entonces los elementos de la base B1 se pueden
escribir como c.l. de la base B2 al igual que el vector (2, 3). Esto es:
+ = 1 = 1
(1, 0) + (1, 1) = (1, 2)
+ = 2 =2
38 UBB
C. Picarte F. Captulo 2: Espacios Vectoriales
+ = 2 = 1
(1, 0) + (1, 1) = (2, 3)
+ = 3 =3
Notemos que esto se puede ordenar y escribir como la multiplicacion de una matriz por
un vector escrito como columna, es decir,
1 1 12 5
( )( ) = ( ), que son la coord. en B2
2 3 7 3
1 1
La matriz ( ), se llama matriz cambio de base, de base B1 a base B2 .
2 3
De esto, lo que tenemos es:
[(2, 3)]B2 = [(1, 2)]B2 [(2, 3)]B2 [(2, 3)]B1
UBB 39
Captulo 2: Espacios Vectoriales C. Picarte F.
Definicion 2.10.
u = v2 proyv1 v2 es perpendicular a v1
40 UBB
C. Picarte F. Captulo 2: Espacios Vectoriales
u1 = v1
u1 v2
u2 = v2 u1
u1 u1
u1 v3 u2 v3
u3 = v3 u1 u2
u1 u1 u2 u2
con esto, se obtiene un nuevo conjunto {u1 , u2 , . . . , un } que constituye una base
ortogonal para V .
Observacion 2.19.
Para obtener una base ortonormal, basta dividir cada vector por su norma, es decir,
uk
ek =
uk
que nos entrega la base {e1 , e2 , . . . , en } que es ortonormal.
Ejemplo 2.9.
Sabiendo que el conjunto B = {(1, 0, 2), (0, 1, 1), (2, 1, 0)} es base para R3 , encuentre
una base ortogonal mediante el metodo de Gram-Schmidt.
UBB 41
Captulo 2: Espacios Vectoriales C. Picarte F.
Solucion: Sea
(1, 0, 2)(0, 1, 1)
u2 = (0, 1, 1) (1, 0, 2)
(1, 0, 2)(1, 0, 2)
2 2 1
= (0, 1, 1) (1, 0, 2) = ( , 1, )
5 5 5
2 1
( , 1, ) (2, 1, 0)
(1, 0, 2)(2, 1, 0) 5 5 2 1
u3 = (2, 1, 0) (1, 0, 2) ( , 1, )
(1, 0, 2)(1, 0, 2) 2 1 2 1 5 5
( , 1, ) ( , 1, )
5 5 5 5
2 1 2 1
= (2, 1, 0) (1, 0, 2) ( , 1, )
5 6 5 5
5 5 5
= ( , , )
3 6 6
2 1 5 5 5
Luego un base ortogonal sera {(1, 0, 2), ( , 1, ) , ( , , )}
5 5 3 6 6
42 UBB